Comments
Description
Transcript
修士論文 携帯電話による GPS と加速度センサを用いた 子どもの防犯
NAIST-IS-MT0751035 修士論文 携帯電話による GPS と加速度センサを用いた 子どもの防犯・安全のための コンテキスト推定の提案と実装 神崎 啓 2010 年 8 月 19 日 奈良先端科学技術大学院大学 情報科学研究科 情報システム学専攻 本論文は奈良先端科学技術大学院大学情報科学研究科に 修士(工学) 授与の要件として提出した修士論文である. 神崎啓 審査委員： 砂原 秀樹教授 （主指導教員） 山口 英教授 （副指導教員） 藤川 和利准教授 （副指導教員） 猪俣 敦夫特任准教授 （副指導教員） 携帯電話による GPS と加速度センサを用いた 子どもの防犯・安全のための コンテキスト推定の提案と実装 神崎啓 内容梗概 近 年 ,子 ど も や 高 年 齢 者 の 防 犯 や 安 全 確 認 の た め に GPSや RFIDを 用 い た 位 置 情 報 確 認 サ ー ビ ス が 実 用 化 さ れ て い る .し か し ,既 存 の サ ー ビ ス は 位 置 情 報 通 知 と ,ユ ー ザ に 定 期 的 な 情 報 入 力 を 求 め る た め ,ユ ー ザ が 危 機 的 な 状 態 に お ち い っ た 時 に 通 知 す る こ と が 困 難 で あ り ,ユ ー ザ が 危 機 的 状 態 に い る の か を 判 別 す る す べ が 無 か っ た .そ こ で 本 研 究 で は 近 年 ,高 機 能 化 が 進 み ,カ メ ラ や GPS,RFID,加 速 度 セ ン サ な ど の セ ン サ デ バ イ ス が 搭 載 さ れ て い る 携 帯 電 話 に 注 目 す る .具 体 的 に は ,Apple iPhoneを 対 象 と し ,位 置 情報と加速度センサから得られた変化を過去の行動からの時系列情報と し て 記 録 し ,子 ど も の 行 動 を 常 時 監 視 す る こ と で ,行 動 変 化 か ら 危 機 的 状 態 を 推 測 す る 手 法 を 提 案 す る .ま た ,提 案 手 法 で 判 別 し た 子 ど も の 危 機 的 状態の検知について評価するために自動で子どもの危険を検知し通知を 行 う シ ス テ ム を 設 計 ,実 装 し ,考 察 を 与 え る . キーワード 子どもの安全,位置情報サービス,コンテキスト推定,携帯端末,GPS,加速度計 *奈良 先端 科学 技術 大 学院 大学 情報 科学 研究 科情 報シ ステ ム学 専攻 修士 論文 , NAIST-ISMT123456, 2010 年9 月 19 日. i Proposal of cntext discriminant method by GPS and acceleration sensoron the smart phone for the crime-prevention and safe of children Kei Kamizaki Abstract Recently, the location information confirmation service that uses GPS and RFID of crime prevention for children or senior, and security verifications has been put to practical use. However, we cannot distinguish only whether only their location information be able to be confirmed alive and it is actually in the crisis situation on existing service. By the way, the cellular phone equipped with the high density camera, GPS, RFID, and the acceleration sensor device is paid to attention in the present research and study. Concretely, the change obtained from the location information and the acceleration sensor is measured as a transition from a past action. So we choosed Apple iPhone, that is a peculiar travel model of each transportation is defined as a single, mobile equipment corresponding to the change in broken acceleration. In this paper, we proposes the method for distinguishing transportation such as bus or train accurately. Moreover, we report on a prototype implemented to be critical the child based on a context discriminant and the location information distinguished. Keywords: Safe of children , positional information, context discriminant, smart phone, GPS, Acceleration .*Master’s Thesis, Department of Information Systems, Graduate School of Information Science, Nara Institute of Science and Technology, NAIST-IS-MT0751035, September 19, 2010. ii 目次 第 1 章 はじめに 1 第 2 章 子 どもの 犯罪被害 3 2.1. 子どもの犯罪被害実態. . . . . . . . . . . . . . . . . . 3 2.1.1 子どもの犯罪被害傾向. . . . . . . . . . . . . . . . 3 2.1.2 犯罪被害の発生時間. . . . . . . . . . . . . . . . . 4 2.1.3 犯罪被害の発生場所. . . . . . . . . . . . . . . . . 6 2.2. ネットに潜む子どもの犯罪被害. . . . . . . . . . . . . . 7 2.2.1 子どもと携帯電話. . . . . . . . . . . . . . . . . . 7 2.2.2 様々なトラブルが発生しているサイト. . . . . . . . . 9 2.3. 子どもの安全を確保する対策. . . . . . . . . . . . . . . 11 第 3 章 子 どもの 安全・ 安全・防犯 サービスシステム 14 3.1. 既存の安全・防犯サービス. . . . . . . . . . . . . . . . 14 3.1.1 ココセコム. . . . . . . . . . . . . . . . . . . . . 14 3.1.2 位置ナビ. . . . . . . . . . . . . . . . . . . . . . 15 3.1.3 キッズパス. . . . . . . . . . . . . . . . . . . . . 16 3.1.4 フィルタリング. . . . . . . . . . . . . . . . . . . 16 3.2. 既存システムの問題. . . . . . . . . . . . . . . . . . . . 20 3.2.1 ユーザの操作が必要なシステム. . . . . . . . . . . . 21 3.2.2 ユーザの安否の確認できないシステム. . . . . . . . . 22 3.3. 要求事項. . . . . . . . . . . . . . . . . . . . . . . . 23 第 4 章 関連研究 24 4.1. 行動推定による状態推定方式. . . . . . . . . . . . . . . 24 4.2. 位置情報を応用した移動状態の推定. . . . . . . . . . . . 25 iii 4.3. 本研究における課題. . . . . . . . . . . . . . . . . . . 25 第 5 章 子 どもの 危険検知 システム 29 5.1. ユーザの異常状態の定義. . . . . . . . . . . . . . . . . 29 5.1.1 危険な状態. . . . . . . . . . . . . . . . . . . . . 29 5.1.2 危険状態モデル. . . . . . . . . . . . . . . . . . . 30 5.1.3 危険判定に必要な情報. . . . . . . . . . . . . . . . 32 5.2. コンテキスト. . . . . . . . . . . . . . . . . . . . . . 32 5.2.1 コンテキストの定義. . . . . . . . . . . . . . . . . 32 5.2.2 コンテキスト推定の定義. . . . . . . . . . . . . . . 33 5.2.3 コンテキストの選定と考察. . . . . . . . . . . . . . 33 5.3. センサ情報取得用デバイス. . . . . . . . . . . . . . . . 34 5.3.1 使用デバイスの決定. . . . . . . . . . . . . . . . . 34 5.3.2 本研究で用いるセンサ. . . . . . . . . . . . . . . . 35 5.4. システムに対する要件. . . . . . . . . . . . . . . . . . . 36 5.5. 提案システム概要. . . . . . . . . . . . . . . . . . . . 38 第6章 設計 と 実装 40 6.1. 設計方針. . . . . . . . . . . . . . . . . . . . . . . . . 40 6.2. センサ情報取得用アプリケーション. . . . . . . . . . . . . 40 6.2.1 センサ情報の取得と送信. . . . . . . . . . . . . . . 41 6.2.2 アプリケーションの異常・停止. . . . . . . . . . . . 43 6.3. モニタリングサーバ. . . . . . . . . . . . . . . . . . . . 43 6.3.1 ユーザのコンテキスト推定. . . . . . . . . . . . . . 43 6.3.2 ユーザの危険行動推定. . . . . . . . . . . . . . . . 48 6.4. ユーザ情報管理サーバ. . . . . . . . . . . . . . . . . . . 52 6.4.1 ユーザ情報の登録. . . . . . . . . . . . . . . . . . 52 6.4.2 表示システム. . . . . . . . . . . . . . . . . . . . 53 6.5. 実装方針. . . . . . . . . . . . . . . . . . . . . . . . . 54 6.5.1 センサ取得用アプリケーション構成. . . . . . . . . . 54 6.5.2 表示系アプリケーション構成. . . . . . . . . . . . . 55 iv 6.5.3 子どもの危険検知システムの実装. . . . . . . . . . . 55 6.6. 利用の流れ. . . . . . . . . . . . . . . . . . . . . . . . 57 第7章 コンテキスト 推定機構 の 評価 と 考察 59 7.1. 事前実験. . . . . . . . . . . . . . . . . . . . . . . . . 59 7.1.1 事前実験環境. . . . . . . . . . . . . . . . . . . . 59 7.1.2 代表パワースペクトルの決定. . . . . . . . . . . . . 59 7.1.3 自動車と電車の平均時速分布の決定 . . . . . . . . . . 67 7.2. コンテキスト推定機構の性能評価. . . . . . . . . . . . . . 69 7.2.1 実験データ. . . . . . . . . . . . . . . . . . . . . 69 7.2.2 最小誤差推定方式の精度. . . . . . . . . . . . . . . 69 7.2.3 推定コンテキストの多数決決定. . . . . . . . . . . . 72 7.2.4 速度出現頻度判定方式の精度. . . . . . . . . . . . . 73 7.2.5 コンテキスト推定機構の処理時間. . . . . . . . . . . 73 7.3. コンテキスト推定機構の考察. . . . . . . . . . . . . . . . 74 7.3.1 適切な代表パワースペクトルの設定. . . . . . . . . . 74 7.3.2 代表パワースペクトルの学習. . . . . . . . . . . . . 75 7.3.3 センサ取得デバイス別の補正. . . . . . . . . . . . . 77 第8章 危険検知機構 の 考察 78 8.1. 子どもの危険状態の考察. . . . . . . . . . . . . . . . . . 78 8.1.1 携帯デバイスの傾き検出. . . . . . . . . . . . . . . 78 8.1.2 GPS の高度情報の利用. . . . . . . . . . . . . . . . 78 8.1.3 同行者判定. . . . . . . . . . . . . . . . . . . . . 79 8.1.4 ユーザの所在が不明な場合の対策. . . . . . . . . . . 79 8.2. サービスモデルの方針. . . . . . . . . . . . . . . . . . . 80 8.2.1 稼働時間問題. . . . . . . . . . . . . . . . . . . . 80 8.2.2 通信コスト. . . . . . . . . . . . . . . . . . . . . 81 8.2.3 サービスモデルの方針. . . . . . . . . . . . . . . . 81 8.3. 子どもの危険検知システムの有用性. . . . . . . . . . . . . 82 v 第9章 結論 84 vi 図目次 2.1 未成年者の刑法犯被害の遷移. . . . . . . . . . . . . . . . . . 3 2.2 16 歳未満の子どもに対する暴行等主な犯罪の時間帯別認識状況. . . 4 2.3 小学生以下の子どもに対する暴行等主な犯罪の時間帯別認知状況.. 5 2.4 暴行等主な犯罪の時間別発生状況. . . . . . . . . . . . . . . . 5 2.5 声かけなどの時間別発生状況. . . . . . . . . . . . . . . . . . 6 2.6 暴行等主な犯罪の場所別発生状況. . . . . . . . . . . . . . . . 6 2.7 声かけなどの場所別発生状況. . . . . . . . . . . . . . . . . . 7 2.8 子どもの携帯電話保有率の推移. . . . . . . . . . . . . . . . . 7 2.9 中学生の一日における携帯電話での通話利用. . . . . . . . . . . 8 2.10 中学生の一日における携帯電話でのメール利用. . . . . . . . . 8 2.11 中学生の一日における携帯電話でのインターネット利用. . . . . 8 2.12 (左)ゲームサイトからのメールチャット経験がある中学生 (右)プロフィールページを持っている中学生. . . . . . . . . . 9 2.13 ネットで知り合った見知らぬ第三者との行動. . . . . . . . . . 9 2.14 携帯電話からインターネットを利用して福祉犯罪の被害をうけた子 どもの数. . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.15 左から緊急通報装置,防犯ブザー,キッズ携帯. . . . . . . . . . 12 2.16 左から子ども 110 番の家,安全マップ. . . . . . . . . . . . . . 13 3.1 左からココセコムの位置確認画面,ココセコム端末. . . . . . . . 15 3.2 位置ナビの画面. . . . . . . . . . . . . . . . . . . . . . . . 15 3.3 キッズパスの概要. . . . . . . . . . . . . . . . . . . . . . . 16 5.1 子どもの危険検知システムの概要図. . . . . . . . . . . . . . . 37 6.1 センサ取得用アプリケーションのフロー. . . . . . . . . . . . . 41 6.2 推定コンテキストの判定フロー. . . . . . . . . . . . . . . . . 45 6.3 多数決推定フロー. . . . . . . . . . . . . . . . . . . . . . . 45 6.4 コンテキスト推定フロー. . . . . . . . . . . . . . . . . . . 47 7.1 歩行の代表パワースペクトル(1sec). . . . . . . . . . . . . . 61 7.2 走行の代表パワースペクトル(1sec). . . . . . . . . . . . . . 61 vii 7.3 停止の代表パワースペクトル(1sec). . . . . . . . . . . . . . . 62 7.4 自転車の代表パワースペクトル(1sec). . . . . . . . . . . . . . 62 7.5 歩行の代表パワースペクトル(2sec). . . . . . . . . . . . . . . 63 7.6 走行の代表パワースペクトル(2sec). . . . . . . . . . . . . . . 63 7.7 停止の代表パワースペクトル(2sec). . . . . . . . . . . . . . . 64 7.8 自転車の代表パワースペクトル(2sec). . . . . . . . . . . . . . 64 7.9 歩行の代表パワースペクトル(4sec). . . . . . . . . . . . . . . 65 7.10 走行の代表パワースペクトル(4sec). . . . . . . . . . . . . . 65 7.11 停止の代表パワースペクトル(4sec). . . . . . . . . . . . . . 66 7.12 自転車の代表パワースペクトル(5sec). . . . . . . . . . . . . 66 7.13 自動車と電車の平均時速分布. . . . . . . . . . . . . . . . . 67 7.14 代表パワースペクトルの時系列遷移候補. . . . . . . . . . . . 76 viii 表目次 3.1 既存サービスの特徴. . . . . . . . . . . . . . . . . . . . . . 20 3.2 提案システムにおける要求事項. . . . . . . . . . . . . . . . . 23 4.1 関連研究における代表的な行動状態の達成度. . . . . . . . . . . 26 4.2 関連研究における 3.3 節で述べた要求事項の達成度. . . . . . . . 27 5.1 子どもに起こりうる危険例. . . . . . . . . . . . . . . . . . . 30 5.2 提案システムにおけるユーザの危険状態の定義. . . . . . . . . . 31 5.3 状態ごとの代表的なコンテキストの分類. . . . . . . . . . . . . 33 6.1 モニタリングサーバへの送信データ. . . . . . . . . . . . . . . 42 6.2 代表パワースペクトルの測定. . . . . . . . . . . . . . . . . . 46 6.3 危険度に対応する状態異常. . . . . . . . . . . . . . . . . . . 51 6.4 ユーザ登録情報. . . . . . . . . . . . . . . . . . . . . . . . 53 6.5 センサ取得用アプリケーションの開発環境. . . . . . . . . . . . 54 6.6 モニタリングサーバの開発環境. . . . . . . . . . . . . . . . . 54 7.1 事前実験環境. . . . . . . . . . . . . . . . . . . . . . . . . 60 7.2 実験データ構成. . . . . . . . . . . . . . . . . . . . . . . . 68 7.3 最小誤差推定法の推定精度(1sec). . . . . . . . . . . . . . . . 70 7.4 最小誤差推定法の推定精度(2sec). . . . . . . . . . . . . . . . 70 7.5 最小誤差推定法の推定精度(4sec). . . . . . . . . . . . . . . . 70 7.6 最小誤差推定法の推定精度(2sec 子ども). . . . . . . . . . . . 71 7.7 速度出現頻度判定法の推定精度. . . . . . . . . . . . . . . . . 72 7.8 コンテキスト推定機構の推定精度(2sec). . . . . . . . . . . . . 73 7.9 コンテキスト推定機構の平均処理時間. . . . . . . . . . . . . . 74 ix 第1章 はじめに 近年,子どもや高年齢者の防犯や安全確認のためにGPS やRFIDを用いた位置情 報確認サービスが実用化されてきている.GPS を用いた位置情報確認サービス のひとつとしてSECOM のココセコム[18]がある.これは,GPS を搭載したSECOM 独自の携帯端末を用いて所有者の位置をWeb 上から確認する事ができ,携帯端 末に取り付けられた緊急連絡用ボタンを用いる事で所有者が自発的にトラブル の発生をシステムの管理者及び所有者の関係者に通知する事ができる.また NTTComチェオでは,キッズパス[19]と呼ばれるIC カードを使った児童見守りシ ステムを提供しており子どもの通学路の各所に設置されたIC リーダーに子ど もがIC カードを通す事で子どもの位置情報を確認する事ができる.既存の位置 情報確認サービスは,独自の携帯端末やIC カードが必要であり,IC リーダーに ついては各所に設置する作業が必要となる.そのため,多くのコストがかかり一 般に普及しづらい問題点がある.また既存サービス体制はユーザの操作が必要 であり,随時位置情報の確認作業を要する.監視対象者に起こりうるトラブルの 規模にも依存するが,事故や誘拐等におけるトラブルの多くは急を要するもの であり,自動でユーザのトラブル状態を検出し通知を行うようなユーザの操作 が不要なシステムの構築が必要であると考える. そこで本研究では,一般に販売されている携帯電話を用いて簡易的な防犯,安 全確認システムを提案する.特に,近年高性能化が進みカメラやGPS,RFID,加速 度センサなどのセンサデバイスが搭載され安価で一般に普及しているという利 点から携帯電話を採用した.さらに,提案手法の有用性を評価するために,携帯 電話に搭載されたセンサデバイスからセンサ情報を抽出しユーザの状態(コン テキスト)を推測する事でユーザに起こるトラブル状態を自動で検出するアプ リケーションを実装し,評価した.これにより,ユーザの操作が不要な防犯・安全 確保を実現する. 本論文は以下の章より構成される.第1章では本研究の概要を述べる.第2章で は,近年の子どもの犯罪被害傾向について説明と,安全対策について述べる.第3 章では既にサービスが開始している子どもの安全・防犯サービスを紹介し,既存 １ サービスの問題を示すことで,本研究の要求事項を明確にする.第4章では3章で 挙げた問題点を解決するために関わる既存研究について述べる.第5章では要求 事項をふまえ,子どもの危険検知システムを提案する.第6章では提案システム の設計と実装について述べる.第7章,第8章では提案システムについて評価を行 い,考察する.第9章では本論文の内容を総括する. ２ 第2章 子どもの犯罪被害 本章では,本研究における要求事項を明確にするため,近年の子どもの犯罪被害傾向 について述べ,子どもの安全を確保する取り組みについて紹介する. 2.1. 子どもの犯罪被害実態 2.1.1 子どもの犯罪被害傾向 図 2.1 が示す警察庁からの犯罪統計資料によると 20 歳未満の未成年者の子どもが被 害者となる犯罪は 2008 年において被害者数は 28 万 9039 件にのぼり,前年と比べると 5.1%減少している.また,凶悪犯罪(殺人・強盗・放火・強姦)に限定すると,1230 件で, 前年に比べ8.6%減少している事がわかる.このことから全体的な傾向として減少傾向で あると言える.また,もっとも割合の高い,高校生の被害がこの 10 年間において 2001 年 のピークを境に減少している.一方で小学生の被害については,減少の傾向にあるもの の未だに高い割合を示している事がわかる. 図 2.1 未成年者の刑法犯被害の遷移 また,未就学の子どもが被害にあった事件では,凶悪犯(45.9%増)や強制猥褻(9.1%増) ３ が,13 歳未満では凶悪犯(13.5%増)と暴力的性犯罪(24%増)が増加傾向にあり,全体的な 傾向として凶悪犯罪・性犯罪被害の低年齢化が起こっている.これは,子どもが被害者と なる犯罪は従来のような営利目的の誘拐から,「誰でもいい」 「なんでもいい」 「うさ晴 らしが出来ればいい」といった短絡的な理由で起こされる犯罪が増加してきており,そ の結果として,犯行の対象が「弱いもの」 「抵抗されづらいもの」といった若年層に向か っていることがわかる. 2.1.2 犯罪被害の発生時間 図 2.2,図 2.3 は,大阪府における時間帯別の子どもの犯罪被害発生時間帯の認知状況 を示している.学校から帰宅してから塾や遊びに外出する午後 3 時台から午後 5 時台に かけての認知件数が多いほか,中学生以上の子どもにおいては,小学生以下の子どもと 比較して午後 9 時台から深夜にかけての認知件数が多くなっている.午後 3 時台,午後 5 時台については平成 17 年以降年々減少していたものが平成 21 年は増加傾向に転じ,加 えて小学生以下の子どもにおいては,平成 21 年中は平成 20 年と比較して午後 5 時台か ら午後 7 時台の認知件数も増加している.これにより夕方以降に起こる犯罪が増加傾向 にあることが分かる. 図 2.2 16 歳未満の子どもに対する暴行等主な犯罪の時間帯別認知状況 ４ 図 2.3 小学生以下の子どもに対する暴行等主な犯罪の時間帯別認知状況 また,図 2.4,2.5 が示すように,暴行等の主な犯罪(暴行,障害,強制わいせつ,強姦,略 奪,誘拐)と,声かけなどの事案(不審者による子どもに対する声かけ,腕をつかむ,引っ 張る,つきまとう)のいずれについても,午後 3 時台から午後 5 時台に多発している事が わかる.また,中学生以上の子どもについては午後 9 時台から深夜にかけての発生も目 立つ他,小学生と比較して声かけ等事案が登校時間帯にも多く発生している. 図 2.4 暴行等主な犯罪の時間別発生状況 ５ 図 2.5 声かけなどの時間別発生状況 2.1.3 犯罪被害の発生場所 図 2.6,図 2.7 より暴行等の主な犯罪は,道路上や共同住宅で多発している事がわかる. 特に強制わいせつは共同住宅における発生が,16 歳未満の子どもで約 28%,小学生以下 の子どもでは34%と最も高い割合を示しており,共同住宅内の通路,階段等の共用部等人 の目の届かない場所において発生している事がわかる.また,声かけ等事案は,道路上や 公園等の野外で多く発生している. 図 2.6 暴行等主な犯罪の場所別発生状況 ６ 図 2.7 声かけなどの場所別発生状況 2.2. ネットに潜む子どもの犯罪被害 本節では,ネット利用における子どもの犯罪被害について述べる.2.1 節においては, 日常の生活空間における犯罪被害の実態について述べてきたが,子どもの私生活におい て携帯電話やインターネットが普及したことで,子どもが有害な情報サイトへ容易にア クセスできるようになり,犯罪やトラブルに巻き込まれる子どもの数が増加傾向にある. 図 2.8 子どもの携帯電話保有率の推移 2.2.1 子どもと携帯電話 本節では,子どもの携帯電話の使用状況について考察していく.図 2.8 で示すように, 子どもの携帯電話保有数は年々増加傾向にある.これは,緊急時等において家族との連 ７ 図 2.9 中学生の一日における携帯電話での通話利用 図 2.10 中学生の一日における携帯電話でのメール利用 図 2.11 中学生の一日における携帯電話でのインターネット利用 絡が出来るために保護者が携帯電話を持たせているという理由が挙げられる.しかし, 実際の子どもの携帯使用用途は図2.9,図2.10,図2.11 で示すとおり,友人とのメールの やり取りやインターネットの閲覧などが主なるものとなっている.このように,携帯電 ８ 話は会話のための道具としてよりも,インターネット接続端末として使われていること が分かる. 図 2.12 (左)ゲームサイトからのメールチャット経験がある中学生 (右)プロフィールページを持っている中学生 図 2.13 ネットで知り合った見知らぬ第三者との行動 2.2.2 様々なトラブルが発生しているサイト 携帯電話からアクセスできるインターネット上のサイトには多種多様の物がある.その 中でも,子どもがトラブルに巻き込まれやすいサイトとして,学校毎に存在する,学校の 友人や先生等の誹謗中傷が行われている学校裏サイトや,個人情報を載せているブログ 等のプロフィールサイト,携帯等で遊べるゲームを載せているゲームサイトがある.こ のようなサイトでは,情報を閲覧するだけでなく,不特定多数の見知らぬ相手と情報の やり取りが行われている.図 2.12 では,携帯電話から「ゲームサイトにアクセスした事 ９ がある」と答えた中学生は全体の 48.0%であり,そのうち 24.6%の中学生がゲームサイト を通じてメールやチャットのやり取りを経験していることがわかる.同様に携帯電話か ら「プロフィールサイトを閲覧したことがある」と答えた中学生は全体の 40.8%であり, そのうち32.7%の中学生が自分のプロフィールサイトのページを持っていることがわか る. また,図 2.13 で示すように携帯電話を所持している子どものうち 7.1%の子どもが 「ネ ットで知り合った見知らぬ相手とメールのやり取りをしたことがある」と答えてお り,2.6%と少ないものの実際に相手と会っていることも分かる.その理由として,「知ら ない人と知り合えるのが楽しい」と答えた子どもは全体の 19.2%であり,「メールのや りとりをすれば信用できる人かどうか判断できる」と答えた子どもは全体の 10.9%であ った.これらのことから,見知らぬ相手でもメールやチャットのやり取りだけで信用し てしまう子どもがおり,そこから犯罪やトラブルに巻き込まれる危険性が十分にあると 考える. インターネットサイトにアクセスし,事件の被害にあった事例 図 2.14 で示すように,インターネット利用がきっかけとなって,子どもが被害にあう 事件が増えてきている.平成 20 年中の被害児童数は 130 名で,前年より 9 名減っている が,ゲームサイトやプロフィールサイト,出会い系サイト以外で被害にあった児童が 82 名にのぼっている.以下に実際に子どもが事件に巻き込まれた事例について記す. 中学 1 年生の女子は,ゲームサイトの掲示板で知り合った会社役員に写真を 送ったところ,より過激な写真を送るように強要され,断ったが,「写真を学 校のホームページに掲載する」と脅された. 中学 2 年生の女子は,コミュニティサイトで知り合った成人男性に裸の写真 を送ってしまい写真をばらまくと脅されてホテルに連れ込まれ,性被害にあ った. 高校 2 年生の少女は,出会い系サイトで知り合った成人男性から,薬物をも らうことを約束し,援助交際を行っていた. １０ 図 2.14 携帯電話からインターネットを利用して福祉犯罪の被害を受けた子どもの数 このように,携帯電話等からインターネットサイトを通じて,見知らぬ相手と知り合 い,事件やトラブルに巻き込まれるケースが多いことがわかる. 2.3. 子どもの安全を確保する対策 本節では,現在すでに地方警察や市役所等において実施されている子どもの安全対策 について紹介する. 集団登下校 地方自治体や市,町内会などが中心となり,主に小学校で行われている.児童が地区別 等で一定の規模の集団となって一緒に通学路を登校・下校する政策である.子どもを狙 った犯罪は,人気の少ない場所や,一人になった所を狙われる事が多いため,登下校時に 子どもが一人になる事を防止する. かけこみ 110 番 かけこみ 110 番とは,子どもや女性などが犯罪被害にあいそうな場合等の緊急時に助 けを求めて駆け込める場所の事である.ここでは一時的な保護や警察等の関係機関への 通報を行っている.目印として図 2.16 の様に「かけこみ 110 番」 「子ども 110 番の店」 「セーフティステーション」等の看板やのぼり旗が付けられている. キッズ携帯 防犯ブザー機能と通話機能,GPS 機能をつけた携帯電話の事である.GPS により子ども １１ の現在地を確認出来,簡単な操作で防犯ブザーを鳴らす事が出来る.また,ブザーと連動 して子どもの危険をメール等で関係者に知らせる機能も備わっている.(図 2.15) 防犯グッズ 防犯グッズとは,防犯ブザー等の緊急時に大音量の音を発して犯罪者を威嚇,もしく は誰かに危険を知らせるための物である.(図 2.15) 緊急通報装置 緊急通報装置とは,子どもの登下校の通路や公園等の子どもの集まる場所に設置され ている物で,防犯カメラや,マイク,スピーカー等で構成された装置である.不審者に遭 遇した場合において近くにある緊急通報ボタンを押すことで,即時に警察等に連絡がい き,防犯の役割を持っている.(図 2.15) 安全マップ 安全マップとは,犯罪の起こった場所や,起こりそうな場所を示したマップ作り,子ど もに対して対象の場所に近づかないように警戒や注意を促す政策である.(図 2.16) 図2.15 左から緊急通報装置,防犯ブザー,キッズ携帯 １２ 図2.16 左から子ども110番の家,安全マップ １３ 第3章 子どもの安全・防犯サービス技術 本章では,現在すでにサービスが開始されている,子どもの安全や,犯罪被害を防止す るシステムについて紹介し,既存システムの問題と思われる点,解決すべき事項につい てまとめる. 3.1.既存の安全・防犯サービス 近年,子どもや高年齢者の防犯や安全確認のためにGPS やRFID を用いた位置情報確認 サービスが実用化されてきている.具体的には,SECOM のココセコム,SoftBank の位置ナ ビ,NTTCom チェオのキッズパス等が挙げられる.また,インターネット上での有害サイ トの閲覧等により引き起こされる子どもの犯罪被害等を防止するために有害サイトの 閲覧を防止するフィルタリングソフトも発売されている. 3.1.1 ココセコム ココセコムとは SECOM[18]が提供している屋外セキュリティサービスである.(図 3.1)主な機能は,GPS を搭載した独自端末による位置検索であり,サービス利用者の 50% が人の位置検索,40%が自動車,5%がオートバイ,残りの5%が金庫や鞄,ペットに利用され ている.また,位置情報確認機能の他に「しらせてコール」と「みつめてコール」の２つ の追加機能が用意されている. しらせてコール しらせてコールは,ユーザの安否が心配な場合,パソコンや携帯電話からココセコム の独自端末本体に信号を送信して,ユーザ本人からの応答(信号に対してボタンを押し て応答)で無事を確認する事が出来るサービスである. みつめてコール みつめてコールは,一人では不安な夜道を歩く時などに設定しておき,一定間隔ごと のコール(本体バイブ振動)にボタンを押して応答することで無事を確認する事が出来 るサービスである. この 2 つの機能はどちらも本人の反応がなく,安全が確認できない場合は,自動的に １４ セコムのセンターに異常が伝えられるようになっている.これは,「異常があったら,ボ タンを押して知らせる」という防犯ブザー等とは反対で,「反応がない＝異常状態」と いう仕組みになっている. 図 3.1 左からココセコムの位置確認画面,ココセコム端末 3.1.2 位置ナビ 位置ナビとは,SoftBank[20]が提供している位置検索サービスである.(図 3.2)GPS を 搭載した SoftBank 携帯を子どもに持たせて,いつでもネットを通して子どもの現在地 を確認する事ができる.また,携帯の紛失時等に,自分の携帯電話の場所を検索できる 「自分検索」サービスも用意されている. 図 3.2 位置ナビの画面 １５ 3.1.3 キッズパス NTT Com チェオ[19]では,総務省のモデル事業を経て 2008 年 6 月から自治体,教育委 員会,塾,学校などを対象に,IC カードを使った児童見守りシステム「キッズパス」のサ ービスを開始している.(図 3.3)このサービスでは,校舎・校門などの出入り口付近や任 意の場所に設置したカードリードに,子どもがＩＣカードをかざすと,登録された保護 者のメールなどに通過場所や通過時間が通知されるため,子どもの登下校の状態を逐次 確認できるサービスである. 図 3.3 キッズパスの概要 3.1.4 フィルタリング技術 フィルタリングは,様々な価値観に基づき発信されるウェブページなどを,コンピュ ータ向けのソフトウェアや,インターネットプロバイダーや携帯電話事業者によって運 用されるプログラムによって評価判別し,情報の配信を許可あるいは遮断する技術であ る. フィルタリング方式 フィルタリングの方式は多数存在するが,主にレイティング方式・ブラックリスト方 式・ホワイトリスト方式・動的コンテンツフィルタリング等が挙げられる.以下にそれ ぞれのフィルタリング方式の説明を行う. レイティング方式 レイティング方式とは,事前にホームページに対して一定基準で格付け（レイティン １６ グ）しておくことで,情報受信者がそのレイティング結果を利用して,受信者の価値判断 で閲覧制限を行う方式である.レイティングには,情報発信者が自ら格付けする「セルフ レィティング」と,第三者が格付けする「第三者レィティング」がある.インターネット 上のコンテンツを対象にレイティングを行う機関としてインターネットコンテンツ審 査監視機構（I-ROI)がある.レイティング方式のメリットは,無害なサイトや有益なサイ トを遮断してしまう可能性が少ない事である.一方デメリットとしては,情報発信者の 格付け次第で有害なサイトも閲覧できてしまうため,必ずしも有害なサイトの閲覧制限 が出来るわけではない. ブラックリスト方式 ブラックリスト方式とは,第三者レイティング方式に類似しており,「アダルト」 「暴 力」 「出会い」などのカテゴリーごとに,子どもに見せたくないホームページのリストを 作り,これらのリストに該当するホームページに対し閲覧制限をかける方式である.通 常ブラックリストの作成はフィルタリングソフトを提供するソフトウェア会社が作成 する.ブラックリスト方式のメリットは,無害なサイトや有益なサイトを遮断してしま う可能性が少ない事である.一方デメリットとしては,日々増加し続ける有害なサイト 全てをリスト化する事が非常に困難なため,リストに入っていない有害サイトを遮断す ることが出来ない. ホワイトリスト方式 ホワイトリスト方式とは,ブラックリスト方式の反対であり,学習に役立つサイトや, 子どもにとって安全で有益と思われるサイトのリストを作成し,これらのリストに該当 するサイトのみ閲覧ができる方式である.ホワイトリスト方式のメリットとしては,有 害なホームページを確実に遮断できる事である.一方デメリットとしては,リストに該 当するサイト以外閲覧が出来ないため,必然的にインターネットの利用の幅が狭くな る. 動的コンテンツフィルタリング 動的コンテンツフィルタリングとは,事前に「アダルト」 「暴力」 「出会い」等のキー ワードやフレーズを指定し,ホームページ等に接続した際に内容から動的に判断し,指 定されたキーワード等を含むサイトの閲覧を制限する方式である.他の方式と違いこの １７ 方式では,新しく出来た有害サイトにおいても遮断することが出来る.しかし,この方式 で全ての有害サイトを遮断することができるわけではない.一見有害なキーワードを含 んでいないように見えるサイトにおいても,隠語や略語が用いられている場合があり, 日々増加してきている.これらのキーワードを全て網羅する事は困難である. モバイルコンテンツ審査・運用監視機構(EMA) EMA[21]とは,2008 年 5 月に設立された,青少年の利用に適した健全な携帯電話向け Web サイトの認定や監視を行う業界団体のことである.携帯サイトを利用した犯罪やト ラブルに未成年者が巻き込まれる事件が相次いだことから,業界として健全化を推進す るために携帯サイト事業者などが集まり設立された.独自に策定した「コミュニティサ イト運用管理体制認定基準」に基づき,申請のあったサイトを審査し,基準を満たしたサ イトを認定している.主な活動は以下である. 青少年の利用に配慮したモバイルサイトの審査,認定及び運用監視業務 EMA では「コミュニティサイト運用管理体制認定制度」を設け,健全なモバイ ルコミュニティサイトとして運用管理体制を整備しているか,審査,認定及び運 用監視を行っている. 青少年保護と健全育成を目的としたフィルタリングの改善 第三者機関として中立かつ公平な立場で,「特定分類アクセス制限方式(ブラ ックリスト方式)」の対象カテゴリーの検討し,意見書としてまとめたものを携 帯電話事業者及びフィルタリング会社に提出する等,継続的に青少年保護のた めのフィルタリングサービス改善検討を行っている. 情報通信技術(ICT)リテラシーの啓発・教育活動 EMA では青少年のみならず,保護者,教育者,地域の人々に対しても実践できる 啓発・教育プログラムの開発,情報の収集・提供等,支援を行っている.例として は携帯電話でインターネットを利用するうえで青少年や保護者に理解してほし いルールやマナー,相談窓口等をまとめている. １８ アクセス制限対象 実際のアクセス制限は,フィルタリングリスト提供会社がサイト情報の収集 を行い,各サイトを独自や EMA 等が選定したカテゴリーごとに分類している. 携帯電話フィルタリングのアクセス制限 携帯電話向けのフィルタリングサービスの内,ブラックリスト方式のサービスでは, 携帯電話事業者各社が以下のカテゴリーで分類されているサイトのアクセス制限カテ ゴリー(ブラックリスト)として指定し,青少年名義の携帯電話への閲覧制限を行ってい る.主な制限カテゴリーは以下である. 不法(違法と思われる行為,違法と思われる薬物,不適切な薬物利用) 主張(軍事テロ,過激派,武器・兵器,告発,中傷,自殺,家出,主張一般) アダルト(性行為,ヌード画像,性風俗,アダルト検索,リンク集) セキュリティ(ハッキング,不正コード配布,公開プロキシ) 出逢い(出逢い,異性紹介,結婚紹介) ギャンブル(ギャンブル一般) コミュニケーション(ウェブチャット,掲示板,IT 掲示板) グロテスク(グロテスク) 成人嗜好(娯楽誌,喫煙,飲酒,アルコール製品,水着,下着,フェチ画像,文章によ る性的表現,コスプレ) オカルト(オカルト) 公共空間,学校,職場等でのアクセス制限 図書館,市役所などの公共施設に設置し不特定多数に利用されるパソコンや,小中高 等学校の児童・生徒用パソコン,企業・官公庁の社員・職員用パソコンでは,フィルタリ ングによるアクセス制限を行う場合がある.アクセス制限カテゴリーは各組織において 選定されるため,その運用実態は様々である.なお,各学校やプロバイダーごとにアクセ ス制限対象を選別するのではなく,地方自治体による有害情報選別組織に権限をゆだね ているケースもある. １９ 3.2. 既存システムの問題点 これらのサービスの特徴を以下の表 3.1 にまとめた. 表 3.1 既存サービスの特徴 サービス 利用端末 現在地取得 安全確認 異常時対策 ココセコム 独自端末 GPS 手動 有り 位置ナビ 携帯 GPS 手動 無し キッズパス IC カード IC リーダー 手動 無し フィルタリング 携帯 PC 自動 無し 既存のサービスは,ココセコムを始めとした,GPS や IC リーダーを用いて取得した位 置情報を元にユーザの安全確認を行うサービスと,フィルタリングの様に,インターネ ット上の有害サイトが原因で引き起こされる犯罪被害を未然に防止するサービスの２ つに分ける事が出来る. 位置情報確認サービスにおいては,GPS 端末あるいは,IC カードを保持したユーザの 現在地を確認するために,関係者(両親等)が定期的に専用サイト等を使い確認を行う必 要があり,また,ココセコムでは定期的にボタン操作を行い安全を知らせる必要がある. キッズパスでは,ユーザが意図的に IC カードをリーダーに通さなければならないため ユーザや関係者に対して定期的な操作を必要としサービス利用者に対して負担が大き い.また,これらのサービスの多くはユーザの現在地情報しか確認する事が出来ないた め,実際にユーザが本当に安全な状態なのか,それとも犯罪被害等で危険な状態なのか を判断する事ができない. またフィルタリングにおいても多くの問題が指摘されている.携帯電話におけるフィ ルタリングは,端末ごとにソフトウェアを組み込むことが困難である上,携帯電話市場 が少数の企業により寡占されていることから,民間企業の自主的な判断ともいえども,そ の影響が膨大な利用者全体に及ぶことになる.したがって,携帯電話のフィルタリングに おける公正性,透明性や実効性について,総務省が開催した「インターネット上の違法・ 有害情報への対応に関する検討会」等で,多くの問題点が指摘されている.主な指摘され た問題点は以下である. ２０ 幅広い年齢層と様々な価値観,多彩なニーズと利用形態があるにも関わらず, ホワイトリスト方式,ブラックリスト方式の二種類の選択肢だけしか存在し ない.特に高校生等にとっては過度なアクセス制限になる. 有害でないサイトも含めてフィルタリング対象が広範である. 携帯電話はインターネットへの接続手段として既に青少年の日常生活には 不可欠なものとなっており,利便性が損なわれる恐れがある. 携帯事業者が,どのようなサイトをアクセス可能とするのか決定プロセスが 不透明である. サイトの分類は,営利企業であるフィルタリングリスト提供会社が行ってい るため,分類の基準や運用状況は企業独自のノウハウに属し,公表されない. 利用者は,フィルタリングの可否を個別のサイトごとに選択できないため, コンテンツ事業者による主体的な努力を直接利用者の意思に反映させるこ とができない アクセス制限すべきカテゴリーにあるという理由で,青少年保護に配慮した サイトを全てを一律にフィルタリングの対象とすることは,青年がかえって リスクの高い利用環境を選択することに繋がりかねない. 日本図書館協会から,有害図書に接することが青少年の逸脱行為の原因にな るという因果関係の科学的証明が無いことが指摘されている. したがって紹介した既存サービスを利用しても子どもの防犯・安全を確保する事がで きず,その大きな原因となっているのが, 任意の操作が必要 ユーザの安否の確認方法の欠如 といった,子どもや関係者にボタン操作や Web サイトの確認を定期的に行わなければな らず,日常生活を過ごす上でこれらの操作を定期的に要求するのはユーザに多大な負担 がかかる事が問題であると考えられる. 3.2.1 ユーザの操作が必要なシステム 子どもの防犯・安全を確保出来ない原因の 1 つは,監視対象の子どもの安全を確認す るために何らかの操作が定期的に必要である点である.監視対象の子どもが外出してい る際,既存システムを用いて子どもの動向を確認する時間や手間がある場合においては, 子どもの位置情報や移動履歴を元に進行方向の推測や,危険エリアへの侵入,遠出等の ２１ 危険に気付く事が出来る可能性が高い.しかし,両親が共働きで仕事をしている,または 家事等で手が離せないといったような場面は多々存在し,定期的に子どもの行動を監視 する事は難しい.また,誘拐や暴行といった凶悪犯罪等のトラブルにおいては子どもの 命にもかかわるため,非常にタイムリーな問題である.子どもの危険状態の把握は迅速 に行われなければならず,現状のような確認操作を必要とするシステムでは不十分であ ると言える. また,ココセコムの「しらせてコール」や「みつめてコール」,キッズパス等では,子 どもが利用端末を操作しなければならないため,故意に操作を行わない場合や,不注意 で操作を疎かにした場合,誤認知を引き起こしてしまう可能性が出てくる.安全確保の ためある程度の過剰判定は仕方ないとしても,子どもに定期的な操作を要求するのは非 常に手間であり,出来うるかぎり子どもや両親等のシステム利用者の負担を軽減する必 要があると言える. 3.2.2 ユーザの安否の確認できないシステム もう一つの子どもの防犯・安全を確保できない原因は,既存システムにおいての子ど もの状態を表す情報源がGPS やIC リーダー等から得られる位置情報と,ボタン操作によ る入力に限られるため,実際に子どもが安全なのか危険なのかを判断できない点である. 子どもが何らかのトラブルに巻き込まれて危険な状態におちいった場合,携帯電話や緊 急救援ボタン等により保護者やシステム管理者に連絡を入れられる場合においては問 題ないが,必ずしも危険な状態にある時に連絡をいれられるわけではない.例えば,利用 端末を紛失した場合,子どもの保護者には,紛失した場所は位置情報として確認する事 が出来るかもしれない.しかし,その位置情報が子どもの現在地なのか利用端末を紛失 したまま別の場所にいるのかを判断する事はできない.また,事故や犯罪に巻き込まれ た場合も同様で,位置情報だけでは子どもの安否を判断する事は難しい.ココセコムの 「しらせてコール」を定期的に行えるのであれば,子どもの安否を確認する事が可能だ が,3.2.1 節で述べたように現実的ではない.また,これらのサービスにおいては GPS を 主な情報源として用いているため,建物の中や地下鉄等の場所では位置情報すら得る事 が出来ない可能性もあり,位置情報以外にも,子どもの安否を判断できる情報が必要で ある. ２２ 3.3. 要求事項 子どもが安全に生活できる環境にするためにはまず,できるだけ犯罪や事故が起こり にくい環境をつくることが重要となる.しかし,悪意ある第三者の介入による被害や不 慮の事故は起こりうるため,このような際に速やかに保護者へと通知できる仕組みが必 要となる. 3.2 節で述べた既存サービスの問題点から分かるように,既存の子どもの防犯・安全 システムでは,監視対象者の保護者といった第三者が常に監視対象者の位置情報を監視 するあるいは,監視対象者が定期的に安全を知らせるためにボタン等の操作が必要であ る.しかしながら,常時システム側が監視を行う事が出来れば,監視対象者の定期的な通 知操作あるいは,監視者が常に監視していなくても子どもの防犯や安全の確保につなが ると考える. また,子どもが安全な状態にいるのか,危険な状態にいるのかを判断できる情報も必 要である.子どもの状態がわかれば,子どもの安否の確認のために定期的にシステムを つかい子どもの現状を確認する必要がなくなり,システム側で,子どもの危険状態を自 動で検出でき,子どもの危機的状態にたいして迅速に,救援や告知等の対応を行う事が 可能になると考える. また,既存システムにおいては,ココセコムのように GPS が搭載された独自端末が必 要であり,キッズパスに関しては,利用するために居住区の周辺に IC リーダーを設置す る必要があるため,防犯環境を整える上で非常にコストがかかる.そのため,子どもの防 犯・安全を確保するシステムを利用するために必要な環境は,誰にでも手軽に用意でき るもの,つまり環境構築コストが低いものである必要がある. 以上をまとめると,子どもの危険検知システムを実現するためには,表 3.2 に示す事 項が要求される. 表 3.2 提案システムにおける要求事項 要求事項 利用者の日常生活に影響を与えない 利用者の安否の確認ができる 環境構築コストが現実的である 概要 定期的な操作を必要としない 利用者の状態が確認できる 利用者の危険な行動を検知できる 特殊端末を利用しない IC リーダーや監視カメラ等の設置が必要ない ２３ 第4章 関連研究 本章では,子どもの危険検知システムの実現にあたって 3 章で述べた解決しなければ ならない問題点であるユーザの行動状態の推定(子どもの安否の確認)に関する既存研 究について紹介し,それらの研究の問題点と本研究において解決する点について述べ る. 4.1. 行動推定による状態推定方式 本節では,行動推定から移動状態推定を行う手法について述べる.Kern[1]は,肩,肘, 手首,膝,足首といった身体の複数個所に 3 軸の加速度センサを装着することで,「座る」 「立つ」 「歩く」 「階段を上る・下がる」 「握手」 「黒板への書き込み」 「キーボードタイ ピング」などの動作推定を行っている.Intille[2][3]らは両手首,両足首,腿の 5 箇所に 加速度センサを装着することで 20 種類の動作推定を行っており,個々のユーザに特化 した閾値設定を必要としないことが特徴である.SenSay[4]では,携帯電話に複数のセン サ情報を独自に加えることで,「取込中」 「活動中」 「暇」 「ノーマル」の 4 つの状態に分 類して,着信音量をサイレントモードにするアプリケーション等を実装している.また, 倉沢[13]らは,無線と 2 軸加速度センサが搭載された単一の無線加速度センサを装着す ることで,「座る」 「立つ」 「歩く」 「走る」等の動作推定を行っている.小川[15]らは, 加速度センサと気圧センサを用いて動作推定に加えて,精度は低いもののバスや電車と いった交通機関の推定を行っている.WearNET[7]では,生体センサ,加速度センサ,光セ ンサ,温度センサ等の複数種類のセンサを用いて,位置情報,環境情報,ユーザ状態,ユー ザの移動状態の推定をしている. これらの研究では,様々なセンサデバイスを用いて人間の様々な動作を推定する事に 成功しているが,複数のセンサデバイスを必要とし,センサの装着箇所に指定がある等, 汎用性の面で現実的ではない方式が多く見られる.Iso[9]らは,携帯電話に1 つの3 軸加 速度センサを搭載し,ユーザの所持状態に影響される事なく「歩く」 「走る」 「階段の上 る・下り」等の行動状態の推定を行っている.また,釈迦[14]では,汎用性の面をふまえ 実際の携帯電話に近い実験機を用いて,加速度センサや GPS,マイクを用いる事で,「歩 く」 「走る」 「停止」等の歩行状態に加え「自転車」 「自動車」 「バス」 「電車」等の交通 ２４ 機関の推定を行っている. 4.2. 位置情報を応用した移動状態推定 本節では,位置情報や位置情報の履歴から移動状態推定を行う手法について述べる. 前司[9]らは,GPSを用いて得た移動軌跡から移動速度を計算し,地図と照合することで, 電車やバス,徒歩といった交通機関の推定を行っている.しかし,GPS のみで様々な行動 状態や移動状態の推定を行う場合,建物内の移動や,地下鉄での移動等の衛星からの電 波が届きにくい場所において,利用することが困難であり,著しく精度が低下するとい う問題がある.これに対して,GPS が使えない場合において,加速度センサで補完する手 法[12]が提案されているが,移動方向に対して動き以外の情報がノイズとなるため,セ ンサの装着位置に制限があり,汎用性の面で現実的ではないと考える.また,田中[12]ら は,カーナビゲーションを応用し,目的地予測を行う手法を提案している.この手法で は,GPS から得られる位置情報に加えて,運動状況を加えて目的地の推定を行っている. しかし,車での移動に特化した状況推定を行っており,本研究が目指す汎用的な移動状 態推定への適用は難しい.また,加速度センサや GPS の他にも,ウェアラブルカメラ単体 [16],もしくは加速度センサを組み合わせて[17]位置情報を取得する手法も研究されて いる.これらの手法ではあらかじめデータベースへ登録した画像と撮影した画像を比較 することで,現在位置やむいている方向などを推定することができる.特定の乗り物内 での画像をデータベースに登録しておけば,移動状態推定へ応用も考えられる.しかし, 携帯電話のカメラを常に起動し,撮影し続けることは,消費電力の点や,携帯電話の一般 的な利用方法に照らし合わせても現実的とは言えない. 4.3. 本研究における課題 前節までに紹介したユーザの行動状態推定手法に関する関連研究を表 4.1,表 4.2 に まとめた. 表 4.1 には,ユーザの行動状態推定に用いているセンサと,代表的な行動状態の達成 度を示している.ユーザの行動状態推定において文献[9]以外,加速度センサ単体または, 他のセンサと併用する事で行動状態の推定に成功している.従来の行動状態推定におい ては,加速度センサから取得した値を FFT により,1 つのパワースペクトルを算出し,行 動状態毎の代表パワースペクトルと比較し,もっとも誤差の小さい代表パワースペクト ルが属するコンテキストを推定結果とする方式を用いている.この代表パワースペクト ２５ ルによる最小誤差推定方式においては,表 4.1 を見てわかる様に「歩行」や「走行」と いった比較的振幅の大きい行動状態の推定において高精度に推定する事ができるが,交 通機関等の移動状態においては制度が低くなる.また,一部の行動状態と移動状態の代 表パワースペクトル,例えば自転車と自動車等が類似する時間帯が存在する事による推 定制度の低下等が問題であると考える.反対に GPS 単体を用いている文献[9]を見てみ ると,交通手段の移動状態の推定に成功している事がわかる.これは,加速度センサが振 幅の大きい行動状態(単位時間当たりの移動距離が短いもの)に有用であるおに対 し,GPS では,単位時間当たりの移動距離から速度を計算し交通機関の移動状態を推定で きるためであると考えられる. 表 4.1 関連研究における代表的な行動状態の達成度 研究 センサ 歩行 走行 停止 座席 自転車 自動車 バス 電車 補足 文献[1] 加速度 ○ ○ × ○ × × × × タイピング 文献[13] 加速度 ○ ○ × ○ × × × × 立つ ○ ○ ○ × × ○ ○ ○ 階段 ○ ○ ○ ○ × × × × 位置情報 ○ ○ ○ × × × × × 階段 ○ ○ ○ × ○ ○ ○ ○ ○ × × × × ○ ○ ○ 加速度 文献[15] 気圧計 加速度 文献[5] 生体・光 湿度・位置 文献[7] 加速度 加速度 文献[14] GPS マイク 文献[9] GPS ２６ 表 4.2 関連研究における 3.3 節で述べた要求事項の達成度 研究 利用者の日常生活に影響を与えない 利用者の安否の確認ができる 環境構築コストが現実的である 文献[1] × △ × 文献[13] × △ × 文献[15] × △ × 文献[5] × △ × 文献[7] × △ × 文献[14] ○ △ △ 文献[8] ○ △ ○ また,表 4.2 には,3.3 節にて挙げた要求事項に対する既存研究の達成度を示してい る. 利用者の日常生活に影響を与えない これは,3.3 節で述べたように,防犯・安全を確保するためにあたり,ユーザがボタン 等の操作を必要とせず,自動的に監視・管理出来るシステムであるという事項と,利用端 末等のデバイスの所持状態(手に持っている,ボケットに入れている,鞄にいれている) に影響されずシステムを利用できなければならないという事項も含んでいる.既存研究 においては,センサデバイスの所持状態に制約がある物が多く要求事項を満たしていな い事がわかる. 利用者の安否の確認ができる 既存研究においては,「歩く」 「走る」 「自動車」等の行動状態,移動状態の推定に成功 している.しかし,これらの状態は直接的に利用者の安否に繋がるわけでは無い.そのた め,本研究のシステムにおける利用者の安否の定義付けや,行動状態の選定が必要とな る. 環境構築コストが現実的である 既存研究の多くは,複数のセンサデバイスを用いており,独自デバイスにおける実装 しか行われておらず,汎用性に問題がある. このように環境構築コストは高いものの,独自デバイスや,所持状態を制限すること で実現可能な,ユーザの行動状態を推測する手法は提案されている.しかし,3.3 節で述 べた要求事項全てを満たすものは存在せず,利用環境に制限のない,ユーザの安否を確 ２７ 認できる子どもの防犯・安全確保できるシステムは存在しない.しかし文献[14]におい て,ユーザの所持状態の制約を解消し単一の携帯端末において実現していることから, 加速度センサや GPS が搭載された汎用性の高い携帯に既存研究を適用させる事で要求 事項全てを満たす子どもの危険検知システムを実現できるのではないかと考える.そこ で本研究では,汎用性の高い環境下においてユーザの行動状態や移動状態を常時推定・ 監視し,ユーザの危険な行動を自動的に検知し通知が行える危険検知システムを提案す る. ２８ 第5章 子どもの危険検知システム 3 章から分かるように,高年齢者や子どもの防犯や安全のために GPS や RFID を用いて ユーザの現在地を確認できるシステムや,有害サイトに子どもがアクセスする危険を防 止するシステムなどいくつかのサービスが実用化されている.しかし,これらのシステ ムでは,位置情報の確認およびユーザの任意による救難連絡機能しか搭載されておらず, ユーザに起こりうる様々なトラブルに対して確認を行う手段が設けられていない.その ため,ユーザが意図せず危険エリア(安全マップ等で告知されている,引ったくりや暴行 事件が起こりうる地域)に侵入した場合や,事件・事故に巻き込まれた場合などのユーザ の安全に対してタイムリーな状況においてシステムの管理者やユーザの関係者が,ユー ザの安否を確認できる機構が必要であり,全国どこでも簡単に利用することができ,か つ子どもの安否を確認する事ができるシステムは実現されていない.そこで,既存の位 置情報確認システムに足りない情報を補うことで,ユーザの安否を確認する事ができる 安全・防犯機構を実現する,子どもの危険検知システムを提案する. 5.1. ユーザの異常状態の定義 本節では,ユーザの身に起こりうる危険について考察し,本研究において取り扱う状 態異常の定義を行う. 5.1.1 危険な状態 2 章においては,ユーザの身に起こる危険として主に悪意ある第三者によって引き起 こされる犯罪被害について説明している.しかし,ユーザの身に起こりうる危険は,他の 要因によって引き起こされる場合も存在する.以後ユーザに起こる危険についてまとめ る. 事件 第三者により故意に損傷や損害を与えられること 事故 予期せぬことから人や物などに損傷や損害を与えられること 病気 ２９ 体に不調または不都合が生じること 奇行 意図的にまたは,無意識に危険な状況・状態になるように行動すること 端末異常 携帯電話等のセンサデバイスに異常が生じること 表 5.1 子どもに起こりうる危険例 事件 暴行 障害 強制猥褻 強姦 略奪 誘拐 事故 交通事故 人身事故 転落 溺水 病気 風邪 骨折 意識不明 眩暈 奇行 夜間外出 遠出 危険地域への移動 迷子 端末異常 紛失 操作不能 故障 電波不良 表 5.2 で示すように大きくわけて「事件」 「事故」 「病気」 「奇行」 「端末異常」の 5 つ の要因によりユーザに起こりうる危険を分ける事が出来る.また,本研究では,3.3 節で 述べたように,利用者の安否が確認できるシステムを目指している.そのため,表 5.2 で 挙げた危険を正確に判別できることが望まれる.これらの詳細な危険判別が出来れば, ユーザの危険状態に応じて臨機応変な対応が可能になる.しかし,暴行や障害,強制わい せつ等では,第三者からの打撃や接触,ユーザの体温や心拍といった詳細な情報が必要 であり,これらの情報を取得できるセンサをシステム利用者が負担するには非常にコス トかかる他,各種センサを全身に装着または,常時ユーザに監視人を配備する必要があ り現実的ではない.そのため,本提案システムは,限られた情報のみを用いて取り扱える 異常状態モデルを定義する. 5.1.2 危険状態モデル 本節では,表 5.1 に示す危険状態を提案システムに適応可能なモデルに変換し,提案 システムにおいて取り扱うユーザの危険状態の定義を行う.なお,本研究では子どもの 安全を主軸に置いているため,ユーザの年齢により危険ではない場合も含んでいるもの とする.以下に簡易的な危険状態の定義を 表 5.2 に示す. ３０ 表 5.2 提案システムにおけるユーザの危険状態の定義 取り扱う危険状態 概要 通信障害 故障 電波不良 略奪 迷子 行動力異常 交通機関移動 遠出 誘拐 行動範囲外への移動 遠出 危険地域への移動 不動状態 病気 拘束 紛失 本節では,表5.2で定義した提案システムにおけるユーザの危険状態を判定の妥当性 について考察する. 最初に通信障害について考察を行う.通信障害による危険とは,主に監視対象者であ るユーザと交信が取れない状態を表している.この状態では,直接ユーザに電話等で連 絡を取ることが出来ず,またGPS等での位置情報を確認する事ができない.ユーザが任意 にユーザの関係者(両親等)等に連絡が取れない事から,通信デバイスの故障や操作不能, 電波不良等の端末異常の可能性が考えられる他,悪意ある第三者による携帯電話の略奪, 破壊,誘拐等の事件や,ユーザの所在地が不明になることからの迷子等の奇行の可能性 が考えられる. 次に,行動力異常について考察を行う.行動力異常による危険とは,主に交通機関等を 用いた状態を表している.この状態では,ユーザの歩行や走行等の日常的な行動力以上 の移動が可能になる.そのため,単位時間あたりの移動量が増加し,ユーザが危険状態で ある事が判定できた場合の救援に要する時間の増加が考えられる.主にユーザの遠出や 迷子といった奇行や,誘拐といった事件の可能性が考えられる. 次に,行動範囲外への移動について考察を行う.行動範囲外への移動による危険とは, ユーザの居住区や主な活動拠点外へ移動した状態を表している.この状態では,ユーザ が普段生活する中での活動範囲,たとえば所在地に隣接した市町村への移動といった遠 出,安全マップ等で指定した危険エリアへの侵入といった奇行の可能性が考えられる. 次に,不動状態について考察を行う.不動状態による危険とは,主に持続的にユーザが 何かしらの動作を行わず停止した状態を表している.この状態では,ユーザが身動きが とれない状況に陥っていることがわかり,意識不明等で道端に倒れてしまうといった病 気の可能性や,悪意ある第三者によりユーザの行動の自由を奪う拘束,誘拐といった事 件の可能性,通信デバイス等の紛失といった端末異常の可能性が考えられる. 最後に,表5.2において定義した危険状態では判定が出来ない事例について考察する. ３１ まず,暴行や障害,強制猥褻,強姦の判定は困難であると考える.理由としては,これらの 行為を行使された場合,ユーザの全体的な動きとして検知することは困難であり,顔や 胴体等の各部位ごとに圧力センサ等を装着しておく必要があると考えるからである.ま た,交通事故や転落,溺水といった事故の判定は現状では困難であると考える.理由とし ては,それらのシチュエーションの実験を行うことが困難であるため,どのような設定 を行うことが適切であるのかを判断するのが困難であるためである. このように,表5.2で定義した提案システムにおけるユーザの状態異常を判定する事 ができれば,表5.1に示した危険状態に関して詳細な事例の断定は困難なものの大まか に7割ほどの危険を検知できると考える.また,一部の事件や,事故といった場合の判定 方法については今後の課題になると考える. 5.1.3 危険判定に必要な情報 本節では,表5.2で定義した危険状態の判定に必要となる情報について考察する.まず, 通信障害の判定には,提案システムと利用端末間の通信の可否に関する情報が必要であ る.次に行動力異常の判定には,自転車や自動車といった交通機関の利用情報が必要で ある.次に,行動範囲外への移動の判定には,ユーザの位置情報や,行動範囲や危険エリ ア等の付加情報が必要である.最後に不動状態の判定には,ユーザが身動きが取れない 状態を表す情報としてユーザの運動情報が必要になる. 通信障害や行動範囲外への移動の判定においては,利用端末からの定期的な通信の可 否やGPS等でえられる位置情報を活用することで判定することが出来ると考える.しか し,行動力異常や不動状態等の判定においては,ユーザの運動状態や移動状態といった 情報を取得する必要があり,これらの取得法については後述する. 5.2. コンテキスト 本節では,本研究におけるコンテキストの定義および,コンテキスト推定の定義につ いて明確化し,次に提案システムで用いるコンテキストの選定と考察について述べる. 5.2.1 コンテキストの定義 本研究におけるコンテキストとは,ユーザの異常状態(事件や事故等のユーザに危害 がおよんだ状態)を推定するのに用いられる判断材料の事を指し位置情報に加え「歩行」 ３２ 「走行」 「停止」などのユーザの運動状態並びに「自転車」 「自動車」 「電車」などの交 通機関を用いた移動状態を含むユーザの状態の総称を表すものとする. 5.2.2 コンテキスト推定の定義 本研究におけるコンテキスト推定とは,後節において選定した本研究に用いる各種セ ンサから得られた情報を元にコンテキストを推定する事を表しており,ユーザの異常状 態推定(誘拐や暴行等)とは異なる処理を表すものとする. 5.2.3 コンテキストの選定と考察 本研究で想定する子どもの危険検知システムでは,既存のサービスの様な位置情報確 認に加え,常時子どもの行動や移動手段のコンテキストを推測し監視することで,事故 や事件といったトラブルに巻き込まれた場合,自動的に子どもの異常状態を検知し,シ ステムの管理者または,ユーザの関係者に自動的に異常状態を通知出来る機構でなけれ ばならない.コンテキスト推定には 4 章で紹介した関連研究からもわかるように様々な 監視対象者の行動状態や移動状態をコンテキストとして推定を行っている.そこで本件 急が想定する子どもの危険検知システムにおいて有用であると考えられるコンテキス トを選定する必要がある.以後,表 5.3 に示す代表的なコンテキストについて本研究で の有用性を考察する. 表 5.3 状態ごとの代表的なコンテキストの分類 運動状態 歩行 走行 停止 移動状態 自転車 自動車 電車 位置情報 緯度 経度 本研究が想定する子どもの危険検知システムにおいて,「歩行」や「走行」といった コンテキストは非常に有用であると考えられる.この 2 つのコンテキストからユーザが 動いている.または,移動可能な状態である事が推測する事ができ,少なくとも拘束や事 故といった身動きが取れない状態ではない事がわかる.反対に「停止」といったコンテ キストが分かる事で,ユーザが移動できない状態であるまたは,センサ情報取得デバイ スを所持していない,紛失した等の状態を推測する事ができ有用であると考える.次に 「自転車」や「自動車」といった移動状態のコンテキストについて考察する.車による ３３ 誘拐事件が発生した場合,保護者同伴等の例外は存在するものの自転車による移動であ るか,または自動車の移動であるかを識別できる事は有用であると考える.ユーザが子 どもの場合,自転車での移動は正常状態であると考えられるが,自動車での移動は危険 状態である可能性がある.また「電車」や「バス」においても同様に,交通機関を推定で きることで,子どもが一人で,長距離移動の交通機関を用いた場合,子どもが活動範囲外 へ移動する可能性があり,交通機関の特定により,バス停や停車駅といった情報を元に ユーザの移動先を早急に特定できると考える.また,位置情報においても有用であると 考えられる.ユーザの位置情報の履歴より,ユーザの進行方向の特定や,危険エリアへの 侵入等の異常状態を識別できる. 5.3. センサ情報取得用デバイス 本節では,提案システムを利用するにあたり,使用する利用端末について明確化し,次 にコンテキスト推定に用いるセンサの選定について考察する. 5.3.1 使用デバイスの決定 子どもの危険検知システムでは,ユーザのコンテキストを推定するために GPS や加速 度センサなどの複数のセンサから情報を取得しなければならない.そのためセンサを常 時ユーザが装着している必要がある.また,本システムでは 3.3 節において挙げた要項 を全て満たすシステムを目指しているため,システムの利用者が簡単に入手できるデバ イスである必要があり,同時に日常的に携帯している物が望ましい.そので,これらの要 項を全てみたすデバイスとしてセンサ情報取得用デバイスとして各種センサが搭載さ れた携帯電話を用いる事にした.2.2 節からわかるように携帯電話の所持年齢は年々低 年齢化してきており,一般家庭においても一人一台の時代になってきている.また,携帯 電話等のモバイル機器は,従来の用途である通話機能の他に mail やカメラ,インターネ ットといった機能を搭載する事が標準になってきている.その中でも Apple iPhone は, これらの標準機能の他に,GPS・タッチパネル・加速度計といったセンサを搭載しており, 今後のモバイル機器においては,iPhone の様に 1 台のモバイル機器に多種多様な機能を 搭載したモバイル機器が流通していく時代において,3 章で述べた様な,子どもに GPS が 搭載された独自技術の端末を別途用意しなければならない状態は,ユーザの環境構築コ ストをむやみに増やす結果となると考える.そこで本研究では,各種センサが搭載され た汎用性のあるデバイスとしてセンサ情報取得用デバイスに Apple iPhone を用いる事 ３４ にする. 5.3.2 本研究で用いるセンサ 前節より本研究では,ユーザが携帯電話の使用手順を変更することなく利用可能な方 式を目指すことから,センサは携帯電話上のみに設置されるべきであると考える.また センサの搭載コストを考慮した結果カメラ,無線,GPS,加速度センサが標準で搭載され ている Apple の iPhone を利用することにした.以下に iPhone に搭載されている各セン サについて本方式における利用可否と根拠を示す. GPS iPhone には,GPS の他に Wi-Fi,3G といったレシーバが搭載されており,低負荷な測位 処理が可能となっている.この測位結果には,数 m～100m 程度の誤差が生じるため,歩行 や停止といった移動量の少ないコンテキストの推定には不向きである.しかし,4 章で示 す様に移動量の多い自動車や電車といった移動状態の推定には効果が期待できる.また, ユーザの異常状態の推定においては,ユーザの位置情報を取得できる事で,ユーザの現 在地や危険地域への侵入等の地図上に情報を付加する場合有用であると考える.そこで 本研究では,純粋なユーザの位置情報取得と自動車や電車といった移動状態のコンテキ スト推定において GPS を用いる. 加速度センサ iPhone には標準で3 軸加速度センサが搭載されている.加速度センサは,4 章で紹介し た関連研究からもわかるように,コンテキスト推定において,従来から一般的に用いら れており,振動パターンに特徴があるコンテキストの推定において有用であることが分 かっている.そこで,本研究においても,加速度センサを用いる. 地磁気センサ 地磁気センサと加速センサを組み合わせる事により,端末の姿勢情報を算出すること が可能である.姿勢情報を高精度で算出するには,運動化速度成分を取り除き,重力加速 度成分のみ抽出する必要がある.しかし,自由な運動状態時において取り除く事は困難 であり,本件急において姿勢の推定も有用であると考えるが今後の課題になると考え る. ３５ カメラ iPhone にはデジタルカメラが搭載されており,動画像の撮影が可能である.撮影され た映像を画像処理する事で,ユーザの動きや向きといった情報を検知することが可能だ が,本想定システムいおいては,携帯電話をポケットヤカバン等に入れて所持するケー スも存在するため,カメラの利用は困難であると考える. マイク iPhone には通話や録音用のマイクが搭載されている.音声認識の分野において従来か ら環境雑音の識別を行っている.マイクは,サンプリングレートの高さから,処理負荷も 大きいが電車特有の金属音やバス特有のエンジン音などの識別に用いる事が出来るた め関連研究においてもコンテキスト推定の手段で用いられている.しかし本研究におい ては常時センサ情報取得用アプリケーションが稼動しているため,通話等の一般的な携 帯電話の使用に制限がかかるためマイク使用は今後の課題とする. 上記の理由により,本研究での提案システムでは,コンテキスト推定に GPS と加速度 センサの値を用いて行う. 5.4. システムに対する要件 3.3 節では,システムに対する要求の 1 つに環境構築コストが低いことを述べた.そこ で環境構築コストを低減するために,GPS や加速度センサが搭載された携帯電話 Apple iPhone を使用することで,独自端末を使うことなく,アプリケーションとしてセンサ情 報取得できるシステムを提案する.また,同じように 3.3 節で述べたように日常生活に 影響を与えないシステムにする必要がある.そのためセンサ情報を取得するデバイスと して携帯電話を用いているが,本研究では,ユーザが携帯電話の使用手順を変更するこ となく利用可能な方式にする必要がある.そこで,携帯電話を用いたユーザコンテキス ト推定方法に対する要件を下記に列挙する. (要件 1)携帯端末の所持状態に依存しないこと 携帯電話は,「首にかける」 「手に持つ」 「ポケットに入れる」 「カバンに入れる」等の 様々な所持状態が考えられるため,所持状態に依存しない推定方式である事が望まし い. ３６ (要件 2)ユーザに依存しないこと 提案システムにおいてユーザ毎に年齢や体格等によって特別な閾値を設ける事はユ ーザに負担が増すと考えられ,ユーザに依存した学習や設定を必要としない事が望まし い. (要件 3)状態の遷移を短時間で検知できること 提案システムを考慮すると,ユーザがトラブル状態である事を早く検知する事で,そ の後の救助や対策等をスムーズに進める事ができる.そのため異常状態の検知はタイム リーであり,短時間でコンテキストの遷移を検知できることが望ましい. (要件 4)推定処理負荷が現実的であること iPhone の様な携帯電話の処理性能は限定されているため,携帯電話上で行う処理負荷 が大きくなってはならない. これらの要件をみたした子どもの危険検知システムを提案する. 図 5.1 子どもの危険検知システムの概要図 ３７ 5.5. 提案システム概要 提案するシステムは以下から構成される.なお提案システムの概要図を図 5.1 に示 す. センサ情報取得用デバイス モニタリングサーバ ユーザ情報管理サーバ 行動履歴 DB 提案システムは,ユーザが iPhone を所持した状態において,ユーザの行動を解析し歩 行や走行,自動車や電車といったコンテキストを推定し,その行動履歴やコンテキスト 情報に基づき,ユーザの行動履歴を随時更新し,ユーザの状態を常時監視するシステム である.その結果,ユーザが実際に事件や事故等のトラブルに巻き込まれた場合いおい て自動的に異常状態を検知し,ユーザの危険状態を把握する事ができる. 以下に提案システムがシステム利用者の異常状態を検知するまでの流れを述べる. 1. センサ情報取得用アプリケーションにおいてユーザが所持しているセンサ取得用 デバイスのセンサ値を取得する.(図①②) 2. センサ情報取得用アプリケーションにおいて取得したセンサ値に加えユニーク ID とタイムスタンプを付加した送信データをモニタリングサーバへと受け渡し,モニ タリングサーバでは,受け取った加速度データとタイムスタンプを加速度履歴 DB へ格納する. (図③) 3. モニタリングサーバにおいて加速度履歴 DB から取り出した加速度の時系列データ 履歴をコンテキスト推定機構に受け渡す(図④) 4. モニタリングサーバにおいて加速度履歴 DB から受け渡された加速度の時系列デー タからコンテキスト推定を行い推定したコンテキスト結果を行動履歴 DB へ格納す る.(図⑤⑥) 5. モニタリングサーバにおいて行動履歴 DB から取り出したユーザのコンテキストや 位置情報の時系列データを異常検知システムに受け渡す(図 7) 6. 異常検知システムにおいて,ユーザの行動に安否を判定し,異常を検知した場合,ユ ーザ登録情報から異常検知時における通知さきのメールアドレスに対して異常状 ３８ 態と位置情報を載せてメールを送信する.(図⑧⑨) 提案システムを利用するには,最初にユーザ登録を行う必要がある.ユーザ登録はユ ーザ情報管理サーバによって管理されている.登録を行う場合は,専用の Web サイトに おいて,ユーザ ID と異常状態検知後の通知先を示すメールアドレスとその他の個人情 報を行動履歴 DB に登録する.行動履歴 DB にはユーザの登録情報に加え,位置情報(緯度 経度)とコンテキストの履歴が格納されている.ユーザ情報管理サーバ上に構築された 専用のWeb サイトを用いる事で,行動履歴DB に格納された履歴情報を地図上に表示させ ることができ,視覚的にユーザの行動を確認できるものとする. 提案システムのうち,センサ情報取得用デバイス及びモニタリングサーバ,ユーザ情 報管理サーバについては,次章以下に詳述する. ３９ 第6章 設計と実装 本章では,前章で提案した子どもの危険検知システムの設計と実装について述べる. 6.1. 設計方針 提案システムにおいて実装しなければならない部分は以下である. センサ取得用アプリケーション モニタリングサーバ ユーザ情報管理サーバ センサ情報取得用デバイスでは,iPhone に搭載されている GPS と加速度センサの値を 取得し,モニタリングサーバに受け渡す仕組みとしてセンサ情報取得用アプリケーショ ンを設計し実装を行う. モニタリングサーバでは,センサ情報取得用デバイスから受け渡されたセンサの値か ら,ユーザのコンテキストを推定する仕組みと,コンテキスト推定で得たコンテキスト を行動履歴 DB へ格納する仕組みと,コンテキスト推定より導きだしたコンテキストと 行動履歴 DB から取り出した行動履歴情報からユーザの異常状態を検知する仕組みと異 常状態をユーザや関係者,システム管理者へ通知する仕組みを設計し実装を行う. ユーザ情報管理サーバでは,ユーザの個人情報や,異常検知時に通知を行う宛先のメ ールアドレスとユーザ登録情報を行動履歴DB へと登録する仕組みや,専用Web サイト上 でユーザの行動履歴を閲覧できる仕組みを設計し実装を行う. 6.2. センサ情報取得用アプリケーション センサ情報取得用アプリケーションは,iPhone上に常駐しているアプリケーションで あり,主な役割以下である. GPS の取得すること 加速度の取得すること 取得したセンサの計測結果をモニタリングサーバに受け渡すこと ４０ 図 6.1 センサ取得用アプリケーションのフロー 6.2.1 センサ情報の取得と送信 提案システムでは,センサ情報を取得するデバイスとして携帯電話を用いている.5.4 節で述べたようにユーザの携帯電話の利用手順に影響を与えず,携帯電話の処理負荷が 現実的な設計を行わなければならない.そのため提案システムでは,携帯電話上で,高度 な計算処理を行うことを回避するため,センサ取得用デバイスである携帯電話では,セ ンサ情報の取得しモニタリングサーバへ情報を送信することで携帯電話上での処理コ ストの低下を図っている.図 6.1 にセンサ情報取得用アプリケーションのフローを示し, 表 6.1 に送信データ詳細を示す. ４１ 表 6.1 モニタリングサーバへの送信データ 項目名 内容 型 Id ユニークＩＤ int Timestamp 取得時刻 timestamp spot_user 緯度経度 double GPS の取得アルゴリズム （手順 1）GPS センサから緯度情報[La]と経度情報[Lo](現在地)を取得 (手順 2) 位置情報の一時記憶を緯度情報[La]と経度情報[Lo]に更新 (手順 3) GPS の更新検知が行われるまで待機 (手順 4) 更新検知後,(手順 1)へ GPS の最新情報は一時記憶に保管しており,随時最新の位置情報を更新する事で一時 記憶には最新の位置情報が保たれている.送信データを作成する場合には,GPS の取得操 作を新たに行うのではなく,一時記憶の位置情報を用いる. 加速度の取得アルゴリズム (手順 1) 加速度センサから加速度(x 軸,y 軸,z 軸)を取得 (手順 2) 取得した加速度の 2 乗和(x2 + y2 +z2 )を計算 (手順 3) 加速度の 2 乗和を加速度データ格納へ追加 (手順 4) 加速度カウンター[i]を 1 増加 (手順 5) 加速度カウンター[i]が格納上限[X]未満の場合(手順 1)へ (手順 6) 加速度カウンター[i]が格納上限[X]の場合(手順 7)へ (手順 7) 加速度の取得を一時停止 (手順 8) 加速度データ格納内のデータを全て送信後(手順 1)へ 加速度データは,コンテキスト推定を行うために連続した加速度の情報が必要になる. 加速度データを取得するたびにデータをモニタリングサーバへ送信した場合,センサ取 得用デバイスの処理負荷が増え,また通信遅延や送信キューがオーバーフローする可能 性があるため,一時的に加速度データ格納にて一定期間の加速度を保持し,送信時には 加速度データの取得を一時停止するようにした.また,データ量の削減のため,3 軸加速 度データを送るのではなく 2 乗和したものをモニタリングサーバへ送信する. ４２ 送信データの作成と送信アルゴリズム (手順 1) 加速度データの格納数が[X]になるまで待機 (手順 2) GPS の一時記憶から緯度[La]と経度[Lo]を取得 (手順 3) 加速度データ格納からカウンター[i]番目のデータを取得 (手順 4) タイムスタンプの取得 (手順 5) ユーザ ID(Mac アドレス)の取得 (手順 6) 手順 2～5 のデータをモニタリングサーバへ送信 (手順 7) カウンター[i]を 1 減少 (手順 8) カウンター[i]が 1 以上の場合(手順 2)へ (手順 9) カウンター[i]が 0 の場合(手順 1)へ 加速度データの取得アルゴリズムのところで述べたように,送信データは加速度デー タ格納上限ずつ送信を行う. 6.2.2 アプリケーションの異常・停止 センサ情報取得用アプリケーションは,ユーザの安全性を逐次監視・管理しなければ ならないため,ユーザが任意でアプリケーションを停止させる事ができないように設計 している.しかし,iphone 上で動作しているため,電池切れや,アプリケーションのフリー ズ,iphone 自体の故障等で動作を停止してしまう可能性がある.この場合,当然のことな がら,最低で,定期的に送られるはずのユーザの状態情報を送る事ができなくなる.しか し,提案システムでは一定期間情報の送信が行われなかった場合,モニタリングサーバ側 でユーザの状態異常を検知し,それを管理者やユーザの関係者に通知するように設計す る必要がある. 6.3. モニタリングサーバ モニタリングサーバでは,センサ情報取得用アプリケーションから送られてきた情報 の保管およびユーザの異常状態の判定と通知を行う.主な役割は以下である. ユーザのコンテキスト推定 ユーザの異常状態推定と通知 6.3.1 ユーザのコンテキスト推定 本節では,3 節で述べた子どもの安否を確認できるシステムにするため,ユーザに所持 ４３ させたセンサデバイスからの情報を元にユーザの行動状態を推定する仕組みを設計す る.提案システムでは 5.1.3 節で決定した行動状態(歩行,走行,停止)と移動状態(自転 車,自動車,バス,電車)の 7 種類のコンテキストの推定を行う.コンテキスト推定方式と しては,携帯電話に搭載されている 1 つの加速度センサを用いた最小誤差推定方式と GPS を用いた出現頻度判定方式を用いる.また,5.4 節で述べた要件のとおり,センサの 所持状態に依存せず,ユーザに依存せず,手動操作を必要としない自動推定方式である. また,１回の推定処理負荷を低減させ,状態変化を短時間で検知するため,比較的短時間 のセンサデータを用いた推定処理を定期的に行う. パワースペクトルの最小誤差推定方式 本方式は,加速度値から算出されるパワースペクトルを用い,センサデバイスと身体 が衝突した際に起こる突発的な加速度の変化による推定精度の劣化を防ぐために,1 つ のパワースペクトルで最小誤差推定を行うのではなく,過去の一定時間の推定ログを用 いて多数決処理する.具体的な推定アルゴリズムを以下に示す. (手順１) 計測された 3 軸加速度(x 軸,y 軸,z 軸)から 2 乗和(x2 + y2 +z2 )を算出する. (手順 2) 2 乗和の時系列データを単位時間ごとに分割し、FFT を行うことにより、推 定用パワースペクトルを算出する. (手順 3) 前期パワースペクトルと,あらかじめ移動状態ごとに選出した代表パワース ペクトル群Pf とを,以下の誤差算出式を用いて比較し,最小誤差のPf が属す る移動状態を出力する. Ep:1-10Hz の周波数における測定されたパワースペクトルと代表パワースペ クトルとの誤差 ｆ:周波数[Hz] Pf:代表パワースペクトル pf:推定用のパワースペクトル 移動状態によって振幅値に大きな差異が生じる周波数が 1-10Hz であることから,本 方式では,1-10Hz を着目周波数帯とする. ４４ 図 6.2 推定コンテキストの判定フロー (手順 4) 手順 3 による推定ログを過去一定時間分取得し、その多数決を行い、最高頻 度のコンテキストを推定結果とする。例えば図 6.3 のように、直近の推定結 果が「自転車」であっても、過去一定時間分の推定ログによる多数決結果が 「歩行」であった場合は、推定結果を「歩行」とする. 図 6.3 多数決推定フロー ４５ 代表パワースペクトル 代表パワースペクトルの算出については,コンテキストごとに,そのコンテキストに おいて測定されたパワースペクトル群の各周波数の平均振幅値で構成された平均パワ ースペクトルを代表パワースペクトルとして用いた.また,5.4 節において挙げた要件 1 を満たすために表 6.2 に示した所持状態において代表パワースペクトルの算出を行う ことにした. 表 6.2 代表パワースペクトルの測定 移動状態 所持状態 状況 歩行 手に所持・端末操作・胸ポケット・ズボンのポケット 屋外を歩行 走行 手に所持・端末操作・胸ポケット・ズボンのポケット 屋外を走行 停止 手に所持・端末操作・胸ポケット・ズボンのポケット 立ち止まっている状態 自動車 手に所持・端末操作・胸ポケット・ズボンのポケット 市街地を普通自動車にて走行 電車 手に所持・端末操作・胸ポケット・ズボンのポケット 座っている状態・立っている状態 GPS を用いた出現頻度判定方式 本方式は,GPS 測位履歴から算出した自足を用いて,電車の特徴的な加減速を検知する. バスと電車では時速分布が大きく異なることから,高精度な推定が期待できる.GPS 測位 の測位履歴から各 2 点の測位結果を用いて平均時速の算出を行う.そして,各平均時速 に対して 10km/h の単位で量子化を行い各時速の出現頻度を用いて判定を行う. コンテキスト推定時におけるモニタリングサーバの挙動 モニタリングサーバにおいてセンサ情報取得用デバイスから送信されてきた情報か らコンテキスト推定を行い,結果を出力するまでの手順を下記に示す.また、コンテキス ト推定のフローを図 6.4 に示す。 ４６ 図 6.4 コンテキスト推定フロー 1. モニタリングサーバにおいてセンサ情報取得用デバイスから送られてきたデータを コンテキスト推定機構に受け渡す. 2. センサ情報取得用デバイスから送られてきた 2sec 間の加速度データ群並びに位置 情報群を用いて推定用パワースペクトルを算出する. 3. 算出した推定用パワースペクトルと代表パワースペクトル群を比較して推定コンテ キストを算出する. 4. 推定コンテキストを加速度履歴 DB へ格納する 5. 加速度履歴 DB から一定期間のコンテキスト推定履歴を取り出す 6. 取り出したコンテキスト推定履歴と推定コンテキストとで多数決をおこないコンテ キストを決定する. 7. 決定したコンテキストを異常状態検知機構へ受け渡す ４７ 6.3.2 ユーザの危険行動推定 センサ情報取得用アプリケーションから得られたセンサ情報と行動履歴のデータを 用いて,5 章で定義した提案システムが検知する危険状態をさらに明確化・分類し,実際 に子どもがどのような危険やトラブルに巻き込まれそうか,または,巻き込まれている かを検知する機構について設計する.そこで,本節では以下の設計を行う. 危険度レベル 危険状態判定アルゴリズム ユーザの所在地が不明な場合の対策 危険度レベル 危険度レベルとは,次節で明確化する各状態異常のパターンにおいての子どもの状態 の危険性の指標となる物であり表のようにレベル１からレベル4 の4 段階に分類するも のとする.危険度レベルはレベルが上がるにつれ,子どもの現状を確認することが困難 になるように設定されている.以下各レベルの危険度の概要を示す. レベル 1 直接ユーザに電話等で連絡を取る事が可能であり,ユーザの状態を確認する 事ができる.状況に応じて対応を変化させる事が可能 レベル 2 直接ユーザに電話等で連絡を取る事が出来るが,ユーザが意図的に危険をお かしている可能性があるため,着信拒否や無視等で現状を確認できない可能 性がある.最悪,現場に赴く必要性がある. レベル 3 何らかのトラブルが原因で,電話等で連絡をとる事ができない可能性が高く, 直接現場に訪れないとユーザの現状を確認できない.各機関（警察・病院） 等に救援が必要である可能性が高い. レベル 4 電話等での連絡が確実に取れない状態.各機関(警察・病院)等に救援が必要 である可能性が非常に高い. ４８ 危険状態判定アルゴリズム 本節では,5 章で定義した下記の危険状態を判定するアルゴリズムについて述べる。 1. 通信障害 2. 行動力異常 3. 活動範囲外への移動 (ア) 夜間の外出 (イ) 危険エリアへの侵入 (ウ) 活動地域外への移動 4. 不動状態 以下,それぞれについて検知される場面と,検知するアルゴリズムについて述べる.各状 態異常を検知するのに用いるデータは表の通りである. 通信障害 これは,センサ情報取得用アプリケーションがセンサ情報を取得する間隔Ｘ(sec)＋ 通信時間 Y(sec)＋補正 Z(sec)以上の時間,ユーザからセンサ情報が送られてこなかっ た場合に検知する状態異常である.例えば,悪意ある第三者によって携帯電話を破壊さ れた,あるいは携帯電話の電源を OFF にされた場合等が考えられ,誘拐等の事件に繋が る可能性もあり連絡が取れないため非常に危険な状態であると考える.検知するアルゴ リズムは以下である. (手順 1)最後に情報を受信した時刻から任意に決めたセンサ情報取得用アプリケ ーションの間隔時間Ｘ＋通信時間Ｙ＋補正Ｚ時間経過 (手順 2)状態異常として検知する(手順１)へ 行動力異常 これは,コンテキスト推定機構において自動車または電車といった交通機関のコンテ キストが判定された場合に検知される状態異常である.例えば,車や電車等に乗って移 動している推測でき,誘拐や,遠出等の可能性があるため危険であるといえる.検知する アルゴリズムは以下である. ４９ (手順1)コンテキスト推定機構によって自動車または電車のコンテキストが判定される (手順 2)状態異常として検知する(手順１) 夜間の外出 これは,指定された時間内において特定の主要地点外に移動した場合に検知される状 態異常である.小学生や中学生,高校生,大学生と,年齢によって門限が異なる場合があ る.それは,夜間遅くまで塾等にかよっている場合等が理由である.本研究では,低学年 の子どもを対象としているため特定の時間帯,例えば 19 時～翌朝 07 時においての外出 を不審人物との遭遇やトラブルに巻き込まれる危険があるとして状態異常であるとし ている.検知するアルゴリズムは以下である. (前提条件)任意に夜間の時間の定義を行う開始時間Ｘから終了時間Ｙ等 X=19,Y=07 とした場合 PM19 時から AM07 時となる. (手順 1)受信した情報から取得時刻 Z と緯度経度 Q,W を取得する. (手順 2)X ＜＝ Z ＜＝Y の条件を満たす場合(手順 3)へ,満たさない場合(終了) (手順 3)Q ! = 自宅緯度 V || W != 自宅経度Ｍならば異常として検知する(手順 1)へ 危険エリアへの侵入 これは,事前に安全マップ等で指定された危険エリアの位置情報を保持しておくこと で危険エリアの位置情報の半径Ｘ(m)の範囲外へ移動した場合に検知される状態異常で ある.検知するアルゴリズムは以下である. (前提条件)危険エリアの座標を Q,W・任意に決めた活動範囲の半径を Z とする. (手順 1)受信した情報から緯度経度 X,Y を取得 (手順2)√(Q － X)^2 + (W － Y)^2 ＜= Z を満たす場合(手順１)へ,満たさない 場合(手順 3) へ (手順 3)状態異常として検知する(手順 1)へ ５０ 活動地域外への移動 これは,個人情報登録の時にユーザが登録した主要地点(自宅・学校・公園)から任意 に決めた活動範囲の半径Ｘ(m)の範囲外へ移動した場合に検知される状態異常である. 隣町や知らない場所へ移動してしまい迷子や危険な場所に入り込んでしまう場合があ るとして,状態異常であるとしている.検知するアルゴリズムは以下である. (前提条件)主要地点の座標を Q,W・任意に決めた活動範囲の半径を Z とする. (手順 1)受信した情報から緯度経度 X,Y を取得 (手順2)√(Q － X)^2 + (W － Y)^2 ＜= Z を満たす場合(手順１)へ,満たさない 場合(手順 3) へ (手順 3)状態異常として検知する(手順 1)へ 不動状態 これは,任意に決めた定位置静止時間X の間,コンテキスト推定結果が停止を示してい る場合に検知される危険状態である.病気等で道端に倒れた状態や、悪意ある第三者に よる拘束等でユーザが任意に身動きがとれない状態を危険状態とする。検知するアルゴ リズムは以下である. (手順１)推定コンテキストが停止を示している場合(手順 2 へ) (手順 2)行動履歴データベースから任意に設定した期間のコンテキストを X 個取得 (手順 3)X 個のコンテキストが全て停止の場合危険状態として検知する(手順 1 へ) 表 6.3 危険度に対応する状態異常 危険度 状態異常 レベル１ 活動地域外への移動 レベル 2 夜間の外出 レベル 3 危険エリアへの侵入 レベル 4 通信障害 ５１ 不動状態 危険状態検出時の通知 状態異常が検知された場合,ユーザが登録した緊急連絡先であるユーザの親族等の関 係者と提案システムの管理者,ユーザ自身に状態異常が発生したことをメールにて通知 を行う.これにより,ユーザが,自身の行動が危険な状態になっている事に気づくことが でき,関係者や管理者にも状況が伝わる.本節では,状態異常時におけるメールの内容構 成について設計する. Subject 「子どもの危険検知システムからのお知らせ」 内容 ＜時刻＞＋に,＜ユーザ名＞様に対して＜状態異常の種類＞の緊急通知が 発生しました. 6.4. ユーザ情報管理サーバ ユーザ情報管理サーバの役割は,行動履歴 DB へのユーザ登録およびユーザの行動履 歴の表示である. 6.4.1 ユーザ情報の登録 ユーザ登録情報として必要な項目は以下である.(表 6.4) ユーザ ID ユーザを識別するために用いる値,提案システムでは iPhone の Mac アドレスを 用いる. 連絡先 ユーザの異常状態を検知した際に,通知先のメールアドレス 自宅位置 異常状態の検知のためユーザの自宅の GPS 値を登録する必要がある. その他テキスト情報 氏名や住所,年齢などのテキスト情報 ５２ 表 6.4 ユーザ登録情報 項目 型 補足 ユーザ ID Id 識別 ID 通知先 1 String ユーザ 通知先 2 String 緊急時 自宅位置 Double 緯度・軽度 プロフィール String 氏名・住所・年齢・etc 6.4.2 表示システム 提案システムでは,ユーザの行動履歴を視覚化するにあたり簡易的にアノテーション などの負荷情報を利用してユーザの現在地や移動履歴,コンテキストを表示できるよう にした.提案システムでは,主軸をユーザの危険検知に置いているが,今後の提案システ ムでのサービスを考える上で,操作性やデザインパターンを考慮する必要がある,その ため今回の実装においては,システムの利用者の窓口となる表示部に以下の機能を実装 した. マーカーの表示 マーカーの表示機能は従来の位置情報確認サービスにおいても活用されてい るユーザの現在地の目印機能である.提案システムにおいては,ユーザの位置 情報が更新されるたびに地図上にマーカーを追加している.マーカーをクリッ クする事で時刻,緯度,経度,コンテキスト情報を表示できる. 行動履歴の表示 行動履歴の表示機能として,指定した過去の行動履歴を地図上に表示させるよ うにする.例えば,過去10 件の行動履歴の表示を行う場合,地図上には最新の位 置情報から10 個過去の位置情報を表示する.新しく位置情報が更新された場合, 一番古い位置情報のマーカーが消え,新しい位置のマーカーが追加される.ま た,ユーザの進行方向を視覚的に判断しやすくするために,更新の位置情報の マーカーの明度を 10 とした場合,古くなるにつれてマーカーの明度を 1 ずつ減 らし,ユーザの進行方向を視覚的に分かりやすくしている. 移動手段の付加 行動履歴の 2 点間においての移動手段を明確化するために,各マーカー間にラ ５３ インの表示機能を付加する.また四角的に移動手段を明確化するために,移動 手段毎にラインの色を設定し,2 点間の移動手段を明確化した. 6.5. 実装方針 実装した機能は,センサ情報取得用デバイスにおいて,センサ情報を取得するアプリ ケーションと,モニタリングサーバにおいて,取得したセンサデータからコンテキスト 推定を行い,ユーザの異常状態を検知する機能と,ユーザ情報管理サーバにおいて,ユー ザ登録機能と,システムの表示系の機能である. 開発環境は表 6.5,6.6 に示す. 表 6.5 センサ取得用アプリケーションの開発環境 機種 iPhone3GS (32GB) OS iPhone OS 3.0 CPU 600MHz Main Memorry 256MB 表 6.6 モニタリングサーバの開発環境 6.5.1 CPU AMD Opteron 252 2.6GHz Main Memorry 2GB OS Ubuntu 10.04 Web サーバアプリケーション Apache 2.2.9 実装言語 PHP 5.2.6 データベース MySQL 5.1 センサ取得系アプリケーション構成 センサ取得系ソフトウェアとしてApple が提供するiPhone SDK3.13 を用い た.iPhoneの開発にはObjective-C が使われており,iPhone 上のセンサ情報を 取得する際にはiPhone SDK が提供するFramwork とAPI を用いて取得を行う.こ れにより取得したデータを無線通信用でモニタリングサーバ上に送信する. ５４ 6.5.2 表示系アプリケーション構成 表示ソフトウェアとしてプラットフォーム非依存,情報のマッシュアップが 可能,GoogleMaps が利用可能であるといった点からWeb ブラウザを使用した. 表示系であるWeb ブラウザは,ユーザの行動解析の結果にアクセスする必要が あるため,モニタリングサーバ上にユーザの行動解析結果を逐次アップロード し,Web ブラウザからの結果を定期的に確認するようにしている.ユーザの行動 履歴をWeb ブラウザに表示する方法としてGoogle Maps API を用いて,アノテー ションを付加するようにしている. 6.5.3 子どもの危険検知システムの実装 センサデータ取得システム iPhone 等の性能に制限があるデバイスにおいて少しでも処理負荷の削減を 行うためにコンテキスト推定処理に関してはモニタリングサーバ上のコンテキ スト解析プログラムに移譲している.そのためiPhone 上で本システムは,GPS, 加速度センサ等のセンサ情報の取得と,取得したデータをモニタリングサーバ に送信する機能のみを実装している.iPhone 上でのあらゆるセンサ情報の取得 は専用のAPI でのみ取得が出来るため,取得するデータの種類や取得方法の詳 細な設定等を行うことが出来ない.そのため,緯度経度の情報を取得する場合, 本来はあらゆる実験,検証を想定した場合GPS 単体での緯度経度取得を行う方 法が最良であると考えるが現状のiPhone では位置情報の取得する際,GPS と Wi-Fi,3G の全てを用いて最良の緯度経度を取得してしまう.この問題について は今後改善の必要があると考える.本システムにおいて取得するセンサデータ は5 章で述べた様に,コンテキスト推定を行うために,GPS(緯度経度)と加速度 センサのセンサ情報の取得を行う.緯度経度の取得には,iPhone SDK が用意して あるCore Location Framwork に含まれるCLLocationManager クラスを用いて実 装を行う. 手順①：CLLocationManager のインスタンスの作成と初期化 手順②：startUpdatingLocation メソッドにより緯度経度の取得開始 手順③ ：GPS の緯度経度の取得が成功した場合CLLocationManagerDelegate の ５５ locationManager:didUpdateToLocation:fromLocation が呼び出され 緯度経度の更新が行われる. 緯度経度の取得が失敗した場合には CLLocationManagerDelegate のlocationManager:didFailWithError: が呼び出される. 手順④：stopUpdatingLocation メソッドを呼び出すことで,GPS からの緯度経 度の取得停止を行う.CLLocationManager では,stopUpdatingLocation メソッドが呼び出されるまで,緯度経度情報の更新を自動で続けるが, 本システムでは,定期的に緯度経度情報を取得したいため,緯度経度情 報を取得する度に一度stopUpdationLocation メソッドを使い停止さ せている.また,iPhone では緯度経度の他に高度も取得する事が出来 るが,今回は使用しないため取得しない事とする. 加速度センサの取得には,UIAccelerometer クラスを用いて実装を行 う. 手順①：sharedAccelerometer によりUIAccelerometer のいんすたんの作成と 初期化 手順②：updateInterval により更新間隔の設定を行う. 手順③：accelerometer: (UIAccelerometer*)accelerometer didAccelerate:(UIAcceleration*)Acceleration により3 軸加速度の 通知を受け取る. 上記の手順で常時取得したセンサ情報をモニタリングサーバに送信するのに はNSURL クラスを用いてHTTP 通信でGET として送信するようにしている. 危険検知システム 危険検知システムでは,モニタリングサーバ上に構築されており,コンテキス ト推定プログラムと危険検知判定プログラムの２つから構成されている.プロ グラムはPHPにて記述されており,コンテキスト推定プログラムでは,iPhone か ら受信した各種センサデータと,行動履歴データベースから取得した過去の行 動履歴データを用いて,3 章で述べたパワースペクトルの最小誤差推定方式に よりコンテキスト推定し「歩行」「走行」「停止」「自転車」「自動車」「バ ス」「電車」の分類を行う.ここで推定されたデータは,危険検知プログラムに ５６ 渡される.次に,危険検知プログラムは,コンテキスト推定 プログラムから得たコンテキスト情報と位置情報,位置コンテンツデータベー スから得た危険エリア等の付加情報を元に,4.2 節で述べた危険状態①～⑤ま での危険検知条件とマッチング処理し危険検知を行う. 表示システム 本システムでは,ユーザの行動履歴を視覚化するにあたり簡易的にアノテー ション等の付加情報をAPI で操作できるGoogle が提供するGoogleMaps を利用 する事にした.本提案システムでは,主軸をユーザの危険検知に置いているが, 今後提案システムでのサービスを考える上で,操作性やデザインパターンを考 慮する必要がある.そのため,今回のプロトタイプ実装においては,システムの 利用者の窓口となる表示部に以下の機能を実装した. 6.6. 利用の流れ 図に子どもの危険検知プリケーション利用者が提案システムを利用する際の流れを 示す.詳細は以下である. 1. 個人情報の登録 提案システムを用いる場合には,事前にモニタリングサーバ上の個人情報 登録ページから 4 章で設計した必要情報を登録する必要がある.また,主要拠 点については複数個登録する事ができるが,1 つ目の欄には自宅の位置情報を 登録しなければならない,これは,夜間の外出を検知するために自宅の位置情 報を用いるからである. 2. センサ情報取得用アプリケーションの起動 登録が終わったらセンサ情報取得用アプリケーションをインスールして, アイコンから起動する.提案システムは常時起動情報にしておかなければい けないが,iphone の制約上バックグラウンド処理ができないため,アプリケー ション起動時は他の操作をしてはいけない. 3. 自由探索 センサ取得用アプリケーションが起動後は,iphone を垂直または,水平方向 ５７ にしてポケット等にいれてください.これはデバイスの向きの取得時に斜め 等に傾けてポケットにいれば場合正確な向きが検出できない可能性があるか らである. 4. 状態異常通知 ユーザの行動が危険・状態異常であると状態異常検知システムが判断した 場合,管理者と緊急連絡先,ユーザの元に状態異常を知らせるメールが届く. ５８ 第7章 コンテキスト推定機構の評価と考察 本章では,提案する危険検知システムにおいて,コンテキスト推定機構のの有用性に ついて評価し考察を与える.まず,事前実験として,コンテキスト推定の判定基準となる 代表パワースペクトルの決定と,自動車と電車の平均時速分布の決定について記述し, 次にコンテキスト推定の性能評価について考察し、今後の課題および方針を述べる. 7.1. 事前実験 本節では,提案したコンテキスト推定機構の予備実験として,最小誤差推定法にて用 いる代表パワースペクトルの測定と,速度出現頻度判定法における自動車と電車の平均 時速分布の測定について述べる. 7.1.1 事前実験環境 事前実験として,コンテキスト推定の判定基準となる加速度センサによる代表パワー スペクトルの選定と GPS による自動車と電車の平均時速分布の選定を行った.測定時の 実験環境は表 7.1 に示す通りである.また,今回の実験計測においては,異なる移動状態 への遷移途中のデータの計測は行っていない. 7.1.2 代表パワースペクトルの決定 本提案システムにおけるコンテキスト推定機構では,加速度センサ値から FFT によ り,1 つのパワースペクトルを算出し,あらかじめ移動状態ごとに用意した代表パワース ペクトルと比較し,最も誤差の小さいパワースペクトルが属するコンテキストを推定結 果とする方式を用いている.そのため事前に移動状態ごとの代表パワースペクトルを選 定する必要がある.本節では,FFT 時間窓長 1sec(128 カラム),2sec(256 カラ ム),4sec(512 カラム)においての代表パワースペクトルを所持状態ごとに 12 個,ひとつ の移動状態につき 48 個,FFT 時間窓長ごとに合計 288 個の代表パワースペクトルを用意 した.なお FFT 時間窓長 1sec の代表パワースペクトルを図 7.1,図 7.2,図 7.3,図 7.4 に,FFT 時間窓長 2sec の代表パワースペクトルを図 7.5,図 7.6,図 7.7,図 7.8 に,FFT 時 間窓長 4sec の代表パワースペクトルを図 7.9,図 7,10,図 7,11,図 7.12 に示す. ５９ 表 7.1 事前実験環境 代表パワースペクトル 被験者 学生 5 名 加速度更新間隔 1/128[sec] 計測時間 30[sec] 1 回の計測データ 3840[個] コンテキスト 端末所持状態 場所 自転車,自動車,電車 手に所持,端末操作 胸ポケット,ズボンのポケット 大学敷地内 被験者 平均速度分布 歩行,走行,停止 学生 1 名 GPS 更新間隔 10[m] 計測距離 10[km] コンテキスト 端末所持状態 自動車 電車 操作 胸ポケット 近鉄けいはんな線 場所 近鉄奈良線 学園前駅～学研奈良登美ヶ丘間 ６０ 歩行の代表パワースペクトル(1sec) 35 30 振幅 25 手 操作 胸ポケット ズボン 20 15 10 5 0H z 1H z 2H z 3H z 4H z 5H z 6H z 7H z 8H z 9H z 10 Hz 0 周波数[Hz] 図 7.1 歩行の代表パワースペクトル(1sec) 走行の代表パワースペクトル(1sec) 100 手 操作 胸ポケット ズボン 60 40 20 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 0 0Hz 振幅 80 周波数[Hz] 図 7.2 走行の代表パワースペクトル(2sec) ６１ 停止の代表パワースペクトル(1sec) 1 振幅 0.8 手 操作 胸ポケット ズボン 0.6 0.4 0.2 8H z 9H z 10 Hz 6H z 7H z 4H z 5H z 2H z 3H z 0H z 1H z 0 周波数[Hz] 図 7.3 停止の代表パワースペクトル(1sec) 10 8 6 4 2 0 10 Hz 8H z 6H z 4H z 手 操作 胸ポケット ズボン 2H z 0H z 振幅 自転車の代表パワースペクトル(1sec) 周波数[Hz] 図 7.4 自転車の代表パワースペクトル(1sec) ６２ 40 30 20 10 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 歩行の代表パワースペクトル(2sec) 周波数[Hz] 図 7.5 歩行の代表パワースペクトル(2sec) 200 150 100 50 0 10Hz 9Hz 8Hz 7Hz 5Hz 6Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 走行の代表パワースペクトル(2sec) 周波数[Hz] 図 7.6 走行の代表パワースペクトル(2sec) ６３ 1 0.8 0.6 0.4 0.2 0 8H z 10 H z 6H z 4H z 手 操作 胸ポケット ズボン 2H z 0H z 振幅 停止の代表パワースペクトル(2sec) 周波数[Hz] 図 7.7 停止の代表パワースペクトル(2sec) 10 8 6 4 2 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 自転車の代表パワースペクトル(2sec) 周波数[Hz] 図 7.8 自転車の代表パワースペクトル(2sec) ６４ 80 60 40 20 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 歩行の代表パワースペクトル(4sec) 周波数[Hz] 図 7.9 歩行の代表パワースペクトル(4sec) 250 200 150 100 50 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 走行の代表パワースペクトル(4sec) 周波数[Hz] 図 7.10 走行の代表パワースペクトル(4sec) ６５ 1 0.8 0.6 0.4 0.2 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 停止の代表パワースペクトル(4sec) 周波数[Hz] 図 7.11 停止の代表パワースペクトル(4sec) 10 8 6 4 2 0 10Hz 9Hz 8Hz 7Hz 6Hz 5Hz 4Hz 3Hz 2Hz 1Hz 手 操作 胸ポケット ズボン 0Hz 振幅 自転車の代表パワースペクトル(4sec) 周波数[Hz] 図 7.12 自転車の代表パワースペクトル(4sec) ６６ 事前実験において代表パワースペクトルを選出した結果,全ての移動状態において 1-10Hz の周波数帯において特徴的な振幅の増減が見受けられた.また 10Hz 以上の周波 数帯では,0-5 程度の振幅しか現れていないことから,1-10Hz の周波数帯においてパワ ースペクトルの比較を行うことにする. 7.1.3 自動車と電車の平均時速分布の決定 本提案システムにおけるコンテキスト推定機構では,加速度センサの値を用いた最小 誤差推定法では判定することが困難な交通機関のコンテキスト推定法として速度出現 頻度判定法を用いている.そのため事前に交通機関ごとの基準となる平均時速分布を選 定する必要がある.本節では,電車の平均時速分布の測定として学研奈良登美ヶ丘駅か ら近鉄日本橋かんの往復距離として約50km の平均時速[km/h]を測定し10km/h ごとの平 均時速分布の計測を行った.また自動車においては学研奈良登美ヶ丘駅周辺において合 計 40km の平均時速[km/h]を測定し 10km/h ごとの平均時速分布の計測を行った.これら の平均時速分布結果を図 7.13 に示す. 60 50 40 30 20 10 0 1 10 0 ~2 20 0 ~3 30 0 ~4 40 0 ~5 50 0 ~6 60 0 ~7 70 0 ~8 80 0 ~ 90 90 ~ 10 100 0~ 11 0 自動車 電車 0~ 頻度[%] 自動車と電車の平均時速分布 時速[Km/h] 図 7.13 自動車と電車の平均時速分布 ６７ 表 7.2 実験データ構成 移動状態 所持状態 推定パワースペクトル数 代表パワースペクトル数 所持状態ごとに 所持状態ごとに ⇒150 個 ⇒30 個 コンテキスト状態ごとに コンテキスト状態ごとに ⇒600 個 ⇒120 個 計 3600 個 計 720 個 FFT 時間窓長別に FFT 時間窓長別に ⇒1sec ⇒1sec ⇒2sec ⇒2sec ⇒4sec ⇒4sec のデータを用意 のデータを用意 手に所持 歩行 端末操作 胸ポケット ズボンのポケット 手に所持 走行 端末操作 胸ポケット ズボンのポケット 手に所持 停止 端末操作 胸ポケット ズボンのポケット 手に所持 自転車 端末操作 胸ポケット ズボンのポケット 手に所持 自動車 端末操作 胸ポケット ズボンのポケット 手に所持 電車 端末操作 胸ポケット ズボンのポケット ６８ 7.2. コンテキスト推定機構の性能評価 7.2.1 実験データ 本実験は,被験者 7 名(学生 5 名,子ども 2 名),ユーザのコンテキスト状 態 6 状態(歩行,走行,停止,自転車,自動車,電車)として,端末の所持状態 は,手に所持,端末操作,胸ポケット,ズボンのポケットの 4 種類として実 施した.ただし,本実験データには,異なる移動状態への遷移途中のデータ は含んでいない.データの構成を表 7.14 に示す. 7.2.2 最小誤差推定方式の精度 本節では,コンテキスト推定において最適なFFT の時間窓長を評価するため,表7.3 に FFT の時間窓長が1sec(128 カラム),表7.4 にFFT の時間窓長が2sec(256 カラム),表7.5 にFFT の時間窓長が2sec(512 カラム)の推定精度を示す.なお,本研究におけるコンテキ スト推定精度の評価尺度は,実験データを母集合とした適合率(Precision),再現率 (Recall),F 値を用いる.適合率,再現率,F 値の算出式は以下の通りである. 適合率 コンテキスト推定方式の正解率 適合率 ＝ Ｙ / Ｘ 再現率 全ての正解のうち,どれだけカバーできているかの割合 再現率 ＝ Ｙ / Ｚ Ｆ値 Ｆ値 ＝ 2 ＊ (再現率＊適合率) / (再現率＋適合率) Ｕ：推定パワースペクトル数 Ｘ：推定コンテキストＳと判定された数 Ｙ：Ｘの中に含まれているＳの数 Ｚ：Ｕの中に含まれているＳの数 ６９ 表 7.3 最小誤差推定法の推定精度(1sec) コンテキスト 歩行 走行 停止 自転車 自動車 電車 適合率 0.819 0.857 0.33 0.472 0.061 0.329 再現率 0.567 0.817 0.015 0.376 0.125 1 F値 0.67 0.837 0.029 0.419 0.082 0.495 表 7.4 最小誤差推定法の推定精度(2sec) コンテキスト 歩行 走行 停止 自転車 自動車 電車 適合率 0.699 0.940 0.848 0.436 0.133 0.071 再現率 0.857 0.559 1.000 1.000 0.666 0.166 F値 0.770 0.820 0.918 0.607 0.102 0.100 表 7.5 最小誤差推定法の推定精度(4sec) コンテキスト 歩行 走行 停止 自転車 自動車 電車 適合率 0.605 1.000 0.619 0.318 0.000 0.405 再現率 0.547 0.523 0.309 1.000 0.000 1.000 ７０ F値 0.575 0.687 0.412 0.311 0.000 0.576 表 7.6 最小誤差推定法の推定精度(2sec 子ども) コンテキスト 適合率 再現率 F値 歩行 0.527 0.690 0.597 走行 0.738 0.369 0.492 停止 0.840 1.000 0.913 FFT 時間窓長を 1sec(表 7.3)に設定した場合においては歩行の F 値が 0.7,走行の F 値 が 0.8 の精度で判定できていることがわかる.しかし,自転車のF 値は 0.4 程度であり,F 値が 0.6 以下の値のため十分な精度であるとは言えないと考える.次に FFT 時間窓長を 2sec(表 7.4)に設定した場合においては歩行,走行ともに F 値が 0.8 程度の制度で判定 できていることがわかる.また,自転車の F 値においても FFT 時間窓長を 1sec にした場 合の推定せいどよりも高い 0.6 の精度をしめした.次に FFT 時間窓長を 2sec(表 7.5)に 設定した場合においては,FFT 時間窓長 1sec,2sec よりさらに推定精度が低くなってい る事がわかり,これ以上 FFT 時間窓長を伸ばしていっても精度の向上が見込めないと考 えられる.以上のことから,本研究における最小誤差推定方式においては,2sec 間隔の FFT 時間窓長を用いて推定を行うことが妥当であると考える. また,主な誤判定の原因としては,代表パワースペクトルにおいて,全体的に振幅の増 減幅が低いため,パワースペクトルとの比較の際に他のコンテキストに吸収されている 事が問題であると考えられる. また,全ての FFT 時間窓長をみてわかるように電車や自動車のF 値は 0.1 程度であり, 加速度を用いた最小誤差推定法のみでのコンテキスト推定精度では不十分であると考 える.また表 7.6 には子どもの実験データを用いて最小誤差推定法を行った結果である. 表 7.4 に比べると全体的に推定精度が悪いことがわかる.これは代表パワースペクトル として学生のデータを用いたため,体格差等の影響が大きくパワースペクトル結果に反 映されている事が原因であると考えられる.これらの事から,最小誤差推定法による推 定結果の精度低下の原因は大きくわけて 2 つあると考える.ひとつ目は,ユーザの体格 差により各移動状態におけるパワースペクトルが選定した代表パワースペクトルと大 きく異なることによる誤差から推定精度の低下が起こっていると考える.二つ目は,今 回使用した加速度センサの精度による推定精度の低下が考えられる.iPhone から取得し ７１ た加速度値から代表パワースペクトルを選定した結果,走行のように上下に激しい運動 を行う場合をのぞいて,パワースペクトルの振幅値が 0～50 の値を示しており,歩行や 自転車,停止といったパワースペクトルとの差が低い値を示しているため,最小誤差を 推定した結果,誤判定を行ってしまうことが原因であると考える. 7.2.3 推定コンテキストの多数決決定 本節では,推定コンテキストの多数決決定についての評価を行う.今回の表 7.2 で示 す実験用のデータでは,異なるコンテキスト状態への遷移途中のデータを含んでいない. しかし実際の自由行動時において遷移途中のデータが含まれるため,誤検知が発生する 可能性が考えられる.また,今回の提案システムにおいては携帯電話を身体に固定しな いように設計しており,携帯電話と身体が接触した場合においての急激な加速度の変化 が起こった場合に誤検知を起こしてしまう可能性が考えられる.そのため,本コンテキ スト推定においては,最小誤差推定方式において判定した推定コンテキストに対して, 一定の過去の行動履歴（コンテキスト履歴）との多数決判定を行い,推定コンテキスト の決定を行うようにしている.前節で示したFFT 時間窓長2sec での最小誤差推定方式に よって判定された推定コンテキストに対し行動履歴時間間隔 30sec の場合において 15 個の行動履歴パワースペクトルによる多数決を行った.歩行と走行に関しては歩行にお いては 83％,走行においては 87%,自転車においては,76%の推定精度を出すことができ た.多数決決定においては,同じコンテキスト状態を持続することで推定精度の向上が 見られた. 表 7.7 速度出現判定法の推定精度 コンテキスト 適合率 再現率 F値 停止 1.000 1.000 1.000 自動車 0.934 0.925 0.929 電車 0.922 0.902 0.921 ７２ 7.2.4 速度出現頻度判定方式の精度 本節では,最小誤差推定法で精度が著しく悪かった電車と自動車の推定を行う速度出 現頻度判定方式の性能評価について述べる.表 7.6 をみてわかるように,停止状態にお いてはF 値が1 を示しており,高品質の推定が行えることがわかる.また自動車や電車に おいても F 値が 0.9 以上の値を示しており,十分な推定が行えることがわかった. このことにより,本研究のコンテキスト推定機構における推定制度は表 7.7 で示す. 表 7.8 コンテキスト推定機構の推定精度(2sec) コンテキスト 歩行 走行 停止 自転車 自動車 電車 適合率 0.699 0.940 1.000 0.436 0.934 0.922 再現率 0.857 0.559 1.000 1.000 0.925 0.902 F値 0.770 0.820 1.000 0.607 0.929 0.921 7.2.5 コンテキスト推定機構の処理時間 本提案システムにおいての iPhone からセンサデータを取得時から,コンテキスト推 定機構において推定を行うまでの処理時間について記す.加速度センサの更新間隔は今 回 1/128sec であり,2sec 間の加速度データ 256 個(30sec 間の加速度データ 3840 個のデ ータを取得するのに平均 40sec 必要であり,2sec の場合で約 0.6sec の遅延が発生して いる)と,GPS 測位結果を 2sec 間隔でモニタリングサーバへと送信している.送信データ サイズは約 3KB である.また,モニタリングサーバ側で取得したセンサデータの処理時 間は表 7.7 に示す. 提案システムにおいてのリアルタイム性の問題としては、GPS と加速度センサの 2sec 間の情報を取得する際の0.6secの遅延および、 1回の通信に約0.4secの時間がかかる。 また表 7.7 に示すように、1 回のコンテキスト推定に 1sec かかるため、iPhone 側でセ ンサを取得した時刻から約 2sec の遅延が発生するもが、提案システムにおいては許容 範囲内であると考える。 ７３ 表 7.9 コンテキスト推定機構の平均処理時間 方式 平均処理時間 加速度の FFT 4msec(2sec 間隔) 最小誤差推定法 速度出現頻度判定法 1 回のコンテキスト推定 30msec *ただし加速度の計測処理時間は含まない 70msec *ただし GPS 測位の処理時間は含まない 104sec 7.3 コンテキスト推定機構の考察と課題 本節では,コンテキスト推定機構の課題を考察し今後の方針を設定する. 7.3.1 適切な代表パワースペクトルの設定 今回の実験では基準となる学生１名のパワースペクトルを代表パワースペクトルと して判定に用いている.表7.4 と表7.6 の推定精度をみてわかるように,大人とは明らか に体格や歩幅等の間隔が異なる子どもとの推定精度,F 値が 0.5 以下であり十分な制度 での推定を行うことが出来なかった.一方,基準となる学生との体格が近いユーザに おいて行った推定精度では,Ｆ値が 0.8 程度の推定精度で判定できることがわかった. このことから,体格や個人の癖といった要因により,推定精度の低下が起こっていると 考えられる.この事から推定精度を向上させる上で,ユーザに適した代表パワースペク トルの設定が行えることが望ましい.以降,子どもの危険検知システムにおいての代表 パワースペクトルの決定法について考察する. まず提案システムの初期設定時または,初期起動時においてユーザごとに代表パワー スペクトルを設定してもらう方法が考えられる.(手段１)この方法では,ユーザの実際 の動きによるパワースペクトルを用いるためユーザの体格や,個人の癖による推定制度 の低下を抑制する事ができると考える.しかし,この方法を用いる場合,歩行や走行とい ったコンテキストごとに,または所持状態ごとにパワースペクトルの登録を行わなけれ ばならないので,ユーザへの負担が大きくなると考える. 次に,代表パワースペクトルのサンプルを複数用意してユーザに選択してもらう方法 が考えられる.これは事前に複数のサンプルケースを用意する事で,ユーザの身長や歩 ７４ 幅,各移動手段の平均化速度等から類似するサンプルケースを発見し,代表パワースペ クトルを決定する方法である.(手段2)この場合,ユーザは身長などの身体データの登録 を行うだけでユーザに適した代表パワースペクトルを選択することが出来る.この場合, 複数のサンプルケースを事前に用意しなければならず,多くの被験者による測定実験を 行う必要がある. 次に,性別や身長,体重といった身体情報を元に代表パワースペクトルを算出する方 法が考えられる.ユーザの身体情報から統計的な歩幅を計算することが出来る.また,加 速度の値から歩幅を測定する研究も行われているため,歩幅等の身体情報から相関的に 歩行や走行の加速度を算出することが出来るのではないかと考える.身体情報と加速度 の関係性の実証は今後の研究課題になるが,関係性の実証が可能な場合においては,ユ ーザは身体情報を事前に提案システムに登録するだけで,適切な代表パワースペクトル を算出することが出来,ユーザへの負担も軽減できると考える. 7.3.2 代表パワースペクトルの学習 前節では,初期起動時においての代表パワースペクトルの決定方法に関して考察して きた.本節では,実際にユーザが自由行動で移動した場合においてユーザの個性的な癖 （蛇行して歩く,腕を振り回す等）による推定精度の低下を考慮し,提案システムの稼動 前後においての代表パワースペクトルの学習について以下の 2 つの項目について考察 を行い,今後の課題とする. 代表パワースペクトルの教師あり学習 代表パワースペクトルの時系列遷移候補 代表パワースペクトルの教師あり学習 代表パワースペクトルの教師あり学習とは,コンテキスト推定機構において推定され た推定結果をユーザにフィードバックすることで,正しく判定が行えているかをユーザ が判断し,誤判定を行っていた場合は,正しいコンテキストを指定する事で,誤判定を行 った推定パワースペクトルを新しい代表パワースペクトルとして代表パワースペクト ル郡に追加を行う仕組みである.これにより,ユーザの個性的な癖等にも対応が可能に なると考える.しかし,新しい代表パワースペクトルを一方的に追加していく場合,最小 誤差推定法において比較する代表パワースペクトル数が増加するため,推定時間の遅延 ７５ やサーバへの負担が大きくなる問題がある.そのため,代表パワースペクトルの相対量 を一定にする仕組みとして,不要代表パワースペクトルの選定を行うアルゴリズムを考 える必要がある. 代表パワースペクトルの時系列遷移候補 代表パワースペクトルの時系列遷移候補とは,図 7.14 に示すように,過去一定の行動 履歴パワースペクトル群を学習用データとして,時間経過においての代表パワースペク トルの遷移を学習することで,代表パワースペクトル郡のすべての代表パワースペクト ルにおいて次状態の代表パワースペクトル候補を決定することで,ある時刻 t において の推定用パワースペクトルのコンテキスト推定を行う際,行動履歴から,次に遷移する 可能性がある代表パワースペクトルを取得する事がで,通常の最小誤差推定方式では,1 回の推定において全ての代表パワースペクトルとの比較を行う必要があるが,この方法 を用いると比較する代表スペクトルの数が減少し計算量の軽減ができるとともに,推定 精度の向上につながるのではないかと考える. 図 7.14 代表パワースペクトルの時系列遷移候補 ７６ 7.3.3 センサ取得用デバイス別の補正 今回の実験においては,１個の iPhone デバイスを用いて測定や実験を行った.しかし, 提案システムをサービスとして一般に提供する際には,現状のシステムのまま移管する ことは困難であると考える.その原因のひとつとしてデバイスの個体差が上げられる. 例えば iPhone に搭載された 3 軸加速度計と iPod toutch に搭載された 3 軸加速度計で はセンサの感度に違いがあり,iPod toutch の加速度センサの感度の方が iPhone よりい いと言われている.このようにセンサデバイスの個体差により推定精度に影響が出てく ると考えられる.そのため,これらの個体差を補正する必要がある.補正手段として は,7.3.1 節で述べたように,ユーザのセンサ別に代表パワースペクトルの決定を行う方 法が考えられる.また,システム側で設定している代表パワースペクトルの平均パワー スペクトルをコンテキストや所持状態別に算出し,センサデバイスの推定コンテキスト との差分から補正値を求めることができるのではないかと考えが,妥当性や推定精度へ の影響の検証は今後の課題とする. ７７ 第8章 危険検知機構の考察 本章では,提案システムの危険検知機構について考察を与え,今後の課題の設定を 行う. 8.1. 子どもの危険状態の考察 本節では,5.1 節ならびに 6.3.2 節で述べたユーザの危険行動推定について考察を与 える. 本論文では,子どもの危険な行動を推定する方針として表 5.1 で挙げた子どもに起こ りうる危険状態を推定する仕組みとして,GPS による位置情報や,危険エリア等の付加情 報,ユーザのコンテキスト情報を元に推定できる簡易的な危険検知モデルとして表 5.2 で示す危険モデルを設定した.今回の設定では,通信障害・行動力異常・行動範囲外への 移動・不動状態について,大まかな危険状態の推定が行えた.しかし,想定される具体的 な危険状態の推定までは行えていない.本節では,子どもの危険状態の判定要素となり うる事項の今後の設計方針について考察する. 8.1.1 携帯デバイスの傾き検出 本節では,コンテキスト推定機構において停止状態と判定された状態に対し,携帯デ バイスの傾きの情報と組み合わせることで,より詳細な状況分析が可能であるかを考察 する.現状では,持続的な停止状態にたいして不動状態として病気や拘束,携帯端末の紛 失として扱っている.しかし,iPhone の加速度センサから取得できる携帯デバイスの向 きや傾きを停止状態のコンテキストと組み合わせることで,ユーザの寝返りや,横に倒 れる.または,携帯電話を床に置いているという状態を推定できると考える.横たわりや 寝がえりについては,携帯電話をユーザが所持していることが前提であるため,加速度 に微細な人の動きの影響が現れると考え,床においている状態と区別が可能ではないか と考える. 8.1.2 GPS の高度情報の利用 現状の提案システムにおいては GPS の緯度経度しか,取得していない,しかし,高度情 報も共に取得することで,エレベーターやエスカレーターといった状態を推定できるの ではないかと考える.これは,停止状態において横に平行移動した場合,パワースペクト ７８ ルには横移動の影響が現れないという特性から,歩行や走行,停止状態とは別に判定が 行えるのではないかと考える. 8.1.3 同行者判定 現状では,ユーザが交通機関等を利用した場合において全ての状況を危険状態として いる.これは,ユーザが意図的に行っている行動なのか,それとも誘拐などの危険にさら されているかの判断ができないためである.そのため,ユーザが一人で行動を行ってい るのか,それとも誰か別の人物と行動をともにしているかを判定できることは有用であ ると考える.今回は,同行者をユーザの身内の人物である場合についての推定法を考察 する.具体的な手段としては,GPS を用いる方法が考えられる.GPS の測定位置から任意 の範囲内に子どもの GPS 情報があるかの判定を行う.GPS の推定精度や誤差による誤判 定がでると考えられるため,今後,実証実験を行い有効範囲の決定,有用性の健勝をを行 う必要があると考える. 8.1.4 ユーザの所在が不明な場合の対策 提案システムでは,前述で述べた危険状態を検知する事ができる.しかし,ただ検知す るだけではなく,検知後に何かしらの救援,対策が行えなければならないと考える.例え ば,子どもが活動地域範囲外へ移動したことを検知した場合,提案システムは状態異常 の種類から管理者やユーザの関係者に対して,子どもが現在どのような危険に巻き込ま れているかを知る事ができる.この場合,誘拐等ではないため直接子どもに対して電話 で連絡をとり,子どもを迎えにいくなり,活動地域範囲外への移動を警告・注意する事が できる.しかし,音信不通等,ユーザに対して直接連絡を取る事が困難な場合,通信が途 絶えた場所にユーザが待機しているとは限らない.極端な例でいうところ,子どもの携 帯を破壊され誘拐された場合において何かしら子どもの現在地を推測・または手がかり をつかむきっかけを見つける方法が必要であると考える.そこで,ユーザ個人の行動履 歴だけではなく,他のユーザの行動履歴を利用することで,所在不明となったユーザの 所在地を推定する方法について考察する. 具体的には,ユーザを目撃した可能性のある人物の抽出と,誘拐等の場合,誘拐犯の行 動履歴を用いてユーザの所在地を推定する方法を提案する.前提条件として,携帯電話 を所持する全人類が提案システムを携帯上で稼働させていると仮定する. ７９ 目撃者の発見 ユーザが何かしらのトラブルに巻き込まれて携帯電話等の紛失・破壊によっ て所在が不明になった場合,トラブルに巻き込まれた時間は行動履歴データベ ースに最後に格納された時刻と居場所の前後であると考えられる.そのため,行 動履歴の最後の時刻をＸ時,緯度経度をＱ,Ｗと仮定した場合,時刻Ｘ時の他の ユーザの位置情報とユーザの位置情報を比較することで同時刻Ｘにユーザの近 く（任意の距離半径Ｚ）にいた人物はユーザを目撃している可能性が高いと考 えられる. 誘拐犯の推定と目撃者の発見 誘拐等の犯罪は,必ずしもユーザと接触しなければならない.また,通常人目につかな い路地裏等の場所で行われる事が多いそのため,上記の目撃者の発見の原理と同様,行 動履歴データベースより,最後に格納された時刻と居場所の前後にユーザの近くにいた 人物が犯人である可能性が高いと考える（本提案システムは,任意に携帯の電源等を切 れないと仮定する）.その場合,ユーザは犯人と行動を共にしているはずなので,犯人の 移動先を行動履歴データベースから検索する事でユーザの所在を推定することが出来 ると考える. 以上で述べたように,提案システムにおいて新しいセンサ情報の追加や,監視対象者以 外のユーザとの関連づけを行うことができれば,危険状態の推定の幅がひろがり,ユー ザが危険な状態に陥った場合においても救済のための支援を行うことができるように なると考える.これらの有用性や精度については,今後実験し検証を行う必要がある. 8.2. サービスモデルの方針 本節では,提案した子どもの危険検知システムを実際のサービスへ移管する際の課題 と想定されるサービスモデルについて考察する. 8.2.1 稼動時間問題 提案システムでは,ユーザのコンテキスト情報を判定するために常時 GPS による位置 情報の測位と,加速度センサによる加速度の測定を行う必要がある.そのため,バッテリ ーの消耗が著しく現状では約 2-3 時間程度の稼動時間しか見込めない.それに加え通常 ８０ の携帯電話利用として,通話やメール,インターネットの使用も想定されるため,稼働時 間はさらに短くなると推測できる.今後,低消費電力でのセンシングが可能になるか,バ ッテリーの容量が増加しないかしない限り提案システムを単体で活用することは困難 であると考える. 8.2.2 通信コスト 前節で述べた稼働時間問題と同様に,2sec 間隔でのサーバ通信を行うため,常時提案 システムを利用する場合,通信コストの問題があると考える. 8.2.3 サービスモデルの方針 前節までに述べたように,提案システムを実際にサービス運用させる場合,稼働時間 問題と通信コスト問題を解決する必要がある.そこで,既存の位置情報確認サービスと の連携システムとしてサービスモデルの確立を図る.まず,想定する位置情報確認サー ビスとして,NTT docomo の提供するイマドコサーチ[22]について記述する.イマドコサ ーチの機能について以下に説明する. いますぐ検索 監視対象者の現在地の検索を行う機能 表示デバイスとしては携帯電話や PC スケジュール検索 検索したい時刻などをあらかじめ設定しておくことで,自動的に検索を行い, 監視対象者の居場所をメールで通知する エリア監視 スケジュール検索設定の際にエリア指定を行うことで,監視対象者がエリアの 外にいるのか中にいるのかをスケジュール検索結果と共に通知する 電源 OFF 検索 携帯電話の電源が切られると,自動的に検索を行い,居場所をメールで通知す る. 以下連携モデルの方針について記述する.現状では,イマドコサーチを用いることで,子 どもの登下校時の監視および,学校や主要施設のエリア内にいるという情報を得ること が可能であると考える.そのため,平日の朝から夕方までの間,つまり子どもが学校にい っている間の監視は,イマドコサーチで行えると考える.そのため,本提案システムは, ８１ 夕方以降,子どもが学校から帰宅した後の外出時にサービスを開始するようにしたいと 考えている.これは,学校の通学時のように子どもの行動が容易に推測できる場合にお いてのみイマドコサーチを用いて危険行動を監視し,それ以外の子どもがどこに遊びに いくのか等の詳細なスケジュールを管理することが困難である場合において提案シス テムで補助を行うようにする.また,イマドコサーチにおいて異常が発生した場合（例え ば,指定エリアを離れた）の通知後にも提案システムが起動するようにする.これにより, スケジュールとは異なる行動を起こしている子どもの行動状態や交通機関利用の状態 が推定でき,柔軟な対応が可能になると考える.また,今回確立したサービスモデルを用 いると,常時 GPS や加速度センサを起動する必要がなく,稼働時間問題や通信コスト問 題を解決できるのではないかと考える.詳細な設計や実装,運用にかんしての検証は今 後の課題になると考える. 8.3. 子どもの危険検知システムの有用性 子どもの危険検知サービスシステムを構築するにあたり必要となる要求事項を 3.3 節において述べた。提案システムにおいては、子どもの状態を定期的にセンサ情報から 取得し、その情報を元に子どもの危険な行動を自動で推定することから、利用者の定期 的な操作を必要としないシステムの設計が行えた。また、センサ取得用デバイスである iPhone の所持状態の制約をなくすために、複数の所持状態においても対応が可能なコ ンテキスト推定モデルを提案したことで、センサデバイスの所持状態の制約も解決する ことができた。このことから、要求条件の一つである、利用者の日常生活に影響を与え ないシステムの構築が行えたと考える。次に、利用者の状態の確認として、コンテキス ト推定技術をもちいて利用者の歩行、走行、停止、自転車、自動車、電車の状態を推定 することができた。また、利用者の危険な行動として、簡単な危険モデルを設定し、詳 細な推定に関しては、今度の方針として述べた。このことから、要求条件の一つである、 利用者の安否の確認ができるシステムの構築として利用者の状態把握ができ、危険な行 動もモデルの方針の設定が行えたと考える。最後に、本研究では、汎用性のある端末と して Apple iPhone を用いたことで特殊端末を利用せず構築が行えた。また、システム を利用するにあたり、特別な機器の設置も必要ないことから、要求条件の一つである、 環境構築コストが現実的であるシステムの構築が行えたと考える。 現状の提案システムを単体利用する場合は,稼働時間の制限や,通信コストの問題が 考えられるが,これらの問題の解決手段として、既存サービスとの連携を行うサービス ８２ モデルの設計方針を述べたことで、今回提案した子どもの危険検知システムは既存の位 置情報確認サービスよりも有用性があると考える. ８３ 第9章 結論 本論文では,子どもの犯罪被害の現状と既存の防犯・安全システムの問題点をのべ, その問題を解決する方針として,iPhone から取得できるセンサ情報をもとにユーザのコ ンテキスト状態を推定する仕組みの提案を行い簡易的な子どもの危険な行動を自動で 検知できる危険検知システムの設計と実装を行った. 既存の位置情報確認サービスなどの安全確認システムでは,子どもの現在地や,特定 区間の通過報告,または子どもが意図的に危険や安全の報告が行える仕組みが提供され ている.しかし,子どもが本当に安全かどうかを確認するためには,専用の Web サイトで 常時子どもの行動履歴を監視するか,一定間隔おきに子どもにボタンを押す等の操作を 強要する必要がある.そこでユーザへの負担を考慮し,定期的なユーザの操作を必要と せずに,子どもの危険な行動を検出できる仕組みが必要であると考えた. そこで提案システムでは,子どもの歩行,走行,停止,自動車,電車の 6 つの行動状態を 特殊なセンサデバイスを用いずに既存の汎用な形態モバイル Apple iPhone を用いて搭 載されている GPS や加速度センサの情報から判定を行うことを可能にした.また,子ど もの危険な行動事例について考察を行い,,GPS 等による位置情報の取得やユーザが任意 に設定したエリア情報の付加といった既存サービスの仕組みに加え,子どもの行動状態 の情報を付加することで子どもの危険な行動を検出する方針について述べた. ８４ 謝辞 本研究の指導教員であり,幅広い知見から的確な指導をしていただきました,奈良先 端科学技術大学院大学インターネット・アーキテクチャ講座の砂原秀樹教授に心から感 謝いたします.また,副指導教員であり,研究方針に関して的確な助言をいただきました, 奈良先端科学技術大学院大学インターネット工学講座の山口英教授および,インターネ ット・アーキテクチャ講座の藤川利和准教授に心から感謝いたします. 研究活動全般にわたり数多くの貴重なご意見をいただき,論文執筆に関して多大なる 助言をいただきました,奈良先端科学技術大学院大学インターネット・アーキテクチャ 講座の猪俣敦夫特任准教授に心から感謝いたします.また,研究に関する議論に昼夜を 問わず対応してくださり,様々な面から研究活動を支援してくださいました,奈良先端 科学技術大学院大学インターネット・アーキテクチャ講座の池辺実氏に心から感謝いた します. 研究を進めるにあたり様々な助言をいただき,また論文執筆に関して数多くの助言を いただきました,奈良先端科学技術大学院大学インターネット・アーキテクチャ講座の 寺田直美助教および,松浦知史特任助教に心から感謝いたします. 研究活動を暖かく支援していただきました奈良先端科学技術大学院大学情報科学セ ンターの呂悠妃女史および,佐竹恵理女史に心から感謝いたします.また,様々な面から 研究活動を支えていただきました,インターネット・アーキテクチャ講座の皆様に心か ら感謝いたします. 最後に,私の意志を尊重してくださり,研究活動に関する理解とともに,経済面や生活 面,その他全てにおいて絶え間ない支援と暖かい励ましをいただきました家族に心から 感謝いたします. ８５ 参考文献 [1] Kern, N.: A Model ofr Human Interruptability: Experimental Evaluation and Automatic Estimation from Wearable Sensors, ISWC704, pp.158-165(2004). [2] Intille, S.S.: Acquiring In Situ Training Data for Context-Aware Ubiquitous Computing Applications, CHI 2004, pp.1-9, ACM Press(2004). [3] Bao, L. and Intille, SS.: Activity recognition from user-annotated acceleration data, Proc. PERVASIVE 2004, Vol.LNC 3001, Ferscha, A. and Mattern, F.(Eds.), pp.1-17, Springer-Velag, Berlin Heidelberg(2004). [4] Siewiorek, D.: SenSay: A Context-Aware Mobile Phone, ISWC703(2003). [5] Lukowicz, P., Junker, H. and Troster, M.: WearNET: A distributed multi-sensor system for context aware wearables, Proc. UbiComp 2002, pp.361-370(2002). [6] Lee, S.-W. and Mase, K.: Activity and Location Recognition Using Wearable Sensors, IEEE Peruasive Computing, July-September, pp.10-18(Sep.2002). [7] Iso, T. and Yamazaki, K.: Gait analyzer based on a cell phone with a single therr Mobile Devices and Services (MobileHCI206), pp.141-144(2006). [8] Kawahara, Y.: A Context-Aware Content Delivery Service Using Off-the-shelf Sensors, Mobisys2004(2004)/ [9] 前司敏昭,堀口良太, 赤羽弘和, 小宮粋史 :GPS 携帯端末による交通モード自動判 定法の開発, 第 4 回 ITS シンポジウム 2005 論文集(2005.12). [10] Kourogi, M. and Kuratal, T.: Personal positioning based on walking locomotion analysis with self contained sensors and a wearable camera, Proc, ISMAR703,pp.103-112(2003). [11] シリコンセンシングシステムズジャパン株式会社： 歩行者用慣性ナビユニットポ イントマン DRM. http://www.spp.co.jp/sssj/pointman.html/ [12] 田中宏平, 寺田努, 山口喜久, 中川隆志, 西尾章治朗 : 目的予測型カーね美げ ー所んシステムのための運動状況を考慮した目的地予測手法, 電子情報通信学会 データ工学ワークショップ(DEWS 2007) 論文集(2007). ８６ [13] 倉沢ほか： “単一の無線化速センサを用いたユーザコンテキストの推定”, 電子情 報通信学会ソサエティ大会,B-19-23,2005 [14] 小林ほか： “釈迦：携帯電話を用いたユーザ移動状態推定方式”, 情報処理学会論 文誌 vol.50 pp.193-208(2009). [15] 小川ほか：”自立型ポジショニングシステム構築に向けて～着用型センサを用いた 人間の行動モード推定～”, 全国測量技術大会 2002 学生フォーラム発表論 集,2002. [16] Thrun, S., Fox, D. and Burgard, W.: A probabilistic approach to concurrent mapping and localization for mobile robots, Autonomous Robots, Vol.5, pp.253-271(1998). [17] Aoki, H., Schiele, B. and Pentland, A.: Realtime Personal Positioning System for Wearable Computers, international Symposium on Wearable Computers(ISWC’99)(1999). [18] SECOM. http://www.secom.co.jp/ [19] NTTCom チェオ. http://www.nttcheo.com/ [20] Softbank. http://mb.softbank.jp/ [21] EMA. http://www.ema.or.jp/ema.html [22] NTT docomo. http://www.nttdocomo.co.jp/ ８７