快適な屋内空調環境づくりのためのセンサ融合による温熱快適性フロアマップ生成

利用传感器融合生成热舒适楼层地图，打造舒适的室内空调环境

• 批准号: 22K17885
• 负责人: 吉川 寛樹
• 金额: $ 2.91万
• 依托单位: Kyoto Tachibana University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-04-01 至 2025-03-31
• 项目状态: 未结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K17885/
• 关键词: 温熱快適性; 屋内空調; 機械学習; 生成モデル; サーマルカメラ; ヒューマントラッキング

快適な空調環境が労働生産性や学習効率を高めることがわかっており，オフィスビルや学校など多くの人々が利用する屋内環境おいては，利用者の温熱快適性を考慮した適切な空調環境づくりが求められる．本研究では環境設定のレコメンドに用いることが可能な，個人の温熱快適性マップを生成するシステムの開発を目標としており，機械学習により個人の温熱快適性を推定するモデルを構築する必要がある．機械学習ベースの推定手法は人の温冷感を推定する際に高い性能を発揮することが知られているが，その推定器の訓練に用いられるデータの中には人のプライバシーに関わる情報も含まれる．そこで今年度はプライバシーに関わる情報を含んだ生体データを含む温熱快適性データセットに対し，生成モデルを用いてデータセット内に含まれる各データから個人を特定可能な情報の削減を目的として研究を行った．生成モデルは本研究で用いるような人のプライバシー情報を含むデータセットの匿名化に用いることに対して注目を集めており，本研究はその中でも変分オートエンコーダ（VAE）を用いて被験者の生体データを含む温熱快適性データセットに含まれる個人を特定することに関わる情報を保護するデータ拡張手法を提案した．被験者の活動を制御しない環境下で収集されたデータセットは，ほとんどが快適と感じる環境下でのデータが占めており，被験者が極端な温熱快適性ラベルをほとんど報告しないため正解ラベルである温熱快適性の分布が不均衡となる．この問題に対処するために，提案手法では温熱快適性の不均衡を緩和するための生成モデルに対する重み付き損失関数を導入した．評価により個人を特定可能な情報を削減したデータセットでも元のデータセットと同程度に機能するデータセットを生成可能であることを示した．

项目成果

Privacy-preserving data augmentation for thermal sensation dataset based on variational autoencoder

基于变分自编码器的热感觉数据集的隐私保护数据增强

• 发表时间: 2022
• 作者: Hiroki Yoshikawa;Akira Uchiyama;Teruo Higashino
• 通讯作者: Teruo Higashino