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

基本信息

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

项目摘要

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．

众所周知，舒适的空调环境可以提高劳动生产率和学习效率，而在办公楼、学校等多人使用的室内环境中，需要营造一个兼顾热力的合适的空调环境。需要用户的舒适度。这项研究的目标是开发一种生成个人热舒适度图的系统，该图可用于推荐环境设置，并且有必要建立一个利用机器学习来估计个人热舒适度的模型。众所周知，基于机器学习的估计方法在估计人类热感觉时表现出高性能，但用于训练估计器的一些数据可能包含与人类隐私相关的信息。因此，本财年，我们将对包含与隐私相关信息的生物数据进行热舒适数据集的研究，目的是使用生成模型从数据集中包含的每个数据中减少个人身份信息。生成模型因其在包含人们私人信息的匿名数据集中的使用而受到关注，例如本研究中使用的数据增强方法，该方法可以保护与识别热舒适数据集中包含的个人相关的信息。在受试者活动不受控制的环境中收集的数据集大部分是来自他们感到舒适的环境的数据，并且由于受试者很少报告极端的热舒适度标签，因此正确的标签是热舒适度。性别分布变得不平衡。为了解决这个问题，该方法为生成模型引入了加权损失函数，以缓解热舒适不平衡。通过评估，我们表明，即使使用减少了个人身份信息的数据集，也可以生成与原始数据集具有相同功能的数据集。