2019 Fiscal Year Annual Research Report
スマートバイクを用いた網羅的な交通情報収集システム
| Project/Area Number |
18J23281
|
|---|
| Research Institution | Nara Institute of Science and Technology |
|---|
| Research Fellow |
河中 祥吾 奈良先端科学技術大学院大学, 先端科学技術研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2018-04-25 – 2021-03-31
|
| Keywords | 参加型センシング / 都市環境センシング / ゲーミフィケーション |
|---|
| Outline of Annual Research Achievements |
本研究は，自転車利用者の安全経路の推定にむけた道路環境情報の網羅的な収集およびそれらの情報から形成した集合知による安全経路の推定手法の確立を目指している．
網羅的な道路環境情報の収集を行うために，本研究ではユーザ参加型センシングの利用を想定している．そこで，日常的に自転車を利用する一般利用者でもデータ収集に容易に参加できるよう近年一般的に普及しているスマートフォンを用いた道路環境情報収集を行う．
2019年度では，ユーザ参加型センシングにより効率的かつ網羅的に収集する手法の検討を行った．ユーザに対するインセンティブとしてゲームデザイン要素やゲームの原則を応用したゲーミフィケーションを導入し，ゲーミフィケーションを用いたユーザ参加型センシングアプリケーションにおいて収集されるセンサデータおよびユーザ行動への影響を実験を通して検証してきた．その結果，センシング参加に対する負荷およびデータの需要度に応じた付与報酬の変化によりユーザの行動が変容される傾向があり，データ収集効率上昇に一定の効果があることが明らかとなった．
加えて，ユーザ参加型センシングに基づくデータ収集において発生する測定誤差や悪意のあるデータの混入が無視できない問題となる．この問題を解消するため収集されたデータに対して統計的な処理を施すことで信頼性の高いデータのみを選定する手法についても合わせて検討を始めており，スマートフォンから日常的に収集されるセンサデータを入力とし，自転車や徒歩，自動車など8種類の日常的な移動行動ラベルを出力として推定するディープラーニングモデルの作成を行なっている．その結果，全ての行動ラベルを平均精度80%程度，自転車での移動行動においては97%以上の精度で識別することができた．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
2018年度提案した自転車に取り付けたスマートフォンのマイクから収集されるステレオ音源を用いた接近車両検出手法の有用性が明らかとなったため，様々な環境に適用できるようより多くのユーザからより多くのデータを収集する必要があった．
そこで，2019度はユーザ参加型センシングにより効率的かつ網羅的に収集する手法の検討を行った．ユーザに対するインセンティブとしてゲームデザイン要素やゲームの原則を応用したゲーミフィケーションを導入し，ゲーミフィケーションを用いたユーザ参加型センシングアプリケーションにおいて収集されるセンサデータおよびユーザ行動への影響を実験を通して検証してきた．その結果，センシング参加に対する負荷およびデータの需要度に応じた付与報酬の変化によりユーザの行動が変容される傾向があり，データ収集効率上昇に一定の効果があることが明らかとなった．
加えて，ユーザ参加型センシングに基づくデータ収集において発生する測定誤差や悪意のあるデータの混入が無視できない問題となる．この問題を解消するため2019年度から収集されたデータに対して統計的な処理を施すことで信頼性の高いデータのみを選定する手法についても合わせて検討を始めており，スマートフォンから日常的に収集されるセンサデータを入力とし，自転車や徒歩，自動車など8種類の移動行動ラベルを出力として推定するディープラーニングモデルの作成を行なっている．
|
| Strategy for Future Research Activity |
2020年度は需要度の高いデータをより効率よく収集するためにアプリケーション上でのエージェント対話による向上を目指す．これまでは，アプリケーション上にデータ収集をして欲しいエリアの情報をマップ上に表示し，ユーザが能動的に収集するエリアを選択する形をとっていたが，今後エージェントによるユーザとのインタラクション，特に対話スタイルや推薦理由によるユーザ行動およびデータ収集効率への影響を明らかにする．
一方で，ユーザ参加型センシングに基づくデータ収集において発生する測定誤差や悪意のあるデータの混入が無視できない問題となる．この問題を解消するため2019年度から収集されたデータに対して統計的な処理を施すことで信頼性の高いデータのみを選定する手法についても合わせて検討を始めており，スマートフォンから日常的に収集されるセンサデータを入力とし，自転車や徒歩，自動車など8種類の移動行動ラベルを出力として推定するディープラーニングモデルの作成を行なっている．
加えて、これまではデータ収集後に移動ラベル識別モデルにかけて移動行動推定を行なっていたものを，スマートフォン側でリアルタイムに推定し，必要となるデータのみを収集する仕組みの実現を目指す．
|
Research Products
(4 results)
