کاهش ترافیک با کمک تشخیص فعالیت انسان در خانه‌های هوشمند

در این مقاله به بررسی کاهش ترافیک با کمک تشخیص فعالیت انسان در خانه‌های هوشمند پرداخته شده است. در شبکه-های حسگر بی سیم بدنی ، ارسال های دوره ای داده های خامِ حجیم اخذ شده از بدن مستلزم مصرف انرژی بالا بوده حال آنکه انرژی گره های حسگر زیست پزشکی بسیار محدود می باشند. از این رو کاهش مصرف انرژی در این شبکه ها همواره بایستی در مرکزیت توجه قرار بگیرد. یکی دیگر از چالش های که در شبکه های حسگر بی سیم بدنی وجود دارد، چگونگی تعیین سطح عمومی سلامت فرد و اتخاذ تصمیم صحیح توسط تعدیل‌کننده می باشد که می تواند که در مواقع اضطراری و تماس با اورژانس بسیار سودمند واقع شود. در این تحقیق به‌طور مشخص به‌منظور ارزیابی موثر روش پیشنهادی، میزان اثربخشی و بهینگی کاهش نرخ نمونه گیری و بازارسال را در رفع چالش مصرف انرژی موردبررسی قرارگرفته و مدیریت موارد اورژانسی نیز از طریق نرخ هشدارهای صحیح و نادرست تحلیل می شوند. نتایج تحقیق نشان داد که استفاده از سیستم امتیاز هشدار دهی بدوی با عدم ارسال داده های تکراری و یک نرخ نمونه گیری ثابت قادر است، حجم داده های ارسالی را در مقایسه با ارسال کل داده ها به‌طور میانگین 70% کاهش دهد. که کاهش نرخ نمونه‌گیری نیز از سهم بسزایی در کاهش داده‌های ارسالی به دستگاه تعدیل‌کننده برخوردار می‌باشد و قادر است داده‌های ارسال شده به تعدیل‌کننده را نسبت به نرخ ثابت به‌طور متوسط تا 22 % کاهش دهد. روش پیشنهادی با استفاده از ویژگی در نظر گرفتن ویژگی‌ها قادر است تا در مقایسه با روش با نرخ نمونه گیری ثابت به‌طور متوسط تا 30% کاهش دهد.