• スマート・ホーム

  • 人々の行動を把握する各種センサーを家庭内に導入し、より豊かで快適な暮らしを可能にするスマートホームが注目されている。家庭内の家電の制御・管理を行うHEMS(Home Energy Management System)をベースに、家族の健康やコミュニケーション促進、生活改善などに資するデータ収集とそのフィードバック技術に関する研究を進めている。

家庭や施設のスマート化

人の行動とモノの位置を利用したモノの属性推定

近年RFIDシステムの発展により、大量のRFIDタグを活用することで、モノの位置や移動を管理するサービスの実現がされつつあります。しかし、このようなシステムを利用するためには、RFIDタグのタグIDとそれが貼付されたモノの対応を人がシステム側に入力する必要がありますが、大量のモノを対象としたシステムにおいてそれらを逐一登録することはヒューマンエラーやコストの観点から望ましくありません。本研究では、人の行動によって引き起こされるRFIDシステムの電波変動を利用し、モノの位置や移動パターン、モノの使用情報などを取得することで、空間内においてRFIDタグが貼付されたモノが何であるかを自動で推定する技術を開発しています。

家庭内の総消費電力時系列データからの家電利用推定

本研究では、スマートメータなどから定期的に取得可能な総消費電力である''主幹電力''の時系列データのみを用いて家電利用の推定を行います。家庭内行動の多くが家電の利用を伴うことから、家電利用状況が推定できれば、低コストかつ非侵襲な家庭内行動推定が実現できます。提案手法では、主幹電力を事前に準備した家電の電力使用パターンに基づいて分析することにより、低粒度の主幹電力を用いた使用家電の種別推定を行います。その後、家電の動作状況と行動内容を表した論理式を用いたマルコフロジックネットワークによって行動内容の推定を行います。
また、研究グループでは居住者の家庭における生活改善アドバイス生成システムの設計開発も行っている。このシステムでは、食事や睡眠といった日常的な行動を様々なセンサーによって検出し、電気料金や健康指標などを改善可能なアドバイスを自動で生成・提示可能である。

無線センサーネットワークにおける深層学習の分散実行

近年、機械学習をクラウドで集約して行うのみならず、Google TensorFlow などでは、機械学習により訓練された判定関数等をIoT デバイスに導入できるようになりつつあります。しかし、既存の手法の多くは学習済みの判定機能の一部をクラウドからエッジデバイスに移行することが主な目的であり、学習機能はクラウドで実施するものがほとんどである。本研究ではWireless Sensor Network (WSN) 内で深層学習やデータ処理を行うための新しい手法を提案している。提案手法では、WSN の各ノードから連続的に生成されるデータを2/3 次元の地理的データとして扱い、画像認識などの分野で利用されている畳み込みニューラルネットワーク(CNN) を用いて、CNN の各ユニットをWSN 内のセンサノードのいずれかに割り当てることで、機械学習の分散化を実現しています。

【関連発表論文】
Khaled El-Fakih, Teruhiro Mizumoto, Keiichi Yasumoto, Teruo Higashino: "Energy aware simulation and testing of smart-spaces", Information & Software Technology, Vol.118, Article No.106201, 2020.

Nathavuth Kitbutrawat, Hirozumi Yamaguchi, Teruo Higashino: "EasyTrack: Zero-Calibration Smart-Home Tracking System", Journal of Information Processing, Vol.27, pp.445-455, 2019.

T. Mizumoto, K. El-Fakih, K.Yasumoto, T. Higashino: "An Energy Aware Testing Framework for Smart-Spaces", Proceedings of the 30th IFIP WG 6.1 International Conference on Testing Software and Systems (ICTSS 2018), pp.85-101, 2018.

Y. Fukushima, D. Miura, T. Hamatani, H. Yamaguchi, T. Higashino: "MicroDeep: In-network Deep Learning by Micro-Sensor Coordination for Pervasive Computing", Proceedings of the 2018 IEEE International Conference on Smart Computing (SMARTCOMP 2018), pp.163-170, 2018.

Takashi Hamatani, Moustafa Elhamshary, Akira Uchiyama, and Teruo Higashino: "FluidMeter: Gauging the Human Daily Fluid Intake Using Smartwatches", PACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT), Vol. 2, No.3, Article No.113, 2018.

N. Kitbutrawat, S. Kajita, H. Yamaguchi, T. Higashino: Location Identification of BLE-Embedded HVACs for Smart Building Management. Intelligent Environments 2018: 79-82 Proceedings of the 4th International Conference on Intelligent Environments (IE 2018), pp.79-82, 2018.

樋口 雄大,山口 弘純,東野 輝夫: "測域センサと近距離無線通信を併用した高精度屋内測位",情報処理学会論文誌, Vol.57, No.5, pp.1489-1498, 2016.

高藤 巧,藤田 和久,樋口 雄大,廣森 聡仁,山口 弘純,東野 輝夫,下條 真司: "トラッキングスキャナとモーションセンサを用いた高精度屋内位置推定手法の提案", 情報処理学会論文誌, Vol.57, No.1, pp.353-365, 2016.

P. G. Lopez, A. Montresor, D. Epema, A. Datta, T. Higashino, A. Iamnitchi, M. Barcellos, P. Felber, E. Riviere: "Edge-centric Computing: Vision and Challenges", ACM SIGCOMM Computer Communication Review, Volume 45, Issue 5, pp.37-42, 2015.

T. Higuchi, H. Iwahashi, H. Yamaguchi and T. Higashino: "TweetGlue: Leveraging a Crowd Tracking Infrastructure for Mobile Social Augmented Reality", Proc. of Int. Wireless Communications and Mobile Computing Conf. (IWCMC 2015), pp.1030-1035, 2015.

K. Fujita, T. Higuchi, A. Hiromori, H. Yamaguchi, T. Higashino and S. Shimojo: "Human Crowd Detection for Physical Sensing Assisted Geo-Social Multimedia Mining", Proc. of SmartCity2015, pp. 642-647, 2015.

Shoko Nakamura, Saeko Shigaki, Akihito Hiromori, Hirozumi Yamaguchi, Teruo Higashino: "A model-based approach to support smart and social home living", Proceedings of the 2015 ACM International Joint Conference on Pervasive and Ubiquitous Computing (UbiComp 2015), pp.1101-1105, 2015.


T. Takafuji, K. Fujita, T. Higuchi, A. Hiromori, H. Yamaguchi and T. Higashino: "Indoor Localization utilizing Tracking Scanners and Motion Sensors", Proc. of IEEE UIC2014, pp.1-8, 2014.

T. Higuchi, S. Fujii, H. Yamaguchi and T. Higashino : "Context-Supported Local Crowd Mapping via Collaborative Sensing with Mobile Phones", Pervasive and Mobile Computing (Elsevier), Vol.13, pp.26-51, 2014.

A. Murai, Y. Yamaguchi, Y. Shimoda, T. Kanaya, A. Hiromori, H. Yamaguchi and T. Higashino : "Evaluation of Energy-saving Performance of Office Building Task/Ambient Systems Considering dynamic Worker's Behavior", Proc. of 1st Asia Conf. of Int. Building Performance Simulation Association (ASim), 2012.

A. Hiromori, T. Kanaya, H. Yamaguchi and T. Higashino : "Performance Evaluation of Mobility-Based Energy-Saving", Proc. of 2nd IFIP Conf. on Sustainable Internet and ICT for Sustainability (SustainIT), 2012.

スマートホームにおける行動理解と推薦

本研究グループでは、居住者の生活全体の“質” を向上させるための行動改善をアドバイスするシステムSLSA(Smart Life Support Adviser)を提案し、スマートホームにおける居住者とその行動、ならびに、家電や家庭用バッテリーなどの稼働状況を表すモデルを定義するとともに、これらのモデルに基づき、「エネルギーコスト」や快適度、健康度や時間の質といった生活改善指標を定量化している。クラウドソーシングによる大規模なアンケート調査から、“生活を充実させるための知恵やノウハウ” を抽出し、それらに基づき、生活改善の指標と改善ルールを設計することで、現実的かつ居住者の負担にならない生活改善アドバイスを提供するシステムを開発している。
S. Nakamura, S. Shigaki, A. Hiromori, H. Yamaguchi and T. Higashino: "A Model-based Approach to Support Smart and Social Home Living", Proc. of 2015 ACM Int. Joint Conf. on Pervasive and Ubiquitous Computing (UbiComp 2015), pp.1101-1105, 2015.