M2Mシステムにおけるイベント駆動に基づく効率的データ収集方式

全文

(1)情報処理学会第 76 回全国大会. 3D-5. M2M システムにおけるイベント駆動に基づく効率的データ収集方式薛浩† †. 北上眞二†. 宮西洋太郎‡ 浦野義頼† 白鳥則郎†. 早稲田大学大学院国情報通信研究科. ‡. (株)アイエスイーエム. 帯域とサーバに蓄積されるデータ量の例を示す．一時蓄積データ収集方式は，逐次データ収集方人手を介さずにセンサや機器をインターネッ式に比べて，ネットワーク帯域は 1/9 に改善されトに接続し，様々なサービスを提供する M2M るが，蓄積データ量は削減できない．これに対 (Machine-to-Machine) システムが注目を集めていして，区間集約データ収集方式は，逐次データる．M2M システムにおいては，すべてのセンサ収集方式に比べて，ネットワーク帯域は 1/36 にや機器のデータをクラウドのサーバに収集して分析する方式が一般的であった．しかしながら，改善され，蓄積データ量も 1/67 になる．しかし，区間集約データ収集方式により収集したデータこの方式は，センサや機器の接続台数が多い大を用いて，サーバはデータの傾向分析を行うこ規模な M2M システムでは，データ収集・蓄積のとはできるが，データの急激な変化を検知したためのコストが高くなるという課題がある．本り，その原因を分析したりすることができない稿では，この問題を解決するためのイベント駆 [1] [2]．動データ収集方式を提案する．. １．はじめに. ２．従来のデータ収集方式. ３．提案方式. M2M システムにおけるデータ収集の従来方式としては，計測データを都度収集する方式（逐次データ収集方式），区間の計測データをまとめて収集する方式（一時蓄積データ収集方式）および区間の計測データの集約値のみを収集する方式（区間集約データ収集方式）の３種類がある． (1) 逐次データ逐次収集方式計測したセンサデータを都度サーバに送信する．たとえば，１分間隔で計測したデータをそのまま１分ごとにサーバに送信する． (2) 一時蓄積データ収集方式計測したデータをゲートウェイ装置で一時的に蓄積して，一定間隔でまとめてサーバに送信する．たとえば，１分間隔で計測したデータを１時間間隔で 60 個のデータをまとめてサーバに送信する． (3) 区間集約データ収集方式計測したデータをゲートウェイ装置が一定区間ごとに集約し，その集約値のみをサーバに送信する．たとえば，１分間隔で計測したデータを１時間単位で平均値を計算し，その平均値のみをサーバに送信する．表 1 に，従来方式で必要となるネットワーク. 本稿では，データ収集の従来方式の問題を解決するためのイベント駆動型のデータ収集方式を提案する．図 2 に提案方式を示す．提案方式は，ゲートウェイ装置において，計測データの集約計算を行いつつ，一定期間のデータを保持する．また，計測データの変化を監視し，あらかじめ条件として定義されたデータ変化と合致する場合はイベントを発生させる．このイベントが発生した場合は，ゲートウェイ装置が，集約データに加えて一定期間蓄積された詳細データもサーバに送信する．これにより，平常時は，区間集約データ収集方式と同様に集約データのみを収集することによって，収集するデータの容量. 値. 特異点時間図 1：区間集約データ収集方式. 表１：従来方式の比較ネットワークデータ収集方式蓄積データ量帯域逐次 36Mbyte/s 4T byte 一時蓄積 4Mbyte/s 4T byte 区間集約. A Method of Efficient Event-driven Data Collection in M2M System Hao Xue†, Shinji Kitagami†, Yohtaro Miyanishi‡, Yoshiyori Urano†, Norio Shiratori† †Waseda University GITS, ‡ISEM,Inc.. 1Mbyte/s. 0.06T byte. データ長:24byte，TCP/IP･HTTP ヘッダ長:200byte センサ数:1,000/ゲートウェイ，ゲートウェイ数:10,000 台データ計測間隔:1 分，データ蓄積/集約間隔:60 分. 3-9. Copyright 2014 Information Processing Society of Japan. All Rights Reserved..

(2) 情報処理学会第 76 回全国大会. (3) 変化率条件：データと直前のデータを比べて，その差の絶対値が閾値を超えた場合にイベントを発生させる．. 3-10. 送集信約データ. 詳細データ送信. キャッシュ. イベント条件. データ監視データ計測. ゲートウェイ装置. 図 2：提案方式 25 (×100 PPM ) 20 計測値 15 10 集約値(平均) 5 月/日 0 11/12 11/13 11/14 11/15 11/16 11/17 11/18 (a) 計測データと集約データ（平均） 25 (×100 PPM ) 20 15 10 5 月/日 0 11/12 11/13 11/14 11/15 11/16 11/17 11/18 (b) 提案方式（閾値条件）による収集データ図 3：提案方式の評価結果. データ量 (byte). ×1000. ４．評価と考察提案方式の有効性を評価するために，実データを用いたシミュレーション実験を行った．実験においては，3 分間隔で 1 週間収集した一般家庭の CO2 濃度を対象データとした．図 3 (a)に，計測データと集約データ(平均)を示す．ここで，データの集約区間は 12 時間である．図 3 (b)は，閾値条件を 1,500 PPM とした場合に提案方式により収集される詳細データを示す．この場合のデータ量は約 5,000byte であり，逐次データ収集方式および一時蓄積データ収集方式の約 1/10 となった．また，図 3 (b)に示す通り，CO2 濃度が大きく変化する特異点の部分の詳細データが収集できていることが分かる．図 4 に，本実験における閾値と収集データ量の関係を示す．この結果に示す通り，閾値が 600 PPM 以上の場合は，収集するデータ量は 1/3 以下に削減できる．また，提案方式のイベント検出条件を外れ値または変化率にした場合についても，同様の結果を得た．今回の実験結果により，提案方式は収集するデータ量を削減しつつ，データの急激な変化についての分析が可能であることが分かった．今後は，CO2 濃度以外の温度や湿度などの実データを用いて，提案方式の有効性の評価を進める．また，提案方式に基づくプロトタイプシステムを構築し，その実装性と性能評価を実施する予. データ収集（詳細）. CO2濃度. τ＝ABS((Xi－μ)/σ) Xi：計測値，μ：平均値，σ：標準偏差. データ収集（集約）. CO2濃度. を削減することができる．また，計測データが急激に変化した場合は詳細データも収集するため，サーバにおける詳細な分析が可能となる．なお，データ収集のためのイベント条件は，あらかじめサーバから送信することができるため，アプリケーションごとに異なる条件でデータ収集を行うことも可能となる．詳細データを収集するためのイベントを発生させる条件としては，(1) 閾値，(2) 外れ値および (3) 変化率の３つの条件が考えられる． (1) 閾値条件：データがあらかじめ設定した閾値（上限と下限）を超えた場合にイベントを発生させる． (2) 外れ値条件：一定区間内で外れ値があった場合にイベントを発生させる．ここで，外れ値は，下記の計算式で計算される値τがあらかじめ設定された閾値を超える値とする．. 60 50. 逐次データ収集方式一時蓄積データ収集方式. 40 30. 提案方式（閾値条件）. 20 10. 区間集約データ収集方式 0. 2. 4. 6. 8. 10. 12. 14. 閾値（PPM). 16. 18. 20. ×100. 図 4 ：提案方式の効果. 定である．. ５．まとめ本稿では，M2M システムのデータ収集において，収集データ量の削減とサーバにおける詳細データ分析を両立させるイベント駆動型のデータ収集方式を提案した．. 参考文献 [1] 猿渡俊介，高木潤一郎，川島英之，倉田成人，森川博之，“センサデータベースマネージャにおける問合せ処理とデータ圧縮の同時最適化，” 情処学論， Vol.53 No.1.320–335 ，2012 [2] G.Reeves, J.Liu, S. Nath, and F. Zhao, "Managing Massive Time Series Streams with MultiScale Compressed Trickles," PVLDB, Vol.2, No.1, pp.97-208,2009. Copyright 2014 Information Processing Society of Japan. All Rights Reserved..

(3)