Sharon : a smart home environment simulator

The average age of the world population is increasing; in particular, it is forecast that the percentage of elderly people will grow as well. This fact will pose important challenges to the healthcare system which would be in charge of treating a larger number of people. To limit the pressure on the public healthcare system and help aged people live a better life in their own homes, it is possible to use a smart home environment that assists them in their ordinary lives . The problem is that to design a smart home environment, a lot of data is needed, both for the development of the hardware and the software. However, data is scarce because the simplest approach of gathering them using a real prototype of a smart home environment would not work. It would not work because it would be too burdensome in terms of cost and time to build a specific smart home environment for a specific place without a priori information; moreover, this installation would not be able to generate sufficiently general datasets. We developed a smart home environment simulator called Sharon to solve this issue. This simulator can produce datasets that can be used to build real smart home environments. The simulator can produce two datasets; one contains the scheduling of activities of daily living (ADL); the other contains the sensors’ activations representing the status of each sensor in the virtual environment. The dataset containing sensors’ activations is computed starting from the dataset composed of ADLs. In this thesis, we developed additional features to increase the software simulator’s capabilities. The first feature that we added to the program is the fact that the user can force a set of ADLs in precise time instants at run-time, affecting the output datasets. The second functionality that we implemented is the ability to reproduce anomalous events in the form of a sequence of sensors’ activations arbitrarily decided by the user itself. Examples of anomalous events can be the fall of the inhabitant or the fact that the dweller does not remember to close the fridge. The third feature that was coded is the ability to use Sharon to do real-time software testing of a real smart home environment. In particular, the user can choose the speed of the simulation and so the output datasets can be processed by a real smart home environment in real-time while they are being computed. The first two goals have been completely reached; the third one works if the translation of ADL scheduling in sensors’ activations is based on a deterministic approach; instead, when using a stochastic approach it does not work.

L’età media della popolazione mondiale sta aumentando, in particolare è previsto che anche la percentuale di anziani crescerà. Questo fatto pone importanti sfide al sistema sanitario che sarebbe in dovere di trattare un maggior numero di persone. Per limitare la pressione sul sistema sanitario pubblico e aiutare gli anziani a vivere una vita migliore presso le loro abitazioni, è possibile usare un ambiente domestico intelligente per assisterli nella vita di tutti i giorni. Il problema è che per progettare un ambiente domestico intelligente è necessaria una grande quantità di dati, sia per sviluppare il software che l’hardware. Tuttavia c’è una penuria di dati poiché il più semplice approccio di raccoglierli usando un prototipo di ambiente domestico intelligente non funzionerebbe. Non funzionerebbe perché sarebbe troppo oneroso in termini di denaro e tempo costruire uno specifico ambiente domestico intelligente per uno specifico luogo senza informazioni a priori, inoltre questa installazione non sarebbe in grado di generare insiemi di dati abbastanza generali. Per risolvere questo problema abbiamo sviluppato un simulatore di ambiente domestico intelligente chiamato Sharon. Il simulatore è capace di produrre insiemi di dati che possono essere usati per progettare ambienti domestici intelligenti reali. Il simulatore può generare due insiemi di dati, uno contenente la programmazione delle attività giornaliere (ADL), l’altro comprendente le attivazioni dei sensori, che rappresentano lo stato dei sensori presenti nell’ambiente. L’insieme di dati che contiene le attivazioni dei sensori viene calcolato a partire dall’insieme di dati che contiene le ADL. In questa tesi abbiamo sviluppato funzionalità addizionali al fine di aumentare le capacità del programma di simulazione. La prima funzione che abbiamo aggiunto al programma è il fatto che l’utente può forzare durante l’esecuzione un insieme di ADL, in un preciso istante temporale, che ha un effetto sugli insiemi di dati prodotti. La seconda funzionalità che abbiamo implementato è l’abilità di riprodurre eventi anomali nella forma di sequenze di attivazioni di sensori arbitrariamente decise dall’utente stesso. Esempi di eventi anomali possono essere la caduta dell’abitante o il fatto che il residente non si ricorda di chiudere il frigorifero. La terza funzione che abbiamo codificato è l'abilità di usare Sharon per fare un collaudo di un ambiente domestico intelligente in tempo reale. In particolare l’utente può scegliere la velocità di simulazione e quindi gli insiemi di dati prodotti, mentre sono computati, possono essere processati da un ambiente domestico intelligente in tempo reale. I primi due obiettivi sono stati completamente raggiunti, il terzo funziona se la traduzione da programmazione di attività in attivazioni di sensori si basa su un approccio deterministico, mentre quando si usa il metodo stocastico non funziona.