論文誌 · 2025
Home activity recognition using infrequently-monitored HEMS Data
Abstract
This paper proposes a method for estimating household activities based only on the cumulative power consumption data obtained from the HEMS home distribution board every 30 min. The proposed method predicts the activity of each 30 min timeslot from the eight activity labels; household-level waking-up, household-level going-to-bed, room-level waking-up, room-level going-to-bed, cooking, laundry, dishwashing, and bathing. For the prediction, we first identify the branch circuit that is strongly correlated with each activity label and detect the turn-on/off of home appliances on the circuit to detect those activities. We also incorporate machine learning for estimating the other activities based on the circuit’s time series of power consumption. Furthermore, to cope with the difference among households, we apply transfer learning to the constructed model. In collaboration with a Japanese home builder, we conducted an experiment on five households using their HEMS data. In parallel, we obtained verifiable activity labels as our ground truth by the installation of specialized sensors in the respective homes. Under a ±30 min tolerance (i.e. allowing a prediction in the immediately preceding or following half-hour slot), our model achieved an average F1 score of 0.689 across all activities. We also confirmed that transfer learning improved the F1 score of each activity recognition and achieved an average improvement of 0.260 in household-level waking-up, household-level going-to-bed, room-level waking-up, room-level going-to-bed, and bathing activities.
解説
近年，家庭内の電気やガスの使用量をモニタリングし、家電機器を「自動制御」するシステムであるHEMS（Home Energy Management System）が普及しつつある．政府は「グリーン政策大綱」にて2030年までに全世帯へHEMSを設置することを目標としていることから，HEMSがこれまで以上に普及し，活用されることが望まれており，HEMSによって計測，記録された部屋やフロアといった区画や専用コンセント毎の消費電力を利用した，新しいサービスが期待される.
HEMSなどによって集計される消費電力情報を用いたサービスの要素技術の一つとして行動認識が挙げられ，HEMSデータから居住者の行動を特定できれば，居住者へのエネルギー使用量のフィードバック，エネルギー利用傾向による消費者プロファイリング，エネルギー需要の短長期予測の高精度化など多様な応用が期待できる．デマンド予測のみならず，顧客プロファイリングやターゲットマーケティングなどのビッグデータ活用，世帯の行動傾向推定や高齢者見守りを含むリモートヘルスケアなどが低コストで実現可能となる．
これまでに，家庭内消費電力データに基づく様々な行動推定が研究されてきているものの，先行研究はいずれも時間的粒度が比較的高い電力データを想定している．
本研究では，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する．
この手法では行動毎に低粒度でも認識可能な特徴量を特別に設計し，転移学習を用いて各行動の推定を行う．
関連論文
- 田中 福治, 石津 紘太朗, 水本 旭洋, 山口 弘純, 東野 輝夫, “建築図面の解析によるフロアプランと電気設備の情報抽出,” マルチメディア,分散, 協調とモバイル (DICOMO 2020) シンポジウム論文集, pp.882-891, 情報処理学会, 2020 年 7 月.
- 田中 福治, 石津 紘太朗, 水本 旭洋, 山口 弘純, 東野 輝夫, "低粒度な分岐回路電力データを用いた家庭内行動認識手法", マルチメディア,分散, 協調とモバイル (DICOMO 2021) シンポジウム論文集, pp.1391-1399,情報処理学会, 2021 年 7 月 , 最優秀論文賞
- 田中 福治, 水本 旭洋, 山口 弘純, 東野 輝夫, “複雑な建築図面における部屋のセマンティクス情報の抽出,” モバイルコンピューティングと新社会システム (MBL-101) , pp1-8, 2021年11月, 優秀論文賞.
- 田中 福治, 水本 旭洋, 山口 弘純, "HEMS電力データを用いた家庭内行動認識手法の実家庭における評価", マルチメディア,分散, 協調とモバイル (DICOMO 2022) シンポジウム論文集, pp.389-399,情報処理学会, 2022 年 7 月
- 田中 福治, 水本 旭洋, 山口 弘純, "低粒度な分岐回路電力データを用いた家庭内行動認識手法",情報処理学会論文誌, 64巻, 4号, 2023 年
- 田中 福治, 水本 旭洋, 山口 弘純, “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,” マルチメディア,分散, 協調とモバイル (DICOMO 2023) シンポジウム論文集, pp.93-99,情報処理学会, 2023年7月.
- Fukuharu Tanaka, Teruhiro Mizumoto, Hirozumi Yamaguchi, “Recognition of House Structures from Complicated Electrical Plan Images,” Information, Vol.15, No.3, pp. 147, March, 2024.
- Fukuharu Tanaka, Teruhiro Mizumoto, Hirozumi Yamaguchi, “Recognizing Home Activity from Coarse Branch Circuit Energy Usage Data” in Proceedings of the 13th International Workshop on the Reliability of Intelligent Environments (WoRIE 2024), pp. 6-15, June, 2024 (Workshop).
