Árvai László
osztályvezető, Intelligens Rendszerek Divízió, Bay Zoltán Alkalmazott Kutatási Közhasznú Nonprofit Kft., laszlo.arvai@bayzoltan.hu
Beltéri helymeghatározás
A beltéri helymeghatározási módszereket több szempont szerint csoportosíthatjuk. Az egyik fontos csoportosítási szempont a szükséges infrastruktúra. Vannak olyan megoldások, ahol szükséges kifejezetten a beltéri helymeghatározás számára infrastruktúra kiépítése, jeladók, markerek elhelyezése, illetve a használatához speciális hardvereszközök, vevők szükségesek. Ezek a megoldások általában nagyobb pontosságot biztosítanak, lehetővé téve akár a 10 cm körüli pontosságú helymeghatározást. Viszont a szükséges infrastruktúra kiépítése és karbantartása idő- és költségigényes lehet. A másik csoportba tartozó megoldások valamilyen más céllal kiépített infrastruktúrát használnak. Az egyik leggyakrabban használt ilyen infrastruktúra a Wi-Fi kommunikációs hálózat. A Wi-Fi kommunikációs hálózatot biztosító hozzáférési pontok térereje függ az adott helytől, vagyis a térerősség egyedi, helytől függő mintázatot alkot. Ezt a mintázatot előzőlegesen fel kell térképezni (mérésekkel) majd a geometriai adatokat tartalmazó térképpel együtt tárolni. Ez után a helymeghatározás elvégezhető úgy, hogy a meghatározandó helyen éppen mért térerősség mintához leginkább hasonlatos tárolt mintázatokat keresünk és a leginkább egyező minták helyéből meghatározható az aktuális mérés helye. Ez a mintaillesztés (fingerprint) alapú beltéri helymeghatározás, melynek előnye, hogy
Absztrakt: A beltéri helymeghatározási technológiák egyre szélesebb körben kerülnek felhasználásra.
A kézenfekvő felhasználási területeken kívül, mint például beltéri navigáció vagy helyfüggő adatok, reklámok megjelenítése vagy eszközök, termékek, csomagok követése, speciálisabb felhasználások is előtérbe kerülnek. Az egyik ilyen terület az idősek otthoni felügyelete, ahol a beltéri helymeghatározás segítségével az idős ember viselkedésére, aktivitására vonatkozó információk nyerhetők ki, melyek alapján például a demenciában szenvedő paciensek esetén az elkóborlás veszélye előre jelezhető.
Ahhoz, hogy ezt az idős emberek könnyen tudják használni, viselhető eszközt célszerű biztosítani számukra. A legkönnyebben megszokható viselhető eszköz egy okosóra, hiszen az óra viselése, illetve fel- és levétele jól megszokott folyamat számukra. Az okosórák általában korlátozott erőforrásokkal rendelkeznek beltéri helymeghatározás szempontjából, azért fontos, hogy a megfelelő algoritmusok, módszerek kerüljenek alkalmazásra a beltéri helymeghatározás megvalósítása során. Egy ilyen rendszer megvalósításának részleteit ismerteti ez a cikk.
nem igényel külön erre a célra kiépített infrastruktúrát, a már meglévő vezetéknélküli kommunikációs hálózatot használja. Hátránya azonban a mérsékelt pontosság és megbízhatóság, az éppen aktuális rádiófrekvencás csillapítások nagy mértékben befolyásolják a módszer pontosságát. Ezért egyéb mérési metódusokkal szokás kombinálni, mint például a mozgáselemzés (lépésdetektálás). Így több modalitás kombinációjával a helymeghatározás pontossága és főleg a stabilitása lényegesen javítható, ehhez azonban olyan eszközre van szükség mely képes az adott modalitások megvalósítására. Egy mobiltelefon például rendelkezik minden szükséges szenzorral az előbb említett funkciók megvalósítására. Azonban, ha idős emberek gondozására kívánjuk használni az okostelefonok használata problémás lehet, hiszen sok idős ember idegenkedik a használatától.
Okoseszközök az idősgondozásban
A beltéri helymeghatározás sokat segíthet az idősek önálló életvitelének támogatásában is. A WHO adatai szerint (Internet1) jelenleg 50 millió ember él a demencia valamelyik súlyosságú változatával és évente 10 millió új eset várható.
A demencia súlyosságának bizonyos fokáig ezek az emberek képesek az önálló életvitelre, azonban fontos valamilyen felügyelet biztosítása számukra. Ha ez IT eszközökkel megvalósítható, akkor az ember ápolási erőforrások más, súlyosabb esetekre fordíthatók. A demencia egyik következménye az időskori elkóborlás vagyis amikor a beteg kimegy a lakásából és céltalanul kóborol az utcán. Mivel ebben az állapotában képtelen hazatalálni, eltéved és amennyiben nem kap segítséget megsérülhet odakint.
Az elkóborlás általában nem hirtelen következik be, vannak előzmény tünetei.
A beteg aktivitásából, mozgásából és a lakás egyes helyein történő tartózkodás idejéből előre jelezhető az elkóborlás veszélye. Az aktivitás, mozgás és a beteg helyének meghatározásához beltéri helymeghatározási módszerre van szükség.
Azonban csak olyan módszer használható, mely nem kíván jelentős átalakítást az idős ember környezetében és részéről nem kívánja bonyolult eszközök használatát.
Tehát célszerű a saját infrastruktúrát nem kívánó beltéri helymeghatározási módszerek használata és az idős emberek számára pedig valamilyen viselhető eszköz biztosítása.
Számukra az óra viselése egy megszokott tevékenység és a manapság elterjedőben lévő okosórák ideális platformot nyújtanak egy ilyen megoldás kifejlesztésre.
Az így előálló platformmal szemben számos követelmény támasztható (Frédéric – Christian 2014). Ezek közül a legfontosabb az alacsony ár és az egyszerű felhasználói felület. Ezen kívül fontos, hogy ezen rendszerek felhasználói nem csak maguk a gondozottak, hanem a gondozóik is, akár formálisak (ápolók, idősgondozók), akár informálisak (családtagok). Számukra is szükséges, hogy a rendszer hasznos szolgálgatást tudjon nyújtani.
Léteznek már ilyen céllal készült rendszerek például (Zhihua – Zhaochu 2017) ismertet egy olyan rendszert, amely többféle egészségre jellemző paramétert
mér a helymeghatározás mellett, azonban ez több viselhető szenzor használatát igényli, melyek helyes felvétele, csatlakoztatása problémás lehet külső segítség nélkül.
Többféle – elsősorban sportolást – támogató okosóra érhető el (Marian – Denys 2018), azonban ezek funkcionalitása erősen korlátozott, alkalmasak ugyan bizonyos egészségügyi paraméterek (pl.
pulzusszám mérésére) vagy a szintén nagyon fontos elesés detektálására, de nem rendelkeznek beltéri helymeghatározási funkcióval.
Az Apple okosóra terméke az Apple Watch is képes támogatni az idősek felügyeletét (Internet2), azonban annak magas ára kérdésessé teszi a széleskörű elterjedését.
Célszerűnek látszott tehát egy általános célú okosárát választani, amelyre tetszőleges alkalmazás 1. ábra Kingwear KW88 okosóra
telepíthető és egy saját alkalmazásban megvalósítani a szükséges funkciókat.
Esetünkben a választásunk a KingWear KW88 típusú okosórára esett (1. ábra), amely alacsony árával, szenzoraival és a rajta futó Android operációs rendszerrel együtt alkalmas platform egy idősgondozásban használható megoldás kifejlesztésre.
Az okosóra rendelkezik Wi-Fi kommunikációs interfésszel, így a bevezetőben említett mintaillesztés (fingerprint) alapú helymeghatározási algoritmus megvalósítható a segítségével. Azonban a kiegészítő modalitás – lépésdetektálás – már csak korlátozottan valósítható meg. A csuklón viselt óra szenzorainak (gyorsulásszenzor) segítségével ugyanis nem érzékelhető megfelelő biztonsággal a mozgás (lépés) nagysága és mivel az óra nem tartalmaz iránytűt, a lépés iránya sem határozható meg. Ezért a kiegészítő modalitást másképpen kell megvalósítani.
Okosóra alapú beltéri helymeghatározás
A helymeghatározás alapja, hogy rendelkezünk egy beltéri térképpel (alap-rajzzal) az adott épületről. Esetünkben az alaprajz egy mérethelyes, vektoros formában tárolt rajz, amelyet az Open Street Map nyílt forráskódú rendszer segítségével készítünk el (Árvai 2019). Ehhez kapcsolódóan szükséges a helymeghatározás szempontjából fontos területen elvégezni a térerősség méréseket, melyhez egy okostelefonra és a rajta futó általunk fejlesztett alkalmazásra van szükség. A mérések együttesen az elektronikus alaprajzzal kerülnek tárolásra.
A teljes rendszer egy kliens-szerver architektúrában került megvalósításra (2. ábra), elsősorban azért, hogy az óra erőforrásai (akkumulátor, processzor, memória) ne korlátozzák az algoritmus bonyolultságát, illetve minél hosszabb működési idő legyen elérhető egy akkumulátor feltöltéssel.
2. ábra A rendszer felépítése
Az óra beltéri helymeghatározásban betöltött szerepe így elsősorban a Wi-Fi térerősség mérések elvégzésére korlátozódik. Az óra másodpercenként begyűjti az elérhető Wi-Fi hozzáférési pontok azonosítóit és térerősség értékeit, illetve a szenzorai segítségével meghatározza, hogy a viselője mozog vagy egyhelyben tartózkodik. Ezeket az információkat elküldi egy szerver alkalmazás részére, melyen a további feldolgozás megtörténik.
Az óra emellett egyészségügyi adatokat is gyűjt, amely elsősorban a pulzusszám periodikus mérésére, elesés érzékelésére, illetve a megtett lépések számának gyűjtéséből áll. Ezek az adatok szintén a szerver alkalmazásban kerülnek tárolásra és későbbi feldolgozásra.
A gondozók, családtagok számára a rendszerben tárolt adatok egy böngésző alapú felhasználói felület segítségével érhetők el, illetve a szükséges riasztások SMS vagy mobil hívás kezdeményezésével valósíthatók meg.
A beltéri helymeghatározás az óra által érzékelt Wi-Fi térerősség értékeken alapul, amely kiegészül az aktivitás (mozgás) érzékelésével is. Az algoritmus három fő lépésből áll (3. ábra).
Az előkészítés első lépése az épület meghatározása, mivel a rendszer több okosórát és épületet tud kezelni. Az épület kiválasztása úgy történik, hogy az óra által érzékelt Wi-Fi hozzáférési pont (access point, AP) adatok összehasonlításra kerülnek az adatbázisban tárolt – egyes épületekhez tartozó – AP adatokkal. Amelyik épületben a legtöbb egyező AP van, az az épület lesz a rendszer által kiválasztott.
3. ábra A helymeghatározási algoritmus felépítése
Az épület adatai ez után betöltésre kerülnek a memóriába a gyorsabb feldolgozás miatt. Az emelet meghatározásához a mért Wi-Fi térerősség értékekhez legközelebb álló korábbi méréseket választja ki a rendszer, majd az ezek többségéhez tartozó emelet kerül kiválasztásra.
A kiválasztott emelethez betöltésre kerül az összes korábbi térerősség mérési adat. Az adatok szűrésen mennek át, ahol egyrészt kiszűrésre kerülnek a virtuális AP-k és a lokalizáció szempontjából kevésbé jelentős AP-k.
A helymeghatározó algoritmus alapja egy részecske szűrő (particle filter) algoritmus. Az algoritmus pozíció feltételezésekkel dolgozik (particles) és egy kétlépéses prediktor-korrektor módszert valósít meg. A predikciós lépésben az óra viselőjének mozgása alapján aktualizálja a pozíció becsléseket. Mivel az óra csak a mozgás tényét továbbítja, az irányát és a megtett távolságot nem, ezért a becslés normális eloszlású véletlenszerű irányokkal és távolságokkal dolgozik. Azonban mozgás esetén a véletlenszám generáláskor felhasznált szórás és várható érték nagyobb, mint nyugalmi helyzet esetén.
A pozíció becslés után az új helyzetek elemzésre kerülnek az alaprajz alapján. Ehhez rendelkezésre áll a vektoros tárolású alaprajz, a megfelelő kiegészítő információkkal együtt. Ezek segítségével alkalmazhatók olyan geometriai kényszerek melyek kiszűrik a fizikailag nem lehetséges pozícióbecsléseket (4. ábra)
Amennyiben a mozgás nem lehetséges, mert például falon kellene átmenni az új pozíció eléréséhez, a megfelelő részecske alacsony valószínűségi értéket kap. Az ábrán tömör fekete ponttal jelzett pozíciók az aktuális becslések (particles), a nyilak a következő becslést jelzik, amelyek mozgás esetén véletlenszerű irányú és nagyságú
4. ábra Geometriai kényszerek alkalmazása
becslések, mivel pontos mozgásinformáció nem áll rendelkezésre az óra megfelelő szenzorainak hiánya miatt. Ezen becslések közül azonban jó néhány nem lehetséges, hiszen az adott pozícióból nem léphetünk közvetlenül (egy másodperc alatt) az új becsült helyre. Ezeket az eseteket szürke nyilak jelölik az ábrán, az algoritmus pedig alacsony valószínűséggel használja a továbbiakban ezeket a becsléseket, vagyis nagyrészt figyelmen kívül hagyja. A fekete nyilakkal jelölt mozgások azonban lehetségesek az alaprajz alapján, hiszen vagy szabad térben vezetnek, vagy például ajtókon, lépcsőn át, amelyek szintén lehetséges mozgási irányok.
Az algoritmus ezután a korrektor lépéssel folytatódik. A korrektor lépés lényege, hogy minden egyes részecskéhez egy valószínűségi értéket rendeljen az alapján, hogy a Wi-Fi térerősség mérések az adott pozícióban mennyire lehetségesek, vagyis mennyire egyeznek az adott pozícióhoz tartozó korábbi mérési adatok az aktuális mérési adatokkal. A mérések közötti távolságmetrikával fordított arányos valószínűségek kerülnek meghatározásra, vagyis minél jobban egyezik az adott mérés annál nagyobb valószínűségi értéket kap. A valószínűségekkel ellátott részecskék alapján kerül meghatározásra a becsült pozíció. Ehhez a legnagyobb valószínűségű részecskék 70%-a kerül kiválasztásra, majd a koordinátáik valószínűségük segítségével súlyozott átlaga adja a becsült helymeghatározási koordinátákat (az ábrán üres körrel jelölve). Az utolsó lépésként a részecskék újramintavételezése történik meg. Az új részecske kollekció véletlenszerű mintavétellel az aktuális kollekció elemeiből kerül kiválasztásra. A mintavétel véletlenszerű, de az egyes részecskék mintavételi valószínűségét az adott részecskéhez tartozó a pozíció becslés valószínűségét leíró változó adja meg.
Beltéri helymeghatározás felhasználása
A beltéri helymeghatározás használható egyrészt egészségügyi vészhelyzet (rosszullét, elesés) esetén, riasztáskor a pontos hely megadására, de a tartózkodási hely, időtartam és a mozgás elemzésével további funkciók is megvalósíthatok.
5. ábra Az egyes helységekben töltött idő átlagos esetben és elkóborlás veszélyének fennállása esetén
Az idős gondozott mozgásának, tartózkodási helyének és az ott töltött idő ismerete alapján előre jelezhető az elkóborlás veszélye (Kim – Hassan 2009). Normál esetben az idős emberek egy vagy néhány helységben töltenek jelentős időt, a többi helységet ritkábban veszik igénybe (5. ábra, bal oldal), azonban elkóborlás egyik első tünete a folytonos helyváltoztatás, helykeresés, kijáratok közelében töltött jelentősebb idő (5. ábra, jobb oldal).
Ezek az esetek jól megkülönböztethetők és előfordulásuk esetén az ápoló személyzet, vagy egy hozzátartozó értesíthető és esetleg még az előtt beavatkozhatnak, mielőtt maga az elkóborlás megtörténne.
Összefoglalás
Beltéri helymeghatározási megoldások egyik speciális felhasználása az idősgondozás. Ebben az alkalmazásban segítséget nyújthatnak vészhelyzet esetén a pontos hely megadásában, de a mozgások elemzésével, az egyes helységekben töltött idő segítségével viselkedés változások, demencia esetén az elkóborlás veszélye is előre jelezhető.
Ehhez azonban az idősek számára is elfogadható szenzort kell biztosítani, mint például egy okosóra, amely óra jellegénél fogva könnyen elfogadható az idős emberek számára, viszont egy megfelelő alkalmazás segítségével mind bizonyos egészségügyi adatokat, mind a beltéri helymeghatározáshoz szükséges adatokat képes szolgáltatni. A beltéri helymeghatározás megvalósítható a már létező Wi-Fi infrastruktúra jeleinek felhasználásával, azonban az okosóra szenzorainak korlátos képességei miatt más helymeghatározási modalitás nem valósítható meg egyszerűen.
Azonban a megfelelő vektoros formátumban tárolt térkép lehetőséget nyújt geometriai kényszerek bevezetésére, amelyek segítségével a helymeghatározás pontossága és megbízhatósága lényegesen javítható.
Az ismertetett alkalmazás segítségével egy általános célú, olcsó okosóra hasznos segítő eszköz lehet az idősgondozásban, különös tekintettel a demencia korai stádiumában elő gondozottakra.
Felhasznált irodalom
Árvai L. (2019): Beltéri navigációs rendszer fejlesztése nyílt forrású alapokon. Az elmélet és a gyakorlat találkozása a térinformatikában X., pp. 35-40, Debrecen 2019, ISBN 978-963-318-054-9
Frédéric, E. – Christian, L. (2014): Supporting elderly homecare with smartwatches:
advantages and drawbacks. Studies in Health Technology and Informatics, 205, pp.
667–671, doi: 10.3233/978-1-61499-432-9-667.
Kim, K. – Hassan, M.M. – Na, S. – Huh, E. (2009): Dementia Wandering Detection and Activity Recognition Algorithm Using Tri-Axial Accelerometer Sensors, Proceedings of the 4th International Conference on Ubiquitous Information Technologies &
Applications, Fukuoka, pp. 1 –5. doi: 10.1109/ICUT.2009.5405672
Marian, H. – Denys, M. – Karthik, S. – Gerald, B. (2018): Mobile assisted living: Smartwatch-based fall risk assessment for elderly people. doi: 10.1145/3266157.3266210.
Zhihua, W. – Zhaochu, Y. – Tao, D. (2017): A review of wearable technologies for elderly care that can accurately track indoor position, recognize physical activities and monitor vital signs in real time. Sensors, 17. doi:10.3390/s17020341.
Internetes források
Internet1 – WHO: Dementia, Online: https://www.who.int/news-room/fact-sheets/detail/
dementia
Internet2 – J. Ong, “Apple watch health features for the elderly”, Smartwatch News, November 28. 2019, https://www.smartwatches4u.com/apple-watch-health-features-for-old-people/