横浜スタジアム技術実証・COCOA インストール率のリアルタイム可視化 IoT システム【DeNA TechCon 2021】/techcon2021-2

2020 年の日本プロ野球は、新型コロナウイルス感染症の影響で、例年より 3 ヶ月遅い 6 月に無観客での開幕となりました。7 月から観客の動員も可能になりましたが、シーズン末でも球場の収容人数の 50 % を上限とした試合開催となりました。

そうした中、大規模イベントを安全に開催する方法を探るため、横浜スタジアム技術実証* が実施されました。

本セッションでは、横浜スタジアム技術実証の一環として、新たに開発・実証*を行った「新型コロナウイルス接触確認アプリ（COCOA)* インストール率のリアルタイム可視化 IoT システム」の紹介を行います。

まず最初に、横浜スタジアム技術実証全体の概要と COCOA のインストール率を測定する背景について説明いたします。

次に、COCOA インストール率測定に関して説明いたします。COCOA がインストールされているデバイス数の測定方法（接触符号 RPI、入場ゲートでの 2 点測定）を説明したのち、実際に行った横浜スタジアムでの測定結果を紹介いたします。

最後に、COCOA インストール数をリアルタイムで集計・可視化する IoT システムのアーキテクチャを紹介します。データ取得（Raspberry Pi, fluentd）、データ集約（Google BigQuery）、データ可視化（Google データポータル）の 3 パートから構成されるシステムを、実証における要件や、技術選定の理由などにも触れながら紹介いたします。

本セッションを通して、安全なリアルイベント開催や、IoT デバイスで収集したセンサーデータのリアルタイム分析・可視化システムを構築する際の参考としていただければ幸いです。

*横浜スタジアム技術実証について https://www.pref.kanagawa.jp/docs/bu4/jissyo.html
*弊社の取り組みについての紹介記事 https://dena.com/jp/article/003672
*新型コロナウイルス接触確認アプリ（COCOA） https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/cocoa_00138.html

Transcript

1. 武藤 悠輔
2. 1. 横浜スタジアム技術実証において 2. を 実現するための 0→1 フェーズでの技術選定 2
3. 0.　自己紹介 1.　実証の背景 2.　COCOA インストール率の測定 3.　リアルタイム集計システム 3
4. 所属 • スポーツ事業本部システム部 事業開発グループ • スマートシティ統括部 エネルギー事業推進室 仕事 • ソフトウェアエンジニア • ベイスターズの ID 基盤や周辺サービスの開発・運用 • 衛星データ活用・IoT 関連技術の調査 • クライアントからサーバまで開発全般 Twitter: 今日の発表：#COCOA #IoT #fluentd #BigQuery #GoogleDataPortal 4 武藤 悠輔 / Yusuke Muto
5. 0.　自己紹介 2.　COCOA インストール率の測定 3.　リアルタイム集計システム 5
6. 目的で 2020 年の 10/30, 10/31, 11/1 の横浜スタジアムの試合で実施された技術実証のこと 神奈川県、株式会社横浜DeNAベイスターズ、株式会社横浜スタジア ム、日本電気株式会社、LINE株式会社、KDDI株式会社、株式会社 ディー・エヌ・エー、横浜市（協力）が連携して実施した。 https://www.baystars.co.jp/news/withcorona-notice/ https://www.pref.kanagawa.jp/docs/bu4/jissyo.html DeNA では に関連する実証を実施 1. 実証の背景 1.1 横浜スタジアム実証とは 6
7. 7 イベント会場 後日 イベント来場者の中に 新型コロナへの感染が発覚 した場合 濃厚接触者は COCOA の通知を 通して自身の感染リスクが高まっ ていることがわかる 特に、イベントを継続的に実施する場合に COCOA の活用がより重要になる COCOA の課題：普及率が低く、リスク管理が適切に行えない状況である → 検査や次のイベント参加の自粛など 行動変容につながる 1. 実証 1.2 なぜ COCOA か
8. 8 横浜スタジアム技術実証において行ったこと 1. COCOA インストールの啓発 　来場者の COCOA インストール率を向上させる目的で、COCOA をインストー ルしている方に対して、球場内で利用可能な 500 円券などのインセンティブ付 与を行った。 2. COCOA インストール率の測定 （本発表） 　信頼のおける測定方法の確立を目的として実証を行い、COCOA インストール の啓発効果の定量的な測定につなげる。　 1. 実証 1.3 COCOA の課題解決に向けて COCOA が正しく機能し、 イベントが継続的に、 安全に開催できる状況を実現する
9. 9 COCOA インストール率の測定 リアルタイム集計システム 　COCOA デバイスを検出する方法、COCOA インストー ル率の測定方法、現地での設置、測定結果など 　データ取得を行うエッジデバイスや、サーバサイドのシ ステム構成、リアルタイム可視化の方法、それらの実装に ついて 1. 実証
10. 0.　自己紹介 1.　実証の背景 3.　リアルタイム集計システム 10
11. *COCOA デバイス数 = COCOA がインストールされ、有効になっているデバイス数 11 2.　測定 2-1. 定義 入場ゲート を通過する タイミングで測定 COCOA をインストール ・会場側でカウントすることを想定 ・横浜スタジアムの場合は手動でカウントさ れている ・入場者のもつ COCOA デバイスのユニー クな数を測定する → 実証を行った箇所 来場者は一定の割合で COCOA をインストールしている
12. 12 2.　測定 2-2. COCOA デバイスの検出 ref) https://covid19-static.cdn-apple.com/applications/covid19/current/static/contact-tracing/pdf/ExposureNotification-BluetoothSpecificationv1.2.pdf?1 ① COCOA の信号であること： で判断可能 ② 同一デバイスからきた信号であること： で判断可能 → 結構クセの強いデータ BLE 信号の仕様は Apple/Google が公開している
13. 13 2.　測定 2-2. COCOA デバイスの検出 1. 接触符号 RPI は 10~20 分に一度変化する BLE 受信機 1~2 分以内 10 ~ 20 分以上経過 RPI - A RPI - A RPI - B 　最初の数分は、RPI を見ることで同 デバイス 1 からの信号であることがわ かる 一定時間経過すると、RPI が変化して しまい、受信機からは、別のデバイス に見えるようになる → 同じデバイスが、BLE 受信機の近くに 20 分以上あると RPI が変化してしまう
14. 14 2.　測定 2-2. COCOA デバイスの検出 2. BLE の信号は、数十メートル以上届く BLE 受信機 入場ゲートから数十メートル離れた デバイスの信号も受信してしまう 入場ゲートを通っているデバイ スからの信号だけを取りたい → 入場ゲートを通るデバイスだけを測定したくても、ノイズが多くのってしまう
15. 15 2.　測定 2-2. COCOA デバイスの検出 3. スマートフォンの機種によって、電波強度が異なる → 電波強度から距離を判断できない * COCOA においても、濃厚接触を判定する際に、電波強度の端末依存性を解消するために、送信電波強度**を補正するための情報も BLE 信号の中に入っているが、API 外から利用はできない。 **送信電波強度は、Bluetooth® Specification に記載の Transmit Power Level の情報で共有されている。 ・iOS・Android などの違いだけでなく、Android の機種ごとにも異なる
16. 16 2.　測定 2-2. COCOA デバイスの検出 入場ゲート BLE 受信機1 BLE 受信機2 COCOA インストール率 = / 入場者数 　入場ゲートに 2 個の BLE 受信機を設置し、入場する順番で両デバイスで検知 された COCOA デバイスのみカウントする 1. RPI が 10~20 分で変化 2. BLE の信号が数十メートル以上届く 3. 機種によって電波強度が異なる
17. 17 2.　測定 2-3. 横浜スタジアムでの測定 ref) https://www.yokohama-stadium.co.jp/sta-map/ ：左図の赤丸 　→ 左下のスターサイドゲートで説明を行う ゲートの場所 ・関内駅から徒歩 2 分 ・来場者数が 3 万人程度の試合で 1 万人以上が 利用する主要な入場口 ・入場口が長めな (~40m) スロープになっている ・ゲートは試合のたびに設営・撤去される ・通過時間： 2 ~ 3 分程度
18. 18 2.　測定 2-3. 横浜スタジアムでの測定 スロープ下 （検温などのテント） スロープ上 （チケット確認など）
19. 19 2.　測定 2-3. 横浜スタジアムでの測定 → およそ 程度（複数の試合に対してほぼ同一の結果） 　（参考）実証時点での日本における COCOAインストール率：15.4 % → そもそも感染対策への意識が高い。 → 平均は 程度 　付与したインセンティブの内容により多少の差はあった が、基本的には継続的な COCOA 普及施策により、COCOA インストール率の底上げが期待される結果を得た。 ref) https://www.pref.kanagawa.jp/documents/67872/kensyoukeltuka_sokuhou.pdf （システムについては次セクションで説明します） 左のダッシュボードの COCOA デバイス数を、別途記録 されている入場者数で割った値
20. 20 コンコース（トイレやショップがある場所）における COCOA デバイス数の時系列データ ・COCOA デバイス数を通して、トイレや ショップ、帰宅時の混雑度を推定することが できる ・ベイスターズの攻撃が終了するタイミング でトイレやショップが混雑するという経験則 を定量化できた ・規制退場など、混雑緩和施策の効果測定へ の活用ができるのではないか、と考えている 2.　測定 2-3. 横浜スタジアムでの測定 COCOA デバイス数
21. 21 2.　測定
22. 0.　自己紹介 1.　実証の背景 2.　COCOA インストール率の測定 22
23. ・実証に足る最小限の構成に留めた ・ゲート設営時に、デバイスの設置・回収を依頼できるようにする（右上の写真） ・設置がうまくいったことを確認するためのダッシュボードも開発する必要性 ・Wifi がない場所には、泥臭く結構長い有線 LAN を配線（右下の写真） ・Wifi があっても不安定な場所もあるため、デバイスのローカルにもデータを蓄積 ・バッテリーでの利用も可能にする必要性 ・3 試合でインセンティブの内容が全て異なったため、失敗できなかった。 ・一箇所の不具合が別の場所に波及しないために、ゲートウェイ構成などではなく、 デバイスごとに fluentd で直接 BQ へアップロードさせる構成をとった 23 3. システム構成 3-1. 開発要件
24. 24 3. システム構成 3-2. システム全体像 　BLE 受信機を用いて、センサ データを取得し、BigQuery に直 接ストリーミングする。 　Google Cloud Platform の BigQuery にセンサーデータを 集約する。 ・BigQuery コンソールでの分析 ・Google データポータル による可 視化 fluentd BigQuery Query
25. ・Raspberry Pi4 Model B 4GB ・金属ケース（放熱用） ・microSD 32 GB ・プラスチックケース ・RTC モジュール（本体時刻合わせ） ・AC アダプター（5V 3A） ・バッテリー（~ 10,000 mAh程度） 25 3. システム構成 3-3. 実装
26. 26 hcidump コマンド（https://github.com/bluez/bluez）でダンプした BLE データから、COCOA のデータを取り出す。 ① Exposure Notification API の判定 コード抜粋 ② 接触符号 RPI の取得 ④ RPI を sha256 で一方向ハッシュ化 　RPI はそもそも個人情報ではないが、BigQuery のデータが 漏洩するリスクなどにも万全を期すために実施 　（参考）実測値ベースで、エッジデバイスで秒間 45 万回以 上実行可能な処理ため、測定に影響はない ③ BigQuery に書き出すデータ 　hostname: 設置場所に対応する 　timestamp: データの取得時間 　rpi: 接触符号 RPI 　rssi: 電波強度 3. システム構成 3-3. 実装
27. 27 ① fluentd-plugin-bigquery 　直接 BigQuery へ書き込むためのプラグイン ref) https://github.com/fluent-plugins-nursery/fluent-plugin-bigquery ② GCP BigQuery への書き込みの設定 　・GCP ProjectID 　・GCP BigQuery Dataset 　・GCP BigQuery Table 　・GCP ServiceAccount のクレデンシャルファイル コード抜粋 コード抜粋 3. システム構成 3-3. 実装
28. 28 hostname: 設置場所に対応する rpi: 接触符号 RPI を一方向ハッシュ化したもの timestamp: データの取得時間 rssi: 電波強度 → ネットワークの状況次第だが、エッジデバイスで検知されてから 1 分以内程度で BigQuery 上に蓄積される 3. システム構成 3-3. 実装
29. 29 3. システム構成 3-3. 実装
30. 30 押すとクエリを再実行するため、最新データを表示することができる クエリを作成する際に設定したカスタムパラメータ パラメータは、ダッシュボード閲覧者が変更することができる クエリ結果の表示 3. システム構成 3-3. 実装
31. 31 ・Google ドキュメント、スプレッドシートなどと同様の方法で、 閲覧、編集ユーザを招待することができる。 ・閲覧ユーザもカスタムパラメータを操作して、複数条件の結果を閲 覧することができる。 を簡単に開発できる！ 3. システム構成 3-3. 実装
32. 32 センサーデータ BigQuery 　COCOA センサ 　Raspberry Pi 入場者の COCOA 有効デバイス数 リアルタイムダッシュボード Data Studio COCOA デバイス数 時系列データダッシュボード Data Studio … 　COCOA センサ 　Raspberry Pi 　COCOA センサ 　Raspberry Pi 　COCOA センサ 　Raspberry Pi 3. システム構成 3-3. 実装
33. 33 1. 横浜スタジアム技術実証において 2. を 実現するための 0→1 フェーズでの技術選定
34. 　本スライドで発表した COCOA インストール率測定システムは、外部へ提供可能です。 　また、スポーツ事業本部システム部では、入場者数の自動カウントソリューションや、 トイレやショップなどの混雑度調査の方法の開発など、安全なイベント運営を行うために 必要となるサービスの技術調査・開発を行っております。 　ご興味がございましたら、ぜひお声がけください 。 　yusuke.muto@dena.com 　以上で発表を終わります。 　最後まで聞いていただき、誠にありがとうございました。 34