Quando i consumi elettrici parlano: rilevare i cambiamenti nella routine degli anziani
Adrian Sánchez-Miguel presenta il Progetto Finale del Master, premiato nell'ultima edizione del Premi Turing Machine, due volte: attraverso il Aula SMACT CGI-UCLM, premio di 1000 € per il miglior TFG o TFM in materia Social, Mobile, Analytics, Cloud e Cosee aula Ubotica-UCLM con un Premio di € 500 per il miglior TFM nei temi dell'Intelligenza Artificiale e/o dei Sistemi Embedded. Il titolo del TFM è «Rilevazione di comportamenti anomali attraverso dispositivi connessi in casa e la sua relazione con le attività della vita quotidiana come mezzo per migliorare la qualità della vita delle persone anziane che vivono da sole» ed è stato diretto dai professori Jesús Fontecha e Iván González.
La motivazione del progetto è quella di aiutare le persone anziane che scelgono di vivere in modo indipendente, dato il crescente numero di anziani che vivono soli e potrebbero aver bisogno di assistenza a casa.
L'obiettivo principale è rilevare comportamenti anomali negli anziani attraverso il monitoraggio non invasivo dei consumi elettrici domestici, tramite l’utilizzo di prese intelligenti. Ciò consente di identificare il attività basilari e strumentali della vita quotidiana eseguono e rilevano deviazioni o anomalie nella loro routine, contribuendo così a migliorare la loro qualità di vita.
Per raggiungere questo obiettivo, a studio esaustivo dello stato dell’arte su argomenti quali attività della vita quotidiana, tecniche di monitoraggio e metodi di apprendimento supervisionato e non supervisionato per il rilevamento di attività e anomalie. A è stato progettato infrastruttura completa che include la raccolta di dati tramite prese intelligenti connesse tramite Raspberry Pi, l'elaborazione di questi dati e l'archiviazione in database.
A causa dei limiti di tempo e della mancanza di dati propri, a insieme di dati pubblici che offriva un buon equilibrio tra durata (circa due anni) e varietà di apparecchi. Utilizzando algoritmi di apprendimento non supervisionato, le istanze di consumo sono state raggruppate in attività basate su somiglianze e a rete neurale per classificare nuove istanze nelle attività corrispondenti.
I primi risultati sono stati presentati in a congresso internazionale in Messico, ottenendo preziosi feedback per migliorare il progetto. Nella seconda fase si sono concentrati sulla rilevamento delle anomalie nell’ambito delle attività individuate, utilizzando l’analisi delle serie temporali per individuare scostamenti rispetto alle fasce orarie consuete.
In conclusione, il progetto ha dimostrato che è possibile rilevare attività e anomalie negli anziani attraverso il consumo elettrico. Anche se è stato riconosciuto possibile mancanza di attività da monitorare e qualche incertezza nei dati, gli obiettivi proposti sono stati raggiunti. COME lavoro futuro, si propone la creazione di un data set pubblico con le prese acquisite e l'integrazione con dispositivi vocali per ridurre l'incertezza nella rilevazione delle attività.
