[論文レビュー] Cities of the Future: Employing Wireless Sensor Networks for Efficient Decision Making in Complex Environments

Alex Doboli, Daniel-Ioan Curiac+7 more|arXiv (Cornell University)|Aug 3, 2018

Energy Efficient Wireless Sensor Networks参考文献 74被引用数 14

ひとこと要約

本論文は、交通管理などの複雑な都市環境におけるスケーラブルで自律的かつ予測可能な意思決定を可能にするために、無線センサネットワークを用いた階層的意味的モデリングフレームワークを提案する。複数の抽象化レベルにわたり、有限状態機械、条件付きタスクグラフ、マルコフ決定過程、および機能的グラフを統合することで、局所的制御とグローバル制御の間でリアルタイムのフィードバックを実現し、性能制約を満たしつつ、動的な条件下でも柔軟性と効率性を維持する。

ABSTRACT

Decision making in large scale urban environments is critical for many applications involving continuous distribution of resources and utilization of infrastructure, such as ambient lighting control and traffic management. Traditional decision making methods involve extensive human participation, are expensive, and inefficient and unreliable for hard-to-predict situations. Modern technology, including ubiquitous data collection though sensors, automated analysis and prognosis, and online optimization, offers new capabilities for developing flexible, autonomous, scalable, efficient, and predictable control methods. This paper presents a new decision making concept in which a hierarchy of semantically more abstract models are utilized to perform online scalable and predictable control. The lower semantic levels perform localized decisions based on sampled data from the environment, while the higher semantic levels provide more global, time invariant results based on aggregated data from the lower levels. There is a continuous feedback between the levels of the semantic hierarchy, in which the upper levels set performance guaranteeing constraints for the lower levels, while the lower levels indicate whether these constraints are feasible or not. Even though the semantic hierarchy is not tied to a particular set of description models, the paper illustrates a hierarchy used for traffic management applications and composed of Finite State Machines, Conditional Task Graphs, Markov Decision Processes, and functional graphs. The paper also summarizes some of the main research problems that must be addressed as part of the proposed concept

研究の動機と目的

• 大規模な都市環境における従来の人的依存型意思決定の非効率性と高コストを解消すること。
• 動的かつ変化しやすい都市インfra構造物管理のための自律的でスケーラブルかつ予測可能な制御システムの開発。
• 意味的抽象化レベルに跨る異種モデルの統合によるリアルタイムで適応可能な制御の実現。
• 上位レベルの制約と下位レベルの実行可能性の間の双方向フィードバックを通じて、性能保証を確保すること。
• センサデータを活用して、複雑で予測不能な都市環境において、人的介入を低減するオンライン最適化と診断予測を組み合わせること。

提案手法

• 本システムは、複数レベルの意味的階層を採用する：下位レベルでは、局所的でデータ駆動型の意思決定に有限状態機械と条件付きタスクグラフを用いる。
• 中位レベルでは、確率的行動をモデル化し長期的成果を最適化するためにマルコフ決定過程を適用する。
• 上位レベルでは、集約データに基づいて時間的に不変な制御方針を表すために機能的グラフを用いる。
• 継続的なフィードバックループにより、上位レベルが性能制約を設定し、下位レベルが実行可能性を検証してフィードバックを返す。
• 無線センサネットワークがリアルタイムの環境サンプリングを提供し、オンラインデータ収集と動的適応を可能にする。
• 本フレームワークはモデルに依存しない設計であり、特定の都市応用に適したさまざまな意味的モデルの統合を可能にしている。

実験結果

リサーチクエスチョン

• RQ1 階層的意味的モデルは、都市意思決定システムにおけるスケーラビリティと予測可能性をどのように向上させるか？
• RQ2 抽象化レベル間のフィードバックメカニズムは、性能制約の維持にどのような役割を果たすか？
• RQ3 無線センサネットワークは意味的モデルとどのように統合され、リアルタイムで適応可能な制御を可能にするか？
• RQ4 都市インfra構造物の文脈において、異なる抽象化レベルで最も効果的な意味的モデル（例：FSM、MDP、タスクグラフ）は何か？
• RQ5 自動分析とオンライン最適化をセンサデータと組み合わせることで、複雑な都市環境における人的介入をどのように低減できるか？

主な発見

• 階層的意味的フレームワークにより、局所的意思決定とグローバルポリシーの実行を分離することで、スケーラブルで予測可能な制御が実現される。
• 抽象化レベル間のフィードバックにより、環境の変動する条件下でも上位レベルの性能制約が実行可能であることが保証される。
• 有限状態機械、条件付きタスクグラフ、マルコフ決定過程、および機能的グラフの統合は、柔軟で拡張可能なモデリングスタックを提供する。
• 継続的なデータ駆動型適応による意思決定の自動化により、人的オペレータへの依存が低減される。
• 本アプローチはオンライン最適化と診断予測を支援し、予測不能な都市シナリオにおける対応性を向上させる。
• 本フレームワークは一般化可能であり、特定のモデルセットに束縛されないため、多様な都市管理タスクへの応用が可能である。