ingresso al sistema dei flussi di eventi originati dai sensori installati in un‟abitazione intelligente. Disporre di questo genere di dati tuttavia richiede denaro, per l‟acquisto delle apparecchiature, e tempo per la loro installazione e lo sviluppo dei sistemi competenti. Quindi una soluzione in un macroprogetto, quale BRIDGe, è quella di sviluppare diversi aspetti in parallelo per poi “assemblarli”. In attesa che quindi BRIDGe disponga di una struttura abitativa propria dalla quale ricavare in tempo reale informazioni, una buona soluzione consiste nel costruire uno strumento di simulazione che, utilizzando i dataset introdotti nel Capitolo 2 Sezione 2.3, emuli il flusso in ingresso. Questo permette alla tesi presente di sviluppare un sistema di corretta analisi degli eventi e restituzione degli indicatori che, in un secondo momento, potrà essere adottato con dati provenienti all‟istante da una vera struttura abitativa.
Per questo viene costruito un Generatore di Eventi: un programma Java che prende un singolo documento testuale alla volta dal dataset scelto, ne legge il contenuto riga per riga e lo invia immediatamente al sistema. In questo modo viene simulato il monitoraggio della struttura abitativa impiegata dal dataset, costruendo un flusso di eventi che riporta lo stato istantaneo dei sensori. Sotto forma di flusso quindi i dati potranno entrare nel processo di elaborazione ed essere effettivamente analizzati dal sistema di interrogazioni EPL per estrarre le informazioni cercate.
3.3 SHARON
SHARON (Simulator of Human Activities, Routines and Needs – Simulatore di attività,
abitudini e bisogni umani) è un sistema di simulazione di vita in abitazione sviluppato da
Proserpio et al. [68] all‟interno del progetto BRIDGe. I contributi di questo sistema sono due:
a) introdurre un simulatore che riproducesse in maniera autonoma ed indipendente le abitudini umane,
46 Materiali e metodi Per lo sviluppo di SHARON si è reso necessario impiegare un dataset per la validazione dei risultati, a tale scopo, anche in questo caso, è stato adottato il dataset ARAS poiché considerato il più simile alle necessità del progetto BRIDGe.
Il sistema è stato sviluppato per essere in grado di permettere a chi lo utilizza di configurare le ADL (attività di vita quotidiana) a propria discrezione. Nella trattazione l‟autore esegue una riduzione delle attività (accorpandole) passando da 27 di ARAS a 17. Il processo decisionale con cui il sistema SHARON simula la successione di attività eseguite si basa sulla valutazione di tre parametri:
a) I bisogni rappresentano l‟aspetto fisiologico e psicologico che muove una persona a scegliere un‟attività piuttosto che un‟altra.
b) La dipendenza temporale definisce i profili abitudinali dell‟abitante nello svolgere specifiche attività.
c) L‟influenza probabilistica definisce la capacità umana di scegliere cosa fare con un certo grado di incertezza, approssimazione e casualità.
In conclusione, sulla base della continua valutazione di questi tre parametri, SHARON decide in ogni istante quale sia l‟attività da simulare. Il risultato è l‟emulazione realistica dello svolgimento di ADL per una persona nella sua vita quotidiana all‟interno della propria abitazione.
3.3.2 L’estensione
SHARON, con i suoi risultati, permette al progetto BRIDGe e ad altri utilizzatori di avere a disposizione la sequenza di attività di una persona nella sua quotidianità. Tuttavia questo risultato non è sufficiente per la tesi poiché si ha bisogno dei dati provenienti dai sensori (installati in un‟abitazione intelligente) per poterli processare tramite costrutti EPL. A questo scopo è stata introdotta un‟estensione di SHARON, basata sulla simulazione di un ambiente intelligente, in cui un agente segue dei pattern di movimento e attiva determinati sensori durante lo svolgimento delle ADL: in questo modo vengono prodotti i dati relativi allo stato dei sensori, necessari per la tesi.
Un ulteriore lavoro, sviluppato da Masciadri et al. [61] sempre all‟interno del progetto BRIDGe ha introdotto un metodo basato su un modello stocastico per la riproduzione e l‟estensione dei dati esistenti: validando i parametri di SHARON durante l‟emulazione di
3.3 SHARON 47 mesi di attività, gli autori sono riusciti anche a simulare un cambiamento comportamentale di entità nota. Questo sarà un valore aggiunto ai dati che permetterà di riconoscere tali variazioni nelle informazioni estratte con gli indicatori.
3.3.3 Dataset di dati simulati
SHARON, nella sua versione originale prima, ed in quella estesa poi, ha fornito il progetto BRIDGe, e la tesi presente, di due interessanti ed utili dataset. I dati prodotti infatti permetteranno di superare due limitazioni presenti invece in quelli ARAS: avere una durata di gran lunga maggiore (90 giorni, contro i 30) e includere una persona sola (invece di due). Impiegando un dataset sintetico prodotto con SHARON, dà la possibilità, infatti, di riconoscere i cambiamenti comportamentali inseriti nella simulazione dei dati tramite le informazioni estratte dagli indicatori sviluppati con Esper ha portato ad adottare questo dataset. Il progetto tuttavia, verrà anche testato utilizzando dati reali dal dataset ARAS.
I dati simulati pertanto prodotti impiegando SHARON descrivono lo stato dei 20 sensori dell‟abitazione HouseA del progetto ARAS in due circostanze: quella in cui avvengono cambiamenti comportamentali e quella in cui questi non si verificano. In entrambi i casi le attività simulate sono 17.
In questo capitolo sono stati presentati gli strumenti che sono risultati necessari per lo sviluppo della tesi presente. Dapprima è stata introdotta la tecnologia dell‟Event
Processing che, analizzando un flusso di dati provenienti dai sensori installati in un
ambiente intelligente, permette anche di definire degli indicatori quantitativi, misurazioni del comportamento della persona che risiede nell‟abitazione considerata. Tra i numerosi metodi adottabili, per la tesi è stato scelto Esper, una soluzione software che attraverso l‟impiego di un linguaggio, detto EPL, permette di progettare indicatori in termini di interrogazioni (simili a quelle di SQL). Successivamente è stato introdotto un elemento fondamentale per l‟esecuzione di un sistema Esper quando, come in questo contesto, non è alimentato direttamente da un‟abitazione intelligente: un Generatore di Eventi che legge i dataset adottati e simula la provenienza di tali dati dai sensori dell‟abitazione da cui i dati sono estratti. Tra questi dataset, per la validazione del lavoro svolto, è stato adottato in primo luogo il dataset ARAS (Capitolo 2, Sezione 2.3.1), successivamente è stato
48 Materiali e metodi impiegato quello prodotto dal sistema SHARON, sviluppato nell‟ambito del progetto BRIDGe, il quale produce dati sintetici che superano le limitazioni del primo dataset e permettono anche di rilevare i cambiamenti comportamentali.
Capitolo 4
Indicatori per la valutazione della routine di
attività semplici
Nel Capitolo 2, in particolare nella Sezione 2.4 sono stati introdotti alcuni indici che possono essere estratti dai dati che fluiscono nel sistema tramite delle strutture dette
indicatori. In questo capitolo ciascun indicatore sviluppato estrarrà una tipologia di
informazione specifica. Per rispondere ai bisogni del progetto BRIDGe di dati per l‟analisi delle abitudini e dello stile di vita della persona monitorata, la tesi ha selezionato un gruppo di informazioni che risultassero utili. In questo modo sono dapprima state identificate delle misurazioni che potessero rendere notizia dei consumi domestici (come per esempio acqua, gas o corrente elettrica) e attività semplici all‟interno della routine dell‟abitante. Successivamente sono state selezionate alcune delle informazioni presentate nella Sezione 2.4. Delle informazioni che la letteratura ha offerto, ne sono state scelte due:
la valutazione dell‟entropia, allo scopo di definire il carattere dell‟abitudinarietà dello stile di vita della persona.
La valutazione dell‟Activity Time Ratio, per misurare quanto tempo della singola giornata viene trascorso svolgendo un‟attività complessa.
Lavori futuri potranno cercare informazioni ulteriori ed applicare altri risultati che la letteratura ha mostrato e che qui non sono stati adottati.