@techreport{oai:ipsj.ixsq.nii.ac.jp:00224206,
 author = {猪股, 一歩希 and 堀川, 三好 and 岡本, 東 and Ibuki, Inomata and Mitsuyohshu, Horikawa and Azuma, Okamoto},
 issue = {14},
 month = {Feb},
 note = {IoT の浸透により生産物流現場における作業者の測位に対して，センシングデバイスを用いる手法が検討されている．導入においては，価格と測位精度のトレードオフを考慮し現場特性に併せた技術を選択する必要がある．本研究では，生産物流現場において広範囲に移動する作業者を対象に，センシングデバイスからの収集データを機械学習にて測位する手法を提案する．センシングデバイスは，現場に複数設置するビーコンの電波強度を位置データとして，また，加速度・角速度計から作業者の動作データを収集する．機械学習による測位では，これらを利用したマルチモーダル学習により，作業者の滞在位置や通過を検知する．特徴として，学習データ収集時に複数の測位手法を併用することで，自働で正解ラベルを作成可能とする点があげられる．提案手法の有効性の確認のため，学内での検証実験および物流倉庫での実証実験を行った．ビーコン配置による影響分析や測位精度の傾向を確認し，提案手法の適用方法や学習モデル構築方法について報告をする．, With the spread of IoT, using of sensing devices for positioning workers at production and logistics sites is being considered. In implementing these methods, it is necessary to consider the trade-off between price and positioning accuracy, and to select a technology that is suited to the characteristics of the site. This study proposes a positioning method for workers moving over a wide area at a production and logistics site using machine learning based on data collected from sensing devices. The sensing devices collect the radio wave strength of beacons installed at the site as position data, and the motion data of workers from acceleration and angular velocity sensors. The positioning by machine learning uses multimodal learning to detect the worker's location and passing events. One of the characteristics is that it can automatically generate correct labels by combining multiple positioning methods during training data collection. To confirm the effectiveness of them, we conducted a verification experiment on campus and a demonstration experiment in a distribution warehouse. We analyze the effects of beacon placement, confirm trends in positioning accuracy, and report on how the proposed method can be applied and how the learning model can be constructed.},
 title = {センサと機械学習を用いた生産物流現場における作業者の位置推定システムの開発},
 year = {2023}
}