research

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。

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，擬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擬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．

新型コロナウィルスの世界的蔓延により，感染拡大を予防するためにマスクの装着などの飛沫感染リスクを下げる行動が求められる．感染リスクを低下させるためには，常時マスクを装着することが望ましいが，無意識のうちにマスク非装着のまま行動してしまうことがしばしば発生する．マスク装着を校歌的に促すためには個々人のマスク装着状態を自動検知して，その状態に応じてユーザに対する行動変容を促すことが求められる．しかし，マスク装着状態を市販の端末のみで常時検知する手法は提案されていない．そこで，スマートウォッチに搭載されている複数のセンサを用いてマスク装着状態を自動検知し，マスク非装着のユーザに通知することで，マスク装着の行動を促進させる手法を提案した．

Head movement for traffic visual searching, is one of the important factors in traffic safety. In this paper, we present the design, implementation, and preliminary evaluation of the HeadSense, a helmet device that detects the head movement of micro-mobility rider.

The use of micro-mobility (e.g., bicycle and scooter) and their data for urban sensing and rider assessment is becoming increasingly popular in research. However, different research topics require different sensor setups; no general data collecting tools for the micro-mobility makes

Riding bikes with only one hand on the handlebar can severely undermine the steering capability of riders and risk road safety. In this study, we propose a first detection framework for monitoring single-hand cycling on bicycle travel, called DoubleCheck. It

Shared micromobility is widely recognized as an environmentally friendly travel mode and a critical component of transportation decarbonization. However, quantitatively assessing its environmental impact using real-world trip data is an unresolved and challenging subject. To this end, we proposed a system