近年，ヘルスケアやスポーツなどの分野において，歩数や脈拍などのデータを24時間365日収集できるようになるウェアラブルデバイスが急速に人気を集めてきています．これによって，個人の健康状態やパフォーマンスなどがより詳細に分析できるようになることが期待されています．我々は，これらウェアラブルデバイスのデータ解析を「個人」の解析に留まらず，大量に集まるデータから「グループ」や「社会」の解析への発展を目指しています．
本研究では，「グループ」の解析のファーストステップとして，複数人の歩行データのみから，一緒に行動していることを検出する手法を開発しました(Tsubouchi et al., UbiComp 2013)．実験においてスマート活動量計Fitbitで歩数データから，一緒に行動していること（同行）を検出することで，組織の構造や組織間の関係性の抽出が可能であることを確認しました．
また，センサからの人間関係類推には，「同席した」「同行した」といった判定処理を正しく行えることが鍵となるわけですが，判定処理の高精度化にはなんらかの教師データが必要になります．特に「いつ誰々と同席した」という情報のうち，「いつからいつまで」については記憶が曖昧になりがちです．一方，「いつ」同席していたかによって職場のみでの付き合いなのか，プライベートな付き合いもあるのか，関係にも幅があります．
この問題に対して，multiple instance learning (MIL)に基づく考え方を導入し，歩数計のデータと「昨日~~さんと一緒にいましたか？」という簡単なアンケートの答え（粗い正解データ）から，人々が一緒にいた「時間帯」まで予測することを可能であることを示しました(Tsubouchi et al., ISWC 2015)．時間帯をぼやかした単純なアンケートであっても，歩数データと組み合わせることで組織内の人と人との交流の具合が明らかになる可能性があることを示しました．
関連論文
Kota Tsubouchi, Ryoma Kawajiri, Masamichi Shimosaka
Working-relationship detection from fitbit sensor data
In proceedings of the 2013 ACM conference on Pervasive and ubiquitous computing adjunct publication, 2013.
川尻 亮真, 坪内 孝太, 荒木 青伊良, 下坂 正倫.
活動量計データを用いた同行検出手法の研究.
2014年度人工知能学会全国大会(第28回)論文集, pp. 427–428, 愛媛県松山市, 5 2014.
Kota Tsubouchi, Osamu Saisho, Junichi Sato, Seira Araki, Masamichi Shimosaka
Fine-grained Social Relationship Extraction from Real Activity Data under Coarse Supervision
In proceedings of the 2015 ACM International Symposium on Wearable Computers, 2015.