Μελέτη και ανάπτυξη ευφυών αλγορίθμων και συστημάτων για την εφαρμογή της διάχυτης τηλεπισκόπησης σε υποβοηθούμενα περιβάλλοντα διαβίωσης

Abstract

In a ubiquitous sensing environment, the approaches and the vision vary significantly according the application. However, there are three main approaches that are emerging in the literature: “Things” oriented, “Internet” oriented, Semantic oriented visions. The processing and the correlation of the available information in a ubiquitous sensing is a big challenge for the scientific community. Although the content of every application in ubiquitous sensing, especially in electronic health care, can vary one aspect remains the same the number of sources. For example, a system that collects data from a predefined number of physical and virtual sensors, is able to manage and analyze data from all the sensors. In contrast to the ubiquitous sensing technology, which envisions an environment consisting of a large number of sensors, the collection and process of all data is impossible. That’s why, the efficient correlation and evaluation of the available information is considered as big challenge. The progress in scientific areas such as telecommunications and machine learning can contribute to the implementation of the ubiquitous sensing in health care and more particularly in Ambient Assisted Living (AAL) structures. Based on the above, the current thesis studies, proposes and develops intelligent algorithms and systems in order to enable the implementation of ubiquitous sensing in e-health applications and more particularly in AAL. In Chapter 2 we studied the ubiquitous sensing technology based on the «Things» oriented vision. In this context, we proposed a network topology combining mature technologies such as Radio-frequency identification (RFID) and IPv6. This topology exploits characteristics from both technologies in terms of networking. Specifically, it uses an intermediate node for mapping to solve problems both in communication and information management level. Finally, this topology was evaluated in a general health care scenario. Furthermore, we developed an intelligent system as well as the respective algorithm for indoor human localization and navigation in AAL structure. A system that is based on RFID technology and the required technique have been developed. The system used intersecting mathematical triangles to identify (fixed and mobile) barriers and navigate the user to his/her final destination in a safe and natural way. To evaluate the solution, we developed the appropriate RFID tags and prototypes and they were tested in a number of volunteers and scenarios. Moreover, we studied the literature in Chapter 3 and we recognized the need of use a context awareness framework in ubiquitous sensing. Then, we implemented in Chapter 4 an intelligent system architecture for AAL structure. In the context of this architecture, an extension of the Semantic Sensor Network Ontology was developed, for better modeling and understanding of the available information generated by each sensor. The system was evaluated in a hybrid simulation system that allowed us to test scenarios having both physical and virtual sensors. In such an environment the system could enable the dynamic management, understanding and processing information from sensors by implementing various levels of creation and management of context information. Chapter 6 aims to study the way that fuzzy logic can be applied to data streams in order to provide a ranking a list for each sensor in an AAL environment. More specifically we build an intelligent system that implements the appropriate fuzzy sets extraction algorithms, similarity metrics and machine learning techniques. The system was evaluated in datasets from AAL structures, as these have been described in Chapter 5. Finally, a new evaluation metric was proposed reflecting better the specific problem. In the last chapter we developed an algorithm for profile generation based on the available sensors by using a context aware framework. This technique targeted to define the relationship between the needs / preferences / actions of the users and the available sensors. The goal was to exploit the available information and manage effectively the established sensor network. In order to do that, we calculated the degree of correlation of each sensor for every high level activity, based on previous performed by user low-level activities. Finally, the proposed method was evaluated in AAL data streams.

Σε ένα περιβάλλον διάχυτης τηλεπισκόπησης οι προσεγγίσεις καθώς και το όραμα διαφέρουν σημαντικά και σύμφωνα με τα διαφορετικά πεδία εφαρμογής. Ωστόσο, τρεις είναι οι βασικές προσεγγίσεις που διαφαίνονται στη βιβλιογραφία: της δικτύωσης, της τεχνολογίας των «πραγμάτων» και της σημασιολογίας της πληροφορίας. Η κατανόηση, η επεξεργασία και η συσχέτιση της διαθέσιμης πληροφορίας σε ένα περιβάλλον διάχυτης τηλεπισκόπησης αποτελεί πρόκληση για την επιστημονική κοινότητα. Παρόλο που το περιεχόμενο της εκάστοτε εφαρμογής της διάχυτης τηλεπισκόπησης σε υπηρεσίες ηλεκτρονικής υγείας μπορεί να ποικίλει, μία πτυχή παραμένει σταθερή, αυτή του αριθμού των πηγών πληροφορίας. Για παράδειγμα, οι εφαρμογές που συλλέγουν δεδομένα από έναν πεπερασμένο και περιορισμένο αριθμό φυσικών και εικονικών αισθητήρων, είναι σε θέση να συλλέγουν και να αναλύουν τα δεδομένα από το σύνολο των αισθητήρων. Σε αντίθεση με τη διάχυτη τηλεπισκόπηση, η οποία οραματίζεται ένα περιβάλλον που συνίσταται από ένα μεγάλο πλήθος αισθητήρων, η συλλογή και επεξεργασία όλων των δεδομένων είναι ανέφικτη. Γι' αυτό, θεωρείται ότι η κατανόηση, η συσχέτιση και η αξιολόγηση της διαθέσιμης πληροφορίας θα παίξουν καταλυτικό ρόλο. Οι εξελίξεις σε ερευνητικά πεδία, όπως οι τηλεπικοινωνίες και η μηχανική μάθηση, συμβάλλουν στην εδραίωση της διάχυτης τηλεπισκόπησης σε τομείς υγείας και πιο συγκεκριμένα σε δομές όπως τα Περιβάλλοντα Υποβοηθούμενης Διαβίωσης (ΠΥΔ). Με γνώμονα τα παραπάνω, η παρούσα διδακτορική διατριβή μελετά, προτείνει και αναπτύσσει ευφυείς αλγόριθμους και συστήματα με σκοπό να καταστήσει δυνατή την εφαρμογή της διάχυτης τηλεπισκόπησης σε εφαρμογές της ηλεκτρονικής υγείας και πιο συγκεκριμένα σε δομές υποβοηθούμενης διαβίωσης. Αρχικά, στο Κεφάλαιο 2 μελετάται η προσέγγιση της διάχυτης τηλεπισκόπησης με βάση τα πράγματα. Σε αυτό το πλαίσιο προτείνεται μια τοπολογία δικτύου συνδυάζοντας ώριμες τεχνολογίες, όπως το Radio-frequency identification (RFID) και το IPv6. Η τοπολογία αυτή εκμεταλλεύεται τα χαρακτηριστικά των τεχνολογιών σε επίπεδο δικτύωσης και χρησιμοποιεί έναν ενδιάμεσο κόμβο αντιστοίχισης για να λύσει προβλήματα, τόσο σε επίπεδο επικοινωνίας όσο και σε επίπεδο διαχείρισης της διαθέσιμης πληροφορίας. Τέλος, η τοπολογία αυτή αξιολογήθηκε σε ένα γενικότερο σενάριο υγειονομικής φροντίδας. Στη συνέχεια του Κεφαλαίου 2, προτείνεται και αξιολογείται ένα ευφυές σύστημα και ο σχετικός αλγόριθμος, για τον εσωτερικό εντοπισμό και την πλοήγηση ανθρώπου μέσα σε μία δομή ΠΥΔ. Το σύστημα βασίζεται στην τεχνολογία RFID και αναπτύσσει μια τεχνική με διασταυρούμενα μαθηματικά τρίγωνα, με σκοπό τον εντοπισμό (σταθερών και κινητών) εμποδίων και την πλοήγηση του χρήστη στον τελικό προορισμό, με έναν ασφαλή και φυσικό τρόπο. Για την αξιολόγηση της λύσης, υλοποιήθηκαν τόσο οι κατάλληλες RFID ετικέτες όσο και το αντίστοιχο πρωτότυπο, και δοκιμάστηκαν σε έναν αριθμό εθελοντών και σεναρίων. Στη συνέχεια της διατριβής, έχοντας μελετήσει τη βιβλιογραφία στο Κεφάλαιο 3 και αναγνωρίσει την ανάγκη για τη χρήση πληροφορίας επίγνωσης πλαισίου στη διάχυτη τηλεπισκόπηση, προτάθηκε, υλοποιήθηκε και αξιολογήθηκε στο Κεφάλαιο 4 μια αρχιτεκτονική ευφυούς συστήματος σε ένα ΠΥΔ. Επίσης, στα πλαίσια αυτής της αρχιτεκτονικής, προτάθηκε και μια επέκταση της Semantic Sensor Network Ontology με σκοπό την καλύτερη μοντελοποίηση της πληροφορίας πλαισίου που παράγεται από τον εκάστοτε αισθητήρα. Το σύστημα αξιολογήθηκε σε ένα υβριδικό σύστημα προσομοίωσης που μας επέτρεψε να δοκιμάσουμε σενάρια, έχοντας τόσο φυσικούς όσο και εικονικούς αισθητήρες. Σε ένα τέτοιο περιβάλλον το σύστημα μπόρεσε να καταστήσει δυνατή τη δυναμική διαχείριση, την κατανόηση και την επεξεργασία πληροφορίας από αισθητήρες, υλοποιώντας διάφορα επίπεδα δημιουργίας και διαχείρισης πληροφορίας πλαισίου. Το Κεφάλαιο 6 έχει σαν στόχο να μελετήσει το πώς η έννοια της ασαφούς λογικής μπορεί να εφαρμοστεί στις ροές δεδομένων, με σκοπό τη συσχέτιση των αισθητήρων σε ένα ΠΥΔ. Πιο συγκεκριμένα, προτείνεται και αξιολογείται ένα ευφυές σύστημα που υλοποιεί τους κατάλληλους αλγόριθμους εξόρυξης ασαφών συνόλων, μέτρα ομοιότητας και τεχνικές μάθησης. Το σύστημα αξιολογήθηκε σε ροές δεδομένων από ΠΥΔ, όπως αυτά περιγράφηκαν στο Κεφάλαιο 5, ενώ προτάθηκε και ένα νέο μέτρο αξιολόγησης, που αντικατοπτρίζει περισσότερο τη συγκεκριμένη εφαρμογή. Στο 7ο -και τελευταίο- κεφάλαιο της διατριβής υλοποιήθηκε μια μεθοδολογία και ένας αλγόριθμος εξαγωγής προφίλ συσχέτισης των διαθέσιμων αισθητήρων, εκμεταλλευόμενοι την τεχνολογία επίγνωσης πλαισίου. Η τεχνική αυτή έχει σαν σκοπό να ορίσει τη σχέση μεταξύ των αναγκών/προτιμήσεων/δράσεων των χρηστών με τους διαθέσιμους αισθητήρες, προκειμένου να είμαστε σε θέση να εκμεταλλευόμαστε όσο το δυνατόν καλύτερα τις διαθέσιμες πληροφορίες και να διαχειριζόμαστε με αποτελεσματικό τρόπο το εγκατεστημένο δίκτυο αισθητήρων. Αυτό επιτυγχάνεται, εκτιμώντας το ποσοστό συμμετοχής των αισθητήρων για οποιαδήποτε δραστηριότητα υψηλού επιπέδου, με βάση τις προηγούμενες εκτελούμενες από το χρήστη δραστηριότητες χαμηλού επιπέδου. Τέλος, η προτεινόμενη μεθοδολογία εφαρμόστηκε και αξιολογήθηκε σε ένα ΠΥΔ.