[論文レビュー] Understanding occupants' behaviour, engagement, emotion, and comfort indoors with heterogeneous sensors and wearables

Nan Gao, Max Marschall+3 more|arXiv (Cornell University)|May 14, 2021

Building Energy and Comfort Optimization被引用数 4

ひとこと要約

本研究では、メルボルンの小中学校における29名の利用者から得た、異種の環境センサーとウェアラブル生理的センサー（Empatica E4）および自己報告調査を統合した、新規で公開可能なデータセットを提示する。このデータセットは、利用者の行動、感情状態、熱的快適性の予測的モデリングを可能にする。縦断的な屋内・屋外気象データとリアルタイムの生理的・行動的指標を統合することで、教育施設における住環境の快適性とエネルギー効率を向上させるための知的フィードバックシステムの開発基盤が提供される。

ABSTRACT

We conducted a field study at a K-12 private school in the suburbs of Melbourne, Australia. The data capture contained two elements: First, a 5-month longitudinal field study In-Gauge using two outdoor weather stations, as well as indoor weather stations in 17 classrooms and temperature sensors on the vents of occupant-controlled room air-conditioners; these were collated into individual datasets for each classroom at a 5-minute logging frequency, including additional data on occupant presence. The dataset was used to derive predictive models of how occupants operate room air-conditioning units. Second, we tracked 23 students and 6 teachers in a 4-week cross-sectional study En-Gage, using wearable sensors to log physiological data, as well as daily surveys to query the occupants' thermal comfort, learning engagement, emotions and seating behaviours. Overall, the combined dataset could be used to analyse the relationships between indoor/outdoor climates and students' behaviours/mental states on campus, which provide opportunities for the future design of intelligent feedback systems to benefit both students and staff.

研究の動機と目的

• 建物のエネルギー性能シミュレーションにおける実績ギャップを埋めるために、実際の学校環境における利用者行動の実証的データを収集すること。
• 屋内気候、生理的反応、および住環境の幸福度（感情状態や学習関与度を含む）の間の動的関係を調査すること。
• ウェアラブルデバイスと環境センサーを用いたマルチモーダルセンシングフレームワークを構築し、検証することにより、包括的な屋内環境モニタリングを実現すること。
• 今後の研究のための、利用者行動、快適性、および精神状態に関する高精度な公開データセットを構築すること。
• 住環境の快適性を高めながらエネルギー消費を削減する知的フィードバックシステムの設計を可能にすること。

提案手法

• 屋外および屋内の気象観測所に加え、部屋のエアコンに温度センサーを設置し、5分間隔でデータ収集と利用者存在検知を実施した5か月間の縦断的現地調査を実施した。
• 23名の生徒と6名の教員から、Empatica E4ウェアラブルバンドを用いて、生理的信号（EDA、HRV、皮膚温、3次元加速度）を4週間の横断的調査で収集した。
• デジタルアンケートを用いて、毎日、熱的快適性、学習関与度、感情状態、座席行動に関する自己報告データを収集した。
• EDA信号のノイズ低減のため、5秒間の中央値フィルタを適用し、欠損値率を2.66％から2.46％まで低減させ、データ品質を向上させた。
• 環境、生理的、行動的、自己報告の異種データストリームを統合し、マルチモーダル分析用の統一データセットを構築した。
• データセットおよびデータ前処理とセグメンテーション用のPythonコードを公開し、再現性と今後の研究を支援した。

実験結果

リサーチクエスチョン

• RQ1 屋内および屋外の気候条件は、学校の教室における利用者制御エアコンの運用にどのように影響を与えるか？
• RQ2 生理的信号（例：EDA、HRV）と生徒・教員の自己報告感情状態や学習関与度の間にはどのような関係があるか？
• RQ3 ウェアラブルセンサーのデータは、実世界の教育環境において、利用者の快適性や精神状態をどの程度正確に予測できるか？
• RQ4 座席行動および同僚との距離は、教室環境における生理的同期性および関与度の認識とどのように関連しているか？
• RQ5 統合されたセンサーデータは、単純なルールベースの仮定を超えて、建物性能シミュレーションにおける利用者行動モデリングの精度を向上させることができるか？

主な発見

• 17教室で5分間隔で収集された縦断的環境データセットは、屋内および屋外温度と占拠状況を用いたエアコン使用の予測モデル開発を可能にする。
• EDA信号に5秒間の中央値フィルタを適用した結果、欠損値率が2.66％から2.46％に低下し、生理的分析に適した信頼性の高いデータが得られた。
• 統合されたデータセットは、実世界の学校環境で異種センシングを用いて高校生の日常行動、関与度、感情状態を研究するための、初めての公開可能なリソースを提供する。
• 生理的、行動的、環境的データの統合は、生徒の関与喪失や否定的気分の検出に向けた道筋を拓く。
• 自己報告データおよび環境データと組み合わせることで、EDAやHRVといった生理的信号が教育現場における精神状態を効果的に推定可能であることが示された。
• 本データセットは、今後の研究における同僚効果、集団レベルの生理的同期性、および学習と快適性の向上を目的とした適応型屋内気候制御の研究を支援する。