お知らせ

2022年01月06日

ポイント

• アクティブラーニング空間に張り巡らせたセンサーネットワークを用いて、感染症のリスクが高くなるシナリオを抽出
• 本学附属図書館の施設に設置した環境センサー、スマートプラグなどの多次元時系列データを使い、エアロゾル感染のリスクに対応するCO₂濃度上昇について検討
• 位相的データ分析の手法でシナリオを可視化し、提案手法の有効性を確認

概要

横川慎二教授（i-パワードエネルギー・システム研究センター）らの研究チームは、感染症のエアロゾル感染^[1]の回避に向けて、CO₂センサー^[2]から得られる多次元時系列データ^[3]を解析する手法を開発しました。これによって感染リスクが高くなるシナリオを抽出することができます。
今後も続く感染症との戦いにおいて、エアロゾル感染を避けるためにCO₂センサーから得られるデータを活用することが求められています。しかしながら、多次元の時系列データを分析してその全容を把握することは容易ではありません。
今回、センサーネットワークを張り巡らせた電気通信大学附属図書館のアクティブラーニング空間^[4]（Agora）において取得した、環境センサーやスマートプラグなどの多次元時系列データ（2018-2019）を使い、エアロゾル感染のリスクに対応するCO₂の濃度上昇について検討しました。この多次元時系列データについて、位相的データ解析（Topological Data Analysis;TDA）^[5]の手法を用いて感染症のリスクが上昇するシナリオを可視化し、提案手法の有効性を確認しました。
成果は国際学術誌「IEEE Sensors Journal」に掲載されました。

今後の期待

特定の条件の下で人感センサーの値が通常よりも高くなった２、３時間後に、該当エリアのCO₂濃度が高くなることから、例えば、それよりも前に換気をするよう制御することで空気の流れを変えるといった感染対策が可能になります。また、事前に局地的なCO₂濃度を予測して利用者にCO₂濃度を知らせることができれば、より適切な行動変容を起こせるため、CO₂濃度の局所的な増加を避けることができます。こうした知見は、今後主流になると見込まれる職場形態の一つであるコワーキングスペースなどの適切な運用の指針にすることができます。
今後は、Mapper法によるデータの解釈を自動化し、CO₂濃度の上昇をリアルタイムに予測して異常な増加を抑制し、かつエネルギー消費を極力抑えた局所空調制御の方法などの検討が課題になります。

（用語解説）
[1]エアロゾル感染：空気中を漂うエアロゾルと呼ばれる微小粒子を介して病気に感染すること
[2]CO₂センサー：空気中の二酸化炭素濃度を測定するデバイス。直接モニタリングすることが難しいウィルスに代わって、同じく人の呼気に含まれる二酸化炭素（CO₂）の濃度を測定してリスクの指標とする。非分散型赤外線吸収（NDIR）や光音響方式（Photoacoustic）などの方式がある
[3]多次元時系列データ：気温や降水量などの気象観測や、交通量、土地利用の変遷など時間の経過に伴い変化するデータを時系列データという。IoTの発達により、多種のセンサーによって時系列を容易に取得することができるようになって多次元化が進んだもの
[4]アクティブラーニング空間：学修者自らが能動的に学びに向かうアクティブラーニングの実施をサポートするための様々な設備、工夫がこらされたスペース
[5]位相的データ解析：トポロジーの概念を用いて、データの"形状"に着目した分析を行う手法の総称。データに含まれるノイズに強いという利点がある

（論文情報）
雑誌名：「IEEE Sensors Journal」
論文タイトル：Analysis of the trends between indoor carbon dioxide concentration and plug-level electricity usage through topological data analysis
著者：Shun Endo, Shinji Yokogawa
DOI番号：10.1109/JSEN.2021.3130570

（外部資金情報）
本研究は科学研究費助成事業 20K20314 の助成を受けたものです。

詳細はPDFでご確認ください。

• 感染症のリスク低減に向けてCO₂濃度上昇のシナリオを可視化 －多次元時系列データの解析に成功－（PDF：777KB）