| 研究課題/領域番号 |
17K01339
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
松本 佳宣 慶應義塾大学, 理工学部(矢上), 教授 (60252318)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | センサ / IoT / 環境計測 / クラウド / 機械学習 / 時系列 / 予測 |
|---|
| 研究実績の概要 |
環境情報をセンサ・IoT技術により測定・収集して、クラウドサーバー上で時系列データ予測と警告を行うシステムをハードウェアおよびソフトウェア両面から研究・開発を行うのが本研究の目的である。初年度は、主にハードウェアの開発と実証実験を行い国内外に設置した装置から日本国内のクラウドサーバーにデータアップロードして可視化を行った。2年目はそれらのデータをPython言語によるデータ解析や、機械学習アルゴリズムにより予測・警告するシステムの構築と精度検証を行った。3年目は、時系列データである環境計測データの中で、１週１日などを周期とした季節変動を考慮して過去の時系列データから将来を予測する事を目的としてリカレントニューラルネットワークの一つであるLongShort Term Memory(LSTM)を用いて時系列データに対して予測を行った。太陽電池駆動のIoT式PM2.5・NO2・温湿度測定器を開発して、東アフリカ・ウガンダにウガンダ環境省の協力の元に設置を行い、得られた半年分のデータから適切なデータを特徴パラメータとして加えた多変数回帰予測に取り組み予測精度の向上を行った。
一方、平塚市役所の協力を得て、イノシシ捕獲罠に振動センサを取り付け、時系列データをクラウドで監視して数値が大きく変動する異常値を判定してイノシシの捕獲状態を判定してメールで警告するシステムを開発した。この異常値検知システムは他に農業、防災などにおける警告システムとしてIoT技術の新展開として有用である。この2つの社会実装により低価格で運用可能な第一次産業や途上国向けのクラウドシステム構築に目処を付ける事ができた。今年度は、これまでのハードウェア開発とソフトウェア・検知判定アルゴリズムの成果を生かしてその評価と学会発表などに取り組む予定である。
|
| 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
初年度と2年目はIoTセンサの対候性・長期安定性の改善を行い太陽電池で自立した計測プラットフォームとその筐体の設計・試作・評価を行った。また、PM2.5や風力データに関して機械学習による時系列予測をPython言語を利用して、Google TensorflowやKerasライブラリを用いて行った。データの前処理と特徴抽出を行う特徴ベクトルの選定を行い、線形回帰、異常検知、クラスタリングなどの機械学習のアルゴリズムを実測・評価してノウハウを蓄積する事ができた。一方で、気概学習はアルゴリズムとデータによる依存度が高く予測原理がブラックボックスとなってしまう問題もある。特に予測精度が80％程度で飽和してしまう場合に改善手法がなく予測原理の説明も不明瞭となる。このため、機械学習に加えて気象予測データをWebデータから取得する事で、予測精度の向上を行った。
IoTセンサとクラウドシステムの有用な用途として異常値検知がある。特に第一次産業や地方自治体・途上国など予算規模が少ない分野において新しいコンセプトの装置を社会実装をする事が望まれている。今年度は鳥獣被害の防止を効率化する罠検知をIoTにより実現する事に着目をした。すでに、他の企業で使われているマグネットセンサではなく、振動センサを採用してイノシシの捕獲の有無を異常値検知と警告メールの通信という形で実現をした。また、国際化やSDGSを意識して今後経済発展が見込まれるアジア・アフリカ諸国の中でルワンダおよびウガンダにIoT技術、半導体センサ技術を用いた高耐久なソーラー駆動電源のWiFi/３G回線式IoT環境ステーション（モニタリングポスト）を設置して、実フィールドでの動作実証を行っている。得られたデータから、機械学習によって予測を行う事にも取り組んでおり、今後環境アセスメント、健康影響評価に寄与する事が期待される。
|
| 今後の研究の推進方策 |
令和3年度は途上国向けのIoT環境計測モニタリングポストや自治体向けの鳥獣捕獲検知システムから得られた時系列データを用いて予測と警告発生アルゴリズムの確立を行う。途上国の大気化学測定においては現地の要望に応じて温湿度、気圧、日射量、PM2.5/10、SO2、NO2、O3などのデータを同時測定する必要があり、複数のセンサ接続と低消費電力を両必するプログラム開発を行い、3G/Wi-Fi/LPWA無線によるクラウドアップロードを実現する。SO2、NO2、CO、O3などの電気化学センサに関しては、物理量センサとのフュージョン相互補正により健康や農業に必要な環境データを中心に可視化を行う。
鳥獣捕獲検知システムにおいては時系列データに数値が大きく変動する異常値を検知するが、センサパターンが変化する要因として環境変化、外乱や経時変動などもある。この変化の中から安定して目的と異常値を検知して、防災や農業分野における警告と連動させるアルゴリズムを自治体や途上国環境省の協力のもと進めていく。学術的にはIoTセンサの屋外環境における対候性や長期安定性を高めることと不確かさの低減，時系列データ解析への新しい手法の提案，機械学習においては時系列データやリアルタイム計測データへの融合を高める点が新規な点となる。
|
