راهكارهاي تشخيص عملكرد كاربران و ارائه روشي براي تعيين ميزان خطر رفتار غير معمول كاربران در خانه‌ي هوشمند مبتني بر منطق فازي

Approaches of user activity detection and a new fuzzy logic-based method to determine the risk amount of user unusual activity in the smart home

در سال‌هاي اخير، جمعيت افراد بيمار و سالمند كه تنها هستند و نياز به مراقبت دارند، افزايش يافته‌است. همين مسئله احتياج به داشتن خانه‌ي هوشمند براي باخبر بودن از شرايط بيمار را افزايش مي‌دهد. شناسايي فعاليت بيمار با استفاده از حسگرهاي تعبيه شده در محيط، اولين قدم براي رسيدن به خانه‌ي هوشمندي است كه در آن اطرافيان بيمار مي‌توانند با نگراني كمتري، بيمار را در خانه تنها بگذارند. در اين پژوهش، انواع روش‌هاي تشخيص عملكرد كاربران در خانه‌ي هوشمند ارائه مي‌شود و پس از آن به روش جديدي براي شناسايي ميزان خطر كه در آن از منطق فازي در مواردي مثل زمان شروع فعاليت استفاده شده، پرداخته مي‌شود. سيستم استفاده شده براي تشخيص ميزان خطر، در سه فاز از منطق فازي استفاده كرده است. در اين روش به دليل آنكه براي افراد با شرايط خاص پياده‌سازي شده‌است، از حسگرهاي پوششي استفاده نشد زيرا اگر از سنسورهاي پوشيدني براي بررسي بروز اين مشكل استفاده شود، براي سالمند سختي به همراه دارد و حتي يك فرد آلزايمري ممكن است فراموش كند آن را بپوشد كه با توجه به اين شرايط، پياده‌سازي اين لايه نيز نتايج خوبي – يعني دقت 84% - را بدست آورد.

In recent years, the number of sick and elderly people that are living alone in their homes and need care has grown. This is why the smart home is needed for the awareness of their condition. Identification of the patient's activity using environment sensors is the first step in implementing a smart home. In such a home, the patient's relatives can leave the patient alone with less concern. In this research, various methods of recognizing user’s activity in the smart home are presented, and then a new method is introduced to diagnose the risk amount of Alzheimer's patients in which fuzzy-logic is used in cases such as start-up time of the activity. This system uses fuzzy logic in three phases. Since this method is considered for specific patients, the wearing sensors are not used because they have difficulties for the elderly and even an Alzheimer's patient may forget to wear them. However, the implementation of this layer also achieved good results, i.e., 84% accuracy.