2026-05-14T22:51:48Z https://ipsj.ixsq.nii.ac.jp/oai

oai:ipsj.ixsq.nii.ac.jp:00228044 2025-01-19T11:58:02Z 6164:6165:6640:11353

時系列データを扱うニューラルネットワークによる低粒度HEMSデータからの行動認識の精度検証 田中, 福治 水本, 旭洋 山口, 弘純 実空間データ分析，スマートスペース/スマートシティ HEMS（Home Energy Management System）の普及に伴い，HEMS が集計した消費電力データを利用した新しいサービスへの期待が高まっており，その一つとして居住者の行動認識がある．我々の研究グループでは，HEMS 住宅分電盤から得られる分岐回路別の 30 分毎の累計消費電力情報のみから家庭内行動推定を行う手法を提案してきた．同手法では，まず分岐名称を解析することで各分岐が電力を集計している部屋と家電の特定を行い，どの行動に最も関連しているかを判別する．家電毎に集計している分岐に関しては家電の稼働推定を行うことで，行動の認識を行い，部屋毎に集計している分岐に関しては，30 分粒度でも認識可能な特徴量を設計し，ランダムフォレストなどの軽量な分類器を用いて行動認識を行っている．ここで，HEMS 電力データは時系列データであることから，LSTM や GRU などの時系列を扱う深層学習モデルによる精度向上も期待できる一方，30 分毎という低時間粒度であることから，深層学習で特徴を捉えることが十分にできない可能性もある．本研究では，文献 [1] で提案した手法について，GRU において同様のデータを用いて行動認識を行った結果について報告する．協力企業の連携のもと入手した 17 邸の消費電力データを用いて GRU による行動認識精度を評価したところ，入浴，起床，就寝のような時系列的な特徴の現れやすい行動おいては決定木ベースの軽い学習器と比較して，同等かそれ以上の精度を達成することを確認した． 情報処理学会 2023-06-28 jpn conference paper https://ipsj.ixsq.nii.ac.jp/records/228044 マルチメディア，分散，協調とモバイルシンポジウム2023論文集 2023 93 99 https://ipsj.ixsq.nii.ac.jp/record/228044/files/IPSJ-DICOMO2023014.pdf application/pdf 1.8 MB 2025-06-28