ホーム > 特許ランキング > 国立大学法人信州大学
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023056817
(43)【公開日】2023-04-20
(54)【発明の名称】位置推定システムおよび位置推定方法
(51)【国際特許分類】
G01S 5/02 20100101AFI20230413BHJP
H04W 64/00 20090101ALI20230413BHJP
G01S 1/00 20060101ALI20230413BHJP
【ＦＩ】
G01S5/02 Z
H04W64/00 150
H04W64/00 173
G01S1/00 Z
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2021166252
(22)【出願日】2021-10-08
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 〔１〕 発行日 ２０２１年２月２３日 刊行物 ２０２１年 電子情報通信学会 総合大会 講演論文集 Ｐ４９５ Ｂ－１７－３２ 一般社団法人 電子情報通信学会 発行 Ｗｅｂ公開 ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ－ｔａｉｋａｉ．ｊｐ／２０２１ｇｅｎｅｒａｌ／ｊｐｎ／ｐｒｏｇｒａｍ．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ－ｔａｉｋａｉ．ｊｐ／２０２１ｇｅｎｅｒａｌ／ｊｐｎ／ｓｕｂｍｉｓｓｉｏｎ．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ－ｔａｉｋａｉ．ｊｐ／２０２１ｇｅｎｅｒａｌ／ｊｐｎ／ｗｅｂｐｒｏ／＿ｈｔｍｌ／ｃｓ．ｈｔｍｌ＃ｂ＿１７ ＜資 料＞ 電子情報通信学会 総合大会 講演論文集掲載発表 講演論文
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 〔２〕 開催日（公開日） ２０２１年３月１２日（開催期間：３月９日（火）～３月１２日（金）） 集会名、開催場所 ２０２１年 電子情報通信学会 総合大会 オンライン開催 ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ－ｔａｉｋａｉ．ｊｐ／２０２１ｇｅｎｅｒａｌ／ｊｐｎ／ｉｎｄｅｘ．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ－ｔａｉｋａｉ．ｊｐ／２０２１ｇｅｎｅｒａｌ／ｊｐｎ／ｐ＿ｐｒｏｇｒａｍ．ｈｔｍｌ 一般社団法人 電子情報通信学会 主催 ＜資 料＞ 電子情報通信学会 総合大会 概要及びプログラム
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 〔３〕 発行日 ２０２１年７月７日 刊行物 電子情報通信学会技術研究報告 Ｏｎｌｉｎｅ ｅｄｉｔｉｏｎ： ＩＳＳＮ ２４３２－６３８０ 信学技報，ｖｏｌ．１２１，ｎｏ．１０４，ＳＲ２０２１－３５，ｐｐ．７３－８０，２０２１年７月 一般社団法人 電子情報通信学会 発行 Ｗｅｂ公開 ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ．ｏｒｇ／ｋｅｎ／ｉｎｄｅｘ／ｉｅｉｃｅ－ｔｅｃｈｒｅｐ－１２１－１０４．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ．ｏｒｇ／ｋｅｎ／ｐａｐｅｒ／２０２１０７１６ｇＣｅＶ／ ＜資 料＞ 電子情報通信学会技術研究報告 掲載発表 講演論文
【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 〔４〕 開催日（公開日） ２０２１年７月１６日（開催期間：７月１４日～７月１６） 集会名、開催場所 電子情報通信学会 研究会 ＲＣＳ ＳＲ ＮＳ ＳｅＭＩ ＲＣＣ オンライン開催 ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ．ｏｒｇ／ｋｅｎ／ｐｒｏｇｒａｍ／ｉｎｄｅｘ．ｐｈｐ？ｔｇｉｄ＝ＩＥＩＣＥ－ＲＣＳ＆ｌａｙｏｕｔ＝＆ｌａｎｇ ｈｔｔｐｓ：／／ｗｗｗ．ｉｅｉｃｅ．ｏｒｇ／ｋｅｎ／ｐａｐｅｒ／２０２１０７１６ｇＣｅＶ／ 一般社団法人 電子情報通信学会 主催 ＜資 料＞ 電子情報通信学会 研究会 開催プログラム
【国等の委託研究の成果に係る記載事項】（出願人による申告）令和３年度、総務省、戦略的情報通信研究開発推進事業（ＳＣＯＰＥ）、産業技術力強化法第１７条の適用を受ける特許出願
(71)【出願人】
【識別番号】504180239
【氏名又は名称】国立大学法人信州大学
(74)【代理人】
【識別番号】100106909
【弁理士】
【氏名又は名称】棚井 澄雄
(74)【代理人】
【識別番号】100188558
【弁理士】
【氏名又は名称】飯田 雅人
(72)【発明者】
【氏名】田久 修
(72)【発明者】
【氏名】小田 雅史
(72)【発明者】
【氏名】白井 啓一郎
【テーマコード（参考）】
5J062
5K067
【Ｆターム（参考）】
5J062AA09
5J062BB05
5J062CC18
5J062DD23
5K067AA21
5K067EE02
5K067JJ57
(57)【要約】
【課題】短時間での集約を実現しつつ高い測位精度を実現する。
【解決手段】位置推定システムは、学習段階に検出対象パラメータ（ＰＭ）を発する事前学習点と、事前学習点から発せられたＰＭを検出する観測センサと、学習段階に観測センサによって検出されたＰＭを示す情報を集約し、集約結果をデータベース（ＤＢ）に記録するフュージョンセンタ（ＦＣ）と、推定段階にＰＭを発する測位対象とを備え、観測センサは、推定段階に測位対象から発せられたＰＭを検出し、ＦＣは、推定段階に観測センサによって検出されたＰＭを示す情報を集約し、その集約結果と、ＤＢに記録された集約結果と、事前学習点の位置情報とに基づいて測位対象の位置を推定し、測位対象の位置推定手法として位置指紋法が用いられ、ＦＣが、学習段階と推定段階とに検出されたＰＭを示す情報を集約する手法としてＰｈｙＣ－ＳＮが用いられる。
【選択図】図１
【解決手段】位置推定システムは、学習段階に検出対象パラメータ（ＰＭ）を発する事前学習点と、事前学習点から発せられたＰＭを検出する観測センサと、学習段階に観測センサによって検出されたＰＭを示す情報を集約し、集約結果をデータベース（ＤＢ）に記録するフュージョンセンタ（ＦＣ）と、推定段階にＰＭを発する測位対象とを備え、観測センサは、推定段階に測位対象から発せられたＰＭを検出し、ＦＣは、推定段階に観測センサによって検出されたＰＭを示す情報を集約し、その集約結果と、ＤＢに記録された集約結果と、事前学習点の位置情報とに基づいて測位対象の位置を推定し、測位対象の位置推定手法として位置指紋法が用いられ、ＦＣが、学習段階と推定段階とに検出されたＰＭを示す情報を集約する手法としてＰｈｙＣ－ＳＮが用いられる。
【選択図】図１
【特許請求の範囲】
【請求項1】
学習段階において電波、熱および音波のいずれかである検出対象パラメータを発する事前学習点と、
前記学習段階において前記事前学習点から発せられた前記検出対象パラメータを検出する観測センサと、
前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果をデータベースに記録するフュージョンセンタと、
推定段階において前記検出対象パラメータを発する測位対象とを備える位置推定システムであって、
前記観測センサは、前記推定段階において前記測位対象から発せられた前記検出対象パラメータを検出し、
前記フュージョンセンタは、前記推定段階において、
前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、
前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記学習段階において前記データベースに記録された前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定し、
前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法を用い、
前記フュージョンセンタが、前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記推定段階において前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮ（Physical Conversion Sensor Network）を用いる、
位置推定システム。
前記学習段階において前記事前学習点から発せられた前記検出対象パラメータを検出する観測センサと、
前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果をデータベースに記録するフュージョンセンタと、
推定段階において前記検出対象パラメータを発する測位対象とを備える位置推定システムであって、
前記観測センサは、前記推定段階において前記測位対象から発せられた前記検出対象パラメータを検出し、
前記フュージョンセンタは、前記推定段階において、
前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、
前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記学習段階において前記データベースに記録された前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定し、
前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法を用い、
前記フュージョンセンタが、前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記推定段階において前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮ（Physical Conversion Sensor Network）を用いる、
位置推定システム。
【請求項2】
前記フュージョンセンタは、
前記学習段階において前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度分布と、前記推定段階において前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度分布との類似度に基づいて、前記測位対象の位置を推定する、
請求項１に記載の位置推定システム。
前記学習段階において前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度分布と、前記推定段階において前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度分布との類似度に基づいて、前記測位対象の位置を推定する、
請求項１に記載の位置推定システム。
【請求項3】
前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを昇順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを昇順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを昇順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを昇順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
【請求項4】
前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを降順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを降順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを降順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを降順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
【請求項5】
前記位置推定システムは、前記観測センサとして、複数の観測センサを備え、
前記複数の観測センサには、少なくとも第１エリアに配置された第１観測センサと、第２エリアに配置された第２観測センサとが含まれ、
前記フュージョンセンタは、前記推定段階において、
前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報を第１時間帯に集約し、
前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報を、前記第１時間帯とは異なる第２時間帯に集約する、
請求項２に記載の位置推定システム。
前記複数の観測センサには、少なくとも第１エリアに配置された第１観測センサと、第２エリアに配置された第２観測センサとが含まれ、
前記フュージョンセンタは、前記推定段階において、
前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報を第１時間帯に集約し、
前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報を、前記第１時間帯とは異なる第２時間帯に集約する、
請求項２に記載の位置推定システム。
【請求項6】
前記フュージョンセンタは、
前記推定段階の前記第１時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報と、
前記学習段階の第３時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報とを比較し、
前記推定段階の前記第２時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報と、
前記学習段階の前記第３時間帯とは異なる第４時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報とを比較する、
請求項５に記載の位置推定システム。
前記推定段階の前記第１時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報と、
前記学習段階の第３時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報とを比較し、
前記推定段階の前記第２時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報と、
前記学習段階の前記第３時間帯とは異なる第４時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報とを比較する、
請求項５に記載の位置推定システム。
【請求項7】
前記第１エリアには、前記第１観測センサとして、複数の観測センサが含まれ、
前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、
前記第１エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第１エリアが帯状であり、
前記第２エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第２エリアが帯状である、
請求項５に記載の位置推定システム。
前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、
前記第１エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第１エリアが帯状であり、
前記第２エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第２エリアが帯状である、
請求項５に記載の位置推定システム。
【請求項8】
前記第１エリアには、前記第１観測センサとして、複数の観測センサが含まれ、
前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、
前記第１エリアに含まれる複数の観測センサが互いに離間して配置され、前記第１エリアが、互いに離間している複数のエリアによって構成され、
前記第２エリアに含まれる複数の観測センサが互いに離間して配置され、前記第２エリアが、互いに離間している複数のエリアによって構成されている、
請求項５に記載の位置推定システム。
前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、
前記第１エリアに含まれる複数の観測センサが互いに離間して配置され、前記第１エリアが、互いに離間している複数のエリアによって構成され、
前記第２エリアに含まれる複数の観測センサが互いに離間して配置され、前記第２エリアが、互いに離間している複数のエリアによって構成されている、
請求項５に記載の位置推定システム。
【請求項9】
前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とに基づいて、前記事前学習点から発せられた前記検出対象パラメータの広がりに対応する学習段階ヒストグラムを生成すると共に、
前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とに基づいて、前記測位対象から発せられた前記検出対象パラメータの広がりに対応する推定段階ヒストグラムを生成するヒストグラム化計算部と、
前記ヒストグラム化計算部によって生成された前記学習段階ヒストグラムと前記推定段階ヒストグラムとの類似性を示すバタチャリヤ距離を算出するバタチャリヤ距離算出部とを備え、
前記フュージョンセンタは、前記バタチャリヤ距離算出部によって算出されたバタチャリヤ距離と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
前記フュージョンセンタは、
前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とに基づいて、前記事前学習点から発せられた前記検出対象パラメータの広がりに対応する学習段階ヒストグラムを生成すると共に、
前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とに基づいて、前記測位対象から発せられた前記検出対象パラメータの広がりに対応する推定段階ヒストグラムを生成するヒストグラム化計算部と、
前記ヒストグラム化計算部によって生成された前記学習段階ヒストグラムと前記推定段階ヒストグラムとの類似性を示すバタチャリヤ距離を算出するバタチャリヤ距離算出部とを備え、
前記フュージョンセンタは、前記バタチャリヤ距離算出部によって算出されたバタチャリヤ距離と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定する、
請求項２に記載の位置推定システム。
【請求項10】
事前学習点と観測センサとフュージョンセンタと測位対象とを備える位置推定システムにおける前記測位対象の位置推定方法であって、
前記事前学習点が、学習段階に電波、熱および音波のいずれかである検出対象パラメータを発する第１ステップと、
前記観測センサが、前記学習段階に、前記第１ステップにおいて前記事前学習点から発せられた前記検出対象パラメータを検出する第２ステップと、
前記フュージョンセンタが、前記学習段階に、前記第２ステップにおいて前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第３ステップと、
前記フュージョンセンタが、前記学習段階に、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果をデータベースに記録する第４ステップと、
前記測位対象が、推定段階に前記検出対象パラメータを発する第５ステップと、
前記観測センサが、前記推定段階に、前記第５ステップにおいて前記測位対象から発せられた前記検出対象パラメータを検出する第６ステップと、
前記フュージョンセンタが、前記推定段階に、前記第６ステップにおいて前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第７ステップと、
前記フュージョンセンタが、前記推定段階に、前記第７ステップにおいて集約された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定する第８ステップとを備え、
前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法が用いられ、
前記フュージョンセンタが、前記第３ステップにおいて前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記第７ステップにおいて前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮが用いられる、
位置推定方法。
前記事前学習点が、学習段階に電波、熱および音波のいずれかである検出対象パラメータを発する第１ステップと、
前記観測センサが、前記学習段階に、前記第１ステップにおいて前記事前学習点から発せられた前記検出対象パラメータを検出する第２ステップと、
前記フュージョンセンタが、前記学習段階に、前記第２ステップにおいて前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第３ステップと、
前記フュージョンセンタが、前記学習段階に、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果をデータベースに記録する第４ステップと、
前記測位対象が、推定段階に前記検出対象パラメータを発する第５ステップと、
前記観測センサが、前記推定段階に、前記第５ステップにおいて前記測位対象から発せられた前記検出対象パラメータを検出する第６ステップと、
前記フュージョンセンタが、前記推定段階に、前記第６ステップにおいて前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第７ステップと、
前記フュージョンセンタが、前記推定段階に、前記第７ステップにおいて集約された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定する第８ステップとを備え、
前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法が用いられ、
前記フュージョンセンタが、前記第３ステップにおいて前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記第７ステップにおいて前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮが用いられる、
位置推定方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、位置推定システムおよび位置推定方法に関する。
【背景技術】
【0002】
近年、物のインターネット化が注目されている（ＩｏＴ：Internet of Things）。また、センサなどの小型機器においても利用できる無線センサネットワーク（ＷＳＮ：Wireless Sensor Networks）が発展してきている。多数のセンサによる位置情報を用いたアプリケーションも検討されている。多数のセンサを用いる手法として、位置指紋法が知られており、位置指紋法については、例えば特許文献１に記載されている。
【0003】
位置推定の先行技術としては、例えば非特許文献１～非特許文献３に記載されたものなどが知られている。非特許文献１には、複数基地局を利用した指紋法による携帯電話位置推定技術について記載されている。非特許文献１に記載された技術では、端末の受信電界強度（ＲＳＳＩ）等を利用した位置推定が行われる。非特許文献１に記載された技術には、複数基地局と携帯電話との通信が必要であるという課題が存在する。
非特許文献２には、Bluetooth Low Energy（ＢＬＥ）（登録商標）を利用した指紋法による位置推定技術について記載されている。非特許文献２に記載された技術では、ＢＬＥ電波発射装置が室内に配備され、測位対象がＢＬＥのＲＳＳＩを測定して、各端末のＩＤとＲＳＳＩをデータセットとした位置測位が行われる。非特許文献２に記載された技術には、測定端末の処理や測定端末のインターネット接続が必要になるという課題が存在する。
非特許文献３には、電波発射源の位置推定のための電波センサを用いた位置推定法について記載されている。非特許文献３に記載された技術では、測位対象の電波源の電波のＲＳＳＩを多数の電波センサで同時測定する。また、電波センサの位置は既知として、重心加算計算から、測位対象の電波源の位置を推定する。非特許文献３に記載された技術では、位置測位に対して、測位ための処理が不要であり、また、インターネット等への接続が不要であるため、非特許文献３に記載された技術は、不法電波の特定やコグニティブ無線の既存システムの位置推定に利用可能である。一方、多数の電波センサが検知したＲＳＳＩの収集は理想的であるものの、非特許文献３に記載された技術では、その点について考慮されていない。
非特許文献２には、Bluetooth Low Energy（ＢＬＥ）（登録商標）を利用した指紋法による位置推定技術について記載されている。非特許文献２に記載された技術では、ＢＬＥ電波発射装置が室内に配備され、測位対象がＢＬＥのＲＳＳＩを測定して、各端末のＩＤとＲＳＳＩをデータセットとした位置測位が行われる。非特許文献２に記載された技術には、測定端末の処理や測定端末のインターネット接続が必要になるという課題が存在する。
非特許文献３には、電波発射源の位置推定のための電波センサを用いた位置推定法について記載されている。非特許文献３に記載された技術では、測位対象の電波源の電波のＲＳＳＩを多数の電波センサで同時測定する。また、電波センサの位置は既知として、重心加算計算から、測位対象の電波源の位置を推定する。非特許文献３に記載された技術では、位置測位に対して、測位ための処理が不要であり、また、インターネット等への接続が不要であるため、非特許文献３に記載された技術は、不法電波の特定やコグニティブ無線の既存システムの位置推定に利用可能である。一方、多数の電波センサが検知したＲＳＳＩの収集は理想的であるものの、非特許文献３に記載された技術では、その点について考慮されていない。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２０－１５９７０５号公報
【非特許文献】
【0005】
【非特許文献1】金沢他、LTEネットワークにおける機械学習を用いた位置推定手法のフィールド試験評価、信学技報SR2018-12, 2018年5月
【非特許文献2】吾妻他、複数地点で観測した電波強度による位置指紋の相対位置を利用した屋内位置推定、信学技報MoNaA2015-37, 2016年1月
【非特許文献3】松野他、ダイナミック周波数共用のための複数無線局の位置推定に関する一検討、信学総大、B-17-13、2020年3月
【非特許文献4】辻野 孝弘, 藤井 輝也, “時系列受信データを活用した位置指紋法による高精度位置推定,” 信学技報, vol. 120, no. 74, RCS2020-51, pp. 169-174, 2020年6月
【非特許文献5】Steven M. Kay, Fundamentals of Statistical Signal Processing, Volume 2: Detection Theory (Prentice-hall Signal Processing Series) 1998/1/27
【発明の概要】
【発明が解決しようとする課題】
【0006】
上述した点に鑑み、本発明は、短時間での集約を実現しつつ高い測位精度を実現することができる位置推定システムおよび位置推定方法を提供することを目的とする。
【課題を解決するための手段】
【0007】
本発明の一態様は、学習段階において電波、熱および音波のいずれかである検出対象パラメータを発する事前学習点と、前記学習段階において前記事前学習点から発せられた前記検出対象パラメータを検出する観測センサと、前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果をデータベースに記録するフュージョンセンタと、推定段階において前記検出対象パラメータを発する測位対象とを備える位置推定システムであって、前記観測センサは、前記推定段階において前記測位対象から発せられた前記検出対象パラメータを検出し、前記フュージョンセンタは、前記推定段階において、前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約し、前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記学習段階において前記データベースに記録された前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定し、前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法を用い、前記フュージョンセンタが、前記学習段階において前記事前学習点から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記推定段階において前記測位対象から発せられた前記検出対象パラメータの前記観測センサによる検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮ（Physical Conversion Sensor Network）を用いる、位置推定システムである。
【0008】
本発明の一態様の位置推定システムでは、前記フュージョンセンタは、前記学習段階において前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度分布と、前記推定段階において前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度分布との類似度に基づいて、前記測位対象の位置を推定してもよい。
【0009】
本発明の一態様の位置推定システムでは、前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、前記フュージョンセンタは、前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを昇順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを昇順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定してもよい。
【0010】
本発明の一態様の位置推定システムでは、前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、前記フュージョンセンタは、前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とを降順に並べた系列と、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とを降順に並べた系列との差分に基づくベクトル距離計算結果により、前記測位対象の位置を推定してもよい。
【0011】
本発明の一態様の位置推定システムでは、前記位置推定システムは、前記観測センサとして、複数の観測センサを備え、前記複数の観測センサには、少なくとも第１エリアに配置された第１観測センサと、第２エリアに配置された第２観測センサとが含まれ、前記フュージョンセンタは、前記推定段階において、前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報を第１時間帯に集約し、前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報を、前記第１時間帯とは異なる第２時間帯に集約してもよい。
【0012】
本発明の一態様の位置推定システムでは、前記フュージョンセンタは、前記推定段階の前記第１時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報と、前記学習段階の第３時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第１観測センサによる検出結果を示す情報とを比較し、前記推定段階の前記第２時間帯に集約された、前記測位対象から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報と、前記学習段階の前記第３時間帯とは異なる第４時間帯に集約された、前記事前学習点から発せられた前記検出対象パラメータの前記第２観測センサによる検出結果を示す情報とを比較してもよい。
【0013】
本発明の一態様の位置推定システムでは、前記第１エリアには、前記第１観測センサとして、複数の観測センサが含まれ、前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、前記第１エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第１エリアが帯状であり、前記第２エリアに含まれる複数の観測センサが互いに隣接して配置され、前記第２エリアが帯状であってもよい。
【0014】
本発明の一態様の位置推定システムでは、前記第１エリアには、前記第１観測センサとして、複数の観測センサが含まれ、前記第２エリアには、前記第２観測センサとして、複数の観測センサが含まれ、前記第１エリアに含まれる複数の観測センサが互いに離間して配置され、前記第１エリアが、互いに離間している複数のエリアによって構成され、前記第２エリアに含まれる複数の観測センサが互いに離間して配置され、前記第２エリアが、互いに離間している複数のエリアによって構成されていてもよい。
【0015】
本発明の一態様の位置推定システムでは、前記位置推定システムは、前記観測センサとして、少なくとも第１観測センサと、第２観測センサとを備え、前記フュージョンセンタは、前記学習段階において前記第１観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの強度とに基づいて、前記事前学習点から発せられた前記検出対象パラメータの広がりに対応する学習段階ヒストグラムを生成すると共に、前記推定段階において前記第１観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度と前記第２観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの強度とに基づいて、前記測位対象から発せられた前記検出対象パラメータの広がりに対応する推定段階ヒストグラムを生成するヒストグラム化計算部と、前記ヒストグラム化計算部によって生成された前記学習段階ヒストグラムと前記推定段階ヒストグラムとの類似性を示すバタチャリヤ距離を算出するバタチャリヤ距離算出部とを備え、前記フュージョンセンタは、前記バタチャリヤ距離算出部によって算出されたバタチャリヤ距離と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定してもよい。
【0016】
本発明の一態様は、事前学習点と観測センサとフュージョンセンタと測位対象とを備える位置推定システムにおける前記測位対象の位置推定方法であって、前記事前学習点が、学習段階に電波、熱および音波のいずれかである検出対象パラメータを発する第１ステップと、前記観測センサが、前記学習段階に、前記第１ステップにおいて前記事前学習点から発せられた前記検出対象パラメータを検出する第２ステップと、前記フュージョンセンタが、前記学習段階に、前記第２ステップにおいて前記観測センサによって検出された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第３ステップと、前記フュージョンセンタが、前記学習段階に、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果をデータベースに記録する第４ステップと、前記測位対象が、推定段階に前記検出対象パラメータを発する第５ステップと、前記観測センサが、前記推定段階に、前記第５ステップにおいて前記測位対象から発せられた前記検出対象パラメータを検出する第６ステップと、前記フュージョンセンタが、前記推定段階に、前記第６ステップにおいて前記観測センサによって検出された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する第７ステップと、前記フュージョンセンタが、前記推定段階に、前記第７ステップにおいて集約された前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記第３ステップにおいて集約された前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報の集約結果と、前記事前学習点の位置を示す情報とに基づいて、前記測位対象の位置を推定する第８ステップとを備え、前記フュージョンセンタが前記測位対象の位置を推定する手法として、位置指紋法が用いられ、前記フュージョンセンタが、前記第３ステップにおいて前記事前学習点から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法、および、前記フュージョンセンタが、前記第７ステップにおいて前記測位対象から発せられた前記検出対象パラメータの検出結果を示す情報を集約する手法として、ＰｈｙＣ－ＳＮが用いられる、位置推定方法である。
【発明の効果】
【0017】
本発明によれば、短時間での集約を実現しつつ高い測位精度を実現することができる位置推定システムおよび位置推定方法を提供することができる。
【図面の簡単な説明】
【0018】
【図1】第１実施形態の位置推定システム１の第１例を示す図である。
【図2】事前学習点１Ａ１が位置推定システム１の学習段階において発した電波の広がりなどの一例を説明するための図である。
【図3】事前学習点１Ａ２が位置推定システム１の学習段階において発した電波の広がりなどの一例を説明するための図である。
【図4】測位対象１Ｄが位置推定システム１の推定段階において発した電波の広がりなどの一例を説明するための図である。
【図5】フュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
【図6】第１実施形態の位置推定システム１において実行される処理の一例を説明するためのフローチャートである。
【図7】第１実施形態の位置推定システム１の第２例におけるフュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
【図8】第１実施形態の位置推定システム１の第２例においてフュージョンセンタ１Ｃが、図７に示す事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列とを比較し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列とを比較する具体例を説明するための図である。
【図9】第１実施形態の位置推定システム１の第３例におけるフュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
【図10】第１実施形態の位置推定システム１の第３例においてフュージョンセンタ１Ｃが、図９に示す事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列とを比較し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列とを比較する具体例を説明するための図である。
【図11】第１実施形態の位置推定システム１の第４例における測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約などを説明するための図である。
【図12】第１実施形態の位置推定システム１の第４例における事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約、事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約などを説明するための図である。
【図13】第１実施形態の位置推定システム１の第５例を示す図である。
【図14】第１実施形態の位置推定システム１の第５例におけるエリア分割（時間分割）などを説明するための図である。
【図15】第１実施形態の位置推定システム１の第６例を示す図である。
【図16】ヒストグラム化計算部１Ｃ２によって生成される学習段階ヒストグラム、推定段階ヒストグラム等の一例を示す図である。
【図17】シミュレーション諸元を示す図である。
【図18】シミュレーション諸元を示す図である。
【図21】実機試験の考え方を説明するための図である。
【図22】実機試験に使用した機器を示す図である。
【図23】実機試験におけるセンサ（観測センサ１Ｂ１、１Ｂ２、…）の配置などを示す図である。
【図24】実機試験における学習データ測定点（事前学習点１Ａ１～１ＡＮ）および観測データ測定点（測位対象１Ｄ）の配置を示す図である。
【図25】実機試験の結果を比較して示した図である。
【図26】他のシミュレーション結果を示す図である。
【図27】位置指紋法について説明するための図である。
【図28】ＰｈｙＣ－ＳＮについて説明するための図である。
【発明を実施するための形態】
【0019】
本発明の位置推定システムおよび位置推定方法の実施形態について説明する前に、本発明の前提となる技術などについて説明する。
【0020】
図２７は位置指紋法について説明するための図である。
図２７に示すシステムには、事前学習点ａ～ｄと、センサＳＲ１～ＳＲ３と、フュージョンセンタＦＣと、観測点（測位対象）ｘとが含まれている。
図２７に示すシステムでは、エリア内の複数点（センサＳＲ１～ＳＲ３）において、事前学習点ａ～ｄのそれぞれから発せられた無線パラメータ（例えば電波の受信信号強度（ＲＳＳＩ）など）が予め測定される。また、センサＳＲ１～ＳＲ３によって予め測定された事前学習点ａ～ｄのそれぞれから発せられた無線パラメータが、事前学習点ａ～ｄのそれぞれの位置情報とともに、フュージョンセンタＦＣに集約されてデータベース化される。
更に、図２７に示すシステムでは、事前学習点ａ～ｄのそれぞれから発せられセンサＳＲ１～ＳＲ３のそれぞれによって予め測定された無線パラメータと、観測点（測位対象）ｘから発せられセンサＳＲ１～ＳＲ３のそれぞれによって測定された無線パラメータとのパターンマッチングを行う（つまり、それぞれのＲＳＳＩ値を比較し最も近い点を選ぶ（ベクトル距離計算を行う））ことによって、観測点（測位対象）ｘの位置が特定される。
図２７に示す技術については、例えば非特許文献４に記載されている。
図２７に示すシステムには、事前学習点ａ～ｄと、センサＳＲ１～ＳＲ３と、フュージョンセンタＦＣと、観測点（測位対象）ｘとが含まれている。
図２７に示すシステムでは、エリア内の複数点（センサＳＲ１～ＳＲ３）において、事前学習点ａ～ｄのそれぞれから発せられた無線パラメータ（例えば電波の受信信号強度（ＲＳＳＩ）など）が予め測定される。また、センサＳＲ１～ＳＲ３によって予め測定された事前学習点ａ～ｄのそれぞれから発せられた無線パラメータが、事前学習点ａ～ｄのそれぞれの位置情報とともに、フュージョンセンタＦＣに集約されてデータベース化される。
更に、図２７に示すシステムでは、事前学習点ａ～ｄのそれぞれから発せられセンサＳＲ１～ＳＲ３のそれぞれによって予め測定された無線パラメータと、観測点（測位対象）ｘから発せられセンサＳＲ１～ＳＲ３のそれぞれによって測定された無線パラメータとのパターンマッチングを行う（つまり、それぞれのＲＳＳＩ値を比較し最も近い点を選ぶ（ベクトル距離計算を行う））ことによって、観測点（測位対象）ｘの位置が特定される。
図２７に示す技術については、例えば非特許文献４に記載されている。
【0021】
図２７に示すシステムのメリットとして、観測点（測位対象）ｘの位置を特定（推定）するために、センサＳＲ１～ＳＲ３の位置情報が不要であるため、センサＳＲ１～ＳＲ３の構成を簡略化することができる。
また、図２７に示すシステムのメリットとして、観測点（測位対象）ｘの位置を特定（推定）するために、観測点（測位対象）ｘは無線パラメータを発するだけでよく、観測点（測位対象）ｘに対する処理が不要である。
一方、図２７に示すタイプのシステムのデメリットとして、センサＳＲ１、ＳＲ２、ＳＲ３、…の数が図４に示す例よりも多い場合に、同時アクセスによるパケット衝突により情報の欠落が生じるおそれがある。また、時分割型のアクセスプロトコルを適用する場合に、集約にかかる時間が長くなる。つまり、データ収集法の工夫が必要であると言える。
また、図２７に示すシステムのメリットとして、観測点（測位対象）ｘの位置を特定（推定）するために、観測点（測位対象）ｘは無線パラメータを発するだけでよく、観測点（測位対象）ｘに対する処理が不要である。
一方、図２７に示すタイプのシステムのデメリットとして、センサＳＲ１、ＳＲ２、ＳＲ３、…の数が図４に示す例よりも多い場合に、同時アクセスによるパケット衝突により情報の欠落が生じるおそれがある。また、時分割型のアクセスプロトコルを適用する場合に、集約にかかる時間が長くなる。つまり、データ収集法の工夫が必要であると言える。
【0022】
そこで、後述するように、本発明の位置推定システムおよび位置推定方法の実施形態では、無線物理量変換を用いた一括集約法（ＰｈｙＣ－ＳＮ：Physical Conversion Sensor Network）が、図２７に示す位置指紋法に適用される。
図２８はＰｈｙＣ－ＳＮについて説明するための図である。
図２８に示すシステムには、センサ＃１～＃３と、フュージョンセンタＦＣとが含まれている。
図２８に示すシステムでは、センサ＃１が、センシング結果（例えば気温１５℃）を直接搬送波の物理量（搬送波周波数ｆ０＋１５Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。センサ＃２は、センシング結果（例えば温度－５０℃）を直接搬送波の物理量（搬送波周波数ｆ０－５０Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。センサ＃３は、センシング結果（例えば温度７０℃）を直接搬送波の物理量（搬送波周波数ｆ０＋７０Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。
図２８に示すシステムのメリットとして、フュージョンセンタＦＣは、センサ＃１からのサブキャリアと、センサ＃２からのサブキャリアと、センサ＃３からのサブキャリアとを同時に収集（受信）することができる。そのため、データ収集時の所要時間を短縮することができる。
ＰｈｙＣ－ＳＮで同じ物理量を選択した場合の取り扱いについては、下記のようになる。
複数のセンサが同じ情報を伝送する場合に、同じ物理量を選択した結果、複数の搬送波を同時に受信する。その場合、副搬送波数に応じてエネルギー量が拡大する特徴を利用して、非特許文献５に記載のマルチレベル検出を適用すれば、副搬送波の数を特定することができる。
別の方法として、非特許文献５のように判定閾値を１つ設けたシングルレベル検出を用いれば、副搬送波の数は不明だが通知があることは検知できる。例えば３つのセンサが同じ情報を送信した場合、シングルレベル検出ではいるいないのｏｎ／ｏｆｆ判定となるため、１つのセンサのみが送ったと認識するため、２つのセンサ情報が失われる。このように、センサ情報の損失を許容することでシングルレベル検出を用いることができるため、検出法を簡易化できる。このようなセンサ情報の損失は、提案法（本発明の位置推定システムおよび位置推定方法の実施形態）の位置推定精度の劣化を生じるが、劣化を許容すれば、簡易なシングルレベル検出を用いることができる。
図２８はＰｈｙＣ－ＳＮについて説明するための図である。
図２８に示すシステムには、センサ＃１～＃３と、フュージョンセンタＦＣとが含まれている。
図２８に示すシステムでは、センサ＃１が、センシング結果（例えば気温１５℃）を直接搬送波の物理量（搬送波周波数ｆ０＋１５Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。センサ＃２は、センシング結果（例えば温度－５０℃）を直接搬送波の物理量（搬送波周波数ｆ０－５０Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。センサ＃３は、センシング結果（例えば温度７０℃）を直接搬送波の物理量（搬送波周波数ｆ０＋７０Ｈｚ）に変換し、対応するサブキャリアをフュージョンセンタＦＣに送信する。
図２８に示すシステムのメリットとして、フュージョンセンタＦＣは、センサ＃１からのサブキャリアと、センサ＃２からのサブキャリアと、センサ＃３からのサブキャリアとを同時に収集（受信）することができる。そのため、データ収集時の所要時間を短縮することができる。
ＰｈｙＣ－ＳＮで同じ物理量を選択した場合の取り扱いについては、下記のようになる。
複数のセンサが同じ情報を伝送する場合に、同じ物理量を選択した結果、複数の搬送波を同時に受信する。その場合、副搬送波数に応じてエネルギー量が拡大する特徴を利用して、非特許文献５に記載のマルチレベル検出を適用すれば、副搬送波の数を特定することができる。
別の方法として、非特許文献５のように判定閾値を１つ設けたシングルレベル検出を用いれば、副搬送波の数は不明だが通知があることは検知できる。例えば３つのセンサが同じ情報を送信した場合、シングルレベル検出ではいるいないのｏｎ／ｏｆｆ判定となるため、１つのセンサのみが送ったと認識するため、２つのセンサ情報が失われる。このように、センサ情報の損失を許容することでシングルレベル検出を用いることができるため、検出法を簡易化できる。このようなセンサ情報の損失は、提案法（本発明の位置推定システムおよび位置推定方法の実施形態）の位置推定精度の劣化を生じるが、劣化を許容すれば、簡易なシングルレベル検出を用いることができる。
【0023】
以下、本発明の位置推定システムおよび位置推定方法の実施形態について説明する。
【0024】
＜第１実施形態＞
図１は第１実施形態の位置推定システム１の第１例を示す図である。
図１に示す例では、位置推定システム１が、測位対象（観測点）１Ｄの位置の推定に用いられる。位置推定システム１は、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ９と、フュージョンセンタ（ＦＣ）１Ｃと、測位対象（観測点）１Ｄとを備えている。
図１に示す例では、位置推定システム１が、Ｎ（Ｎは２より大きい任意の数）個の事前学習点１Ａ１、１Ａ２、…、１ＡＮを備えているが、他の例では、位置推定システム１が、Ｎ以外の任意の個数の事前学習点を備えていてもよい。
図１に示す例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、他の例では、位置推定システム１が、９以外の任意の個数の観測センサを備えていてもよい。
図１は第１実施形態の位置推定システム１の第１例を示す図である。
図１に示す例では、位置推定システム１が、測位対象（観測点）１Ｄの位置の推定に用いられる。位置推定システム１は、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ９と、フュージョンセンタ（ＦＣ）１Ｃと、測位対象（観測点）１Ｄとを備えている。
図１に示す例では、位置推定システム１が、Ｎ（Ｎは２より大きい任意の数）個の事前学習点１Ａ１、１Ａ２、…、１ＡＮを備えているが、他の例では、位置推定システム１が、Ｎ以外の任意の個数の事前学習点を備えていてもよい。
図１に示す例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、他の例では、位置推定システム１が、９以外の任意の個数の観測センサを備えていてもよい。
【0025】
図１に示す例では、事前学習点１Ａ１が、位置推定システム１の学習段階において（例えば位置推定システム１の学習段階の第１タイミングで）検出対象パラメータとしての電波を発する。事前学習点１Ａ２は、位置推定システム１の学習段階において（例えば位置推定システム１の学習段階のうちの第１タイミングとは異なる第２タイミングで）電波を発する。事前学習点１ＡＮは、位置推定システム１の学習段階において（例えば位置推定システム１の学習段階のうちの第１タイミング、第２タイミング等とは異なる第Ｎタイミングで）電波を発する。
観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。
フュージョンセンタ（ＦＣ）１Ｃは、データベース１Ｃ１を備えている。フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（図２および図３に示す例では、「ＲＳＳＩデータ」）を集約する。詳細には、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報を集約する手法として、図２８に示すＰｈｙＣ－ＳＮを用いる。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果（図２および図３に示す例では、「事前情報」）をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置座標）をデータベース１Ｃ１に記録する。
観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。
フュージョンセンタ（ＦＣ）１Ｃは、データベース１Ｃ１を備えている。フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（図２および図３に示す例では、「ＲＳＳＩデータ」）を集約する。詳細には、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報を集約する手法として、図２８に示すＰｈｙＣ－ＳＮを用いる。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果（図２および図３に示す例では、「事前情報」）をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置座標）をデータベース１Ｃ１に記録する。
【0026】
図２は事前学習点１Ａ１が位置推定システム１の学習段階において発した電波の広がりなどの一例を説明するための図である。
図２に示す例では、観測センサ１Ｂ４によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ１、１Ｂ５によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ２、１Ｂ７によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ６によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ３、１Ｂ８によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ９によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
図２に示す例では、観測センサ１Ｂ４によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ１、１Ｂ５によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ２、１Ｂ７によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ６によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ３、１Ｂ８によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ９によって検出された事前学習点１Ａ１が発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
【0027】
図２に示す例では、フュージョンセンタ１Ｃは、事前学習点１Ａ１が位置推定システム１の学習段階において発した電波であって、観測センサ１Ｂ４によって検出された電波のＲＳＳＩ値（約－４０［ｄＢｍ］）と、観測センサ１Ｂ１、１Ｂ５によって検出された電波のＲＳＳＩ値（約－５０［ｄＢｍ］）と、観測センサ１Ｂ２、１Ｂ７によって検出された電波のＲＳＳＩ値（約－６０［ｄＢｍ］）と、観測センサ１Ｂ６によって検出された電波のＲＳＳＩ値（約－７０［ｄＢｍ］）と、観測センサ１Ｂ３、１Ｂ８によって検出された電波のＲＳＳＩ値（約－８０［ｄＢｍ］）と、観測センサ１Ｂ９によって検出された電波のＲＳＳＩ値（約－９０［ｄＢｍ］）とを示す情報（ＲＳＳＩデータ）を、ＰｈｙＣ－ＳＮを用いることによって集約する。そのため、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、観測センサ１Ｂ１～１Ｂ９のそれぞれから例えば同時に受信することができる。
【0028】
また、図２に示す例では、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の集約結果として、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサの個数が「１」であることを示す「事前学習点１Ａ１の事前情報」をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ１の位置を示す情報（事前学習点１Ａ１の位置座標）をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ１の位置を示す情報（事前学習点１Ａ１の位置座標）をデータベース１Ｃ１に記録する。
【0029】
図３は事前学習点１Ａ２が位置推定システム１の学習段階において発した電波の広がりなどの一例を説明するための図である。
図３に示す例では、観測センサ１Ｂ７によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ５によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ４、１Ｂ８によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ２、１Ｂ６によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ１、１Ｂ３によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ９によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
図３に示す例では、観測センサ１Ｂ７によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ５によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ４、１Ｂ８によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ２、１Ｂ６によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ１、１Ｂ３によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ９によって検出された事前学習点１Ａ２が発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
【0030】
図３に示す例では、フュージョンセンタ１Ｃは、事前学習点１Ａ２が位置推定システム１の学習段階において発した電波であって、観測センサ１Ｂ７によって検出された電波のＲＳＳＩ値（約－４０［ｄＢｍ］）と、観測センサ１Ｂ５によって検出された電波のＲＳＳＩ値（約－５０［ｄＢｍ］）と、観測センサ１Ｂ４、１Ｂ８によって検出された電波のＲＳＳＩ値（約－６０［ｄＢｍ］）と、観測センサ１Ｂ２、１Ｂ６によって検出された電波のＲＳＳＩ値（約－７０［ｄＢｍ］）と、観測センサ１Ｂ１、１Ｂ３によって検出された電波のＲＳＳＩ値（約－８０［ｄＢｍ］）と、観測センサ１Ｂ９によって検出された電波のＲＳＳＩ値（約－９０［ｄＢｍ］）とを示す情報（ＲＳＳＩデータ）を、ＰｈｙＣ－ＳＮを用いることによって集約する。そのため、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、観測センサ１Ｂ１～１Ｂ９のそれぞれから例えば同時に受信することができる。
【0031】
また、図３に示す例では、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の集約結果として、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサの個数が「１」であることを示す「事前学習点１Ａ２の事前情報」をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ２の位置を示す情報（事前学習点１Ａ２の位置座標）をデータベース１Ｃ１に記録する。
更に、フュージョンセンタ１Ｃは、事前学習点１Ａ２の位置を示す情報（事前学習点１Ａ２の位置座標）をデータベース１Ｃ１に記録する。
【0032】
図１に示す例では、測位対象１Ｄが、位置推定システム１の推定段階（測位対象１Ｄの位置を推定する段階）において、検出対象パラメータとしての電波を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波を検出する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（図４に示す例では、「ＲＳＳＩデータ」）を集約する。詳細には、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報を集約する手法として、図２８に示すＰｈｙＣ－ＳＮを用いる。
また、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果（図４に示す例では、「測位対象１Ｄの観測情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＩＩデータ）の集約結果（「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」）と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とに基づいて、測位対象１Ｄの位置を推定する。詳細には、フュージョンセンタ１Ｃは、測位対象１Ｄの位置を推定する手法として、図２７に示す位置指紋法を用いる。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（図４に示す例では、「ＲＳＳＩデータ」）を集約する。詳細には、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報を集約する手法として、図２８に示すＰｈｙＣ－ＳＮを用いる。
また、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果（図４に示す例では、「測位対象１Ｄの観測情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＩＩデータ）の集約結果（「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」）と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とに基づいて、測位対象１Ｄの位置を推定する。詳細には、フュージョンセンタ１Ｃは、測位対象１Ｄの位置を推定する手法として、図２７に示す位置指紋法を用いる。
【0033】
図４は測位対象１Ｄが位置推定システム１の推定段階において発した電波の広がりなどの一例を説明するための図である。
図４に示す例では、観測センサ１Ｂ５、１Ｂ６によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ９によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ２、１Ｂ４によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ３、１Ｂ８によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ７によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ１によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
図４に示す例では、観測センサ１Ｂ５、１Ｂ６によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－４０［ｄＢｍ］）が、最も強い値になる。観測センサ１Ｂ９によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－５０［ｄＢｍ］）が、２番目に強い値になる。観測センサ１Ｂ２、１Ｂ４によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－６０［ｄＢｍ］）が、３番目に強い値になる。観測センサ１Ｂ３、１Ｂ８によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－７０［ｄＢｍ］）が、４番目に強い値になる。観測センサ１Ｂ７によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－８０［ｄＢｍ］）が、５番目に強い値になる。観測センサ１Ｂ１によって検出された測位対象１Ｄが発した電波のＲＳＳＩ値（約－９０［ｄＢｍ］）が、最も弱い値になる。
【0034】
図４に示す例では、フュージョンセンタ１Ｃは、測位対象１Ｄが位置推定システム１の推定段階において発した電波であって、観測センサ１Ｂ５、１Ｂ６によって検出された電波のＲＳＳＩ値（約－４０［ｄＢｍ］）と、観測センサ１Ｂ９によって検出された電波のＲＳＳＩ値（約－５０［ｄＢｍ］）と、観測センサ１Ｂ２、１Ｂ４によって検出された電波のＲＳＳＩ値（約－６０［ｄＢｍ］）と、観測センサ１Ｂ３、１Ｂ８によって検出された電波のＲＳＳＩ値（約－７０［ｄＢｍ］）と、観測センサ１Ｂ７によって検出された電波のＲＳＳＩ値（約－８０［ｄＢｍ］）と、観測センサ１Ｂ１によって検出された電波のＲＳＳＩ値（約－９０［ｄＢｍ］）とを示す情報（ＲＳＳＩデータ）を、ＰｈｙＣ－ＳＮを用いることによって集約する。そのため、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、観測センサ１Ｂ１～１Ｂ９のそれぞれから例えば同時に受信することができる。
【0035】
また、図４に示す例では、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサの個数が「２」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサの個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサの個数が「１」であることを示す「測位対象１Ｄの観測情報」である。
【0036】
図５はフュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
図５に示す例では、フュージョンセンタ１Ｃが、測位対象１Ｄの位置を推定するために、図４に示す処理により得られた「測位対象１Ｄの観測情報」と、図２および図３に示す処理などにより得られた「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」と、データベース１Ｃ１に記録されている事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とを用いる。
図５に示す例では、フュージョンセンタ１Ｃが、測位対象１Ｄの位置を推定するために、図４に示す処理により得られた「測位対象１Ｄの観測情報」と、図２および図３に示す処理などにより得られた「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」と、データベース１Ｃ１に記録されている事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とを用いる。
【0037】
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果（つまり、「測位対象１Ｄの観測情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＩＩデータ）の集約結果（つまり、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（つまり、「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とに基づいて、図２７に示す位置指紋法を用いることにより、測位対象１Ｄの位置を推定する。
例えば、フュージョンセンタ１Ｃは、「測位対象１Ｄの観測情報」と、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」との比較計算を行い、「測位対象１Ｄの観測情報」に最も近い「事前学習点の事前情報」を選択し、選択された「事前学習点の事前情報」の事前学習点の位置座標を、測位対象１Ｄの位置座標として推定する。
例えば、フュージョンセンタ１Ｃは、「測位対象１Ｄの観測情報」と、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」との比較計算を行い、「測位対象１Ｄの観測情報」に最も近い「事前学習点の事前情報」を選択し、選択された「事前学習点の事前情報」の事前学習点の位置座標を、測位対象１Ｄの位置座標として推定する。
【0038】
例えば、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の強度分布（図５に示す「事前学習点１Ａ１の事前情報」のグラフの強度分布、「事前学習点１Ａ２の事前情報」のグラフの強度分布など）と、位置推定システム１の推定段階において観測センサ１Ｂ１～１Ｂ９によって検出された測位対象１Ｄから発せられた電波の強度分布（図５に示す「測位対象１Ｄの観測情報」のグラフの強度分布）との類似度に基づいて、測位対象１Ｄの位置を推定する。
【0039】
【0040】
図６は第１実施形態の位置推定システム１において実行される処理の一例を説明するためのフローチャートである。
図６に示す例では、位置推定システム１の学習段階のステップＳ１１Ａにおいて、事前学習点１Ａ１が、検出対象パラメータ（具体的には、電波）を発する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｂでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１１Ａにおいて事前学習点１Ａ１から発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｃでは、フュージョンセンタ１Ｃが、ステップＳ１１Ｂにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の検出結果を示す情報（具体的には、ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｄでは、フュージョンセンタ１Ｃが、ステップＳ１１Ｃにおいて集約された事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（具体的には、事前学習点１Ａ１の事前情報）をデータベース１Ｃ１に記録する。
図６に示す例では、位置推定システム１の学習段階のステップＳ１１Ａにおいて、事前学習点１Ａ１が、検出対象パラメータ（具体的には、電波）を発する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｂでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１１Ａにおいて事前学習点１Ａ１から発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｃでは、フュージョンセンタ１Ｃが、ステップＳ１１Ｂにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の検出結果を示す情報（具体的には、ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１１Ｄでは、フュージョンセンタ１Ｃが、ステップＳ１１Ｃにおいて集約された事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（具体的には、事前学習点１Ａ１の事前情報）をデータベース１Ｃ１に記録する。
【0041】
また、位置推定システム１の学習段階のステップＳ１２Ａにおいて、事前学習点１Ａ２が、検出対象パラメータ（電波）を発する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｂでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１２Ａにおいて事前学習点１Ａ２から発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｃでは、フュージョンセンタ１Ｃが、ステップＳ１２Ｂにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１Ａ２から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｄでは、フュージョンセンタ１Ｃが、ステップＳ１２Ｃにおいて集約された事前学習点１Ａ２から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（事前学習点１Ａ２の事前情報）をデータベース１Ｃ１に記録する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｂでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１２Ａにおいて事前学習点１Ａ２から発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｃでは、フュージョンセンタ１Ｃが、ステップＳ１２Ｂにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１Ａ２から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１２Ｄでは、フュージョンセンタ１Ｃが、ステップＳ１２Ｃにおいて集約された事前学習点１Ａ２から発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（事前学習点１Ａ２の事前情報）をデータベース１Ｃ１に記録する。
【0042】
また、位置推定システム１の学習段階のステップＳ１ＮＡにおいて、事前学習点１ＡＮが、検出対象パラメータ（電波）を発する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＢでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１ＮＡにおいて事前学習点１ＡＮから発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＣでは、フュージョンセンタ１Ｃが、ステップＳ１ＮＢにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１ＡＮから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＤでは、フュージョンセンタ１Ｃが、ステップＳ１ＮＣにおいて集約された事前学習点１ＡＮから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（事前学習点１ＡＮの事前情報）をデータベース１Ｃ１に記録する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＢでは、観測センサ１Ｂ１～１Ｂ９が、ステップＳ１ＮＡにおいて事前学習点１ＡＮから発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＣでは、フュージョンセンタ１Ｃが、ステップＳ１ＮＢにおいて観測センサ１Ｂ１～１Ｂ９によって検出された事前学習点１ＡＮから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の学習段階のステップＳ１ＮＤでは、フュージョンセンタ１Ｃが、ステップＳ１ＮＣにおいて集約された事前学習点１ＡＮから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（事前学習点１ＡＮの事前情報）をデータベース１Ｃ１に記録する。
【0043】
次いで、位置推定システム１の推定段階のステップＳ２１において、測位対象１Ｄが、検出対象パラメータ（電波）を発する。
次いで、位置推定システム１の推定段階のステップＳ２２では、観測センサ１Ｂ１～１Ｂ９が、ステップＳ２１において測位対象１Ｄから発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の推定段階のステップＳ２３では、フュージョンセンタ１Ｃが、ステップＳ２２において観測センサ１Ｂ１～１Ｂ９によって検出された測位対象１Ｄから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の推定段階のステップＳ２４では、フュージョンセンタ１Ｃが、ステップＳ２３において集約された測位対象１Ｄから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（具体的には、測位対象１Ｄの観測情報）と、ステップＳ１１Ｃ、Ｓ１２Ｃ、Ｓ１ＮＣにおいて集約された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＩＩデータ）の集約結果（具体的には、事前学習点１Ａ１の事前情報、事前学習点１Ａ２の事前情報、…、事前学習点１ＡＮの事前情報）と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（具体的には、事前学習点１Ａ１の位置座標、事前学習点１Ａ２の位置座標、…、事前学習点１ＡＮの位置座標）とに基づいて、測位対象１Ｄの位置を推定する。
次いで、位置推定システム１の推定段階のステップＳ２２では、観測センサ１Ｂ１～１Ｂ９が、ステップＳ２１において測位対象１Ｄから発せられた検出対象パラメータ（電波）を検出する。
次いで、位置推定システム１の推定段階のステップＳ２３では、フュージョンセンタ１Ｃが、ステップＳ２２において観測センサ１Ｂ１～１Ｂ９によって検出された測位対象１Ｄから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）を集約する。
次いで、位置推定システム１の推定段階のステップＳ２４では、フュージョンセンタ１Ｃが、ステップＳ２３において集約された測位対象１Ｄから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＳＩデータ）の集約結果（具体的には、測位対象１Ｄの観測情報）と、ステップＳ１１Ｃ、Ｓ１２Ｃ、Ｓ１ＮＣにおいて集約された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＩＩデータ）の集約結果（具体的には、事前学習点１Ａ１の事前情報、事前学習点１Ａ２の事前情報、…、事前学習点１ＡＮの事前情報）と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（具体的には、事前学習点１Ａ１の位置座標、事前学習点１Ａ２の位置座標、…、事前学習点１ＡＮの位置座標）とに基づいて、測位対象１Ｄの位置を推定する。
【0044】
図６に示す例では、ステップＳ２４においてフュージョンセンタ１Ｃが測位対象１Ｄの位置を推定する手法として、位置指紋法が用いられる。また、ステップＳ１１Ｃ、Ｓ１２Ｃ、Ｓ１ＮＣにおいてフュージョンセンタ１Ｃが、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＩＩデータ）を集約する手法、および、ステップＳ２３においてフュージョンセンタ１Ｃが、測位対象１Ｄから発せられた検出対象パラメータ（電波）の検出結果を示す情報（ＲＳＩＩデータ）を集約する手法として、ＰｈｙＣ－ＳＮが用いられる。
【0045】
第１実施形態の位置推定システム１の第２例では、位置推定システム１が、図１に示す位置推定システム１と概略同様に構成されている。
上述したように、図１に示す第１実施形態の位置推定システム１の第１例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、第１実施形態の位置推定システム１の第２例では、位置推定システム１が、５個の観測センサ１Ｂ１～１Ｂ５を備えている。
上述したように、図１に示す第１実施形態の位置推定システム１の第１例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、第１実施形態の位置推定システム１の第２例では、位置推定システム１が、５個の観測センサ１Ｂ１～１Ｂ５を備えている。
【0046】
第１実施形態の位置推定システム１の第２例では、観測センサ１Ｂ１～１Ｂ５が、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。
フュージョンセンタ（ＦＣ）１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（図７に示す例では、「ＲＳＳＩデータ」）を集約する。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（図７に示す例では、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」…）をデータベース１Ｃ１に記録する。
フュージョンセンタ（ＦＣ）１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（図７に示す例では、「ＲＳＳＩデータ」）を集約する。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（図７に示す例では、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」…）をデータベース１Ｃ１に記録する。
【0047】
図７は第１実施形態の位置推定システム１の第２例におけるフュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
図７に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－７８［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８０［ｄＢｍ］になる。
図７に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－７８［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８０［ｄＢｍ］になる。
【0048】
また、図７に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８３［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８４［ｄＢｍ］になる。
【0049】
更に、図７に示す例では、位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象（観測点）１Ｄが発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４４［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５５［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６０［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８３［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８４［ｄＢｍ］になる。
【0050】
図７に示す例では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（つまり、「測位対象１Ｄの観測情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（ＲＳＩＩデータ）の集約結果（つまり、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（つまり、「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とに基づいて、図２７に示す位置指紋法を用いることにより、測位対象１Ｄの位置を推定する。
【0051】
例えば、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において観測センサ１Ｂ１～１Ｂ５によって検出された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の強度分布（図７に示す「事前学習点１Ａ１の事前情報」のグラフの強度分布、「事前学習点１Ａ２の事前情報」のグラフの強度分布など）と、位置推定システム１の推定段階において観測センサ１Ｂ１～１Ｂ５によって検出された測位対象１Ｄから発せられた電波の強度分布（図７に示す「測位対象（観測点）１Ｄの観測情報」のグラフの強度分布）との類似度に基づいて、測位対象１Ｄの位置を推定する。
【0052】
具体的には、フュージョンセンタ１Ｃが、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ２によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ３によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ４によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ５によって検出された事前学習点１Ａ１から発せられた電波の強度とを昇順（つまり、小さい順）に並べた系列「－８０［ｄＢｍ］→－７８［ｄＢｍ］→－６４［ｄＢｍ］→－５０［ｄＢｍ］→－４５［ｄＢｍ］」、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ２によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ３によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ４によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ５によって検出された事前学習点１Ａ２から発せられた電波の強度とを昇順（つまり、小さい順）に並べた系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」等と、位置推定システム１の推定段階において観測センサ１Ｂ１によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ２によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ３によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ４によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ５によって検出された測位対象１Ｄから発せられた電波の強度とを昇順に並べた系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」との差分に基づくベクトル距離計算結果により、測位対象１Ｄの位置を推定する。
【0053】
図８は第１実施形態の位置推定システム１の第２例においてフュージョンセンタ１Ｃが、図７に示す事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列とを比較し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列とを比較する具体例を説明するための図である。
図７および図８に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ１に関する系列「－８０［ｄＢｍ］→－７８［ｄＢｍ］→－６４［ｄＢｍ］→－５０［ｄＢｍ］→－４５［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ１に関する系列「－８０［ｄＢｍ］→－７８［ｄＢｍ］→－６４［ｄＢｍ］→－５０［ｄＢｍ］→－４５［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図７および図８に示す例では、事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列との差分が比較的大きいため、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ１の位置に概略一致すると推定しない。
図７および図８に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ１に関する系列「－８０［ｄＢｍ］→－７８［ｄＢｍ］→－６４［ｄＢｍ］→－５０［ｄＢｍ］→－４５［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ１に関する系列「－８０［ｄＢｍ］→－７８［ｄＢｍ］→－６４［ｄＢｍ］→－５０［ｄＢｍ］→－４５［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図７および図８に示す例では、事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列との差分が比較的大きいため、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ１の位置に概略一致すると推定しない。
【0054】
また、図７および図８に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ２に関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ２に関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図７および図８に示す例では、事前学習点１Ａ２に関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」とが一致し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分がゼロになる。そのため、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分（ゼロ）に基づくベクトル距離計算結果がゼロになる。
その結果、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ２の位置に概略一致すると推定する。
図７および図８に関する上述した説明では、位置推定システム１の学習段階における情報集約（ＰｈｙＣ－ＳＮ）において情報欠落が生じていない。一方、場合によっては、位置推定システム１の学習段階における情報集約（ＰｈｙＣ－ＳＮ）において情報欠落が生じることがある。例えば上述したように、３つの観測センサが同じ情報を送信した場合、シングルレベル検出ではいるいないのｏｎ／ｏｆｆ判定となるため、１つの観測センサのみが送ったと認識するため、２つの観測センサ情報が失われる。情報欠落が生じると、上述した系列の長さが変わる。
例えば、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ１から発せられた電波の強度（－７５［ｄＢｍ］）を示す情報（検出結果を示す情報）と、観測センサ１Ｂ２によって検出された事前学習点１Ａ１から発せられた電波の強度（－８５［ｄＢｍ］）を示す情報（検出結果を示す情報）と、観測センサ１Ｂ３によって検出された事前学習点１Ａ１から発せられた電波の強度（－８５［ｄＢｍ］）を示す情報（検出結果を示す情報）とが、データ「－７５ｄＢｍ－８５ｄＢｍ－８５ｄＢｍ」として、観測センサ１Ｂ１～１Ｂ３からフュージョンセンタ１Ｃに同時に送信されると、観測センサ１Ｂ２の検出結果（－８５［ｄＢｍ］）を示す情報と観測センサ１Ｂ３の検出結果（－８５［ｄＢｍ］）を示す情報とが同一であるため、情報欠落が生じる。上述したシングルレベル検出を想定すれば、検出したデータは「－７５ｄＢｍ－８５ｄＢｍ」となり、１つのデータ「－８５ｄＢｍ」が欠落する。
このことは、位置推定システム１の学習段階のみならず、位置推定システム１の推定段階においても生じる。そのため、ベクトル距離計算を行う際には、降順に並べた系列を作成したあと、高い方から差分計算を行う。そして、余ったデータは削除する（差分計算をしない）。
具体的には、位置推定システム１の学習段階においてフュージョンセンタ１Ｃに同時に送信されるデータが「－７５ｄＢｍ－８５ｄＢｍ－８５ｄＢｍ」であり、位置推定システム１の推定段階においてフュージョンセンタ１Ｃに同時に送信されるデータが「－７５ｄＢｍ－８５ｄＢｍ」である場合、位置推定システム１の学習段階におけるデータ「８５ｄＢｍ」が削除され、ベクトル距離計算において、（（－７５ｄＢｍ）－（－７５ｄＢｍ））２＋（（－８５ｄＢｍ）－（－８５ｄＢｍ））２の計算が行われる。
図７および図８に示す例では、事前学習点１Ａ２に関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－８４［ｄＢｍ］→－８３［ｄＢｍ］→－６０［ｄＢｍ］→－５５［ｄＢｍ］→－４４［ｄＢｍ］」とが一致し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分がゼロになる。そのため、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分（ゼロ）に基づくベクトル距離計算結果がゼロになる。
その結果、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ２の位置に概略一致すると推定する。
図７および図８に関する上述した説明では、位置推定システム１の学習段階における情報集約（ＰｈｙＣ－ＳＮ）において情報欠落が生じていない。一方、場合によっては、位置推定システム１の学習段階における情報集約（ＰｈｙＣ－ＳＮ）において情報欠落が生じることがある。例えば上述したように、３つの観測センサが同じ情報を送信した場合、シングルレベル検出ではいるいないのｏｎ／ｏｆｆ判定となるため、１つの観測センサのみが送ったと認識するため、２つの観測センサ情報が失われる。情報欠落が生じると、上述した系列の長さが変わる。
例えば、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ１から発せられた電波の強度（－７５［ｄＢｍ］）を示す情報（検出結果を示す情報）と、観測センサ１Ｂ２によって検出された事前学習点１Ａ１から発せられた電波の強度（－８５［ｄＢｍ］）を示す情報（検出結果を示す情報）と、観測センサ１Ｂ３によって検出された事前学習点１Ａ１から発せられた電波の強度（－８５［ｄＢｍ］）を示す情報（検出結果を示す情報）とが、データ「－７５ｄＢｍ－８５ｄＢｍ－８５ｄＢｍ」として、観測センサ１Ｂ１～１Ｂ３からフュージョンセンタ１Ｃに同時に送信されると、観測センサ１Ｂ２の検出結果（－８５［ｄＢｍ］）を示す情報と観測センサ１Ｂ３の検出結果（－８５［ｄＢｍ］）を示す情報とが同一であるため、情報欠落が生じる。上述したシングルレベル検出を想定すれば、検出したデータは「－７５ｄＢｍ－８５ｄＢｍ」となり、１つのデータ「－８５ｄＢｍ」が欠落する。
このことは、位置推定システム１の学習段階のみならず、位置推定システム１の推定段階においても生じる。そのため、ベクトル距離計算を行う際には、降順に並べた系列を作成したあと、高い方から差分計算を行う。そして、余ったデータは削除する（差分計算をしない）。
具体的には、位置推定システム１の学習段階においてフュージョンセンタ１Ｃに同時に送信されるデータが「－７５ｄＢｍ－８５ｄＢｍ－８５ｄＢｍ」であり、位置推定システム１の推定段階においてフュージョンセンタ１Ｃに同時に送信されるデータが「－７５ｄＢｍ－８５ｄＢｍ」である場合、位置推定システム１の学習段階におけるデータ「８５ｄＢｍ」が削除され、ベクトル距離計算において、（（－７５ｄＢｍ）－（－７５ｄＢｍ））２＋（（－８５ｄＢｍ）－（－８５ｄＢｍ））２の計算が行われる。
【0055】
第１実施形態の位置推定システム１の第３例では、位置推定システム１が、図１に示す位置推定システム１と概略同様に構成されている。
上述したように、図１に示す第１実施形態の位置推定システム１の第１例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、第１実施形態の位置推定システム１の第３例では、位置推定システム１が、５個の観測センサ１Ｂ１～１Ｂ５を備えている。
上述したように、図１に示す第１実施形態の位置推定システム１の第１例では、位置推定システム１が、９個の観測センサ１Ｂ１～１Ｂ９を備えているが、第１実施形態の位置推定システム１の第３例では、位置推定システム１が、５個の観測センサ１Ｂ１～１Ｂ５を備えている。
【0056】
第１実施形態の位置推定システム１の第３例では、観測センサ１Ｂ１～１Ｂ５が、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。
フュージョンセンタ（ＦＣ）１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（図９に示す例では、「ＲＳＳＩデータ」）を集約する。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（図９に示す例では、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」…）をデータベース１Ｃ１に記録する。
フュージョンセンタ（ＦＣ）１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（図９に示す例では、「ＲＳＳＩデータ」）を集約する。
また、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（図９に示す例では、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」…）をデータベース１Ｃ１に記録する。
【0057】
図９は第１実施形態の位置推定システム１の第３例におけるフュージョンセンタ１Ｃによる測位対象１Ｄの位置の推定手法を説明するための図である。
図９に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－７８［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８０［ｄＢｍ］になる。
図９に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－７８［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ１が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８０［ｄＢｍ］になる。
【0058】
また、図９に示す例では、位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４４［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５５［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６０［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８３［ｄＢｍ］になる。位置推定システム１の学習段階に、観測センサ１Ｂ１～１Ｂ５のうちの、事前学習点１Ａ２が発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８４［ｄＢｍ］になる。
【0059】
更に、図９に示す例では、位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象（観測点）１Ｄが発した電波を最も強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－４４［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を２番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－５５［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を３番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－６０［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を４番目に強いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８３［ｄＢｍ］になる。位置推定システム１の推定段階に、観測センサ１Ｂ１～１Ｂ５のうちの、測位対象１Ｄが発した電波を最も弱いＲＳＳＩ値で検出した観測センサのＲＳＳＩ値が、約－８４［ｄＢｍ］になる。
【0060】
図９に示す例では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報の集約結果（つまり、「測位対象１Ｄの観測情報」）と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ５による検出結果を示す情報（ＲＳＩＩデータ）の集約結果（つまり、「事前学習点１Ａ１の事前情報」、「事前学習点１Ａ２の事前情報」、…、「事前学習点１ＡＮの事前情報」）と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報（つまり、「事前学習点１Ａ１の位置座標」、「事前学習点１Ａ２の位置座標」、…、「事前学習点１ＡＮの位置座標」）とに基づいて、図２７に示す位置指紋法を用いることにより、測位対象１Ｄの位置を推定する。
【0061】
例えば、フュージョンセンタ１Ｃは、位置推定システム１の学習段階において観測センサ１Ｂ１～１Ｂ５によって検出された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の強度分布（図９に示す「事前学習点１Ａ１の事前情報」のグラフの強度分布、「事前学習点１Ａ２の事前情報」のグラフの強度分布など）と、位置推定システム１の推定段階において観測センサ１Ｂ１～１Ｂ５によって検出された測位対象１Ｄから発せられた電波の強度分布（図９に示す「測位対象１Ｄの観測情報」のグラフの強度分布）との類似度に基づいて、測位対象１Ｄの位置を推定する。
【0062】
具体的には、フュージョンセンタ１Ｃが、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ２によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ３によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ４によって検出された事前学習点１Ａ１から発せられた電波の強度と、観測センサ１Ｂ５によって検出された事前学習点１Ａ１から発せられた電波の強度とを降順（つまり、大きい順）に並べた系列「－４５［ｄＢｍ］→－５０［ｄＢｍ］→－６４［ｄＢｍ］→－７８［ｄＢｍ］→－８０［ｄＢｍ］」、位置推定システム１の学習段階において観測センサ１Ｂ１によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ２によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ３によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ４によって検出された事前学習点１Ａ２から発せられた電波の強度と、観測センサ１Ｂ５によって検出された事前学習点１Ａ２から発せられた電波の強度とを降順（つまり、大きい順）に並べた系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」等と、位置推定システム１の推定段階において観測センサ１Ｂ１によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ２によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ３によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ４によって検出された測位対象１Ｄから発せられた電波の強度と、観測センサ１Ｂ５によって検出された測位対象１Ｄから発せられた電波の強度とを降順に並べた系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」との差分に基づくベクトル距離計算結果により、測位対象１Ｄの位置を推定する。
【0063】
図１０は第１実施形態の位置推定システム１の第３例においてフュージョンセンタ１Ｃが、図９に示す事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列とを比較し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列とを比較する具体例を説明するための図である。
図９および図１０に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ１に関する系列「－４５［ｄＢｍ］→－５０［ｄＢｍ］→－６４［ｄＢｍ］→－７８［ｄＢｍ］→－８０［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ１に関する系列「－４５［ｄＢｍ］→－５０［ｄＢｍ］→－６４［ｄＢｍ］→－７８［ｄＢｍ］→－８０［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図９および図１０に示す例では、事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列との差分が比較的大きいため、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ１の位置に概略一致すると推定しない。
図９および図１０に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ１に関する系列「－４５［ｄＢｍ］→－５０［ｄＢｍ］→－６４［ｄＢｍ］→－７８［ｄＢｍ］→－８０［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ１に関する系列「－４５［ｄＢｍ］→－５０［ｄＢｍ］→－６４［ｄＢｍ］→－７８［ｄＢｍ］→－８０［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図９および図１０に示す例では、事前学習点１Ａ１に関する系列と測位対象１Ｄに関する系列との差分が比較的大きいため、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ１の位置に概略一致すると推定しない。
【0064】
また、図９および図１０に示す例では、フュージョンセンタ１Ｃが、事前学習点１Ａ２に関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」とを比較する。また、フュージョンセンタ１Ｃは、事前学習点１Ａ２に関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」との差分を算出する。更に、フュージョンセンタ１Ｃは、その差分に基づくベクトル距離計算を行う。
図９および図１０に示す例では、事前学習点１Ａ２に関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」とが一致し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分がゼロになる。そのため、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分（ゼロ）に基づくベクトル距離計算結果がゼロになる。
その結果、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ２の位置に概略一致すると推定する。
図９および図１０に示す例では、事前学習点１Ａ２に関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」と、測位対象１Ｄに関する系列「－４４［ｄＢｍ］→－５５［ｄＢｍ］→－６０［ｄＢｍ］→－８３［ｄＢｍ］→－８４［ｄＢｍ］」とが一致し、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分がゼロになる。そのため、事前学習点１Ａ２に関する系列と測位対象１Ｄに関する系列との差分（ゼロ）に基づくベクトル距離計算結果がゼロになる。
その結果、フュージョンセンタ１Ｃは、測位対象１Ｄの位置が事前学習点１Ａ２の位置に概略一致すると推定する。
【0065】
図１１は第１実施形態の位置推定システム１の第４例における測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約などを説明するための図である。詳細には、図１１（Ａ）はエリア毎の時間分割が行われない、測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約を示している。図１１（Ｂ）はエリア毎の時間分割が行われる第１実施形態の位置推定システム１の第４例における測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約を示している。
【0066】
図１１（Ｂ）に示す第１実施形態の位置推定システム１の第４例では、図１に示す例と同様に、位置推定システム１が、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ９と、フュージョンセンタ１Ｃと、測位対象（観測点）１Ｄとを備えている。
【0067】
図１１（Ｂ）に示す第１実施形態の位置推定システム１の第４例では、図１に示す例と同様に、測位対象（観測点）１Ｄが、位置推定システム１の推定段階において検出対象パラメータとしての電波を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波を検出する。
図１１（Ｂ）に示す第１実施形態の位置推定システム１の第４例では、観測センサ１Ｂ１、１Ｂ２、１Ｂ３が第１エリアＡＲ１に配置され、観測センサ１Ｂ４、１Ｂ５、１Ｂ６が第２エリアＡＲ２に配置され、観測センサ１Ｂ７、１Ｂ８、１Ｂ９が第３エリアＡＲ３に配置されている。
帯状の第１エリアＡＲ１に含まれる観測センサ１Ｂ１、１Ｂ２、１Ｂ３は、互いに隣接して配置されている。同様に、帯状の第２エリアＡＲ２に含まれる観測センサ１Ｂ４、１Ｂ５、１Ｂ６は、互いに隣接して配置されている。また、帯状の第３エリアＡＲ３に含まれる観測センサ１Ｂ７、１Ｂ８、１Ｂ９は、互いに隣接して配置されている。
図１１（Ｂ）に示す第１実施形態の位置推定システム１の第４例では、観測センサ１Ｂ１、１Ｂ２、１Ｂ３が第１エリアＡＲ１に配置され、観測センサ１Ｂ４、１Ｂ５、１Ｂ６が第２エリアＡＲ２に配置され、観測センサ１Ｂ７、１Ｂ８、１Ｂ９が第３エリアＡＲ３に配置されている。
帯状の第１エリアＡＲ１に含まれる観測センサ１Ｂ１、１Ｂ２、１Ｂ３は、互いに隣接して配置されている。同様に、帯状の第２エリアＡＲ２に含まれる観測センサ１Ｂ４、１Ｂ５、１Ｂ６は、互いに隣接して配置されている。また、帯状の第３エリアＡＲ３に含まれる観測センサ１Ｂ７、１Ｂ８、１Ｂ９は、互いに隣接して配置されている。
【0068】
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１、１Ｂ２、１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の推定段階の時間帯ＴＦ１に集約する。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ１における集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」である。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ１における集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」である。
【0069】
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ４、１Ｂ５、１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の推定段階の時間帯ＴＦ１とは異なる時間帯ＴＦ２に集約する。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ２における集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」である。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ２における集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」である。
【0070】
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ７、１Ｂ８、１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の推定段階の時間帯ＴＦ１および時間帯ＴＦ２とは異なる時間帯ＴＦ３に集約する。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ３における集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」である。
具体的には、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦ３における集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」である。
【0071】
図１２は第１実施形態の位置推定システム１の第４例における事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約、事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報のエリア毎の時間分割による集約などを説明するための図である。詳細には、図１２（Ａ）はエリア毎の時間分割による集約が行われない、測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約、事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約、および、事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約を示している。図１２（Ｂ）はエリア毎の時間分割による集約が行われる第１実施形態の位置推定システム１の第４例における測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約、事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約、および、事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約を示している。
【0072】
図１２（Ｂ）に示す第１実施形態の位置推定システム１の第４例では、図１に示す例と同様に、事前学習点１Ａ１が、位置推定システム１の学習段階において検出対象パラメータとしての電波を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波を検出する。
【0073】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１、１Ｂ２、１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＡに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＡにおける集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＡにおける集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」である。
【0074】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ４、１Ｂ５、１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＢに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＢにおける集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＢにおける集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」である。
【0075】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ７、１Ｂ８、１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＣに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＣにおける集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＣにおける集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」である。
【0076】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１、１Ｂ２、１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＤに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＤにおける集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ１～１Ｂ３による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＤにおける集約結果は、電波のＲＳＳＩ値が約－７０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ３）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ２）の個数が「１」であり、電波のＲＳＳＩ値が約－９０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ１）の個数が「１」である。
【0077】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ４、１Ｂ５、１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＥに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＥにおける集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ４～１Ｂ６による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＥにおける集約結果は、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ６）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ５）の個数が「１」であり、電波のＲＳＳＩ値が約－８０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ４）の個数が「１」である。
【0078】
フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ７、１Ｂ８、１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）を、例えば位置推定システム１の学習段階の時間帯ＴＦＦに集約する。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＦにおける集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」である。
具体的には、位置推定システム１の学習段階において事前学習点１Ａ２から発せられた電波の観測センサ１Ｂ７～１Ｂ９による検出結果を示す情報（ＲＳＳＩデータ）の時間帯ＴＦＦにおける集約結果は、電波のＲＳＳＩ値が約－４０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ９）の個数が「１」であり、電波のＲＳＳＩ値が約－５０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ８）の個数が「１」であり、電波のＲＳＳＩ値が約－６０［ｄＢｍ］になった観測センサ（詳細には、観測センサ１Ｂ７）の個数が「１」である。
【0079】
第１実施形態の位置推定システム１の第４例（図１２（Ｂ）に示す例）では、フュージョンセンタ１Ｃが、測位対象１Ｄの位置を推定するために、図１２に示す測位対象１Ｄの第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの観測情報（集約結果）と、事前学習点１Ａ１の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）、事前学習点１Ａ２の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）などと、データベース１Ｃ１に記録されている事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とを用いる。
【0080】
第１実施形態の位置推定システム１の第４例（図１２（Ｂ）に示す例）では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報（ＲＳＩＩデータ）の集約結果と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、図２７に示す位置指紋法を用いることにより、測位対象１Ｄの位置を推定する。
図１２（Ｂ）に示す例では、フュージョンセンタ１Ｃが、測位対象１Ｄの第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの観測情報（集約結果）と、事前学習点１Ａ１の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）、事前学習点１Ａ２の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）などとの比較計算を行い、測位対象１Ｄの第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの観測情報（集約結果）に最も近い事前学習点１Ａ２の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）を選択し、選択された事前学習点１Ａ２の位置座標を、測位対象１Ｄの位置座標として推定する。
図１２（Ｂ）に示す例では、フュージョンセンタ１Ｃが、測位対象１Ｄの第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの観測情報（集約結果）と、事前学習点１Ａ１の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）、事前学習点１Ａ２の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）などとの比較計算を行い、測位対象１Ｄの第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの観測情報（集約結果）に最も近い事前学習点１Ａ２の第１エリアＡＲ１、第２エリアＡＲ２および第３エリアＡＲ３のそれぞれの事前情報（集約結果）を選択し、選択された事前学習点１Ａ２の位置座標を、測位対象１Ｄの位置座標として推定する。
【0081】
第１実施形態の位置推定システム１の第４例（図１１（Ｂ）および図１２（Ｂ）に示す例）では、エリア毎に時間分割で情報を集約することによって、各エリアのＲＳＳＩ分布を集約することができる。また、エリア分割によって地域の違いを識別することができ、測位精度を向上させることができる。
【0082】
図１３は第１実施形態の位置推定システム１の第５例を示す図である。
図１３に示す例では、位置推定システム１が、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ２０と、フュージョンセンタ１Ｃと、測位対象（観測点）１Ｄとを備えている。
観測センサ１Ｂ１～１Ｂ２０は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報を集約する。
また、観測センサ１Ｂ１～１Ｂ２０は、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波を検出する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報を集約する。また、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報の集約結果と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報の集約結果と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
図１３に示す例では、位置推定システム１が、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ２０と、フュージョンセンタ１Ｃと、測位対象（観測点）１Ｄとを備えている。
観測センサ１Ｂ１～１Ｂ２０は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波を検出する。フュージョンセンタ１Ｃは、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報を集約する。
また、観測センサ１Ｂ１～１Ｂ２０は、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波を検出する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報を集約する。また、フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報の集約結果と、位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた電波の観測センサ１Ｂ１～１Ｂ２０による検出結果を示す情報の集約結果と、例えば位置推定システム１の学習段階においてデータベース１Ｃ１に記録された事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
【0083】
図１４は第１実施形態の位置推定システム１の第５例におけるエリア分割（時間分割）などを説明するための図である。詳細には、図１４（Ａ）はエリアＡＲ１～ＡＲ４のそれぞれが帯状に構成されている例における観測センサ１Ｂ１～１Ｂ２０とエリアＡＲ１～ＡＲ４との関係を示しており、図１４（Ｂ）は第１実施形態の位置推定システム１の第５例における観測センサ１Ｂ１～１Ｂ２０とエリアＡＲ１～ＡＲ４との関係を示している。
図１４（Ｂ）に示す第１実施形態の位置推定システム１の第５例では、観測センサ１Ｂ１、１Ｂ５、１Ｂ９、１Ｂ１３、１Ｂ１７が第１エリアＡＲ１に配置され、観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８が第２エリアＡＲ２に配置され、観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９が第３エリアＡＲ３に配置され、観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０が第４エリアＡＲ４に配置されている。
図１４（Ｂ）に示す第１実施形態の位置推定システム１の第５例では、観測センサ１Ｂ１、１Ｂ５、１Ｂ９、１Ｂ１３、１Ｂ１７が第１エリアＡＲ１に配置され、観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８が第２エリアＡＲ２に配置され、観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９が第３エリアＡＲ３に配置され、観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０が第４エリアＡＲ４に配置されている。
【0084】
第１エリアＡＲ１に含まれる複数の観測センサ１Ｂ１、１Ｂ５、１Ｂ９、１Ｂ１３、１Ｂ１７は、互いに離間して配置されている。また、第１エリアＡＲ１が、互いに離間している複数のエリアによって構成されている。
第２エリアＡＲ２に含まれる複数の観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８は、互いに離間して配置されている。また、第２エリアＡＲ２が、互いに離間している複数のエリアによって構成されている。
第３エリアＡＲ３に含まれる複数の観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９は、互いに離間して配置されている。また、第３エリアＡＲ３が、互いに離間している複数のエリアによって構成されている。
第４エリアＡＲ４に含まれる複数の観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０は、互いに離間して配置されている。また、第４エリアＡＲ４が、互いに離間している複数のエリアによって構成されている。
第２エリアＡＲ２に含まれる複数の観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８は、互いに離間して配置されている。また、第２エリアＡＲ２が、互いに離間している複数のエリアによって構成されている。
第３エリアＡＲ３に含まれる複数の観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９は、互いに離間して配置されている。また、第３エリアＡＲ３が、互いに離間している複数のエリアによって構成されている。
第４エリアＡＲ４に含まれる複数の観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０は、互いに離間して配置されている。また、第４エリアＡＲ４が、互いに離間している複数のエリアによって構成されている。
【0085】
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ１、１Ｂ５、１Ｂ９、１Ｂ１３、１Ｂ１７による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１とは異なる時間帯ＴＦ２に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１および時間帯ＴＦ２とは異なる時間帯ＴＦ３に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１、時間帯ＴＦ２および時間帯ＴＦ３とは異なる時間帯ＴＦ４に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ２、１Ｂ６、１Ｂ１０、１Ｂ１４、１Ｂ１８による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１とは異なる時間帯ＴＦ２に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ３、１Ｂ７、１Ｂ１１、１Ｂ１５、１Ｂ１９による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１および時間帯ＴＦ２とは異なる時間帯ＴＦ３に集約する。
フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた電波の観測センサ１Ｂ４、１Ｂ８、１Ｂ１２、１Ｂ１６、１Ｂ２０による検出結果を示す情報を、例えば位置推定システム１の推定段階の時間帯ＴＦ１、時間帯ＴＦ２および時間帯ＴＦ３とは異なる時間帯ＴＦ４に集約する。
【0086】
図１５は第１実施形態の位置推定システム１の第６例を示す図である。
図１５に示す例では、位置推定システム１が、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ９と、フュージョンセンタ１Ｃと、測位対象（観測点）１Ｄとを備えている。
フュージョンセンタ１Ｃは、データベース１Ｃ１と、ヒストグラム化計算部１Ｃ２と、バタチャリヤ距離算出部１Ｃ３とを備えている。
ヒストグラム化計算部１Ｃ２は、位置推定システム１の学習段階において学習段階ヒストグラム（図１６（Ａ）参照）を生成し、位置推定システム１の推定段階において推定段階ヒストグラム（図１６（Ｃ）参照）を生成する。
具体的には、位置推定システム１の学習段階または位置推定システム１の推定段階においてヒストグラムを生成する場合には、情報集約（ＰｈｙＣ－ＳＮ）によって例えば「－８３ｄＢｍ－７９ｄＢｍ－７８ｄＢｍ－７０ｄＢｍ」のデータが取得される。
ヒストグラムの計算が行われるときには、例えば「３ｄＢ間隔」などのビンの間隔が設定される。例えば、「－６８．５ｄＢｍ～－７１．４Ｂｍ」に頻度値「１」が設定され、「－７１．５ｄＢｍ～－７４．４Ｂｍ」に頻度値「０」が設定され、「－７４．５ｄＢｍ～－７７．４Ｂｍ」に頻度値「０」が設定され、「－７７．５ｄＢｍ～－８０．４Ｂｍ」に頻度値「２」が設定され、「－８０．５ｄＢｍ～－８３．４Ｂｍ」に頻度値「１」が設定される。
上述したような情報の欠落が生じる場合であっても、バタチャリヤ距離が用いられる例では、頻度値が変わるだけで、計算方法に変更はない。
図１５に示す例では、位置推定システム１が、事前学習点１Ａ１、１Ａ２、…、１ＡＮと、観測センサ１Ｂ１～１Ｂ９と、フュージョンセンタ１Ｃと、測位対象（観測点）１Ｄとを備えている。
フュージョンセンタ１Ｃは、データベース１Ｃ１と、ヒストグラム化計算部１Ｃ２と、バタチャリヤ距離算出部１Ｃ３とを備えている。
ヒストグラム化計算部１Ｃ２は、位置推定システム１の学習段階において学習段階ヒストグラム（図１６（Ａ）参照）を生成し、位置推定システム１の推定段階において推定段階ヒストグラム（図１６（Ｃ）参照）を生成する。
具体的には、位置推定システム１の学習段階または位置推定システム１の推定段階においてヒストグラムを生成する場合には、情報集約（ＰｈｙＣ－ＳＮ）によって例えば「－８３ｄＢｍ－７９ｄＢｍ－７８ｄＢｍ－７０ｄＢｍ」のデータが取得される。
ヒストグラムの計算が行われるときには、例えば「３ｄＢ間隔」などのビンの間隔が設定される。例えば、「－６８．５ｄＢｍ～－７１．４Ｂｍ」に頻度値「１」が設定され、「－７１．５ｄＢｍ～－７４．４Ｂｍ」に頻度値「０」が設定され、「－７４．５ｄＢｍ～－７７．４Ｂｍ」に頻度値「０」が設定され、「－７７．５ｄＢｍ～－８０．４Ｂｍ」に頻度値「２」が設定され、「－８０．５ｄＢｍ～－８３．４Ｂｍ」に頻度値「１」が設定される。
上述したような情報の欠落が生じる場合であっても、バタチャリヤ距離が用いられる例では、頻度値が変わるだけで、計算方法に変更はない。
【0087】
図１６はヒストグラム化計算部１Ｃ２によって生成される学習段階ヒストグラム、推定段階ヒストグラム等の一例を示す図である。
詳細には、図１６（Ｂ）は位置推定システム１の学習段階において事前学習点１Ａ１（図１６（Ｂ）には図示せず）から発せられた検出対象パラメータ（電波）の強度分布を示している。図１６（Ａ）は位置推定システム１の学習段階において事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）を示す情報である学習段階ヒストグラム（詳細には、ＲＳＳＩデータをヒストグラム化したもの）を示している。
図１６（Ｄ）は位置推定システム１の推定段階において測位対象（観測点）１Ｄ（図１６（Ｄ）には図示せず）から発せられた検出対象パラメータ（電波）の強度分布を示している。図１６（Ｃ）は位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータ（電波）の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）を示す情報である推定段階ヒストグラム（詳細には、ＲＳＳＩデータをヒストグラム化したもの）を示している。
詳細には、図１６（Ｂ）は位置推定システム１の学習段階において事前学習点１Ａ１（図１６（Ｂ）には図示せず）から発せられた検出対象パラメータ（電波）の強度分布を示している。図１６（Ａ）は位置推定システム１の学習段階において事前学習点１Ａ１から発せられた検出対象パラメータ（電波）の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）を示す情報である学習段階ヒストグラム（詳細には、ＲＳＳＩデータをヒストグラム化したもの）を示している。
図１６（Ｄ）は位置推定システム１の推定段階において測位対象（観測点）１Ｄ（図１６（Ｄ）には図示せず）から発せられた検出対象パラメータ（電波）の強度分布を示している。図１６（Ｃ）は位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータ（電波）の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）を示す情報である推定段階ヒストグラム（詳細には、ＲＳＳＩデータをヒストグラム化したもの）を示している。
【0088】
図１６に示す例では、ヒストグラム化計算部１Ｃ２は、位置推定システム１の学習段階に事前学習点１Ａ１から発せられた電波の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）に基づいて、図１６（Ａ）に示す学習段階ヒストグラムを生成する。つまり、ヒストグラム化計算部１Ｃ２によって生成される学習段階ヒストグラムは、位置推定システム１の学習段階に事前学習点１Ａ１から発せられた電波の広がり（電波の強度分布）に対応している。
また、ヒストグラム化計算部１Ｃ２は、位置推定システム１の推定段階に測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）に基づいて、図１６（Ｃ）に示す推定段階ヒストグラムを生成する。つまり、ヒストグラム化計算部１Ｃ２によって生成される推定段階ヒストグラムは、位置推定システム１の推定段階に測位対象１Ｄから発せられた電波の広がり（電波の強度分布）に対応している。
また、ヒストグラム化計算部１Ｃ２は、位置推定システム１の推定段階に測位対象１Ｄから発せられた電波の観測センサ１Ｂ１～１Ｂ９のそれぞれによる検出結果（ＲＳＳＩ値）に基づいて、図１６（Ｃ）に示す推定段階ヒストグラムを生成する。つまり、ヒストグラム化計算部１Ｃ２によって生成される推定段階ヒストグラムは、位置推定システム１の推定段階に測位対象１Ｄから発せられた電波の広がり（電波の強度分布）に対応している。
【0089】
図１５に示す例では、バタチャリヤ距離算出部１Ｃ３は、ヒストグラム化計算部１Ｃ２によって生成された学習段階ヒストグラム（図１６（Ａ）参照）と推定段階ヒストグラム（図１６（Ｃ）参照）との類似性を示すバタチャリヤ距離ＢＤ（Ｈ１，Ｈ２）を算出する。バタチャリヤ距離算出部１Ｃ３によって算出されるバタチャリヤ距離ＢＤ（Ｈ１，Ｈ２）は、例えば下記の（１）式によって表される。（１）式において、Ｈ１は１つ目のヒストグラムを示しており、Ｈ２は２つ目のヒストグラムを示しており、Ｈ１（Ｉ）はＩのときのヒストグラム値Ｈ１を示しており、Ｈ２（Ｉ）はＩのときのヒストグラム値Ｈ２を示している。ヒストグラムとしては、正規化したものが用いられる。
【0090】
【数1】
【0091】
図１５に示す例では、フュージョンセンタ１Ｃが、バタチャリヤ距離算出部１Ｃ３によって算出されたバタチャリヤ距離ＢＤ（Ｈ１，Ｈ２）と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
第１実施形態の位置推定システム１の第６例では、集約したＲＳＳＩの値の大きさを考慮することができる。また、電波の広がりを示す等高線の違いをヒストグラムで表現することができ、面的な広がりの違いを１次元で表現することができる。
第１実施形態の位置推定システム１の第６例では、集約したＲＳＳＩの値の大きさを考慮することができる。また、電波の広がりを示す等高線の違いをヒストグラムで表現することができ、面的な広がりの違いを１次元で表現することができる。
【0092】
［実施例］
本発明者等は、第１実施形態の位置推定システム１について、レイトレーシングを用いてシミュレーションによる評価を行った。
本発明者等は、第１実施形態の位置推定システム１について、レイトレーシングを用いてシミュレーションによる評価を行った。
【0093】
図１７および図１８はシミュレーション諸元を示す図である。
環境は８００ｍ×８００ｍの都市空間を作成した。この環境に観測センサを１３６個（図１７参照）、事前学習点を３７点（図１８参照）配置した。それぞれの配置間隔は、観測センサは約５０ｍ間隔、事前学習点は約１００ｍ間隔とした。図１８に示すように、測位対象（観測点）は、事前学習点の中で近くにある２点を選び、その２点をつなぐように２０ｍ間隔で配置した。これを５箇所作成した。事前学習点と観測点から送られる電波はＬＰＷＡのＬｏＲａ（登録商標）を想定している。
今回シミュレーションにて評価したことは２つある。１つ目は分割数、２つ目は分割方法である。１つ目は単純に何分割することでよい精度を得られるかを求め、２つ目では２つの分割方法について比較評価した。評価方法については観測点（測位対象）の実際の位置と推定した位置との距離（図１９の横軸）についての累積分布（ＣＤＦ）（図１９の縦軸）で評価した。
環境は８００ｍ×８００ｍの都市空間を作成した。この環境に観測センサを１３６個（図１７参照）、事前学習点を３７点（図１８参照）配置した。それぞれの配置間隔は、観測センサは約５０ｍ間隔、事前学習点は約１００ｍ間隔とした。図１８に示すように、測位対象（観測点）は、事前学習点の中で近くにある２点を選び、その２点をつなぐように２０ｍ間隔で配置した。これを５箇所作成した。事前学習点と観測点から送られる電波はＬＰＷＡのＬｏＲａ（登録商標）を想定している。
今回シミュレーションにて評価したことは２つある。１つ目は分割数、２つ目は分割方法である。１つ目は単純に何分割することでよい精度を得られるかを求め、２つ目では２つの分割方法について比較評価した。評価方法については観測点（測位対象）の実際の位置と推定した位置との距離（図１９の横軸）についての累積分布（ＣＤＦ）（図１９の縦軸）で評価した。
【0094】
後述するシミュレーション結果において、「理想」は位置推定した結果１番近くの点を選んだ時の結果を示している。
「従来法」は本発明の位置推定システムおよび位置推定方法が適用されていない手法（つまり、従来の位置指紋法）の結果を示している。集約にかかる時間スロット数は１３６である。
「提案法 エリア分割なし」は第１実施形態の位置推定システム１の第１例～第３例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用した手法）の結果を示している。集約にかかる時間スロット数は１である。
「提案法 エリア４分割 バラバラ」は第１実施形態の位置推定システム１の第５例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ｂ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。
「提案法 エリア４分割 帯状」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。
「従来法」は本発明の位置推定システムおよび位置推定方法が適用されていない手法（つまり、従来の位置指紋法）の結果を示している。集約にかかる時間スロット数は１３６である。
「提案法 エリア分割なし」は第１実施形態の位置推定システム１の第１例～第３例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用した手法）の結果を示している。集約にかかる時間スロット数は１である。
「提案法 エリア４分割 バラバラ」は第１実施形態の位置推定システム１の第５例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ｂ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。
「提案法 エリア４分割 帯状」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。
【0095】
図１９はシミュレーション結果を示す図である。図１９において、横軸は観測点（測位対象１Ｄ）と推定点（測位対象１Ｄの推定位置）との距離を示しており、縦軸はＣＤＦ（累積分布）を示している。
エリア分割を行うことで、従来法に近い精度を実現できることがわかった。エリア分割については、図１４（Ａ）に示す例のように帯状に分割する（換言すれば、帯状に集約する）ことによって、図１４（Ｂ）に示す例のようにバラバラに分割する場合よりも高い精度を実現できることがわかった。帯状に集約することによって、地域の特色を検出できることがわかった。バラバラに分割する場合には、個々の集約結果の画面的解像度が下がり識別困難になることがわかった。
エリア分割を行うことで、従来法に近い精度を実現できることがわかった。エリア分割については、図１４（Ａ）に示す例のように帯状に分割する（換言すれば、帯状に集約する）ことによって、図１４（Ｂ）に示す例のようにバラバラに分割する場合よりも高い精度を実現できることがわかった。帯状に集約することによって、地域の特色を検出できることがわかった。バラバラに分割する場合には、個々の集約結果の画面的解像度が下がり識別困難になることがわかった。
【0096】
図２０は図１６に示すヒストグラム化計算を行った場合のシミュレーション結果を示す図である。図２０において、横軸は観測点（測位対象１Ｄ）と推定点（測位対象１Ｄの推定位置）との距離を示しており、縦軸はＣＤＦ（累積分布）を示している。
「大きさ順＋４分割」は第１実施形態の位置推定システム１の第２例または第３例と第１実施形態の位置推定システム１の第４例または第５例とを組み合わせたものに相当する手法の結果を示している。
「ヒストグラム＋４分割」は第１実施形態の位置推定システム１の第４例または第５例と第１実施形態の位置推定システム１の第６例とを組み合わせたものに相当する手法の結果を示している。
エリア分割は、図１４（Ａ）または図１４（Ｂ）に示す例のような４分割を行った。ヒストグラムはデータを８分割することによって評価した。
エリア分割を行うことによって精度を向上させることができ、従来法とほぼ同じ精度を実現することができた。
ヒストグラム化計算を行うことによって、一部従来法を超える精度を実現することができた。
「大きさ順＋４分割」は第１実施形態の位置推定システム１の第２例または第３例と第１実施形態の位置推定システム１の第４例または第５例とを組み合わせたものに相当する手法の結果を示している。
「ヒストグラム＋４分割」は第１実施形態の位置推定システム１の第４例または第５例と第１実施形態の位置推定システム１の第６例とを組み合わせたものに相当する手法の結果を示している。
エリア分割は、図１４（Ａ）または図１４（Ｂ）に示す例のような４分割を行った。ヒストグラムはデータを８分割することによって評価した。
エリア分割を行うことによって精度を向上させることができ、従来法とほぼ同じ精度を実現することができた。
ヒストグラム化計算を行うことによって、一部従来法を超える精度を実現することができた。
【0097】
また、本発明者等は、第１実施形態の位置推定システム１について実機試験を行った。
図２１は実機試験の考え方を説明するための図である。実機試験では、ＬＰＷＡの通信によるＲＳＳＩ値をセンサ情報として利用した。電波の対称性を考慮し、各センサから得たＲＳＳＩをセンサで受信したＲＳＳＩとした。つまり、「観測センサ→集約局（フュージョンセンタ）」のＲＳＳＩ値と「集約局→観測センサ」のＲＳＳＩ値とは同じであると仮定した。センサ情報の集約は理想的であると想定した。
図２２は実機試験に使用した機器を示す図である。実機試験では、集約局としてDragino社製LoRaWANゲートウェイ（LPS8-JP）を使用し、送信端末としてDragino社製（LHT65）を使用した。
図２３は実機試験におけるセンサ（観測センサ１Ｂ１、１Ｂ２、…）の配置などを示す図である。
図２４は実機試験における学習データ測定点（事前学習点１Ａ１～１ＡＮ）および観測データ測定点（測位対象１Ｄ）の配置を示す図である。
図２１は実機試験の考え方を説明するための図である。実機試験では、ＬＰＷＡの通信によるＲＳＳＩ値をセンサ情報として利用した。電波の対称性を考慮し、各センサから得たＲＳＳＩをセンサで受信したＲＳＳＩとした。つまり、「観測センサ→集約局（フュージョンセンタ）」のＲＳＳＩ値と「集約局→観測センサ」のＲＳＳＩ値とは同じであると仮定した。センサ情報の集約は理想的であると想定した。
図２２は実機試験に使用した機器を示す図である。実機試験では、集約局としてDragino社製LoRaWANゲートウェイ（LPS8-JP）を使用し、送信端末としてDragino社製（LHT65）を使用した。
図２３は実機試験におけるセンサ（観測センサ１Ｂ１、１Ｂ２、…）の配置などを示す図である。
図２４は実機試験における学習データ測定点（事前学習点１Ａ１～１ＡＮ）および観測データ測定点（測位対象１Ｄ）の配置を示す図である。
【0098】
図２５は実機試験の結果を比較して示した図である。図２５において、横軸は観測点（測位対象１Ｄ）と推定点（測位対象１Ｄの推定位置）との距離を示しており、縦軸はＣＤＦ（累積分布）を示している。「理想」、「従来法」、「提案法 エリア分割なし」および「提案法 エリア４分割 帯状」の定義は、上述した定義と同様である。
「提案法 エリア分割なし」および「提案法 エリア４分割 帯状」では、「従来法」と同等もしくはそれ以上の結果が得られた。事前点（事前学習点１Ａ１～１ＡＮ）の間隔１０ｍに対し１０ｍ以下で５０％の精度が得られた。
「提案法 エリア分割なし」および「提案法 エリア４分割 帯状」では、「理想」との差が確認された。センサ（観測センサ１Ｂ１～１Ｂ２０）の数を増やすことによって、その差を小さくすることができると考えられる。
「提案法 エリア分割なし」および「提案法 エリア４分割 帯状」では、「従来法」と同等もしくはそれ以上の結果が得られた。事前点（事前学習点１Ａ１～１ＡＮ）の間隔１０ｍに対し１０ｍ以下で５０％の精度が得られた。
「提案法 エリア分割なし」および「提案法 エリア４分割 帯状」では、「理想」との差が確認された。センサ（観測センサ１Ｂ１～１Ｂ２０）の数を増やすことによって、その差を小さくすることができると考えられる。
【0099】
図２６は他のシミュレーション結果を示す図である。図２６において、横軸は観測点（測位対象１Ｄ）と推定点（測位対象１Ｄの推定位置）との距離を示しており、縦軸はＣＤＦ（累積分布）を示している。
測定諸元は図１７と図１８と同じである。
図２６において、「理想」は位置推定した結果１番近くの点を選んだ時の結果を示している。
「大きさ順＋４分割」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。（これは図１９の「提案法 エリア４分割 帯状」と同じである。）このうち、ＰｈｙＣ－ＳＮの信号検出にマルチレベル検出を適用し、情報が損失なく受信できた場合である。
「バーコード帯状４分割」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。このうち、ＰｈｙＣ－ＳＮの信号検出にシングルレベル検出を適用した場合である。また、ＰｈｙＣ－ＳＮの送信のため、ＲＳＳＩを５１２段階に分割する量子化が適用されている。
「バーコードバラバラ４分割」は第１実施形態の位置推定システム１の第５例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ｂ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。このうち、ＰｈｙＣ－ＳＮの信号検出にシングルレベル検出を適用した場合である。また、ＰｈｙＣ－ＳＮの送信のため、ＲＳＳＩを５１２段階に分割する量子化が適用されている。
図２６に示すように、「バーコード帯状４分割」は「大きさ順＋４分割」に比べて５％程度の発生確率で測位精度が劣化することがみとめられるが、５％の程度の劣化を許容すれば、同等の精度を達成し、シングルレベル検出を適用が可能になる。
つまり、図２６は、図２８を参照して説明したマルチレベル検出およびシングルレベル検出に関連して、二つの検出器を用いた場合の比較結果を示している。
測定諸元は図１７と図１８と同じである。
図２６において、「理想」は位置推定した結果１番近くの点を選んだ時の結果を示している。
「大きさ順＋４分割」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。（これは図１９の「提案法 エリア４分割 帯状」と同じである。）このうち、ＰｈｙＣ－ＳＮの信号検出にマルチレベル検出を適用し、情報が損失なく受信できた場合である。
「バーコード帯状４分割」は第１実施形態の位置推定システム１の第４例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ａ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。このうち、ＰｈｙＣ－ＳＮの信号検出にシングルレベル検出を適用した場合である。また、ＰｈｙＣ－ＳＮの送信のため、ＲＳＳＩを５１２段階に分割する量子化が適用されている。
「バーコードバラバラ４分割」は第１実施形態の位置推定システム１の第５例に相当する手法（つまり、位置指紋法にＰｈｙＣ－ＳＮを適用したものに、図１４（Ｂ）の分割を更に適用した手法）の結果を示している。集約にかかる時間スロット数は４である。このうち、ＰｈｙＣ－ＳＮの信号検出にシングルレベル検出を適用した場合である。また、ＰｈｙＣ－ＳＮの送信のため、ＲＳＳＩを５１２段階に分割する量子化が適用されている。
図２６に示すように、「バーコード帯状４分割」は「大きさ順＋４分割」に比べて５％程度の発生確率で測位精度が劣化することがみとめられるが、５％の程度の劣化を許容すれば、同等の精度を達成し、シングルレベル検出を適用が可能になる。
つまり、図２６は、図２８を参照して説明したマルチレベル検出およびシングルレベル検出に関連して、二つの検出器を用いた場合の比較結果を示している。
【0100】
第１実施形態の位置推定システム１の適用が期待される領域としては、電波環境監視（違法電波の特定）、周波数共用のための既存システムの利用状況監視（KDDI総研の検討参照）、環境監視（洪水、火災、建物構造物など）、室内測位（衛星が利用できない場所での測位）、つまり、例えば生産現場や商業施設での活用などがある。
【0101】
＜第２実施形態＞
以下、本発明の位置推定システムおよび位置推定方法の第２実施形態について説明する。
第２実施形態の位置推定システム１は、後述する点を除き、上述した第１実施形態の位置推定システム１と同様に構成されている。従って、第２実施形態の位置推定システム１によれば、後述する点を除き、上述した第１実施形態の位置推定システム１と同様の効果を奏することができる。
以下、本発明の位置推定システムおよび位置推定方法の第２実施形態について説明する。
第２実施形態の位置推定システム１は、後述する点を除き、上述した第１実施形態の位置推定システム１と同様に構成されている。従って、第２実施形態の位置推定システム１によれば、後述する点を除き、上述した第１実施形態の位置推定システム１と同様の効果を奏することができる。
【0102】
上述したように、第１実施形態の位置推定システム１では、位置推定システム１の学習段階において、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれが、検出対象パラメータとしての電波を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての電波を検出する。また、位置推定システム１の推定段階において、測位対象１Ｄが、検出対象パラメータとしての電波を発する。観測センサ１Ｂ１～１Ｂ９は、測位対象１Ｄから発せられた検出対象パラメータとしての電波を検出する。フュージョンセンタ１Ｃは、位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータとしての電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての電波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
【0103】
一方、第２実施形態の位置推定システム１では、位置推定システム１の学習段階において、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれが、検出対象パラメータとしての熱を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての熱を検出する。
また、第２実施形態の位置推定システム１では、位置推定システム１の推定段階において、測位対象１Ｄが、検出対象パラメータとしての熱を発する。観測センサ１Ｂ１～１Ｂ９は、測位対象１Ｄから発せられた検出対象パラメータとしての熱を検出する。
更に、第２実施形態の位置推定システム１では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータとしての熱の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての熱の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
また、第２実施形態の位置推定システム１では、位置推定システム１の推定段階において、測位対象１Ｄが、検出対象パラメータとしての熱を発する。観測センサ１Ｂ１～１Ｂ９は、測位対象１Ｄから発せられた検出対象パラメータとしての熱を検出する。
更に、第２実施形態の位置推定システム１では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータとしての熱の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての熱の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
【0104】
＜第３実施形態＞
以下、本発明の位置推定システムおよび位置推定方法の第３実施形態について説明する。
第３実施形態の位置推定システム１は、後述する点を除き、上述した第１実施形態の位置推定システム１と同様に構成されている。従って、第３実施形態の位置推定システム１によれば、後述する点を除き、上述した第１実施形態の位置推定システム１と同様の効果を奏することができる。
以下、本発明の位置推定システムおよび位置推定方法の第３実施形態について説明する。
第３実施形態の位置推定システム１は、後述する点を除き、上述した第１実施形態の位置推定システム１と同様に構成されている。従って、第３実施形態の位置推定システム１によれば、後述する点を除き、上述した第１実施形態の位置推定システム１と同様の効果を奏することができる。
【0105】
第３実施形態の位置推定システム１では、位置推定システム１の学習段階において、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれが、検出対象パラメータとしての音波を発する。観測センサ１Ｂ１～１Ｂ９は、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての音波を検出する。
また、第３実施形態の位置推定システム１では、位置推定システム１の推定段階において、測位対象１Ｄが、検出対象パラメータとしての音波を発する。観測センサ１Ｂ１～１Ｂ９は、測位対象１Ｄから発せられた検出対象パラメータとしての音波を検出する。
更に、第３実施形態の位置推定システム１では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータとしての音波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての音波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
また、第３実施形態の位置推定システム１では、位置推定システム１の推定段階において、測位対象１Ｄが、検出対象パラメータとしての音波を発する。観測センサ１Ｂ１～１Ｂ９は、測位対象１Ｄから発せられた検出対象パラメータとしての音波を検出する。
更に、第３実施形態の位置推定システム１では、フュージョンセンタ１Ｃが、位置推定システム１の推定段階において測位対象１Ｄから発せられた検出対象パラメータとしての音波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、位置推定システム１の学習段階において事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれから発せられた検出対象パラメータとしての音波の観測センサ１Ｂ１～１Ｂ９による検出結果を示す情報の集約結果と、事前学習点１Ａ１、１Ａ２、…、１ＡＮのそれぞれの位置を示す情報とに基づいて、測位対象１Ｄの位置を推定する。
【0106】
以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。上述した各実施形態および各例に記載の構成を組み合わせてもよい。
【0107】
なお、上述した実施形態における位置推定システム１が備える各部の機能全体あるいはその一部は、これらの機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することによって実現しても良い。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶部のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ－ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶部のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含んでも良い。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【符号の説明】
【0108】
１…位置推定システム、１Ａ１～１ＡＮ…事前学習点、１Ｂ１～１Ｂ２０…観測センサ、１Ｃ…フュージョンセンタ（ＦＣ）、１Ｃ１…データベース、１Ｃ２…ヒストグラム化計算部、１Ｃ３…バタチャリヤ距離算出部、１Ｄ…測位対象（観測点）、ＡＲ１、ＡＲ２、ＡＲ３、ＡＲ４…エリア
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】