特開 2024-7217 測位装置、学習装置、測位方法、学習方法、および測位プログラム

(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】P2024007217

(43)【公開日】2024-01-18

(54)【発明の名称】測位装置、学習装置、測位方法、学習方法、および測位プログラム

(51)【国際特許分類】

   G01S 5/02 20100101AFI20240111BHJP

【ＦＩ】

G01S5/02 A

【審査請求】未請求

【請求項の数】9

【出願形態】ＯＬ

(21)【出願番号】P 2022108545

(22)【出願日】2022-07-05

(71)【出願人】

【識別番号】000005119

【氏名又は名称】日立造船株式会社

(71)【出願人】

【識別番号】504143441

【氏名又は名称】国立大学法人 奈良先端科学技術大学院大学

(74)【代理人】

【識別番号】110000338

【氏名又は名称】弁理士法人 ＨＡＲＡＫＥＮＺＯ ＷＯＲＬＤ ＰＡＴＥＮＴ ＆ ＴＲＡＤＥＭＡＲＫ

(72)【発明者】

【氏名】松永 拓也

(72)【発明者】

【氏名】新井 イスマイル

(72)【発明者】

【氏名】垣内 正年

(72)【発明者】

【氏名】遠藤 新

(72)【発明者】

【氏名】藤川 和利

(72)【発明者】

【氏名】新 佑太郎

(72)【発明者】

【氏名】川端 馨

【テーマコード（参考）】

5J062

【Ｆターム（参考）】

5J062AA08

5J062BB05

5J062CC18

5J062FF06

(57)【要約】

【課題】安定した測位結果を得る。
【解決手段】測位装置（１）は、建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定部（１０３）と、推定された前記エリアにおける前記測定地点の位置を推定する位置推定部（１０５）と、を備える。
【選択図】図１

【特許請求の範囲】

【請求項1】

建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定部と、
推定された前記エリアにおける前記測定地点の位置を推定する位置推定部と、を備える測位装置。

【請求項2】

前記エリア推定部は、前記測定地点が存在する可能性のある複数のエリアのそれぞれについて、当該エリアに前記測定地点が存在する確率を推定し、
前記位置推定部は、推定された前記確率が上位の所定数の前記エリアを統合した統合エリアにおける前記測定地点の位置を推定する、請求項１に記載の測位装置。

【請求項3】

前記建屋は、吹き抜けのエリアと、吹き抜けではないエリアとを含む複数階層の建屋であり、
前記測位用のデータには、前記測定地点で測定された気圧を示すデータが含まれており、
前記エリア推定部は、前記測定地点で測定された気圧と所定の基準地点で測定された気圧との差に基づいて、前記測定地点の階層、および当該測定地点が吹き抜けのエリアであるか否かを推定する、請求項１または２に記載の測位装置。

【請求項4】

前記測位用のデータには、前記測定地点で測定されたＬＰＷＡ（Low Power Wide Area-network）の受信信号強度を示すデータが含まれており、
前記エリア推定部は、前記受信信号強度に基づいて、前記測定地点が存在するエリアを推定する、請求項１または２に記載の測位装置。

【請求項5】

建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得部と、
前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習部と、を備える学習装置。

【請求項6】

前記教師データには、前記建屋内の各地点で測定されたＬＰＷＡの受信信号強度を示すデータが含まれており、
ＬＰＷＡの受信信号強度を示す前記データにノイズ成分を付与したデータを用いて教師データを生成する教師データ生成部を備える、請求項５に記載の学習装置。

【請求項7】

１または複数の情報処理装置により実行される測位方法であって、
建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定ステップと、
推定された前記エリアにおける前記測定地点の位置を推定する位置推定ステップと、を含む測位方法。

【請求項8】

１または複数の情報処理装置により実行される学習方法であって、
建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得ステップと、
前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習ステップと、を含む学習方法。

【請求項9】

請求項１に記載の測位装置としてコンピュータを機能させるための測位プログラムであって、前記エリア推定部および前記位置推定部としてコンピュータを機能させるための測位プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、屋内における測位を行う測位装置等に関する。

【背景技術】

【0002】

屋内における測位技術について、従来から様々な研究が進められている。例えば、下記の非特許文献１には、ＢＬＥ（Bluetooth Low Energy、Bluetoothは登録商標）信号がアトリウムを有する建屋における何れのフロアで計測されたものであるかを推定する技術が開示されている。なお、アトリウムとは、屋内に設けた大規模な中庭状の天井の高い空間である。

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】Hongxia Qi etc.、"BLE-based floor positioning method for multi-level atrium spatial environments"、Acta Geodaetica et Geophysica、2021年、56:p.471-p.499

【発明の概要】

【発明が解決しようとする課題】

【0004】

非特許文献１の技術には、無線アクセスポイントを建屋内に多数設ける必要があって、導入コストが嵩むという問題がある。また、建屋の構造や無線アクセスポイントの配置等によっては測位精度が低下することも想定される。また、屋内での他の測位技術として、磁気を利用するものや、デッドレコニング等の手法も知られているが、これらの手法では測位対象の空間が広い場合に測位精度が低下することがある。つまり、これらの手法には測位対象の空間が広いか狭いかによって測位結果が安定しないという問題がある。本発明の一態様は、安定した測位結果を得ることが可能な測位装置等を実現することを目的とする。

【課題を解決するための手段】

【0005】

上記の課題を解決するために、本発明の一態様に係る測位装置は、建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定部と、推定された前記エリアにおける前記測定地点の位置を推定する位置推定部と、を備える。

【0006】

上記の課題を解決するために、本発明の一態様に係る学習装置は、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得部と、前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習部と、を備える。

【0007】

上記の課題を解決するために、本発明の一態様に係る測位方法は、１または複数の情報処理装置により実行される測位方法であって、建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定ステップと、推定された前記エリアにおける前記測定地点の位置を、当該測定地点で測定された磁気に基づいて推定する位置推定ステップと、を含む。

【0008】

上記の課題を解決するために、本発明の一態様に係る学習方法は、１または複数の情報処理装置により実行される学習方法であって、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得ステップと、前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習ステップと、を含む。

【発明の効果】

【0009】

本発明の一態様によれば、安定した測位結果を得ることが可能になる。

【図面の簡単な説明】

【0010】

【図1】本発明の一実施形態に係る測位装置の要部構成の一例を示すブロック図である。

【図2】本発明の一実施形態に係る学習装置の要部構成の一例を示すブロック図である。

【図3】前記測位装置と前記学習装置を含む測位システムの概要を示す図である。

【図4】同じ階層に位置する複数の部屋のそれぞれにおける気圧差のヒストグラムである。

【図5】前記測位装置が実行する処理の一例を示すフローチャートである。

【図6】前記学習装置が実行する処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0011】

〔システム構成〕
本実施形態に係る測位システム５について図３に基づいて説明する。図３は、測位システム５の概要を示す図である。図示のように、測位システム５は、測位装置１と学習装置２と測定機器３とを含む。また、図３には、測位システム５による測位の対象となる建屋Ａの構成についても併せて示している。

【0012】

建屋Ａは、吹き抜けのエリアを含む複数階層の建造物である。具体的には、建屋Ａは第１～第３階層までの３階建ての建造物であり、建屋Ａ内にはＡ１～Ａ６の部屋が設けられている。このうち、部屋Ａ１は第１～第３階層の３つの階層にまたがる吹き抜けの部屋となっている。他の部屋Ａ２～Ａ６のうちＡ２とＡ３は第１階層に、Ａ４は第２階層に、Ａ５とＡ６は第３階層に位置している。また、他の部屋Ａ２～Ａ６には、部屋Ａ１に隣接しているもの（Ａ２、Ａ３、Ａ５、Ａ６）と隣接していないもの（Ａ４）がある。また、部屋Ａ３の上部は、部屋Ａ１の一部となっており、これにより部屋Ａ１における第２階層の部分は、第１階層および第３階層の部分より広くなっている。また、図示は省略しているが、部屋Ａ１内には階段が設けられており、部屋Ａ１内で第１階層から第３階層まで移動できるようになっている。

【0013】

建屋Ａの中（より詳細には部屋Ａ１の中）には人物Ｂが居る。図示のように、人物Ｂは、測位用のデータを測定する測定機器３を所持している。測位装置１は、測定機器３で測定された測位用のデータを取得し、それらのデータを用いて、測位用のデータの測定地点すなわち建屋Ａ内における人物Ｂの位置を測位する。詳細は後述するが、測位には複数種類のデータが用いられる。各種類のデータはそれぞれ別の測定機器で測定するようにしてもよい。また、測定機器３は、測定を主たる機能とするものであってもよいし、他の機能を主たる機能とするものであってもよい。例えば、各種センサを備えたスマートフォン等を測定機器３として用いることもできる。

【0014】

また、詳細は後述するが、測位装置１は、上記の測位を行う際に、まず人物Ｂが居るエリアを推定し、その後、推定したエリアにおける人物Ｂの位置を推定する。例えば、図３の例であれば、測位装置１は、人物Ｂが居るエリアが、部屋Ａ内の第１階層部分であると推定した後、部屋Ａ内の第１階層部分における人物Ｂの位置を推定する。

【0015】

これにより、例えば磁気を利用した測位手法のように、測位対象の空間が広い場合に測位精度が低下する測位手法を用いる場合であっても、安定した測位結果を得ることが可能になる。このエリア推定には、予め機械学習された推定モデルが用いられるが、この推定モデルは学習装置２により生成される。

【0016】

測位システム５は、廃棄物の焼却施設等の各種施設や各種工場等における作業員の安全管理に利用することもできる。例えば、廃棄物の焼却施設等では、焼却炉が配置される炉室が吹き抜けとなっており、その周囲に通風機室や高圧電気室等の炉室と比べて小さな部屋が複数設けられていて、建屋Ａと類似した構成となっている。炉室は一般的な居住スペースとしての部屋と比べて広く、その内部にはグレーチングと呼ばれる格子状の金属構造材が配置されて、各種機材の設置場所およびそれら機材のメンテナンス用通路が形成されている。炉室内にはメンテナンス等のために作業員が立ち入ることがあるが、広大かつ見通しの悪い炉室内で作業員が万一事故にあったり怪我をしたりして動けなくなった場合、その発見に時間を要することが想定される。この点、作業員に測定機器３を所持させておけば、測位システム５により作業員の位置を推定して動けなくなった作業者を検出したり、検出した作業者を速やかに救護したりすることが可能になる。

【0017】

〔測位装置の構成〕
図１に基づいて測位装置１の構成を説明する。図１は、測位装置１の要部構成の一例を示すブロック図である。図示のように、測位装置１は、測位装置１の各部を統括して制御する制御部１０と、測位装置１が使用する各種データを記憶する記憶部１１を備えている。また、測位装置１は、測位装置１が他の装置と通信するための通信部１２、測位装置１に対する各種データの入力を受け付ける入力部１３、および測位装置１が各種データを出力するための出力部１４を備えている。また、制御部１０には、データ取得部１０１、前処理部１０２、エリア推定部１０３、エリア統合部１０４、および位置推定部１０５が含まれている。そして、記憶部１１には、測位用のデータ１１１、推定モデル１１２、および照合用磁気データ１１３が記憶されている。

【0018】

データ取得部１０１は、測位用のデータ１１１を取得する。取得された測位用のデータ１１１は記憶部１１に記憶される。測位用のデータ１１１には、エリア推定部１０３によるエリア推定に使用される各種データと、位置推定部１０５による測位に使用される各種データとが含まれている。これらのデータの詳細は後述する。

【0019】

前処理部１０２は、測位用のデータ１１１に前処理を施し、推定モデル１１２に入力可能なデータとする。前処理の詳細は後述する。なお、データ取得部１０１は、前処理済みのデータを取得してもよく、この場合、前処理部１０２は省略される。

【0020】

エリア推定部１０３は、測位の対象となる建屋内において測位用のデータ１１１を測定した測定地点が存在するエリアを、測位用のデータ１１１を用いて推定する。より詳細には、エリア推定部１０３は、前処理部１０２による前処理後の測位用のデータ１１１を推定モデル１１２に入力することにより得られる出力値に基づいて測定地点が存在するエリアを推定する。推定モデル１１２の詳細は後述する。

【0021】

また、エリア推定部１０３は、測定地点が存在する可能性のある複数のエリアのそれぞれについて、当該エリアに測定地点が存在する確率を推定してもよい。例えば、エリア推定部１０３は、当該確率を出力する推定モデル１１２を用いることにより、当該推定を行うことができる。

【0022】

エリア統合部１０４は、エリア推定部１０３により推定された確率が上位の所定数のエリアを統合して統合エリアとする。例えば、図３の建屋Ａにおいて、測定地点が部屋Ａ１の第１階層部分にある確率が８０％、第１階層の部屋Ａ１外（つまり部屋Ａ２内）にある確率が１５％、第２階層の部屋Ａ１外（つまり部屋Ａ４内）にある確率が５％と推定されたとする。この場合、上記の所定数が２であれば、エリア統合部１０４は、部屋Ａ１の第１階層部分と、部屋Ａ２とを統合したエリア、つまり第１階層の全体を統合エリアとする。

【0023】

位置推定部１０５は、エリア推定部１０３により推定されたエリアにおける測定地点の位置を推定する。また、エリア統合部１０４が統合エリアを生成している場合、位置推定部１０５は、統合エリアにおける測定地点の位置を推定する。詳細は後述するが、例えば、位置推定部１０５は、照合用磁気データ１１３を用いて上記の推定を行ってもよい。

【0024】

以上のように、測位装置１は、建屋内において測位用のデータ１１１を測定した測定地点が存在するエリアを、測位用のデータ１１１を用いて推定するエリア推定部１０３と、エリア推定部１０３により推定されたエリアにおける測定地点の位置を推定する位置推定部１０５と、を備える。

【0025】

上記の構成によれば、建屋内において測定地点が存在するエリアを推定した上で、推定されたエリアにおける測定地点の位置を推定する。これにより、測位対象エリアを絞り込んだ上で測位することができるため、安定した精度で測位を行うことができる。

【0026】

また、上記の構成によれば、実際の測定地点からかけ離れた位置を推定してしまう可能性が低い。このため、測位装置１は、各種施設における作業者の測位にも好適に適用できる。例えば、施設内で不慮の事故等が発生し、作業者の位置を特定して救護する必要が生じ、測位装置１により作業者の位置を測位したとする。この場合に、仮に磁気に基づく位置推定の精度が十分ではなかったとしても、エリアが正しく推定されていれば、推定された位置に対応するエリア内を探索して、作業者を速やかに救護することができる。

【0027】

また、上述のように、エリア推定部１０３は、測定地点が存在する可能性のある複数のエリアのそれぞれについて、当該エリアに測定地点が存在する確率を推定してもよい。この場合、位置推定部１０５は、推定された確率が上位の所定数のエリアを統合した統合エリアにおける測定地点の位置を推定してもよい。

【0028】

測位装置１では、位置推定の前段で行われるエリア推定の結果が誤りであれば、測位結果が実際の測定地点からかけ離れた位置を示すものとなってしまう可能性がある。この点、上記の構成によれば、確率が上位の所定数のエリアを統合した統合エリア内を対象として測位を行うから、測位結果が実際の測定地点からかけ離れた位置を示すものとなる可能性を低減することができる。

【0029】

〔学習装置の構成〕
図２に基づいて学習装置２の構成を説明する。図２は、学習装置２の要部構成の一例を示すブロック図である。図示のように、学習装置２は、学習装置２の各部を統括して制御する制御部２０と、学習装置２が使用する各種データを記憶する記憶部２１を備えている。また、学習装置２は、学習装置２が他の装置と通信するための通信部２２、学習装置２に対する各種データの入力を受け付ける入力部２３、および学習装置２が各種データを出力するための出力部２４を備えている。また、制御部２０には、データ取得部２０１、教師データ生成部２０２、教師データ取得部２０３、および学習部２０４が含まれている。そして、記憶部２１には、学習用のデータ２１１、教師データ２１２、および推定モデル１１２が記憶されている。

【0030】

データ取得部２０１は、学習部２０４の学習に用いられる各種データを取得する。取得されたデータは、学習用のデータ２１１として記憶部２１に記憶される。学習用のデータ２１１は、教師データ２１２の元になるデータである。

【0031】

教師データ生成部２０２は、学習用のデータ２１１を用いて教師データ２１２を生成する。生成された教師データ２１２は記憶部２１に記憶される。なお、教師データ２１２の具体的な生成方法については後述する。

【0032】

教師データ取得部２０３は、学習部２０４が学習に使用する教師データ２１２を取得する。学習装置２は上述のように教師データ生成部２０２を備えており、教師データ生成部２０２が生成する教師データ２１２が記憶部２１に記憶されるから、教師データ取得部２０３は、記憶部２１から教師データ２１２を取得すればよい。学習装置２が教師データ生成部２０２を備えていない場合には、教師データ取得部２０３は、他の装置で生成された教師データ２１２を当該他の装置から取得してもよいし、学習装置２のユーザが入力部２３等を介して入力する教師データ２１２を取得してもよい。

【0033】

学習部２０４は、教師データ２１２を用いた学習により推定モデル１１２を生成する。なお、学習の詳細については後述する。生成された推定モデル１１２は記憶部２１に記憶される。また、生成された推定モデル１１２は、測位装置１に提供される。推定モデル１１２の測位装置１への提供は、例えば通信部２２を介した通信により行われてもよいし、ユーザが手動で行ってもよい。

【0034】

〔気圧差に基づくエリア推定〕
気圧は高さに応じて変動する特性を有しているから、測定した気圧は階層の推定に利用することができる。ただし、気圧は天候等の種々の要因により変動する。このため、エリア推定においては、測定した気圧をそのまま用いるのではなく、測定した気圧と所定の基準地点で測定された気圧との差、すなわち気圧差を用いることが好ましい。具体的には、推定モデル１１２の説明変数の１つに気圧差を含めればよい。

【0035】

また、本願の発明者らの実験の結果、同じ階層に位置する複数の部屋を気圧差によって識別できる可能性があることが分かった。これについて図４に基づいて説明する。図４は、同じ階層に位置する複数の部屋のそれぞれにおける気圧差のヒストグラムである。より詳細には、図４には、廃棄物焼却施設における炉室のある階層内をそれぞれ異なる経路に沿って移動しながら測定した気圧から算出された気圧差の度数分布を示すヒストグラムＤ１およびＤ２を示している。また、図４には、上記階層における炉室以外の１つの部屋内を移動しながら測定した気圧から算出された気圧差の度数分布を示すヒストグラムＤ３を示している。

【0036】

ヒストグラムＤ１およびＤ２の分布が概ね重なっていることから、炉室内における移動経路にかかわらず、気圧差は同様の分布となることが分かる。一方、ヒストグラムＤ３に示される分布と、ヒストグラムＤ１およびＤ２に示される分布との間にはずれが生じている。

【0037】

ヒストグラムＤ１～Ｄ３は、何れも同じ階層で測定された気圧から算出された気圧差の分布を示しているから、上記のずれは階層以外の要因に起因していると考えられる。つまり、図４のヒストグラムＤ１～Ｄ３は、気圧差によって同じ階層に位置する炉室（吹き抜けのエリア）と炉室以外の部屋（吹き抜けではないエリア）とを識別できる可能性があり、また、気圧差によって同じ階層に位置する複数の部屋を識別できる可能性があることを示している。

【0038】

以上のように、測位対象の建屋は、吹き抜けのエリアと、吹き抜けではないエリアとを含む複数階層の建屋であってもよい。この場合、測位用のデータ１１１には、測定地点で測定された気圧を示すデータが含まれていてもよい。そして、エリア推定部１０３は、測定地点で測定された気圧と所定の基準地点で測定された気圧との差に基づいて、測定地点の階層、および当該測定地点が吹き抜けのエリアであるか否かを推定してもよい。

【0039】

上記の構成によれば、測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かについて妥当な推定結果が得られることが期待できる。また、上記の構成によれば、測定された気圧と所定の基準地点で測定された気圧との差に基づいて推定を行っているから、天候等に起因する気圧の変化にかかわらず、安定してエリア推定を行うことができる。

【0040】

また、教師データ取得部２０３が取得する教師データ２１２は、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられたものであってもよい。

【0041】

この場合、学習部２０４は、教師データ２１２を用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデル１１２を生成することができる。

【0042】

〔受信信号強度（ＲＳＳＩ：Received signal strength indication）に基づくエリア推定〕
屋内での測位には、Ｗｉ－Ｆｉ（登録商標。以下同様）やＢＬＥのアクセスポイントなどの無線設備が利用されることがある。このような測位手法は、無線設備を用いた無線通信においては、基地局と端末との距離が離れるにつれ、端末における受信信号強度が減衰する特性があることを利用したものである。当該測位手法においては、端末で測定した、特定のアクセスポイントからの受信信号強度をその端末が存在する地点を示す特徴として用いることにより測位を行う。測位装置１によるエリア推定にもＷｉ－ＦｉやＢＬＥの受信信号強度を利用することができる。

【0043】

また、例えば、廃棄物の焼却施設のような広大な室内空間を有する建屋内でエリア推定を行う場合、測位装置１は、ＬＰＷＡ（Low Power Wide Area-network）の受信信号強度を利用してエリア推定を行ってもよい。具体的には、推定モデル１１２の説明変数の１つにＬＰＷＡの受信信号強度を含めればよい。

【0044】

ＬＰＷＡは、Ｗｉ－ＦｉやＢＬＥよりも長距離の通信で利用される無線通信規格である。Ｗｉ－ＦｉやＢＬＥが５ＧＨｚ帯や２．４ＧＨｚ帯の周波数帯域を利用するのに対して、ＬＰＷＡはより低い９２０ＭＨｚ帯を利用する。一般に周波数が低いほど長距離の通信に適しているから、広大な室内空間を有する建屋内におけるエリア推定には、ＬＰＷＡの適用が好適である。また、ＬＰＷＡを適用する場合、Ｗｉ－ＦｉやＢＬＥを適用する場合と比べて建屋内に配置する基地局の数が少なく済むという利点もある。

【0045】

なお、従来、ＬＰＷＡは主に屋外における測位での利用が検討されており、広大な室内空間を有する建屋内、特に廃棄物の焼却施設のように多数の機器が配置されている建屋内におけるエリア推定にＬＰＷＡを利用できるか否かは検証されていなかった。しかし、本発明の発明者らの実験により、ＬＰＷＡの受信信号強度が廃棄物の焼却施設におけるエリア推定に利用できることが確認されている。

【0046】

以上より、測位用のデータ１１１には、測定地点で測定されたＬＰＷＡの受信信号強度が含まれていてもよい。この場合、エリア推定部１０３は、ＬＰＷＡの受信信号強度に基づいて測定地点が存在するエリアを推定する。ＬＰＷＡは、Ｗｉ－ＦｉやＢＬＥ等と比べて長距離の通信を行うことを想定した規格であるから、ＬＰＷＡの受信信号強度に基づいてエリア推定を行う上記の構成は、内部に広い空間を有する建屋内における測位に好適である。

【0047】

〔推定モデルについて〕
推定モデル１１２は、測位用のデータ１１１に応じたエリアを推定できるようなものであればよい。言い換えると、推定モデル１１２は、測位用のデータ１１１またはこれを用いて生成した特徴量を説明変数とし、測位用のデータ１１１の測定地点が存在するエリアを目的変数とするモデルであればよい。

【0048】

説明変数としては、例えば上述した気圧差や、Ｗｉ－Ｆｉ、ＢＬＥ、またはＬＰＷＡ等の任意の通信技術における受信信号強度等を適用すればよい。例えば、気圧差とＬＰＷＡの受信信号強度の両方を説明変数とすることにより、広大な内部空間を有する焼却施設等の建屋内におけるエリア推定を高精度に行うことが可能である。無論、説明変数は、エリアと関連性のあるものを用いればよく、上述の例に限られない。また、使用する説明変数の個数も特に限定されない。

【0049】

また、推定モデル１１２における推定のアルゴリズムは特に限定されないが、推定モデル１１２は高い推定精度が期待できる機械学習モデルとすることが好ましい。推定モデル１１２は、線形モデルであってもよいし、非線形モデルであってもよい。例えば、ランダムフォレスト等の決定木ベースの推定アルゴリズムを適用してもよいし、多層パーセプトロン等のニューラルネットワークを用いた推定アルゴリズムを適用してもよいし、ロジスティック回帰等の回帰ベースの推定アルゴリズムを適用してもよい。

【0050】

〔前処理〕
データ取得部１０１が取得する測位用のデータ１１１には、そのまま推定モデル１１２に入力できないデータが含まれる場合がある。前処理部１０２は、そのようなデータに前処理を施し、推定モデル１１２に入力可能なデータとする。例えば、前処理部１０２は、測位用のデータ１１１に対して補間処理を行ってもよい。

【0051】

補間処理は、推定モデル１１２の複数の説明変数のデータ数を合わせるために行われる。例えば、推定モデル１１２の説明変数に気圧差とＬＰＷＡの受信信号強度とが含まれているとする。気圧の測定と受信信号強度の測定はそれぞれ異なるセンサで行われるから、この場合、ある時刻において一方の測定値は存在するが他方の測定値は存在しないということが生じ得る。そして、一方の測定値が存在しなければ、その時刻における推定モデル１１２に対する入力データとしては不完全なものとなってしまう。そこで、前処理部１０２は、他方の測定値を補間して推定モデル１１２に入力可能なデータとする。例えば、前処理部１０２は、ある時刻の測定値が欠損値となっていた場合に、当該欠損値をその時刻の直近の測定値で補間してもよい。

【0052】

また、基地局からの電波を全く受信できない地点では受信信号強度が計測できず、測定値が欠損してしまう。前処理部１０２は、このような地点については、欠損値を十分に小さい受信信号強度で補間すればよい。例えば、前処理部１０２は、測位用のデータ１１１に含まれる受信信号強度の値において、計測不能により欠損値となっている部分について、当該欠損値を－１００ｄｂｍの値で補間してもよい。

【0053】

また、気圧の測定に用いる気圧センサには、個体ごとに一定の絶対誤差が存在している。このため、前処理部１０２は、測位用のデータ１１１に気圧の値が含まれている場合、当該値から絶対誤差をオフセットとして差し引く処理を行ってもよい。所定の基準位置で測定された気圧についても同様である。そして、前処理部１０２は、測定地点で測定された気圧と、所定の基準位置で測定された気圧との差を算出する。

【0054】

また、前処理部１０２は、測位用のデータ１１１に対してスケーリングを行って推定モデル１１２に入力するデータを生成してもよい。例えば、前処理部１０２は、測位用のデータ１１１に対して、最小最大スケーリングを行ってもよいし、測位用のデータ１１１を正規化してもよい。なお、スケーリングおよび正規化の対象とするデータは上記の補間後のものであってもよい。

【0055】

同様に、データ取得部２０１が取得する学習用のデータ２１１にも、そのまま推定モデル１１２に入力できず、そのままでは教師データ２１２とすることができないデータが含まれる場合がある。この場合、教師データ生成部２０２は、前処理部１０２と同様の処理により、推定モデル１１２に入力可能なデータを生成する。

【0056】

また、教師データ生成部２０２は、受信信号強度のデータ数をかさ増しする処理を行ってもよい。例えば、教師データ生成部２０２は、学習用のデータ２１１に含まれる受信信号強度にノイズ成分を付与することにより新たな受信信号強度を生成してもよい。ノイズ成分は、例えば学習用のデータ２１１に含まれる各受信信号強度の平均値および標準偏差を元に生成したガウスノイズであってもよい。

【0057】

このように、建屋内の各地点で測定されたＬＰＷＡの受信信号強度が教師データ２１２に含まれている場合、教師データ生成部２０２は、ＬＰＷＡの受信信号強度にノイズ成分を付与したデータを用いて教師データ２１２を生成してもよい。ＬＰＷＡの受信信号強度については学習時に教師データ２１２の普遍性が不足する可能性があるが、上記の構成によれば教師データ２１２のバリエーションを増やして普遍性を補うことができる。

【0058】

また、受信信号強度は経時的に変動するものであるから、理想的には全ての測定点において長時間の測定を行うことが好ましい。この点、測定した受信信号強度にノイズ成分を付与する上記の構成によれば、受信信号強度の経時的な変動を擬似的に再現することができるため、長時間の測定を行わなくとも、受信信号強度の経時的な変動を加味した教師データ２１２を生成することができる。

【0059】

〔磁気による測位について〕
屋内においては、鉄製の構造物に残留磁気が保持されることにより、地点ごとに磁気の特徴が生まれる。位置推定部１０５は、この特徴を利用して測位を行ってもよい。この場合、データ取得部１０１は、測定地点で測定された磁気を示す磁気データを測位用のデータ１１１として取得する。例えば、データ取得部１０１は、互いに直交する３軸方向の磁気の強さを示すデータを取得してもよい。また、測位対象の建屋内の各地点において予め磁気を測定し、各地点で測定した磁気の強さを示すデータとその測定地点とを対応付けて、照合用磁気データ１１３として記憶部１１に記憶しておく。照合用磁気データ１１３に示される磁気の特徴は、磁気フィンガープリントと表現することもできる。

【0060】

これにより、位置推定部１０５は、測位用のデータ１１１に含まれる磁気データと照合用磁気データ１１３とを照合することにより、測定地点を推定することが可能になる。なお、推定対象のエリアが広くなるほど、磁気フィンガープリントが複数の地点で一致してしまう可能性が高くなり、これにより誤った推定結果が出力される可能性も高くなる。このため、位置推定部１０５による推定精度を高めるためには、推定対象のエリアをできるだけ狭い範囲に絞り込むことが重要であり、上述のように測位装置１ではこの絞り込みをエリア推定部１０３が行う。

【0061】

〔ＰＤＲ（Pedestrian Dead Reckoning）による測位について〕
位置推定部１０５の測位手法は磁気を用いるものに限られない。例えば、位置推定部１０５は、ＰＤＲにより測位を行うものであってもよい。ＰＤＲで測位する場合、測位の対象（例えば図３の人物Ｂ）に、ＰＤＲによる測位で必要となる各種データを測定するための測定装置を身に付けさせておけばよい。例えば、加速度センサやジャイロセンサを身に付けさせておいてもよい。そして、位置推定部１０５は、測定された時系列の加速度データ等を用いて上記対象の位置を順次更新していくことにより、上記対象の現在位置を推定する。ＰＤＲによる測位を行う場合も、位置推定部１０５による推定精度を高めるためには、推定対象のエリアをできるだけ狭い範囲に絞り込むことが重要である。

【0062】

〔処理の流れ〕
測位装置１が実行する処理（測位方法）の流れを図５に基づいて説明する。図５は、測位装置１が実行する処理の一例を示すフローチャートである。なお、以下では、図３に示した測定機器３により、気圧とＬＰＷＡの受信信号強度と磁気を測定し、これらの測定値から測定機器３を所持する人物Ｂの測位を行う例を説明する。

【0063】

Ｓ１１では、データ取得部１０１が測位用のデータ１１１を取得する。測位用のデータ１１１には、測定機器３により測定された気圧、ＬＰＷＡの受信信号強度、および磁気をそれぞれ示すデータが含まれている。また、測位用のデータ１１１には、所定の基準位置（例えば建屋Ａの第１階層のエントランス）で定点観測された気圧を示すデータも含まれている。なお、所定の基準位置での気圧の測定は例えば所定時間おきに行い、新たに気圧が測定されたときに、その測定値を測定時刻と共に測位用のデータ１１１に追加するようにしてもよい。また、ＬＰＷＡではなく、Ｗｉ－ＦｉやＢＬＥの受信信号強度を取得してもよい。

【0064】

Ｓ１２では、前処理部１０２が、Ｓ１１で取得された測位用のデータ１１１に対して前処理を行う。上述のように、前処理部１０２は、測位用のデータ１１１に示される気圧値から測定機器３の絶対誤差をオフセットとして差し引く処理、気圧差を算出する処理、ＬＰＷＡの受信信号強度の欠損値を補間する処理、および気圧差と補間後のＬＰＷＡの受信信号強度をスケーリングする処理等を行う。なお、気圧差の算出について、基準位置の気圧の測定が所定時間おきに行われている場合、前処理部１０２は、測定機器３により気圧が測定された時刻と最も近い時刻に基準位置で測定された気圧との差を算出すればよい。

【0065】

Ｓ１３（エリア推定ステップ）では、エリア推定部１０３が、建屋Ａ内において測位用のデータ１１１を測定した測定地点が存在するエリア（つまり人物Ｂが居るエリア）を、測位用のデータ１１１を用いて推定する。

【0066】

具体的には、エリア推定部１０３は、Ｓ１２で前処理したＬＰＷＡの受信信号強度と気圧差を推定モデル１１２に入力する。これにより、推定モデル１１２から、測定地点が存在する可能性のある複数のエリアのそれぞれについて、当該エリアに測定地点が存在する確率が出力される。

【0067】

例えば、図３の建屋Ａについて、以下の６つのエリアを設定したとする。

【0068】

（１）第１階層の吹き抜けエリア（第１階層の部屋Ａ１内）
（２）第１階層の吹き抜けではないエリア（部屋Ａ２またはＡ３内）
（３）第２階層の吹き抜けエリア（第２階層の部屋Ａ１内）
（４）第２階層の吹き抜けではないエリア（部屋Ａ４内）
（５）第３階層の吹き抜けエリア（第３階層の部屋Ａ１内）
（６）第３階層の吹き抜けではないエリア（部屋Ａ５またはＡ６内）
この場合、各エリアで測定された気圧から算出した気圧差とＬＰＷＡの受信信号強度に対し、それらが測定されたエリアを正解データとしてラベル付けした教師データ２１２を用いた機械学習により生成された推定モデル１１２を用いればよい。このような推定モデル１１２に、Ｓ１２で前処理されたＬＰＷＡの受信信号強度と気圧差を入力すれば、上述の６つのエリアのそれぞれについて、当該エリアに測定地点が存在する確率が出力される。

【0069】

Ｓ１４では、エリア統合部１０４が、Ｓ１３において推定された確率が上位の所定数のエリアを統合して統合エリアとする。Ｓ１４では、推定された確率の合計が１またはそれに近い値となるように統合するエリアを選択することが好ましい。なお、Ｓ１４の処理は省略してもよい。この場合、Ｓ１３では、推定された確率が最も高かったエリアを推定結果とすればよい。

【0070】

Ｓ１５（位置推定ステップ）では、位置推定部１０５が、統合エリアを対象とした測位を行う。具体的には、位置推定部１０５は、Ｓ１１で取得された測位用のデータ１１１に示される測定地点の磁気と、照合用磁気データ１１３に示される磁気のうち統合エリア内で測定された磁気とを照合することにより測定地点の位置を推定する。なお、Ｓ１４の処理が省略された場合には、Ｓ１５ではＳ１３で推定されたエリアにおける測定地点の位置を推定する。また、位置推定部１０５は、位置の推定結果を出力部１４等に出力させてもよい。以上で図５の処理は終了となる。なお、図５の処理は、所定時間間隔で繰り返し行ってもよい。これにより、人物Ｂの時系列の測位結果を得ることができる。

【0071】

以上のように、本実施形態に係る測位方法は、建屋内において測位用のデータ１１１を測定した測定地点が存在するエリアを、測位用のデータ１１１を用いて推定するエリア推定ステップ（Ｓ１３）と、推定されたエリアにおける測定地点の位置を推定する位置推定ステップ（Ｓ１５）と、を含む。これにより、測位対象エリアを絞り込んだ上で測位することができるため、安定した精度で測位を行うことができる。

【0072】

〔処理の流れ〕
学習装置２が実行する処理（学習方法）の流れを図６に基づいて説明する。図６は、学習装置２が実行する処理の一例を示すフローチャートである。なお、以下では、図３に示した建屋Ａにおいて、測定位置が上述の６エリアの何れに該当するかを気圧差とＬＰＷＡの受信信号強度から推定する推定モデル１１２を生成する例を説明する。

【0073】

Ｓ２１では、データ取得部２０１が学習用のデータ２１１を取得する。学習用のデータ２１１には、上述の６つのエリアのそれぞれで測定された気圧およびＬＰＷＡの受信信号強度をそれぞれ示すデータが含まれている。また、学習用のデータ２１１には、所定の基準位置（例えば建屋Ａの第１階層のエントランス）で定点観測された気圧を示すデータも含まれている。

【0074】

Ｓ２２では、教師データ生成部２０２が、Ｓ２１で取得された学習用のデータ２１１に対して前処理を行う。上述のように、教師データ生成部２０２は、学習用のデータ２１１に示される気圧値から気圧を測定したセンサの絶対誤差をオフセットとして差し引く処理、気圧差を算出する処理、ＬＰＷＡの受信信号強度の欠損値を補間する処理、および気圧差と補間後のＬＰＷＡの受信信号強度をスケーリングする処理等を行う。

【0075】

Ｓ２３では、教師データ生成部２０２は、前処理後の気圧差およびＬＰＷＡの受信信号強度に対して、当該受信信号強度および気圧が測定されたエリアを示すデータを正解ラベルとして対応付けて教師データ２１２を生成する。上述の６つのエリアの正解ラベルは、建屋Ａ内における学習用のデータを測定した各地点の階層および当該地点が吹き抜けのエリアであるか否かを示すものであるといえる。また、教師データ生成部２０２は、ＬＰＷＡの受信信号強度にノイズ成分を付与して教師データ２１２を生成してもよい。

【0076】

Ｓ２４（教師データ取得ステップ）では、教師データ取得部２０３が、Ｓ２３で生成された教師データ２１２を取得する。この例における教師データ２１２は、建屋Ａ内の各地点で測定された気圧と所定の基準地点で測定された気圧との差および各地点で測定されたＬＰＷＡの受信信号強度に、各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられたものであるといえる。

【0077】

Ｓ２５（学習ステップ）では、学習部２０４が、Ｓ２４で取得された教師データ２１２を用いた学習により推定モデル１１２を生成する。上述のように、教師データ２１２は、気圧差およびＬＰＷＡの受信信号強度に各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられたものであるといえる。このため、教師データ２１２を用いた学習により生成される推定モデル１１２は、測定地点と基準地点との気圧差および同測定地点で計測されたＬＰＷＡの受信信号強度から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するためのモデルであるといえる。

【0078】

以上のように、本実施形態に係る学習方法は、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差およびＬＰＷＡの受信信号強度に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データ２１２を取得する教師データ取得ステップ（Ｓ２４）と、教師データ２１２を用いた学習により、測定地点と基準地点との気圧差および同測定地点で測定されたＬＰＷＡの受信信号強度から、当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデル１１２を生成する学習ステップ（Ｓ２５）と、を含む。これにより、安定してエリア推定を行うことが可能な推定モデル１１２を生成することができる。なお、ＬＰＷＡの受信信号強度を用いることは必須ではなく、気圧差のみからエリアを推定する推定モデル１１２を生成してもよい。

【0079】

〔変形例〕
上述したエリア設定は一例にすぎず、測位対象となる建屋内にどのようなエリアを設定するかは任意である。例えば、複数の階層を含む建屋において、１つの階層を１つのエリアに設定してもよい。また、測位装置１は、吹き抜けのない建屋における測位にも利用することができる。

【0080】

また、上述の実施形態で説明した各処理の実行主体は任意であり、上述の例に限られない。つまり、相互に通信可能な複数の情報処理装置（プロセッサということもできる）により、測位装置１の機能を代替することができる。例えば、図１に示す各ブロックを複数の情報処理装置に分散して設けることにより、測位装置１と同様の機能を有するシステムを構築することができる。よって、図５に示した測位方法の実行主体も、複数の情報処理装置とすることができる。学習装置２についても同様であり、相互に通信可能な複数の情報処理装置により、学習装置２の機能を代替することができ、図６に示した学習方法の実行主体も、複数の情報処理装置とすることができる。

【0081】

〔ソフトウェアによる実現例〕
測位装置１および学習装置２（以下、「装置」と呼ぶ）の機能は、当該装置としてコンピュータを機能させるためのプログラムであって、当該装置の各制御ブロック（特に制御部１０および２０に含まれる各部）としてコンピュータを機能させるためのプログラム（測位プログラム／学習プログラム）により実現することができる。

【0082】

この場合、上記装置は、上記プログラムを実行するためのハードウェアとして、少なくとも１つの制御装置（例えばプロセッサ）と少なくとも１つの記憶装置（例えばメモリ）を有するコンピュータを備えている。この制御装置と記憶装置により上記プログラムを実行することにより、上記各実施形態で説明した各機能が実現される。

【0083】

上記プログラムは、一時的ではなく、コンピュータ読み取り可能な、１または複数の記録媒体に記録されていてもよい。この記録媒体は、上記装置が備えていてもよいし、備えていなくてもよい。後者の場合、上記プログラムは、有線または無線の任意の伝送媒体を介して上記装置に供給されてもよい。

【0084】

また、上記各制御ブロックの機能の一部または全部は、論理回路により実現することも可能である。例えば、上記各制御ブロックとして機能する論理回路が形成された集積回路も本発明の範疇に含まれる。この他にも、例えば量子コンピュータにより上記各制御ブロックの機能を実現することも可能である。

【0085】

〔まとめ〕
本発明の態様１に係る測位装置は、建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定部と、推定された前記エリアにおける前記測定地点の位置を推定する位置推定部と、を備える。

【0086】

本発明の態様２に係る測位装置では、前記態様１において、前記エリア推定部は、前記測定地点が存在する可能性のある複数のエリアのそれぞれについて、当該エリアに前記測定地点が存在する確率を推定し、前記位置推定部は、推定された前記確率が上位の所定数の前記エリアを統合した統合エリアにおける前記測定地点の位置を推定する。

【0087】

本発明の態様３に係る測位装置では、前記態様１または２において、前記建屋は、吹き抜けのエリアと、吹き抜けではないエリアとを含む複数階層の建屋であり、前記測位用のデータには、前記測定地点で測定された気圧を示すデータが含まれており、前記エリア推定部は、前記測定地点で測定された気圧と所定の基準地点で測定された気圧との差に基づいて、前記測定地点の階層、および当該測定地点が吹き抜けのエリアであるか否かを推定する。

【0088】

本発明の態様４に係る測位装置では、前記態様１から３の何れかにおいて、前記測位用のデータには、前記測定地点で測定されたＬＰＷＡ（Low Power Wide Area-network）の受信信号強度を示すデータが含まれており、前記エリア推定部は、前記受信信号強度に基づいて、前記測定地点が存在するエリアを推定する。

【0089】

本発明の態様５に係る学習装置は、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得部と、前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習部と、を備える。

【0090】

本発明の態様６に係る学習装置では、前記態様５において、前記教師データには、前記建屋内の各地点で測定されたＬＰＷＡの受信信号強度を示すデータが含まれており、ＬＰＷＡの受信信号強度を示す前記データにノイズ成分を付与したデータを用いて教師データを生成する教師データ生成部を備える。

【0091】

本発明の態様７に係る測位方法は、１または複数の情報処理装置により実行される測位方法であって、建屋内において測位用のデータを測定した測定地点が存在するエリアを、当該測位用のデータを用いて推定するエリア推定ステップと、推定された前記エリアにおける前記測定地点の位置を推定する位置推定ステップと、を含む。

【0092】

本発明の態様８に係る学習方法は、１または複数の情報処理装置により実行される学習方法であって、建屋内の各地点で測定された気圧と所定の基準地点で測定された気圧との差に、前記各地点の階層および当該地点が吹き抜けのエリアであるか否かが正解ラベルとして対応付けられた教師データを取得する教師データ取得ステップと、前記教師データを用いた学習により、測定地点と基準地点との気圧差から当該測定地点の階層および当該測定地点が吹き抜けのエリアであるか否かを推定するための推定モデルを生成する学習ステップと、を含む。

【0093】

本発明の態様９に係る測位プログラムは、態様１に記載の測位装置としてコンピュータを機能させるための測位プログラムであって、前記エリア推定部および前記位置推定部としてコンピュータを機能させる。

【0094】

本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

【符号の説明】

【0095】

１ 測位装置
１０３ エリア推定部
１０５ 位置推定部
１１１ 測位用のデータ
１１２ 推定モデル
２ 学習装置
２０２ 教師データ生成部
２０３ 教師データ取得部
２０４ 学習部
２１２ 教師データ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】