[論文レビュー] CD-HOC: Indoor Human Occupancy Counting using Carbon Dioxide Sensor Data

Irvan B. Arief-Ang, Flora D. Salim+1 more|arXiv (Cornell University)|Jun 16, 2017

Human Mobility and Location-Based Analysis参考文献 24被引用数 14

ひとこと要約

CD-HOC は、二酸化炭素（CO₂）センサデータを用いて屋内人の数を計測するための新規手法を提案する。季節的・トレンド分解（Loessおよび移動平均）を用いてCO₂の成分をモデル化し、各成分に対して回帰モデルを適用し、ゼロ占有パターンの補正を施して精度を向上させる。この手法により、小規模な部屋（94.68%）ではベースラインのサポートベクタ回帰と比較して4.33%、映画館（cinema theatre）では8.46%の精度向上を達成した。

ABSTRACT

Human occupancy information is crucial for any modern Building Management System (BMS). Implementing pervasive sensing and leveraging Carbon Dioxide data from BMS sensor, we present Carbon Dioxide - Human Occupancy Counter (CD-HOC), a novel way to estimate the number of people within a closed space from a single carbon dioxide sensor. CD-HOC de-noises and pre-processes the carbon dioxide data. We utilise both seasonal-trend decomposition based on Loess and seasonal-trend decomposition with moving average to factorise carbon dioxide data. For each trend, seasonal and irregular component, we model different regression algorithms to predict each respective human occupancy component value. We propose a zero pattern adjustment model to increase the accuracy and finally, we use additive decomposition to reconstruct the prediction value. We run our model in two different locations that have different contexts. The first location is an academic staff room and the second is a cinema theatre. Our results show an average of 4.33% increment in accuracy for the small room with 94.68% indoor human occupancy counting and 8.46% increase for the cinema theatre in comparison to the accuracy of the baseline method, support vector regression.

研究の動機と目的

• 建物管理システム（BMS）に既存のCO₂センサを用いて、低コストでスケーラブルな屋内人の数計測手法を開発すること。
• 監視カメラやRFIDに依存せずに、閉鎖的屋内環境における正確な占有状況推定の課題を解決すること。
• サポートベクタ回帰などのベースライン手法を改善するため、時系列分解とゼロ占有パターンの適応的補正を組み込むこと。
• 職員室や映画館など、占有動態が異なる多様な屋内環境で、本手法の妥当性を検証すること。

提案手法

• 本手法は、Loess（STL）および移動平均を用いた季節的・トレンド分解を適用し、CO₂時系列データをトレンド成分、季節成分、不規則成分に分解する。
• 分解された各成分（トレンド、季節、不規則）を個別に回帰アルゴリズムでモデル化し、それぞれが占有に与える寄与を予測する。
• 低占有またはゼロ占有時における過小推定を是正するため、ゼロパターン補正モデルを導入し、モデルの頑健性を向上させる。
• 最終的な占有状況予測は、加法的分解を用いて再構成され、各成分の予測値を統合して統一された推定値を得る。
• 本モデルは、小規模な学術職員室と映画館という2つの異なる屋内環境から収集した実際のCO₂センサデータを用いて、学習および評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 CO₂センサデータのみを用いて、高い精度で屋内人の数を効果的に推定できるか？
• RQ2 季節的およびトレンド分解技術は、CO₂に基づく占有状況推定のモデリングをどの程度向上させるか？
• RQ3 ゼロパターン補正モデルは、低占有状況における予測精度をどの程度向上させるか？
• RQ4 本手法は、映画館や職員室など多様な屋内環境において、サポートベクタ回帰などのベースライン回帰モデルと比較して、どの程度優れているか？

主な発見

• CD-HOCモデルは、小規模な学術職員室における人の数推定で94.68%の精度を達成し、サポートベクタ回帰ベースラインと比較して4.33%の向上を示した。
• 映画館の環境では、ベースラインと比較して精度が8.46%向上し、変動が激しい占有状況環境でも優れた性能を示した。
• Loessに基づくSTLと移動平均の両方を用いた分解により、CO₂信号成分の効果的な分離が可能となり、モデルの解釈可能性と性能が向上した。
• ゼロパターン補正モデルは、低占有または無占有時における過小推定誤差を顕著に低減し、全体の精度向上に寄与した。