2014 Fiscal Year Annual Research Report
都市交通におけるユーザ参加型コンテキストセンシング
| Project/Area Number |
26700006
|
|---|
| Research Institution | Osaka University |
|---|
Principal Investigator |
内山 彰 大阪大学, 情報科学研究科, 助教 (70555234)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | モバイルセンシング / 参加型センシング / 都市交通 |
|---|
| Outline of Annual Research Achievements |
我々の都市生活において快適な移動を実現するためには、電車や地下鉄のような公共交通機関での移動をよりスムーズで快適にすることが重要である。本研究ではユーザ参加型のコンテキストセンシングを適用することで、より快適な都市交通の実現を目指している。
初年度は電車車両内を対象に、スマートフォンを用いてユーザの乗車車両推定ならびに車両内の混雑状況推定を行う方式の設計を行った。提案手法は、乗客の持つ携帯端末が受信した近隣端末のBluetoothシグナルのRSSIをサーバに集約し推定を行う。この際、端末間で観測されるRSSIから、それらが同一車両に存在する確率（同一車両確率）および端末間が混雑している確率（混雑確率）を算出する。次に、得られた同一車両確率および一部の端末の（信頼度の高い）乗車車両情報を用いて全端末の乗車車両を推定し、その推定結果と端末間の混雑確率を用いて車両毎の混雑を推定する。同一車両確率および混雑確率の算出には、事前の学習データから構築した尤度関数を利用する。
このとき、電車内の乗客移動は一般にあまり見られないことを利用し、同一車両確率を継続的に更新することで、乗降車が発生しても高精度かつ迅速な乗車車両推定および混雑推定を実現する。提案手法で得られたユーザの乗車車両情報および各車両の混雑状況を用いることで、乗車ユーザに対して降車後のホームにおける最適出口案内や乗車する旅客に対して車両レベルの混雑情報提示が可能になるなど、鉄道移動における高度なナビゲーションへの応用が期待できる。
大阪都市部の4つの路線で259分間収集したデータを用いて提案手法を評価した結果、16名のそれぞれの車両位置を83%の精度で推定し、車両毎の混雑の有無をF値0.75で推定できることが分かった。
|
| Current Status of Research Progress |
Current Status of Research Progress
1: Research has progressed more than it was originally planned.
Reason
計画では、他と比べて特徴的な電車車両環境を対象に、人の行動モデルや電波伝搬モデルを構築し、時空間上での相対的な位置分布の推定を行うこととなっていた。本年度はこの当初計画に従って、電車車両環境における人の行動モデル、電波伝搬モデルを構築し、人の位置分布（乗車車両）を推定する方式を考案した。さらに、電車車両内の混雑状況を同時推定する方式を考案し、ユビキタスコンピューティングの分野では国際的にトップレベルの学会UbiCompでの発表を行った。以上より、当初の計画以上に進展していると判断する。
|
| Strategy for Future Research Activity |
初年度に考案した電車車両におけるユーザの位置分布および混雑状況の同時推定方式に対して様々な環境を考慮した評価実験や改良を重ね、さらなる精度向上を図るとともに提案手法の特性を明らかにする。さらに、初年度に電車車両を対象として設計した人の位置分布や混雑状況の推定方式で得た知見を生かし、駅プラットフォームや駅構内を対象とした人の流れや混雑状況を推定する方式を設計する。また、参加型センシングとWiFi基地局などのインフラ設備との連携による精度向上の工夫について検討を進める。具体的には、近年注目を集めているIEEE802.11nにおけるCSI (Channel State Information)を活用して、人の行動や混雑状況を推定するための方式を検討する。これまでに発表されている研究では、室内を歩行している人の数に応じてCSIが変化することが報告されているが、障害物が無いノイズの少ない空間で適用可能な方式にとどまっており、駅構内やプラットフォーム、地下街などの実際の都市環境で利用するには環境ノイズが大きな問題になると考えられる。このため、ユーザが保持するスマートフォンから得られる情報とのインフラ設備(CSI)との組合せや、統計データの蓄積・併用などを検討し、実環境に適用可能な方式の設計を目指す。
|
| Causes of Carryover |
多数の実験データ取得・整理のため、謝金の支出を予定していたが、初年度は小規模な実験で基礎データとしては十分であったため。
|
| Expenditure Plan for Carryover Budget |
都市部での屋内・屋外など様々な環境での実験データ取得・整理のための使用を計画している。
|
