Effect of Micrometeorology on Human Thermoreguatory Response and its Modeling
| Project Area | Micro-meteorology control: Integrated technology of harmonic prediction and active monitoring of micro-meteorology for future autonomous society |
|---|
| Project/Area Number |
20H05753
|
|---|
| Research Category |
Grant-in-Aid for Transformative Research Areas (B)
|
| Allocation Type | Single-year Grants |
|---|
| Review Section |
Transformative Research Areas, Section (II)
|
|---|
| Research Institution | Nagoya Institute of Technology |
|---|
Principal Investigator |
平田 晃正 名古屋工業大学, 工学(系)研究科(研究院), 教授 (00335374)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
小寺 紗千子 名古屋工業大学, 工学(系)研究科(研究院), 研究員 (40874219)
Essam Rashed 兵庫県立大学, 情報科学研究科, 教授 (60837590)
ゴメスタメス ホセデビツト 名古屋工業大学, 工学(系)研究科(研究院), 准教授 (60772902)
|
|---|
| Project Period (FY) |
2020-10-02 – 2023-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥14,170,000 (Direct Cost: ¥10,900,000、Indirect Cost: ¥3,270,000)
Fiscal Year 2022: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2021: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2020: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000)
|
|---|
| Keywords | 熱中症リスク / 温熱応答 / 大規模計算 / 深部温度 / 機械学習 / 生体温熱シミュレーション / 生理応答モデル |
|---|
| Outline of Research at the Start |
従来、熱中症リスクに関しては、どこで誰が倒れたかという時空間的に１点での評価が行われてきた。しかし、実際は、刻々と変化する熱環境の中で移動していく中で、熱中症で倒れ
る人がいる。そのような場合には、人が受けてきた熱によるストレスの履歴が重要な役割を果たす。本研究は、そもそも倫理的にも技術的にも定量化することが難しい熱ストレスを数
値シミュレーションにより評価しながら、刻々と変化する周囲の熱環境（微気象）を考慮した熱中症リスクを予測し、低減する未来社会サービスを実現するための基盤モデル技術を開
発する。
|
| Outline of Annual Research Achievements |
前年度から継続して、人体の組織構成を考慮した詳細な人体モデルを用い、暑熱環境に対する人の温熱応答に関する大規模から、予測データを取得する。具体的には、1mmの空間分解能を有する人体モデルに対して複合物理解析を実施、太陽光についてはマクスウェル方程式を、熱計算には熱拡散方程式を時間領域差分法により離散化し、スーパーコンピュータ上で分析した。ボランティア実験より得られたデータと、解析の対比より、深部温度の時間変化のばらつきについて検討を行った。
また、複数の機械学習モデルを活用して、大規模計算で得られた必要パラメータ群からなる縮約モデルの構築に向けた検討した。縮約モデルとしては、機械学習を活用した統計縮約モデルおよび伝熱蓄熱過程を考慮した物理縮約モデルの２種類を想定し、モデル化を行った。ここで、深部体温の一度の上昇が熱中症リスクの目安と考えられる。このことから、詳細な熱中症リスク評価のためには 深部体温を 0.1 度の精度で推定することを目指した。前年度では典型的な気象データに基づいた検討であったが、今年度では微気象の時空間データに拡張し、現実に即した人体温熱モデル計算を多数実行することにより、教師データを生成した。長・短期記憶、回帰型ニューラルネットワークを用いた低次元・人体温熱応答予測モデルを構築することにより、汎用 PC でミリ秒オーダーでの予測を行えることを確認、時間軸上ではやや時間遅れがみられるなどの課題が残るものの、有用性を確認した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
深部温度の時間変化の実験と解析の対比より有効性を確認できたため。また、機械学習（回帰型ニューラルネットワーク）を活用して、大規模計算で得られた必要パラメータ群からなる縮約モデルの構築に向けた検討、目安とした深部体温を 0.1 度の精度で推定できることが確認でき、当初の目的をおおむね達成できたため。
|
| Strategy for Future Research Activity |
詳細な熱中症リスク評価のためには深部体温を0.1度の精度で推定することを目指し、おおむねその結果を達成している。一方、複数の機械学習モデルが存在し、現実的な適用性については検討が十分ではない。微気象の時空間データを用いて、現実に即した人体温熱モデル計算を多数実行し、教師データを取得する予定である。また、微気象予測情報と連携したリアルタイム情報提供システムの概念設計を行う。調和的予測班と能動的予測班が開発する微気象予測システムとこれまで開発した縮約モデルを連携した、各歩行者と群衆の熱中症リスクを同時に最小化するリアルタイム情報提供システムの概念実証を行っていく予定である。
|
Report
(2 results)
Research Products
(6 results)
