| 研究課題/領域番号 |
20K11778
|
|---|
| 研究機関 | 神奈川工科大学 |
|---|
研究代表者 |
川喜田 佑介 神奈川工科大学, 情報学部, 准教授 (30468540)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2024-03-31
|
| キーワード | クラスタリング / 時系列 / RSSI / IoT |
|---|
| 研究実績の概要 |
本研究では、測距・測位不要な信号源同士の近接関係推定を行うことで、信号源のクラスタリング結果の時間推移を得て、各々のクラスタのアノテーションを活用する近接性アプリケーションの創出を目的としている。そのようなアプリケーションを対象として、測距・測位不要の信号源近接性推定技術を提案している。当初の計画では、受信電力強度（RSSI）の時系列データを特徴量とし、それぞれの系列間の類似度を距離関数で表し、階層的クラスタリングすることで近接関係を定量的に示すことを目指した。
昨年度までに使用環境に設置された無線LANアクセセスポイントのBSSIDを使用して観測者の状態判別を目的とし、時系列データのクラスタリング手法のアルゴリズムとして時系列データのセグメントとクラスタリングを同時に使用可能なToeplitz Inverse Covariance-based Clustering (TICC)を選定して、観測者の在室判別を行うことが可能であると見通しと適切な前処理による処理時間の短縮が可能であることを示した。今年度は、精度の向上を期待して、RSSI特徴量を近年行動認識などで注目されるWiFi CSI特徴量に拡張する検討を行った。検討の結果、次元数が大きいWiFi CSIにおいては適切な次元圧縮が必要であることがわかった。また、WiFi CSIを用いた他の研究はWiFiパケットの送信と受信の双方の無線機を設置する環境を想定しているものが多いが、本研究で想定する環境では送信側は環境に予め設置されているものを使わざるをえない。この場合、WiFiのトラフィック量を制御できず、取得できる特徴量をに影響を与えることもわかった。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
精度の向上を期待して特徴量を拡張した結果、解決が必要な課題が明らかになったため。
|
| 今後の研究の推進方策 |
現状では、WiFi CSI特徴量の在室判定の精度はRSSI特徴量より低くなっている。今後はクラスタリングに限定せず教師あり機械学習なども検討する。また、WiFi CSI特徴量の次元削減については、行動認識など他の応用の研究事例を参考に取り組む。
|
| 次年度使用額が生じた理由 |
コロナ禍による入構制限などにより当初の研究計画が後ろ倒しになったため。次年度は研究評価の実験システムの構築等に使用する。
|
