راهکارهای تشخیص عملکرد کاربران و ارائه روشی برای تعیین میزان خطر رفتار غیر معمول کاربران در خانه‌ی هوشمند مبتنی بر منطق فازی

در سال‌های اخیر، جمعیت افراد بیمار و سالمند که تنها هستند و نیاز به مراقبت دارند، افزایش یافته‌است. همین مسئله احتیاج به داشتن خانه‌ی هوشمند برای باخبر بودن از شرایط بیمار را افزایش می‌دهد. شناسایی فعالیت بیمار با استفاده از حسگرهای تعبیه شده در محیط، اولین قدم برای رسیدن به خانه‌ی هوشمندی است که در آن اطرافیان بیمار می‌توانند با نگرانی کمتری، بیمار را در خانه تنها بگذارند. در این پژوهش، انواع روش‌های تشخیص عملکرد کاربران در خانه‌ی هوشمند ارائه می‌شود و پس از آن به روش جدیدی برای شناسایی میزان خطر که در آن از منطق فازی در مواردی مثل زمان شروع فعالیت استفاده شده، پرداخته می‌شود. سیستم استفاده شده برای تشخیص میزان خطر، در سه فاز از منطق فازی استفاده کرده است. در این روش به دلیل آنکه برای افراد با شرایط خاص پیاده‌سازی شده‌است، از حسگرهای پوششی استفاده نشد زیرا اگر از سنسورهای پوشیدنی برای بررسی بروز این مشکل استفاده شود، برای سالمند سختی به همراه دارد و حتی یک فرد آلزایمری ممکن است فراموش کند آن را بپوشد که با توجه به این شرایط، پیاده‌سازی این لایه نیز نتایج خوبی – یعنی دقت 84% - را بدست آورد.

approaches of user activity detection and a new fuzzy logic-based method to determine the risk amount of user unusual activity in the smart home

in recent years, the number of sick and elderly people that are living alone in their homes and need care has grown. this is why the smart home is needed for the awareness of their condition. identification of the patient’s activity using environment sensors is the first step in implementing a smart home. in such a home, the patient’s relatives can leave the patient alone with less concern. in this research, various methods of recognizing user’s activity in the smart home are presented, and then a new method is introduced to diagnose the risk amount of alzheimer’s patients in which fuzzy-logic is used in cases such as start-up time of the activity. this system uses fuzzy logic in three phases. since this method is considered for specific patients, the wearing sensors are not used because they have difficulties for the elderly and even an alzheimer’s patient may forget to wear them. however, the implementation of this layer also achieved good results, i.e., 84% accuracy.