アーバンセンシング
TOC
アーバンセンシンググループでは，部屋レベルから都市レベルまで，様々なエリアレベルでセンサデータを用いて社会課題の解決を行なっています．現在は３D通過センサ・Wi-Fiパケットセンサを用いた人流分析，焦電センサを用いた位置推定，環境センサやスマートメータを用いた家庭電力分析を行なっています．
Wi-Fiパケットセンサを用いたレジャー施設人流推定
本研究では，東山動植物園に設置したWi-Fiパケットセンサを用いて，入園者の人流推定を行っています．スマートフォンやタブレット等のWi-Fi機器から送信されるプローブリクエストに含まれるMACアドレスに匿名化処理を施したうえで，入園者ごとの移動系列データを作成します．作成した移動系列データを分析し，園内の混雑度合いや移動ルートなどを推定します．推定した人流データを用いて，効率的な施設運営や入園者に向けた様々なサービスの構築を目指します．
3D通過センサを用いたプライバシーアウェア人流推定
本研究では，対象とするエリアの出入り口に設置した3D通過センサを用いて，プライバシーに配慮した人流推定を実現します．センサから得られるデータは，通過した人の身長・歩行速度・通過時刻・通過方向のみであるため，GPSやWi-Fiセンシングなどプライバシーに関わる情報を取得しません．全センサでの入退場間の身長や歩行速度の類似度を用いて，時間的に一人の動きと考えられるものを抽出して推定します．
深層学習を用いた人流予測
本研究では，「3D通過センサを用いたプライバシーアウェア人流推定」と同様のセンサデータから，深層学習を用いて将来の人流を予測します．人は1日単位で行動すること，電車の乗降者数に人流は左右されること，複雑なセンサネットワークが形成されていることなどの特徴を深層学習アーキテクチャに組み込むことで，人流に特化した深層学習モデルを構築し，精度の良い予測を実現します．
赤外線センサを用いた深層学習での人の位置推定手法の検討
本研究では赤外線センサから得られた2次元温度情報を基に人の位置推定を行っています． 推定には深層学習を用いることで使用環境による差異やノイズに対するロバスト性の向上を図っています． 他の位置推定手法と比べ推定対象がスマートフォン等の端末を持っている必要がない，プライバシー上の問題が発生しづらいといった特徴があります．