Realization of self-stress care by energy-harvest activity recognition system
Project/Area Number |
18H03233
|
Research Category |
Grant-in-Aid for Scientific Research (B)
|
Allocation Type | Single-year Grants |
Section | 一般 |
Review Section |
Basic Section 60060:Information network-related
|
Research Institution | Kyushu University |
Principal Investigator |
荒川 豊 九州大学, システム情報科学研究院, 教授 (30424203)
|
Co-Investigator(Kenkyū-buntansha) |
諏訪 博彦 奈良先端科学技術大学院大学, 先端科学技術研究科, 特任准教授 (70447580)
|
Project Period (FY) |
2018-04-01 – 2022-03-31
|
Project Status |
Granted (Fiscal Year 2021)
|
Budget Amount *help |
¥17,290,000 (Direct Cost: ¥13,300,000、Indirect Cost: ¥3,990,000)
Fiscal Year 2021: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Fiscal Year 2020: ¥5,590,000 (Direct Cost: ¥4,300,000、Indirect Cost: ¥1,290,000)
Fiscal Year 2019: ¥4,290,000 (Direct Cost: ¥3,300,000、Indirect Cost: ¥990,000)
Fiscal Year 2018: ¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
|
Keywords | エナジーハーベスト / セルフストレスケア / 行動認識 / 環境発電 / エナジーハーベスティング / 場所認識 / ライフログ |
Outline of Annual Research Achievements |
本研究の目的は、長期的な行動計測によって、生活習慣の中から、メンタルヘルスと行動の関係性を導き出し、ユーザにフィードバックすることで、セルフストレスケアを支援するシステムを実現することである。現在は、GPSを搭載したスマートフォンの普及により、アプリを入れることで大まかな位置情報を記録することができるようになっている。また、小型活動量計の広がりにより、歩数や心拍、睡眠に関する記録は取れるようになっている。しかしながら、こうしたデバイスは日々の充電が必要であること、同じ建物内での行動(会議、トイレ、休憩など)は判別できないといった課題が有る。本研究では、この2つの問題を解決するために、まずバッテリーレスで建物内行動を記録するシステムの開発に取り組み、その後、セルフストレスケアへと発展させていく。 2年目は、初年度に設計したバッテリーレス行動認識システムの試作と、試作デバイスを用いて長期的な行動計測を可能にする動作アルゴリズムの提案と評価を行った。初年度は、太陽電池5種類、ピエゾ、ペルチェなどさまざまな環境素子を用いていたが、性能評価の結果に基づき、シリコン系の太陽電池と色素増感系の太陽電池をそれぞれ1つずつとピエゾ素子、の計3種類に絞った。これにより、装置の大幅な小型化を実現した。また、マイコンとしてAVRを用いていたが、更に消費電力の低いルネサスの超低消費マイコンに切り替え、暗所での動作および長時間の駆動を実現した。 提案方式に関しては、2件の特許を出願するとともに、国内外の会議で発表を行った。
|
Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
予定通り、バッテリレスで長時間動作する場所認識システムを開発することができた。また、提案システムに対する優位性が認められ、2件の特許出願に至った。
|
Strategy for Future Research Activity |
提案システムを実際の環境で装着して、データを計測し、行動や場所と発電量の関係を表すデータを蓄積していく。その上で機械学習を適用し、屋内ライフログシステムとしての実用性を高めていく。同時にストレスに関する調査を行い、行動とストレスの関係を紐解くためのデータ収集を開始する。
|
Report
(2 results)
Research Products
(9 results)