| 논문명 |
스마트 홈 환경에서의 재실자 일상생활 활동 패턴 추출을 위한 행동 컨텍스트화 프로세스에 관한 연구 / Behavioral Contextualization for Extracting Occupant's ADL Patterns in Smart-home Environment |
| 저자명 |
이보경(Lee, Bogyeong) ; 이현수(Lee, Hyun-Soo) ; 박문서(Park, Moonseo) |
| 수록사항 |
한국건설관리학회 논문집, Vol.19 No.1 (2018-01) |
| 주제어 |
일상생활 활동 ; 행동 컨텍스트화 ; 간접적 센싱 방식 ; 스마트 홈 ; Activities of Daily Living (ADL) ; Behavioral Contextualization ; Non-intrusive Sensing Approach ; Smart-home |
| 요약1 |
고령자 가구의 급격한 증가는 전 세계적 추세이며 의료비 등 사회적 비용 또한 급격히 증가할 것으로 예상된다. 치매와 같은 노인성 기능 질환의 경우 고령자의 일상생활 활동 (ADL) 패턴을 상시적으로 모니터링하고 평소와 다르거나 비정상적인 패턴이 발생하는 경우 이를 치매 조기진단의 근거로 활용할 수 있다. 그러나 사생활 침해의 우려가 큰 기존의 직접적 센싱 방식과 달리 간접적 센싱 방식 (Non-intrusive approach)을 활용하여 재실자의 최소한의 정보 (Coarse-grained data)만을 수집하고, 이를 통해 활동 정보를 추출하는 연구는 거의 이루어지지 않았다. 또한 추출된 활동 및 활동패턴을 이해하기 위해 활동의 맥락적 정보를 시각화하는 방법 또한 추가적인 연구가 필요하다. 이를 위해 본 연구에서는 재실자의 정보 중 시·공간 데이터 로그만을 활용하여 재실자의 수행 활동을 추출하고 컨텍스트화 된 행동 정보를 공간-활동 지도 (Space-Activity Map)로 시각화한다. 본 연구는 재실자의 일상생활 활동 패턴을 추출하는 데 기반이 되는 연구로서, 향후 고령자를 위한 상시적인 건강 모니터링 기술의 도입에 기여할 수 있다. |
| 요약2 |
The rapid increase of the elderly living alone is a critical issue in worldwide as it leads to a rapid increase of a social support costs (e.g., medical expenses) for the elderly. In early stages of dementia, the activities of daily living (ADL) including self-care tasks can be affected by abnormal patterns or behaviors and used as an evidence for the early diagnosis. However, extracting activities using non-intrusive approach is still quite challenging and the existing methods are not fully visualized to understand the behavior pattern or routine. To address these issues, this research suggests a model to extract the activities from coarse-grained data (spatio-temporal data log) and visualize the behavioral context information. Our approach shows the process of extracting and visualizing the subject's space-activity map presenting the context of each activity (time, room, duration, sequence, frequency). This research contributes to show a possibility of detecting subject's activities and behavioral patterns using coarse-grained data (limited to spatio-temporal information) with little infringement of personal privacy. |
