11．校内ナビゲーションのための 加速度センサーを利用した …11．校内ナビゲーションのための 加速度センサーを利用した 位置推定機能の設計

11．校内ナビゲーションのための 加速度センサーを利用した 位置推定機能の設計

秋田工業高等専門学校　電気情報工学科 学籍番号　20-051　研究者名　梅木陽

　　　　　　　　　　　　　　指導教員　平石広典

２０１３年２月２６日

背景

  GPSは屋外における位置測定   屋内では電波強度による位置測定

  しかし，ドアの開閉，人の存在による誤差   これまでの研究だと５mの精度（スマートフォン

だと１５m）   位置測定の更新の間隔の大きさ（３秒に一回）

  より細かな位置の測定が必要

目的

  短距離での精度の良い位置測定を行う   電波強度による位置測定の更新間隔の補完

を行う

  携帯端末の加速度センサーを利用   歩行の状態，停止の状態，階段の上り状態，

下りの状態を検出

研究方法

  利用者の実際の歩行，停止，階段の上り，下りのデータを収集

  利用者の歩行速度を予め計測   機械学習の一つであるSVMによって， 　それぞれの状況を認識するモデルを生成   モデルによって歩行状態が認識された 　場合は，歩行速度をもとに移動距離を計算

データ収集

データ収集を行ったシステム

実際に行動して，対応するボタン を押すことで，１回に１０秒分の データを収集

重力加速度g=-9．8を取り除いたデータを利用

XYZ方向の加速度の値を５個（１秒分）を１セット

データ例

状態判定の数字は０は停止，１は歩行， ２は階段の上り，３は下りを示したものである

状態判定 x y z x y z … x y z

1 0:0.19 1:-0.45 2:-0.41 3:0.5 4:-0.34 5:-0.65 12:0.51 13:-0.91 14:-1.16

1 0:0.55 1:-0.13 2:-0.24 3:-0.04 4:0.62 5:0.49 12:-0.23 13:-0.43 14:0.73

‥‥

3 0:0.14 1:0.64 2:-0.43 3:0.25 4:0.05 5:-3.01 12:-0.01 13:-0.48 14:-2.65

‥‥

2 0:0.40 1:0.88 2:-0.53 3:0.99 4:0.48 5:-0.34 12:-0.19 13:-0.60 14:-0.92

‥‥

0 0:0.71 1:0.26 2:0.51 3:0.57 4:0.26 5:0.29 12:0.19 13:0.22 14:0.28

SVMとは

  Support Vector Machineの略称

  強力なパターン識別手法の一つで、 　データをいくつかの方法で分類するもの 　教師付き学習により高い識別能力を持つ

SVMの流れ

SVMのカーネル関数

  0:線形SVM   1:多項式 {s(a･b)+c^d}   2:RBF exp(-γ||a-b||^2)   3:シグモイド tanh{s(a･b)+c}

  今回の実験ではより精度の良かった 　非線形の計測である２番を用いた

実験

  実験１：歩行状態の認識モデルの精度   モデルを生成するデータ数（１０個から１００

個）とモデルの精度の関係を調査

  実験２：移動距離の推定精度   ２人の被験者に実際に５０mを移動してもらう   被験者１のモデルのみを利用（被験者２でも

被験者１のモデルがどの程度適用可能か？）   途中で０回から４回の停止を入れて測定 （停止がどの程度影響するか）

実験１の結果

概ねデータ数の上昇とともに精度が上がっている しかしデータ数が４０を超えた時点で精度は上がらなくなる

実験２の結果

被験者1　被験者2の間に誤差の違いが見られる ←被験者1のモデルを用いたためや歩行速度の 差による誤差が考えられる

また50ｍの距離に対し誤差がわずかであるため 精度は高いといえる

→停止回数による影響は見られない．

まとめ

  加速度センサーを利用して位置推定機能を設計した   ８０〜９０％の精度で分類に成功   非常に高い精度で位置推定を可能にした

  今後の課題   方位センサーを利用して蛇行などの直進以外

の動きに対応する