[論文レビュー] The Perils of Detecting Measurement Faults in Environmental Monitoring Networks

Jayant Gupchup, Abhishek Sharma+3 more|arXiv (Cornell University)|Feb 9, 2019

Anomaly Detection Techniques and Applications参考文献 9被引用数 6

ひとこと要約

この論文は、環境モニタリングネットワークにおける一般的な故障検出手法が、雨によるイベント——例えば、土壌水分の急激な上昇——を誤ってセンサ障害と誤検出する頻度が高く、イベントデータの45％が誤ってフラグ付けされていることを示している。著者らは、モダリティ固有のイベントシグネチャーを活用するイベント認識型故障検出アルゴリズムの導入を提唱し、まれな科学的に価値ある現象を損なわず、誤検出を低減するものである。

ABSTRACT

Scientists deploy environmental monitoring net-works to discover previously unobservable phenomena and quantify subtle spatial and temporal differences in the physical quantities they measure. Our experience, shared by others, has shown that measurements gathered by such networks are perturbed by sensor faults. In response, multiple fault detection techniques have been proposed in the literature. However, in this paper we argue that these techniques may misclassify events (e.g. rain events for soil moisture measurements) as faults, potentially discarding the most interesting measurements. We support this argument by applying two commonly used fault detection techniques on data collected from a soil monitoring network. Our results show that in this case, up to 45% of the event measurements are misclassified as faults. Furthermore, tuning the fault detection algorithms to avoid event misclassification, causes them to miss the majority of actual faults. In addition to exposing the tension between fault and event detection, our findings motivate the need to develop novel fault detection mechanisms which incorporate knowledge of the underlying events and are customized to the sensing modality they monitor.

研究の動機と目的

• 無線モニタリングネットワークにおける自然環境イベントをセンサ障害と誤検出するリスクを調査すること。
• 標準的な故障検出アルゴリズムが科学的に価値あるイベントデータをどの程度棄却するかを定量化すること。
• センサ障害の検出と、まれで非定常な環境イベントの保持の間に生じる根本的な矛盾を明らかにすること。
• イベントシグネチャーとセンシングモダリティの特性に関する知識を組み込んだ、新たな故障検出メカニズムの提唱。
• バッファリングとマルチセンサ比較を、一時的なイベントと真正の障害を区別する戦略として提案すること。

提案手法

• 既存の文献で広く用いられている2つの故障検出手法（SHORTおよびNOISE）を、実稼働中の環境モニタリングネットワークから得た実際の土壌水分および温度データに適用した。
• SHORTルールを用いて、センサ読み出し値の急激な変化を検出し、これが障害を示すと仮定した。
• NOISEルールを用いて、期待される測定分散からの逸脱を検出し、σ_allowで定義された許容範囲を許容した。
• LLSE手法を95％信頼区間と2人の周辺観測者意見を用いて評価し、センサ間の測定の一貫性を評価した。
• 時間的にデータをバッファリングし、知られているイベントシグネチャー（例：雨後の土壌水分の急上昇とその後の減少）と照合した。
• 同じイベントに対する遅延応答を検出するためにマルチセンサ比較を活用し、誤った障害検出を低減した。

実験結果

リサーチクエスチョン

• RQ1 標準的な故障検出アルゴリズムは、土壌水分および温度データにおいてどの程度の割合で降雨イベントをセンサ障害と誤検出するか？
• RQ2 イベントを誤検出を回避するために検出パラメータを調整すると、実際のセンサ障害の検出にどのような影響が及ぶか？
• RQ3 雨後の土壌水分の上昇および減少パターンといったイベントシグネチャーを用いて、イベントと障害を区別できるか？
• RQ4 センサの異種性と空間的ばらつきが、故障検出の正確性に及ぼす影響は何か？
• RQ5 バッファリングとマルチセンサ相関は、環境モニタリングネットワークにおける故障検出の信頼性をどのように向上させ得るか？

主な発見

• LLSE手法を用いた土壌水分データ解析において、最大45％の降雨イベントが障害と誤検出された。
• NOISEルールは、降雨イベントを誤検出を避けるために大きなσ_allow値を必要とし、その結果、誤りの少ない検出率（False Negative Rate）が3倍に上昇した。
• SHORTルールは土壌水分において顕著な誤検出を引き起こした（特にイベント発生後30分以内）、一方でボックス温度データでは良好な性能を示した。
• 土壌の不均一性のため、同じ降雨イベントに対し土壌水分センサが異なる応答を示し、誤検出リスクが上昇した。
• ボックス温度は降雨時およびその直後に低下し、NOISEルールの下限値が誤ってトリガーされた。特にσ_allow値が低い場合に顕著だった。
• 本研究では、雨後の土壌水分の急激な上昇と徐々の減少といったイベントシグネチャーが、障害パターンと区別がつかないことが判明し、イベント認識型検出の必要性が示された。