SIGMA: センサネットワークにおけるセンサノードグルーピング機構B4 move! hiko

親： M2 ideサブ親： M1 mics

Outline

• 背景• 目的• 機能要件• アプローチ• 設計• 評価

背景• ユビキタスコンピューティング環境

– 人間の日常生活をコンピュータ能力を持つ様々なデバイスが支援する環境• 例） Aura, Oxygen, Smart-Living

• 実現するために– センシング

• 人間・環境の状態の把握• センサの利用

– アクチュエーティング• 人間・環境への働きかけ• 情報家電

ユビキタスセンサネットワーク環境• 複数のセンサが協調して実世界での人間の行動や

環境の状態を仮想空間で扱えるようにする– センサノードを環境に設置し実世界の状態を取得する– センサノードとは

• 小型• 計算機能• 無線通信機能

• 研究例– AwareOffice@TecO

MOTESmart-Its

物の状態を利用するサービス• 日常生活で利用する物の状態を利用するために

センサノードを装着する– アプリケーション例

• MediaCups• eSeal

• これらのアプリケーションは物単体の状態を利用している

実際の物の利用方法• 物を複数組み合わせて利用することが多い

– 例• デスクワーク

– ペンとノート• 歯を磨く

– コップと歯ブラシ

• 実世界で利用する物の関係性を仮想空間で扱える必要性がある　→問題意識

目標• 実世界での物の関係性を利用したアプリケーション構築の支援

– 物の関係性を、物に付着したセンサ情報から抽出し、仮想空間で扱えるようにする– 物の関係性を利用した様々な新しいアプリケーションが生み出せる

本研究において対象とする物の関係性• 状態が近似しているという関係性がターゲット

– 現在研究開発されている多くのアプリケーションが、暗黙的にこの関係性を利用している– 例）

• 忘れ物検知アプリケーション– 普段持ち歩くもの

• Meeting 支援アプリケーション– 机・椅子・ホワイトボード・ペンが、同じ部屋の環境下にいる

• インスタントキー作成アプリケーション– 鍵と同時に振られたものに鍵の機能を複製する

状態の近似性の導出方法• センサノードから複数のセンサの値を収集• センサの値を比較• センサの値が近いノード同士を抽出する

サービス構築時の問題点• アプリケーション開発者の負担が大きい

– 処理が煩雑• センサ情報を直接扱う

– センサの値を加工処理・比較処理する必要• 扱うセンサ情報が多い

– サービスが増加するとセンサノードも多数

目的• アプリケーション開発時の負担を減らす

– アプリケーションの要求するグループを提供する• グルーピング機構の実現

アプリケーションの要求例• 忘れ物検知アプリケーション

– 普段持ち歩いている物• ユーザと長期的に加速度が近似していた物

• インスタントキー生成アプリケーション– マスターキーと同じ動きをした物

• マスターキーと瞬間的に加速度が近似していた物

要求分析（１）• アプリケーション毎に要求グループが異なる

– 抽出条件• グループの基準とするセンサノード• 近似性の基準• グループの対象期間

要求分析 - グループの基準とするノード• グループの基準となるセンサノード

– 忘れ物検知アプリケーション• ユーザ

– インスタントキー生成• マスターキー

要求分析 - 近似性の基準• センサの値が近いことを判断する基準

– アプリケーション毎に異なるEx) 「２５度 ± ２度」をグループとする

要求分析 - グループの対象期間• グループを判断するためのデータの対象期間

– アプリケーション毎にグループの対象とする期間が異なるEx) 「普段持ち歩いている物」→長時間

　 「鍵と同時に動いている物」→短時間　

– 横軸：時系列– 縦軸：センサの値

010

2030

4050

60

1 2 3 4 5 6 7 8

1系列2系列3系列

要求分析（２）• どのような環境下でも動作する必要

– インフラを利用できない環境でも動作する• ユーザや物はさまざまな環境へ移動するので必ずしもインフラを利用できるとは限らない

Ex) 忘れ物検知アプリなど

機能要件• インフラに対する非依存性

– センサノードのみで動作可能• グループ抽出の柔軟性

– 抽出条件に従ったグループを抽出できる

インフラに対する非依存性• ネットワークモデルに分散型を用いる

– 集中型ではシンクノードが動作不能になるとアプリケーション自体も動作不可能になる

集中型 分散型

グループ抽出の柔軟性• デンドログラムを利用してクラスタリング

– ユークリッド距離（値の差の二乗）を判断基準とする– 自センサノードを基準として他ノードとのユークリッド距離を各センサノード上で計算する– 異なる近似性に対応してクラスタリングできる例 ) ユークリッド距離

A 25 B 21 C 28

AB=16, AC=9

グループ抽出の柔軟性（２）• 対象期間内の平均距離を算出する

– アプリケーションが指定した期間内の値の差の二乗を総べて足し，期間で割って平均を出す

– 横軸：時間– 縦軸：値

010

2030

4050

60

1 2 3 4 5 6 7 8

1系列2系列3系列

システム構成

センサ情報処理部

履歴情報生成部

グループ抽出部

センサセンサ値

処理済のセンサ値

処理済みのセンサ値

他ノードのセンサ値

距離情報

アプリケーション

通信管理部

履歴

抽出条件グループ 抽出要求

センサノード

関連研究• A Sensor Networking Middleware for

Clustering Similar Things• Smart-Its Friends• Grouping Mechanisms for Smart Objects

Based On Implicit Interaction and Context Proximity

定性的評価汎用性 条件指定の柔軟性 インフラの有無への依存性ＳＩＧＭＡ ○ ○ ○

A Sensor networking Middleware for Clustering Similar Things

○ △ ○

Grouping Mechanisms for Smart Objects Based On Implicit

Interaction and Context Proximity△ × ○

Friends× × ○

• 以上です