Collection, processing and analysis of environmental domotic sensors data for behavior drift detection

The world population is getting older resulting in socio-economic consequences due to ageing-related biological, psychological, and social fragilities. Rising care costs and the failure of traditional care models favor an independent ageing in place postponing institutionalization as far as possible. Ambient Assisted Living is a technological solution that improves the living environment of the elderly and fragile person with tools and the intelligence needed to support independent life. This work presents BRIDGe, a modular, interoperable, and personalizable ambient assisted living system developed in the context of Assistive Technology Group (ATG) in Politecnico di Milano. This Doctoral Thesis proposes four main intertwined focuses: the proficient collection of indoor human localization data, the HA (Home Automation) data processing to ensure dependability, the generation of synthetic HA datasets, and the analysis of data to create a correlation between HA status and Activities of Daily Living (ADLs). Indoor Human Localization (IHL) concerned the improvement of a 2.4GHz RF-based system, as well as the development of another system based on 125kHz RF. Dependability for IHL was provided to address faults, especially where introduced by the users. To such aim two methodologies have been developed and validated, providing fault detection and localization. These methods rely also on the opportunistic exploiting of HA sensors, especially those related to motion and presence. To this aim also an enriched model for characterization of motion sensors is proposed. To avoid high costs and long time acquisitions, an innovative simulator of human behavior able to reproduce certain routines and generate synthetic ADLs scheduling is hereby introduced. Finally, representing HA data through a proper image-like entity, the proposed method shows how it is possible to discover activities performed by an inhabitant of a Smart Home from sensors data, applying an unsupervised clustering. The overall proposed scenario comprises a set of innovative methods and techniques, aiming to the recognition of changes in a person's behavior. This will enable an independent ageing for the elderly people and the implementation of targeted interventions, reducing costs.

La popolazione mondiale sta subendo un processo di invecchiamento con conseguenze socio-economiche dovute alle fragilità psicofisiche legate all'avanzamento dell'età. L'innalzamento dei costi e il fallimento dei modelli assistenziali spingono all'invecchiamento a casa, a postporre il più possibile il ricovero in centri di assistenza. L'Ambient Assisted Living è una soluzione tecnologica che migliora l'ambiente di vita degli anziani e delle persone fragili con gli strumenti e l'intelligenza necessari per supportare la vita indipendente. In questo lavoro viene presentato BRIDGe un sistema di Ambient Assisted Living modulare, interoperabile e personalizzabile, sviluppato nel contesto di ATG - Gruppo Tecnologie Assistive - del Politecnico di Milano. Questa tesi di dottorato propone quattro temi principali, tra loro finemente intrecciati: la raccolta efficace di dati di localizzazione di persone in ambienti indoor, il processing di dati di HA (Home Automation) per assicurare la dependability del sistema, la generazione di dataset sintetici di HA, infine l'analisi dei dati stessi per cercare una correlazione tra stati di HA e attività quotidiane (Activities of Daily Living - ADLs). La ricerca nel campo della localizzazione di persone in ambienti indoor (Indoor Human Localization - IHL) ha riguardato il miglioramento di un sistema basato su RF 2.4 GHz, oltre allo sviluppo di un nuovo sistema di localizzazione basato su RF 125kHz. La dependability in campo IHL è stata introdotta per far fronte ai fault, specialmente quando introdotti dall'utente. A questo scopo si sono sviluppate e validate due metodologie per il rilevamento e la localizzazione dei guasti. Entrambi i metodi presentati si basano anche sullo sfruttamento opportunistico di sensori di HA, in particolar modo quelli dedicati a movimento e presenza. A tal riguardo inoltre si presenta un modello arricchito per la caratterizzazione di sensori di movimento. Per limitare i costi ed i tempi di acquisizione si presenta un simulatore innovativo, in grado di riprodurre determinate routine comportamentali di un individuo e di generare sequenze di ADL simulate. Infine, una rappresentazione opportuna, simile ad una immagine, dei dati di HA ha permesso lo sviluppo di un metodo per la ricerca di attività svolte da un abitante in una smart home, a partire dai dati rilevati dai sensori, applicando un metodo di clustering non supervisionato. Lo scenario delineato quindi propone una serie di metodi e tecniche innovative che mirano al riconoscimento dei cambiamenti nel comportamento di una persona. Questo permetterebbe una maggiore autonomia nella vita indipendente degli anziani e l'attivazione di interventi mirati, limitando i costi.