JP6848842B2 - データ生成装置、データ生成方法、データ生成プログラムおよびセンサ装置 - Google Patents

Description

本開示は、データ生成装置、データ生成方法、データ生成プログラムおよびセンサ装置に関する。

実際に配置されるセンサ（物理センサ）の他に、１つまたは複数の物理センサがそのセンシング対象を観測することによって生成されるセンシングデータ（物理センシングデータ）を分析・加工し、新たなセンシングデータ（仮想センシングデータ）を生成する仮想センサの技術（プログラムモジュール）が知られている（例えば、特許文献１参照）。利用者の要求に合致したセンシングデータを生成する仮想センサを設計すれば、そのような物理センサが実際には存在しなくても、利用者は所望のセンシングデータを利用することができる。

特開２０１４−０４５２４２号公報

仮想センサは、例えば、物理センサの周辺の状況を示すセンシングデータを生成するように設計され得る。しかしながら、状況は、様々な要素から成り立っている。故に、物理センシングデータに基づいて状況のある要素について判定を行う場合に、別の要素によるノイズ等が影響を及ぼすことがあり得る。

本開示は、物理センサの周囲の状況を示す仮想センシングデータを生成する技術を提供することを目的とする。

本開示の第１の側面に係るデータ生成装置は、物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得する第１の取得部と、前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得する第２の取得部と、判定対象となる状況項目に対して定められた複数の判定基準を取得する第３の取得部と、取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択する第１の選択部と、前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成する判定部とを具備する。

このデータ生成装置によれば、第１の仮想センシングデータの示す状況によるノイズ等の影響が考慮された判定基準を用いることができるので、物理センサの周囲の状況を正確に判定することが可能となる。

第１の側面に係るデータ生成装置において、前記判定基準は、前記物理センシングデータの生データおよび当該生データの加工済データのうち少なくとも１つに対する基準値を含んでもよい。これにより、判定基準に含まれる基準値と、当該基準値に対応する物理センシングデータの生データまたはその加工済データとの比較により、状況を判定することができる。

第１の側面に係るデータ生成装置において、前記判定基準は、当該判定基準に対応付けられる第１の仮想センシングデータの示す状況の下で生成された学習用物理センシングデータから状況を判定する機械学習を行うことで作成された学習済みモデルを含んでもよい。

これにより、学習済みモデルを設定したニューラルネットワークに、入力データとしての物理センシングデータの生データまたはその加工済データを与えることで、状況を判定することができる。

第１の側面に係るデータ生成装置において、前記第２の取得部は、前記物理センサの周囲の状況についての第３の判定結果を表す第３の仮想センシングデータをさらに取得し、前記データ生成装置は、第１の算出基準を取得する第４の取得部と、取得された前記第１の算出基準を用いて、取得された前記第３の仮想センシングデータに基づいてセンシングデータの信頼性を算出し、第１の信頼性データを生成する第１の算出部とをさらに具備してもよい。このデータ生成装置（以降、本開示の第２の側面に係るデータ生成装置と呼ぶ）によれば、仮想センシングデータからセンシングデータの信頼性を見積もることができる。

第２の側面に係るデータ生成装置において、前記第１の信頼性データは、前記センシングデータの信頼性に影響を与える少なくとも１つの要因の各々に対する前記センシングデータの信頼性を示してもよい。これにより、仮想センシングデータから把握される、センシングデータの信頼性に影響を与える要因に対してのセンシングデータの信頼性を記述する第１の信頼性データを生成できる。

第２の側面に係るデータ生成装置において、前記第１の算出基準は、前記第３の仮想センシングデータに含まれる状況項目の各々に割り当てられる重み係数を含み、前記第１の算出部は、前記第３の仮想センシングデータにおける各状況項目の値と当該状況項目に割り当てられた重み係数とを用いて演算を行い、当該演算の結果に基づいて前記センシングデータの信頼性を算出してもよい。これにより、個々の状況項目の寄与率を加味して、センシングデータの信頼性を算出することができる。

第２の側面に係るデータ生成装置において、前記第１の算出基準は、学習用仮想センシングデータの示す状況の下で生成されたセンシングデータの信頼性を当該学習用仮想センシングデータから算出する機械学習を行うことで作成された学習済みモデルを含んでもよい。これにより、学習済みモデルを設定したニューラルネットワークに、入力データとしての第３の仮想センシングデータを与えることで、信頼性を算出することができる。

第２の側面に係るデータ生成装置において、前記第２の取得部は、前記物理センサの周囲の状況についての第４の判定結果を表す第４の仮想センシングデータをさらに取得し、前記第４の取得部は、複数の第２の算出基準をさらに取得し、前記データ生成装置は、前記物理センサの動作条件を示す動作条件データを取得する第５の取得部と、前記複数の第２の算出基準から前記第４の仮想センシングデータに対応する１つを選択する第２の選択部と、選択された前記第２の算出基準を用いて、取得された前記動作条件データに基づいて前記センシングデータの信頼性を算出し、第２の信頼性データを生成する第２の算出部とをさらに具備してもよい。このデータ生成装置（以降、本開示の第３の側面に係るデータ生成装置と呼ぶ）によれば、物理センサの動作条件から把握される、物理センシングデータのノイズに対する信頼性の情報を記述する第２の信頼性データを生成できる。

第３の側面に係るデータ生成装置において、前記第２の信頼性データは、前記第４の仮想センシングデータの示す状況の下で前記動作条件データの示す動作条件に従って動作する物理センサによって生成された前記物理センシングデータのノイズに対する信頼性を示してもよい。これにより、物理センシングデータがノイズに対して信頼できるか否かの情報を記述することができる。

第３の側面に係るデータ生成装置において、前記第２の算出基準は、前記動作条件データの示す動作条件の少なくとも１つに対する基準値を含んでもよい。これにより、第２の算出基準に含まれる基準値と、当該基準値に対応する動作条件データの値との比較により、信頼性を算出することができる。

第３の側面に係るデータ生成装置において、前記第２の算出基準は、学習用動作条件データの示す動作条件に従う物理センサによって生成されたセンシングデータの信頼性を当該学習用動作条件データから算出する機械学習を行うことで作成された学習済みモデルを含んでもよい。これにより、学習済みモデルを設定したニューラルネットワークに、入力データとしての動作条件データを与えることで、信頼性を算出することができる。

本開示の第４の側面に係るセンサ装置は、第１の側面乃至第３の側面のいずれかに係るデータ生成装置と、前記物理センサとを具備する。これにより、物理センシングデータに加えて仮想センシングデータおよび／または信頼性データを生成するインテリジェントなセンサ装置を提供することができる。

本開示の第５の側面に係るデータ生成方法は、コンピュータが、物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得することと、前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得することと、判定対象となる状況項目に対して定められた複数の判定基準を取得することと、取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択することと、前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成することとを具備する。

このデータ生成方法によれば、第１の仮想センシングデータの示す状況によるノイズ等の影響が考慮された判定基準を用いることができるので、物理センサの周囲の状況を正確に判定することが可能となる。

本開示の第６の側面に係るデータ生成プログラムは、コンピュータに、物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得することと、前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得することと、判定対象となる状況項目に対して定められた複数の判定基準を取得することと、取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択することと、前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成することとを実行させるためのプログラムである。

このデータ生成プログラムによれば、第１の仮想センシングデータの示す状況によるノイズ等の影響が考慮された判定基準を用いることができるので、物理センサの周囲の状況を正確に判定することが可能となる。

本開示によれば、物理センサの周囲の状況を示す仮想センシングデータを生成する技術を提供することができる。

実施形態に係るデータ生成装置の適用例を示すブロック図。 実施形態に係るデータ生成装置のハードウェア構成を例示するブロック図。 実施形態に係るデータ生成装置の機能構成を例示するブロック図。 実施形態に係るデータ生成装置を含むデータ流通システムを例示する図。 図３の第１の仮想センシングデータ生成部を例示するブロック図。 仮想センシングデータの状況項目と、当該状況項目について判定を行うために使用される物理センシングデータを例示する図。 仮想センシングデータの状況項目と、当該状況項目について判定を行うために使用される物理センシングデータを例示する図。 仮想センシングデータの状況項目と、当該状況項目について判定を行うために使用される物理センシングデータを例示する図。 仮想センシングデータの状況項目と、当該状況項目について判定を行うために使用される物理センシングデータを例示する図。 仮想センシングデータの状況項目と、当該状況項目について判定を行うために使用される物理センシングデータを例示する図。 状況項目「調理」について判定を行うために使用されるデータチャートを例示する図。 状況項目「調理」について判定を行うために使用される判定基準を例示する図。 図１１のデータチャートと図１２の判定基準との比較結果を示す図。 状況項目「人在」および「人数」について判定を行うために使用される物理センシングデータの生データおよびその加工済データを例示するグラフ。 状況項目「人在」について判定を行うために使用されるデータチャートを例示する図。 状況項目「人在」について判定を行うために使用される判定基準を例示する図。 図１５のデータチャートと図１６の判定基準との比較結果を示す図。 状況項目「人数」について判定を行うために使用されるデータチャートを例示する図。 状況項目「人数」について判定を行うために使用される判定基準を例示する図。 図１８のデータチャートと図１９の判定基準との比較結果を示す図。 状況項目「ドア開閉」について判定を行うために使用される物理センシングデータの生データおよびその加工済データを例示するグラフ。 状況項目「ドア開閉」について判定を行うために使用されるデータチャートを例示する図。 状況項目「ドア開閉」について判定を行うために使用される判定基準を例示する図。 図２２のデータチャートと図２３の判定基準との比較結果を示す図。 状況項目「照明」について判定を行うために使用される物理センシングデータの生データおよびその加工済データを例示するグラフ。 状況項目「照明」について判定を行うために使用されるデータチャートを例示する図。 状況項目「照明」について判定を行うために使用される判定基準を例示する図。 図２６のデータチャートと図２７の判定基準との比較結果を示す図。 状況項目「換気扇」について判定を行うために使用される物理センシングデータの生データおよびその加工済データを例示するグラフ。 状況項目「換気扇」について判定を行うために使用されるデータチャートを例示する図。 状況項目「換気扇」について判定を行うために使用される判定基準を例示する図。 図３０のデータチャートと図３１の判定基準との比較結果を示す図。 状況項目「冷蔵庫」について判定を行うために使用される物理センシングデータの生データおよびその加工済データを例示するグラフ。 状況項目「冷蔵庫」について判定を行うために使用されるデータチャートを例示する図。 状況項目「冷蔵庫」について判定を行うために使用される判定基準を例示する図。 図３４のデータチャートと図３５の判定基準との比較結果を示す図。 状況項目「電子レンジ」について判定を行うために使用される物理センシングデータを例示するグラフ。 状況項目「調理」について判定を行うために使用される物理センシングデータを例示するグラフ。 状況項目「調理」について判定を行うために使用されるデータチャートを例示する図。 状況項目「調理」について判定を行うために使用される判定基準を例示する図。 図３９のデータチャートと図４０の判定基準との比較結果を示す図。 状況項目「睡眠」について判定を行うために使用される物理センシングデータを例示するグラフ。 状況項目「睡眠」について判定を行うために使用されるデータチャートを例示する図。 状況項目「睡眠」について判定を行うために使用される判定基準を例示する図。 図４３のデータチャートと図４４の判定基準との比較結果を示す図。 図３の第２の仮想センシングデータ生成部を例示するブロック図。 第２の仮想センシングデータの状況項目と、第１の仮想センシングデータにおける対応項目と当該対応項目を補うために用いられる物理センシングデータとを例示する図。 第２の仮想センシングデータの状況項目と、第１の仮想センシングデータにおける対応項目と当該対応項目を補うために用いられる物理センシングデータとを例示する図。 第２の仮想センシングデータの状況項目と、第１の仮想センシングデータにおける対応項目と当該対応項目を補うために用いられる物理センシングデータとを例示する図。 第２の仮想センシングデータの状況項目と、第１の仮想センシングデータにおける対応項目と当該対応項目を補うために用いられる物理センシングデータとを例示する図。 第２の仮想センシングデータの状況項目と、第１の仮想センシングデータにおける対応項目と当該対応項目を補うために用いられる物理センシングデータとを例示する図。 図３の第１の信頼性データ生成部を例示するブロック図。 仮想センシングデータと第１の信頼性データとの関係を概略的に例示する図。 仮想センシングデータの状況項目と第１の信頼性データの信頼性項目との関係を概略的に例示する図。 信頼性項目「Ａ．人による影響」について信頼性を算出するために用いられる算出基準を例示する図。 信頼性項目「Ｂ．ノイズによる影響」について信頼性を算出するために用いられる算出基準を例示する図。 信頼性項目「Ｃ．周辺装置の動作による影響」について信頼性を算出するために用いられる算出基準を例示する図。 信頼性項目「Ｄ．センサの設置空間による影響」について信頼性を算出するために用いられる算出基準を例示する図。 物理センシングデータ「温度」の「Ａ．人による影響」に対する信頼性の算出例を示す図。 第１の信頼性データが付加された物理センシングデータのデータ構造を例示する図。 図３の第２の信頼性データ生成部を例示するブロック図。 第２の信頼性データの信頼性項目について信頼性を算出するために使用されるデータチャートを例示する図。 第２の信頼性データの信頼性項目について信頼性を算出するために使用される算出基準を例示する図。 図６２のデータチャートと図６３の算出基準との比較結果を示す図。 図５の第１の仮想センシングデータ生成部の動作を例示するフローチャート。 図４６の第２の仮想センシングデータ生成部の動作を例示するフローチャート。 図５２の第１の信頼性データ生成部の動作を例示するフローチャート。 図６１の第２の信頼性データ生成部の動作を例示するフローチャート。 図３のデータ生成装置を含むセンサ装置を例示するブロック図。 図３のデータ生成装置を含む通信装置を例示するブロック図。 図３のデータ生成装置を含むサーバを例示するブロック図。

以下、本開示の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。

なお、以降、説明済みの要素と同一または類似の要素には同一または類似の符号を付し、重複する説明については基本的に省略する。例えば、複数の同一または類似の要素が存在する場合に、各要素を区別せずに説明するために共通の符号を用いることがあるし、各要素を区別して説明するために当該共通の符号に加えて枝番号を用いることもある。

§１ 適用例
まず、図１を用いて、本実施形態の一適用例について説明する。図１は、本実施形態に係るデータ生成装置の適用例を模式的に示す。このデータ生成装置１００は、判定対象として予め定められた複数の状況項目のそれぞれについて、物理センシングデータに基づいて物理センサの周囲の状況の判定を行い、判定結果に応じた値を持つ仮想センシングデータ（以降、便宜的に第２の仮想センシングデータとも称する）を生成する。

以降の説明において、物理センサの周囲の状況とは、仮想センサのセンシング対象、例えば物理センサの周囲の空間における人若しくはその他の生物または無生物など、の状態を含み得る。また、物理センサの周囲とは、仮想センサの入力データのベースとして直接的または間接的に用いられる物理センシングデータを生成する物理センサの動作条件（例えば、精度、分解能、ダイナミックレンジなど）、当該物理センサのセンシング対象（例えば、光、音、温度など）およびその周囲の環境（例えば、空気中、水中、真空中など）の特性などに基づいて定められ得る。

状況項目は、例えば、状況を細分化して記述するための項目であり得る。具体的には、状況項目は、物理センサの周囲に人が存在するか否かの情報を扱う「人在」、物理センサの周囲での空調、電子レンジおよびＴＶのそれぞれの動作状況の情報を扱う「空調」、「電子レンジ」および「ＴＶ」、物理センサの周囲で人が調理しているか否かの情報を扱う「調理」などを含んでいてもよい。

このデータ生成装置１００は、物理センシングデータ取得部１０１と、仮想センシングデータ取得部１０２と、判定基準取得部１０３と、判定基準選択部１１１と、状況判定部１１２とを含む。

物理センシングデータ取得部１０１は、物理センシングデータを取得する。物理センシングデータは、例えば、照度データ、音圧データ、加速度データ、ガスデータ、気圧データ、温度データ、湿度データなどを含み得る。物理センシングデータ取得部１０１は、データ生成装置１００がセンサ装置に内蔵されている場合には、当該センサ装置内のセンサから物理センシングデータを取得してもよい。また、物理センシングデータ取得部１０１は、外部装置に内蔵された物理センサ部によって生成された物理センシングデータを受信してもよい。

仮想センシングデータ取得部１０２は、状況についての一次的な判定結果を表す第１の仮想センシングデータを取得する。第１の仮想センシングデータは、例えば上位システムなどの外部装置によって生成されたものであってよいし、データ生成装置１００において生成されたものであってもよい。

判定基準取得部１０３は、状況項目に対して予め定められた判定基準を取得する。判定基準は、状況の二次的な判定結果を表す第２の仮想センシングデータを生成するために適用される。なお、状況項目に対して複数の判定基準が定められてもよい。

ここで、第１の仮想センシングデータが一次的な判定結果を示し、第２の仮想センシングデータが二次的な判定結果を示すと述べたが、「一次的」および「二次的」なる修飾は、状況の判定が行われる順序を述べているに過ぎず、両者の間の優劣を含む何らの関係も定義することを意図していない。

所与の状況項目に対して複数の判定基準が定められている場合には、判定基準選択部１１１は、この状況項目に対して１つの判定基準を選択する。具体的には、判定基準選択部１１１は、第１の仮想センシングデータに対応する判定基準を選択し得る。

仮に、状況項目「調理」を判定するための判定基準として、状況項目「人在」が真（物理センサの周囲に人が存在する）である場合に用いられる判定基準１、状況項目「空調」が真（物理センサの周囲にある空調がＯＮである）である場合に用いられる判定基準２、状況項目「電子レンジ」が真（物理センサの周囲にある電子レンジがＯＮである）である場合に用いられる判定基準３、および、状況項目「ＴＶ」が真（物理センサの周囲にあるＴＶがＯＮである）である場合に用いられる判定基準４を含むこととする。ここで、判定基準選択部１１１は、第１の仮想センシングデータが物理センサの周囲に人が存在することを示す場合には、判定基準１を選択してもよい。

なお、第１の仮想センシングデータに含まれる状況項目は、第２の仮想センシングデータに含まれる状況項目と一致していなくてもよい。両者が一致しない場合には、データ生成装置１００は、第１の仮想センシングデータの状況項目の値を第２の仮想センシングデータの対応項目の値に変換するためのデータ変換部を備えてもよい。例えば、第１の仮想センシングデータが物理センサの周囲に存在する人数の情報を扱う状況項目「人数」の値を含む場合に、このデータ変換部は「人数」の値を、上記状況項目「人在」の値へ変換してもよい。

判定基準は、状況項目についての判定のために参照されるべき物理センシングデータの生データとその加工済データとのうち少なくとも１つに対する基準値を含んでいてもよい。例えば、基準値は、照度データの生データに対して２００［ｌｘ］、３０秒間に音圧が５０［ｄＢ］を超える時間割合に対して５０［％］、などであってよい。基準値は、例えば、当該判定基準が対象とする状況項目に該当する状況の下で生成される物理センシングデータの生データまたはその加工済データとそうでない状況の下で生成される物理センシングデータの生データまたはその加工済データとを分析することで設計可能である。

この場合に、状況判定部１１２は、判定基準を適用するために必要なデータ、すなわち、基準値が定められた物理センシングデータの生データまたはその加工済データを準備する。物理センシングデータの生データの加工済データは、物理センシングデータに含まれていてもよいし、状況判定部１１２またはデータ生成装置１００に含まれる他の構成要素が計算してもよいし、外部装置が計算してもよい。状況判定部１１２は、このようにして準備されたデータを基準値と比較し、比較結果に応じて第２の仮想センシングデータにおける状況項目の値を設定する。

或いは、判定基準は、状況項目についての判定のために用いられる学習済みモデルを含んでもよい。この学習済みモデルは、状況を学習用物理センシングデータから判定する機械学習を行うことで作成されてよい。例えば、上記判定基準２としての学習済みモデルは、物理センサの周囲で空調がＯＮであり、かつ、物理センサの周囲で人が調理中である時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、正解ラベル付きの学習データとして用いて教師付き学習を行うことで作成可能である。また、物理センサの周囲で空調がＯＮであり、かつ、物理センサの周囲で人が調理中でない時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、不正解ラベル付きの学習データとして用いてもよい。

この場合に、状況判定部１１２は、判定基準を適用するために必要なデータ、すなわち、判定基準としての学習済みモデルが設定されたニューラルネットワークへ入力するための物理センシングデータの生データまたはその加工済データを準備する。状況判定部１１２は、このようにして準備されたデータを、判定基準としての学習済みモデルが設定されたニューラルネットワークに与え、その出力値に基づいて状況項目の値を設定する。なお、学習済みモデルは、複数の状況項目について同時に判定を行う能力を獲得するための機械学習を通じて作成されていてもよい。この場合には、これら複数の状況項目間で共通の判定基準が定められることになる。

以上説明したように、適用例に係るデータ生成装置１００は、状況の一次的な判定結果を表す第１の仮想センシングデータに基づいて、当該状況の二次的な判定を行うために用いる判定基準を選択する。故に、このデータ生成装置１００によれば、第１の仮想センシングデータの示す状況によるノイズ等の影響が考慮された判定基準を用いることができるので、物理センサの周囲の状況を正確に判定することが可能となる。

§２ 構成例
［ハードウェア構成］
次に、図２を用いて、本実施形態に係るデータ生成装置２００のハードウェア構成の一例について説明する。図２は、本実施形態に係るデータ生成装置２００のハードウェア構成の一例を模式的に例示する。

図２に例示するように、本実施形態に係るデータ生成装置２００は、制御部２１１と、記憶部２１２と、通信インタフェース２１３と、入力装置２１４と、出力装置２１５と、外部インタフェース２１６と、ドライブ２１７とが電気的に接続されたコンピュータであってよい。なお、図２では、通信インタフェース及び外部インタフェースをそれぞれ、「通信Ｉ／Ｆ」及び「外部Ｉ／Ｆ」と記載している。

制御部２１１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などを含む。ＣＰＵは、記憶部２１２に格納されたプログラムをＲＡＭに展開する。そして、ＣＰＵがこのプログラムを解釈および実行することで、制御部２１１は、様々な情報処理、例えば、機能構成の項目において説明される構成要素の処理または制御を実行可能となる。

記憶部２１２は、いわゆる補助記憶装置であり、例えば、内蔵または外付けの、ハードディスクドライブ（ＨＤＤ：Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、ソリッドステートドライブ（ＳＳＤ：Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、若しくはフラッシュメモリなどの半導体メモリであり得る。記憶部２１２は、制御部２１１で実行されるプログラム（例えば、データ生成処理を制御部２１１に実行させるためのプログラム）、制御部２１１によって使用されるデータ（例えば、各種物理センシングデータ、各種仮想センシングデータ、各種信頼性データ、判定基準、算出基準）などを記憶する。

通信インタフェース２１３は、例えば、ＢＬＥ（Ｂｌｕｅｔｏｏｔｈ（登録商標） Ｌｏｗ Ｅｎｅｒｇｙ）、移動通信（３Ｇ、４Ｇなど）およびＷＬＡＮ（Ｗｉｒｅｌｅｓｓ Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などのための各種無線通信モジュールであって、ネットワークを介して無線通信を行うためのインタフェースであってよい。また、通信インタフェース２１３は、無線通信モジュールに加えて、または、無線通信モジュールに代えて、有線ＬＡＮモジュールなどの有線通信モジュールをさらに備えていてもよい。

入力装置２１４は、例えばタッチスクリーン、キーボード、マウスなどのユーザ入力を受け付けるための装置を含んでもよい。また、入力装置２１４は、所定の物理量を測定し、物理センシングデータを生成および入力するセンサを含んでもよい。出力装置２１５は、例えば、ディスプレイ、スピーカなどの出力を行うための装置である。

外部インタフェース２１６は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポート、メモリカードスロットなどであり、外部装置と接続するためのインタフェースである。

ドライブ２１７は、例えば、ＣＤ（Ｃｏｍｐａｃｔ Ｄｉｓｃ）ドライブ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）ドライブ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）ドライブなどである。ドライブ２１７は、記憶媒体２１８に記憶されたプログラムおよび／またはデータを読み込み、制御部２１１に渡す。なお、前述の記憶部２１２に記憶され得ると説明したプログラムおよびデータの一部または全部がドライブ２１７によって、記憶媒体２１８から読み込まれてもよい。

記憶媒体２１８は、コンピュータを含む機械が読み取り可能な形式で、プログラムおよび／またはデータを、電気的、磁気的、光学的、機械的または化学的作用によって蓄積する媒体である。記憶媒体２１８は、例えば、ＣＤ、ＤＶＤ、ＢＤなどの着脱可能なディスク媒体であるが、これに限られず、フラッシュメモリまたはその他の半導体メモリであり得る。

なお、データ生成装置２００の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換及び追加が可能である。例えば、制御部２１１は、複数のプロセッサを含んでもよい。データ生成装置２００は、提供されるサービス専用に設計された情報処理装置であってもよいし、汎用の情報処理装置、例えば、スマートフォン、タブレットＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、ラップトップＰＣ、デスクトップＰＣなどであってもよい。また、データ生成装置２００は、複数台の情報処理装置などで構成されてもよい。

［機能構成］
次に、図３を用いて、本実施形態に係るデータ生成装置２００の機能構成の一例を説明する。図３は、データ生成装置２００の機能構成の一例を模式的に示す。

図３に示されるとおり、データ生成装置２００は、物理センシングデータ取得部３０１と、仮想センシングデータ取得部３０２と、判定基準取得部３０３と、算出基準取得部３０４と、動作条件データ取得部３０５と、第１の仮想センシングデータ生成部３１０と、第２の仮想センシングデータ生成部３２０と、第１の信頼性データ生成部３３０と、第２の信頼性データ生成部３４０と、データ出力部３５０とを含む。

このデータ生成装置２００は、仮想センシングデータ１１、仮想センシングデータ１２（前述の第２の仮想センシングデータに相当する）、信頼性データ１３（第１の信頼性データとも呼ばれる）および信頼性データ１４（第２の信頼性データとも呼ばれる）を生成し、これらを出力する。

なお、データ生成装置２００は、仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４のうち一部を生成しなくてもよい。仮想センシングデータ１１を生成しない場合には、第１の仮想センシングデータ生成部３１０は省略可能である。仮想センシングデータ１２を生成しない場合には、第２の仮想センシングデータ生成部３２０は省略可能である。信頼性データ１３を生成しない場合には、第１の信頼性データ生成部３３０は省略可能である。信頼性データ１４を生成しない場合には、第２の信頼性データ生成部３４０は省略可能である。

仮想センシングデータ１１および仮想センシングデータ１２は、例えばマーケティング活動など様々な事業領域で活用することができる。また、信頼性データ１３および信頼性データ１４は、センシングデータのデータ分析に先立って行われる当該データのフィルタリング、クレンジング、正規化などの前処理に活用することができる。また、信頼性データ１３および信頼性データ１４を利用することで、センシングデータの整理、例えばテーブルの生成が容易となる。さらに、信頼性データ１３および信頼性データ１４を利用することでイベントの検出も可能となる。

仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４は、データ生成装置２００から直接的に利用側へ提供されてもよいし、以下に説明するデータ流通システムを通して利用側へ提供されてもよい。いずれの場合にも、データ生成装置２００は、（物理）センサ装置、サーバ、アプリケーション装置などに組み込まれてもよいし、これらとは独立した情報処理装置として構成されてもよい。

前述のように、このデータ生成装置２００は、データ流通市場を形成する種々の装置のいずれかに組み込まれてもよい。すなわち、データ生成装置２００は、物理センシングデータを生成するセンサ装置に組み込まれてもよいし、物理センシングデータをプラットフォームサーバ、マッチングサーバまたは利用側のアプリケーション装置などへ中継する通信装置（例えば、スマートフォン、各種ＰＣなど）に組み込まれてもよいし、プラットフォームサーバ、マッチングサーバまたはアプリケーション装置に組み込まれてもよい。この場合に、データ生成装置２００は、当該データ生成装置２００が組み込まれた装置のハードウェアを使用できる。或いは、データ生成装置２００は、これらの装置とは独立した情報処理装置として構成されてもよい。

図４に、データ生成装置２００が含まれるデータ流通システムの一例を概略的に示す。データ流通システムは、センサ装置４００−１，・・・，４００−５と、通信装置４１０−１，・・・，４１０−３と、サーバ４２０と、アプリケーション装置４３０−１，・・・，４３０−３とを含む。なお、図４に例示される各装置の数は例示に過ぎない。よって、各装置の符号に付された枝番号は特に区別せずに説明を続ける。

センサ装置４００は、物理量を測定するセンサと、当該センサの測定値をディジタル化した物理センシングデータを送信する通信Ｉ／Ｆと、センサおよび通信Ｉ／Ｆを制御する制御部とを含む。センサ装置４００は、例えばＷＢＡＮ（Ｗｉｒｅｌｅｓｓ Ｂｏｄｙ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＰＡＮ（Ｗｉｒｅｌｅｓｓ Ｐｅｒｓｏｎａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などの通信技術を用いて通信装置４１０と接続する。センサ装置４００は、物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）を通信装置４１０へ送信する。

通信装置４１０は、例えばスマートフォンまたは各種ＰＣであってよい。通信装置４１０は、データの送受信を行う通信Ｉ／Ｆと、当該通信Ｉ／Ｆを制御する制御部とを含む。通信装置４１０は、センサ装置４００から物理センシングデータを受信する。そして、通信装置４１０は、ＷＬＡＮ、ＷＭＡＮ（Ｗｉｒｅｌｅｓｓ Ｍｅｔｒｏｐｏｌｉｔａｎ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＷＡＮ（Ｗｉｒｅｌｅｓｓ Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）などの通信技術を用いて、ゲートウェイまたは基地局経由でサーバ４２０へ物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）を送信する。また、通信装置４１０は、センシングデータの売買マッチングを行うための提供側データカタログ（ＤＣ）をサーバ４２０へ送信してもよい。

提供側データカタログは、例えば、データカタログの番号、センシングデータの提供者、センシングデータの名称、センシングデータの測定日時・測定場所、観測対象・特性、イベントデータ仕様、センシングデータの提供期間、取引条件、データ売買条件などの種々の項目を含むことができる。

アプリケーション装置４３０は、例えばスマートフォン、各種ＰＣまたはサーバであってよい。アプリケーション装置４３０は、データの送受信を行う通信Ｉ／Ｆと、当該通信Ｉ／Ｆを制御する制御部とを含む。アプリケーション装置４３０は、センシングデータの売買マッチングを行うための利用側データカタログ（ＤＣ）をサーバ４２０へ送信してもよい。

ここで、利用側データカタログは、例えば、データカタログの識別情報、センシングデータの利用者、センシングデータの名称、センシングデータの測定日時・測定場所、観測対象・特性、イベントデータ仕様、センシングデータの利用期間、取引条件、データ売買条件などの種々の項目を含むことができる。

アプリケーション装置４３０は、売買マッチングを通じて購入した物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）をサーバ４２０から受信する。そして、アプリケーション装置４３０は、個々の利活用の目的に応じて物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）を処理する。

サーバ４２０は、データの送受信を行う通信Ｉ／Ｆと、データを保存する記憶部と、当該記憶部および通信Ｉ／Ｆを制御したり後述される売買マッチングを行ったりする制御部とを含む。サーバ４２０は、通信装置４１０から物理センシングデータを受信する。そして、サーバ４２０は、この物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）を蓄積する。

また、サーバ４２０は、提供側データカタログおよび利用側データカタログをそれぞれ取得して保存し、両者を比較して売買マッチングを行う。提供側データカタログおよび利用側データカタログは、通信装置４１０、アプリケーション装置４３０または他の通信装置から受信することで取得されてもよいし、例えば直接入力などの他の手段により取得されてもよい。サーバ４２０は、利用側データカタログとマッチする提供側データカタログを発見すると、当該提供側データカタログに対応する物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）を利用側に提供する。すなわち、サーバ４２０は、物理センシングデータ（および、もしあれば仮想センシングデータおよび／または信頼性データ）をアプリケーション装置４３０へ送信する。

なお、データ流通システムの形態は、図４の例に限定されない。例えば、センサ装置４００は、例えばＷＬＡＮ、ＷＭＡＮ、ＷＷＡＮなどの通信技術を用いて、通信装置４１０を介することなく、ゲートウェイまたは基地局経由でサーバ４２０またはアプリケーション装置４３０へ直接的に物理センシングデータ、仮想センシングデータ、および／または信頼性データを送信してもよい。

また、サーバ４２０は、売買マッチングの成立後即座に物理センシングデータ、仮想センシングデータ、および／または信頼性データをアプリケーション装置４３０へ送信せず、一旦は提供側または利用側に売買の承認を求めてもよい。また、サーバ４２０は、物理センシングデータ、仮想センシングデータ、および／または信頼性データをアプリケーション装置４３０へ送信せずに、データフロー制御を行ってもよい。例えば、サーバ４２０は、物理センシングデータ、仮想センシングデータ、および／または信頼性データを購入したアプリケーション装置４３０へ当該物理センシングデータ、仮想センシングデータ、および／または信頼性データを送信するようにセンサ装置４００または通信装置４１０に指図してもよい。或いは、サーバ４２０は、売買マッチングを行うサーバと物理センシングデータ、仮想センシングデータ、および／または信頼性データを蓄積するサーバとに分割されてもよい。

さらに、サーバ４２０は、売買マッチングを直接的に行わずに、図示されないマッチングサーバに売買マッチングを委ねてもよい。このマッチングサーバは、複数のプラットフォームを横断した売買マッチングを行うことで、プラットフォームを区別しない流通市場を実現してもよいし、プラットフォームを介さずに提供される物理センシングデータ、仮想センシングデータ、および／または信頼性データ（例えば、個人的に設置されたセンサ装置４００から収集されるデータ）を売買マッチングの対象に加えることで、データの出所を区別しない流通市場を実現してもよい。

以下、図３に例示されるデータ生成装置２００の個々の構成要素を説明する。
物理センシングデータ取得部３０１は、物理センシングデータを取得し、第１の仮想センシングデータ生成部３１０および第２の仮想センシングデータ生成部３２０へ送る。物理センシングデータは、例えば、照度データ、音圧データ、加速度データ、ガスデータ、気圧データ、温度データ、湿度データなどを含み得る。物理センシングデータは、生データであってもよいし、生データの加工済データであってもよいし、これらの組み合わせであってもよい。

データ生成装置２００がセンサ装置４００に組み込まれている場合には、物理センシングデータ取得部３０１は当該センサ装置４００に含まれるセンサから物理センシングデータを取得してもよい。他方、データ生成装置２００がセンサ装置４００に組み込まれていない場合には、物理センシングデータ取得部３０１は当該センサ装置４００を送信元とする物理センシングデータを外部装置から受信することで、物理センシングデータを取得できる。なお、物理センシングデータの全てが同一のセンサ装置４００から取得される必要はなく、例えばある物理センシングデータと別の物理センシングデータとが異なるセンサ装置４００から取得されてもよい。

仮想センシングデータ取得部３０２は、状況についての一次的な判定結果を示す仮想センシングデータ１５（すなわち、第１の仮想センシングデータ）を取得し、第２の仮想センシングデータ生成部３２０へ送る。仮想センシングデータ１５は、例えば上位システム、センサ装置４００、通信装置４１０、サーバ４２０、アプリケーション装置４３０などの外部装置によって生成されたものであってよいし、第１の仮想センシングデータ生成部３１０によって生成された仮想センシングデータ１１であってもよい。

或いは、仮想センシングデータ取得部３０２は、第２の仮想センシングデータ生成部３２０によって生成された仮想センシングデータ１２を仮想センシングデータ１５として取得することもあり得る。例えば、第２の仮想センシングデータ生成部３２０が、所与の状況を繰り返し判定する場合には、生成した仮想センシングデータ１２を繰り返し利用することも想定される。具体的には、第２の仮想センシングデータ生成部３２０は、仮想センシングデータ１２を繰り返し利用して、単純または概略的な状況項目から複雑または詳細な状況項目へと段階的に状況を判定してもよい。

また、仮想センシングデータ取得部３０２は、第１の信頼性データ生成部３３０および第２の信頼性データ生成部３４０のために、仮想センシングデータ１６および仮想センシングデータ１７をそれぞれ取得して送る。仮想センシングデータ１６および仮想センシングデータ１７は、同一であってもよいし異なっていてもよい。また、仮想センシングデータ１６および仮想センシングデータ１７は、仮想センシングデータ１５と同一であってもよいし、異なっていてもよい。具体的には、仮想センシングデータ１６および仮想センシングデータ１７は、第２の仮想センシングデータ生成部３２０によって最終的に生成された仮想センシングデータ１２（すなわち、第２の仮想センシングデータ）であってもよい。

判定基準取得部３０３は、状況項目に対して予め定められた判定基準を取得する。判定基準は、仮想センシングデータ１１を生成するために適用されるもの（以降、第１の判定基準とも呼ぶ）と、仮想センシングデータ１２を生成するために適用されるもの（以降、第２の判定基準とも呼ぶ）とを含む。第１の判定基準および第２の判定基準それぞれに個別に判定基準取得部が設けられてもよい。第１の判定基準および第２の判定基準は、一部共通であってもよいし、完全に異なっていてもよい。判定基準取得部３０３は、第１の判定基準を第１の仮想センシングデータ生成部３１０へ送り、第２の判定基準を第２の仮想センシングデータ生成部３２０へ送る。

判定基準取得部３０３は、データ生成装置２００に内蔵された判定基準記憶部（図３には示されない）に保存された判定基準を読み出すことで判定基準を取得してもよいし、外部装置から送信された判定基準を受信することで判定基準を取得してもよい。

算出基準取得部３０４は、信頼性項目に対して予め定められた算出基準を取得する。算出基準は、信頼性データ１３を生成するために適用されるもの（以降、第１の算出基準とも呼ぶ）と、信頼性データ１４を生成するために適用されるもの（以降、第２の算出基準とも呼ぶ）とを含む。故に、第１の算出基準および第２の算出基準それぞれに個別に算出基準取得部が設けられてもよい。算出基準取得部３０４は、第１の算出基準を第１の信頼性データ生成部３３０へ送り、第２の算出基準を第２の信頼性データ生成部３４０へ送る。

算出基準取得部３０４は、データ生成装置２００に内蔵された算出基準記憶部（図３には示されない）に保存された算出基準を読み出すことで算出基準を取得してもよいし、外部装置から送信された算出基準を受信することで算出基準を取得してもよい。

動作条件データ取得部３０５は、物理センシングデータの表す物理量を測定した物理センサの動作条件を示す動作条件データを取得し、第２の信頼性データ生成部３４０へ送る。動作条件データは、例えば、各種物理センサのサンプリング周波数、精度、分解能、ダイナミックレンジ、感度などを含み得る。

データ生成装置２００がセンサ装置４００に組み込まれている場合には、動作条件データ取得部３０５は当該センサ装置４００に内蔵された動作条件データ記憶部（図３には示されない）から動作条件データを読み出すことで、動作条件データを取得してもよい。他方、データ生成装置２００がセンサ装置４００に組み込まれていない場合には、動作条件データ取得部３０５は当該センサ装置４００を送信元とする動作条件データを外部装置から受信することで、動作条件データを取得できる。

第１の仮想センシングデータ生成部３１０は、物理センシングデータ取得部３０１から物理センシングデータを受け取り、判定基準取得部３０３から判定基準（第１の判定基準）を受け取る。第１の仮想センシングデータ生成部３１０は、判定基準を用いて、物理センシングデータに基づいて状況を判定し、仮想センシングデータ１１を生成する。仮想センシングデータ１１は、例えば、状況についての判定結果を状況項目毎に示し得る。第１の仮想センシングデータ生成部３１０は、仮想センシングデータ１１をデータ出力部３５０へ送る。

仮想センシングデータ１１の具体的な生成法は後述されるが、例えば、ある状況項目について定められた判定基準が、物理センシングデータの生データまたはその加工済データに対する基準値を含む場合には、第１の仮想センシングデータ生成部３１０は、基準値に対応する物理センシングデータの生データまたはその加工済データを準備し、両者を比較することで当該状況項目についての判定を行ってもよい。或いは、判定基準が１または複数の状況項目について判定を行うための学習済みモデルである場合には、第１の仮想センシングデータ生成部３１０はこの学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データを準備し、準備したデータを当該ニューラルネットワークに与えて判定を行ってもよい。

第２の仮想センシングデータ生成部３２０は、物理センシングデータ取得部３０１から物理センシングデータを受け取り、仮想センシングデータ取得部３０２から仮想センシングデータ１５を受け取り、判定基準取得部３０３から判定基準（第２の判定基準）を受け取る。第２の仮想センシングデータ生成部３２０は、所与の状況項目に複数の判定基準が定められている場合には、当該複数の判定基準から仮想センシングデータ１５に対応する１つを選択する。そして、第２の仮想センシングデータ生成部３２０は、選択された判定基準を用いて、物理センシングデータに基づいて状況を判定し、仮想センシングデータ１２を生成する。仮想センシングデータ１２は、例えば、状況についての判定結果を状況項目毎に示し得る。第２の仮想センシングデータ生成部３２０は、仮想センシングデータ１２をデータ出力部３５０へ送る。

仮想センシングデータ１２の具体的な生成法は後述されるが、例えば、ある状況項目について選択された判定基準が、物理センシングデータの生データまたはその加工済データに対する基準値を含む場合には、第２の仮想センシングデータ生成部３２０は、基準値に対応する物理センシングデータの生データまたはその加工済データを準備し、両者を比較することで当該状況項目についての判定を行ってもよい。或いは、判定基準が１または複数の状況項目について判定を行うための学習済みモデルである場合には、第２の仮想センシングデータ生成部３２０はこの学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データを準備し、準備したデータを当該ニューラルネットワークに与えて判定を行ってもよい。

第１の信頼性データ生成部３３０は、仮想センシングデータ取得部３０２から仮想センシングデータ１６を受け取り、算出基準取得部３０４から算出基準（第１の算出基準）を受け取る。第１の信頼性データ生成部３３０は、算出基準を用いて、仮想センシングデータ１６に基づいてセンシングデータの信頼性を算出し、信頼性データ１３を生成する。信頼性データ１３は、例えば、センシングデータの信頼性に影響を与える要因毎に物理センシングデータの当該要因に対する信頼性を示し得る。第１の信頼性データ生成部３３０は、信頼性データ１３をデータ出力部３５０へ送る。

信頼性データ１３の具体的な生成法は後述されるが、例えば、算出基準が、仮想センシングデータ１６に含まれる状況項目の各々に割り当てられる重み係数（寄与率フィルタ係数）を含む場合には、第１の信頼性データ生成部３３０は、仮想センシングデータ１６における各状況項目の値に当該状況項目に割り当てられた重み係数を乗じて重み付き和を計算し、当該重み付き和に基づいてセンシングデータの信頼性を算出してもよい。或いは、算出基準が１または複数の信頼性項目について信頼性を算出するための学習済みモデルである場合には、第１の信頼性データ生成部３３０はこの学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークに入力する仮想センシングデータ１６の値を準備し、準備したデータを当該ニューラルネットワークに与えて信頼性を算出してもよい。

第２の信頼性データ生成部３４０は、仮想センシングデータ取得部３０２から仮想センシングデータ１７を受け取り、算出基準取得部３０４から算出基準（第２の算出基準）を受け取り、動作条件データ取得部３０５から動作条件データを受け取る。第２の信頼性データ生成部３４０は、所与の信頼性項目に複数の算出基準が定められている場合には、当該複数の算出基準から仮想センシングデータ１７に対応する１つを選択する。そして、第２の信頼性データ生成部３４０は、選択された算出基準を用いて、動作条件データに基づいてセンシングデータの信頼性を算出し、信頼性データ１４を生成する。信頼性データ１４は、例えば、（仮想センシングデータ１７の示す状況の下で）動作条件データの示す動作条件に従って動作する物理センサによって生成された物理センシングデータのノイズに対する信頼性を示し得る。第２の信頼性データ生成部３４０は、信頼性データ１４をデータ出力部３５０へ送る。

信頼性データ１４の具体的な生成法は後述されるが、例えば、ある信頼性項目について選択された算出基準が、動作条件データに対する基準値を含む場合には、第２の信頼性データ生成部３４０は、基準値に対応する動作条件データの値を準備し、両者を比較することで当該信頼性項目について信頼性を算出してもよい。或いは、算出基準が１または複数の信頼性項目について信頼性を算出するための学習済みモデルである場合には、第２の信頼性データ生成部３４０はこの学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークに入力する動作条件データの値を準備し、準備したデータを当該ニューラルネットワークに与えて信頼性を算出してもよい。

データ出力部３５０は、第１の仮想センシングデータ生成部３１０から仮想センシングデータ１１を受け取り、第２の仮想センシングデータ生成部３２０から仮想センシングデータ１２を受け取り、第１の信頼性データ生成部３３０から信頼性データ１３を受け取り、第２の信頼性データ生成部３４０から信頼性データ１４を受け取る。データ出力部３５０は、受け取ったデータをデータ生成装置２００の外へ出力する。また、データ出力部３５０は、データを成形したり、データの出力タイミングを制御したりしてもよい。

以下、図５乃至図４５を用いて第１の仮想センシングデータ生成部３１０をさらに説明する。
図５に例示されるように、第１の仮想センシングデータ生成部３１０は、状況判定部３１１を含む。状況判定部３１１は、物理センシングデータ取得部３０１から物理センシングデータを受け取り、判定基準取得部３０３から判定基準（第１の判定基準）を受け取る。状況判定部３１１は、判定基準を用いて、物理センシングデータに基づいて状況を判定し、仮想センシングデータ１１を生成する。状況判定部３１１は、仮想センシングデータ１１をデータ出力部３５０へ送る。

仮想センシングデータ１１に含まれ得る状況項目は、例えば図６乃至図１０に示されるようにいくつかの中項目別に整理することができる。なお、図６乃至図１０に示した状況項目は一例に過ぎず、これとは異なる状況項目が用いられてもよい。また、ここで示した中項目別の整理は一例に過ぎず、ある中項目に属するとされた状況項目が別の中項目に属すると解する余地もあるし、異なる中項目を用いて整理をすることもできるし、そもそも中項目を用いた整理を行わなくてもよい。

図６は、中項目「人に関する状況」に属する状況項目と、当該状況項目について判定を行うために使用される物理センシングデータとを例示する。図７は、中項目「自然に関する状況」に属する状況項目と、当該状況項目について判定を行うために使用される物理センシングデータとを例示する。図８は、中項目「周辺装置の動作状況」に属する状況項目と、当該状況項目について判定を行うために使用される物理センシングデータとを例示する。図９は、中項目「人の生活状況」に属する状況項目と、当該状況項目について判定を行うために使用される物理センシングデータとを例示する。図１０は、中項目「物理センサの設置空間に関する状況」に属する状況項目と、当該状況項目について判定を行うために使用される物理センシングデータとを例示する。

なお、図６乃至図１０において、物理センシングデータの欄に列挙される物理センシングデータは、生データに限られずその加工済データを含み得る。ここで、加工済データの例として、生データの統計量のほか、生データにフーリエ変換を施して生成された周波数スペクトル、温度データおよび湿度データの生データから算出された熱中症危険度、加速度の生データから算出された震度などがあり得る。同様に、物理センシングデータの欄に列挙される物理センシングデータは、例示に過ぎない。

例えば、状況判定部３１１は、状況項目「調理」についての判定基準として図１２に例示される判定チャートを取得したとする。ここで、判定チャートとは、例えば、判定に用いられる基準値の一覧表である。基準値は、例えば、当該判定基準が対象とする状況項目に該当する状況の下で生成される物理センシングデータの生データまたはその加工済データとそうでない状況の下で生成される物理センシングデータの生データまたはその加工済データとを分析することで設計可能である。

状況判定部３１１は、少なくとも図１２において基準値の定められている（すなわち、状況項目「調理」についての判定に用いられる）物理センシングデータの生データまたはその加工済データを、図１１に例示されるデータチャートとして準備してもよい。ここで、データチャートとは、例えば、判定に用いられる物理センシングデータの生データおよびその加工済データの一覧表である。なお、物理センシングデータが、生データの加工済データを含まない場合には、状況判定部３１１は、必要な加工済データを生成してもよい。

状況判定部３１１は、図１１のデータチャートと図１２の判定チャートとを比較し、図１３に例示される比較結果を得る。図１３では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

状況判定部３１１は、例えば、「○」および「×」をそれぞれ「１（真）」または「０（偽）」として、若しくはその逆として換算し、判定基準の一部として定められた論理式または関係式に代入するなどして、状況項目の値を設定する。状況項目の値は２値、例えば「１（真）」または「０（偽）」として定められてもよいし、３以上の多値、例えば確率値、パーセンテージ、スコアなどとして定められてもよい。

なお、前述のように、判定基準は、学習済みモデルを含み得る。判定基準が学習済みモデルを含む場合には、状況判定部３１１は、当該学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データを準備し、準備したデータを当該ニューラルネットワークに与えて判定を行ってもよい。

この学習済みモデルは、状況を学習用物理センシングデータから判定する機械学習を行うことで作成されてよい。例えば、状況項目「調理」について判定を行うための学習済みモデルは、物理センサの周囲で人が調理中である時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、正解ラベル付きの学習データとして用いて教師付き学習を行うことで作成可能である。また、物理センサの周囲で人が調理中でない時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、不正解ラベル付きの学習データとして用いてもよい。

以下、図１４乃至図４５を用いて、様々な状況項目についての判定の具体例を説明する。ここで説明される具体例は全て、基準値を用いた判定を行っているが、前述のように学習済みモデルを用いた判定を適宜行ってよい。

図１４は、状況項目「人在」および「人数」について判定を行うために使用される物理センシングデータ「照度」および「ガス」の生データ、ならびに「音圧」の生データおよびその加工済データを示す。前述のように、状況項目「人在」は、物理センサの周囲に人が存在するか否かの情報を扱い得る。

例えば、物理センサの周囲（屋内）に人が存在すれば、活動のために照明をＯＮにする可能性がある。そこで、物理センシングデータ「照度」の生データについて、照明のＯＮ／ＯＦＦを区別するための値、例えば「２００［ｌｘ］」が基準値として設定されてもよい。

物理センサの周囲に人が存在すれば、その呼吸により周囲の揮発性有機化合物（ＶＯＣ）またはＣＯ_２の濃度が上昇する可能性がある。そこで、物理センシングデータ「ガス」の生データについて、人が存在する場合とそうでない場合とを区別するための値、例えば「５０［ｐｐｍ］」が基準値として設定されてもよい。さらに、物理センサの周囲に存在する人が多くなるほど、その呼吸により周囲のＶＯＣまたはＣＯ_２の濃度が上昇する可能性があるので、状況項目「人数」について、物理センサの周囲に人が複数人存在する場合とそうでない場合とを区別するための値、例えば「１００［ｐｐｍ］」が基準値として設定されてもよい。

物理センサの周囲に人が存在すれば、話し声または活動音による音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データが５０［ｄＢ］を超えている時間割合を所定の分析期間、例えば直近３０秒間に亘って計算した加工済データ（以降、単に「割合」とも呼ぶ）を準備してもよい。この割合について、人が存在する場合とそうでない場合とを区別するための値、例えば「５０［％］」が基準値として設定されてもよい。さらに、物理センサの周囲に存在する人が多くなるほど、上記割合が上昇する可能性があるので、状況項目「人数」について、物理センサの周囲に人が３人以上存在する場合とそうでない場合とを区別するための値、例えば「７０［％］」が基準値として設定されてもよい。

同様に、物理センシングデータ「音圧」の変化（例えば、１秒前または他の所定秒前の値との差）を判定に用いることもできる。具体的には、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化が「±２０［ｄＢ］」を超えた変化数を例えば直近３０秒間に亘って計算した加工済データ（以降、単に「変化数」とも呼ぶ）を準備してもよい。この変化数について、人が存在する場合とそうでない場合とを区別するための値、例えば「５［回］」が基準値として設定されてもよい。さらに、物理センサの周囲に存在する人が多くなるほど、上記変化数が上昇する可能性があるので、状況項目「人数」について、物理センサの周囲に人が３人以上存在する場合とそうでない場合とを区別するための値、例えば「１０［回］」が基準値として設定されてもよい。

このほか、例えば、物理センシングデータ「加速度」に基づいて人が歩くことによる床の振動や、物理センシングデータ「温度」に基づいて人数が増えることによる室温の上昇を捉えることで、状況項目「人在」または「人数」についてより正確に判定できる可能性がある。

状況判定部３１１は、状況項目「人在」についての判定基準として図１６に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図１６において基準値の定められている物理センシングデータの生データまたはその加工済データを、図１５に例示されるデータチャートとして準備する。

状況判定部３１１は、図１５のデータチャートと図１６の判定チャートとを比較し、図１７に例示される比較結果を得る。図１７では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、照度、ＶＯＣ（またはＣＯ_２）濃度、ならびに音圧の割合および変化数のいずれも基準値を下回っている。故に、状況判定部３１１は、状況項目「人在」の値に、例えば物理センサの周囲に人が存在しないことを示す「０（偽）」を設定し得る。

同様に、状況判定部３１１は、状況項目「人数」についての判定基準として例えば図１９に例示される判定チャートを取得したとする。なお、図１９の判定チャートは、物理センサの周囲に人が３人以上存在するか否かを判定するために用いることを想定したものである。状況判定部３１１は、少なくとも図１９において基準値の定められている物理センシングデータの生データまたはその加工済データを、図１８に例示されるデータチャートとして準備する。

状況判定部３１１は、図１８のデータチャートと図１９の判定チャートとを比較し、図２０に例示される比較結果を得る。図２０では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、照度、ＶＯＣ（またはＣＯ_２）濃度、ならびに音圧の割合および変化数のいずれも基準値以上である。故に、状況判定部３１１は、状況項目「人数」の値に、例えば物理センサの周囲に人が３人以上存在することを示す「１（真）」を設定し得る。

図２１は、状況項目「ドア開閉」について判定を行うために使用される物理センシングデータ「加速度」および「音圧」のそれぞれ生データおよびその加工済データを示す。状況項目「ドア開閉」は、物理センサの周囲で例えば直近３０秒間にドア開閉があったか否かの情報を扱い得る。

例えば物理センサの周囲でドア開閉があれば、ドアを開けた時と閉めた時にそれぞれ有意な振動が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「加速度」の生データについて「５０［ｍｇ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「生値数」とも呼ぶ）を準備してもよい。この加速度の生値数について、ドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。ここで、領域の長さである１０秒間は、ドアを開けてから閉めるまでの推定所要時間であり、適宜変更可能である。

同様に、物理センシングデータ「加速度」の生データの変化を判定に用いることもできる。具体的には、状況判定部３１１は、物理センシングデータ「加速度」生データの変化について「±１５［ｍｇ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「変化数」とも呼ぶ）を準備してもよい。この加速度の変化数について、ドア開閉があった場合とそうでない場合とを区別するための値、例えば「４［回］」が基準値として設定されてもよい。

物理センサの周囲でドア開閉があれば、ドアを開けた時と閉めた時にそれぞれ有意な音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データについて「５０［ｄＢ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「生値数」とも呼ぶ）を準備してもよい。この音圧の生値数について、ドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。また、物理センシングデータ「音圧」の生データについて、「５０［ｄＢ］」が基準値として設定されてもよい。

同様に、物理センシングデータ「音圧」の生データの変化を判定に用いることもできる。具体的には、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化について「±１５［ｄＢ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「変化数」とも呼ぶ）を準備してもよい。この音圧の変化数について、ドア開閉があった場合とそうでない場合とを区別するための値、例えば「４［回］」が基準値として設定されてもよい。

このほか、例えば、物理センシングデータ「気圧」に基づいてドアの開閉に伴う空気の出入りによる気圧の変化を捉えることで、状況項目「ドア開閉」についてより正確に判定できる可能性がある。

状況判定部３１１は、状況項目「ドア開閉」についての判定基準として図２３に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図２３において基準値の定められている物理センシングデータの生データまたはその加工済データを、図２２に例示されるデータチャートとして準備する。

状況判定部３１１は、図２２のデータチャートと図２３の判定チャートとを比較し、図２４に例示される比較結果を得る。図２４では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、加速度の生値数および変化数、ならびに音圧の生データ、生値数および変化数のいずれも基準値以上である。故に、状況判定部３１１は、状況項目「ドア開閉」の値に、例えば物理センサの周囲でドア開閉があったことを示す「１（真）」を設定し得る。

図２５は、状況項目「照明」について判定を行うために使用される物理センシングデータ「照度」および「音圧」それぞれの生データおよびその加工済データを示す。状況項目「照明」は、物理センサの周囲で照明の動作状況の情報を扱い得る。

物理センサの周囲で照明がＯＮ状態にあれば、その照明光により物理センシングデータ「照度」の生データが上昇する可能性がある。そこで、物理センシングデータ「照度」の生データについて、照明のＯＮ／ＯＦＦを区別するための値、例えば「２００［ｌｘ］」が基準値として設定されてもよい。

また、物理センサの周囲で照明がＯＦＦ状態からＯＮ状態に切り替えられれば、照度の急激な上昇が生じる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「照度」の生データの変化（ここでは、例えば１秒間の最大変化）を判定に用いることもできる。物理センシングデータ「照度」の生データの変化について、例えば「５０［ｌｘ］」が基準値として設定されてもよい。

物理センサの周囲で照明がＯＦＦ状態からＯＮ状態に切り替えられる時にスイッチ操作音が生じれば、有意な音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化について「±１５［ｄＢ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「変化数」とも呼ぶ）を準備してもよい。この音圧の変化数について、照明のスイッチ操作があった場合とそうでない場合とを区別するための値、例えば「１［回］」が基準値として設定されてもよい。ここでの１秒は、スイッチ操作音に伴うインパルス状の音圧の上下動を捉えるための時間領域の一例であって、変更可能である。

状況判定部３１１は、状況項目「照明」についての判定基準として図２７に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図２７において基準値の定められている物理センシングデータの生データまたはその加工済データを、図２６に例示されるデータチャートとして準備する。

状況判定部３１１は、図２６のデータチャートと図２７の判定チャートとを比較し、図２８に例示される比較結果を得る。図２８では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、照度の生データおよび変化、ならびに音圧の変化数のいずれも基準値以上である。故に、状況判定部３１１は、状況項目「照明」の値に、例えば、物理センサの周囲で照明がＯＮ状態にあること、或いは直近３０秒間に照明がＯＦＦ状態からＯＮ状態に切り替えられたこと、などを示す「１（真）」を設定し得る。

図２９は、状況項目「換気扇」について判定を行うために使用される物理センシングデータ「気圧」および「音圧」それぞれの生データおよびその加工済データを示す。状況項目「換気扇」は、物理センサの周囲で換気扇の動作状況の情報を扱い得る。

物理センサの周囲で換気扇がＯＮ状態にあれば、その換気扇の動作により物理センシングデータ「気圧」の生データが変化する可能性がある。例えば、給気型の換気扇が動作すれば、屋内への空気の流入が増えて物理センシングデータ「気圧」の生データが上昇する可能性がある。他方、排気型の換気扇が動作すれば、屋外への空気の流出が増えて物理センシングデータ「気圧」の生データが低下する可能性がある。そこで、状況判定部３１１は、物理センシングデータ「気圧」の生データの変化（ここでは例えば、５秒前の値との差）を判定に用いることもできる。物理センシングデータ「気圧」の生データの変化について、例えば「０．０２ｈＰａ」が基準値として設定されてもよい。

物理センサの周囲で換気扇がＯＮ状態にあれば、その動作音により物理センシングデータ「音圧」の生データが上昇する可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化を判定に用いることもできる。物理センシングデータ「音圧」の生データの変化について、例えば「１０［ｄＢ］」が基準値として設定されてもよい。

状況判定部３１１は、状況項目「換気扇」についての判定基準として図３１に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図３１において基準値の定められている物理センシングデータの生データまたはその加工済データを、図３０に例示されるデータチャートとして準備する。

状況判定部３１１は、図３０のデータチャートと図３１の判定チャートとを比較し、図３２に例示される比較結果を得る。図３２では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、気圧の変化および音圧の変化のいずれも基準値以上である。故に、状況判定部３１１は、状況項目「換気扇」の値に、例えば、物理センサの周囲で換気扇がＯＮ状態にあること、或いは直近３０秒間に換気扇がＯＦＦ状態からＯＮ状態に切り替えられたこと、などを示す「１（真）」を設定し得る。

図３３は、状況項目「冷蔵庫」について判定を行うために使用される物理センシングデータ「音圧」の生データおよびその加工済データを示す。状況項目「冷蔵庫」は、物理センサの周囲で冷蔵庫の動作状況、例えば物理センサの周囲で例えば直近３０秒間に冷蔵庫のドア開閉があったか否か、の情報を扱い得る。

物理センサの周囲で冷蔵庫のドア開閉があれば、冷蔵庫のドアを開けた時と閉めた時にそれぞれ有意な音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データについて「５０［ｄＢ］」を超えたピークを例えば直近３０秒間に亘って探索し、当該３０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「生値数」とも呼ぶ）を準備してもよい。この音圧の生値数について、冷蔵庫のドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。

同様に、物理センシングデータ「音圧」の生データの変化を判定に用いることもできる。具体的には、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化が、「＋１０ｄＢ」を上回り、かつ、それから１０秒以内に「−１０［ｄＢ］」を下回った回数をカウントした加工済データ（以降、単に「変化数」とも呼ぶ）を準備してもよい。この音圧の変化数について、冷蔵庫のドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。

このほか、例えば、物理センシングデータ「温度」に基づいて庫内の冷気が漏れることによる温度の低下を捉えることで、状況項目「冷蔵庫」についてより正確に判定できる可能性がある。

状況判定部３１１は、状況項目「冷蔵庫」についての判定基準として図３５に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図３５において基準値の定められている物理センシングデータの生データまたはその加工済データを、図３４に例示されるデータチャートとして準備する。

状況判定部３１１は、図３４のデータチャートと図３５の判定チャートとを比較し、図３６に例示される比較結果を得る。図３６では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、音圧の生値数および変化数のいずれも基準値以上である。故に、状況判定部３１１は、状況項目「冷蔵庫」の値に、例えば物理センサの周囲で冷蔵庫のドア開閉があったことを示す「１（真）」を設定し得る。

図３７は、状況項目「電子レンジ」について判定を行うために使用される物理センシングデータ「音圧」の生データを示す。状況項目「電子レンジ」は、物理センサの周囲で電子レンジの動作状況の情報を扱い得る。

電子レンジの動作状況に起因する音圧の変化として、ドア開閉時に急激な音圧の変化があること（例えば、図３７の時間［０：００：０４］頃および［０：００：０７］頃）、動作中に例えばマグネトロンを騒音源とする音圧が持続的に生じること（図３７の時間［０：００：０９］頃および［０：００：２４］頃）、そして動作終了音による急激な音圧の変化があること（例えば、図３７の時間［０：００：２４］頃）などが挙げられる。例えばこれらの要素の一部または全部を考慮して、基準値を設計することができる。

このほか、例えば、物理センシングデータ「温度」および「湿度」に基づいて、温められた食品等を取り出すときに庫内から蒸気が漏れることによる温度および湿度の上昇を捉えることで、状況項目「電子レンジ」についてより正確に判定できる可能性がある。

図３８は、状況項目「調理」について判定を行うために使用される物理センシングデータ「照度」、「音圧」および「気圧」それぞれの生データおよびその加工済データを示す。状況項目「調理」は、物理センサの周囲で人が調理をしているか否かの情報を扱い得る。

人は、調理時には、例えば、キッチンの照明をＯＮにし、冷蔵庫から食材を取り出し、換気扇をＯＮにする。故に、これらの行動に着目することで、物理センサの周囲で人が調理をしているか否かを判定することが可能となる。特に、換気扇の動作状況も判定材料に加えることで、例えば、ドリンクの取り出し、食料品の収納などの人の活動と、調理とを区別することができる可能性がある。なお、ここで説明した人の調理時の行動は例示に過ぎず、他にも様々な行動パターンを考慮して基準値を設計してもよい。

照明がＯＮ状態にあれば、その照明光により物理センシングデータ「照度」の生データが上昇する可能性がある。そこで、物理センシングデータ「照度」の生データについて、照明のＯＮ／ＯＦＦを区別するための値、例えば「５０［ｌｘ］」が基準値として設定されてもよい。

また、物理センサの周囲で照明がＯＦＦ状態からＯＮ状態に切り替えられれば、照度の急激な上昇が生じる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「照度」の生データの変化（ここでは、例えば１秒間の最大変化とし、「変化１」と称する）を判定に用いることもできる。物理センシングデータ「照度」の生データの変化について、例えば「５０［ｌｘ］」が基準値として設定されてもよい。

さらに、物理センサの周囲で照明または換気扇がＯＦＦ状態からＯＮ状態に切り替えられる時にスイッチ操作音が生じれば、有意な音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化が、「＋１０ｄＢ」を上回り、かつ、それから１秒以内に「−１０［ｄＢ］」を下回った回数をカウントした加工済データ（以降、単に「変化数１」とも呼ぶ）を準備してもよい。音圧の変化数１について、照明または換気扇のスイッチ操作があった場合とそうでない場合とを区別するための値、例えば「１［回］」が基準値として設定されてもよい。

物理センサの周囲で冷蔵庫のドア開閉があれば、冷蔵庫のドアを開けた時と閉めた時にそれぞれ有意な音圧が検出できる可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データについて「５０［ｄＢ］」を超えたピークを例えば直近６０秒間に亘って探索し、当該６０秒間のうちの任意の１０秒間の領域に入るピークの最大数を計算した加工済データ（以降、単に「生値数」とも呼ぶ）を準備してもよい。この音圧の生値数について、冷蔵庫のドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。

同様に、物理センシングデータ「音圧」の生データの変化を判定に用いることもできる。具体的には、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化が、「＋１０ｄＢ」を上回り、かつ、それから１０秒以内に「−１０［ｄＢ］」を下回った回数をカウントした加工済データ（以降、単に「変化数２」とも呼ぶ）を準備してもよい。音圧の変化数２について、冷蔵庫のドア開閉があった場合とそうでない場合とを区別するための値、例えば「２［回］」が基準値として設定されてもよい。

物理センサの周囲で換気扇がＯＮ状態にあれば、その動作音により物理センシングデータ「音圧」の生データが上昇する可能性がある。そこで、状況判定部３１１は、物理センシングデータ「音圧」の生データの変化（ここでは、例えば５秒前の値との差とし、「変化２」と称する）を判定に用いることもできる。物理センシングデータ「音圧」の生データの変化について、例えば「１０［ｄＢ］」が基準値として設定されてもよい。

物理センサの周囲で換気扇がＯＮ状態にあれば、その換気扇の動作により物理センシングデータ「気圧」の生データが変化する可能性がある。例えば、給気型の換気扇が動作すれば、屋内への空気の流入が増えて物理センシングデータ「気圧」の生データが上昇する可能性がある。他方、排気型の換気扇が動作すれば、屋外への空気の流出が増えて物理センシングデータ「気圧」の生データが低下する可能性がある。そこで、状況判定部３１１は、物理センシングデータ「気圧」の生データの変化２を判定に用いることもできる。物理センシングデータ「気圧」の生データの変化２について、例えば「０．０２ｈＰａ」が基準値として設定されてもよい。

このほか、例えば物理センシングデータ「温度」に基づいて熱源または冷蔵庫の使用状況や、物理センシングデータ「ガス」に基づいて燃焼によるＶＯＣ（またはＣＯ_２）濃度の上昇を捉えることで、状況項目「調理」についてより正確に判定できる可能性がある。

状況判定部３１１は、状況項目「調理」についての判定基準として図４０に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図４０において基準値の定められている物理センシングデータの生データまたはその加工済データを、図３９に例示されるデータチャートとして準備する。

状況判定部３１１は、図３９のデータチャートと図４０の判定チャートとを比較し、図４１に例示される比較結果を得る。図４１では、データチャートの対応欄の値が判定チャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、照度の生データ、音圧の変化数１、生値数、変化数２および変化２、ならびに気圧の変化２は基準値以上であるが、照度の変化１は基準値を下回っている。照度の生データが基準値以上であり、かつ、照度の変化１は基準値を下回っていることから、照明は現在ＯＮ状態にあるもののＯＦＦ状態からＯＮ状態に切り替えられてから長時間経過している、照明が必要のない程度の環境光が得られるので照明は現在ＯＦＦ状態にある、などと推察される。故に、例えば、人がキッチンの照明を消し忘れていてそのまま調理をしている、昼間に調理をしている、などの仮説を立てることができる。そこで、例えば、状況判定部３１１は、状況項目「調理」の値に、例えば、物理センサの周囲で人が調理をしていることを示す「１（真）」を設定し得る。ただし、ここで説明して判定結果は、あくまで例示であって、状況項目「調理」の判定基準（例えば、前述の論理式または関係式）次第ではこれと異なる判定結果となり得る。

図４２は、状況項目「睡眠」について判定を行うために使用される物理センシングデータ「照度」および「音圧」それぞれの生データを示す。状況項目「睡眠」は、例えば、物理センサの周囲で人が睡眠中であるか否かの情報を扱い得る。

なお、状況項目「睡眠」は、人が物理センサの周囲に存在する（例えば、在宅中である）ことを前提とする。故に、状況判定部３１１は、前述の状況項目「人在」の値、またはその他の手段により、物理センサの周囲に人が存在する状況の下で得られたことが確かめられたセンサデータに限って、状況項目「睡眠」についての判定を行ってもよい。これは、図９に例示した、「人の生活状況」に属する他の状況項目にも当てはまり得る。

例えば、物理センサの周囲で人が睡眠中であれば、照明をＯＦＦ状態にしている可能性がある。そこで、物理センシングデータ「照度」の生データについて、照明がＯＦＦ状態であることを示す値、例えば「０［ｌｘ］」が基準値として設定されてもよい。なお、これまで説明した具体例では全て、基準値は、対応するセンサデータの生データまたはその加工済データに課される下限値であるが、この例での基準値は、下限値ではなく上限値に相当する。

物理センサの周囲で人が睡眠中であれば、いびき、歯ぎしり、寝言、体動などによる音が生じ得るものの、人が活動している時に比べて静かであると考えられる。そこで、物理センシングデータ「音圧」の生データについて、「３５［ｄＢ］」が基準値として設定されてもよい。

状況判定部３１１は、状況項目「睡眠」についての判定基準として図４４に例示される判定チャートを取得したとする。状況判定部３１１は、少なくとも図４４において基準値の定められている物理センシングデータの生データまたはその加工済データを、図４３に例示されるデータチャートとして準備する。

状況判定部３１１は、図４３のデータチャートと図４４の判定チャートとを比較し、図４５に例示される比較結果を得る。図４５では、データチャートの対応欄の値が判定チャートに定められた基準値以下である場合には「○」が、基準値を上回っている場合には「×」が、判定チャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

この例では、照度の生データおよび音圧の生データのいずれも基準値以下である。故に、状況判定部３１１は、状況項目「睡眠」の値に、例えば物理センサの周囲で人が睡眠中であることを示す「１（真）」を設定し得る。

以下、図４６乃至図５１を用いて第２の仮想センシングデータ生成部３２０をさらに説明する。
図４６に例示されるように、第２の仮想センシングデータ生成部３２０は、判定基準選択部３２１と、状況判定部３２２とを含む。

判定基準選択部３２１は、仮想センシングデータ取得部３０２から仮想センシングデータ１５を受け取り、判定基準取得部３０３から判定基準（第２の判定基準）を受け取る。判定基準選択部３２１は、所与の状況項目に複数の判定基準が定められている場合には、当該複数の判定基準から仮想センシングデータ１５に対応する１つを選択し、選択された判定基準を状況判定部３２２へ送る。

状況判定部３２２は、物理センシングデータ取得部３０１から物理センシングデータを受け取り、判定基準選択部３２１から選択された判定基準を受け取る。状況判定部３２２は、選択された判定基準を用いて、物理センシングデータに基づいて状況を判定し、仮想センシングデータ１２を生成する。状況判定部３２２は、仮想センシングデータ１２をデータ出力部３５０へ送る。

仮想センシングデータ１２に含まれ得る状況項目は、仮想センシングデータ１１と同様に、例えば図６乃至図１０に示されるようにいくつかの中項目別に整理されてもよい。なお、図６乃至図１０に示した状況項目は一例に過ぎず、これとは異なる状況項目が用いられてもよい。また、ここで示した中項目別の整理は一例に過ぎず、ある中項目に属するとされた状況項目が別の中項目に属すると解する余地もあるし、異なる中項目を用いて整理をすることもできるし、そもそも中項目を用いた整理を行わなくてもよい。

なお、図６乃至図１０において、物理センシングデータの欄に列挙される物理センシングデータは、生データに限られずその加工済データを含み得る。同様に、物理センシングデータの欄に列挙される物理センシングデータは、例示に過ぎない。

例えば、判定基準選択部３２１は、状況項目「調理」について、状況項目「人在」が真である場合に用いられる判定基準１、状況項目「空調」が真である場合に用いられる判定基準２、状況項目「電子レンジ」が真である場合に用いられる判定基準３、および、状況項目「ＴＶ」が真であることを示す場合に用いられる判定基準４をそれぞれ判定チャートとして取得したとする。ここで、判定チャートとは、例えば、判定に用いられる基準値の一覧表である。判定基準に含まれる基準値は、例えば、（１）当該判定基準が対応付けられる（仮想センシングデータ１５の示す）状況に合致し、かつ、当該判定基準が対象とする状況項目に該当する状況の下で生成される物理センシングデータの生データまたはその加工済データと、（２）当該判定基準が対応付けられる状況に合致するが、当該判定基準が対象とする状況項目には該当しない状況の下で生成される物理センシングデータの生データまたはその加工済データとを分析することで設計可能である。判定基準選択部３２１は、仮想センシングデータ１５が物理センサの周囲に人が存在することを示す場合には、判定基準１を選択してもよい。

状況判定部３２２は、判定基準選択部３２１によって選択された判定チャートにおいて少なくとも基準値の定められている物理センシングデータの生データまたはその加工済データを、データチャートとして準備してもよい。ここで、データチャートとは、例えば、判定に用いられる物理センシングデータの生データおよびその加工済データの一覧表である。なお、物理センシングデータが、生データの加工済データを含まない場合には、状況判定部３２２は、必要な加工済データを生成してもよい。

状況判定部３２２は、データチャートと判定チャートとを比較し、比較結果を得る。状況判定部３２２は、それぞれの基準値についての比較結果をそれぞれ「１（真）」または「０（偽）」として、若しくはその逆として換算し、判定基準の一部として定められた論理式または関係式に代入するなどして、状況項目の値を設定する。状況項目の値は２値、例えば「１（真）」または「０（偽）」として定められてもよいし、３以上の多値、例えば確率値、パーセンテージ、スコアなどとして定められてもよい。

なお、前述のように、判定基準は、学習済みモデルを含み得る。判定基準が学習済みモデルを含む場合には、状況判定部３２２は、当該学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データを準備し、準備したデータを当該ニューラルネットワークに与えて判定を行ってもよい。

この学習済みモデルは、状況を学習用物理センシングデータから判定する機械学習を行うことで作成されてよい。例えば、仮想センシングデータ１５における状況項目「ＴＶ」の値が真（物理センサの周囲にあるＴＶがＯＮである）である場合に状況項目「調理」について判定を行うための学習済みモデルは、物理センサの周囲でＴＶがＯＮであり、かつ、物理センサの周囲で人が調理中である時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、正解ラベル付きの学習データとして用いて教師付き学習を行うことで作成可能である。また、物理センサの周囲でＴＶがＯＮであり、かつ、物理センサの周囲で人が調理中でない時に生成された各学習用物理センシングデータの生データおよび／またはその加工済データを、不正解ラベル付きの学習データとして用いてもよい。

なお、状況判定部３２２は、仮想センシングデータ１２に含まれる状況項目の一部または全部について判定基準を用いた判定を行わなくてもよい。具体的には、状況判定部３２２は、一部または全部について、仮想センシングデータ取得部３０２から取得した仮想センシングデータ１５に基づいて判定を行ってもよい。

例えば、状況判定部３２２は、仮想センシングデータ１５の値をそのまま、または変換し、仮想センシングデータ１２に含まれる特定の状況項目の値として用いてもよい。また、状況判定部３２２は、仮想センシングデータ１２に含まれる状況項目についての判定を、仮想センシングデータ１５における対応項目を物理センシングデータに基づいて補うことで行ってもよい。

図４７は、中項目「人に関する状況」に属する状況項目と、当該状況項目に対応する仮想センシングデータ１５（第１の仮想センシングデータ）の項目と当該項目を補うために用いられる物理センシングデータとを例示する。

図４８は、中項目「自然に関する状況」に属する状況項目と、当該状況項目に対応する仮想センシングデータ１５の項目と当該項目を補うために用いられる物理センシングデータとを例示する。

図４９は、中項目「周辺装置の動作状況」に属する状況項目と、当該状況項目に対応する仮想センシングデータ１５の項目と当該項目を補うために用いられる物理センシングデータとを例示する。

図５０は、中項目「人の生活状況」に属する状況項目と、当該状況項目に対応する仮想センシングデータ１５の項目と当該項目を補うために用いられる物理センシングデータとを例示する。

図５１は、中項目「物理センサの設置空間に関する状況」に属する状況項目と、当該状況項目に対応する仮想センシングデータ１５の項目と当該項目を補うために用いられる物理センシングデータとを例示する。

以下、図５２乃至図６０を用いて第１の信頼性データ生成部３３０をさらに説明する。
図５２に例示されるように、第１の信頼性データ生成部３３０は、信頼性算出部３３１を含む。信頼性算出部３３１は、仮想センシングデータ取得部３０２から仮想センシングデータ１６を受け取り、算出基準取得部３０４から算出基準（第１の算出基準）を受け取る。信頼性算出部３３１は、算出基準を用いて、仮想センシングデータ１６に基づいてセンシングデータの信頼性を算出し、信頼性データ１３を生成する。信頼性算出部３３１は、信頼性データ１３をデータ出力部３５０へ送る。

前述のように、信頼性データ１３は、例えば、センシングデータの信頼性に影響を与える要因毎に物理センシングデータの当該要因に対する信頼性を示し得る。ここでは、要因の１つ１つを信頼性項目と呼ぶ。信頼性データ１３は、「Ａ．人による影響」、「Ｂ．ノイズによる影響」、「Ｃ．周辺装置の動作による影響」、「Ｄ．センサの設置空間による影響」および「Ｅ．意図的な変動」の信頼性項目を含み得る。なお、これらは例示に過ぎず、これらとは異なる信頼性項目が用いられてもよい。

信頼性算出部３３１は、仮想センシングデータ１６の示す状況が、信頼性項目として定義された要因のそれぞれにどの程度影響しているかを見積もる。例えば、図６乃至図１０を用いて説明した状況項目の中項目と、上記Ａ〜Ｅの信頼性項目との関係は図５３のように整理することができる。

すなわち、「人に関する状況」は信頼性項目の「Ａ．人による影響」および／または「Ｅ．意図的な変動」に関係し、「自然に関する状況」は信頼性項目の「Ｂ．ノイズによる影響」および／または「Ｅ．意図的な変動」に関係し、「周辺装置の動作状況」は信頼性項目の「Ｂ．ノイズによる影響」および／または「Ｃ．周辺装置の動作による影響」に関係し、「人の生活状況」は信頼性項目の「Ａ．人による影響」に関係し、「物理センサの設置空間に関する状況」は信頼性項目の「Ｄ．センサの設置空間による影響」に関係する。図５４には、図６乃至図１０を用いて説明した個々の状況項目が、どの物理センシングデータのどの信頼性項目に関係するかを例示している。例えば、状況項目「空調」の値は、物理センシングデータ「温度」の「Ｃ．周辺装置の動作による影響」を左右し、物理センシングデータ「気圧」および「音圧」などの「Ｂ．ノイズによる影響」を左右する。なお、図５３および図５４の関係は例示に過ぎず、これらとは異なる関係を見出して利用してもよい。

例えば、仮想センシングデータ１６の状況項目「洗濯機」の値が、物理センサの周囲で洗濯機がＯＮ状態にあることを示すならば、信頼性算出部３３１は、物理センシングデータ「音圧」の「Ｂ．ノイズによる影響」に対する信頼性を３０％と算出し得る。

例えば、仮想センシングデータ１６の状況項目「空調」の値が、物理センサの周囲で空調が例えば設定温度３０度でＯＮ状態にあることを示すならば、信頼性算出部３３１は、物理センシングデータ「温度」の「Ｃ．周辺装置の動作による影響」に対する信頼性を７０％と算出し得る。

例えば、仮想センシングデータ１６の状況項目「設置向き」の値が、センサが安定的に設置されていることを示すならば、信頼性算出部３３１は、物理センシングデータ「照度」の「Ｄ．センサの設置空間による影響」に対する信頼性を１００％と算出し得る。他方、仮想センシングデータ１６の状況項目「設置向き」の値が、照度センサの入射窓が鉛直下向きであることを示すならば、信頼性算出部３３１は、物理センシングデータ「照度」の「Ｄ．センサの設置空間による影響」に対する信頼性を２０％と算出し得る。

例えば、仮想センシングデータ１６の状況項目「設置向き」の値が、音圧センサの音孔が壁向きであることを示すならば、信頼性算出部３３１は、物理センシングデータ「音圧」の「Ｄ．センサの設置空間による影響」に対する信頼性を２０％と算出し得る。

例えば、仮想センシングデータ１６の何らかの状況項目の値が、人がセンサに息を吹きかけていること示すならば、信頼性算出部３３１は、物理センシングデータ「湿度」の「Ｅ．意図的な変動」に対する信頼性を３０％と算出し得る。なお、人がセンサに息を吹きかけていることは、例えば、物理センシングデータ「温度」および「ガス」に基づいて判定することができる。

例えば、仮想センシングデータ１６の何らかの状況項目の値が、物理センシングデータ「温度」の生データが一定であることを示すならば、信頼性算出部３３１は、温度センサが故障であるとして、物理センシングデータ「温度」の全ての信頼性項目に対する信頼性を０％と算出し得る。なお、物理センシングデータ「温度」の生データが一定であることは、例えば所定期間内の物理センシングデータ「温度」の最大および最小値を比較することで検出可能である。

前述のように、算出基準は、仮想センシングデータ１６に含まれる状況項目の各々に割り当てられる重み係数（寄与率フィルタ係数）を含み得る。信頼性算出部３３１は、仮想センシングデータ１６における各状況項目の値と当該状況項目に割り当てられた重み係数とを用いて演算を行い、その演算の結果に基づいてセンシングデータの信頼性を算出してもよい。具体的には、信頼性算出部３３１は、各状況項目の値に重み係数を乗じて重み付き和を計算し、当該重み付き和に基づいてセンシングデータの信頼性を算出してもよい。

信頼性項目「Ａ．人による影響」について、関係する各状況項目には図５５に例示されるように寄与率フィルタ係数が割り当てられる。信頼性項目「Ｂ．ノイズによる影響」について、関係する各状況項目には図５６に例示されるように寄与率フィルタ係数が割り当てられる。信頼性項目「Ｃ．周辺装置の動作による影響」について、関係する各状況項目には図５７に例示されるように寄与率フィルタ係数が割り当てられる。信頼性項目「Ｄ．センサの設置空間による影響」について、関係する各状況項目には図５８に例示されるように寄与率フィルタ係数が割り当てられる。

例えば図５５に示される寄与率フィルタ係数を用いて、信頼性算出部３３１は、図５９に例示されるように、物理センシングデータ「温度」の「Ａ．人による影響」に対する信頼性を算出できる。具体的には、信頼性算出部３３１は、物理センシングデータ「温度」の「Ａ．人による影響」に関係する状況項目のそれぞれについて、仮想センシングデータ１６の値に寄与率フィルタ係数を乗じ、乗算結果を合計する。ここでは、乗算結果の合計は「０．６５」であり、信頼性算出部３３１は、物理センシングデータ「温度」の「Ａ．人による影響」に対する信頼性を３５％（＝１−０．６５）と算出する。なお、信頼性は、図５９のように確率値、パーセンテージ、スコアなどの３以上の多値として定められてもよいし、例えば信頼できる／できないことを示す「１（真）」／「０（偽）」などの２値として定められてもよい。

なお、前述のように、算出基準は、学習済みモデルを含み得る。算出基準が学習済みモデルを含む場合には、信頼性算出部３３１は、当該学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた、仮想センシングデータ１６の値を準備し、準備したデータを当該ニューラルネットワークに与えて信頼性を算出してもよい。

この学習済みモデルは、学習用仮想センシングデータからセンシングデータの信頼性を算出する機械学習を行うことで作成されてよい。例えば、ある信頼性項目について算出を行うための学習済みモデルは、ある状況の下で得られたセンシングデータの当該信頼性項目についての信頼性を何らかの手段で評価して正解ラベルを作成し、当該状況を示す学習用仮想センシングデータを正解ラベル付きの学習データとして用いて教師付き学習を行うことで作成可能である。

以上のように、信頼性算出部３３１は、物理センシングデータ毎に、各信頼性項目についての信頼性を算出する。この結果、図６０に例示されるように、信頼性データ１３は、物理センシングデータ毎に信頼性項目Ａ〜Ｅそれぞれの値を含む。なお、図６０のデータ構造は一例であり、物理センシングデータと信頼性データ１３は、必ずしもひとまとまりのデータとして結合される必要はない。また、信頼性データ１３に加えて、または信頼性データ１３に代えて、信頼性データ１４が物理センシングデータと結合されてもよい。さらに、物理センシングデータ間で信頼性を算出する対象となる信頼性項目が異なっていてもよい。

以下、図６１乃至図６４を用いて第２の信頼性データ生成部３４０をさらに説明する。
図６１に例示されるように、第２の信頼性データ生成部３４０は、算出基準選択部３４１と、信頼性算出部３４２とを含む。

算出基準選択部３４１は、仮想センシングデータ取得部３０２から仮想センシングデータ１７を受け取り、算出基準取得部３０４から算出基準（第２の算出基準）を受け取る。算出基準選択部３４１は、所与の信頼性項目に複数の算出基準が定められている場合には、当該複数の算出基準から仮想センシングデータ１７に対応する１つを選択する。複数の算出基準とは、例えば、物理センサの周囲で空調がＯＮである場合向けの算出基準、物理センサの周囲でＴＶがＯＮである場合向けの算出基準などを含み得る。

信頼性算出部３４２は、動作条件データ取得部３０５から動作条件データを受け取り、算出基準選択部３４１から選択された算出基準を受け取る。信頼性算出部３４２は、選択された算出基準を用いて、動作条件データに基づいてセンシングデータの信頼性を算出し、信頼性データ１４を生成する。信頼性算出部３４２は、信頼性データ１４をデータ出力部３５０へ送る。

前述のように、信頼性データ１４は、例えば、（仮想センシングデータ１７の示す状況の下で）動作条件データの示す動作条件に従って動作する物理センサによって生成された物理センシングデータのノイズに対する信頼性を示し得る。例えば、信頼性データ１４は、物理センシングデータ「温度」、「気圧」、「音圧」および「振動」のノイズに対する信頼性を含み得る。

例えば、信頼性算出部３４２は、算出基準選択部３４１によって選択された算出基準として図６３に例示されるノイズチャートを取得したとする。ここで、ノイズチャートとは、例えば、ノイズに対する信頼性の算出に用いられる基準値の一覧表である。基準値は、例えば、算出基準に対応付けられた（仮想センシングデータ１７の示す）状況の下（例えば、物理センサの周囲で空調がＯＮである時、物理センサの周囲でＴＶがＯＮである時、など）で生成される各物理センシングデータのノイズの特性を分析することで設計可能である。ノイズの特性は、例えば、ノイズ周波数、ノイズ幅および変動幅のように、動作条件データの各項目と比較可能なものであり得る。

信頼性算出部３４２は、少なくとも図６３において基準値の定められている動作条件データを、図６２に例示されるデータチャートとして準備してもよい。ここで、データチャートとは、例えば、信頼性の算出に用いられる動作条件データの一覧表である。

信頼性算出部３４２は、図６２のデータチャートと図６３のノイズチャートとを比較し、図６４に例示される比較結果を得る。図６４では、「サンプリング周波数」および「分解能」については、データチャートの対応欄の値がノイズチャートに定められた基準値以上である場合には「○」が、基準値を下回っている場合には「×」が、「精度」については、データチャートの対応欄の値がノイズチャートに定められた基準値以下である場合には「○」が、基準値を上回っている場合には「×」が、ノイズチャートに定められた基準値が存在しない場合には「−」がそれぞれ付されている。

信頼性算出部３４２は、例えば、「○」および「×」をそれぞれ「１（真）」または「０（偽）」として、若しくはその逆として換算し、算出基準の一部として定められた論理式または関係式に代入するなどして、信頼性項目の値を設定する。信頼性項目の値は２値、例えば「１（真）」または「０（偽）」として定められてもよいし、３以上の多値、例えば確率値、パーセンテージ、スコアなどとして定められてもよい。

例えば、信頼性算出部３４２は、物理センシングデータ「気圧」および「音圧」について、比較対象となった動作条件データのいずれも基準値によって定められた範囲内の値であったので、ノイズに対する信頼性を「１００［％］」と算出してもよい。他方、信頼性算出部３４２は、物理センシングデータ「温度」および「振動」は、比較対象となった動作条件データの中に基準値によって定められた範囲外の値があったので、ノイズに対する信頼性をそれぞれ例えば「５０［％］」および「３０［％］」と算出してもよい。ここでは特に、物理センシングデータ「振動」は、ノイズ周波数が２００［Ｈｚ］に対してサンプリング周波数が１００［Ｈｚ］と半分であり、データを取りこぼす可能性があるため信頼性が低く見積もられている。

なお、前述のように、算出基準は、学習済みモデルを含み得る。算出基準が学習済みモデルを含む場合には、信頼性算出部３４２は、当該学習済みモデルをニューラルネットワークに設定し、当該ニューラルネットワークの入力データとして定められた動作条件データの値を準備し、準備したデータを当該ニューラルネットワークに与えて信頼性を算出してもよい。

この学習済みモデルは、学習用動作条件データからセンシングデータの信頼性を算出する機械学習を行うことで作成されてよい。例えば、物理センサの周囲で空調がＯＮである場合のセンシングデータの信頼性を算出するために用いられる学習済みモデルは、当該状況の下で様々な動作条件に従ってセンサを動作させて得られたセンシングデータのノイズに対する信頼性を何らかの手段で評価して正解ラベルを作成し、当該センシングデータを生成した物理センサの動作条件を示す学習用動作条件データを正解ラベル付きの学習データとして用いて教師付き学習を行うことで作成可能である。

＜その他＞
データ生成装置２００の各機能に関しては後述する動作例で詳細に説明する。なお、本実施形態では、データ生成装置２００の各機能がいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、以上の機能の一部又は全部が、１または複数の専用のプロセッサにより実現されてもよい。また、データ生成装置２００の機能構成に関して、実施形態に応じて、適宜、機能の省略、置換及び追加が行われてもよい。

§３ 動作例
次に、図６５乃至図６８を用いて、データ生成装置２００の動作例を説明する。なお、以下で説明する処理手順は一例に過ぎず、各処理は可能な限り変更されてよい。また、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、及び追加が可能である。

図６５は、第１の仮想センシングデータ生成部３１０の動作の一例を示すフローチャートである。
まず、物理センシングデータ取得部３０１が物理センシングデータを取得し、判定基準取得部３０３が判定基準（第１の判定基準）を取得する（ステップＳ５０１）。状況判定部３１１がこれら物理センシングデータおよび判定基準を受け取り、処理はステップＳ５０２へと進む。

ステップＳ５０２において、状況判定部３１１は、仮想センシングデータ１１に含まれる状況項目（例えば図６乃至図１０に示された項目）のうち未選択の項目を選択する。なお、判定基準次第では、複数の状況項目について同時に判定を行うことができる。例えば、判定基準は、複数の状況項目について同時に判定を行う機械学習によって作成された学習済みモデルを含み得る。このような場合には、ステップＳ５０２において複数の項目が選択され得る。

状況判定部３１１は、ステップＳ５０２において選択した状況項目（ここでは単に選択項目と呼ぶ）に対して定められた判定基準を適用するために必要な物理センシングデータの生データおよびその加工済データを準備する（ステップＳ５０３）。ここで、判定基準を適用するために必要な物理センシングデータは、例えば、判定基準に含まれる基準値が定められた物理センシングデータの生データまたはその加工済データであってもよいし、判定基準に含まれる学習済みモデルの設定されたニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データであってもよい。

状況判定部３１１は、選択項目に対して定められた判定基準を、ステップＳ５０３において準備したデータに適用することで、状況が選択項目に該当するか否かを判定する（ステップＳ５０４）。判定基準をデータに適用することは、判定基準に含まれる基準値と対応するデータとを比較することであってもよいし、判定基準に含まれる学習済みモデルの設定されたニューラルネットワークにデータを与えることであってもよい。

状況判定部３１１は、ステップＳ５０４の判定結果に応じて、仮想センシングデータ１１における選択項目の値を設定する（ステップＳ５０５）。ステップＳ５０５の終了時点で全ての状況項目についての処理が終了していれば図６５の動作は終了し、そうでなければ処理はステップＳ５０２へ戻る（ステップＳ５０６）。

図６６は、第２の仮想センシングデータ生成部３２０の動作の一例を示すフローチャートである。
まず、物理センシングデータ取得部３０１が物理センシングデータを取得し、仮想センシングデータ取得部３０２が仮想センシングデータ１５を取得し、判定基準取得部３０３が判定基準（第２の判定基準）を取得する（ステップＳ５１１）。判定基準選択部３２１がこれら仮想センシングデータ１５および判定基準を受け取り、状況判定部３２２がこの物理センシングデータを受け取り、処理はステップＳ５１２へと進む。

ステップＳ５１２において、判定基準選択部３２１は、仮想センシングデータ１２に含まれる状況項目（例えば図６乃至図１０に示された項目）のうち未選択の項目を選択する。なお、判定基準次第では、複数の状況項目について同時に判定を行うことができる。例えば、判定基準は、複数の状況項目について同時に判定を行う機械学習によって作成された学習済みモデルを含み得る。このような場合には、ステップＳ５１２において複数の項目が選択され得る。

判定基準選択部３２１は、ステップＳ５１２において選択した状況項目（ここでは単に選択項目と呼ぶ）に対して複数の判定基準が定められている場合には、ステップＳ５１１において取得された仮想センシングデータ１５に対応する１つを選択する（ステップＳ５１３）。なお、選択項目に対して１つだけ判定基準が定められている場合にはステップＳ５１３はスキップされてよい。

状況判定部３２２は、ステップＳ５１３において選択された判定基準を適用するために必要な物理センシングデータの生データおよびその加工済データを準備する（ステップＳ５１４）。ここで、判定基準を適用するために必要な物理センシングデータは、例えば、判定基準に含まれる基準値が定められた物理センシングデータの生データまたはその加工済データであってもよいし、判定基準に含まれる学習済みモデルの設定されたニューラルネットワークの入力データとして定められた物理センシングデータの生データまたはその加工済データであってもよい。

状況判定部３２２は、ステップＳ５１３において選択された判定基準を、ステップＳ５１４において準備したデータに適用することで、状況が選択項目に該当するか否かを判定する（ステップＳ５１５）。判定基準をデータに適用することは、判定基準に含まれる基準値と対応するデータとを比較することであってもよいし、判定基準に含まれる学習済みモデルの設定されたニューラルネットワークにデータを与えることであってもよい。

状況判定部３２２は、ステップＳ５１５の判定結果に応じて、仮想センシングデータ１２における選択項目の値を設定する（ステップＳ５１６）。ステップＳ５１６の終了時点で全ての状況項目についての処理が終了していれば図６６の動作は終了し、そうでなければ処理はステップＳ５１２へ戻る（ステップＳ５１７）。

図６７は、第１の信頼性データ生成部３３０の動作の一例を示すフローチャートである。
まず、仮想センシングデータ取得部３０２が仮想センシングデータ１６を取得し、算出基準取得部３０４が算出基準（第１の算出基準）を取得する（ステップＳ５２１）。信頼性算出部３３１がこれら仮想センシングデータ１６および算出基準を受け取り、処理はステップＳ５２２へと進む。

ステップＳ５２２において、信頼性算出部３３１は、信頼性データ１３に含まれる信頼性項目（例えば図５３に示された項目）のうち未選択の項目を選択する。なお、算出基準次第では、複数の信頼性項目について同時に信頼性を算出することができる。例えば、算出基準は、複数の信頼性項目について同時に信頼性算出する機械学習によって作成された学習済みモデルを含み得る。このような場合には、ステップＳ５２２において複数の項目が選択され得る。

信頼性算出部３３１は、ステップＳ５２２において選択した信頼性項目（ここでは単に選択項目と呼ぶ）に対して定められた算出基準を適用するために必要な仮想センシングデータ１６（における一部または全部の状況項目の値）を準備する（ステップＳ５２３）。ここで、算出基準を適用するために必要な仮想センシングデータ１６は、例えば、算出基準に含まれる重み係数が割り当てられた状況項目の値であってもよいし、算出基準に含まれる学習済みモデルの設定されたニューラルネットワークの入力データとして定められた状況項目の値であってもよい。

信頼性算出部３３１は、選択項目に対して定められた算出基準を、ステップＳ５２３において準備したデータに適用することで、センシングデータの選択項目に対する信頼性を算出する（ステップＳ５２４）。算出基準をデータに適用することは、算出基準に含まれる重み係数と対応するデータの値とを用いて演算（例えば乗算）を行い、この演算の結果を統合するためのさらなる演算（例えば、重み付き和の計算、および当該重み付き和を信頼性の上限値から減算）を行うことであってもよいし、算出基準に含まれる学習済みモデルの設定されたニューラルネットワークにデータを与えることであってもよい。

信頼性算出部３３１は、ステップＳ５２４の算出結果に応じて、信頼性データ１３における選択項目の値を設定する（ステップＳ５２５）。ステップＳ５２５の終了時点で全ての信頼性項目についての処理が終了していれば図６７の動作は終了し、そうでなければ処理はステップＳ５２２へ戻る（ステップＳ５２６）。

図６８は、第２の信頼性データ生成部３４０の動作の一例を示すフローチャートである。
まず、仮想センシングデータ取得部３０２が仮想センシングデータ１７を取得し、算出基準取得部３０４が算出基準（第２の算出基準）を取得し、動作条件データ取得部３０５が動作条件データを取得する（ステップＳ５３１）。算出基準選択部３４１がこれら仮想センシングデータ１７および算出基準を受け取り、信頼性算出部３４２がこの動作条件データを受け取り、処理はステップＳ５３２へと進む。

ステップＳ５３２において、算出基準選択部３４１は、信頼性データ１４の算出対象となる信頼性項目（例えば「ノイズ」）のうち未選択の項目を選択する。なお、算出基準次第では、複数の信頼性項目について同時に判定を行うことができる。例えば、算出基準は、複数の信頼性項目について同時に信頼性を算出する機械学習によって作成された学習済みモデルを含み得る。このような場合には、ステップＳ５１２において複数の項目が選択され得る。なお、算出基準が全信頼性項目に対してまとめて１つないし複数定められている場合には本ステップＳ５３２および後述するステップＳ５３７はスキップされてよい。

算出基準選択部３４１は、ステップＳ５３２において選択した信頼性項目（ここでは単に選択項目と呼ぶ）に対して複数の算出基準が定められている場合には、ステップＳ５３１において取得された仮想センシングデータ１７に対応する１つを選択する（ステップＳ５３３）。なお、選択項目に対して１つだけ算出基準が定められている場合にはステップＳ５３３はスキップされてよい。

信頼性算出部３４２は、ステップＳ５３３において選択された算出基準を適用するために必要な動作条件データを準備する（ステップＳ５３４）。ここで、算出基準を適用するために必要な動作条件データは、例えば、算出基準に含まれる基準値が定められた動作条件データの値であってもよいし、算出基準に含まれる学習済みモデルの設定されたニューラルネットワークの入力データとして定められた動作条件データの値であってもよい。

信頼性算出部３４２は、ステップＳ５３３において選択された算出基準を、ステップＳ５３４において準備したデータに適用することで、選択項目の信頼性を算出する（ステップＳ５３５）。算出基準をデータに適用することは、算出基準に含まれる基準値と対応するデータとを比較することであってもよいし、算出基準に含まれる学習済みモデルの設定されたニューラルネットワークにデータを与えることであってもよい。

信頼性算出部３４２は、ステップＳ５３５の判定結果に応じて、信頼性データ１４における選択項目の値を設定する（ステップＳ５３６）。ステップＳ５３６の終了時点で全ての信頼性項目についての処理が終了していれば図６８の動作は終了し、そうでなければ処理はステップＳ５３２へ戻る（ステップＳ５３７）。

［作用・効果］
以上説明したように、本実施形態では、データ生成装置は、判定基準を用いて、物理センシングデータに基づいて当該状況を判定する。従って、このデータ生成装置によれば、状況についての判定結果を示す仮想センシングデータを生成することができる。

また、データ生成装置は、自己の生成した、または外部装置によって生成された、状況の一次的な判定結果を表す第１の仮想センシングデータに基づいて、当該状況の二次的な判定を行うために用いる判定基準を選択してもよい。これにより、第１の仮想センシングデータの示す状況によるノイズ等の影響が考慮された判定基準を用いることができるので、物理センサの周囲の状況を正確に判定することが可能となる。

さらに、このデータ生成装置は、自己の生成した、または外部装置によって生成された、仮想センシングデータに基づいて、センシングデータの信頼性を算出してもよい。故に、このデータ生成装置によれば、仮想センシングデータから把握される、センシングデータの信頼性に影響を与える要因に対してのセンシングデータの信頼性を記述する信頼性データを生成できる。

さらに、このデータ生成装置は、物理センサの動作条件を示す動作条件データに基づいてセンシングデータの信頼性を算出してもよい。故に、このデータ生成装置によれば、物理センサの動作条件から把握される、物理センシングデータのノイズに対する信頼性の情報を記述する信頼性データを生成できる。

このデータ生成装置によれば、利用側の要求に合致した仮想センシングデータを柔軟に提供することができる。また、このデータ生成装置によって提供される信頼性データによれば、信頼性に応じてセンシングデータのフィルタリング、クレンジング、正規化などを行い、センシングデータの利活用のための前処理を容易にすることができる。故に、この仮想センシングデータおよび／または信頼性データによれば、利用側におけるセンシングデータの利活用が促進される可能性がある。

§４ 変形例
以上、本開示の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本開示の例示に過ぎない。本開示の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお、以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。

＜４．１＞
例えば、データ生成装置２００はセンサ装置に組み込まれ得る。図６９は、データ生成装置２００を組み込んだセンサ装置の機能構成の一例を模式的に示す。なお、このセンサ装置のハードウェア構成は、図２に示した構成例と同一または類似であり得る。

図６９のセンサ装置は、データ生成装置２００と、物理センサ制御部６０１と、動作条件データ記憶部６０２と、物理センサ部６１０と、送信部６２１と、判定基準・算出基準記憶部６２２と、受信部６２３とを含む。

物理センサ制御部６０１は、物理センサ部６１０の動作を制御する。物理センサ制御部６０１は、動作条件データ記憶部６０２に記憶された動作条件データを必要に応じて読み出し、当該動作条件データに基づいて物理センサ部６１０の動作を制御してもよい。

動作条件データ記憶部６０２は、物理センサ部６１０の動作条件を示す動作条件データを保存する。動作条件データ記憶部６０２に保存された動作条件データは、データ生成装置２００（に含まれる動作条件データ取得部３０５）および物理センサ制御部６０１によって、必要に応じて読み出される。

物理センサ部６１０は、物理センサ制御部６０１によって制御され、１種類または複数種類の物理量を測定し、当該物理量を表す物理センシングデータを生成する。物理センサ部６１０は、物理センシングデータを送信部６２１およびデータ生成装置２００へ送る。

物理センサ部６１０は、例えば、照度を測定する照度センサ６１１、音圧を測定する音圧センサ６１２、加速度を測定する加速度センサ６１３、ＶＯＣまたはＣＯ_２などのガス濃度を測定するガスセンサ６１４、気圧を測定する気圧センサ６１５などを含み得る。ただし、ここに列挙された各種物理センサは例示に過ぎず、物理センサ部６１０は、これらのセンサとは異なるセンサを含んでもよいし、これらのセンサの一部または全部を含まなくてもよい。

送信部６２１は、物理センサ部６１０から物理センシングデータを受け取り、データ生成装置２００から仮想センシングデータおよび／または信頼性データを受け取る。送信部６２１は、この物理センシングデータ、仮想センシングデータ、および／または信頼性データを、上位の通信装置若しくはサーバ、またはアプリケーション装置へ送信する。なお、送信部６２１は、物理センシングデータ、仮想センシングデータ、および／または信頼性データを結合してから送信してもよいし、別個のデータのまま送信してもよい。また、送信部６２１は、物理センシングデータ、仮想センシングデータおよび／または信頼性データの宛先および／または経路を異ならせてもよい。

判定基準・算出基準記憶部６２２は、データ生成装置２００によって用いられる判定基準および算出基準を保存する。判定基準・算出基準記憶部６２２に保存された判定基準および算出基準は、データ生成装置２００（に含まれる判定基準取得部３０３および算出基準取得部３０４）によって、必要に応じて読み出される。判定基準および／または算出基準は、判定基準・算出基準記憶部６２２にプリセットされていてもよいし、図６９のセンサ装置の内部で作成されてもよいし、外部装置（例えば、サーバ）によって作成され受信部６２３によって受信されてもよい。なお、判定基準および算出基準は、異なる記憶部に保存されてもよい。

受信部６２３は、例えば、外部装置（例えば、サーバ）によって作成された判定基準および／または算出基準を、判定基準・算出基準記憶部６２２へ送る。この判定基準および／または算出基準は、判定基準・算出基準記憶部６２２に保存される。このほか、受信部６２３は、外部装置（例えば、上位の通信装置またはサーバ）から仮想センシングデータを受信し、この仮想センシングデータをデータ生成装置２００へ送ってもよい。この仮想センシングデータは、例えば仮想センシングデータ１５、仮想センシングデータ１６、および／または仮想センシングデータ１７として利用することもできる。

データ生成装置２００は、動作条件データ記憶部６０２から動作条件データを取得し、物理センサ部６１０から物理センシングデータを取得し、判定基準・算出基準記憶部６２２から判定基準および算出基準を取得する。さらに、データ生成装置２００は、受信部６２３から、外部装置によって生成された仮想センシングデータを取得し得る。データ生成装置２００は、前述のように動作することで、仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の一部または全部を生成し、送信部６２１へ送る。

以上説明したように、変形例＜４．１＞では、実施形態に係るデータ生成装置２００がセンサ装置に組み込まれる。故に、この変形例によれば、物理センシングデータに加えて仮想センシングデータおよび／または信頼性データを生成するインテリジェントなセンサ装置を提供することができる。また、この変形例によれば、データ生成装置２００を、センサ装置のプロセッサおよびメモリなどのハードウェア資源を利用して実現することができる。

＜４．２＞
例えば、データ生成装置２００は通信装置に組み込まれ得る。図７０は、データ生成装置２００を組み込んだ通信装置の機能構成の一例を模式的に示す。なお、この通信装置のハードウェア構成は、図２に示した構成例と同一または類似であり得る。

図７０の通信装置は、例えばスマートフォンまたは各種ＰＣであってよい。この通信装置は、データ生成装置２００と、受信部７０１と、判定基準・算出基準記憶部７０２と、送信部７０３とを含む。

受信部７０１は、外部装置（例えば、センサ装置）から物理センシングデータを受信し、これをデータ生成装置２００および送信部７０３へ送る。また、受信部７０１は、外部装置（例えば、上位の通信装置またはサーバ）から仮想センシングデータを受信し、これをデータ生成装置２００に送り得る。この仮想センシングデータは、例えば仮想センシングデータ１５、仮想センシングデータ１６、および／または仮想センシングデータ１７として利用することもできる。同様に、受信部７０１は、外部装置（例えば、サーバ）から判定基準・算出基準を受信し、これらを判定基準・算出基準記憶部７０２に送り得る。この判定基準および／または算出基準は、判定基準・算出基準記憶部７０２に保存される。さらに、受信部７０１は、外部装置（例えば、センサ装置）から動作条件データを受信し、これをデータ生成装置２００に送り得る。

判定基準・算出基準記憶部７０２は、データ生成装置２００によって用いられる判定基準および算出基準を保存する。判定基準・算出基準記憶部７０２に保存された判定基準および算出基準は、データ生成装置２００（に含まれる判定基準取得部３０３および算出基準取得部３０４）によって、必要に応じて読み出される。判定基準および／または算出基準は、判定基準・算出基準記憶部７０２にプリセットされていてもよいし、図７０の通信装置の内部で作成されてもよいし、外部装置（例えば、サーバ）によって作成され受信部７０１によって受信されてもよい。なお、判定基準および算出基準は、異なる記憶部に保存されてもよい。

送信部７０３は、受信部７０１から物理センシングデータを受け取り、データ生成装置２００から仮想センシングデータおよび／または信頼性データを受け取る。送信部７０３は、この物理センシングデータ、仮想センシングデータおよび／または信頼性データを、上位の通信装置若しくはサーバ、またはアプリケーション装置へ送信する。なお、送信部７０３は、物理センシングデータ、仮想センシングデータ、および／または信頼性データを結合してから送信してもよいし、別個のデータのまま送信してもよい。また、送信部７０３は、物理センシングデータ、仮想センシングデータ、および／または信頼性データの宛先および／または経路を異ならせてもよい。

データ生成装置２００は、受信部７０１から物理センシングデータおよび動作条件データを取得し、判定基準・算出基準記憶部７０２から判定基準および算出基準を取得する。さらに、データ生成装置２００は、受信部７０１から、外部装置によって生成された仮想センシングデータを取得し得る。データ生成装置２００は、前述のように動作することで、仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の一部または全部を生成し、送信部７０３へ送る。

以上説明したように、変形例＜４．２＞では、実施形態に係るデータ生成装置２００が通信装置に組み込まれる。故に、この変形例によれば、センサ装置が、前述の仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の少なくとも一部を生成できない場合にも、必要な仮想センシングデータおよび／または信頼性データを補充することができる。また、この変形例によれば、データ生成装置２００を、通信装置のプロセッサおよびメモリなどのハードウェア資源を利用して実現することができる。

＜４．３＞
例えば、データ生成装置２００はサーバに組み込まれ得る。図７１は、データ生成装置２００を組み込んだサーバの機能構成の一例を模式的に示す。なお、このサーバのハードウェア構成は、図２に示した構成例と同一または類似であり得る。

図７１のサーバは、データ生成装置２００と、受信部８０１と、判定基準・算出基準記憶部８０２と、仮想センシングデータ・信頼性データ記憶部８０３と、物理センシングデータ記憶部８０４と、提供側データカタログ記憶部８０５と、利用側データカタログ記憶部８０６と、マッチング部８０７と、データ管理部８０８と、送信部８０９とを含む。

受信部８０１は、外部装置（例えば、センサ装置）から物理センシングデータを受信し、これをデータ生成装置２００および物理センシングデータ記憶部８０４へ送る。また、受信部８０１は、外部装置から仮想センシングデータを受信し、これをデータ生成装置２００に送り得る。この仮想センシングデータは、例えば仮想センシングデータ１５、仮想センシングデータ１６、および／または仮想センシングデータ１７として利用することもできる。同様に、受信部８０１は、外部装置から判定基準・算出基準を受信し、これらを判定基準・算出基準記憶部８０２に送り得る。この判定基準および／または算出基準は、判定基準・算出基準記憶部８０２に保存される。さらに、受信部８０１は、外部装置（例えば、センサ装置）から動作条件データを受信し、これをデータ生成装置２００に送り得る。

受信部８０１は、マッチングに用いられる提供側データカタログを外部装置（例えば、通信装置）から受信し、これを提供側データカタログ記憶部８０５へ送り得る。この提供側データカタログは、提供側データカタログ記憶部８０５に保存される。同様に、受信部８０１は、マッチングに用いられる利用側データカタログを外部装置（例えば、アプリケーション装置）から受信し、これを利用側データカタログ記憶部８０６へ送り得る。この利用側データカタログは、利用側データカタログ記憶部８０６に保存される。

判定基準・算出基準記憶部８０２は、データ生成装置２００によって用いられる判定基準および算出基準を保存する。判定基準・算出基準記憶部８０２に保存された判定基準および算出基準は、データ生成装置２００（に含まれる判定基準取得部３０３および算出基準取得部３０４）によって、必要に応じて読み出される。判定基準および／または算出基準は、判定基準・算出基準記憶部８０２にプリセットされていてもよいし、図７１のサーバの内部で作成されてもよいし、外部装置によって作成され受信部８０１によって受信されてもよい。なお、判定基準および算出基準は、異なる記憶部に保存されてもよい。

仮想センシングデータ・信頼性データ記憶部８０３は、データ生成装置２００によって生成された仮想センシングデータおよび／または信頼性データを保存する。仮想センシングデータ・信頼性データ記憶部８０３に保存された仮想センシングデータおよび／または信頼性データは、データ管理部８０８によって、必要に応じて読み出される。

物理センシングデータ記憶部８０４は、受信部８０１によって受信された物理センシングデータを保存する。物理センシングデータ記憶部８０４に保存された物理センシングデータは、データ管理部８０８によって、必要に応じて読み出される。

提供側データカタログ記憶部８０５は、例えば、受信部８０１によって受信され、または直接入力された提供側データカタログを保存する。提供側データカタログ記憶部８０５に保存された提供側データカタログは、マッチング部８０７によって、必要に応じて読み出される。

利用側データカタログ記憶部８０６は、例えば、受信部８０１によって受信され、または直接入力された利用側データカタログを保存する。利用側データカタログ記憶部８０６に保存された利用側データカタログは、マッチング部８０７によって、必要に応じて読み出される。

マッチング部８０７は、提供側データカタログ記憶部８０５から提供側データカタログを読み出し、利用側データカタログ記憶部８０６から利用側データカタログを読み出す。マッチング部８０７は、提供側データカタログと利用側データカタログとの売買マッチングを行う。例えば、マッチング部８０７は、利用側データカタログに含まれる少なくとも一部の項目と提供側データカタログに含まれる対応項目とを比較し、利用側の要求に合致した提供側データカタログを抽出する。マッチング部８０７は、売買マッチングが成立した場合には、その旨をデータ管理部８０８に通知する。なお、マッチング部８０７は、利用側の要求に合致した提供側データカタログが発見された場合に、利用側および／または提供側にデータ売買についての承認を求めてから、売買マッチングの成立をデータ管理部８０８に通知してもよい。

データ管理部８０８は、マッチング部８０７から売買マッチングが成立したことを通知されると、提供側の物理センシングデータ、仮想センシングデータ、および／または信頼性データを物理センシングデータ記憶部８０４および／または仮想センシングデータ・信頼性データ記憶部８０３から読み出し、送信部８０９へ送る。

送信部８０９は、データ管理部８０８から物理センシングデータ、仮想センシングデータ、および／または信頼性データを受け取り、これをアプリケーション装置へ送信する。なお、送信部８０９は、物理センシングデータ、仮想センシングデータ、および／または信頼性データを結合してから送信してもよいし、別個のデータのまま送信してもよい。また、送信部８０９は、物理センシングデータ、仮想センシングデータ、および／または信頼性データの宛先および／または経路を異ならせてもよい。

データ生成装置２００は、受信部８０１から物理センシングデータおよび動作条件データを取得し、判定基準・算出基準記憶部８０２から判定基準および算出基準を取得する。さらに、データ生成装置２００は、受信部８０１から、外部装置によって生成された仮想センシングデータを取得し得る。データ生成装置２００は、前述のように動作することで、仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の一部または全部を生成し、仮想センシングデータ・信頼性データ記憶部８０３へ送る。この仮想センシングデータおよび／または信頼性データは仮想センシングデータ・信頼性データ記憶部８０３に保存される。

以上説明したように、変形例＜４．３＞では、実施形態に係るデータ生成装置２００がサーバに組み込まれる。故に、この変形例によれば、センサ装置などの下位の装置が、前述の仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の少なくとも一部を生成できない場合にも、必要な仮想センシングデータおよび／または信頼性データを補充することができる。また、この変形例によれば、データ生成装置２００を、サーバのプロセッサおよびメモリなどのハードウェア資源を利用して実現することができる。

なお、変形例＜４．３＞に係るサーバは、売買マッチングを直接的に行わずに、図示されないマッチングサーバに売買マッチングを委ねてもよい。或いは、売買マッチングが行われなくてもよい。これらの場合には、売買マッチングに関する構成要素、例えば、提供側データカタログ記憶部８０５、利用側データカタログ記憶部８０６およびマッチング部８０７は省略可能である。

＜４．４＞
例えば、データ生成装置２００はアプリケーション装置に組み込まれ得る。このアプリケーション装置の機能構成は、例えば図７０に示した通信装置における送信部７０３を物理センシングデータ、仮想センシングデータ、および／または信頼性データの利活用を行うための構成要素に置き換えたものに相当し得る。

この変形例＜４．４＞に係るアプリケーション装置によれば、前述の仮想センシングデータ１１、仮想センシングデータ１２、信頼性データ１３および信頼性データ１４の少なくとも一部を含まないデータが提供される場合にも、必要な仮想センシングデータおよび／または信頼性データを補充して利活用することができる。また、この変形例によれば、データ生成装置２００を、アプリケーション装置のプロセッサおよびメモリなどのハードウェア資源を利用して実現することができる。

＜４．５＞
仮想センシングデータ１１および／または仮想センシングデータ１２は、物理センシングデータおよび／または仮想センシングデータの測定環境を示すメタデータとして扱うこともできる。かかるメタデータを利用することで、物理センシングデータおよび／または仮想センシングデータの利活用のための前処理を容易にすることができる。また、メタデータを利用することで、物理センシングデータおよび／または仮想センシングデータの整理、例えばテーブルの生成が容易となる。さらに、メタデータを利用することでイベントの検出も可能となる。

＜４．６＞
実施形態の説明では、学習済みモデルを設定したニューラルネットワークを用いて状況の判定および／または信頼性の算出を実現する例を紹介した。このようなＡＩ（Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）を利用したアプローチでは、因果関係モデル、決定木、サポートベクターマシン（ＳＶＭ）などを利用することもできる。

ただし、ここまで説明した実施形態は全て、あらゆる点において本開示の例示に過ぎない。本開示の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本開示の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、各実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。

上記各実施形態の一部または全部は、特許請求の範囲のほか以下に示すように記載することも可能であるが、これに限られない。

物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得する第１の取得部（１０１）と、
前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得する第２の取得部（１０２）と、
判定対象となる状況項目に対して定められた複数の判定基準を取得する第３の取得部（１０３）と、
取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択する第１の選択部（１１１）と、
前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成する判定部（１１２）と
を具備する、データ生成装置。

１１，１２，１５，１６，１７・・・仮想センシングデータ
１３，１４・・・信頼性データ
１００，２００・・・データ生成装置
１０１，３０１・・・物理センシングデータ取得部
１０２，３０２・・・仮想センシングデータ取得部
１０３，３０３・・・判定基準取得部
１１１，３２１・・・判定基準選択部
１１２，３１１，３２２・・・状況判定部
２１１・・・制御部
２１２・・・記憶部
２１３・・・通信インタフェース
２１４・・・入力装置
２１５・・・出力装置
２１６・・・外部インタフェース
２１７・・・ドライブ
２１８・・・記憶媒体
３０４・・・算出基準取得部
３０５・・・動作条件データ取得部
３１０・・・第１の仮想センシングデータ生成部
３２０・・・第２の仮想センシングデータ生成部
３３０・・・第１の信頼性データ生成部
３３１，３４２・・・信頼性算出部
３４０・・・第２の信頼性データ生成部
３４１・・・算出基準選択部
３５０・・・データ出力部
４００・・・センサ装置
４１０・・・通信装置
４２０・・・サーバ
４３０・・・アプリケーション装置
６０１・・・物理センサ制御部
６０２・・・動作条件データ記憶部
６１０・・・物理センサ部
６１１・・・照度センサ
６１２・・・音圧センサ
６１３・・・加速度センサ
６１４・・・ガスセンサ
６１５・・・気圧センサ
６２１，７０３，８０９・・・送信部
６２２，７０２，８０２・・・判定基準・算出基準記憶部
６２３，７０１，８０１・・・受信部
８０３・・・仮想センシングデータ・信頼性データ記憶部
８０４・・・物理センシングデータ記憶部
８０５・・・提供側ＤＣ記憶部
８０６・・・利用側ＤＣ記憶部
８０７・・・マッチング部
８０８・・・データ管理部

Claims (14)

1. 物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得する第１の取得部と、
   前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得する第２の取得部と、
   判定対象となる状況項目に対して定められた複数の判定基準を取得する第３の取得部と、
   取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択する第１の選択部と、
   前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成する判定部と
   を具備する、データ生成装置。
2. 前記判定基準は、前記物理センシングデータの生データおよび当該生データの加工済データのうち少なくとも１つに対する基準値を含む、請求項１に記載のデータ生成装置。
3. 前記判定基準は、当該判定基準に対応付けられる第１の仮想センシングデータの示す状況の下で生成された学習用物理センシングデータから状況を判定する機械学習を行うことで作成された学習済みモデルを含む、請求項１に記載のデータ生成装置。
4. 前記第２の取得部は、前記物理センサの周囲の状況についての第３の判定結果を表す第３の仮想センシングデータをさらに取得し、
   前記データ生成装置は、
   第１の算出基準を取得する第４の取得部と、
   取得された前記第１の算出基準を用いて、取得された前記第３の仮想センシングデータに基づいてセンシングデータの信頼性を算出し、第１の信頼性データを生成する第１の算出部と
   をさらに具備する、
   請求項１乃至請求項３のいずれか１項に記載のデータ生成装置。
5. 前記第１の信頼性データは、前記センシングデータの信頼性に影響を与える少なくとも１つの要因の各々に対する前記センシングデータの信頼性を示す、請求項４に記載のデータ生成装置。
6. 前記第１の算出基準は、前記第３の仮想センシングデータに含まれる状況項目の各々に割り当てられる重み係数を含み、
   前記第１の算出部は、前記第３の仮想センシングデータにおける各状況項目の値と当該状況項目に割り当てられた重み係数とを用いて演算を行い、当該演算の結果に基づいて前記センシングデータの信頼性を算出する、
   請求項４または請求項５に記載のデータ生成装置。
7. 前記第１の算出基準は、学習用仮想センシングデータの示す状況の下で生成されたセンシングデータの信頼性を当該学習用仮想センシングデータから算出する機械学習を行うことで作成された学習済みモデルを含む、請求項４または請求項５に記載のデータ生成装置。
8. 前記第２の取得部は、前記物理センサの周囲の状況についての第４の判定結果を表す第４の仮想センシングデータをさらに取得し、
   前記第４の取得部は、複数の第２の算出基準をさらに取得し、
   前記データ生成装置は、
   物理センサの動作条件を示す動作条件データを取得する第５の取得部と、
   前記複数の第２の算出基準から前記第４の仮想センシングデータに対応する１つを選択する第２の選択部と、
   選択された前記第２の算出基準を用いて、取得された前記動作条件データに基づいて前記センシングデータの信頼性を算出し、第２の信頼性データを生成する第２の算出部と
   をさらに具備する、
   請求項４乃至請求項７のいずれか１項に記載のデータ生成装置。
9. 前記第２の信頼性データは、前記第４の仮想センシングデータの示す状況の下で前記動作条件データの示す動作条件に従って動作する物理センサによって生成された前記物理センシングデータのノイズに対する信頼性を示す、請求項８に記載のデータ生成装置。
10. 前記第２の算出基準は、前記動作条件データの示す動作条件の少なくとも１つに対する基準値を含む、請求項８または請求項９に記載のデータ生成装置。
11. 前記第２の算出基準は、学習用動作条件データの示す動作条件に従う物理センサによって生成されたセンシングデータの信頼性を当該学習用動作条件データから算出する機械学習を行うことで作成された学習済みモデルを含む、請求項８または請求項９に記載のデータ生成装置。
12. 請求項１乃至請求項１１のいずれか１項に記載のデータ生成装置と、
    前記物理センサと
    を具備する、センサ装置。
13. コンピュータが、
    物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得することと、
    前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得することと、
    判定対象となる状況項目に対して定められた複数の判定基準を取得することと、
    取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択することと、
    前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成することと
    を具備する、データ生成方法。
14. コンピュータに、
    物理センサがセンシング対象を観測することよって得られた物理センシングデータを取得することと、
    前記物理センサの周囲の状況についての第１の判定結果を表す第１の仮想センシングデータを取得することと、
    判定対象となる状況項目に対して定められた複数の判定基準を取得することと、
    取得された前記複数の判定基準から前記第１の仮想センシングデータに対応する１つの判定基準を選択することと、
    前記状況項目のそれぞれについて、選択された前記判定基準を用いて、取得された前記物理センシングデータに基づいて前記物理センサの周囲の状況を判定し、当該状況についての第２の判定結果を表す第２の仮想センシングデータを生成することと
    を実行させるための、データ生成プログラム。

Images