図面 (/)

技術 センサネットワークにおける自動適応クラスタリングを達成するための方法およびシステム

出願人 タタコンサルタンシーサービシズリミテッド
発明者 サランギサナットパップラスリニヴァス
出願日 2017年5月8日 (4年9ヶ月経過) 出願番号 2018-558670
公開日 2019年8月8日 (2年6ヶ月経過) 公開番号 2019-522392
状態 特許登録済
技術分野 測定値信号、等のための伝送方式 移動無線通信システム
主要キーワード 測定要件 位置レベル 展開体 クラスタメンバー 一時ストレージ 感知対象 伝達モジュール レベルクラス
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2019年8月8日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (5)

課題・解決手段

センサネットワークにおいて自動適応クラスタリングを達成するためのシステムおよび方法が説明される。システムは、ネットワークライフタイム最大化するために、センサネットワークにおいて階層的クラスタリングを実行する。システムは、センサノードのセットおよびシンクノードを含む。センサネットワーク内のクラスタは、多数の展開されたノードから自動的に形成され、クラスタ特性は、エンドユーザによって定義された測定要件によって駆動される。システムはまた、適応クラスタリングを達成するためにクラスタリングアルゴリズムを使用する。プロセッサは、測定値に基づいてセンサノードのセットをデータレベルクラスタにグループ化するための第1のレベルクラスタリンモジュールをさらに含む。プロセッサは、さらに、位置に基づいてデータレベルクラスタ内のセンサノードのセットを位置レベルクラスタにグループ化するための第2のレベルクラスタ化モジュールを含む。別の実施形態では、このクラスタリングは、2つ以上のレベルに進むことができる。

概要

背景

背景
無線センサネットワークは、所定の領域に配置されたセンサを利用して、ターゲット挙動や環境を検出し、検出した情報をデータに変換し、データを収集するシンクノード無線送信する技術である。一般に、センサネットワークは、1つまたは複数のパラメータについて地理的領域監視し、ネットワークを管理する中央ゲートウェイシンク(sink)とも呼ばれる)に感知された値を送信する物理ノードのセットからなる。センサネットワークにおけるクラスタリングおよびデータ集約は、これまで、位置および移動性などの物理的特性に基づいてセンサノードグループ化してきたので、感知されたデータを集約し、プロセスにおいてエネルギーを節約してシンクに送信することができる。センサネットワークは、様々な要件を有する多数のターゲットアプリケーションを有するモノインターネット(Internet of Things)(IoT)のより大きなファブリック統合されつつある。既存のクラスタリング方法は、感知対象の特性に適応しない。これらの問題を解決するために、センサネットワークの研究や、効率的な展開計画のためのデータ集約技術の研究が行われている。

これまで、センサネットワークおよびIoTシステムにおけるクラスタリングは、主に、位置および移動性などのクラスタリングと関連付けられた物理的パラメータで機能してきた。典型的なセンサネットワーク展開におけるノードは、数において冗長であり、すべてのセンサノードが感知要件ごとに割り当てられることは必須ではない。より最近のセンサネットワークおよびIoTアプリケーションの条件は、感知目的のための特定のサービスレベルアグリーメント(service level agreement)(SLA)を有するシステムを監視することであり、例えば、エネルギー効率の良い方法で領域全体にわたるパラメータの値の変動を監視することである。

多くの先行技術は、センサネットワークおよびIoTにおけるクラスタリングの環境において、その一部において使用されてきた。それらは、主に、クラスタリングを実行するために物理的特性を使用する。データに関連付けられたタグなどのアプリケーション特有の特性を使用するいくつかの研究は、最適化されたデータ伝送を実行するために使用されてきた。従来技術の研究は、測定レベルの精度がネットワーク内のノードの適応および編成基礎として使用されるセンサネットワークのアプリケーション適応クラスタリングおよび編成を実行することを報告していない。

概要

センサネットワークにおいて自動適応クラスタリングを達成するためのシステムおよび方法が説明される。システムは、ネットワークのライフタイム最大化するために、センサネットワークにおいて階層的クラスタリングを実行する。システムは、センサノードのセットおよびシンクノードを含む。センサネットワーク内のクラスタは、多数の展開されたノードから自動的に形成され、クラスタ特性は、エンドユーザによって定義された測定要件によって駆動される。システムはまた、適応クラスタリングを達成するためにクラスタリングアルゴリズムを使用する。プロセッサは、測定値に基づいてセンサノードのセットをデータレベルクラスタにグループ化するための第1のレベルクラスタリンモジュールをさらに含む。プロセッサは、さらに、位置に基づいてデータレベルクラスタ内のセンサノードのセットを位置レベルクラスタにグループ化するための第2のレベルクラスタ化モジュールを含む。別の実施形態では、このクラスタリングは、2つ以上のレベルに進むことができる。

目的

より最近のセンサネットワークおよびIoTアプリケーションの条件は、感知目的のための特定のサービスレベルアグリーメント(service level agreement)(SLA)を有するシステムを監視することであり、例えば、エネルギー効率の良い方法で領域全体にわたるパラメータの値の変動を監視することである

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

(分野番号表示ON)※整理標準化データをもとに当社作成

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

センサネットワーク(102)において自動適応型クラスタリングを実現するための方法であって、センサノード(104)のセットによる複数のパラメータを測定するステップであって、複数のセンサを備える前記センサノードのそれぞれは、領域内の複数の位置に存在する、ステップと、ユーザインターフェース(106)によって、前記センサノードのセットで測定された前記複数のパラメータを送信するために、前記センサノードのセットにリクエストを送信するステップと、前記リクエストに応答して前記複数のパラメータをシンクノード(108)に送信するステップと、プロセッサ(112)によって、測定された前記複数のパラメータに基づいて前記センサノードのセットをデータレベルクラスタグループ化するために、第1のレベルクラスタリングを行うステップと、前記プロセッサによって、複数の位置に基づいて、前記データレベルクラスタの前記センサノードのセットを位置レベルクラスタにグループ化するために、第2のレベルクラスタリングを行うステップと、前記プロセッサによって、クラスタリング決定に到達するためのクラスタヘッドとして、前記データレベルクラスタおよび前記位置レベルクラスタのそれぞれにおけるノードを指定するステップと、前記プロセッサによって、クラスタ内の前記センサノードのセットを適応的に再配置するために、前記クラスタリング決定を前記センサノードのセットに戻すことを伝達するステップと、を備える方法。

請求項2

前記第1のレベルクラスタリングおよび前記第2のレベルクラスタリングのステップは、適応データ中心クラスタリング(adaptivedatacentricclustering)(ADCS)アルゴリズムを使用して行われる、請求項1に記載の方法。

請求項3

前記ADCSアルゴリズムは、性質、サイズ、およびクラスタメンバー数を調整する、請求項2に記載の方法。

請求項4

前記ADCSアルゴリズムは、前記シンクノード上で行われる、請求項2に記載の方法。

請求項5

クラスタリングは、前記センサノードのセットによってカバーされる領域の監視の精度に関して、所定のサービスレベルアグリーメント(SLA:servicelevelagreement)で行われる、請求項1に記載の方法。

請求項6

改善されたパフォーマンスを達成するために、クラスタリングするための複数のアルゴリズムの使用を可能にするようにさらに構成される、請求項1に記載の方法。

請求項7

センサネットワーク(102)において自動適応クラスタ化を達成するためのシステムであって、複数のパラメータを測定するように構成されるセンサノード(104)のセットであって、各センサノードは、領域内の複数の位置に存在する複数のセンサを含む、センサノード(104)と、測定された前記複数のパラメータを送信するためのユーザによるリクエストを生成するためのユーザインターフェース(106)と、前記センサノードのセットによって測定された前記複数のパラメータを受信するシンクノード(108)と、メモリ(110)と、前記メモリと通信するプロセッサ(112)と、を備え、前記プロセッサは、さらに、測定された前記複数のパラメータに基づいて前記センサノードのセットをデータレベルクラスタにグループ化するために、第1のレベルクラスタリングを行う第1のレベルクラスタリングモジュール(114)と、複数の位置に基づいて、前記データレベルクラスタの前記センサノードのセットを位置レベルクラスタにグループ化するために、第2のレベルクラスタリングを行う第2のレベルクラスタリングモジュール(116)と、クラスタリング決定に到達するために、前記データレベルクラスタおよび前記位置レベルクラスタ後にクラスタヘッドを指定する指定モジュール(118)と、クラスタ内の前記センサノードのセットを適応的に再配置するために、前記クラスタリング決定を前記センサノードのセットに戻すことを伝達する伝達モジュール(120)と、を備える、システム。

請求項8

前記センサノードのセットの各々は、前記複数のセンサと電気通信する、請求項7に記載のシステム。

請求項9

前記シンクノードは、外部環境へのゲートウェイとして使用されるように構成される、請求項7に記載のシステム。

請求項10

クラスタリングは、2つ以上のレベルで起こることができ、各レベルは、複数のパラメータおよび複数の位置に依存する、請求項7に記載のシステム。

技術分野

0001

関連出願および優先権相互参照
本出願は、2016年5月9日に出願されたインド国仮出願明細書第201621016128号からの優先権を主張し、その完全な開示は、その全体が参照により本明細書に組み込まれる。

0002

技術分野
本明細書の実施形態は、一般に、無線センサネットワークの分野に関し、より詳細には、クラスタリングのための基準としてエンドユーザ情報レベル属性を使用して、エネルギー効率の良い方法で、センサネットワークにおける自動適応クラスタリングを達成するための方法およびシステムに関する。

背景技術

0003

背景
無線センサネットワークは、所定の領域に配置されたセンサを利用して、ターゲット挙動や環境を検出し、検出した情報をデータに変換し、データを収集するシンクノード無線送信する技術である。一般に、センサネットワークは、1つまたは複数のパラメータについて地理的領域監視し、ネットワークを管理する中央ゲートウェイシンク(sink)とも呼ばれる)に感知された値を送信する物理ノードのセットからなる。センサネットワークにおけるクラスタリングおよびデータ集約は、これまで、位置および移動性などの物理的特性に基づいてセンサノードグループ化してきたので、感知されたデータを集約し、プロセスにおいてエネルギーを節約してシンクに送信することができる。センサネットワークは、様々な要件を有する多数のターゲットアプリケーションを有するモノインターネット(Internet of Things)(IoT)のより大きなファブリック統合されつつある。既存のクラスタリング方法は、感知対象の特性に適応しない。これらの問題を解決するために、センサネットワークの研究や、効率的な展開計画のためのデータ集約技術の研究が行われている。

0004

これまで、センサネットワークおよびIoTシステムにおけるクラスタリングは、主に、位置および移動性などのクラスタリングと関連付けられた物理的パラメータで機能してきた。典型的なセンサネットワーク展開におけるノードは、数において冗長であり、すべてのセンサノードが感知要件ごとに割り当てられることは必須ではない。より最近のセンサネットワークおよびIoTアプリケーションの条件は、感知目的のための特定のサービスレベルアグリーメント(service level agreement)(SLA)を有するシステムを監視することであり、例えば、エネルギー効率の良い方法で領域全体にわたるパラメータの値の変動を監視することである。

0005

多くの先行技術は、センサネットワークおよびIoTにおけるクラスタリングの環境において、その一部において使用されてきた。それらは、主に、クラスタリングを実行するために物理的特性を使用する。データに関連付けられたタグなどのアプリケーション特有の特性を使用するいくつかの研究は、最適化されたデータ伝送を実行するために使用されてきた。従来技術の研究は、測定レベルの精度がネットワーク内のノードの適応および編成基礎として使用されるセンサネットワークのアプリケーション適応クラスタリングおよび編成を実行することを報告していない。

0006

以下は実施形態の基本的な理解を提供するために、本開示のいくつかの実施形態の簡略化された発明の概要提示する。この概要は、実施形態の広範な概観ではない。これは、実施形態の重要な/重大な要素を識別すること、または実施形態の範囲を描写することを意図していない。その唯一の目的は、以下に提示されるより詳細な説明の前置きとして、いくつかの実施形態を簡略化された形態で提示することである。

0007

上記に鑑みて、本明細書の実施形態は、センサネットワークにおいて自動適応クラスタリングを達成するためのシステムを提供する。システムは、センサノードのセット、ユーザインターフェース、シンクノード、メモリ、およびプロセッサを含む。センサノードのセットは、複数のパラメータを測定するように構成され、センサノードの各々は、領域内の複数の位置に存在する複数のセンサを含む。ユーザインターフェースは、測定された複数のパラメータを送信するためのユーザからのリクエストを生成する。シンクノードは、センサノードのセットによって測定された複数のパラメータを受信する。プロセッサは、第1のレベルクラスタリンモジュール、第2のレベルクラスタリングモジュール、指定モジュール、および伝達モジュールをさらに含む。第1のレベルクラスタリングモジュールは、測定された複数のパラメータに基づいて、センサノードのセットをデータレベルクラスタにグループ化するための第1のレベルクラスタリングを行う。第2のレベルクラスタリングモジュールは、データレベルクラスタ内のセンサノードのセットを、複数の位置に基づいて位置レベルクラスタにグループ化するための第2のレベルクラスタリングを実行する。指定モジュールは、データおよび位置レベルクラスタリング後にクラスタヘッドを指定し、クラスタリング決定に到達する。伝達モジュールは、クラスタリング決定をセンサノードのセットに伝達して戻し、それらをクラスタに適応的に再配置する。

0008

別の態様では、センサネットワークにおいて自動適応クラスタリングを達成するための方法が提供される。最初に、本方法では、複数のパラメータは、センサノードのセットによって測定され、センサノードの各々は、エリア内の複数の位置に存在する複数のセンサを含む。次のステップでは、リクエストは、複数のセンサノードで測定された複数のパラメータを送信するために、ユーザインターフェースによってセンサノードのセットに送信される。さらに、複数のパラメータは、リクエストに応答してシンクノードに送信される。次のステップでは、測定された複数のパラメータに基づいて、センサノードのセットをデータレベルクラスタにグループ化するために、第1のレベルのクラスタリングがプロセッサによって行われる。また、データレベルクラスタ内のセンサノードのセットを複数の位置に基づいて位置レベルクラスタにグループ化するために、第2のレベルクラスタリングがプロセッサによって行われる。次のステップにおいて、クラスタリング決定に到達するためのクラスタヘッドとして、データレベルおよび位置レベルのクラスタリングの後に形成されたクラスタの各々について、ノードがプロセッサによって指定される。最後に、クラスタリング決定は、クラスタ内のセンサノードのセットを適応的に再配置するために、センサノードのセットに戻される。

0009

本明細書の任意のブロック図は、本主題原理具現化する例示的なシステムの概念図を表すことを、当業者は理解されたい。同様に、任意のフローチャート、フロー図、状態遷移図、擬似コードなどは、コンピュータ可読媒体で実質的に表され、コンピューティングデバイスまたはプロセッサによって実行され得る様々なプロセスを表し、そのようなコンピューティングデバイスまたはプロセッサが明示的に示されているかどうかは問わないことが理解されるであろう。

図面の簡単な説明

0010

本明細書の実施形態は、図面を参照した以下の詳細な説明からよりよく理解されるであろう。

0011

図1は、本開示の一実施形態による、センサネットワークにおいて自動適応クラスタリングを達成するためのブロック図を示す。
図2は、本開示公開の実施形態によるセンサーネットワーク展開体制を示したものである。
図3Aは、本開示の一実施形態による、センサネットワークにおいて自動適応クラスタリングを達成するために含まれるステップを示すフローチャートである。
図3Bは、本開示の一実施形態による、センサネットワークにおいて自動適応クラスタリングを達成するために含まれるステップを示すフローチャートである。

実施例

0012

本明細書の実施形態、ならびにその様々な特徴および有利な詳細は、添付の図面に示され、以下の説明に詳述される非限定的な実施形態を参照して、より十分に説明される。本明細書で使用される例は単に、本明細書の実施形態を実施することができる方法の理解を容易にすること、および当業者が本明細書の実施形態を実施することをさらに可能にすることを意図している。したがって、実施例は、本明細書の実施形態の範囲を限定するものとして解釈されるべきではない。

0013

用語集−実施形態で使用される用語
本開示の文脈における表現「センサネットワーク」は、本発明の任意の分野で使用される相互接続されたセンサのネットワークを指す。例えば、農業、IoTまたは任意の他の技術においてである。

0014

本開示の文脈における表現「センサノードのセット」または「センサノード」は、複数のセンサが存在する特定の場所を指す。センサノードは、センサネットワークが展開される領域に特に依存して選択される。

0015

本開示の文脈における表現「シンクノード」は、特定の位置を指す。シンクノードは、外部環境へのゲートウェイとして動作する。

0016

図面、より詳細には、図1から図3A図3Bを参照すると、同様の参照符号は、図面全体にわたって一貫して対応する特徴を示し、好ましい実施形態が示され、これらの実施形態は、以下の例示的なシステムおよび/または方法の文脈で説明される。

0017

本開示の実施形態によれば、センサネットワーク102において自動適応クラスタリングを達成するためのシステム100が図1に示される。システム100は、センサネットワーク102のライフタイム最大化するために、センサネットワーク102におけるエネルギー効率の高い階層的クラスタリングを自動的に適合させる。センサネットワーク内のクラスタは、多数の展開されたノードから自動的に形成され、クラスタ特性は、エンドユーザによって定義された測定要件によって駆動される。本開示は、クラスタリングのための基準としてエンドユーザ情報レベル属性を使用する。

0018

本開示の実施形態によれば、システム100は図1に示すように、センサノードのセット104、ユーザインターフェース106、シンクノード108、メモリ110、およびプロセッサ112からなる。センサノードのセット104およびシンクノード108は、プロセッサ108と通信する。センサノードのセット104は、領域を監視するために配置される。センサノードのセット104は、フィールド内の特定の領域を監視することができる。シンクノード108は、これらのノードの外界とのゲートウェイとして動作する。複数のセンサ(図示せず)が、センサノードのセット104に存在してもよい。一例では、複数のセンサは、フィールドで作業する人に取り付けることができる。別の例では、複数のセンサは、フィールド上に独立して存在し、フィールド上のデータをキャプチャすることもできることを理解されたい。典型的なセンサネットワーク102の展開は、通常、図2に示すようにネットワークを管理するシンクノード108またはゲートウェイと対話するセンサノードのセット104からなる。

0019

プロセッサ112は、メモリ110と通信する。プロセッサ112は、メモリ110に格納されたアルゴリズムを実行するように構成される。アルゴリズムは、シンクノード108上で実行され、階層的アプリケーション固有クラスタリングを達成するために、特定の方法でセンサノードのセット104を編成する。これを達成するために、センサノードのセット104は、領域を監視し、未処理の測定値をシンクノード108に送信する。センサノードのセット104は、複数のパラメータを測定するように構成され、センサノードの各々は、領域内の複数の位置に存在する複数のセンサを含む。

0020

本開示の実施形態によれば、ユーザインターフェース106は、センサノードのセット104で測定された複数のパラメータを送信するリクエストを生成するように構成される。ユーザインターフェース106は、ユーザによって操作される。ユーザインターフェース106は、様々なソフトウェアおよびハードウェアインタフェース、例えば、ウェブインタフェースグラフィカルユーザインターフェースなどを含むことができ、有線ネットワーク、例えば、LAN、ケーブルなど、および無線ネットワーク、例えば、WLAN、セルラー、または衛星を含む、多種多様なネットワークN/Wおよびプロトコルタイプ内の複数の通信を容易にすることができる。一実施形態では、ユーザインターフェース106は、いくつかのデバイスを互いに、または別のサーバに接続するための1つまたは複数のポートを含むことができる。

0021

ユーザインターフェース106によって生成されたリクエストに基づいて、シンクノード108は、センサノードのセット104によって測定された複数のパラメータを受信する。シンクノード108は、センサノードのセット104によってカバーされる領域の監視要件の精度に関して、所定のサービスレベルアグリーメント(SLA:service level agreement)を有する。シンクノード108は、階層クラスタリングアルゴリズムを使用して、センサノードのセット104の最終クラスタを見つける。クラスタリング情報は、センサネットワーク102内のノードに伝達され、それにより、それらは、それに応じて自身を配向し、測定値をシンクノード106に送信する。

0022

本開示の一実施形態によれば、プロセッサ112は、機能を実行するための複数のモジュールをさらに含む。プロセッサ112は、第1のレベルクラスタリングモジュール114、第2のレベルクラスタリングモジュール116を含むことができる。プロセッサ112は、測定されたパラメータを処理してクラスタリング決定に到達するように構成される。第1のレベルクラスタリングモジュール114は、測定された複数のパラメータに基づいて、センサノードのセット104をデータレベルクラスタにグループ化するための第1のレベルクラスタリングを実行する。各センサノード104からの測定値は、変換関数を介して取得される。変換関数の出力は、クラスタ内のノードが同様の測定値を有するクラスタを形成するために使用される。一例として、あるしきい値内の出力を有するノードは、同じクラスタに属するとみなすことができる。

0023

本開示の別の実施形態によれば、第2のレベルクラスタリングモジュール116は、データレベルクラスタ内のセンサノードのセット104を、複数の位置に基づいて位置レベルクラスタにグループ化するための第2のレベルクラスタリングを実行する。各ノードの位置は、各クラスタを更なるクラスタにサブクラスタ化するための基準として使用される。この処理の後に形成されるクラスタは、ノードについて2つの特性:つまり、同様のレベルでの測定および互いに近接した位置を有する。自動適応クラスタリングのプロセスも、本開示の後半部分における例の助けを借りて説明される。クラスタリングは、2つのレベルに限定されず、他の実施形態では、クラスタリングは、2つ以上のレベルに進むことができ、2つのレベルに限定されていないことを認識すべきである。

0024

本開示の実施形態によれば、指定モジュール118は、クラスタリング決定に到達するために、データおよび位置レベルクラスタリングの後にクラスタヘッドを指定する。次いで、伝達モジュール120は、クラスタリング決定をセンサノードのセット104に戻し、センサノードのセット104をクラスタに適応的に再配置する。別の開示の実施形態によると、クラスタリングは、2つ以上のレベルで起こることもでき、2つのレベルでは、各レベルは、複数のパラメータと複数の場所に依存する。

0025

本発明の一実施形態によれば、第1のレベルクラスタリングモジュール114および第2のレベルクラスタリングモジュール116は、ネットワークにおけるエネルギー効率を達成するために、教師なし学習をnレベル階層データ融合および伝達機構と組み合わせる適応データ中心クラスタリングアルゴリズム(adaptive data centric clustering algorithm:ADCS)と呼ばれるクラスタリングアルゴリズムを実行する。ADCSは、アプリケーションレベル測定特性に基づいて、性質、サイズ、およびクラスタメンバー数を調整する。ADCSでは、各クラスタ内のカバーされるノードの数に関するクラスタのサイズが、エンドユーザによって定義される監視/感知目的によって定義される監視要件の精度によって支配される、コンテキストクラスタリングが導入された。クラスタリングは、ネットワークライフタイムを最大化するために、クラスタリングを実行するステップの1つとして、ノードからの測定値間類似性レベルを統計的に測定することによって達成される。

0026

ADCSは、シンクノード/ゲートウェイ上で実行され、コンテキストクラスタリングを達成するために様々な分析モデルを使用できるようにするのに十分な汎用性を有する。一旦、クラスタがゲートウェイでファイナライズされると、それらは、コンフィギュレーションのためにネットワークに送り返される。このような動的に変化する条件は、分析のための教師なし学習モデルによるモデリング自分自身に与える。

0027

本開示の別の実施形態によれば、ADCSアルゴリズムの3つの変形形態は、ADCS−DB、ADCS−KM、およびADCSAG(DBSCAN、K Means、およびAgglomerative)を使用することができ、各変形形態は、教師なしクラスタリングのために異なるアルゴリズムを使用する。より多くのそのような変形は、クラスタリング要件に基づいて導出することができる。例えば、平均mおよびある標準偏差sを有する領域の温度を測定する要件は、ノードnのセットをカバーするあるサイズSのクラスタを形成することができる。標準偏差が2sに緩和される場合、ADCSは、より多くのノードを含むようにクラスタサイズ拡張することができる。

0028

動作中、センサネットワーク102において自動適応クラスタリングを達成するために含まれるステップを示すフローチャート200が、図3A‐3Bに示される。最初にステップ202において、複数のパラメータは、センサノードのセット104によって測定される。センサノードのセット104の各々は、領域内の複数の位置に存在する複数のセンサを含む。複数のセンサは、領域内の人または複数の位置の様々なパラメータを測定するように構成される。次のステップ204では、複数のセンサノードで測定された複数のパラメータを送信するために、リクエストがユーザインターフェース106によってセンサノードのセット104に送信される。ステップ206において、複数のパラメータが、リクエストに応答してシンクノード108に送信される。

0029

次のステップ208では、測定された複数のパラメータに基づいて、センサノードのセット104をデータレベルクラスタにグループ化するために、第1のレベルクラスタリングモジュール114によって第1のレベルクラスタリングが実行される。同様に、ステップ210において、データレベルクラスタ内のセンサノードのセットを複数の位置に基づいて位置レベルクラスタにグループ化するために、第2のレベルクラスタリングモジュール116によって第2のレベルクラスタリングが実行される。クラスタリングは、2つ以上のレベルに進むことができ、2つのレベルに限定されていないことは、理解されるべきである。ステップ212において、データレベルクラスタは、位置レベルクラスタにさらに分割され、各クラスタ内のノードの1つは、指定モジュール118を用いてクラスタヘッドとして指定される。最後に、ステップ214で、クラスタリング決定は、クラスタ内のセンサノードのセットを適応的に再配置するために、センサノードのセット104に戻される。

0030

本開示の実施形態によれば、システム100は、以下の例を用いて説明することができる。各ノードs(i)∈Sが所定の間隔で定期的にパラメータを測定するSセンサノードのセットによってカバーされる領域R。V(i)は、センサノードs(i)からのn個の測定値{v(1)、v(n)}iのセットを表すものとする。V(i)のデータ点がV(j)と同じ傾向を有する任意の2つのs(i)、s(j)∈Sについて、2つのノードの位置およびフィールド特性は、それらが同じまたは異なる条件を測定するものとみなされ得るかどうかを決定する。例えば、s(i)、s(j)が地理的に大きな距離だけ離れている場合、観測値における類似性は、時間的一致であり得る。一方、たとえノードが互いに近くに配置されたとしても、高度または頭上の植生の差(カモフラージュなど)が、観測された傾向が同じままであるか、または経時的に変化するかを支配する。類似性の程度、したがってクラスタリングを左右するいくつかのそのような制約があり得る。さらに、ノードの周囲の条件は、経時的に変化し、そのため、所与の時点で行われるクラスタリング決定は、規則的な間隔で変化する。明確にするために、ADCSアルゴリズムは、2つのレベル、L0およびL1でのクラスタリングで論じられており、ここで、L0は、データレベルであり、L1は、ロケーションレベルである。この原理は、任意の数のレベルに拡張するのに十分な一般的なものである。

0031

ADCSは、エンドポイントとしてシンク(ゲートウェイ)を有するnノードのWSN展開を仮定する。ADCSアルゴリズムは、シンク上で実行される。それは、それらのデータを送信するために、シンクがすべてのノードにリクエストすることから始まる。データは、シンクで処理され、クラスタリング決定に到達し、次いで、クラスタリング決定は、ネットワークノード返送される。ネットワークノードは、直接送信によってそれらのデータをシンクに送信するか、またはネットワーク内の他のノードを介してデータをルーティングすることができることに留意されたい。明確にするために、クラスタリング決定が、クラスタヘッドおよびいくつかのクラスタメンバーをそれぞれ有するクラスタのセットを意味する直接伝送ストラテジーを仮定した。クラスタメンバーは、クラスタヘッドに送信し、クラスタヘッドはシンクに送信する。ゲートウェイレベルでのクラスタリングは、ネットワーク内のノードの数の関数fである計算オーバヘッドを招き、fの次数は、L0クラスタリングのために実行される測定データの類似度の基準に依存する。

0032

入力セット生成後の第1のステップは、L0クラスタリングであり、同様のデータレベルでノードを識別する。このステップは、使用される任意の教師なしクラスタリング方法の範囲を与える。このようにして識別されたクラスタは、地理的に散在していてもよい。入力セットは、互いに特定の物理的分離内にあるノードをクラスタ化するL1クラスタを通過する。再び、これを達成する2つの方法がある:事前に定義された境界および管理されていないクラスタリングスペースである。あらかじめ定義された境界がない場合、この第2のレベルのクラスタリングを達成するために、教師なしクラスタリングが実行される。クラスタヘッドは、L1クラスタリング後にランダムに選択される。L0およびL1クラスタリングプロセス中に、いくつかのノードを省略することが可能である。

0033

事実上、適応クラスタリングフレームワークは、様々なモデルを使用可能にするのに十分な汎用性を有するADCSを用いて作成された。一旦、クラスタがシンク(ゲートウェイ)でファイナライズされると、それらは、コンフィギュレーションのためにネットワークに送り返される。

0034

本開示の実施形態によれば、システム100は、異なるバージョン学習モデルを用いてシミュレートされ、比較は、最終的に描画され、提示される。さらに、前述の理由により、データの性質は経時的に変化する可能性が高い。結果を確立するために、データ値を変化させながら複数回のシミュレーションを行った。このような動的に変化する条件は、教師なし学習モデルによるモデリングに自分自身をレンダリングする。ADCSは、L0およびL1クラスタリングを実行するために様々な教師なし学習アルゴリズムを使用するように構成されている。

0035

本明細書は当業者が実施形態を実施および使用できるように、本明細書の主題を記載する。主題の実施形態の範囲は、特許請求の範囲によって定義され、当業者が思いつく他の修正を含み得る。そのような他の変更は、特許請求の範囲の文字通りの言語と異ならない類似の要素を有する場合、または特許請求の範囲の文字通りの言語と実質的な違いがない等価な要素を含む場合、特許請求の範囲内にあることが意図される。

0036

本明細書の開示の実施形態は、センサネットワークおよびIoTにおけるクラスタリングの未解決の問題に対処する。したがって、この実施形態は、センサネットワークにおける自動適応クラスタリングを達成するためのシステムおよび方法を提供する。

0037

しかしながら、保護の範囲はそのようなプログラムに、およびメッセージを内部に有するコンピュータ可読手段に加えて、拡張されることを理解すべきであり、そのようなコンピュータ可読記憶手段は、プログラムがサーバまたはモバイルデバイスまたは任意の適切なプログラマブルデバイス上で動作するときに、方法の1つまたは複数のステップを実装するためのプログラムコード手段を含む。ハードウェアデバイスは、例えば、サーバまたはパーソナルコンピュータなどの任意の種類のコンピュータ、あるいはそれらの任意の組合せを含む、プログラムすることができる任意の種類のデバイスとすることができる。デバイスはまた、例えば、特定用途向け集積回路ASIC)、フィールドプログラマブルゲートアレイFPGA)、またはハードウェア手段とソフトウェア手段の組み合わせ、例えば、ASICおよびFPGA、または少なくとも1つのマイクロプロセッサと、ソフトウェアモジュールが内部に配置された少なくとも1つのメモリなどのハードウェア手段とすることができる手段を含むことができる。したがって、手段は、ハードウェア手段とソフトウェア手段の両方を含むことができる。本明細書で説明する方法の実施形態は、ハードウェアおよびソフトウェアで実施することができる。デバイスはまた、ソフトウェア手段を含んでもよい。あるいは、実施形態が例えば、複数のCPUを使用して、異なるハードウェアデバイス上で実装されてもよい。

0038

本明細書の実施形態は、ハードウェア要素およびソフトウェア要素を含むことができる。ソフトウェアで実施される実施形態は、ファームウェア常駐ソフトウェアマイクロコードなどを含むが、これらに限定されない。本明細書で説明される様々なモジュールによって実行される機能は、他のモジュールまたは他のモジュールの組み合わせにおいて実装され得る。この説明の目的のために、コンピュータ使用可能媒体またはコンピュータ可読媒体は、命令実行システム、装置、またはデバイスによって、またはそれに関連して使用するためのプログラムを備え、格納し、通信し、伝搬し、または移送することができる任意の装置であり得る。

0039

媒体は、電子磁気、光、電磁赤外線、または半導体のシステム(あるいは装置またはデバイス)、あるいは伝播媒体とすることができる。コンピュータ可読媒体の例は、半導体またはソリッドステートメモリ磁気テープリムーバブルコンピュータディスケットランダムアクセスメモリ(RAM)、リードオンリメモリ(ROM)、リジッド磁気ディスク、および光ディスクを含む。光ディスクの現在の例は、コンパクトディスク読み取り専用メモリCD−ROM)、コンパクトディスク読み取り/書き込み(CD−R/W)およびDVDを含む。

0040

プログラムコードの格納あるいは実行、またはその両方に好適なデータ処理システムには、システムバスを介してメモリ要素に直接または間接的に結合された、少なくとも1つのプロセッサが含まれることになる。メモリ要素は、プログラムコードの実際の実行中に使用されるローカルメモリ大容量ストレージ、および、実行中に大容量ストレージからコードを取り出さなければならない回数を削減するために少なくとも一部のプログラムコードの一時ストレージを提供する、キャッシュメモリを含むことができる。

0041

入力/出力(I/O)デバイス(キーボードディスプレイポインティングデバイスなどを含むが、これらに限定されない)は直接に、または介在するI/Oデバイスを介して、システムに結合することができる。介在する専用ネットワークまたは公衆ネットワークを介して、データ処理システムを他のデータ処理システムあるいはリモートプリンタまたはストレージデバイスに結合できるようにするために、ネットワークアダプタをシステムに結合することもできる。モデムケーブルモデム、およびイーサネット登録商標カードは、現在使用可能なネットワークアダプタのタイプの一例に過ぎない。

0042

実施形態を実施するための代表的なハードウェア環境は、本明細書の実施形態による情報処理コンピュータシステムハードウェア構成を含むことができる。本明細書のシステムは、少なくとも1つのプロセッサまたは中央処理装置(CPU:central processing unit)を含む。CPUは、システムバスを介して、ランダムアクセスメモリ(RAM)、読取り専用メモリ(ROM)、および入出力(I/O)アダプタなどの様々なデバイスに相互接続される。I/Oアダプタは、ディスクユニットおよびテープ駆動部などの周辺装置、またはシステムによって読み取り可能な他のプログラム記憶装置に接続することができる。システムは、プログラム記憶装置上の本発明の命令を読み取り、これらの命令に従い、本明細書の実施形態の方法論を実行することができる。

0043

システムは、ユーザ入力を収集するために、キーボード、マウススピーカマイクロフォン、および/またはタッチスクリーンデバイス(図示せず)などの他のユーザインターフェースデバイスバスに接続するユーザインターフェースアダプタをさらに含む。さらに、通信アダプタは、バスをデータ処理ネットワークに接続し、ディスプレイアダプタは、バスを、例えば、監視、プリンタ、またはトランスミッタなどの出力デバイスとして具現化することができるディスプレイデバイスに接続する。

0044

これまでの説明は、様々な実施形態を参照して提示されてきた。本出願が関係する当業者は、原理、精神および範囲から有意義に逸脱することなく、記載された構造および動作方法における変更および変更を実施できることを理解するのであろう。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

技術視点だけで見ていませんか?

この技術の活用可能性がある分野

分野別動向を把握したい方- 事業化視点で見る -

(分野番号表示ON)※整理標準化データをもとに当社作成

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

  • 日建リース工業株式会社の「 LAN拡張システムおよびLAN拡張方法」が 公開されました。( 2021/09/30)

    【課題】インターネットに接続するための公衆通信回線の電波が届かない場所に、無線LAN環境を構築して作業の利便性を向上する。【解決手段】携帯電話通信回線の電波未達箇所にある各種端末をインターネットに接続... 詳細

  • 株式会社NTTドコモの「 デバイス管理システム」が 公開されました。( 2021/09/30)

    【課題・解決手段】一実施形態に係るデバイス管理システムは、携帯型の接続元デバイスが一の地理的範囲に近接した状況を示す近接通知を取得する取得部と、近接通知に応答して、無線通信ネットワークを介して接続元デ... 詳細

  • 株式会社NTTドコモの「 デバイス管理システム」が 公開されました。( 2021/09/30)

    【課題・解決手段】一実施形態に係るデバイス管理システムは、携帯型の接続元デバイスが対象の接続先デバイスに近接した状況を示す近接通知を取得する通知処理部と、近接通知に応答して、無線通信ネットワークを介し... 詳細

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ