Archive for the ‘センサ’ Category

Googleは駐車場の込み具合をAIで予測する技術を開発、センサーは不要でアルゴリズムが正確に推定

Friday, February 3rd, 2017

駐車場管理はInternet of Thingsの得意分野で、設置したセンサーがクルマの有無を捉え混雑状況を把握する。Googleのアプローチはソフトウェアで、クルマの流れをMachine Learningで解析し混雑状況を正確に推定する。駐車場にセンサーを設置することなく、アルゴリズムのパワーで施設を管理する。

出典: VentureClef

駐車場の混雑情報を表示

駐車場の混雑状態を表示するサービスが今月から始まった。Google Mapsで目的地までの道順を検索すると、駐車場の込み具合も表示される (上の写真、最下段の分部)。例えば、Mountain View市街に向かうとき、駐車場の込み具合は「Medium」となっている (上の写真左側)。これは「駐車場を探すのは難しくない」という意味で、時間通りに出発できる。込み具合に応じて出発時間を調整することができる。

駐車場が無ければ電車で移動

一方、サンフランシスコのカンファレンス会場への道順を検索すると、駐車場は「Limited」と表示される (上の写真右側)。これは「駐車場は限られている」という意味で、駐車場を探すために時間がかかると注意を促している。駐車が難しいのであれば電車で行くという選択肢も浮上する。事実、Googleによるとこのサービスを始めると、電車で移動するルートの検索件数が急増したとしている。

混雑状況を把握する仕組み

Googleは新サービスの仕組みを「Using Machine Learning to predict parking difficulty」として公表した。これによると、駐車場空きスペースを把握するために、クラウドソーシングとMachine Learningという技法を使っている。クラウドソーシングとはユーザデータを集約して利用することを示す。このケースではGoogle Mapsユーザの位置情報を集約して利用する。Google Mapsユーザに「駐車場を探すまでどのくらいかかりましたか?」という質問を送り、その回答を集約し、駐車場を探す難易度を算定した。Googleはこの手法で信頼度の高いGround Truth (基準データ) を収集した。

店舗やレストランの混雑状況

Googleは早くから利用を許諾したユーザの位置データを使ったサービスを展開している。その代表がGoogle Mapsで表示されるLive Traffic (渋滞情報) でクルマの流れをリアルタイムで表示する。また店舗やレストランのPopular Time (混雑情報) やVisit Duration (滞在時間) を提供している。便利なツールで生活の一部として利用されている。

クラウドソーシングの限界

しかしこの手法だけでは駐車場の込み具合を正確に推定することはできない。クルマを駐車する場合はパターンの数が多く、これらの要因も考慮する必要がある。例えば、クルマが私有地に駐車すると、アルゴリズムは空きスペースがあると誤認する。また、利用者がタクシーやバスで移動したケースも、アルゴリズムは駐車スペースがあると誤認する。駐車スペースを判定するためにはクラウドソーシングの手法では限界がある。

出典: VentureClef

クルマの移動パターンと駐車場の有無

このためクルマがどんなパターンで移動すると駐車場が無いことを示すのか、その特徴量を見つけることがカギとなる。昼食時間にクルマが街中を周回する動きをすると (下の写真)、これは駐車場が無いためと判断する。一方、利用者が目的地に到着し、そのまま施設に入った場合は駐車場があったと判断する。このような特徴量を把握してアルゴリズムに反映した。

出典: Google

20のモデルを生成

この他に目的地に特有な条件や駐車場の位置に依存した要因も考慮する必要がある。また、駐車する時間や、駐車する日に依存する条件なども取り入れる。更に、過去の統計情報も利用された。最終的には20のモデルが作られ、これを使ってアルゴリズムが教育された。

Logistic Regressionという手法

前述の通り、このモデルの解析ではMachine Learningが使われた。Machine Learningには様々な手法があるが、その中でもLogistic Regressionという技法が使われた。Logistic Regressionとは統計学の代表的な技法で、変数の間の関係を推定する。アルゴリズムを教育することで、ある変数を入力すると、その結果を推定することができる。つまり、Logistic Regressionはある事象に関する結果を予想する。ここではドライバーの運転データを入力すると、駐車場を探すのが容易であったか、困難であったかを推定する。アルゴリズムは容易か困難かの二つの値を出力し、これはBinary Logistic Modelと呼ばれる。

Deep LearningではなくMachine Learningを採用

Deep Learningで世界をリードするGoogleであるが、敢てMachine Learningの技法を使ったことは興味深い。具体的には、Neural Network (人間の脳を模したネットワーク) ではなくLogistic Regression (統計手法) が使われた。Googleはこの理由として、「Logistic Regressionは技術が確立しており、挙動を理解しやすいためと」述べている。このことは、Neural Networkは中身がブラックボックスでその挙動が分かりにくいということを示す。

今年のAI技法のトレンド

Googleや他の企業でMachine Learningを見直す動きが広がっている。Neural Network全盛時代であるが、長年にわたり培われた技法を改良しうまく利用しようとする試みである。同時に、Neural Networkのブラックボックスを開き、仕組みを解明しようという研究も始まった。AIの観点からは、Machine Learningの改良とNeural Networkの解明が今年の大きなテーマになっている。

サンフランシスコ市街の駐車場

この技法でサンフランシスコ市街の駐車場の混雑を予測すると下の写真の通りとなる。市街地を区画ごとに分け駐車場の込み具合を表示している。色の濃い部分が混雑が激しいことを示す。上段は月曜日で下段は土曜日。左側は午前8時で右側は午後9時の標準的な込み具合を表示している。月曜日の朝はFinancial Districtを中心としたビジネス街の駐車場が混むが、土曜日の夜はUnion Squareを中心とした観光スポットの駐車場が込むことが分かる。

出典: Google

サンフランシスコ市の取り組み

駐車場管理や混雑情報の発信は行政の責任でもある。事実、サンフランシスコ市は駐車場にIoTを導入し、混雑度を把握する実証実験「SF Park」を進めている。サンフランシスコ市街地では路上駐車スポットにParking Meterが設置され、コインやカードやアプリで駐車料金を支払う (下の写真)。同時に、Parking Meterがセンサーとなり、クルマの有無を検知する。Parking MeterはIoT専用ネットワークSigfoxで結ばれ、駐車スポットの込み具合を集約する。このIoTシステムが完成すると、駐車場混雑情報がリアルタイムで分かることになる。

出典: San Francisco Municipal Transportation Agency

センサー対アルゴリズム

果たしてサンフランシスコ市によるIoT駐車場管理システムは正しく混雑状態を把握できるのか関心が高まっている。Parking Meterで駐車を正しくセンシングできるかという問題である。Parking Meterのある駐車スポットに違法で駐車したり、また、特別許可証を持ったクルマが駐車した場合は空きと判断される恐れがある。また、駐車時間が残っているのにクルマを出す人もあり、このケースでは駐車中と判断される可能性が高い。

スマートシティー開発のモデルケース

リアルタイムで正確な駐車場空き情報を把握するのは難しい作業となる。これに対し、Googleはセンサーは使わないでアルゴリズムが混雑状況を把握する。センサーとアルゴリズムの戦いが始まり、どちらに軍配が上がるのか地元住民だけでなく全米で関心が高まっている。GoogleやSF Parkの取り組みが米国で展開されているスマートシティー開発のモデルケースとして注目されている。

日本のインフラ事業の強敵か、Googleが未来都市開発に進出

Friday, June 19th, 2015

Googleは未来都市開発に乗り出した。独立会社「Sidewalk Labs」を設立し、住民が生活しやすい都市を開発する。これはIBMやCiscoが手掛けているスマートシティーとは大きく異なる。都市開発ではInternet of Things (IoT) を中心とするITを総動員するだけでなく、建造物の素材やアーキテクチャーも研究対象となる。Googleが開発している自動運転車や再生可能エネルギー発電も視野に入る。このプロジェクトはGoogle Xに続く高度研究所「Google Y」と噂されていた。限られた情報からGoogleの壮大な構想を読み解く。

g416_google_sidewalk_labs_01

Sidewalk Labsとは

Googleは2015年6月、革新的な街づくりを目指す「Sidewalk Labs」を発表した。CEOのLarry Pageはブログの中で、設立経緯や目的を明らかにした。地球規模で都市化が進み (上の写真、国連調査レポート)、人口集中が顕著になっている。Sidewalkは都市部で生活する人々の暮らしを改善するための技術を開発する。これは「Urban Technologies」と呼ばれ、住宅、交通、エネルギーの三分野を対象とする。具体的には、住宅コストを低減し、交通渋滞や電車混雑の少ない効率的な交通網を作り、エネルギー消費量を低減する。

Sidewalkの事業はGoogleのコアビジネスとは異なるため別会社とする。Sidewalkは長期レンジのプロジェクトで、今より10倍住みやすい都市を作ることを目指す。CEOにはBloomberg社の元CEOであるDan Doctoroffが就任する。

Google Yの構想を引き継ぐ

Sidewalkは都市開発における具体的な手法についても言及した。Sidewalkはリアルとバーチャルの世界をテクノロジーで結び、都市部における住民、企業、政府の生活水準の向上を目指す。革新的に進化しているモバイルやIoT技術を活用し、建築では柔軟構造のアーキテクチャーを利用する。Sidewalkは都市開発のための製品を提供するだけでなく、プラットフォームを構築し、パートナー企業とともにソリューション開発に取り組む。これにより、住宅費用が安くなり、通勤時間が短くなり、公園や緑地が増え、安全に自転車に乗ることができる。

Pageは2013年に、新たな研究機関「Google Y」の創設を検討していた。社会が直面する大きな課題を解決することを目標とした。同時に、Googleの次の事業モデルを模索するという意味もあった。最初のテーマとして、空港整備や都市開発が挙げられた。SidewalkはGoogle Yの構想を受け継ぐものとなり、都市開発を中心に事業を進める。

g416_google_sidewalk_labs_02

世界の人口は大都市に集中

Googleが都市開発に乗り出した背景には、世界の人口が都市部に集中していることがある。国連は世界の人口統計「World Urbanization Prospects」を発表した。都市部の人口推移を解析するもので、都市計画などに利用される。このレポートによると、世界は都市部に人口が集中する傾向が強まっている。1950年には全人口の30%が都市部で生活していたが、2014年にはこれが54%に上昇した。更に、2050年には66%になると予測している。

上のグラフがそれを示している。大都市数の推移を示したもので、赤色の部分 (最上部) が人口1000万人以上のメガ都市を示す。2014年のメガ都市のトップは東京 (人口3800万人) で、これにインド・Delhi (同2500万人)、中国・Shanghai (同2300万人) が続く。1990年にはメガ都市の数は10都市であったが、2014年には28都市と三倍近くに増加。2030年には41都市になり、世界の人口の12%がここで生活すると予想している。

日本は人口減少が予想され、労働力の確保などで苦慮している。しかし世界はその反対で、人口の急増と都市部への集中でインフラ整備に苦しんでいる。因みに大阪は、1990年の人口統計で世界第2位であったが、2030年には13位に後退すると予想されている。

g416_google_sidewalk_labs_03

柔軟構造ビル

Sidewalkは具体的な技術については公開していないが、都市開発で目指す柔軟構造ビルのヒントは、Google新本社キャンパスにある。Googleは2015年2月、新キャンパスについて発表した。建物はコンクリート製ではなく、軽量ブロック構造で、必要に応じて解体し移動できる構造になっている。上の写真は建物内部の様子で、右奥の構造物は積木細工のように、解体して移動できる。ガラス繊維でできた透明のドームで外光や外気を取り入れる (写真上部)。建物の周囲には歩道や緑地が整備される。デザインは英国に拠点を置くHeatherwick Studioが手掛ける。

アーキテクチャの特徴は事業内容に応じて建物のレイアウトを再構築できること。自動運転車の製造工場やバイオロジーの植物栽培施設などが必要になると、建物のレイアウトを容易に変更できる。現在のGoogleキャンパスは、ビル周囲に駐車場が広がり樹木は少ない。新キャンパスは自然との調和を重視し、エコロジカルシステムの中に建造物が存在する位置づけとなる。シリコンバレーの本社キャンパスに続き、ロンドン本社もHeatherwick Studioが手掛けると噂されている。Sidewalkが目指す柔軟構造の建造物は、Google新本社がモデルとなるのかもしれない。

g416_google_sidewalk_labs_04

都市交通の整備

都市交通整備で重要なカギを握るのが自動運転技術だ。自動運転車の登場で交通事故が大幅に減少するだけでなく、移動コストも低下する。消費者は自動車を所有するのではなく、必要な際にオンデマンドで無人タクシーを利用する。この方式だと自動車を所有する時と比べ、コストが1/10になるという試算もある。更に、無人タクシーで移動すると駐車場がいらなくなり、土地を有効活用できる。自動運転車の登場で生活にかかるコストが大きく下がる。

Googleは自動運転車「Prototype」(上の写真) の路上試験をこの夏から始める。Prototypeは軽自動車を半円形にした車体に自動運転技術を搭載している。二人乗りで、車内にはハンドル、アクセル、ブレーキペダルは無い。完全自動運転ができるデザインで市街地での移動に適している。

Googleは、電車やバスなど都市交通の整備には、ビッグデータを活用する。都市交通解析システム開発企業「Urban Engines」に投資し、「Internet of Moving Things」の手法で交通ネットワークの最適化を行う。専用アプリ「Urban Engines Maps」を提供し、消費者は電車や自動車で目的地までの経路を検索する。利用者の位置情報を解析することで、電車やバスの乗客の動きを把握できる。解析結果は地方政府の交通部門などに提供され、乗客動向を把握し、運賃政策などで電車やバスの運行を最適化する。既にシンガポール、ブラジル、コロンビア特別区で使われている。

g416_google_sidewalk_labs_05

再生可能エネルギー技術

Googleは省エネ技術だけでなく、再生可能エネルギー関連で豊富な経験がある。Googleは再生可能エネルギー分野に積極的に関与してきた。2007年、同社の慈善団体であるGoogle.orgを通して、「RE < C」というプロジェクトを開始し、発電コストを下げるための技術開発を展開。これがGoogleの再生可能エネルギー開発の切っ掛けとなった。2010年からは、ウィンドファームに投資し、大規模再生可能エネルギー発電事業に参画した。2011年には、世界最大規模のウィンドファーム「Shepherds Flat Wind Farm」に1億ドル出資し市場を驚かせた。一方、Googleの投資手法はハイリスク・ハイリターンで、技術開発で危険性も伴う。2011年、カリフォルニア州に建設している太陽熱発電プロジェクト「Ivanpah Solar Electric Generating System」に投資した (上の写真)。施設は稼働を始めたが、発電量は予定の40%にも満たなく、抜本的な見直しを迫られている。

Googleはこれまでに米国を中心に、20プロジェクトに累計20億ドル投資した。Googleは再生可能エネルギー発電事業に関与するとともに、自社データセンターで使う電力を賄うことも目的としている。

2015年6月、Googleはアフリカで再生可能エネルギー開発を行うことを公表した。ケニアで大規模なウインドファーム「The Lake Turkana Wind Power Project」を展開する。2017年の完成を目指し、同国で消費する電力の20%を生成する。アフリカは急成長が続き、2040年までに消費電力の50%が再生可能エネルギーとなると予測されている。Googleは気球プロジェクト「Project Loon」で上空からインターネット網を構成する。電力とインターネットインフラを供給することで、Googleのアフリカにおける存在感が大幅に増すことになる。

g416_google_sidewalk_labs_06

IoT向けプラットフォーム

Googleの未来都市開発が上手くいくと、住民の生活コストが大幅に低下する。これを支えるのが急速に進化するテクノロジーで、センサーや人工知能がカギを握る。特にセンサー技術の進化は凄まじく、10年後には1兆個のセンサーが使われるとの試算もある。これを「Trillion-Sensor Economy」と呼び、IoTがデバイスを統合するインフラとなる。

Googleは2015年5月、IoT向けのソフトウェア技術「Project Brillo」を発表した (上の写真)。身の回りの家電や自動車など、様々なデバイスを統合するプロジェクトで、三つの領域で構成される。それらはOS、コミュニケーション、ユーザインターフェイスとなる。OSはAndroidをベースとし、IoT向け基本ソフトとして機能する。コミュニケーションでは「Weave」という通信レイヤーを導入し、IoTシステムの上位階層として位置づけ、デバイス、クラウド、スマホ間の通信を司る。ユーザーインターフェイスは、スマホのAndroid上に構築される専用アプリで、室内の電燈などデバイスを操作する。当面はスマートホームを対象とするが、未来都市で大規模に展開されるIoTシステムも視野に入っている。Googleだけでなくパートナー企業は、このプラットフォーム上でIoTソリューションを開発する。

Googleの技術が未来都市にまとまる

Sidewalkは具体的な技術や手法を公開していないが、Googleの新本社キャンパス建設、自動運転技術、ビッグデータ解析手法、再生可能エネルギー開発プロジェクトが未来都市開発に集約される。バラバラに動いていると思っていたプロジェクトが、Sidewalkという共通項で有機的に結合する。Googleは未来都市開発を大都市化が進むインドや中国などで展開する。日本が得意とするインフラ開発であるが、Googleがここに参入することとなり、世界の構図が大きく変わる。

ウエアラブルでお洒落になる!スマートドレスが似合う洋服を教えてくれる

Wednesday, December 3rd, 2014

米国クリスマス商戦で、オンラインストアーの売り上げが大幅に伸びている。しかし、衣料品の購入では自分に合うサイズの商品を見つけるのが難しい。これは自分のサイズを詳細に掴んでいないのと、業界で統一したサイズ基準が無いためである。この永遠の課題に終止符を打つ技術が登場した。スマートドレスを着ると、サイズを測定でき、自分にフィットする洋服が分かるのだ。

g393_likeaglove_01

スマートドレスでサイズを測定

これは「LikeAGlove」という新興企業が開発しているスマートドレス「Smart Garment」で、シリコンバレーで開催された「DEMO Fall」で公開された。このドレスを着ると体のサイズを詳細に測定でき、自分にフィットする洋服が分かる。上の写真のモデルさんが着ている赤いドレスがSmart Garmentで、伸縮する素材でできている。この素材には伝導性ファイバーが織り込まれ、身体サイズをドレスが計測する。収集したデータは衣服のコントローラーからタブレットに送信される (モデルさんの持っているタブレット)。

g393_likeaglove_02

測定結果をタブレットで閲覧

上の写真が測定結果サンプルで、身体の五か所のサイズが表示される。具体的には、わき下間サイズ、カップサイズ、バンドサイズ、ウエスト、ヒップが計測される。実際にモデルさんにデモを見せてもらったが、お腹をへこませると、その結果がリアルタイムでタブレット上に表示された。実際には、Smart Garmentを数分間着装し、サイズを測定する。

g393_likeaglove_03

消費者にフィットする商品を表示

スマートドレスで自分のサイズが正確に分かるが、これでフィットする洋服を見つけられる訳ではない。もう一つの問題は、衣服のサイズに統一基準がないことである。つまり、同じサイズでも、ブランドにより大きさが異なるのだ。LikeAGloveは主要ブランドの衣服サイズのデーターベースを構築している。サイズが分かると、データベースを検索し、消費者にフィットする商品を表示する (上の写真)。更に、LikeAGloveはサイズだけでなく、消費者の体型を考慮し、一番似合う衣服を推奨する。

g393_likeaglove_04

何故サイズを統一できないのか

ジーンズやシャツを買うとブランドによりサイズが異なり不便を感じる。米国アパレル業界では、洋服のサイズ表記について統一したルールが無いためである。同じサイズ表記でもブランドが異なると、実際の大きさが異なる。上のグラフはそれを示しており、「サイズ10」でもブランドにより、大きさが異なる。黒色の線は業界の中央値で、ピンク色の線は米国人気ブランド「K-mart」を示す。K-martブランドの衣服は、標準値より大きめに設定してあり、「サイズ10」でも、実際にはその上の「サイズ12」に近い。これは「Vanity Sizing」(虚栄心サイジング)というマーケティング戦略である。K-martに行くと、一つ小さい「サイズ10」の服も着れるということで、売り上げが伸びる仕組みだ。

ビジネスモデルは検討中

DEMO Fall会場で、LikeAGlove CEOのSimon Cooperと、CMOのJessica Insalacoから、製品概要とビジネスモデルの説明を受けた。LikeAGloveはSmart Garmentとして、キャミソール (上述のドレス) の他に、ソックス、シャツ、レギングスを開発している。女性用だけでなく、男性向けには、シャツとレギングスを提供する。Smart Garmentの販売チャネルについては未定としているが、複数のオプションを検討している。具体的には、Amazonなど、オンラインストアー経由で販売することを目指している。また、消費者に直販するモデルも検討されている。価格は公表されていないが、量産すると安くなるとしている。

g393_likeaglove_05

eBayは超高精度な仮想試着室を開発中

オンラインストアーの技術進歩が著しい中、eBayは高精度なコンピューターグラフィックスを駆使し、仮想の試着室を開発している。eBayは2014年2月、3Dモデリング技術を開発している企業「PhiSix」を買収し技術開発を開始した。PhiSixは衣服の写真やパターンファイルなどから3Dモデルを生成し、衣服の挙動をシミュレーションする。消費者は高精度のコンピューターグラフィックスを見て、どの洋服を買うかを決める。消費者が体のサイズを入力すると、システムは体にフィットする商品を推奨する。

仮想試着室では異なる環境の中で衣服を着て動くことができる。上の写真はファッションショーのステージをイメージしたもので、モデルの動きは極めて精巧で、人間の動きと見分けがつかない。衣服もその特性に合った挙動をする。このケースではトップスは薄手のシャツで、歩くと風を切って、シャツが軽くたなびく。周囲の環境はステージの他に、街中や、ゴルフ場などが開発されている。購入する服を着て街中を歩くと、どのような感じなのかを把握できる。ゴルフ場では、購入するウエアを着てスイングすると、周りからどう見えるのかを理解できる。eBayはこの仮想試着室をオンラインストアーやモバイルアプリなどで展開する。仮想試着室でリアルなイメージが掴めれば、オンラインストアーの売り上げが伸びるという目論見だ。

g393_likeaglove_06

シリコンバレーでサイズ測定専用機が登場

消費者にフィットする洋服を見つけるために、ベンチャー企業はしのぎを削ってきた。「Bodymetrics」と言うベンチャー企業は、消費者の体をスキャンしてサイズを測定する技術を開発した。この装置はシリコンバレーの高級デパート「Bloomingdales’」に設置された (上の写真)。消費者はこの装置の中で、サイズを測定する。Bodymetricsは16台のMicrosoft Kinectを実装しており、3Dカメラで被写体の体を撮影し、立体オブジェクトを生成する。

10秒ほどで測定ができ、その結果は小売店のiPadに表示される。200ヵ所のサイズを計測し、アプリは最適な商品を推奨する。消費者は事前に専用アプリをインスト―ルしておくと、測定結果を自分のiPhoneで見ることができる。同様に、アプリは最適なサイズの商品を推奨する。従来はレーザー光での測定であったが、Kinectを使うと低価格で簡単に測定ができる。街で話題となった技術であるが、現在は使われていない。

ウエアラブルでサイズを測定するという発想

多くのベンチャー企業から、衣服にセンサーを組み込み、心拍数や心電図を測定し、健康管理に役立てる技術が登場している。これに対し、LikeAGloveはファッションの用途で、スマートドレスで身体サイズを計測する。しかし、一度サイズが分かればドレスは不要となる。家族や知人で利用する方法もあるが、LikeAGloveはドレスの再利用についてはコメントしていない。もし利用者が定期的にサイズを測定すれば、体型の変化を把握でき、健康管理やフィットネスに役に立つ。もう少し先になるが、3Dプリンターで衣服を印刷できれば、身体の詳細な三次元データが必要不可欠となる。究極の洋服を作れるが、Smart Garmentのようなセンサーが再び必要となる。Smart Garmentのデモを見て夢の広がる技術だと感じた。

Googleはスマートシティの研究開発に着手、都市交通をデータ解析する技術に投資

Friday, September 19th, 2014

Googleは高度技術研究所「Google X」に続き、第二の研究機関「Google Y」の設立を計画している。Google Yは効率的な空港やモデル都市の開発を手掛ける。一方、Google Venturesは「Urban Engines」という会社に投資し、データ解析の手法で交通渋滞を緩和する技術を開発している。Googleは社会インフラ整備事業に乗り出そうとしている。

g385_urban_engines_01

Google Yでスマートシティの研究

Google CEOのLarry Pageは一年前、「Google 2.0」というプロジェクトをスタートした。The Informationが9月18日に報道した。このプロジェクトは社会が直面している大きな課題を解決することを目指す。同時に、Googleの次の事業モデルを模索する、という意味もある。最初のテーマとして、空港や都市の整備が挙げられた。更に、これらテーマを推進するために、Google Yの創設が提案された。

上の写真は昨年のGoogle I/O基調講演で、PageはGoogleの新たな挑戦について説明した。具体的なプロジェクトは示されなかったが、PageはGoogle 2.0の構想を抱いていたと思われる。Google XはSergey Brinの指揮の下、自動運転車やGoogle Glassなど、将来技術の研究を行っている。これに対して、Google Yは長期レンジの研究で、大規模プロジェクトを対象としている点に特徴がある。必ずしも採算性を意識している訳ではない。Googleはエネルギー分野では、風力発電や太陽熱発電など、既に大規模プロジェクトを展開している。シリコンバレーを含む北カリフォルニアは、Googleが開発した太陽熱発電所 (Ivanpah Solar Power Facility) から電力を購入している。今度は、Google Yでスマートシティの研究開発に向うこととなる。

都市交通解析システムへ投資

これに先行しGoogle Venturesは、Urban Enginesというベンチャー企業に投資を行った。Urban Enginesはカリフォルニア州ロスアルトスに拠点を置き、都市交通解析システムを開発。Urban Enginesは、センサーやカメラなどのハードウェアを使わないで、データ解析の手法で、電車やバスの運行状況をモニターする。更に、インセンティブプログラムで、人間心理に訴えて、混雑緩和を行う手法を開発。システムが生成するログデータを解析することで、都市交通を解析する点に特徴がある。

g385_urban_engines_02

データ解析で運行状況モニター

上の写真はその事例で、鉄道会社が電車運行状況をモニターしている様子。ブラウザー上に、電車の位置や混雑状況が表示される。電車の位置は路線上の箱で、混雑度は箱が塗りつぶされた割合で示される。駅は丸印で、その隣のバーは、駅の混雑状況を示している。駅に収容人数を超える乗客がいる際は警告メッセージをあげる。画面左上で日時を指定し、再生ボタンを押すと、動画で時間ごとの変化を見ることができる。管理者は、ハードウェア機器の導入無しで、電車の運行を監視できる。

g385_urban_engines_03

運行監視システムの仕組み

Urban Enginesは既存システムが生成するデータログを解析することで、運行状況を把握する。乗客の動きは、乗車カード (JR東日本のSuicaのようなカード) の情報を入力とする。電車やバスの位置はGPSなどの位置情報を利用。乗客一人一人がセンサーの役割を果たし、この手法は「クラウドセンシング」と呼ばれている。具体的には、前述の通り、電車や駅の混雑状況の他に、駅での待ち時間を把握できる (上の写真、イメージ)。電車やバスの位置と速度を把握し、遅れや運休でどれだけの利用者が影響を受けるかを推定。更に、利用者に特典を与えることで混雑緩和を目指すインセンティブプログラムも提供している。

g385_urban_engines_04

シンガポールで利用されている

Urban Enginesは新興国を中心に導入が始まっている。シンガポール政府はUrban Enginesを導入し、電車の混雑緩和を目指している。運輸を管轄するLand Transport Authorityは運行管理に加え、「Travel Smart Rewards」という名称で、インセンティブプログラムを展開。利用者は搭乗パス (Cepas Card) を利用し、ピーク時前後の時間帯で電車に乗るとポイントを貰える。上の写真がポイント制度で、ピーク時前後 (シェイドの時間帯) に登場すると、通常の3倍から6倍のポイントが貰える。ピーク時の乗客を前後に分散させることが狙い。取得したポイントはキャッシュバックとして、Cepas Cardに還元される。企業もこのプログラムを支援しており、上記に加え、社員に割増ポイントを与えている会社もある。

g385_urban_engines_05

スタンフォード大学での研究成果を商用化

Urban Enginesはスタンフォード大学の研究成果を商用化したもの。創業者の一人Balaji Prabhakarは、スタンフォード大学で交通ネットワークの研究に従事。Prabhakarは「Behavioral Economics」というモデルで、人間心理に訴え、通勤時の混雑を緩和する手法を研究。具体的には、「Congestion and Parking Relief Incentives」というシステムを開発し、オフピーク時間帯に通勤すると褒賞を与え、交通渋滞を緩和する効果を検証した。この結果、少ない褒賞で大きな効果があることが分かり、この研究を元にUrban Enginesを創設。現在もこのシステムは稼働しており、専用アプリ「My Beats」 (上の写真) で利用されている。

g385_urban_engines_06

人口増加にどう立ち向かうか

Urban Enginesは前述の通り、新興国を中心に導入が始まっている。ブラジルのサンパウロでは、World Bankと共同で、バスの運行管理を行っている (上の写真、イメージ)。アメリカではコロンビア特別区において、電車の運行管理に利用されている。世界の人口は2050年までに90億人になると言われている。増え続ける人口に対応するため、新興国では輸送システム増強が喫緊の課題となっている。輸送量を増強するなどハード面での対応に加え、Urban Enginesのソフト面でのアプローチが評価されてきた。Urban Enginesが目指しているのは、インフラが整っていない国々での輸送力強化にあり、今後、新興国を中心に大きな需要が見込まれる。日本ではSuicaで生成されたデータの解析が進んでおり、Urban Enginesの手法は特に目新しいものではない。日本の高度なインフラ技術輸出の他に、新興国向けには、Suicaデータ解析技術が、混雑緩和に貢献するのかもしれない。

Googleとの関係が深い

Urban EnginesはGoogleとのつながりが強い企業である。Urban Engines創業者の一人Shiva Shivakumarは、Googleでエンジニアリング部門の副社長を歴任。同氏は、AdSenseやSearch Applianceの開発に携わった。また、Urban Enginesへは、Google Venturesだけでなく、元CEOのEric Schmidtも投資を行っている。Urban Enginesは、Googleのコア技術であるデータ解析を都市交通の解析に応用したもので、Googleの注目度の高さが窺える。冒頭のGoogle Y設立の提案と共に、Googleは社会インフラ整備事業に向って動き始めた。

Apple iWatchはスリープトラッカー搭載か?睡眠測定センサーは生活必需品!

Friday, August 15th, 2014

健康管理ウエアラブルは、運動量の計測に加え、睡眠の質をモニターする。Appleが発表予定のiWatchも、睡眠状態を計測するセンサーを搭載すると噂されている。ベンチャー企業からは、スリープトラッカーの登場が相次ぎ、睡眠を解析する技術が急速に進歩している。

g380_sense_01

Appleで睡眠の研究が始まる

Appleは昨年、大手家電メーカーPhilipsから、睡眠研究科学者Roy Raymannを採用した。Raymannは睡眠研究の第一人者で、ウエアラブルやセンサーの知識も豊富で、睡眠の質を向上する技法の研究を行ってきた。iWatchは健康管理とフィットネスのためのウエアラブルと言われている。Raymannの移籍により、iWatchにスリープトラッカーが搭載される可能性がぐんと高くなった。

眠りと環境をモニターする

新興企業からもユニークなスリープトラッカーが登場している。Helloはサンフランシスコに拠点を置き、スリープトラッカー「Sense」を開発している (上の写真)。Senseは睡眠の状態と、寝室の環境を測定し、安眠を得るためのアドバイスを行う。Senseは睡眠の状態として、深い眠り、浅い眠り、起きている時間などを計測する。同時に、Senseは、騒音、明るさ、温度、湿度、微粒子などの環境状態を測定する。両者のデータから睡眠に最適な条件を把握し、安眠のためのアドバイスを行う。また、Senseにはスマートアラーム機能があり、睡眠サイクルを考慮して、最適なタイミングで目覚ましを鳴らす。浅い眠りの時に、爽快に起床でき、上の写真のようにSenseに手をかざすと、目覚ましが止まる。SenseはクラウドファンディングKickstarterで230万ドル募り話題となった。製品価格は129ドル (プレオーダ) で、出荷は2014年11月の予定。

g380_sense_02

Senseの利用方法

製品は三つのコンポーネントから構成される。前述の「Sense」は球状センサーで、ナイトスタンドに置いて、寝室の環境を測定する。「Sleep Pill」は小型センサーで、枕に装着し、睡眠の状態を計測する。このSleep Pillが眠りの質を把握する。これらセンサーをスマホの専用アプリで制御する。上の写真はSenseをテーブルに置き、Sleep Pillを枕に取り付け (白色の円形のデバイス) 使用している。

g380_sense_03

Senseは測定結果を専用アプリに表示する。上の写真がその様子で、睡眠スコアーを「Sleep Score」として表示 (左側画面)。スコアーは良く眠れたかの指標で、寝室環境、屋外要因、睡眠の質が勘案される。寝室が最適な温度で、外部からの騒音が無く、安眠できたかが、100点満点で示される。下段のグラフは眠りの深さを示している。グラフが途切れている箇所は、夜中に目覚めたことを示す。Senseは睡眠中の騒音を録音するため、再生して、夜中に目覚めた理由を確認できる。更に、Senseは睡眠を妨げた要因を解析する。右側画面がその様子で、室温が高すぎたと結論付けている。Senseは利用者の好みの温度を学習し、最適な室温を推奨する。

g380_sense_04

Senseは数多くのセンサーを搭載

枕に装着するSleep Pill (上の写真、中央円形のデバイス) は6軸加速度計とジャイロを内蔵し、睡眠中の動きを検知する。センサーは動きから、眠りについたことを把握し、深い眠りなのか、寝返りを打っているのかを認識する。目覚めも自動で検知する。二人で一緒に寝ている時は、パートナーもSleep Pillを装着できる。相手がいびきをかいたり、寝返りを打つことを検知し、睡眠を妨げている要因を把握する。

Senseは五種類のセンサーを搭載。ライト・センサーは寝室の明るさを測定。寝室が暗い方が安眠できるとされている。温度と湿度センサーで温度と湿度を測定し、利用者の好みの条件を学習する。微粒子センサーは寝室内の微粒子を検出。花粉などを検知でき、花粉症対策を行うことができる。距離センサーで利用者の手の動きを検出し、アラームを止める。SenseはBluetooth LEでスマホと通信し、計測データを送信する。SenseとSleep Pill間はANTで交信する。因みにSleep Pillは防水加工されており、誤って枕カバーと一緒に洗濯しても壊れない。

g380_sense_05

スマホで睡眠状態をモニター

専用センサーを買わないで、スマホの加速度計を使ったスリープトラッカー・アプリで、睡眠状態をモニターできる。Azumioはカリフォルニア州パロアルトに拠点を置くベンチャー企業で、デジタルヘルス・アプリを開発。数多くのアプリを提供しているが、その中で「Sleep Time」アプリは睡眠状態をモニターする (上の写真)。アプリで目覚ましをセットし、スタートボタンを押して利用する (左側画面)。スマホは枕の下に、ディスプレイ面を下にして置いておく。アプリは、床に入ってから朝目覚めるまで、利用者の動きで睡眠状態をモニターする。測定する項目は、浅い眠り、深い眠りとREM睡眠、起きていた時間など (右側画面)。アプリはこのデータから、眠りの効率を表示する。上のグラフでは76%であるが、快適な眠りには85%以上が必要とされ、改善の余地があることを示している。

このアプリを使っているが、睡眠の質を客観的に把握でき、快眠できなかったときは、その原因を探ることもできる。今まで闇の部分であった睡眠の解析をアプリで手軽に行え、健康管理での大きな前進となった。一方、明らかに間違いと分かる計測結果が表示されることもあり、スマホで計測することの限界も感じる。精度の高いデータを求めるには、Senseのような専用センサーが必要となる。睡眠解析は健康管理の重要な部分で、スリープトラッカーが日常生活の必須機能になっていることを感じる。