Gesellschaft fŁr Informatik e.V.

Lecture Notes in Informatics


INFORMATIK 2009 - Im Focus das Leben P-154, 940-945 (2008).

Gesellschaft f√ľr Informatik, Bonn
2008


Editors

Stefan Fischer, Erik Maehle, R√ľdiger Reischuk (eds.)


Copyright © Gesellschaft f√ľr Informatik, Bonn

Contents

Rekonstruktion der Topologie einer Wohnung mit Hilfe eines Installationsbus-Systems

Matthias Gietzelt , Klaus-Hendrik Wolf , Michael Marschollek , Bianying Song and Reinhold Haux

Abstract


Hintergrund - Installationsbusse dienen zur erweiterbaren Steuerung der Elektroinstallation in Geb√§uden und erm√∂glichen die Kommunikation zwischen Sensoren und Aktoren. Die beim Nachrichtenaustausch anfallenden Daten k√∂nnen gespeichert und weiterverarbeitet werden. Im medizinischen Kontext k√∂nnen, zur Unterst√ľtzung der Fr√ľhdiagnostik, Pr√§vention oder Rehabilitation, aus solchen Nachrichten und Daten weiterer Sensorik Aktivit√§ten klassifiziert und bewertet werden. Insbesondere steht dabei der alleinlebende, √§ltere Mensch im Mittelpunkt der Untersuchung. Dessen Gewohnheiten werden auf erste m√∂gliche Anzeichen einer Verschlechterung des Gesundheitszustandes hin analysiert (z.B. h√§ufige Toilettennutzung, unregelm√§√üige Essenszubereitung etc.). Problemstellung - Das bei der Aktivit√§tsklassifikation auftretende Problem ist, dass sich weitere Personen im Ein-Personen-Haushalt aufhalten k√∂nnen. Dann ist eine zuverl√§ssige Bewertung der Handlungsf√§higkeit der Zielperson unm√∂glich. W√ľrde man die Topologie der Wohnung oder des Hauses kennen, dann k√∂nnte man aufgrund ungew√∂hnlicher Kombinationen oder zeitlicher Abfolgen von Aktivit√§ten in voneinander topologisch entfernten R√§umen Hinweise auf eine weitere Person im Haushalt erhalten. Methode - Es wird w√§hrend einer Lernphase durch die zeitliche Abfolge von Schaltvorg√§ngen ein ungerichteter, nicht zusammenh√§ngender Graph generiert, dessen Kanten gewichtet werden. Zu diesem Zweck wurden Beispieldaten √ľber einen Zeitraum von zwei Monaten in einer wohnungs√§hnlichen Umgebung gesammelt und ausgewertet. Die Methode wurde so auf Eignung, Genauigkeit und Robustheit gepr√ľft. Auswertung und Diskussion - 96,5\% aller Verbindungen von topologisch miteinander in Beziehung stehenden Ger√§te konnten erkannt werden. Au√üerdem war eine klare Trennung von topologisch entfernten Ger√§ten feststellbar. Der Vorteil dieser Methode ist, dass sie auch auf retrolektiv vorliegende Daten anwendbar ist, da die Rekonstruktion durch reines Beobachten geschieht. Eines der grunds√§tzlichsten Bed√ľrfnisse des Menschen ist der Wunsch nach Unabh√§ngigkeit und Selbstst√§ndigkeit. Bedingt durch eine zunehmende Funktionseinschr√§nkung und Multimorbidit√§t im Alter, steigt auch die Gefahr, die Selbstst√§ndigkeit zu verlieren. Dieser Kreislauf aus zunehmenden Funktionsdefiziten l√∂st weitere Faktoren aus, die das Fortschreiten der k√∂rperlichen und geistigen Einschr√§nkungen beg√ľnstigen k√∂nnen. Assistierende Gesundheitstechnologien sind Instrumente, die Aussagen √ľber den Gesundheitszustand des Menschen treffen sollen, indem sie systematisch zweckm√§√üige Daten sammeln, sie zu Informationen verarbeiten und mit medizinischem Wissen kombinieren [De08, KB04]. Sie dienen dazu, den Gesundheitszustand eines Individuums zu erhalten oder zu verbessern. Dabei leisten assistierende Gesundheitstechnologien unterst√ľtzende Aufgaben im gesamten medizinischen Versorgungsprozess, also von der Fr√ľherkennung von Krankheitsbildern, √ľber die Diagnostik und Therapie bis hin zur Rehabilitation. Sie k√∂nnen daher dazu beitragen, die Selbstst√§ndigkeit des alternden Menschen in seiner vertrauten Umgebung zu erhalten [BMW07]. 2 Problemstellung Bedingt durch das breite Spektrum des Anwendungsbereichs, gibt es jedoch auch besondere Situationen, die an die Konstrukteure assistierender Gesundheitstechnologien gro√üe Herausforderungen stellen. Eine dieser Situationen ist im Bereich der Fr√ľhdiagnostik zu finden. In diesem Fall wird der Wohnbereich mit Sensoren ausgestattet, die kontinuierlich Parameter zur √úberwachung und Einsch√§tzung des Gesundheitszustandes des Patienten erheben. Dabei steht der alleinlebende, √§ltere Mensch im Mittelpunkt der Untersuchung. Dessen Aktivit√§ten und Gewohnheiten werden auf erste m√∂gliche Anzeichen einer Verschlechterung des Gesundheitszustandes hin analysiert (z.B. h√§ufige Toilettennutzung, unregelm√§√üige Essenszubereitung etc.) [AEG06]. Solche Aktivit√§ten kann man auch hinsichtlich ihrer Dauer, der H√§ufigkeit in einer bestimmten Zeitperiode, ihres zeitlichen Abstandes und des Zeitpunktes ihres Auftretens innerhalb einer Zeitperiode bewerten. [Sa08] Dabei kommen nicht nur k√∂rpernahe, sondern auch station√§re Sensoren zum Einsatz. Befinden sich jedoch mehrere Personen in der Wohnung, z.B. eine Haushaltshilfe, k√∂nnen die Schlussfolgerungen, die mittels station√§rer Sensoren gezogen wurden, verf√§lscht sein: pl√∂tzlich k√ľmmert der Patient sich um den Abwasch, reinigt die Zimmer mit einem Staubsauger oder bereitet sich Essen zu. Station√§re Sensoren haben an dieser Stelle den Nachteil, dass sie solche Szenarien zwar messen k√∂nnen, dem einzelnen Sensor jedoch unter Umst√§nden die Kontextinformation fehlt, wer diese T√§tigkeit ausf√ľhrt. Im Grunde sollten die von den station√§ren Sensoren klassifizierten Aktivit√§ten von der Zielperson ausgef√ľhrt werden, aber in diesem Fall scheint eine zuverl√§ssige Bewertung der Handlungsf√§higkeit unm√∂glich. W√ľrde man jedoch die Topologie der Wohnung oder des Hauses kennen, also den r√§umlichen Bezug der Zimmer zueinander, dann k√∂nnte man, aufgrund ungew√∂hnlicher Kombinationen oder zeitlicher Abfolgen von Aktivit√§ten in voneinander topologisch entfernten R√§umen, Hinweise auf eine weitere Person im Haushalt erhalten und k√∂nnte dann die Aktivit√§tserfassung und -bewertung unterbrechen. Das Hauptaugenmerk dieser Arbeit liegt also in der Rekonstruktion der Topologie der Wohnung. 3 Material und Methode Installationsbusse, wie der europ√§ische Installationsbus (EIB / KNX), dienen zur erweiterbaren Steuerung der Elektroinstallation in Geb√§uden und erm√∂glichen die Kommunikation zwischen Sensoren und Aktoren [KNS05]. Ihnen werden feste Adressen zugewiesen, mit Hilfe denen sie miteinander kommunizieren k√∂nnen und die sie beim Nachrichtenaustausch verwenden m√ľssen. Der Anwendungsbereich f√ľr den Anschluss von Ger√§ten beschr√§nkt sich jedoch nicht nur auf Bewegungsmelder, Schalter und Lampen, sondern dehnt sich auch auf Jalousie- und Heizungssteuerungen, Drucksensoren in St√ľhlen, bis hin zu K√ľhlschr√§nken und Back√∂fen aus, die ihren Status melden k√∂nnen [EH97]. Auch aus solchen Installationsbussen kann man assistierende Gesundheitstechnologien entwickeln, wenn die beim Nachrichtenaustausch anfallenden Daten gespeichert und zu Informationen fusioniert und weiterverarbeitet werden. Der Vorteil von Installationsbussen als Datenquelle f√ľr assistierende Gesundheitstechnologien ist, dass die Nachrichten unaufdringlich erzeugt und praktisch allgegenw√§rtig in der gesamten Wohnung ausgel√∂st werden. Ein weiterer Vorteil ist, dass die mit diesen Bussystemen verbundenen Schalter naturbedingt fast den gesamten Wohnraum umfassen und dar√ľber hinaus noch ortsfest sind. Topologisch gesehen spannen sie den Raum einer Wohnung auf. Die Idee ist, dass der r√§umliche Bezug der Sensoren stark mit der zeitlichen Abfolge von Schaltvorg√§ngen korreliert. D.h., der r√§umliche kann durch den zeitlichen Bezug erschlossen werden. Dabei sind die angesteuerten Aktoren irrelevant, da sie einerseits meist einen hohen r√§umlichen Bezug zum Sensor aufweisen (zusammengeh√∂rige Lampen und Schalter befinden sich meist in demselben Raum) und andererseits nur das Ziel der Nachrichten markieren, sie jedoch nicht ausl√∂sen k√∂nnen. Aktoren liefern daher keine weiteren f√ľr diesen Zweck nutzbaren Informationen. W√§hrend einer Lernphase wird ein ungerichteter, nicht zusammenh√§ngender Graph generiert, dessen Kanten gewichtet werden. Die Knoten des Graphen repr√§sentieren die Sensoren, die Kanten den zeitlichen Bezug der Sensoren zueinander. Die Kanten entstehen durch die Auswertung des Nachrichtenaustausches. Die beiden so verbundenen Knoten stehen, bedingt durch den zeitlichen, auch in einem r√§umlichen Zusammenhang. Der Graph ist nicht zusammenh√§ngend, da nicht zwingend von jedem Knoten aus jeder andere Knoten erreichbar sein muss. Das Gewicht in Form einer Wahrscheinlichkeit, wird durch eine Zeitfunktion berechnet. Da das Gewicht der Kanten mit der Zeit abnehmen soll, wird folgender Ansatz verwendet: -at $p(t) = e (1)$ Dieser Ansatz ist g√ľnstig, da er rechenbar ist, die Funktion $p(t)$ f√ľr a > 0 monoton fallend ist, f√ľr $p(t = 0) = 1$ annimmt und f√ľr $p(t \rightarrow \infty ) = 0$ ist. Das sind genau die gew√ľnschten Forderungen, die in diesem Fall an eine Funktion, die einer Wahrscheinlichkeit berechnet, gestellt werden. Um den Parameter a zu bestimmen, legt man eine zus√§tzliche Bedingung fest, z.B. dass die Wahrscheinlichkeit $p(t = 10 Sekunden) = 0$,5 betragen soll. Die Zeitspanne von 10 Sekunden zwischen zwei Schaltvorg√§ngen legt einen zeitlichen und topologischen Zusammenhang nahe. Es wird sich erweisen, dass die Wahl von 10 Sekunden durchaus als g√ľnstig erachtet werden kann. Daraus folgt: -a 10s $p(t = 10 Sekunden) = 0$,5 = e \? a = -1/10s $\ln (0,5) (2) ln(0,5)$ \? -t (-1/10s $\ln (0,5))$ t /10s $p(t) = e = e$ e (3) \? $p(t) = 0$,5t / 10s (4) Nach einer Dauer von 10 Minuten zwischen den Schaltvorg√§ngen wird die Wahrscheinlichkeit auf $p(t \geq 10 Minuten) = 0$ festgelegt. Dies dient der Vereinfachung der Berechnung des Graphen. Eine Zeit von 10 Minuten zwischen zwei Schaltvorg√§ngen deutet darauf hin, dass die Schaltvorg√§nge keinen topologischen Zusammenhang besitzen sollten. Werden zu einer Kante mehrere Gewichte bestimmt, wird das Maximum dieser Gewichte verwendet. Um die entwickelte Methode zu erproben, wurden Beispieldaten eines Installationsbussystems aus einer wohnungs√§hnlichen Umgebung ausgewertet. Diese stammen aus dem Labor f√ľr assistierende Gesundheitstechnologien des Peter L. Reichertz Instituts f√ľr Medizinische Informatik am Standort Braunschweig und wurden w√§hrend eines Zeitraums von 2 Monaten aufgezeichnet. Mit diesen Daten soll die Methode auf Eignung und Robustheit gepr√ľft werden.Das Labor wird insbesondere f√ľr Lehrveranstaltungen, studentische Projekte, Pr√§sentationen und zur Erprobung neuer assistierender Gesundheitstechnologien genutzt. Es besteht aus einem gr√∂√üeren (ca. 18m$^{2}$) und 2 kleineren (ca. 7m$^{2}$ bzw. 5m$^{2}$) R√§umen, in denen insgesamt 21 Sensoren mit unterschiedlichen Adressen mit dem Installationsbus verbunden sind. Als r√§umlich miteinander in Beziehung stehende Ger√§te sollen solche Sensoren definiert werden 1) die sich in demselben Raum befinden und 2) einen Abstand von h√∂chstens 2m aufweisen. Der Abstand wurde so gew√§hlt, dass er mit den oben erw√§hnten 10 Sekunden vertr√§glich ist. Beide Parameter wurden prospektiv, ohne besondere R√ľcksicht auf die Wohnumgebung, gew√§hlt. Die Bedingung, ob ein Ger√§t einen topologischen Bezug zu einem anderen Ger√§t hat, wird durch das Kantengewicht entschieden: Bei einem Kantengewicht von p $\geq 0$,5 gibt es einen topologischen Bezug, bei p < 0,5 nicht. 4 Auswertung Zur Pr√ľfung der Eignung der Methode zur Rekonstruktion der Topologie der Wohnung wurde der gesamte Datensatz, der in einem Zeitraum von 2 Monaten aufgenommen wurde, verwendet. Es wurden w√§hrend des Zeitraumes 20 der 21 an den Installationsbus angeschlossenen Sensoren bedient. Zu erwarten w√§re also, dass sich 20 Knoten und 190 Kanten in dem Ergebnis-Graphen befinden. Die 190 Kanten entstehen unter der Voraussetzung, dass alle Knoten miteinander verbunden sind. Dazu verbindet man den ersten Knoten mit den 19 √ľbrigen, den Zweiten mit den verbleibenden 18 usw. Unter Verwendung des Datensatzes konnten jedoch nur 141 Kanten entdeckt werden. Unter den 49 nicht erkannten Verbindungen waren aber nur solche, die r√§umlich nicht miteinander in Beziehung stehende Ger√§te verbunden h√§tten. Die folgende Wahrheitsmatrix zeigt die Anzahl der erkannten Verbindungen der r√§umlich miteinander in Beziehung stehenden Ger√§te x, die bei einem festgelegten Kantengewicht von 0,5 richtig bzw. falsch erkannt wurden. x \?x p $\geq 0$,5 64


Full Text: PDF

Gesellschaft f√ľr Informatik, Bonn
ISBN 978-3-88579-241-3


Last changed 24.01.2012 22:07:29