2022 Fiscal Year Research-status Report
機械学習を用いた建設現場の労働環境・生産性データ収集分析システム構築
| Project/Area Number |
21K04218
|
|---|
| Research Institution | Tokyo City University |
|---|
Principal Investigator |
五艘 隆志 東京都市大学, 建築都市デザイン学部, 准教授 (60412441)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Keywords | ワークサンプリング / 機械学習 |
|---|
| Outline of Annual Research Achievements |
本研究における2つの開発項目，①センサーを付加した端末のハードウェアおよび入出力ソフトウェア開発と，②センサーから得られたデータを自動的に統合・分析するソフトウェア開発について2022年度の実施概要を述べる。開発①の将来的な実用化を想定した最終形態は，各センサーを一体化した端末をヘルメットに装着するか埋め込む形をイメージしているが，本研究での開発段階ではセンサーとデータロガーがハード的あるいはソフト的に一体となったものを開発することを目指している。現段階では開発②と同時並行的な開発プロセスにあり，スマートフォンをデータロガーとし，市販センサーをBluetoothで接続した簡易型の端末を準備して位置，加速度，温湿度等のデータを取得している。2022年度は各センサーから取得・保存したデータを開発②にて使用するためのデータ変換と統合アプリの開発・運用を行い，分析作業の効率化が図られた。
開発②として，2021年度末に新たに構築したシステム（機械学習を活用した事前判別フェーズとルールベースの生産性区分判別フェーズに分けたシステム）を用いて，大学構内における試験的データ取得と舗装工事現場におけるデータ取得を行った。分析における時間間隔の設定や，動作区分の設定を種々変更しながら精度向上を図っているところである。現状では，「歩行」や「姿勢」などの細分化された区分の分析精度は7割～8割程度の精度を有するが，本研究で目的とする「直接生産動作」「補助支援動作」「作業支援動作」の3区分や，さらに詳細化した9区分での精度は3割～4割にとどまる状況にある。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2022年度はコロナの影響もなく，東京都内の同一の舗装工事現場にてデータ取得の機会を確保できた。データ取得の際は，アプリケーションの動作停止やBluetooth接続の切断等のトラブルもあり，確保できたデータ総量は当初想定の半分程度となっているが，取得した範囲での分析やアルゴリズム改定はできている状況にある。
|
| Strategy for Future Research Activity |
先述のデータ取得の不具合要因については概ね考えうるケースが出尽くした感があり，2023年度では端末自体や運用方法の変更で対処できる見込みである。
研究計画そのものの変更は想定していない。データ取得と分析の枠組みそのものは概ね固まり，教師データとしての現場データの蓄積とシステム改良（分析精度向上）に取り組んでゆく。
|
| Causes of Carryover |
2022年度に開発したデータ変換・統合アプリはもう少し高額になると想定していたため差額が生じた。また，データ取得の不具合原因が概ね出揃ったのは2023年3月29日の現場でのデータ取得であり，この時点で別途端末を購入確保して対応することは事実上困難であった。2023年度の早い時期に対応用端末やセンサーの購入をしたいと考えている。
|
Research Products
(2 results)
