| 
  • If you are citizen of an European Union member nation, you may not use this service unless you are at least 16 years old.

  • You already know Dokkio is an AI-powered assistant to organize & manage your digital files & messages. Very soon, Dokkio will support Outlook as well as One Drive. Check it out today!

View
 

Smart Living - Previsione qualità dell'aria

Page history last edited by umberto zulian 12 years ago

 

Smart Living - Previsione qualità dell'aria

 

Previsione della qualità dell'aria nell'abitazione (housing quality) anche per la sicurezza del residente (individual safety).

 

Soluzione

 

Rilevazione CO2 negli ambienti interni. In questo lavoro viene analizzato l'uso delle tecnologie di machine learning (apprendimento automatico dell'intelligenza artificiale) per prevedere il livello di CO2 come indicatore della qualità dell'aria in relazione alle attività dei residenti, in particolare anziani.

L'Organizzazione Mondiale della Sanità riporta che ogni anno muoiono 2.4 milioni di persone per cause direttamente attribuibili all'inquinamento atmosferico, di cui 1.5 milioni a causa dell'inquinamento dell'aria interna nelle abitazioni; nel mondo ci sono più morti per la cattiva qualità dell'aria che da incidenti automobilistici.

La qualità dell'aria interna agli edifici è data dalla presenza ( o assenza) di varie sostanze inquinanti (prodotti di combustione, composti organici volatili, particelle biologiche) ma sopratutto biossido di carbonio (CO2), gas incolore ed inodore formato nel corpo umano durante i processi metabolici, che può servire come un indicatore di qualità.

   

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3100555/

   

 

Acquisizione delle informazioni

 

La recente convergenza tecnologica tra machine learning e pervasive computing (diffusione e coordinamento di un gruppo di dispositivi di calcolo e comunicazione all’interno di un ambiente fisico), oltre a fornire una piattaforma per lo sviluppo di applicazioni software, esegue il monitoraggio della salute ed eventuale assistenza automatizzata per permettere alle persone anziane o parzialmente invalide di rimanere indipendenti nelle proprie case.

I test di questo progetto sono stati eseguiti su tre distinti banchi di prova fisici (smart house) all'interno del Washington State University campus. Uno di questi appartamenti è dotato di una nuvola di sensori (distanti tra loro circa un metro) per rilevare la temperatura ambiente, temperatura acqua, uso del riscaldamento, utilizzo di oggetti/elementi (pentola, contenitore dei medicinali, telefono, illuminazione). Tutti i dati catturati vengono trasmessi attraverso un protocollo XMPP-based (Wireless sensor network), memorizzati in un DBSql e poi usati dai programmi applicativi e per l'analisi.

     

   

 

Trattamento delle informazioni

   

I sensori utilizzati per la qualità dell'aria sono i Fluke 975 AirMeters che rilevano ogni minuto umidità percentuale, monossido e biossido di carbonio, e anidride carbonica;

 

 

per usare questi dati in modo smart occorre determinare:

  • la dimensione temporale della finestra di rilevazione per ottenere l'accuratezza necessaria ( 2, 5, 10, 15, 20 e 30 minuti)

  • il livello di movimento attraverso valori ponderati da 8 a 1 in base alla vicinanza al sensore ed alla ripetizione entro 5 secondi

si può quindi costruire un modello di attività (probabilistico, albero decisionale) che queste sequenze di dati rappresentano, e di conseguenza successive decisioni di intervento.

   

 

Accesso e condivisione alle informazioni

   

Dopo molteplici esperimenti è stato possibile catalogare cinque categorie di attività riconoscibili dall'elaborazione dei dati dei sensori all'interno della Smart House (dormire, fare lavori domestici, mangiare , studiare, fare la doccia), e di conseguenza “predire” la qualità dell'aria nei periodi successivi.

Alla fine l'obiettivo del progetto è di stabilire se le informazioni dato dallo Smart Living possono impostare un modello decisionale per garantire la qualità dell'aria all'interno di ambienti predefiniti.

   

Tecnologia: Wireless Sensor Networks

               

Comments (0)

You don't have permission to comment on this page.