特許 6548107 センサネットワークの休止制御システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6548107

(24)【登録日】2019年7月5日

(45)【発行日】2019年7月24日

(54)【発明の名称】センサネットワークの休止制御システム

(51)【国際特許分類】

   G08C 17/00 20060101AFI20190711BHJP

   H04W 52/02 20090101ALI20190711BHJP

【ＦＩ】

   G08C17/00 Z

   H04W52/02

【請求項の数】5

【全頁数】21

(21)【出願番号】特願2015-7081(P2015-7081)

(22)【出願日】2015年1月16日

(65)【公開番号】特開2016-133915(P2016-133915A)

(43)【公開日】2016年7月25日

【審査請求日】2017年12月15日

(73)【特許権者】

【識別番号】301022471

【氏名又は名称】国立研究開発法人情報通信研究機構

(74)【代理人】

【識別番号】100120868

【弁理士】

【氏名又は名称】安彦 元

(72)【発明者】

【氏名】荘司 洋三

(72)【発明者】

【氏名】新熊 亮一

(72)【発明者】

【氏名】劉 巍

【審査官】 菅藤 政明

(56)【参考文献】

【文献】 特開２０１３−８２７５（ＪＰ，Ａ）

【文献】 特開２０１３−１９６６０８（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０８Ｃ １７／００−１７／０６

Ｇ０１Ｄ ２１／００−２１／０２

Ｈ０４Ｗ ５２／０２

(57)【特許請求の範囲】

【請求項1】

対象物が有意状態か又は非有意状態かを判別可能なセンサを、監視空間内にある全ての対象物毎に設置したセンサネットワークと、
上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、他の対象物に対して設置された他のセンサの状態を制御する制御手段とを備え、
上記センサネットワークは、各対象物が有意状態か、又は非有意状態かを同時に判別することを１回又は複数回実行し、
上記制御手段は、上記センサネットワークによる判別結果に基づいて、２つの対象物間で共に有意状態にある場合に当該対象物間においてより正の相関に近づけることにより、又は当該対象物間でいずれか一方が非有意状態である場合に当該対象物間においてより負の相関に近づけることにより、上記相関関係を予め取得すること
を特徴とするセンサネットワークの休止制御システム。

【請求項2】

上記制御手段は、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサを休止状態とするように制御すること
を特徴とする請求項１記載のセンサネットワークの休止制御システム。

【請求項3】

上記制御手段は、当該一の対象物と正の相関関係にある他の対象物に対して設置された他のセンサを起動し続けるように制御すること
を特徴とする請求項１又は２記載のセンサネットワークの休止制御システム。

【請求項4】

上記センサネットワークは、上記監視空間内にある３以上の対象物毎に上記センサを設置し、
上記制御手段は、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサをリスト化し、これらリスト化された他のセンサを何れも休止状態とするように制御すること
を特徴とする請求項２記載のセンサネットワークの休止制御システム。

【請求項5】

上記センサネットワークは、上記監視空間としての家屋に設置され、家屋に配設される設備としての各対象物が有意状態か、又は非有意状態かを同時に判別することを１又は複数回実行し、
上記制御手段は、複数の上記家屋からの上記センサネットワークによる判別結果に基づいて、互いに異なる対象物間で共に有意状態にある場合に当該対象物間の相関をより正に近づけ、いずれか一方が非有意状態である場合に当該備品間の相関をより負に近づけることにより、上記相関関係を予め取得すること
を特徴とする請求項１記載のセンサネットワークの休止制御システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、監視空間内にある対象物毎に設置したセンサを介してそれぞれの対象物の状態を検出するセンサネットワークにおいて、そのセンサの起動に要する電力を削減する上で好適なセンサネットワークの休止制御システムに関するものである。

【背景技術】

【0002】

近年において、ＩＴ（情報技術）を使用して家庭内のエネルギー消費が最適化されるように制御する、いわゆる省エネ住宅としてのスマートハウスが普及しつつある。このスマートハウスでは、家電機器や照明機器、風呂周辺機器、さらには水道や電気の供給口、家具等の各対象物をネットワークで結び、エネルギー監理システム（Home Energy Management System）を介して、各対象物の稼動状況を可視化する。またスマートハウスでは、エネルギー監理システムを介して各対象物のエネルギー使用を管理し自動制御を行うこともできる。エネルギー監理システムを介して実際にこれら各対象物の稼働状況を把握する際には、当該対象物毎にセンサを設置し、各センサから検出された情報を有効的に活用する。

【0003】

ところで、このようなセンサをスマートハウス内にある各対象物について設置し、これを常時起動させることにより対象物の稼働状況を監視することとなれば、その分においてセンサにより消費される電力が大きくなってしまい、電力コストが過大となってしまう。このため、センサの起動に伴う電力の使用の効率化を図ることにより、これら電力コストを低減させる必要があった。これに加えて、スマートハウスの主なコンセプトが省エネ住宅であることから、太陽光発電等を介して得られた再生可能エネルギーを限られた範囲で使用しなければならないケースも生じ、或いは予め実装された限られたバッテリーのみを介して電力を供給しなければならない場合もある。このため、センサに対して消費される電力を削減するための技術がますます求められる状況となっている。

【0004】

このため、エネルギー監理システムにおけるセンサの使用電力の削減方法に関して各種研究が行われている（例えば、非特許文献１参照。）。この非特許文献１の開示技術では、スマートハウス内の住人の位置情報に基づいて制御を行うことをその基本コンセプトとしている。つまり、住人の位置情報を先ず取得し、住人が居る部屋のセンサは起動させ続ける一方で、住人が居ない部屋のセンサは全て休止状態とする。これにより、休止させたセンサの分に応じて使用電力の削減が図れることとなる。

【0005】

しかしながら、この非特許文献１の開示技術では、以下３つの問題点がある。

【0006】

第１に、洗濯機や電子レンジ等のような家電機器等では、当該家電機器を作動させつつ住人が別の部屋に居る場合がある。かかる場合において住人が居る部屋のセンサのみ起動し、それ以外の部屋のセンサを休止させてしまうと、その時点において実際に稼動している家電機器のエネルギーの使用状況を検出することができないという問題点が生じる。

【0007】

第２に、住人の位置情報を例えばＧＰＳ（Global Positioning System）等により検出しようとする場合において、特に住人がスマートハウスの屋内に居る場合にはＧＰＳによる高精度な位置情報の検出が難しい場合がある。

【0008】

第３に、住人のスマートハウス内における位置情報を直接的に使用するのは、住人のプライバシーの観点から望ましくないという問題点もある。

【先行技術文献】

【非特許文献】

【0009】

【非特許文献1】Pensas, Harri, Miika Valtonen, and Jukka Vanhala. "Wireless sensor networks energy optimization using user location information in smart homes."Broadband and Wireless Computing, Communication and Applications (BWCCA), 2011 International Conference on. IEEE, 2011

【発明の概要】

【発明が解決しようとする課題】

【0010】

そこで、本発明は、上述した問題点に鑑みて案出されたものであり、その目的とするところは、スマートハウス内等の監視空間内にある対象物毎に設置したセンサを介してそれぞれの対象物の状態を検出するセンサネットワークにおいて、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができ、しかもセンサとして基本的に求められる検出精度を維持し、検出した情報の高速なデジタルデータ化を実現することが可能なセンサネットワークの休止制御システムを提供することにある。

【課題を解決するための手段】

【0011】

第１発明に係るセンサネットワークの休止制御システムは、 対象物が有意状態か又は非有意状態かを判別可能なセンサを、監視空間内にある全ての対象物毎に設置したセンサネットワークと、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、他の対象物に対して設置された他のセンサの状態を制御する制御手段とを備え、上記センサネットワークは、各対象物が有意状態か、又は非有意状態かを同時に判別することを１回又は複数回実行し、上記制御手段は、上記センサネットワークによる判別結果に基づいて、２つの対象物間で共に有意状態にある場合に当該対象物間においてより正の相関に近づけることにより、又は当該対象物間でいずれか一方が非有意状態である場合に当該対象物間においてより負の相関に近づけることにより、上記相関関係を予め取得することを特徴とする。

【0012】

第２発明に係るセンサネットワークの休止制御システムは、第１発明において、上記制御手段は、上記センサネットワークにおける一のセンサから一の対象物が有意状態である旨を判別された場合には、予め取得した各対象物間の有意状態及び非有意状態の相関関係に基づいて、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサを休止状態とするように制御することを特徴とする。

【0013】

第３発明に係るセンサネットワークの休止制御システムは、第１又は第２発明において、上記制御手段は、当該一の対象物と正の相関関係にある他の対象物に対して設置された他のセンサを起動し続けるように制御することを特徴とする。

【0014】

第４発明に係るセンサネットワークの休止制御システムは、第２発明において、上記センサネットワークは、上記監視空間内にある３以上の対象物毎に上記センサを設置し、上記制御手段は、当該一の対象物と負の相関関係にある他の対象物に対して設置された他のセンサをリスト化し、これらリスト化された他のセンサを何れも休止状態とするように制御することを特徴とする。

【0015】

第５発明に係るセンサネットワークの休止制御システムは、第１発明において、上記センサネットワークは、上記監視空間としての家屋に設置され、家屋に配設される設備としての各対象物が有意状態か、又は非有意状態かを同時に判別することを１又は複数回実行し、上記制御手段は、複数の上記家屋からの上記センサネットワークによる判別結果に基づいて、互いに異なる対象物間で共に有意状態にある場合に当該対象物間の相関をより正に近づけ、いずれか一方が非有意状態である場合に当該備品間の相関をより負に近づけることにより、上記相関関係を予め取得することを特徴とする。

【発明の効果】

【0017】

上述した構成からなる本発明によれば、有意状態を検出した一のセンサとの関係において、正の相関を持つ他のセンサについては最低限起動し続けることにより、有意状態を漏れなく検出することができ、検出精度を維持することができる。また、有意状態を検出した一のセンサとの関係において、負の相関にある他のセンサを休止させることで、センサの起動に要する電力を効果的に削減することができる。

【0018】

特に本発明によれば、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができる。このため、洗濯機や電子レンジ等のような家電機器等の対象物は、作動させつつ住人が別の部屋に居る場合もあるが、このような対象物も必要に応じてセンサを介して検出を継続させることができるため、検出漏れを防ぐことが可能となる。また、住人の位置情報を例えばＧＰＳ等により検出する必要も無くなり、さらに住人のプライバシーの観点からも問題も生じなくなる。

【図面の簡単な説明】

【0019】

【図1】本発明を適用したセンサネットワークの休止制御システムの全体構成を示す図である。

【図2】監視空間としての家屋をスマートハウスで構成する場合の例を示す図である。

【図3】家屋における各対象物に対してそれぞれセンサを割り当てた例を示す図である。

【図4】本発明を適用した休止制御システムの処理動作について説明するための図である。

【図5】複数のセンサが有意状態を検出した場合の処理動作について説明するための図である。

【図6】本発明を適用したセンサネットワークの休止制御システムの処理フローを示すフローチャートである。

【図7】本発明を適用したセンサネットワークの休止制御システムの作用効果を検証する上で行ったシミュレーションについて説明するための図である。

【図8】本発明を適用したセンサネットワークの休止制御システムの作用効果を検証する上で行ったシミュレーションについて説明するための他の図である。

【発明を実施するための形態】

【0020】

以下、本発明を適用したセンサネットワークの休止制御システムを実施するための形態について図面を参照しながら詳細に説明をする。

【0021】

図１は、本発明を適用したセンサネットワークの休止制御システム１の全体構成を示している。このセンサネットワークの休止制御システム１は、家屋３内に設置された各対象物１１と、この各対象物１１の状態を判別するセンサ２１の集合からなるセンサネットワーク２とを備えている。また休止制御システム１は、このようなセンサネットワーク２がそれぞれ配備された複数の家屋３からのセンサデータを受信するセンサデータ集約局４と、このセンサデータ集約局４に対して広帯域回線を介して接続されたクラウドコンピューティングシステム５とを備えている。

【0022】

クラウドコンピューティングシステム５は、ネットワーク上に存在するサーバによって提供されるサービスなどを行うものであり、インターネットをベースとしたコンピュータの利用形態の一つである。クラウドコンピューティングシステム５を示す図１中の雲の中にはハードウェアやソフトウェアの実体があるが、その中身を意識することなく利用することができる。このようなクラウドコンピューティングシステム５は、一般的にクラウド提供業者によって提供される場合が多く、契約により処理の委託等を行うことで、１又は複数の情報処理装置（コンピュータ）を用いて目的の処理を実行することが可能となる。

【0023】

家屋３には、家電機器や照明機器、風呂周辺機器、さらには水道や電気の供給口、家具等を始めとした監視対象の対象物１１が設置されている。ちなみにこの家屋３をスマートハウスで構成するようにしてもよい。スマートハウスは、ＩＴ（情報技術）を使用して家庭内のエネルギー消費が最適化されるように制御する可能ないわゆる省エネ住宅であり、家庭用のエネルギー監視システムであるエネルギー監理システム（Home Energy Management System）２２が導入されている。図２は、この家屋３をスマートハウスで構成する場合の例を示している。エネルギー監理システム２２は、家屋３に設置されたセンサネットワーク２に接続することによって構築される。エネルギー監理システム２２は、このセンサネットワーク２を介して検出された各対象物１１に関する情報に基づいて、家庭内におけるエネルギー消費量を監視し、それに基づいて家電の動作を管理、制御する。また、エネルギー監理システム２２は、これら家庭内におけるエネルギーの消費量に関する情報や、家電の管理、制御情報を、図１に示すようにＷＳＮ（Wireless Sensor Network）を介して他の家屋３やセンサデータ集約局４へ送信する。なおエネルギー監理システム２２により監視されているエネルギー消費量は、エネルギー監理システム２２に接続されたスマートメータ２３に表示させることにより、これを住人に対して可視化させるようにしてもよい。

【0024】

センサデータ集約局４は、各家屋３から送信されてきた情報を集約し、必要に応じてこれらを集計、解析した上でクラウドコンピューティングシステム５へと送信する。

【0025】

センサ２１は、対象物の状態を判別する受信デバイスであり、例えば住人がいるか否かを、或いはドアの開閉等を判別するための赤外線センサや、室内の空気の温度や冷蔵庫内の温度等を測定するための温度センサ、家電機器の動作状態を判別するためのセンシング機器、照明が付いているか否かを判別するための照度センサ、水道が使用されているか否かを判別するための水道メータ等である。即ち、このセンサ２１は、対象物の状態を判別することができるものであればいかなる形態を採用するものであってもよい。このセンサ２１は、一の対象物１１に対してそれぞれ一つずつ個別に割り当てられる。

【0026】

図３は、家屋３における各対象物１１に対してそれぞれセンサ２１を割り当てた例を示している。例えば、対象物１１ａはトイレであるが、このトイレの状態を検出するためのセンサ２１ａが割り当てられる。また対象物１１ｂはバスルームであるが、このバスルームの状態を検出するためのセンサ２１ｂが割り当てられる。対象物１１ｃはキッチンにおけるＩＨクッキングヒーターであるが、このクッキングヒーターの状態を検出するためのセンサ２１ｃが割り当てられる。対象物１１ｄはダイニングルームにおける椅子であるが、この椅子の状態を検出するためのセンサ２１ｄが割り当てられる。対象物１１ｅはリビングルームにおける椅子であるが、この椅子の状態を検出するためのセンサ２１ｅが割り当てられる。対象物１１ｆはベッドであるが、このベッドの状態を検出するためのセンサ２１ｆが割り当てられる。対象物１１ｇは玄関のドアであるが、このドアの状態を検出するためのセンサ２１ｇが割り当てられる。

【0027】

これら家屋３には、これらセンサ２１ａ〜２１ｇがノード状に配置されており、これらによりセンサネットワーク２が形成されることになる。そして、このセンサネットワーク２を構成する各センサ２１ａ〜２１ｇの検出情報は、それぞれに接続されているエネルギー監理システム２２に集約されることとなる。また、このエネルギー監理システム２２は、センサネットワーク２、ひいてはこれを構成するセンサ２１ａ〜２１ｇをそれぞれ制御することも可能となる。

【0028】

センサ２１は、それぞれ割り当てられた対象物１１に関する状態について、有意状態（以下、Valuable Event:ＶＥ）か又は非有意状態（以下、Negligible Event:ＮＥ）かを判別し、その判別結果をエネルギー監理システム２２へ送信する。このとき、センサ２１は、ＶＥが検出された場合のみ、その判別結果をエネルギー監理システム２２へと送信し、ＮＥの場合には、特にその判別結果をエネルギー監理システム２２へ送信しなくてもよいし、あえてＮＥである旨を送信するようにしてもよい。ちなみに、このＶＥ又はＮＥの判別結果は、エネルギー監理システム２２を介して他の家屋３やセンサデータ集約局４へ送信され、更にはこのセンサデータ集約局４を介してクラウドコンピューティングシステム５へと送信されることになる。即ち、センサ２１によるＶＥ、ＮＥの判別結果は最終的にクラウドコンピューティングシステム５にレポートされることとなるが、このとき、ＶＥが発生した場合のみレポートが行われ、ＮＥが発生している場合は、特段レポートが行われない場合もあることは勿論である。

【0029】

ここでいうＶＥ又はＮＥはユーザ側又はシステム側において自由に設定することができる。表１は、設定したＶＥの例を示している。

【0030】

【表1】

【0031】

表１に示すようにセンサ２１におけるS_bedは、対象物１１として寝具（ベッド）の状態を検出するものである。このセンサ２１におけるS_bedは、ベッドの状態を監視し、住人がベッドで寝ている状態を検出した場合に、これをＶＥとして認識することとなる。また住人がベッドで寝ている状態以外は、何れもＮＥとして認識することとなる。

【0032】

センサ２１におけるS_seatは、対象物１１として椅子の状態を検出するものである。このセンサ２１におけるS_seatは、椅子の状態を監視し、住人が椅子に座っている状態を検出した場合に、これをＶＥとして認識することとなる。また住人が椅子に座っている状態以外は、何れもＮＥとして認識することとなる。

【0033】

センサ２１におけるS_maindoorは、対象物１１として玄関のドアの状態を検出するものである。このセンサ２１におけるS_maindoorは、玄関のドアの状態を監視し、玄関のドアが開いている状態を検出した場合に、これをＶＥとして認識することとなる。また玄関のドアが開いている状態以外、換言すれば玄関のドアが閉まっている状態は、何れもＮＥとして認識することとなる。

【0034】

センサ２１におけるS_showerは、対象物１１としてシャワーの状態を検出するものである。このセンサ２１におけるS_showerは、シャワーの使用状態を監視し、シャワーが住人によって使用されている状態を検出した場合に、これをＶＥとして認識することとなる。またシャワーが住人によって使用されている状態以外は、何れもＮＥとして認識することとなる。

【0035】

センサ２１におけるS_TVは、対象物１１としてテレビジョン受像機の状態を検出するものである。このセンサ２１におけるS_TVは、テレビジョン受像機の使用状態を監視し、テレビジョン受像機が住人によって使用されている状態を検出した場合に、これをＶＥとして認識することとなる。またテレビジョン受像機が住人によって使用されている状態以外は、何れもＮＥとして認識することとなる。

【0036】

センサ２１におけるS_microwaveは、対象物１１として電子レンジの状態を検出するものである。このセンサ２１におけるS_microwaveは、電子レンジの使用状態を監視し、電子レンジの電源がＯＮの状態を検出した場合に、これをＶＥとして認識することとなる。また電子レンジの電源がＯＮ以外、即ちＯＦＦの状態を検出した場合は、ＮＥとして認識することとなる。

【0037】

センサ２１におけるS_Fridgeは、対象物１１として冷蔵庫の状態を検出するものである。このセンサ２１におけるS_Fridgeは、冷蔵庫の使用状態を監視し、冷蔵庫の電源がＯＮの状態を検出した場合に、これをＶＥとして認識することとなる。また冷蔵庫の電源がＯＮ以外、即ちＯＦＦの状態を検出した場合は、ＮＥとして認識することとなる。

【0038】

なお、センサ２１は、同じ対象物１１としてのベッドの状態を検出する上で、ＶＥの検出条件を任意に設定するようにしてもよい。例えばS_bedは、住人がベッドで寝ていなくても、単にベッドから半径約３ｍ以内に居る場合をＶＥと認識し、それ以外をＮＥと認識するようにしてもよい。また、例えばS_Fridgeは、冷蔵庫が空いている状態をＶＥと認識し、それ以外をＮＥと認識するようにしてもよい。

【0039】

また、上述した表１の例以外に、例えば室内の温度を計測するセンサ２１がある場合には、例えば、住人が生活する上で最適な温度である１６℃〜３０℃はＮＥと認識し、住人が生活する上で特に高齢者にとって気温が低すぎる温度である１６℃未満、又は高齢者にとって気温が高すぎる３０℃超の場合には、ＶＥと認識するようにしてもよい。これらＶＥ、ＮＥと認識する上での温度範囲も自由に設定可能であることは勿論である。
このようにしてそれぞれのセンサ２１毎に設定されたＶＥが検出された場合には、価値のある有用な情報としてエネルギー監理システム２２或いはクラウドコンピューティングシステム５により管理され、活用されることとなる。

【0040】

次に、本発明を適用したセンサネットワークの休止制御システム１の実際の動作について説明をする。この休止制御システム１の処理動作を実行する上では、図４に示すように、センサネットワーク２に加えて、制御部１０が必要となる。この制御部１０は、大きく分類して論理相関行列生成ブロック６と、制御ブロック７を有している。制御部１０は、例えばエネルギー監理システム２２として具現化されるものであってもよいし、クラウドコンピューティングシステム５として具現化されるものであってもよい。また制御部１０は、これらエネルギー監理システム２２、或いはクラウドコンピューティングシステム５とは異なるデバイスとして具現化されるものであってもよい。何れの場合においても、この制御部１０は、センサネットワーク２から各対象物１１についての状態に関する情報を取得することができ、またセンサネットワーク２を構成するセンサ２１毎にその状態を制御することが可能なデバイスとして具現化される。

【0041】

また制御部１０内において論理相関行列生成ブロック６と、制御ブロック７が明確に区別されている場合に限定されるものではなく、これらの動作を一つのユニット又はフローで行うようにしてもよい。また論理相関行列生成ブロック６、並びに制御ブロック７において実行する処理の分担も後述に限定されるものではなく互いに異ならせてもよい。

【0042】

先ず学習用データの取得を行う。学習用データの取得は、センサネットワーク２を構成するセンサ２１を介して、それぞれ対象物１１がＶＥかＮＥかを検出する。

【0043】

表２は、センサ２１におけるS_bed、S_shower、S_TVについて実際に学習用データを取得した例を示している。表２中の"１"は、ＶＥのデータが検出された旨を示すものであり、表２中の"０"は、ＮＥのデータが検出された旨を示すものである。センサ２１から得られるデータは、例えば温度や湿度、照度、電気使用量、家電機器のＯＮ又はＯＦＦか、赤外センサの感度等、多岐に亘るものであるため、これらをＶＥか、或いはＮＥかで表示するために、“１”、又は“０”で表すことで、一元化して表示し、後段における論理相関の算出の効率を向上させる。

【0044】

この例では、タイムスロット１〜タイムスロット４の４回に分けて、それぞれセンサ２１毎に学習用データを取得したものである。各タイムスロットにおいて、学習用データの取得時点は、センサ２１におけるS_bed、S_shower、S_TV間で互いに同時点とされている。表２の例では学習用データの取得回数が４回であるがこれに限定されるものではなく、いかなる取得回数とされていてもよい。この学習用データの取得回数が多くなるにつれて、学習精度が向上することになるため好ましい。また学習用データの取得は、所定のタイムスロット回数分のデータを取得した後に終了する場合に限定されるものではなく、随時更新されるものであってもよい。

【0045】

【表2】

【0046】

このようにしてセンサネットワーク２から得られた学習用データは、制御部１０へ送られることとなる。

【0047】

制御部１０ではこのような学習用データを受信し、論理相関行列生成ブロック６において解析を行うことにより論理相関を求める。

【0048】

論理相関行列生成ブロック６では、先ず得られた学習用データについて、様々なセンサ２１から取得したデータに対して事前処理を施す（事前処理ステップＳ１１）。この事前処理では、得られた表２に示すような学習用データをベクトルに変換する。このベクトル変換においては、S_shower、S_TVを例に挙げた場合に、これらの学習用データをそのままコピーしたベクトルC_shower、C_TVにより表示する。表３は、このC_shower、C_TVの例である。このベクトル変換を終了させた後、事前処理ステップＳ１１を終了し、次のフィルタリングステップＳ１２へ移行する。

【0049】

【表3】

【0050】

フィルタリングステップＳ１２では、互いに比較する２つのベクトルのうち、ともに“０”の行を削除する処理を行う。表３の例では、C_shower、C_TVにおける最上段の行は、ともに“０”であることから、この行は削除する（表４参照。）。

【0051】

【表4】

【0052】

センサ２１におけるS_shower、S_TVが同じタイムスロットにおいてともにＮＥを検出したということは、センサ２１におけるS_shower、S_TV間において互いに論理相関が無いことを意味している。かかる場合には、センサ２１におけるS_shower、S_TV間においてＶＥが同時に発生することは無い。このため、かかる行を消去しても全く問題は無く、またこれを消去することで全体の計算処理量を低減させることが可能となる。

【0053】

次に正規化ステップＳ１３へ移行する。この正規化ステップＳ１３では、ベクトルの正規化を行う。実際には、ステップＳ１２においてフィルタリングしたベクトルC_shower、C_TVについて下記式に代入することにより、正規化を行う。

【0054】

【数1】

・・・・・・・・・・・・（１）

【0055】

【数2】

・・・・・・・・・・・・（２）

【0056】

【数3】

・・・・・・・・・・・・（３）

【0057】

この式においてｉは、フィルタリング後のタイムスロットの通し番号を意味する。表４の例では、上から１段目がｉ＝１、上から２段目がｉ＝２、上から３段目がｉ＝３である。また、（２）式のＥ（Ｃ）は、ベクトルＣの平均値である。Ｋは、フィルタリング後のタイムスロットの数であり、表４の例では３である。（３）式のＳＤ（Ｃ）は、ベクトルＣの標準偏差である。

【0058】

表４のベクトルのデータ（２）式に代入してＥ（Ｃ）を求め、また（３）式に代入することによりＳＤ（Ｃ）を求める。そして最後にこれら求めたＥ（Ｃ）、ＳＤ（Ｃ）を（１）式に代入することにより、正規化ベクトルＣⁱを求める。表５は、求めた正規化ベクトルの例を示している。

【0059】

【表5】

【0060】

次にステップＳ１４へ移行し、論理相関の計算を行う。この論理相関の計算は、ステップＳ１３において求めた正規化ベクトルを、下記の（４）式に代入することにより行う。

【0061】

【数4】

・・・・（４）

【0062】

（４）式には、表５におけるC_shower、C_TVを代入することにより論理相関を計算する。これにより、論理相関係数ｒ（S_shower、S_TV）を求めることができる。表６は、このようにしてS_shower、S_TV、S_bed間において論理相関係数を求めた例を示している。

【0063】

【表6】

【0064】

上述したステップＳ１１〜ステップＳ１４の処理動作を、例えば表１に示す全てのセンサ２１間において実行することにより、全てのセンサ２１間の論理相関行列ができることとなる。例えば論理相関行列生成ブロック６より、以下の表７に示すような論理相関行列が生成されたものとする。

【0065】

【表7】

【0066】

この論理相関行列では、例えばS_bed,S_seat間や、S_TV,S_seat間は、互いに正の論理相関である。即ち、過去の学習において、一方のセンサ２１により対象物１１についてＶＥが検出されている場合に、他方のセンサ２１により対象物１１についてＶＥが検出されている頻度が高いことを示している。例えば、S_bed,S_seatのＶＥの相関が正であることは、住人がベッドで寝ている状態と、住人が椅子に座っていることが同時に行われている頻度が高いことが示されている。またS_TV,S_seatのＶＥの相関が正であることは、テレビジョン受像機が点いていることと、住人が椅子に座っていることが同時に行われている頻度が高く、特に相関係数が１であることから、一方がＶＥである場合に他方も１００％ＶＥであることが示されている。

【0067】

また、この論理相関行列では、例えばS_bed,S_shower間や、S_seat,S_shower間は、互いに負の論理相関である。即ち、過去の学習において、一方のセンサ２１により対象物１１についてＶＥが検出されている場合に、他方のセンサ２１により対象物１１についてＶＥが検出されていない、換言すればＮＥが検出されている頻度が高いことを示している。例えば、S_bed,S_showerのＶＥの相関が負であることは、住人がベッドで寝ている状態と、シャワーが使われていることが同時に行われている頻度が低いことが示されている。またS_seat,S_showerのＶＥの相関が負であることは、住人が椅子に座っていることと、シャワーが使われていることが同時に行われている頻度が低いことが示されている。

【0068】

即ち、２つのセンサ２１間の全ての組み合わせに対して論理相関を求める。そして、２つのセンサ２１が同時にＶＥを検出しているときには、論理相関をより正の相関へと近づける。一方のセンサ２１がＶＥを検出している時点で、他方のセンサ２１がＮＥを検出しているときは、負の論理相関に近づける。また一方のセンサ２１がＶＥを検出しているときに、他方のセンサがＶＥ、ＮＥの何れを検出しているのか明確ではない場合、つまり、相関係数が０に近い場合には、論理相関が無いものと判断する。

【0069】

なお、論理相関行列を生成することは必須ではなく、単に２つのセンサ２１間にて相関関係を判別するのみであってもよい。

【0070】

例えば表７に示す論理相関行列において、S_TV,S_showerは、論理相関係数が０であり、ンサ２１がＶＥを検出しているときに、他方のセンサがＶＥ、ＮＥの何れを検出しているのか明確ではなく、論理相関が無い場合である。しかしながら、このような場合においても、閾値を設定し、仮に閾値以上であれば正の論理相関である旨を判別し、閾値未満であれば負の論理相関である旨を判別する。例えば閾値が−０．３であれば、論理相関係数が０であっても正の論理相関である旨を判別することになる。なお、この閾値はシステム側、或いはユーザ側において自由に設定できる。

【0071】

論理相関行列生成ブロック６は、このようにして生成した論理相関行列を制御ブロック７へと送信する。制御ブロック７は、論理相関行列生成ブロック６から論理相関行列を受信し、これに基づいてセンサネットワークを制御する。

【0072】

制御ブロック７による制御を行う場合には、先ずセンサネットワーク２から最新のセンサデータを受信する。かかる場合には、センサネットワーク２を構成するセンサ２１を介して、それぞれ対象物１１がＶＥかＮＥかを検出し、これを制御ブロック７へと送信する。

【0073】

制御ブロック７は、各センサ２１がそれぞれＶＥを受信したか否かを先ず判別する。その結果、ＮＥを受信したセンサ２１については処理フローから除外する。そして、一のセンサ２１から一の対象物１１がＶＥである旨を判別された場合には、予め取得した論理相関行列における相関関係に基づいて、他の対象物１１に対して設置された他のセンサ２１の状態を制御する。

【0074】

例えば、制御ブロック既に下記の表８の論理相関行列を取得している場合において、センサ２１におけるS_bedがＶＥである旨が判別された場合を検討する。事前学習の結果からS_bedとの間で負の相関を持つのは、S_shower、S_TVである。つまり事前学習より、S_bedにより検出されている一の対象物１１（ベッド）がＶＥである場合に、S_shower、S_TVにより検出されている他の対象物１１（シャワー、テレビジョン受像機）がＮＥである頻度が圧倒的に高い。かかる場合にはS_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点では、S_shower、S_TVにより他の対象物１１（シャワー、テレビジョン受像機）の状態を検出し続けても、結局はＶＥを検出できず、ＮＥしか検出できない。換言すれば、S_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点では、S_shower、S_TVにより他の対象物１１（シャワー、テレビジョン受像機）の検出をし続けるのは無駄な動作になってしまい、これらS_shower、S_TVのセンサ２１の起動に要する電力が無駄になってしまう。このため、制御ブロック７は、このようなS_bedとの間で負の相関を持つS_shower、S_TVのセンサ２１については休止状態となるように制御を行う。これにより、このS_shower、S_TVのセンサ２１について休止状態にできる分において、本システムにおいて使用する電力を削減することが可能となる。

【0075】

【表8】

【0076】

また、センサ２１におけるS_bedがＶＥである旨が判別された場合にこれと正の相関を持つのは、S_seatである。つまり事前学習より、S_bedにより検出されている一の対象物１１（ベッド）がＶＥである場合に、S_seatにより検出されている他の対象物１１（椅子）がＶＥである頻度が圧倒的に高い。かかる場合にはS_bedにより検出されている一の対象物１１（ベッド）がＶＥを検出している時点で、S_seatにより他の対象物１１（椅子）の検出をし続けない限り、そこからＶＥを検出することができなくなってしまう。このため、制御ブロック７は、このようなS_bedとの間で正の相関を持つS_seatのセンサ２１については休止状態とすることなく起動させ続けるように制御を行う。これにより、センサ２１として基本的に求められる検出精度を維持すること可能となる。

【0077】

同様に、制御ブロック既に表８の論理相関行列を取得している場合において、センサ２１におけるS_TVがＶＥである旨が判別された場合においても、同様に他のセンサS_bed、S_shower、S_seatとの間で予め取得した相関関係に基づいて処理動作を行う。事前学習の結果からS_TVとの間で負の相関を持つのはS_bedである。このため、S_TVにより検出されている一の対象物１１（テレビジョン受像機）がＶＥを検出している時点では、S_bedにより他の対象物１１（ベッド）の検出をし続けるのは無駄な動作になってしまい、これらS_bedのセンサ２１の起動に要する電力が無駄になってしまう。このため、制御ブロック７は、このようなS_TVとの間で負の相関を持つS_bedのセンサ２１については休止状態となるように制御を行う。これにより、このS_bedのセンサ２１について休止状態にできる分において、本システムにおいて使用する電力を削減することが可能となる。

【0078】

また、センサ２１におけるS_TVがＶＥである旨が判別された場合にこれと正の相関を持つのは、S_seatである。かかる場合にはS_TVにより検出されている一の対象物１１（テレビジョン受像機）がＶＥを検出している時点で、S_seatにより他の対象物１１（椅子）の検出をし続けない限り、そこからＶＥを検出することができなくなってしまう。このため、制御ブロック７は、このようなS_TVとの間で正の相関を持つS_seatのセンサ２１については休止状態とすることなく起動させ続けるように制御を行う。これにより、センサ２１として基本的に求められる検出精度を維持すること可能となる。

【0079】

センサ２１におけるS_TVがＶＥである旨が判別された場合にこれと相関係数が０であり、特段相関を持たないS_showerについては、上述のように閾値を設定し、仮に閾値以上であれば正の論理相関である旨を判別し、閾値未満であれば負の論理相関である旨を判別する。例えば閾値が−０．３であれば、論理相関係数が０であっても正の論理相関である旨を判別することになる。

【0080】

これらの動作を全てのＶＥを検出したセンサ２１について実行することにより、表８の論理相関行列を構成する全ての行にあるセンサ２１について、正の相関を有する他のセンサ２１のみ起動させ続け、それ以外の負の相関を有する他のセンサ２１を休止させることが可能となる。

【0081】

即ち、本発明によれば、ＶＥを検出した一のセンサ２１との関係において、正の相関を持つ他のセンサ２１については最低限起動し続けることにより、ＶＥ検出を漏れなく行うようにすることでセンサ２１として基本的に求められる検出精度を維持することができる。また、ＶＥを検出した一のセンサ２１との関係において、負の相関にある他のセンサ２１を休止させることで、センサ２１の起動に要する電力を効果的に削減することができる。

【0082】

特に本発明によれば、住人の位置情報に依存することなく、そのセンサの起動に要する電力を効果的に削減することができる。このため、洗濯機や電子レンジ等のような家電機器等の対象物１１は、作動させつつ住人が別の部屋に居る場合もあるが、このような対象物１１も必要に応じてセンサ２１を介して検出を継続させることができるため、検出漏れを防ぐことが可能となる。また、住人の位置情報を例えばＧＰＳ等により検出する必要も無くなり、さらに住人のプライバシーの観点からも問題も生じなくなる。

【0083】

なお、上述した例では、一のセンサ２１との間で相関係数が正である他のセンサ２１を何れも正の相関を有するものと判断し、一のセンサ２１との間で相関係数が負である他のセンサ２１を何れも負の相関を有するものと判断しているが、これに限定されるものではない。相関係数がｘ以上（ｘは０〜１までの数）を正の相関である旨を判断し、相関係数がｙ以下（ｙは０〜−１までの数）を負の相関である旨を判断するようにしてもよい。ちなみに、ここでいうｘ、ｙはユーザ側又はシステム側において自由に設定可能とされていてもよい。

【0084】

さらに上述した例では、大きく分類して、ＶＥを検出した一のセンサ２１との関係において、正の相関を持つ他のセンサ２１、負の相関を持つ他のセンサ２１、特段の相関を持たない他のセンサ２１の大きく３段階に分類し、それぞれに応じて異なる制御を行う場合について説明をしたが、これに限定されるものではない。例えば、ＶＥを検出した一のセンサ２１との相関係数に応じて４段階以上に亘り他のセンサ２１を分類するようにしてもよい。

【0085】

その一例としては、ＶＥを検出した一のセンサ２１との相関係数が、−１以上−０．５未満をグレードＡ、−０．５以上−０．２未満をグレードＢ、−０．２以上０．２未満をグレードＣ、０．２以上０．５未満グレードＤ、０．５以上１以下をグレードＥの５段階に分類してよい。つまり、相関が低い順から高いほうへグレードＡ〜Ｅにランク付けしたものである。そして、グレードＡに近づくほど他のセンサ２１に使用する電力を低くする。これにより、相関が低いセンサ２１から段階的にセンサ２１に使用する電力を低くすることができるため、電力の削減と、検出精度とのバランスを図ることが可能となる。
なお、本発明によれば、予め取得した各対象物１１間の有意状態及び非有意状態の相関関係に基づいて、他の対象物１１に対して設置された他のセンサ２１の状態を制御するものであれば、その制御の具体的な内容はいかなるものであってもよい。

【0086】

また、本発明では、制御ブロック６による制御を簡略化させる観点から、ＶＥを検出した一のセンサに対して負の相関を有する他のセンサ２１を休止させ、その休止対象外の全てのセンサ２１は、ＶＥを検出する可能性があるものと判定して起動させ続けるようにしてもよい。

【0087】

また図５に示すように、センサネットワーク２から最新のセンサデータを受信したとき、ＶＥを検出しているセンサ２１として、S_A、S_B、S_Cの複数が同時に存在していた場合においても同様に、これら複数のセンサ２１と負の相関のある他のセンサ２１を選択する。例えば、これら３つのセンサ２１（S_A、S_B、S_C）と負の相関の高いセンサ２１として、S_E、S_F、S_Gの３つを選択するものとする。これらS_E、S_F、S_Gは、センサ２１（S_A、S_B、S_C）に対して１つでも負の相関があれば選択するものとする。そして、この選択したS_E、S_F、S_Gを休止させる。一方、選択されなかったセンサ２１（S_D、S_H）については、起動の対象とする。

【0088】

図６は、本発明を適用したセンサネットワークの休止制御システム１の処理フローを示している。

【0089】

先ずステップＳ２１において学習用データの取得を行う。このステップＳ２１の詳細は、上述したステップＳ１１〜Ｓ１４において記載したとおりである。

【0090】

次にステップＳ２２へ移行し、制御ブロック６は、センサネットワーク２から最新のセンサデータを受信する。

【0091】

次にステップＳ２３へ移行し、センサネットワーク２を構成する各センサ２１について、それぞれＶＥが検出できているか否かを判別する。その結果、ＶＥを検出しているセンサ２１が存在していない場合には、再びステップＳ２２へ戻る。一方、ＶＥを検出することができたセンサ２１が存在していた場合には、ステップＳ２３へ移行する。以下、このＶＥを検出することができたセンサ２１をS_MAという。

【0092】

次にステップＳ２４へ移行し、制御ブロック６は、S_MAと異なる他のセンサ２１の検出を試みる。このステップＳ２４においてS_MAとは異なる他のセンサ２１（S_MB）を検出することができた場合にはステップＳ２５へ移行する。これに対して、検出したセンサ２１がS_MAと同一であればステップＳ２６へ移行する。

【0093】

ステップＳ２５に移行し、ステップＳ２４において検出した他のセンサ２１（S_MB）がアクティブか否かを判別する。その結果、このセンサ２１（S_MB）が動作中であればステップＳ２７へ移行し、動作中ではなく休止中であればステップＳ２８へ移行する。

【0094】

ステップＳ２７へ移行した場合には、センサ２１（S_MA）と、センサ２１（S_MB）との相関係数ｒ（S_MA、S_MB）を上述したような論理相関行列から参照する。そして、ｒ（S_MA、S_MB）≦αであるか否かを判別する。αは、負の相関である旨を判断する上での閾値であり、ユーザ側又はシステム側において自由に設定することが可能となる。ｒ（S_MA、S_MB）≦αであれば、S_MBとS_MBとは互いに負の相関である旨を判別し、ステップＳ２９へ移行してＶＥを検出したS_MBに対してS_MBを休止状態に制御する。これに対して、ｒ（S_MA、S_MB）≦αでなければ、S_MBとS_MBとは互いに正の相関である旨を判別する。かかる場合には、ＶＥを検出したS_MBに対してS_MBを動作させ続けることにより、S_MBにとって必要なＶＥの検出を漏れなく継続することで検出精度を向上させる必要がある。この場合には、ステップＳ３０へ移行し、S_MBを特段休止させることなく、動作させ続ける。なお、ステップＳ２９の動作を完了させた後もステップＳ３０へ移行する。

【0095】

一方、ステップＳ２８へ移行した場合には、既にセンサ２１におけるS_MBは、休止状態に入っている。このフェーズにおいて、ｒ（S_MA、S_MB）≦αであるか否かを判別する。ｒ（S_MA、S_MB）≦αであれば、S_MBとS_MBとは互いに負の相関である旨を判別し、ステップＳ３１へ移行してＶＥを検出したS_MBに対してS_MBの休止状態を継続させる。これに対して、ｒ（S_MA、S_MB）≦αでなければ、S_MBとS_MBとは互いに正の相関である旨を判別する。かかる場合には、ＶＥを検出したS_MBに対してS_MBを起動させることにより、S_MBにとって必要なＶＥの検出を漏れなく継続することで検出精度を向上させる必要がある。この場合には、ステップＳ３０へ移行し、S_MBを休止状態から起動させる。

【0096】

ステップＳ３０に移行した場合には、S_MBと比較をする他のセンサ２１のうち、S_MBとは異なる他のセンサ２１に移行する。即ち、表８の例において、S_MAがS_bedであり、S_MBがS_showerであると仮定した場合に、このステップＳ３０では、このS_showerとは異なる他のS_TVを選択して、再びステップＳ２４に戻り、同様の処理を繰り返す。そして、S_bedの行について、他のセンサ２１につき全て判別が終了すると、ステップＳ２６へ移行する。ステップＳ２６では、次のS_MAに移行する。表８でいうところのS_MAがS_bedから、他の異なる行のS_showerに移行し、その後ステップＳ２３へ戻り、同様の処理を繰り返す。これにより、論理相関行列を構成する全てについてセンサ２１を制御することが可能となる。

【0097】

センサネットワークの休止制御システム１は、家屋３に配置される場合に限定されるものではなく、他のいかなるものを監視対象とするものであってもよい。この家屋３以外を監視対象とする場合においても同様に、その監視空間内にある全ての対象物毎にセンサ２１を設置したセンサネットワーク２により構成することが可能となる。

【0098】

なお本発明においては、一のセンサ２１と正の相関関係にある他のセンサが既に休止状態にある場合に、これを再度起動させる制御を行うものであってもよいことは勿論である。

【0099】

また、本発明においては、学習用データに基づいて論理相関行列を得るまでのステップについては必須とならない。即ち、上述の如き論理相関行列を予め本システム内、又は本システム外において作成しておき、実際に制御ブロック７による制御を行うときまでに、このような相関行列を取得しておくことで、上述の作用効果を得ることができることは勿論である。

【実施例1】

【0100】

表１に示すセンサ２１により各ＶＥを検出する場合を例にとり説明をする。事前学習においてS_bedに対して他の対象物１１が何れも負の相関を示した場合には、住人が就寝している状態をS_bedによりＶＥとして検出した際には、他の全てのセンサ２１を何れも休止状態とする。これにより、住人が就寝中は、他のセンサ２１を休止させることで使用電力の低減を図ることができる。また住人が就寝中は、他のセンサ２１によりＶＥを検出される機会が殆ど無いため、これらを全て休止させても検出精度の面において特段問題は生じない。

【0101】

これに対して、ベッドでテレビを見る習慣のある住人は、事前学習の際に、S_bedとS_TVとが互いに正の相関となる場合が多い。かかる場合には、住人が就寝している状態をS_bedによりＶＥとして検出した際には、S_TVについては休止させることなくそのまま作動させ続け、それ以外のセンサ２１を何れも休止状態とする。これにより、住人がベッドに寝ているときは、S_TVによりＶＥが検出される可能性が高いためそのまま動作させ続けることで検出漏れを無くすことができ、それ以外の他のセンサ２１を休止させることで使用電力の低減を図ることができる。このようにして住人の生活習慣に応じたセンサ２１の休止制御も実現することが可能となる。

【実施例2】

【0102】

以下、本発明を適用したセンサネットワークの休止制御システム１の作用効果を検証する上で行ったシミュレーションについて説明をする。

【0103】

先ず、文献“Ordonez, Fco Javier, Paula de Toledo, and Araceli Sanchis. "Activity recognition using hybrid generative/discriminative models on home environments using binary sensors."Sensors13.5 (2013): 5460-5477.”に開示されているスマートハウスの実環境から収集したセンシングデータを取得し、数値計算を行った。

【0104】

本発明例以外の比較例１は、位置情報に応じたセンサの制御方式（ＬＳＳＭ）を採用している。このＬＳＳＭでは、住人の位置情報に応じてセンサ２１の制御を全て行う。この方式では、住人のいる部屋のセンサは全て動作させ、それ以外の部屋のセンサは全て休止させる。本発明例以外の比較例２では、センサの制御を一切行うことなく常時起動させる。

【0105】

本シミュレーションの評価指標としては、ＶＥの検出率(VHR)とセンサのアクティブ時間率(APR)の２種がある、ＶＨＲは、発生したVEを検出した確率である。即ち、このVHRは検出精度を表すものである。また、(APR)は、センサのアクティブ時間の全評価時間帯に対する割合である。即ち、このAPRはセンシングの消費エネルギー量を表すものである。比較例２は、センサを一切休止させずに常時起動させるため、ＶＨＲ、ＡＰＲともに１となる。

【0106】

図７は、このＶＨＲの評価結果である。横軸は、それぞれのセンサ２１の種別であり、縦軸は、ＶＨＲの値である。結果から、本発明例と比較例２は、高いＶＨＲの値となっており検出精度が優れていた。これに対して、比較例１は、住人の位置情報に依存する分において、特にトイレについてＶＨＲの値が低くなっていた。即ち、比較例１では、住人がトイレ以外の場所にいた時に、トイレ内のセンサ２１を休止させてしまい、ひいてはトイレに発生したＶＥを検出することができなかった。

【0107】

これに対して、図８は、このＡＰＲの評価結果である。横軸は、それぞれのセンサ２１の種別であり、縦軸は、ＡＰＲの値である。本発明例がもっとも消費電力を低減させることができ、ついで比較例１、比較例２が続くという結果となっていた。

【0108】

比較例１では、住人がいる部屋にある複数のセンサ２１は全て起動させる。このため、比較例２よりは消費電力を低減できることが示されている。これに対して、本発明例では、住人がいる部屋にある複数のセンサ２１のうち、更に詳細な相関関係に基づいて、センサ２１を休止させる場合もある。このため、比較例１よりもシステム全体で見た場合における消費電力を低減できていることが示されていた。

【符号の説明】

【0109】

１ 休止制御システム
２ センサネットワーク
３ 家屋
４ センサデータ集約局
５ クラウドコンピューティングシステム
６ 論理相関行列生成ブロック
７ 制御ブロック
１０ 制御部
１１ 対象物
２１ センサ
２２ エネルギー監理システム
２３ スマートメータ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】