Gas source localization (GSL) is a concept of searching for the source location of chemical substances drifting in the air. We are investigating GSL in outdoor environments using a 2-dimensional gas sensor array. Due to the highly turbulent nature of the outdoor wind, gas distribution in outdoor environments often has a complicated shape and show large fluctuations over time. This makes GSL in outdoor environments very challenging. To overcome this issue, we have adopted convolutional long short-term memory neural networks (CNN-LSTM) to extract spatial features from the gas distribution obtained by the sensor array and to process their time-sequential evolution. Our initial achievements obtained through the experiments conducted in a 7.5 m x 9.0 m open area with 30 gas sensors.

廃棄物埋立地では，廃棄物の生物分解によりメタンガスが発生しています。メタンガスは可燃性があり，二酸化炭素に対して20倍以上の温室効果があると言われています。このように有害なガスは，定期的にモニタリングすることが求められますが，廃棄物埋立地全体から一様に排出されているわけではなく，場所によって排出量が異なります。他よりも排出量が大きい場所は，ホットスポットと呼ばれます。埋立地全体の排出量を正確に測定するためには，ホットスポットを探し出してガス濃度を計測することが効果的です。屋外では，時間と共に風向が激しく変化し，数秒前とは真逆の方向に風が吹くことも珍しくありません。そのため，ある一瞬のガス分布だけではガス源の位置を正しく推定する事は困難です。そこで，ガスセンサアレイと風向風速計を地表に設置し，ある程度の長さのガス分布と風向風速を計測し，ガス源の位置を推定する方法を提案しました。ガス源の位置は，時系列データ処理に用いられるCNN-LSTM深層学習ネットワークを使って学習させます。従来研究で屋外環境で行ったガス源位置推定実験では，ガス元位置特定の成功率は60％でしたが，開発した手法を用いたところ，95%程度の成功率でガス源位置を推定することができました。