Our paper “Toward Measuring Conversation Duration Using a Wristwatch-type Wearable Device” was accepted by IEEE SMARTCOMP 2022!
SMARTCOMP 2022 (aalto.fi)
Institute of Industrial Science / Center for Spatial Information Science in The University of Tokyo
SMARTCOMP 2022 (aalto.fi)
SMARTCOMP 2022 (aalto.fi)
MOCHAは、東京大学発の接触確認・混雑度確認を目的とした教室等予約・情報提供サービスです。ウィズコロナにおける安心できるキャンパスライフ実現のための位置情報サービス基盤として開発・運用されています。MOCHAは各部屋に設置されたBluetoothビーコンをスマートフォンを用いて検出することで、自動的に滞在場所を記録します。また、事前に設定した共有範囲・粒度で滞在情報を共有することで、キャンパス内における様々な位置情報サービスを開発しています。現在、6500名以上がアプリケーションを利用し、Bluetoothビーコンは2000カ所以上に設置されています。
Hidenaga Ushijima won the Socio-Cultural Environmental Studies Best Master Thesis Award.
Kaoru Sezaki and Yuuki Nishiyama’s research presentation “Toward the Construction of a Bodily Sensation Recording / Utilization System Using an Earable Device” won the Best Paper Award at the 72nd SIG (Special Interesting Group) Ubiquitous Computing System (UBI) in IPSJ
Hong Duc Nguyen’s research presentation “An Online Task Offloading Strategy in Vehicular Edge Computing” won the English Session Encouragement Award at Technical Committee on Information and Communication Management (IEICE ICM) on September 14, 2021.
Yuuki Komatsu’s research presentation “Toward the Construction of a Conversation Time Mesurement Method Using a Wristwatch-Type Wearable Device” won the Student Encouragement Award at the 84th National Convention of IPSJ (Ehime prefecture) on March 15, 2022.
Hidenaga Ushijima’s research presentation “Micromobility relocation using taxi vehicles” won the Student Encouragement Award at the 84th National Convention of IPSJ (Ehime prefecture) on March 15, 2022.
近年は,都市交通計画や感染症対策など,様々な分野で人の流れを把握することが重要となっている.しかし,人の流れを把握する手法の多くは都市部に限定されており,疑似的な人流データを用いて全国規模で行われた研究は少ないのが現状である.一方で,データの可視化にベクトルタイル技術を用い,ズームレベルに応じてデータの粒度を変えることで,データ量の削減や処理速度の向上が期待できる.そこで,全国規模約1億2千万人を対象とした疑似人流データについてベクトルタイル技術を用い,ズームレベルに応じて道路属性を選択することで効率的な可視化を図った結果,データ量は約57%に削減され,タイムスライダーやズームレベルを変化させてもスムーズに可視化を行うことが可能となった.
女性の社会進出や核家族化,産後うつ問題など,子育て環境は大きく変化しており,子育ての効率化や子育て支援は社会的に大きな課題となっている.本研究では,近年普及傾向にあるウェアラブルデバイスを用いて,ミルクやオムツ替え,お散歩など「親」が「乳幼児」に行う子育て行動の検知技術の開発を行う.子育て中のモーションデータを腕時計型のウェアラブルデバイスに搭載されたモーションセンサを用いて収集し,収集データと機械学習を用いて子育て行動の検知モデルを構築する.9つの子育て行動を定義し,子育て行動の検知モデルの構築とその精度評価を行った結果,実験室環境において9名の被験者から収集したデータセットを用いた検知モデルでは,最も精度の良いモデルで約70%の精度で子育て行動を検出できることが明らかになった.