| Project/Area Number |
22K12016
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 60060:Information network-related
|
|---|
| Research Institution | Sophia University |
|---|
Principal Investigator |
小川 将克 上智大学, 理工学部, 教授 (90624411)
|
|---|
| Project Period (FY) |
2022-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2025: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥1,690,000 (Direct Cost: ¥1,300,000、Indirect Cost: ¥390,000)
Fiscal Year 2022: ¥910,000 (Direct Cost: ¥700,000、Indirect Cost: ¥210,000)
|
|---|
| Keywords | Wi-Fi / CSI / 位置推定 / RSSI / 歩行者数推定 / 無線LAN / チャネル状態情報 / 移動物体 / 無線センシング / コンピュータビジョン / 機械学習 |
|---|
| Outline of Research at the Start |
無線通信を活用した新たな用途として，人や物がセンサーの装着を不要とするデバイスレスの無線センシングへの注目が高まっている．本研究で取り扱う無線センシングでは，家庭やオフィスなどに導入された無線LANの活用を想定しており，送受信アンテナ間のマルチパス伝搬状態を表すチャネル状態情報により人の行動分析などを行える．チャネル状態情報は，部屋のサイズなどの環境に依存するため，環境ごとにチャネル状態情報を事前に測定して，学習する必要がある．チャネル状態情報の測定データとコンピュータビジョンによる画像認識結果を融合させ，人の行動分類を自動認識して，チャネル状態情報を自動的に事前学習することが目的である．
|
| Outline of Annual Research Achievements |
2023年度は，主にLiDARとチャネル状態情報（CSI: Channel State Information）の連携について検討した．
2022年度は，データセットを作成するときに，既存の人検出アルゴリズムを用いて，RGB-Dカメラ画像から検出された人の位置を用いたために，人検出アルゴリズム自体の推定精度に依存した．2023年度では，LiDARを用いることで，データセットの位置精度を高めた．Wi-Fi CSIとLiDARによる位置を利用して，3つの検討を実施した．(a) CSI受信機数と通行間隔の推定精度に関する検討では，CSI受信機が多いほど人の場所を示すデータ量が多く，また通行間隔が狭いほど通行路に関するデータ量が多くなるために，CSI受信機数が多く通行間隔が狭いほど高精度に位置を推定できることを明らかにした．(b) LiDARの出力は極座標系であり，極座標系から直交座標系が得られるため，極座標系と直交座標系を利用できる．極座標系では角度誤差が位置に与える影響が大きいため，直交座標系を用いた方が位置の誤差が小さいことを明らかにした．(c) 通行者の位置の変化は歩行者速度に依存するため，歩行速度が正規分布に従うと仮定することができる．正規分布からの外れ値となるCSIによる推定座標の異常値を除去し，カルマンフィルタを適用させることで，位置の精度を向上できることを明らかにした．
さらに，Wi-Fi HaLowのRSSI特性と通行者数の関係についての研究を実施した．大学キャンパスは，授業時間と休憩時間で通行者数が大きく異なるため，RSSI特性が大きく変化する．通行者数とRSSIによるデータセットを用いて回帰分析モデルにより評価を行った結果，通行者数が少ないときのみ推定誤差が小さかったが，授業時間と休憩時間における推定通行者数の差は明確に表れることを確認した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
LiDARによる位置を用いることで，カメラによる人検知アルゴリズムの位置を用いるよりも，正解データとなる位置の精度が向上したため，CSIを用いた位置の推定精度が向上した．さらに，位置座標として，極座標系は角度誤差が推定精度に及ぼす影響が大きく，直交座標系の推定精度が高いことが明らかになった．これにより，LiDARの出力である極座標系から直交座標系に変換した位置をデータセットとして採用すべきことが明確になった．さらに，外れ値除去やカルマンフィルタを適用させることで位置推定精度が向上することを確認できたためである．
また，大学キャンパスにおける授業時間と休憩時間における通行者数推定に関する基礎検討を実施できたためである．
|
| Strategy for Future Research Activity |
歩行者の位置推定については，外れ値を補正する方法を検討し精度の向上を試みる．
アンテナの常時設置など，測定に関する不安定な要素を除外する．
|
