В статье рассматриваются основные подходы к решению задачи автоматизированной поддержки среды обитания человека, которую в современной литературе часто называют «умным домом». Предлагается подход, основанный на использовании информации о силе сигнала радио-маячков и показаний датчика сердцебиения. В статье описывается модельная среда обитания, обладающая указанными характеристиками: квартира с размещенными Bluetooth-маячками, обитатель которой снабжен датчиком сердцебиения и устройством, измеряющим силу сигнала от маячков. Была реализована программа, которая в процессе эксплуатации модельной среды собирает данные о силе сигнала маячков, показания датчика сердцебиения и предоставляет возможность показывать текущее состояние приборов, являющихся объектами автоматизации. На полученных данных с помощью известных методов машинного обучения удалось выделить некоторые зависимости между собираемыми входными данными и состояниями устройств. Таким образом, для описанной задачи реализована базовая модель системы автоматизированной поддержки среды обитания «умный дом» с оценкой точности предсказания предпочтительного состояния приборов. С. 15-29.
Basic approaches to the automated control of smart environment problem are considered. A new method of solution based on the information about the signal strength of wireless broadcasting devices (considered as beacons) and the heart rate sensor readings is introduced. The model environment is an apartment with Bluetooth beacons; the inhabitant has a heart rate sensor and a RSSI measuring device. An application collecting beacons RSSI and heart rate measurements during the inhabitant activity in the model environment has been implemented. The application provides the user interface to display current state of devices which are objects of automated control. By using machine learning methods the relation between the collected data and device states is obtained. Thus, an automated smart environment control model has been implemented. The estimation of the accuracy of prediction of the devices preferable state has been obtained.
Ключевые слова: умный дом, машинное обучение, распознавание шаблонов поведения, позиционирование в помещении
Keywords: smart environment, machine learning, activity recognition, indoor geofencing.