| 研究課題/領域番号 |
20K19780
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分60060:情報ネットワーク関連
|
|---|
| 研究機関 | 公益財団法人放射線影響研究所 |
|---|
研究代表者 |
小野 悟 公益財団法人放射線影響研究所, 情報技術部, 部長 (50818309)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2023年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2022年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | RSSI / CNN / 畳み込みニューラルネットワーク / 無線センサ / 電波 / 空中線電力 / ワイヤレスセンシングネットワーク / 野生動物 / ワイヤレスセンシング / LPWA / LoRa / Wi-SUN / ZETA / 狩猟 / 機会学習 / ハンター |
|---|
| 研究開始時の研究の概要 |
本研究では，近年深刻な社会問題となっている大型有害鳥獣個体数調整の効率化を促進するためにハンター支援システムの開発を行う．これに向けて本研究では，ワイヤレスセンシングと機械学習を用いた獣流推定システムを提案する．獣流とは，問題を引き起こしている大型鳥獣の生息する領域とその領域に網羅する鳥獣の通行経路を総称するものと定義する．獣流を推定し，同時にハンターの支援を行うために提案システムは，
・機械学習を用いた猟犬の行動パターン認識
・ワイヤレスセンシングによる大型有害鳥獣の検出
の2つの観測手法を活用する．2つの観測手法が相互に連携し，ハンターを直接支援することによって大型有害鳥獣の駆除効率化を目指す．
|
| 研究実績の概要 |
前年度の実験結果を元にして，さらに電波強度の変遷を用いたモノの移動等の挙動を確認するための基礎実験を行った．今回の実験は動物を想定したヒトの移動によって行った．具体的には，2つのセンサ間において，ヒトが通過，停止，または何もない状態の3つの基礎パターンを検出可能とするセンサの最適な設置位置（高さ，距離）を求めた．その結果，高さ1.6m，距離4mでセンサを設置した際にヒトの挙動を最も優位に検出できることがわかった．
この結果を元にして，3つの行動基礎パターンにおける電波の変遷状況を示すデータを繰り返し取得した．さらにこれらの電波変遷の情報を画像化することによって，CNN（Convolutional Neural Network：畳み込みニューラルネットワーク）による画像分類を試みた．その結果，今回の3パターン分類においては，概ね9割以上の正解率が得られた．よって，2つのセンサ間における人の通過・停止・何もない状態という最も基礎的な状況確認が可能であることが明らかとなった．
なお，今回構築したCNNの学習モデルは今後開発する応用アプリケーションの心臓部となることが想定されるため，今後に向けた実績として大きな成果が得られたと考えている．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
無線センサ間のRSSI（Received Signal Strength Information）の変遷によって，センサ間を通過する人の動きを検出するための基礎的な実験結果が得られた．2つのセンサと通過，停止，何もない状態の最も基礎的なパターンを把握するための実験であるが，仮説通りの有意な結果が得られたことは大きな成果であると考えている．
また，今回構築したCNNの学習モデルは今後開発を行うための応用アプリケーションのエンジン部分になることが想定され，最も重要な心臓部を開発できたことも合わせて大きな成果であると考えている．
|
| 今後の研究の推進方策 |
今後は，アプリケーション領域に適用するための応用実験を行うことを予定している．具体的には，複数のセンサを設置し，それらのセンサ間を人が通過・停止した場合，それらのRSSIの変化において，各観測値間の相関関係の導出等，単純なパターン検出に留まらないインテリジェントな観測方法を用いて，より詳細な空間状況の把握を可能とする観測手段の開発を検討する．
そのうえで，得られた検出メソッドが実際の狩猟フィールドにおいて実践的に機能することを確認するためのフィールド実験を計画する．その結果得られたフィードバックを元にして，検出メソッドの改良および応用アプリケーションの開発に着手する．
|
