| 研究課題/領域番号 |
16K12553
|
|---|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
菱山 玲子 早稲田大学, 理工学術院, 教授 (70411030)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2019-03-31
|
| キーワード | IoT / スマート環境 / スマートセンシング / サービスコンピューティング / スマートセンサ情報システム / 知能情報学 / メンタルヘルス |
|---|
| 研究実績の概要 |
大学等ではメンタル面の不調やうつ病が原因で「修学上の困難を抱える学生」を把握し，面談を通じて問題内容を把握し必要な指導やアドバイスを行うが，問題が把握された時点では既に，修学上の困難を取り除くことが容易ではないケースも散見される．この問題に対し，本研究はIoT/M2Mサービスとサービスコンピューティング技術を組合せ，学生の日常的な活動空間をモニタリングすることにより問題発生の手がかり情報を獲得し，修学上の困難に陥ることが予測される学生を早期にスクリーニングし，適切な指導，医療的な介入に結びつけることを目的としている．本研究により，学生が修学上の困難に陥る前にその兆候を検知し必要な対応を行うための知見を得る新たな方法と，その検出効果を明らかにする．
本年度は，昨年度試作したIoT/M2Mデバイスの試作品の基盤化に加え，試験的利用と評価を行った．並行して試験評価にもとづき収集できたFACTを成果としてまとめたが，これらのFACTを得た結果，特定のタイミングのみならず日常的な活動空間（たとえば大学の研究室でのデスクワーク）についてもモニタリングすることの必要性を把握した．そこで，FACT増強を目的としたIoT/M2Mデバイスの試作と利用・評価を行った．具体的には，学生の日常活動で利用する研究室の事務用チェアの背もたれに取り付ける3軸加速度センサの追加である．このセンサ開発によって，特定のタイミングのみならず日常的な活動空間についてもモニタリングを実現し，その効果を明らかにした．3軸加速度センサ・デバイスの試作版ではデスクワークの状態を把握するだけではなく，相互の活動状態の可視化により学生同士で相互の状態をモニタリングすることの効果も評価した．また，これらのセンサの汎用的かつ安価な利用をめざしLPWAを利用したため，広域的にセンサ（屋外）を設置しデータ収集する実験を派生的に実施した．
|
| 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
IoTデバイスに関し，本年度更に昨年と異なるメーカによる，より小型で省電力なシングルボート，センサデバイスを試した．これらは安価かつ手軽に選択でき，パーツ汎用品として流通が始まっており量産化が可能である．試作デバイスからの取得データは，室内用LPWA(Low Power Wide Area Network) を介しプライベートクラウド上のサーバへ蓄積し，支障なくプロトタイプシステムを構築できた．
IoT/M2Mデバイスによるデータ通信速度は，低速かつ通信量が少なくて済む一方，多くのセッションを維持する可能性がある．昨年まで，この点を考慮しIoT向けに最適化されたMVNOサービスのSIM（IoT用に設計開発されたもの）を用いて通信を行っていた．本年度はLoRaWAN（LoRa）を設置し，室内外に一定数のセンサデバイスが設置された状況で，セキュアな通信環境を保証しつつ，インターネットを介さずプライベートクラウドへ蓄積するデータストリームを評価した．これによりLoRa経由でのデータ収集の実現可能性を評価し，個々に多様な制約を抱える通信環境を考慮しつつ概ね期待される精度・コストでデータ取得できることを示した．
なお，この手続きにより取得されたデータから一定のFACTを整理収集することができた．この成果を学会発表すると共に，日常的な活動空間（たとえば大学の研究室でのデスクワーク）についてもモニタリングすることの意義を見出した．このことについて，新たなセンサ情報を追加的に取得しFACTを洗練する方法を提案した．「修学上の困難を抱える学生」といった大雑把な把握レベルではなく，機微な日常の状態をモニタリングすることは問題発見の予兆をかなり精細なレベルで得ることができることを示す結果となった．またその具体的な状況の自律的な問題解決を促すための方法も検討できた．
|
| 今後の研究の推進方策 |
本年度は本研究の最終年度となるため，複数センサ統合に配慮し基盤化を継続し，実用に耐えうるデバイスとして実装する．これらを試験的に配置し，データの取得・蓄積を継続する．これにより，更に精度良くデータを取得するためのノウハウ，問題点を蓄積し改良を行う．
一方，クラウド環境上の蓄積データに対する分析機能（ルール/解析エンジン）を設計する．収集されたFACTに基づく仮説モデルに基づいて，今後の研究で得られた蓄積データからこれを予測することが可能かどうかを評価する．基本的な分析手法としては機械学習を想定し，学習ターゲッドは修学上の困難が懸念される学生か否かの二項分類ないし多項分類とし，データ分布計算とモデルトレーニング処理の後，予測パタンを検出し保存する手順とする．加えて，モデルの正確性も評価する．機械学習モデルもプライベートクラウド上にデプロイし，修学上の困難を抱える学生予備軍を的確に予測・抽出するためのパフォーマンス調整を継続する．
前年も行ったことであるが，センサ類や通信モジュールは，引き続き急速に技術革新が進展している．そこで，これまでの試作物を改良できる可能性が高い．特に小型化・小電力化に関し課題があるため，新たなセンサや通信モジュールの採用も視野に進める．また，要件定義（デザイン）レベルで，既存のモノに組み込む形式による提供も検討する．
なお，蓄積されるデータは基本的に，利用者自身によるライフスタイルの自己管理に役立てることができる可能性が高い．そのため，前年の研究で明らかになったユーザ間の相互可視化の効果を発展的に利用したい．この点で，蓄積データを加工した上で，各利用者への公開・フィードバックを検討し実現する．特に，IoTとスマート端末の連動は相性がよいことから，自律エージェントによるライフスタイルの改善にまつわる指導を，端末へのプッシュ型の通知により実施することも実現する．
|
| 次年度使用額が生じた理由 |
現在使用しているノート型コンピュータの活用により，購入予定ノート型コンピュータを翌年度購入へ繰り延べたため．
|
