3.1MB - 高知工科大学

平成 25 年度
学士学位論文
Chipped City 座標変換の
高速化 および RFID 指標による
屋内空間の仮想構成手法の研究
A study of a speed up of the coordinate
transformation and virtual construction scheme of
indoor RFID chips
1140343
竹本万里雄
指導教員
島村 和典
2014 年 2 月 28 日
高知工科大学 情報学群
要 旨
Chipped City 座標変換の
高速化 および RFID 指標による
屋内空間の仮想構成手法の研究
竹本万里雄
近年，ナビゲーションや地図等のユーザの位置情報を利用したサービスが注目されてい
る．これらのサービスは，GPS を利用してサービスを提供している．しかし，GPS は屋内
や地下，高層ビル周辺では位置情報の取得が不可能であったり，誤差が生じたりする．そこ
で，GPS に代わる新たなセンサーインフラとして RFID タグを床，壁，天井などに設置し，
ユーザやアプリケーションオブジェクトに RFID R/W を配備するサービス構想が提案され
ている．このサービス構想を Chipped City と呼ぶ．
本研究は，Chipped City において 3 次元情報を保持した地図を構成し，位置情報を取得
することを目的とする．この目的達成にあたり，RFID タグから位置情報への変換の高速
化，3 次元情報を保持した地図を構成する方法を提案した．RFID タグから位置情報の変換
の高速化では，RFID タグに規則性を与えるため住所情報に基づいて階層的に ID 付与を行
い，処理系の階層モデルを提案した．3 次元情報を保持した地図を構成する方法では，住所
情報を用いた地図の検索方法，ユーザのインタラクションに合わせて表示範囲を設定する方
法を提案した．また，これらの検索方法，表示範囲設定方法を用いて，3 次元情報を保持した
地図を構成する方法を提案した．このアーキテクチャを MARIO(Marverous Arrangement
of RFID Identification Occasionally appeared) 方式と呼ぶ．
最後に検証として，既存方式の MOST 階層モデルと HIMECA 方式と提案する MARIO
方式を用いた比較を行った．建造物 1 棟の地図の構成に必要な情報の取得時間と，現在
–i–
位置取得に必要な時間の改善効果を検証した．MOST 階層モデルでは，地図の構成に必
要な情報の取得時間が 1104[msec]，現在位置取得に必要な時間が 1056[msec] であった．
HIEMCA 方式では，地図の構成に必要な情報の取得時間が 1093[msec]，現在位置取得に
必要な時間が 95[msec] であった．MARIO 方式では，地図の構成に必要な情報の取得時間
が 1100[msec]，現在位置取得にかかる時間が 105[msec] であった．MOST 階層モデルと
比較すると，MARIO 方式では現在位置取得にかかる時間を 10% に抑えることができた．
HIMECA 方式と比較すると，MARIO 方式は変動せず同等となった．しかし，HIMECA
方式では，実装工事に無理があったが，MARIO 方式ではその問題を解決できた．以上のこ
とから，MARIO 方式での有用性を示した．また，現在位置取得にかかる時間がナビゲー
ションで使用できるかを検証した．その結果，歩行でのナビゲーションでの使用に耐えるこ
とを示した．
キーワード
GPS，RFID，位置情報，MARIO
– ii –
Abstract
A study of a speed up of the coordinate transformation and
virtual construction scheme of indoor RFID chips
Mario Takemoto
Recently, services using location information such as a map and navigation has been
attracted the user’s attentions. These services are providing the services relying on GPS.
However, GPS cannot be acquired position information underground space, indoors and
the high rised of building area. Therefore, RFID tags placed on a floor, wall and ceiling
could be expected as a new sensor infrastructure alternative to GPS. Accordingly, a
service deploying the RFID R/W has been proposed. This service concept is called as
Chipped City. This research aims to configure the effective three dimensional map and
the location information obtaining in Chipped City. High speed conversion to the location information from the RFID tags and the construction of the three dimensional map
are the targets of ths study. For the high speed conversion to the location information
from the RFID tag, a layered model of ID based on address information was proposed to
provide the regularity to the RFID tags. For the construction of the three dimensional
map, a search method using address information was introduced newly. The method
could display various ranges in accordance with the user interactions. Further, a new
three dimensional map configuration scheme using search methods was proposed. The
new scheme was named as Mario method.
As the validation of the scheme, MARIO method was compared with the previous
architectures of MOST layer model and HIMECA method. The acquisition time of
– iii –
the information required to configure the map of a building was evaluated and also
the time required to get the current location were compared. In MOST layer model,
the acquisition time of the data required to configure the map was 1104[msec] and the
time required to get the current location was 1056[msec]. In HIMECA method, the
acquisition time was 1093[msec] and the time required to get the current location was
95[msec]. In MARIO method, the acquisition time of the data getting was 1100[msec]
and the time required to get the current location was 105[msec]. In the acquisition
time comparison of MARIO method and MOST layer model, MARIO method was
superior. It suppressed 90% of the time required to get the current position compared to
MOST method. In comparison of getting location time with the two methods, MARIO
method was almost equivalent to HIMECA method. However, while HIMECA method
is impossible to implement the construction, MARIO method is able to solve the problem
of the implementation. From the results mentioned above, the usefulness of the MARIO
method is clarified. Also, it is verified that the time required to get the current position
is sufficiently available for the navigation applications. The results shows that the
proposed scheme withstands for a usage in a navigation application of walkers.
key words
GPS，RFID，location information，MARIO
– iv –
目次
第1章
研究背景と研究目的
1
1.1
研究背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2
RFID タグの概要 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1.2.1
パッシブタグ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.2.2
アクティブタグ . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
1.2.3
セミアクティブタグ . . . . . . . . . . . . . . . . . . . . . . . . . .
2
位置情報の現状 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
1.3.1
GPS による位置情報の取得方法 . . . . . . . . . . . . . . . . . . .
3
1.3.2
RFID による現在位置情報の取得方法 . . . . . . . . . . . . . . . .
3
1.4
研究目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
1.5
本論文の構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4
オフラインネットワーク
5
2.1
オフラインネットワークの定義 . . . . . . . . . . . . . . . . . . . . . . .
5
2.2
オンラインネットワークとの本質的な違い . . . . . . . . . . . . . . . . .
5
2.3
オフラインネットワークを構成する機器 . . . . . . . . . . . . . . . . . . .
6
2.3.1
オフラインネットワークを構成する機器 . . . . . . . . . . . . . . .
6
2.3.2
オンラインネットワークとの対応 . . . . . . . . . . . . . . . . . . .
6
1.3
第2章
第3章
オフライン ID ネットワークアーキテクチャ
9
3.1
オフライン ID ネットワークアーキテクチャの定義 . . . . . . . . . . . . .
9
3.2
既存のアーキテクチャ . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
MOST 階層モデル . . . . . . . . . . . . . . . . . . . . . . . . . .
10
第 0 層 タグ層 . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
3.2.1
–v–
目次
第 1 層 プレゼンスセンシング層
3.2.2
. . . . . . . . . . . . . . . . .
11
第 2 層 ネットワークロケーション層 . . . . . . . . . . . . . . .
11
第 3 層 ネットワークコントロール層 . . . . . . . . . . . . . . .
11
MOST 階層モデルの問題点 . . . . . . . . . . . . . . . . . . . .
11
HIMECA 方式 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
12
仮想ネットワーク構造化
第4章
4.1
. . . . . . . . . . . . . . . . . . . . .
13
階層モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13
HIMECA 方式の問題点 . . . . . . . . . . . . . . . . . . . . . .
13
提案する MARIO 方式
15
想定環境 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
使用する RFID タグ，設置方法 . . . . . . . . . . . . . . . . . . . .
15
RFID タグ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15
RFID タグの配置方法 . . . . . . . . . . . . . . . . . . . . . . .
16
4.1.2
ネットワーク構成 . . . . . . . . . . . . . . . . . . . . . . . . . . .
16
4.1.3
使用するデータベース . . . . . . . . . . . . . . . . . . . . . . . . .
18
4.1.1
検索の柔軟性
. . . . . . . . . . . . . . . . . . . . . . . . . . .
問い合わせにかかる時間
4.2
18
. . . . . . . . . . . . . . . . . . . . .
18
データの拡張性 . . . . . . . . . . . . . . . . . . . . . . . . . .
18
負荷分散の容易さ . . . . . . . . . . . . . . . . . . . . . . . . .
19
負荷分散にかかるコスト
. . . . . . . . . . . . . . . . . . . . .
19
どちらのデータベースを使用するかの検討 . . . . . . . . . . . .
19
座標系変換の高速化 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
ID MARIO の概要 . . . . . . . . . . . . . . . . . . . . . . . . . .
21
検索タグ部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
座標部 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
4.2.1
– vi –
目次
処理階層モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
第 0 層 タグ層 . . . . . . . . . . . . . . . . . . . . . . . . . . .
24
第 1 層 プレゼンスセンシング層
. . . . . . . . . . . . . . . . .
24
第 1.5 層 ID コンバージョン層 . . . . . . . . . . . . . . . . . .
24
第 2 層 ネットワークロケーション層 . . . . . . . . . . . . . . .
24
第 3 層 ネットワークコントロール層 . . . . . . . . . . . . . . .
25
既存の階層モデルとの相違点 . . . . . . . . . . . . . . . . . . .
25
ID M 処理階層モデルを用いたデータ取得の流れ . . . . . . . . . . .
25
３ D マップ構成方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
25
マップの構成方法 . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
構成手法１ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
構成手法２ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
26
構成手法３ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
提案した構成手法の比較
. . . . . . . . . . . . . . . . . . . . .
27
ユーザの位置特定 . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
ユーザの位置特定方法 . . . . . . . . . . . . . . . . . . . . . . .
29
移動速度の取得方法 . . . . . . . . . . . . . . . . . . . . . . . .
29
4.3.3
複数の ID M を取り出す方法 . . . . . . . . . . . . . . . . . . . . .
29
4.3.4
地図を構成する範囲の設定方法 . . . . . . . . . . . . . . . . . . . .
30
住所を指定して地図を構成する場合 . . . . . . . . . . . . . . . .
30
現在位置周辺の地図を構成する場合 . . . . . . . . . . . . . . . .
31
4.2.2
4.2.3
4.3
4.3.1
4.3.2
第5章
提案方式の検証評価
33
5.1
目的 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
5.2
検証する内容 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
33
5.2.1
地図を構成するユニットの取得時間
– vii –
. . . . . . . . . . . . . . . . .
33
目次
5.2.2
5.3
現在位置取得にかかる時間 . . . . . . . . . . . . . . . . . . . . . .
想定する処理時間
34
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
35
5.3.1
ユニットの取得時間 . . . . . . . . . . . . . . . . . . . . . . . . . .
35
5.3.2
現在位置取得にかかる時間 . . . . . . . . . . . . . . . . . . . . . .
35
5.4
結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
5.5
考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
5.5.1
ユニットの取得時間 . . . . . . . . . . . . . . . . . . . . . . . . . .
36
5.5.2
現在位置取得にかかる時間 . . . . . . . . . . . . . . . . . . . . . .
37
１時間歩行した際の現在位置取得にかかる処理時間 . . . . . . .
38
第6章
結論
39
6.1
本研究のまとめ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
6.2
今後の課題 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
謝辞
41
参考文献
43
– viii –
図目次
2.1
オフラインネットワークを構成する機器とオンラインネットワークとの対応図
3.1
MOST 階層モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10
3.2
既存の RFID システムの処理のモデル図 . . . . . . . . . . . . . . . . . . .
12
3.3
MOST 階層モデルの処理のモデル図 . . . . . . . . . . . . . . . . . . . . .
12
4.1
想定するネットワークの構成図 . . . . . . . . . . . . . . . . . . . . . . . .
17
4.2
ID M の構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21
4.3
ID M の処理階層モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . .
23
– ix –
7
表目次
4.1
RDB と KVS の特徴の比較 . . . . . . . . . . . . . . . . . . . . . . . . . .
20
4.2
ID M 検索タグ部のビット数と数値の範囲 . . . . . . . . . . . . . . . . . .
22
4.3
ID M 座標部のビット数と数値の範囲 . . . . . . . . . . . . . . . . . . . . .
23
4.4
地図を構成する際に用いられるユニットの数 . . . . . . . . . . . . . . . . .
27
4.5
ユニットの通信時間 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
28
4.6
DB からの読み出しにかかる時間 . . . . . . . . . . . . . . . . . . . . . . .
28
5.1
シミュレーション結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
– xi –
第1章
研究背景と研究目的
本章では，研究背景として RFID の普及と位置情報の現状について説明し，その後，本研
究の目的について述べる．
1.1
研究背景
近年，ナビゲーションや地図等のユーザの位置情報を利用したサービスが注目されてい
る．これらのサービスでは，位置情報の取得に GPS(Global Positioning System) を利用し
ている．歩行者向けのナビゲーションサービスでは，ユーザが持つスマートフォンやタブ
レットに GPS 受信機を搭載し，位置情報をリアルタイムで受信しアプリケーションで処
理を行う．そして，目的地までの道案内サービスや現在位置の表示サービスを行う．また，
カーナビゲーションシステムでは，GPS から取得できる位置情報の他に，自動車の走行速
度や地図の持つ道路状態を用いて位置情報の精度を高めている．これらのナビゲーション
サービスを行うためには位置情報の取得が必要となる．
1.2
RFID タグの概要
RFID（Radio Frequency IDentification）タグとは，ID 情報を埋め込んだ IC タグに無
線通信用アンテナを組み合わせた小型デバイスであり，電波や電磁界を用いた近距離での
無線通信によって情報のやり取りを可能にしている．無線通信の通信要求は RFID R/W
（Reader/Writer） を用いて行う．現状では，バーコードなどの既存のコードデバイスに代
替可能なネットワークデバイスとしての利用や物流管理用のデバイス，プレゼンス管理やセ
–1–
第1章
研究背景と研究目的
ンサーネットワークとしての普及が見込まれている [1]．RFID タグはパッシブタグ，アク
ティブタグ，セミアクティブタグの三種類に分類される．それぞれ，通信範囲や電源の有無
が異なっており，使用用途により使い分けられる．
1.2.1
パッシブタグ
パッシブタグとは，電池を内蔵しないタグである．RFID R/W からの電波を電源として
動作する．電源を内蔵しないため，電波の強度は弱くなる．したがって，アクティブタグ，
セミアクティブタグよりも到達範囲は短くなる．しかし，電源を内蔵しないため電池交換の
必要がなく，恒久的に動作すること，アクティブタグ，セミアクティブタグよりも安価にで
きることから普及が見込まれている．
1.2.2
アクティブタグ
アクティブタグとは，電池を内蔵したタグである．電波の発信時に自らの電源を使うた
め，パッシブタグに比べ電波の到達範囲を広くすることが可能である．しかし，電池を内蔵
するため，通信回数は電池の容量に依存することとなる．また，床等に埋め込んだ際には，
電池切れに合わせて取り替えをする必要があるため，床，壁，天井に RFID タグを埋め込む
サービス構想である Chipped City には向いていない．
1.2.3
セミアクティブタグ
セミアクティブタグとは，電池を内蔵したタグである．性能はアクティブタグと同等とな
るが，通信の起動をパッシブタグの方式で行うタグである．アクティブタグと同じく，電池
を内蔵するため，通信回数は電池容量に依存することとなる．また，床などに埋め込んだ際
には，電池切れに合わせて取り替えをする必要があるため，アクティブタグと同様の理由に
より Chipped City には向いていない．
–2–
1.3 位置情報の現状
1.3
1.3.1
位置情報の現状
GPS による位置情報の取得方法
現在，位置情報を取得する方法として，主に GPS が利用されている．GPS とは，元来は
アメリカの軍事技術であり，地球周回軌道上に 30 基程度ある人工衛星と通信を行い，位置
情報を取得している．取得できる位置情報は，緯度，経度，高度であり，人工衛星と受信機
の間に遮蔽物がない場合は数ｍから数十ｍの誤差で位置情報を推定することが可能である
[2]．しかし，GPS では屋内や地下，高層ビル周辺等人工衛星と受信機の間に遮蔽物がある
場合，位置情報の取得が不可能であったり，誤差が生じる．そのため，屋内，地下，高層ビ
ル周辺が多い都心では GPS による高い精度の位置情報取得は困難である場合が多い．
1.3.2
RFID による現在位置情報の取得方法
屋内，地下，高層ビル周辺における位置情報取得の問題を解決するために，RFID を利
用した位置情報取得方法が提案されている．提案される方法として 2 通りの方法が考えら
れる．
一つ目の方法は，RFID R/W を設置し，ユーザが RFID タグを持つ方法である．屋外や
建造物内の壁，床，天井に RFID R/W を設置し，対象となるユーザに RFID タグを持た
せる．そして，設置した RFID R/W が RFID タグのデータを読み出し，RFID R/W が持
つ位置情報を付加してアプリケーションに送信する．アプリケーションは，RFID R/W か
ら取得した位置情報をサービスに用いる [3]．この方法で正確な位置情報を取得するには，
RFID R/W の設置を密にする必要がある．しかし，RFID R/W は高価な機器であり，導
入には膨大なコストが必要となる．
2 つ目の方法は，RFID のタグをあらゆる場所に設置し，ユーザが RFID R/W を持つ
方法である．位置情報と関連付けた RFID タグを屋内の床に設置し，対象となるユーザに
RFID R/W 機能を搭載したアクチュエータを持たせる．そして，ユーザが保持する端末で
RFID タグの読み取りを行い，位置情報を取得する．取得された位置情報は読み取り時に利
–3–
第1章
研究背景と研究目的
用したユーザの端末やアプリケーションサーバに送信され，位置情報を使用するサービスに
用いられる．RFID タグは比較的安価な為，前述の RFID R/W をあらゆる場所に設置する
方法と比べ，安価に導入できることが見込まれている [4]．この RFID タグを床，壁，天井
等に設置し，ユーザやアプリケーションオブジェクトが RFID R/W を保持するサービス構
想を Chipped City と呼ぶ [5]．
1.4
研究目的
本研究は Chipped City を想定する．3 次元情報を保持した地図を構成し，屋内，地下等
場所を問わず位置情報の取得を可能にすることを目的である．この目的を達成するまでにあ
たり，RFID タグから位置情報への変換の高速化，3 次元情報を保持した地図を構成する手
法を提案する．RFID タグから位置情報への変換の高速化を達成することにより，3 次元情
報を保持した地図の構成にかかる処理時間を短縮することができる．また，3 次元情報を保
持した地図を構成する手法を提案することにより，従来の 2 次元で表現された地図よりユー
ザにとって現実世界に近いサービスを提供することが可能となる．3 次元情報を保持した地
図の構成方法を提案するにあたり，RFID タグと関連付けされる位置情報の複数取得方法，
ユーザの情報を使用した検索方法を提案する．
1.5
本論文の構成
本論文は，本章を含めた全 6 章で構成する．第 2 章では，本研究におけるオフラインネッ
トワークについて定義する．第 3 章では，RFID タグを用いたオフラインネットワークの
アーキテクチャである，オフライン ID ネットワークアーキテクチャについて述べる．第 4
章では，想定する環境について定義したあと，座標系変換の高速化をもたらす階層構造と 3
次元情報を保持した地図の構成方法について提案する．第 5 章では，提案方式の検証結果と
その考察について述べる．最後に第 6 章で本研究の結論を述べる．
–4–
第2章
オフラインネットワーク
本章では，オフラインネットワークの定義とオンラインネットワークとの本質的な違いに
ついて述べる．
2.1
オフラインネットワークの定義
Chipped City では，端末自体から通信を要求することができない RFID タグが使用され
る．このように，末端の装置から通信を要求することでができないネットワークをオフライ
ンネットワークという．また，インターネットに代表される末端の装置から接続路を介して
通信を要求することができるネットワークをオンラインネットワークという．本研究で想
定している Chipped City はオンラインネットワークと相互接続さているオフラインネット
ワークである．オフラインネットワークとオンラインネットワークが相互接続する際には，
オンラインネットワークとアクチュエータがリンクされており，オンラインネットワーク上
に読み取ったデータを利用して処理を行うアプリケーションやサーバが存在する．[6]
2.2
オンラインネットワークとの本質的な違い
オフラインネットワークとオンラインネットワークの本質的な違いは，末端の装置が通信
を要求できるか否かである．末端の装置が通信を要求できないのがオフラインネットワーク
であり，通信を要求できるのがオンラインネットワークである．オンラインネットワークで
は，末端の装置は能動的な動作することが可能であり，オンラインネットワークで用いられ
るアーキテクチャは末端の装置が能動的に動作することを前提としている．そのため，末端
–5–
第 2 章 オフラインネットワーク
の装置が受動的にしか動作することができないオフラインネットワークでは，オンライン
ネットワークで用いられているアーキテクチャを用いることは困難である．したがって，オ
フラインネットワークに適したアーキテクチャを用いる必要がある．
2.3
2.3.1
オフラインネットワークを構成する機器
オフラインネットワークを構成する機器
オフラインネットワークを構成する機器は大きく 4 階層に分けられる．最下層である第０
層に属する機器は，通信を要求することができない RFID タグ群である．したがって，ここ
で対応する RFID タグはパッシブもしくはセミアクティブ型の RFID タグとなる．次の階
層である第１層に属する機器は RFID R/W である．RFID R/W は RFID タグが保持する
データの読み出し，書き込みを行う機器である．次の階層である第２層に属する機器は，ロ
ケーション DB サーバ，読み出し・書き込み管理サーバである．ロケーション DB サーバ
は，RFID タグに対応付けられる緯度，経度，高さ等の位置情報を保持するサーバである．
これにより，RFID タグとロケーション DB サーバは仮想的に接続されるとする．読み出
し・書き込み管理サーバは，オンラインネットワークから RFID タグに対して読み出し・書
き込みを行った際に，それぞれの処理を中継するサーバである．最上層に属する機器は，下
位の階層における DB 群やサーバを管理し，オンラインネットワークと接続するための管理
サーバである．
2.3.2
オンラインネットワークとの対応
オフラインネットワークを構成する機器とオンラインネットワークを構成する機器の対応
を述べる．オフラインネットワークを構成する機器とオンラインネットワークとの対応図
2.1 に示す．第 0 層に属する RFID タグは，オンラインネットワークで用いる Web サーバ
等のサーバに相当する．理由は，通信の要求を行わず受動的に通信を行うという共通点があ
るためである．第 1 層に属する RFID R/W と第２層に属するロケーションサーバ，読み
–6–
2.3 オフラインネットワークを構成する機器
出し・書き込み管理サーバはオンラインネットワークで用いるルータに相当する．理由は，
通信の要求を行った際にその要求を通信を受ける階層まで橋渡しするという共通点があるた
めである．第３層に属する管理サーバは，オンラインネットワークでのパソコン，スマート
フォン，携帯電話等の端末に相当する．理由は，通信の要求を行い能動的に通信を行うとい
う共通点があるためである．以上のことからオフラインネットワークは，オンラインネット
ワークと階層的に真反対の構造となることが確認できる．
図 2.1
オフラインネットワークを構成する機器とオンラインネットワークとの対応図
–7–
第3章
オフライン ID ネットワークアーキ
テクチャ
本章では，オフラインネットワークにおいて，階層的機能を組み合わせたオフライン ID
ネットワークアーキテクチャの定義と，既存のアーキテクチャについて述べる．
3.1
オフライン ID ネットワークアーキテクチャの定義
オンラインネットワークにおいて，プロトコルを複数組み合わせたものを通信アーキテ
クチャ，ネットワークアーキテクチャ，プロトコル・スタックと呼ぶ．本研究では，オフラ
インネットワークにおいて，階層的な機能を組み合わせたアーキテクチャをオフライン ID
ネットワークアーキテクチャとする．ここでの階層的な機能とは，通信を要求することがで
きない RFID タグ群をオフラインネットワークとして構成するための機能である．
オフライン ID ネットワークアーキテクチャは，2.1 で定義したオフラインネットワーク
を有し，かつ RFID タグの固有 ID，すなわち RFID タグを製造した際に付加される ID で
はない ID を使用する．また，オフライン ID ネットワークアーキテクチャが管理する範囲
は，末端は RFID タグ群，上端はロケーション DB 等のサーバの管理までとする．
–9–
第 3 章 オフライン ID ネットワークアーキテクチャ
3.2
3.2.1
既存のアーキテクチャ
MOST 階層モデル
MOST 階層モデルとは，接続を要求することが出来ない RFID タグから RFID タグに対
応付けされた情報を持つロケーショ DB サーバ間までのデータ通信の機能階層を示すオフラ
イン ID ネットワークアーキテクチャである [6]．MOST 階層モデルを図 3.1 に示す．
図 3.1 MOST 階層モデル
以降で，MOST 階層モデルの各階層について述べる．
第 0 層 タグ層
第 0 層のタグ層は，RFID タグが属するネットワーク層である．RFID タグには，製造時
に割り振られる固有 ID が与えられる．また，オプションとして固有 ID 以外に，サービス
事業者が付加することが出来るオリジナル ID をデータとして，保持することが可能である．
これらのことから，タグ層は MOST 階層モデルの基礎となる階層だと言える．
– 10 –
3.2 既存のアーキテクチャ
第 1 層 プレゼンスセンシング層
第 1 層のプレゼンスセンシング層は，第 0 層に属する RFID タグをアプリケーションと
して利用出来るように，読み出し，書き込みを行う層である．
第 2 層 ネットワークロケーション層
第 2 層の ID コントロール層は，RFID タグが製造時に割り振られる固有 ID と，ロケー
ション DB サーバに保存している RFID タグと情報を対応付けするネットワーク層である．
また．各デバイスの状態，RFID タグへの情報の読み出し，書き込みを管理する層である．
RFID R/W や，RFID R/W を搭載したアクチュエータには IPv6 等の一意なアドレスを
割り当てる．これにより，RFID R/W やアクチュエータを一意に識別することができる．
第 3 層 ネットワークコントロール層
第 3 層のネットワークコントロール層は，オフラインネットワークの管理に要する DB
サーバや管理サーバ等のサーバ群を管理し，オンラインネットワークとの接続を行う層で
ある．
MOST 階層モデルの問題点
既存の RFID システムの処理モデル図を図 3.3 に示す．既存の RFID システムでは管理
サーバの処理の終了後に，アプリケーションサーバでの処理に移る．MOST 階層モデルの
処理のモデル図を図 3.2 に示す．MOST 階層モデルでは，第２層に管理サーバとアプリケー
ションサーバが属しており，ブロードキャストを行いアプリケーションサーバに負荷をかけ
ることで全体の処理時間を抑えている．しかし，アプリケーションサーバ単体にかかる処理
時間は増大しており，全体の処理時間の 80%以上を占めている．そのため，アプリケーショ
ンサーバに掛かる負荷を軽減する方法が求められている．
– 11 –
第 3 章 オフライン ID ネットワークアーキテクチャ
図 3.2 既存の RFID システムの処理のモデル図
図 3.3 MOST 階層モデルの処理のモデル図
3.2.2
HIMECA 方式
HIMECA(Hybrid IDentification Magnificent Effective Coding Architecture) 方式は，
3.2.1 で述べた MOST 階層モデルの問題点を改善し，階層的な機能を組み合わせたオフライ
ン ID ネットワークアーキテクチャである [7]．
– 12 –
3.2 既存のアーキテクチャ
仮想ネットワーク構造化
仮 想 ネ ッ ト ワ ー ク で は ，RFID タ グ に 製 造 時 に 割 り 振 ら れ る 固 有 ID に 対 応 す る
ID MHIMECA を割り当てる．IDHIMECA はロケーション情報が階層的に書き込まれる
為，RFID タグに規則性を与えることができる．
階層モデル
HIMECA 方式の階層モデルは，第 0 層 タグ層，第 0.5 層 仮想ネットワーク層，第 1 層
プレゼンスセンシング層，第 2 層 ネットワークロケーション層，第 3 層 ネットワークコ
ントロール層で構成されている．第 0 層のタグ層は，MOST 階層モデルと同様の機能を担
うネットワーク層である．第 0.5 層の仮想ネットワーク層は，製造時に付与される固有 ID
に対応する IDHIMECA が割り当てられる層である．これにより RFID タグに規則性を与
えることができる．MOST 階層モデルでは，ロケーション情報を取得するには，第 2 層の
ネットワークロケーション層に属するロケーション DB を参照する必要があった．しかし，
HIMECA 方式では，第 0.5 層の仮想ネットワーク層で RFID タグに規則性を与えている
為，上位レイヤである第 2 層に属するロケーション DB を参照する必要がなくなるため，ロ
ケーション情報の取得を高速に行うことが可能となる．第 1 層のプレゼンスセンシング層，
第 2 層のネットワークロケーション層，第 3 層のネットワークコントロール層はそれぞれ，
MOST 階層モデルと同様の機能を担う層となっている．
HIMECA 方式の問題点
HIMECA 方式は，RFID タグにロケーション情報により規則化された ID である IDHIMECA を書き込むことで，MOST 階層モデルの問題点であったアプリケーションサー
バにかかる負荷を軽減している．しかし，IDHIMECA の構造について，どのような ID と
するかは定義されていない．また，固有 ID との対応付け，読み込みの処理系の処理構造が
– 13 –
第 3 章 オフライン ID ネットワークアーキテクチャ
言及されていない．以上の２点が未提案であるため，設置，実装工事に非常に時間がかかる
ことが予測される．
– 14 –
第4章
提案する MARIO 方式
本章では，Chipped City において３次元情報を保持する地図を構成するアーキテクチャ
を提案する．まず，想定する環境を定義し，RFID タグから位置情報への変換の高速化につ
いて提案する．その後，提案した変換の高速化を用いた３次元情報を保持する地図の構成方
法を提案する．
4.1
想定環境
4.1.1
使用する RFID タグ，設置方法
本研究では，使用する RFID をタグ，R/W，アンテナ，設置方法については，既存研究
である格子状に配置された RFID セルのハンドシェイク・トレース方法の研究を参考にして
いる [4]．
RFID タグ
本研究では，RFID タグはパッシブ型の RFID タグを想定する．理由としては，アクティ
ブ型，セミアクティブ型の RFID タグは電池を内蔵しており，床，壁，天井に埋め込んだ場
合，電池の容量がなくなった際に通信ができなくなることが想定される．また，電池の容量
がなくなった際には，埋め込んだ RFID タグを入れ替えるための施工が必要となる．対して
パッシブ型の RFID タグは，電池を内蔵しておらず，埋め込んだ RFID タグを入れ替える
ための施工は不必要となる．また，電池を内蔵しないため電波の到達範囲は狭くなるが，ロ
– 15 –
第4章
提案する MARIO 方式
ケーション情報を詳細に特定するには，一つの RFID タグがカバーする範囲が少ない方がよ
い．以上の理由により，パッシブ型の RFID タグを想定する．
RFID タグの配置方法
本研究では，RFID タグの配置方法として，RFID タグの単一による読み取り方法を想定
する．また，配置形態としては格子状，配置間隔は 30cm を想定する [4]．単一読み取りの
理由として，複数読み取りに RFID タグを対応させて配置させると RFID タグの配置間隔
が密になるため，設置数が増えコストが高くなるためである．
4.1.2
ネットワーク構成
本研究で想定するネットワーク構成について述べる．想定しているネットワークはオンラ
インネットワークと相互接続されているオフラインネットワークである．
末端には RFID タグ群が存在する．RFID タグ群は床，壁，天井等あらゆる場所に埋め
込まれており，RFID R/W より通信要求を受けることで通信を行う．RFID タグには製造
時に割り振られる固有 ID が保存されており，ユーザの持つ RFID R/W はこの固有 ID を
読み出すことで位置情報を推定する．次に RFID タグを読み出すためのアクチュエータが
存在する．アクチュエータには RFID R/W が搭載されており，ユーザはアクチュエータを
用いて位置情報を利用することが可能である．アクチュエータはオンラインネットワークと
接続されており，RFID タグより読みだした情報を後述の ID コンバージョン DB サーバ，
アプリケーションサーバに送信することが出来る事とする．次に，ID コンバージョン DB
サーバが存在する．ID コンバージョン DB サーバは，RFID タグが持つ固有 ID から提案す
るアーキテクチャで用いる意味のある ID に変換するための DB サーバである．次に，アプ
リケーションサーバが存在する．アプリケーションサーバは，ID コンバージョン DB サー
バにより変換された意味のある ID を用いてアプリケーションを提供するためのサーバであ
る．次に，ロケーション DB サーバが存在する．ロケーション DB サーバは，RFID タグと
– 16 –
4.1 想定環境
位置情報を対応付けするためのサーバであり，すべての RFID タグと対応する位置情報を保
持する DB サーバである．最上層には管理サーバが存在する．管理サーバは，ID コンバー
ジョン DB サーバ，ロケーション DB サーバ，アプリケーションサーバを管理するための
サーバである．位置情報に変更が合った時にロケーション DB サーバに変更を加える等の管
理を行う．想定するネットワークの構成図を図 4.1 に示す．アクチュエータ，ID コンバー
ジョン DB サーバ，ロケーション DB サーバ，アプリケーションサーバ，管理サーバ間がオ
ンラインネットワークであり，アクチュエータ，RFID タグ群間がオフラインネットワーク
となる．RFID タグ群と ID コンバージョン DB サーバは 1 対 1 で対応する．
図 4.1 想定するネットワークの構成図
– 17 –
第4章
4.1.3
提案する MARIO 方式
使用するデータベース
本研究で使用を想定するデータベースについて述べる．現在，RDB(Relational Data
Base) は Web システムや顧客管理等広い範囲に使用されている．対して，KVS(Key Value
Store) 型のデータベースは主にクラウド型のサービスのデータ管理に対して使用されてい
る [8]．RDB と KVS を，検索の柔軟性，問い合わせにかかる時間，データの拡張性，負荷
分散の容易さ，分散にかかるコストの 5 つの観点から比較し，本研究で KVS を使用する理
由を述べる．
検索の柔軟性
RDB では，SQL(Structured Query Language) を用いて，列を指定した条件検索やテー
ブル同士の結合等の検索が可能である．対して，KVS ではキーと値が対応した，データモ
デルとなっており，SQL のような列を指定した条件検索，テーブルの結合等は不可能であ
る．したがって，検索の柔軟性は RDB の方が優れているといえる．
問い合わせにかかる時間
RDB では，問い合わせにかかる時間は，テーブルの行の数とデータ量に依存する．探索
する行の数とデータ量に比例し，問い合わせにかかる時間も長くなる．
対して，KVS はキーと値からなる単純なデータモデルであるため，問い合わせにかかる
時間は，探索する行の数，データ量に依存しない．したがって，問い合わせにかかる時間は，
KVS の方が優れているといえる．
データの拡張性
RDB では，一つの行に付加出来る情報はテーブルの生成時に列の数として決定される．
そのため，新たな情報を付加する場合には，テーブルの結合等の処理が必要となる．対して
– 18 –
4.1 想定環境
KVS では，スキーマレスなデータモデルであるため，それぞれの行が任意で独自の情報を
持つことが可能である．したがって，データの拡張性は，KVS が優れているといえる．
負荷分散の容易さ
RDB で負荷分散を行うには，同じデータを保持した DB サーバを複数台配置する必要が
ある．また，データの変更や追加，削除が合った際には，すべての DB サーバに対して変更
を加える必要があり，データの整合性が保証されない．対して，KVS では一つのテーブル
に保存されるデータを複数台の DB サーバに保存し，データストアマネージャがすべての
データを管理するデータモデルとなっている．そのため，同じデータを持った場合，RDB
と比べ少ないリソースで負荷分散が可能である．また，データの変更や追加，削除が合った
場合にも整合性を容易に取ることが可能である．したがって，負荷分散の容易さという観点
では，KVS の方が優れていると言える．
負荷分散にかかるコスト
RDB で負荷分散を行うには，1 台ですべてのデータを扱えるサーバを複数台用意する必
要がある．対して，KVS では安価なサーバを大量に配置し，複数台のサーバですべてのデー
タを扱う負荷分散を設計することが可能である．したがって，負荷分散にかかるコストは，
KVS が優れているといえる．
どちらのデータベースを使用するかの検討
本研究で提案するアーキテクチャでは ID コンバージョン DB とロケーション DB の 2 つ
のデータベースを使用する．それぞれのデータベースについて，RDB と KVS のどちらの
データベース使用するかを，前述の比較から検討する．RDB と KVS の特徴の比較を表 4.1
に示す．
– 19 –
第4章
提案する MARIO 方式
表 4.1 RDB と KVS の特徴の比較
RDB
KVS
検索の柔軟性
○
×
問い合わせにかかる時間
×
○
データの拡張性
×
○
負荷分散の容易さ
×
○
分散にかかるコスト
×
○
ID コンバージョン DB には，RFID タグの製造時に付加される固有 ID と固有 ID と１対
１で対応する新たな ID の情報が保存される．保存される構造は，固有 ID が保存される列
と新たな ID が保存される列の２列の DB となる．ID コンバージョン DB は 2 列の DB と
なるため，SQL を用いた柔軟な検索は必要でない．また，保存されるデータ量が膨大にな
るため，RDB では問い合わせにかかる時間が長くなる．また，データ量が膨大になるため，
負荷分散が容易に行える方が望ましい．したがって，ID コンバージョン DB は，固有 ID を
キーとし新たな ID を値とする KVS 型のデータベースを使用するのが良いといえる．
ロケーション DB には，固有 ID と１対１で対応する新たな ID とその ID に付属される
位置情報やロケーションステータス等の情報が保存される．保存される構造としては，新
たな ID が保存される列と位置情報やロケーションステータスが保存される列の１列以上の
DB となる．ロケーション DB は，新たな ID が保存される列に加えて複数列の情報が保存
される．列の数が 1 列以上と数が定まらないため，RDB では，設計が難しい．また，デー
タ量が膨大になるため，負荷分散が容易に行える方が望ましい．したがって，ロケーション
DB は，固有 ID と１対１で対応する新たな ID をキーとし，位置情報やロケーションステー
タス情報等を値とした KVS 型のデータベースを使用するのが良いといえる．
– 20 –
4.2 座標系変換の高速化
4.2
座標系変換の高速化
4.2.1
ID MARIO の概要
ID MARIO は，RFID タグが製造時に付加される固有 ID と 1 対 1 で対応する ID であ
る．以降 ID MARIO を ID M と記述する．ロケーション情報を住所を同定出来るように区
画し，各区画に独立した ID 設定する．各区画に設定された ID を規模の大きい物から連結
したものを ID M とする．ID M の構造を図 4.2 に示す．前半の検索タグ部は，住所を用い
た ID M 群の検索に使用する．後半の座標部は，ID M を一意に特定できるものであり，後
述の 3 次元情報を保持したマップの構成時に使用する．
図 4.2 ID M の構造
検索タグ部
検索タグ部には，住所情報を基に分割された ID が設定される．屋内では，「国」，「県，
州」，
「市」，「町，村」，「番地」，「建物」，「階層」，「部屋」の８分割，屋外では，「国」，「県，
州」，
「市」，「町，村」，「番地」，「建物等目印」，「ロケーションステータス」の 7 分割とし，
それぞれの区画に対して，独立した ID を設定する．ID M のビット数と数値の範囲を表 4.2
に示す．ID を割り振る際に，各ビットごとに意味を持たせる．日本を参考に，県，州 ID を
割り振る場合を説明する．県，州 ID は 8bit の 0∼255 の数字を割り当てることが出来る．
– 21 –
第4章
提案する MARIO 方式
まず最上位のビットで東日本，西日本を分ける．0∼127 の数字が東日本，128∼255 が西日
本と分けることができる．更に地方により分けることができる．西日本を例とする．西日本
には４つの地方があるため，最上位から２番目のビットと 3 番目のビットで分ける．関西を
128∼159，中国を 160∼191，四国を 192∼223，九州を 224∼255 と分けることが出来る．
この後，各地方の県に ID を割り当てる事により，各ビットに意味を持たせた ID を設定す
ることができる．各ビットに意味を持たせることで，後述の検索方法を用いた際の検索の範
囲を細かくすることが出来る．
表 4.2 ID M 検索タグ部のビット数と数値の範囲
屋内外
屋内
各区画
bit 数
数値の範囲
国
9[bits]
0∼511
県，州
8[bits]
0∼255
市
8[bits]
0∼255
町，村
8[bits]
0∼255
番地
14[bits]
0∼16383
屋内外フラグ
1[bit]
0∼1
建物
15[bits]
0∼32767
階層
8[bits]
0∼256
部屋
12[bits]
0∼4095
目印
23[bits]
0∼8388607
ロケーションステータス
12[bits]
0∼4095
屋外
座標部
座標部には経度，緯度，高さに代わる座標値を設定する．この座標値により RFID タグ
を一意に特定できる．各情報のビット数と数値の範囲を表 4.3 に示す．経度が X 座標，緯
– 22 –
4.2 座標系変換の高速化
度が Y 座標，高さが Z 座標に相当する．各数値は，地球上に RFID タグを 30 ｃｍ間隔に
配置した際の数に合わせて設定している．各座標 ID は数値と同値が設定される．これによ
り，ID M からロケーション情報に変換することなく座標値をアプリケーションに用いるこ
とが可能となる．この座標値と後述の３ D マップ構成方法を用いて，地図の構成を行う．
表 4.3 ID M 座標部のビット数と数値の範囲
4.2.2
各座標
bit 数
数値の範囲
X 座標
27[bits]
0∼134217727
Y 座標
26[bits]
0∼67108863
Z 座標
20[bits]
0∼1048576
処理階層モデル
ID M の処理階層モデルは，読み込みの処理を階層化したモデルである．ID M の処理階
層モデルを図 4.3 に示す．以降で各階層の機能について述べる．
図 4.3
ID M の処理階層モデル
– 23 –
第4章
提案する MARIO 方式
第 0 層 タグ層
第 0 層のタグ層は，RFID タグが属する層である．RFID タグには，製造時に割り振られ
る固有 ID が与えられる．固有 ID は RFID タグを一意に特定することができ，位置情報と
対応付けることで，位置情報の提供を行う．
第 1 層 プレゼンスセンシング層
第 1 層のプレゼンスセンシング層は，RFID R/W を搭載したアクチュエータが属する層
である．第 0 層に属する RFID タグをアプリケーションで利用できるように，読み出し，書
き込みを行う層である．
第 1.5 層 ID コンバージョン層
第 1.5 層の ID コンバージョン層は，ID コンバージョン DB が属する層である．RFID タ
グが持つ固有 ID と ID M が 1 対１で対応付けされる層であり，第 1 層に属するアクチュ
エータが読み出した固有 ID を ID M に変換する機能を持つ層である．
第 2 層 ネットワークロケーション層
第２層のネットワークロケーション層は，ロケーション DB とアプリケーションサーバが
属する層である．ロケーション DB は，ID M とロケーション情報が対応付けられており，
ロケーション情報を取得する際に使用する DB である．アプリケーションサーバは，ID M
やロケーション情報を用いてアプリケーションを提供するためのサーバである．
– 24 –
4.3 ３ D マップ構成方法
第 3 層 ネットワークコントロール層
第３層のネットワークコントロール層は，第 1.5 層と第２層に属する DB とサーバ群を管
理するためのサーバが属する層である．
既存の階層モデルとの相違点
第 1.5 層の ID コンバージョン層が存在することが，既存の処理階層モデルとの相違点で
ある．第 2 層に属するロケーション DB とアプリケーションサーバよりも下位の階層でロ
ケーション情報を基に設定された ID に変換することにより，ID と情報が同値となる座標情
報を高速にアプリケーションに用いることが可能となる．
4.2.3
ID M 処理階層モデルを用いたデータ取得の流れ
第 0 層に属する RFID タグから第 1 層に属するアクチュエータによって意味を持たない
ID である固有 ID を読み出す．読み出された固有 ID は第 1.5 層に属する ID コンバージョ
ン層によって意味のある ID である ID M に変換される．変換された ID M より，座標情
報を読み出すことができるため，アクチュエータは座標情報を 1.5 層で使用可能となる．ま
た，読みだした ID M から詳細なロケーション情報や，その他の情報を読み出すには，2 層
に属するロケーション DB により ID M をキーとして取り出す必要がある．
第 3 層は第 1.5 層の ID コンバージョン DB や第 2 層のロケーション DB に書き込まれた
情報の書き換えが必要な場合に使用され，書き換えを実行する．
4.3
３ D マップ構成方法
本章では，３ D マップを構成する方法と３ D マップの構成に必要となる ID M 群を取り
出す方法，検索時の動作について述べる．
– 25 –
第4章
4.3.1
提案する MARIO 方式
マップの構成方法
３ D マップの構成方法の前に，構成までに必要な手順を記述する．まず，後述の検索を
用いて，ロケーション情報である ID M を複数取得する．この複数の ID M を ID M 群と
する．その後，ID M 群から座標情報を抽出する．ここまでをアプリケーションサーバで行
う．抽出した座標情報を用いてマップを構成する．マップの構成はアクチュエータが行う．
マップを構成する際に，各 ID M を 1 つのユニットとみなす．ユニットとは，1 辺 30cm
の立方体であり，このユニットを用いて３ D マップを構成する．具体的な構成手法を次よ
り述べる．また，提案した構成手法のどれを採用するかを検証し決定する．
構成手法１
構成方法手法１は以降の構成方法手法の基礎となる案である．ユニットを座標情報に基づ
いて仮想空間上に配置し３ D マップを構成する手法である．この手法を用いて，広い範囲
の地図を構成した場合，処理対象となるユニットの数が膨大となるため，構成時間が長くな
ると考えられる．
構成手法２
構成手法２は，連続する座標情報の最初と最後のみを用いることでアクチュエータが処理
対象となるユニットの数を抑える案である．座標情報の値を昇順にソートする．ソートした
座標値の中で連続する値に対して，次の処理を行う．連続する座標値の最小値のユニットと
最大値のユニットを取り出す．取り出した２つのユニットを仮想空間上に配置する．配置し
た２つのユニットの間を存在するものとして補間する．以上の処理を X 座標，Y 座標，Z 座
標それぞれに対して行う．これにより，連続するユニットを３ステップで処理することが可
能となり，アクチュエータが処理するユニットの数を抑えることができる．
– 26 –
4.3 ３ D マップ構成方法
構成手法３
構成手法３は，構成手法１に屋外の地図を構成する際に処理対象となるユニットを抑える
処理を加えた手法である．屋外の地図を構成する際に，ユーザが知覚できない細かい部分を
構成せずに，ユニットを設定した数だけ無視して取得し，マップの構成を行う．これによ
り，アクチュエータが処理するユニットの数を抑えることができる．
提案した構成手法の比較
提案した構成手法のどれを採用するかを比較する．検証は，地図を構成する際に用いられ
るユニットの数を計算する．ユニットの数を基に，通信時間，DB からの読み出しにかかる
時間，地図を構成した際の正確さの３つの観点から比較し行う．
地図を構成する際に用いられるユニットの数を表 4.4 に示す．部屋は高知工科大学 A ３
５９島村研究室，番地は日本の高知県のある番地を，国は日本を想定してユニットの数を計
算した．ユニットの数が多いほど通信時間，DB からの読み出しにかかる時間が長くなり，
地図を構成した際の正確さは高くなる．
表 4.4
HH
H 構成手法
HH
HH
範囲
HH
地図を構成する際に用いられるユニットの数
手法１
手法 2
手法 2+3
部屋
4800 ユニット
906 ユニット
906 ユニット
番地
130000 ユニット
24528 ユニット
613 ユニット
国
4.35 兆ユニット
8207 億ユニット
13679245 ユニット
まず，通信時間について検証する．一つのユニットは一つの ID M と同義になるため，ユ
ニット数 ∗ 156[bits] が通信量となる．通信速度は，現在のモバイル通信網である LTE の理
論上の最大値である 326[Mb/s] とする．ユニットの通信時間を表 4.5 に示す．通信速度は
範囲が部屋の場合は手法 2 と手法 2+3 が最も速く，次いで手法 1 となった．番地，国の場
– 27 –
第4章
提案する MARIO 方式
合は手法 2+3 が最も速く，次いで手法 2，手法 1 の順に速くなった．
HH
H 構成手法
HH
HH
範囲
HH
表 4.5
ユニットの通信時間
手法１
手法 2
手法 2+3
部屋
2[msec]
0.4[msec]
0.4[msec]
番地
60[msec]
12[msec]
0.2[msec]
国
2081595000[msec]
392727000[msec]
7000[msec]
次に，DB からの読み出しにかかる時間について検証する．DB の読み出し性能を KVS
の一つである Google App Engine の Bigtable と同等のものと想定する．Bigtable の読み
出し性能を 964[Mb/s] とする [9]．DB からの読み出しにかかる時間を表 4.6 に示す．DB
からの読み出しにかかる時間は，範囲が部屋の場合は手法 2 と手法 2+3 が最も速く，次い
で手法 1 となった．範囲が番地，国の場合は，手法 2+3 が最も速く，次いで手法 2，手法 1
の順に速くなった．
表 4.6 DB からの読み出しにかかる時間
HH
HH 構成手法
H
HH
範囲
HH
手法１
手法 2
手法 2+3
部屋
0.8[msec]
0.1[msec]
0.1[msec]
番地
21[msec]
4[msec]
0.1[msec]
国
703941908[msec]
132810373[msec]
2213[msec]
最後に，地図を構成した際の正確さについて検証する．案 1，案 2 では地図を構成する際
に，範囲内のすべてのタグを用いる．そのため，構成範囲にかかわらず，誤差 15cm の地図
を構成できる．しかし，広い範囲で構成した際にはユーザのアクチュエータのディスプレイ
で確認出来ない地点が存在する．そこで，案 3 は，ディスプレイに表示された際にユーザが
知覚出来ない地点は構成しない手法となっている．これにより，ユーザにはなめらかな地図
– 28 –
4.3 ３ D マップ構成方法
に見えるように構成しつつ，タグの数を少なくすることに成功している．よって，提案した
手法の中では，手法 1, 手法 2 が同率で最も正確に地図を構成できるが，手法 2+3 でもユー
ザには充分正確な地図の構成ができる手法といえる．
以上の検証より，処理に用いられるユニットの数が最も少なく，通信にかかる時間，DB
からの読み出し時間が最も速く，また正確性も充分なものであるため，手法 3 ＋ 4 を採用
する．
4.3.2
ユーザの位置特定
ユーザの位置特定方法
ユーザの位置特定方法を述べる．ユーザの位置特定は，ID M を用いて行う．ユーザはア
クチュエータを用いて，現在地から一番近い RFID タグから固有 ID を読み出す．読みだし
た固有 ID を ID M へと変換する．変換した ID M をユーザのアクチュエータ上の地図を構
成しているユニットの中から，同じ ID M を持つユニットを検索する．同じ ID M のユニッ
トが見つかった場合，そのユニットを現在位置としてアプリケーションに用いる．
移動速度の取得方法
移動速度の取得方法を述べる．移動速度の取得は，1 つ目の ID M を読みだした後，2 つ
目の ID M を読み出すまでの時間から取得する．タグからタグの間隔は 30cm であるため，
距離と時間から速さを求めることが可能である．
4.3.3
複数の ID M を取り出す方法
本提案での，複数の ID M を取り出す方法について説明する．4.1.3 で述べた通り，KVS
型のデータベースは SQL，または SQL に準ずる検索機能を持っておらず，検索の柔軟性
に乏しい．そこで，複数の ID M を取り出す方法を提案する必要がある．KVS 型のデータ
ベースではキーに対しての全一致検索，前方一致検索，範囲指定検索が可能である．複数の
– 29 –
第4章
提案する MARIO 方式
ID M を取り出す方法には，前方一致検索を使用する．ID M の検索タグ部に対して前方一
致検索を行う．これにより，検索タグ部に設定した住所情報である，「国」，「県，州」「市，
区，郡」
，
「町，村」
，
「番地」
，
「建物」
，
「階層」
，
「部屋」
，
「建物等目印」
，
「ロケーションステー
タス」単位での ID M 群の取得が可能となる．
4.3.4
地図を構成する範囲の設定方法
本提案での３次元情報を保持した地図を構成する範囲の設定方法について述べる．ユーザ
からのインタラクションとして，住所を指定して地図を構成する場合と，現在位置周辺の地
図を構成する場合の２つの場合が考えられる．それぞれのインタラクションの範囲の設定方
法について説明する．
住所を指定して地図を構成する場合
まず，ユーザは住所を指定して地図の構成要求をアプリケーションサーバに行う．アプリ
ケーションサーバは，ユーザが指定した地図を ID M の検索タグ部に設定した各区画 ID へ
の変換を行う．変換を行った ID を検索用 ID とする．検索用 ID を用いて，4.3.3 で述べた
前方一致検索を行い，ユーザの指定した範囲の ID M 群を取得する．アクチュエータは，取
得した ID M 群をユニットとみなして地図の構成を行う．
その後，ユーザが再度住所を指定して地図の構成要求をアプリケーションサーバに行った
際には，直前回のユーザが指定した住所と比較を行い範囲の指定を行う．比較の方法は次の
通りである．
直前回のユーザが指定した住所の検索用 ID と，今回ユーザが指定した住所の検索用 ID
のビットを最上位ビット合わせで，ビット長をあわせる．ビット長を合わせた検索用 ID を
最下位ビットから比較し，検索した範囲が重なるかどうかを判断する．最下位ビットから比
較する理由としては，下位のビットほど狭い範囲を表す区画 ID となっており，ここが一致
した場合検索した範囲が重なる確立が高くなると考えられる．そのため，最下位ビットから
– 30 –
4.3 ３ D マップ構成方法
比較することにより，検索した範囲が重ならない場合を早く判断することができると考えら
れる．比較した結果，検索した範囲が重なった場合，次の処理を行い地図を構成する範囲を
指定する．
まず，直前回に指定した住所の範囲が，今回指定した住所の範囲より狭かった場合，直前
回に表示した範囲を中心に，今回指定した広い範囲の地図を表示する．そのため，構成する
範囲は，今回指定した住所の範囲となる．
次に，直前回に指定した住所の範囲が，今回指定した住所の範囲より広かった場合，直前
回に表示した範囲の中で，今回指定し住所の範囲を強調表示する．そのため，構成する範囲
は，直前回に指定した住所の範囲となる．
現在位置周辺の地図を構成する場合
まず，4.3.2 で述べたユーザの位置特定方法を使い，ユーザの現在位置と移動速度を取得
する．取得した移動速度から，移動手段を推定する．そして，推定した移動手段に適した構
成範囲の ID M 群を 4.3.3 で述べた方法を使用し，取得する．また，移動速度に大きな変化
があり，移動手段が変わったと推定された場合には，4.3.4 の方法を用いて，構成する範囲
の表示を行う．
– 31 –
第5章
提案方式の検証評価
5.1
目的
提案した MARIO 方式について以下の２つの点から検証することを目的とする．
１つは，RFID タグを使用したアーキテクチャの既存の提案方式である，MOST 階層モ
デルと HIMECA 方式と MARIO 方式を利用した場合の，建造物 1 棟の 3 次元情報を保持
した地図を構成するユニットを取得する時間と現在位置取得にかかる時間を比較し，提案し
た MARIO 方式の有用性を示す．
２つ目は，現在位置取得にかかる時間が，歩行時，自動車でのナビゲーションで使用する
ことができるかを工学的な目標から検証し有用性を示す．
5.2
5.2.1
検証する内容
地図を構成するユニットの取得時間
既存研究である MOST 階層モデルでは，RFID タグから読みだした固有 ID はアクチュ
エータと読み込み管理サーバを介して，ロケーション DB サーバに送られる．ロケーショ
ン DB サーバで RFID タグの固有 ID をキーとして，RFID タグのロケーション情報を取
得し，アプリケーションサーバに送信する．そして，アプリケーションサーバの動作結果を
ユーザが持つアクチュエータに送るという流れである．
既存研究である HIMECA 方式では，RFID タグの持つ固有 ID と対応するロケーショ
ン情報をもつ IDH を，RFID タグが持つ保存領域に書き込む．RFID タグから読みだし
– 33 –
第5章
提案方式の検証評価
た IDH はアクチュエータを介してロケーション DB サーバに送られる．ロケーション DB
サーバで IDH をキーとして，ロケーション情報を取得し，アプリケーションサーバに送信
する．そして，アプリケーションサーバの動作結果をユーザが持つアクチュエータに送ると
いう流れである．
提案する MARIO 方式では，RFID タグの持つ固有 ID と対応するロケーション情報を持
つ ID M を，ID コンバージョン DB で対応付けする．RFID タグから読みだした固有 ID
はアクチュエータを介して ID コンバージョン DB サーバに送られる．ID コンバージョン
DB サーバで RFID の固有 ID をキーとして，ID M に変換する．変換した ID M をアプリ
ケーションサーバに送信する．そして，アプリケーションサーバの動作結果をユーザが持つ
アクチュエータに送るという流れである．
5.2.2
現在位置取得にかかる時間
提案する MARIO 方式を使用し現在位置を取得する際にかかる時間を歩行，自動車での
ナビゲーションを行う際に使用出来るかどうかを工学的目標から検証する．歩行者のナビ
ゲーションを行う際の工学的目標は，一つの RFID タグを取得する時間が 197.36[msec] 以
下となることである．一つの ID M がカバーする範囲は 30cm であり，人間の歩行速度の平
均は 1.52[m/s] である [10]．このことから，一つの ID M がカバーする範囲である 30cm を
197.36[msec] で通過することとなる．したがって，工学的目標を 197.36[msec] と定める事
ができる．
自動車でのナビゲーションの工学的目標は，一般道路では一つの RFID タグを取得する
時間が 18[msec] 以下となることである．自動車の走行速度を一般道路での法定速度である
60[km/h] とすると，一つの RFID タグを通過する時間が 18[msec] となるためである．ま
た，高規格幹線道路での工学的目標は，一つの RFID タグを取得する時間が法定速度である
100[km/h] とすると，一つの RFID タグを取得する時間が 10[msec] 以下となれば工学的目
標を達成できたといえる．
– 34 –
5.3 想定する処理時間
5.3
5.3.1
想定する処理時間
ユニットの取得時間
既存の MOST 階層モデルの処理時間は，RFID R/W の読み取り時間が 12∼192[msec]，
読み込み管理サーバの処理時間が 5∼10[msec]，アプリケーションサーバの処理時間が 750
∼1000[msec] としている [6]．これに加え，建造物 1 棟の 3 次元情報を保持した地図を構成
するユニットを取得するロケーション DB サーバの処理時間を，91∼216[msec] とした．
また，HIMECA 方式では，RFID R/W の読み取り，書き込みを 10∼65[msec]，アプ
リケーションサーバの処理時間を 20∼30[msec] としている [7]．これに加え，今回は読み
込み管理サーバの処理時間を 5∼10[msec]，ロケーション DB サーバの処理時間を 91∼
216[msec] とした．
今回提案した，MARIO 方式では，RFID R/W の読み取り時間を 12∼192[msec]，ID コ
ンバージョン DB サーバの処理時間を 10∼60[msec]，ロケーション DB サーバの処理時間
を 80∼192[msec]，アプリケーションサーバの処理時間を 20∼30[msec] とした．
5.3.2
現在位置取得にかかる時間
既存の MOST 階層モデルの処理時間は，RFID R/W の読み取り時間が 12∼192[msec]，
読み込み管理サーバの処理時間が 5∼10[msec]，ロケーション DB サーバの処理時間が 31∼
156[msec]，アプリケーションサーバの処理時間が 750∼1000[msec] としている [6]．
また，HIMECA 方式では，RFID R/W の読み取り，書き込みを 10∼65[msec]，アプリ
ケーションサーバの処理時間を 20∼30[msec] としている [7]．
今回提案した，MARIO 方式では，RFID R/W の読み取り時間を 12∼192[msec]，ID コ
ンバージョン DB サーバの処理時間を 10∼60[msec]，アプリケーションサーバの処理時間
を 20∼30[msec] とした．
– 35 –
第5章
5.4
提案方式の検証評価
結果
シミュレーションによって得られた結果を表 5.1 に示す．既存方式となる MOST 階層モ
デルでの，ユニットの取得時間は 1104[msec]，現在位置取得にかかる時間は 1056[msec] で
処理を終えている．HIMECA 方式では，ユニットの取得時間は 1093[msec]，現在位置取得
にかかる時間は 95[msec] で処理を終えている．対して，MARIO 方式では，ユニットの取
得時間は 1100[msec]，現在位置取得にかかる時間は 105[msec] で処理を終えている．
表 5.1
シミュレーション結果
MOST 階層モデル
HIMECA 方式
MARIO 方式
ユニットの取得時間
1104[msec]
1093[msec]
1100[msec]
現在位置取得にかかる時間
1056[msec]
95[msec]
105[msec]
5.5
5.5.1
考察
ユニットの取得時間
まず，MOST 階層モデルと MARIO 方式に対して考察を行う．MOST 方式と比較し，
MARIO 方式はユニットの取得時間の差は 0%で同等，現在位置取得にかかる時間は 10%
に抑えることができた．まず，ユニットの取得時間が同等となった理由としては，MOST
階層モデルも MARIO 方式も，2 層のロケーション DB サーバ，アプリケーションにアク
セスするため，同様の処理手順となる．したがって，MARIO 方式のメリットを活かすこと
ができなかったため，同等となったと考えられる．次に，現在位置取得にかかる時間を 10%
に抑えることが出来た理由を考察する．MOST 階層モデルでは，現在位置取得のために，2
層のロケーション DB サーバ，アプリケーションサーバにアクセスする必要があった．しか
し，MARIO 方式では，2 層のロケーション DB サーバ，アプリケーションサーバにアクセ
スすることなく，現在位置の取得に必要なロケーション情報を取得することが可能である．
– 36 –
5.5 考察
したがって，負荷が高く，単体での処理時間が長いアプリケーションサーバにアクセスしな
かったため，現在位置取得にかかる時間を抑えることができたと考えられる．
つぎに，HIMECA 方式と MARIO 方式に対して考察を行う．HIMECA 方式と比較し，
MARIO 方式はユニットの取得時間の差は 0%で同等となり，現在位置取得にかかる時間は
110%となった．まず，ユニットの取得時間が同等となった理由を考察する．HIMECA 方
式も MARIO 方式も，2 層のロケーション DB サーバ，アプリケーションにアクセスする
ため，同様の手順となる．したがって，MARIO 方式も HIMECA 方式も同様となったと考
えられる．次に，現在位置取得にかかる時間が 110% となった理由を考察する．HIMECA
方式では，RFID が製造時に付与される固有 ID と対応付けされる IDH を RFID タグの保
存領域に保持する．対して MARIO 方式では，固有 ID と対応付けされる ID M は 1.5 層
に属する ID コンバージョン DB サーバに保存されるため，ID M への変換に ID コンバー
ジョン DB の処理が必要となる．したがって，DB での処理が必要となる MARIO 方式で
は，HIMECA 方式よりも現在地取得にかかる時間が増大したと考えられる．
5.5.2
現在位置取得にかかる時間
検証した MARIO 方式の現在位置取得にかかる時間がナビゲーションを行う上での工
学的目標を達成したかどうかの考察を行う．MARIO 方式の現在位置取得にかかる時間は
105[msec] となった．対して，歩行者のナビゲーションを行う際の工学的目標は，一つの
RFID タグを取得する時間が 197.36[msec] 以下である．したがって，歩行者でのナビゲー
ションを行う際の工学的目標を達成できたと言える．また，自動車でのナビゲーションの工
学的目標は，一般道路では一つの RFID タグを取得する時間が 18[msec] 以下，高規格幹線
道路では 10[msec] 以下である．したがって，自動車でのナビゲーションの工学的目標は，
達成されなかった．
– 37 –
第5章
提案方式の検証評価
１時間歩行した際の現在位置取得にかかる処理時間
MOST 階層モデルと MARIO 方式に対して，歩行時のナビゲーションサービスを想定し，
１時間歩行した際の現在位置取得にかかる処理時間を考察する．時速 4.8[km] で直線上に歩
いた際に読み取る RFID タグの数は 11428 個となる．
MOST 階 層 モ デ ル を 用 い た ナ ビ ゲ ー シ ョ ン サ ー ビ ス で は ，位 置 情 報 の 取 得 時 間 が
12067968[msec] となり，約 3.3 時間となる．１時間の歩行に対して，約 3.3 時間の処理
が必要となるため，歩行時のナビゲーションには用いることが出来ない．
対して，MARIO 方式を用いたナビゲーションサービスでは，位置情報の取得時間が
1199940[msec] となり，約 20 分となる．１時間の歩行に対して，約 2 ０分の処理時間が必
要となるため，歩行時のナビゲーションに用いることが可能である．
– 38 –
第6章
結論
6.1
本研究のまとめ
本研究では，Chipped City において RFID タグから位置情報への変換の高速化と，3 次
元情報を保持した地図を構成する方法である MARIO 方式を提案した．これにより，GPS
では困難であった屋内，地下，高層ビル周辺なども含むあらゆる場所での位置情報の取得が
可能となった．また提案した方式を用いた，3 次元情報を持った地図の構成に必要となるユ
ニット群の取得時間と現在位置の取得時間を求めた．結果として，ユニット群の取得時間が
1100[msec]，現在位置取得にかかる時間が 105[msec] となった．既存方式である，MOST
階層モデルと比較すると，ユニット群の取得時間は同等のまま，現在位置取得にかかる時間
を 90.1% 抑えることができた．また，HIMECA 方式と比較すると，ユニット群の取得時間
は同等のまま，現在位置取得にかかる時間が 10.5% 増大した．しかし，HIMECA 方式の問
題点であった RFID タグの持つ固有 ID と対応付けられる ID について構造を定義し，対応
付け，読み出しの処理系を階層構造で定義した．これにより，RFID タグの実装工事が容易
になり，かつ ID から現在位置取得にかかる時間を 10.5% の増大で実現することが可能と
なった．
現在位置の取得時間をナビゲーションを行う上での工学的目標を達成出来るかで評価を
行った．その結果，歩行者でのナビゲーションを行う際の工学的目標は達成できた．しか
し，自動車でのナビゲーションの工学的目標は，達成できなかった．
– 39 –
第 6 章 結論
6.2
今後の課題
本研究では，Chipped City における 3 次元情報を保持した地図を構成する方法を提案し
た．しかし，この構成を行う上で必要となるデータを取得するまでの処理時間については検
証したが，構成方法自体に対しては検証，評価を行えていない．構成方法に対して検証，評
価を行い，提案した構成方法案が実用に耐えるかどうかの考察が必要である．また，RFID
タグの情報情報の読み出しからユーザにアプリケーションを提供するまでの処理を階層構造
で提案した．しかし，各階層間での通信規約を取り決めていない．そのため，提案した処理
階層構造における各階層のプロトコルを提案する必要がある．具体的には，各階層でのパ
ケット構造やセッション確立までの取り決め等が必要である．また，検証にあたりナビゲー
ションでの工学的目標の達成を評価したが，3 次元情報を保持した地図に適したナビゲー
ションの方法について，提案を行えていないため，提案する必要がある．
– 40 –
謝辞
本研究を進めるにあたり多くのご指導，ご指南をいただきました，情報学群 島村和典教授
に深い感謝の意を表します．また，情報学群 濱村昌則教授，情報学群 高田喜朗准教授には
本研究論文の副査をお引き受けいただき，貴重なご助言を頂きました．感謝の念を表し，こ
こにお礼申し上げます．
同じ研究グループの島村研究室修士 2 年の和田倫弥氏には，私が研究に行き詰まった時，
的確な助言，提案を時間を惜しむことなくして頂きました．心より感謝申し上げます．特
に，梗概の提出に当たり，本研究の到達点を見失いそうになった際に，クリティカルなアド
バイスをしていただき，梗概，本論文と進めることができました．今後少しでも追いつける
ように努力する所存です．同じ研究グループの修士 1 年の島田裕幸氏，京極海氏には，至ら
ぬ質問にも真摯になって受け答えしていただき，適切なアドバイスをしていただきました．
深く感謝いたします．多くの貴重な御意見，御指導をしていただいた島村研究室修士 2 年の
山下寛晃氏，同じく修士 1 年の小笠原一聡氏，辻際宗和氏に深く感謝いたします．本研究を
行っていく際，自身の励みと勉強になりました．同じ島村研究室のメンバーとして切磋琢磨
し，ともに研究活動に励んだ同期 6 名に感謝いたします．研究と幾つもの活動を同時並行で
行い，問いかけににいつもやさしい答えを返していただいた赤澤将太氏，私の研究で蓄積さ
れたストレスの発散口として，遊び相手をしていただいた柏木恵氏，わざと面白くない発言
をし，研究室を静かにすることに努めていた栗原慎也氏，研究で疲れたみんなのストレスを
発散するためのイベントを企画していただいた品川滉樹氏，成長するためにいつも自分を追
い詰めていた西元優介氏，突き抜けた楽観的志向で，焦る私の心を落ち着かせてくれた野島
舞氏と研究室で出会えたことに嬉しく思います．
最後に私を支えてくださった研究室，家族，情報学群すべての皆様への心よりの感謝の意
をもって，謝辞とさせて頂きます．
– 41 –
参考文献
[1] NTT データ・ユビキタス研究会，荒川 弘煕，“IC タグってなんだ？”，株式会社カッ
トシステム，p14-17，2003 年 11 月 10 日初版第 1 刷発行．
[2] 水町守志，衛星測位システム協議会，“GPS 導入ガイド”，日刊工業新聞社，p10-11，
1993 年 10 月 30 日初版第 1 刷発行．
[3] 重松史哉，島村和典，“RFID と GPS を利用したロケーション情報統合方式に関する
研究”，平成 21 年度 高知工科大学学士学位論文，2010．
[4] 尾崎遼太，島村和典，“格子状に配置された RFID セルのハンドシェイク・トレース方
法の研究”，平成 24 年度 高知工科大学学士学位論文，2013．
[5] 竹本万里雄，島村和典，“Chipped City における屋内座標系変換に関する一検討”，平
成 25 年度電気関係学会四国支部連合大会 講演論文集，p184．
[6] 森木峻，島村和典，“オフライン ID ネットワーク・インフラストラクチャの構成法に
関する研究”，平成 21 年度 高知工科大学学士学位論文，2010．
[7] 田中姫香，島村和典，
“RFID タグ群の仮想ネットワーク構造化に関する研究”
，平成 24
年度高知工科大学学士学位論文，2013．
“クラウドアーキテクチャの設計と解析”
，株式会社秀和システム，p154-175，
[8] 清野克行，
2010 年 9 月 1 日初版第 1 刷発行．
[9] Fay Chang，Jeffrey Dean，Sanjay Ghemawat，Wilson C. Hsieh，Deborah A. Wallach，
Mike Burrows，Tushar Chandra，Andrew Fikes，Robert E. Gruber，“Bigtable”，
ACM transactions on computer systems，p4-17，2008
[10] 安井一彦，今中祐介，
“横断歩道における歩行者の歩行速度と挙動に関する研究”
，平成
15 年度日本大学理工学部交通土木工学科卒業論文， 2004．
– 43 –