-
Hintergrund
-
Menschen betreten, bleiben in und verlassen Gebäude und ähnliche Umgebungen (im Nachfolgenden als ”Gebäude” bezeichnet). Das menschliche Verhalten kann unerwünschte Zwischenfälle oder Ereignisse mit sich bringen, die dort auftreten, wo sie nicht erwünscht sind.
-
Die Motivation zur Steuerung von Ereignisse umfasst häufig Belange der Sicherheit, der Sicherung und der Energieeinsparung. So erkennen Brandmeldeanlegen Feuer oder andere gefährliche Situationen – Einbrucherfassungssysteme erkennen sicherheitsbezogene Aktivitäten; ein System mit Temperatur- und Lichtsensoren kann zur Erfassung verschwenderischen Energieverbrauchs verwendet werden. Die Erfassung solcher Situationen und Zustände ermöglicht es, Korrekturmaßnahmen zu ergreifen.
-
Gegenmaßnahmen können manuell oder automatisch ausgeführt werden. Beispielsweise kann im Falle einer Einbruchserkennung das Sicherheitspersonal den jeweiligen Teil des Gebäudes überprüfen; im Falle der Heiz- und Lichtsteuerung kann das Einstellen der entsprechenden Leistungsstufen automatisch durch ein Computersystem ausgelöst und ausgeführt werden. In solchen Fällen wird ein Zielsystemzustand überprüft und bestimmte Ereignisse ausgelöst, um einen Zielsystemzustand zu erhalten oder zu erzielen.
-
Im Allgemeinen betrifft der Einsatz solcher Systeme in Gebäuden der Gebäudeautomation; Gebäude, die mit solchen Systemen ausgestattet sind, werden häufig als ”intelligente Gebäude” bezeichnet. Diese Systeme beruhen für gewöhnlich auf Daten von Sensoren, die das Gebäude überwachen. Die Sensordaten werden für gewöhnlich nach einfachen Regeln analysiert. Zum Beispiel beantworten Überwachungssysteme Fragen, wie ”Ist ein gewisser Schwellenwert überschritten?” (beispielsweise ein Kohlenmonoxidkonzentrationsgrenzwert) oder ”Welche Wetterbedingungen herrschen vor?” (beispielsweise Windstärke).
-
Einfache Regeln reichen häufig nicht aus. Wird beispielsweise ermittelt, ob eine ältere Person Hilfe benötigt, werden Sensordaten üblicherweise an eine zentrale Datenverarbeitungseinheit gesendet. Eine solche zentrale Verarbeitung kann Schnittstellen zu (menschlichen) Operatoren für komplexe Entscheidungen umfassen. Darüberhinaus ist die Einheit in der Regel entfernt von Gebäuden angeordnet und ist für mehrere Gebäude zuständig. Somit muss eine potentiell große Datenmenge über Netzwerke an die zentrale Datenverarbeitungseinheit gesendet werden, um eine Entscheidung zu erhalten. Eine Verzögerung bei der Übermittlung wichtiger Daten kann bedeuten, dass bestimmte kritische Ereignisaktionen verpasst werden (beispielsweise eine zeitgerechte Benachrichtigung eines Notsituation). Darüberhinaus muss in dem zentralen Datenverarbeitungsmodell die technische Infrastruktur skaliert und menschliche Operatoren entfernt oder hinzugefügt werden, wenn sich die Anzahl der zu versorgenden Gebäude ändert.
-
Zusätzlich kann das Verwenden mehrerer Systeme in demselben Gebäude zur Bereitstellung verschiedener Dienste zu einer redundanten Infrastruktur führen. Redundanz erhöht die Kosten hinsichtlich Kauf, Installation und Wartung.
-
Ferner kann ein System für eine bestimmte Aufgabe ausgelegt sein. Das Einrichten einer angepassten oder neuen Aufgabe für das System kann komplex sein und erfordert üblicherweise einen Dienstleister oder eine Wartungsorganisation zur Durchführung der Arbeit, da der Benutzer die komplexen Programmieranforderungen eines Überwachungssystems nur selten erfassen kann.
-
Zusammenfassung
-
Gemäß Ausführungsformen der vorliegenden Erfindung ist ein Gebäude mit Sensoren zur Überwachung verschiedener Phänomene ausgestattet, wobei bestimmte Sensoren zur Überwachung bestimmter Phänomene vorgesehen sind. Nicht beschränkende Beispiele von Sensoren umfassen: Bewegungsdetektoren; elektrische Lichtsensoraugen; Gassensoren; und Temperatursensoren. Bewegliche Sensoren können ebenfalls verfügbar sein, wenn sie von Personen getragen werden. So können beispielsweise Smartphones Nachrichten über Phänomene, die für ein bestimmtes Gebäude relevant sind, erhalten; Laptops können beispielsweise seismische Aktivitäten wahrnehmen.
-
Verschiedene Ausführungsformen der vorliegenden Erfindung stellen Systeme und Verfahren zum Auswählen von Sensoren in einem Gebäude zur Überwachung von Zuständen in Bezug auf einen Zielsystemzustand (zum Beispiel keine Brandgefahr) bereit. Die Auswahl der Sensoren kann auf Benutzeranforderungen, Verhalten von Personen und Aktivitäten, die von den Sensoren überwacht werden können, beruhen. Die Auswahl kann auch auf externe Anfragen oder Anforderungen, wie etwa Gesundheitsdienstleistungen, Feuerwehr, Bauvorschriften und dergleichen, beruhen. Benutzer können auch interagieren. Beispielsweise können Benutzer eine geeignete Benutzerschnittstelle verwenden, die natürliche Sprachbefehle unterstützt oder die durch Interaktion mit graphischen Symbolen auf einer Anzeige beruht. Falls der Zielsystemzustand wiederhergestellt oder erreicht werden muss, kann ein Ereignis ausgelöst werden.
-
Der Betrieb von Gebäuden kann automatisch und dezentral von einer zentralen Datenverarbeitungseinheit aus erfolgen. Darüberhinaus können bestimmte Ausführungsformen vorhandene Sensoren verwenden oder neue Sensoren integrieren, um auf eine Benutzerabfrage zu antworten. Diese Ausführungsformen können verwendet werden, ohne dass spezielle neue Sensoren erforderlich sind, indem dynamisch verfügbare Sensoren verwendet werden.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung umfasst ein Computersystem zur Erfassung von Sensoren eine Schnittstelle für den Empfang einer Benutzerabfrage, die sich auf ein bestimmtes Ereignis für einen Zielsystemzustand bezieht, wobei das bestimmte Ereignis mit einem bestimmten Aktivitätsmuster verknüpft ist. Eine Zergliederungskomponente (engl. Decomposer) zerlegt die Abfrage in semantische Ausdrücke, die den Zielsystemzustand beschreiben, und identifiziert einen Datenbankeintrag, der einem aus der Zerlegung resultierenden semantischen Ausdruck zugeordnet ist. Eine Abrufkomponente entnimmt Verhaltensdaten, die dem identifizierten Datenbankeintrag entsprechen, und bezieht Elemente der Verhaltensdaten, die ein bestimmtes Aktivitätsmuster beschreiben, das mit mehreren Aktivitätsdatenstrukturen verknüpft ist. Eine Erfassungskomponente weist den mehreren Aktivitätsdatenstrukturen einen oder mehrere Sensoren zu.
-
Die Verhaltensdaten umfassen einen Satz von Logikregeln, die durch ein verbundenes Diagramm, wie beispielsweise einen Baum, dargestellt sind. Das heißt, ein Baum kann als Logikregelbasis interpretiert werden.
-
Ein Regelbaum kann durch die Wurzel, Knoten und Blätter dargestellt werden, wobei die Wurzel und Blätter bestimmte Knoten (Datenknoten) sind. Der Baum kann auch durch eine entsprechende Bezeichnung, die die Wurzel, die Knoten und die Blätter umfasst, dargestellt werden. Die Wurzel des Baums stellt ein bestimmtes menschliches Verhalten dar, während die Blätter bestimmten realen Elementen oder menschlichen Tätigkeiten, die durch Sensoren überwacht werden können, zugeordnet sind. Andere Datenknoten zwischen der Wurzel und den Blättern können reale Elemente sowie Beispiele des bestimmten menschlichen Verhaltens darstellen. Die Struktur der Verhaltensdatenstruktur spiegelt eine semantische Beziehung zwischen allen Elementen wider.
-
Die Identifizierung eines bestimmten menschlichen Verhaltens (das heißt, die Wurzel) und wenigstens ein Beispiel des menschlichen Verhaltens und/oder eines zugeordneten realen Elements (das heißt, Knoten) durch die Abrufkomponente liefert Informationen, um einen oder mehrere Pfade von der Wurzel bis zu den entsprechenden Blättern abzurufen. Die abgerufenen Blätter entsprechen einem bestimmten Aktivitätsmuster hinsichtlich der Wurzel und der Knoten. Das heißt, ein Teilsatz von Regeln kann durch Erhalten der Pfade von der Wurzel bis zu den Blättern abgerufen werden. Wird nur die Wurzel identifiziert, werden alle Pfade/Blätter abgerufen.
-
Die Blätter des Baums sind mit Aktivitätsdatenstrukturen verknüpft. Die Sensoren können den Aktivitätsdatenstrukturen zugeordnet werden, um eine bestimmten Aktivität oder eine Aktivität, die in einem bestimmten Kontext durchgeführt wird, zu überwachen. Die Aktivitätsdatenstrukturen müssen keine Beziehungen untereinander aufweisen.
-
Ein Aktivitätsmuster ist mit mehreren Aktivitätsdatenstrukturen verknüpft. Das Aktivitätsmuster kann von den abgerufenen Blättern abgeleitet werden. Da lediglich ein Teil des Baums der Verhaltensdaten Pfade zu den abgerufenen Blättern bildet (entsprechend den semantischen Ausdrücken der Abfrage), kann der verbleibende Teil des Baums unberücksichtigt bleiben. Das heißt, die semantische Interpretation der Abfrage durch die Zergliederungskomponente wird vollständig durch das Aktivitätsmuster dargestellt. Da die Blätter mit den Aktivitätsdatenstrukturen verknüpft sind, können die zur Überwachung des aus der Abfrage erhaltenen Zielsystemzustands erforderlichen Sensoren erfasst werden. ”Erfassen” eines Sensors bedeutet das Speichern einer Abbildung zwischen den Verhaltensdaten und den entsprechenden Sensoren, die mit den aus dem Aktivitätsmuster erhaltenen Aktivitätsdatenstrukturen verknüpft sind. Die Abbildung kann beispielsweise durch das System, das die Internetprotokolladresse (IP-Adresse) eines Sensors erfasst, realisiert sein. Im Allgemeinen kann eine Abbildung durch Speichern eines Hinweises oder eines anderen Identifizierungsmerkmals im Computersystem realisiert sein.
-
Das Verringern der Anzahl von möglichen Pfaden in den Verhaltensdaten in Übereinstimmung mit den semantischen Ausdrücken, die aus der ursprünglichen Abfrage abgeleitet werden, ermöglicht das Auswählen nur eines relevanten Teilsatzes aller verfügbaren Sensoren. Dadurch kann der Energieverbrauch auf der Sensorebene verringert werden, da die im Rahmen der empfangenen Abfrage nicht benötigten Sensoren im Ruhezustand bleiben können. Ferner kann die erforderliche Bandbreite für die Kommunikation zwischen den Sensoren und dem System verringert werden, da weniger Sensordaten empfangen werden (nur von erfassten Sensoren).
-
Zusammenfassend verarbeitet das Computersystem eine komplexe Abfrage, wie beispielsweise eine natürliche Sprachabfrage, die der Beurteilung eines Zielsystemzustands und eines Ereignisses entspricht. Die Beurteilung nutzt die Einbeziehung der Verhaltensdaten (die beispielsweise von menschlichen Verhaltensmodellen erhalten werden) in die Aktivitätsdatenstrukturen (die beispielsweise aus dem Kontext und den Aktivitätsmodellen erhalten werden) und die entsprechenden zugeordneten Sensoren. Das System kann somit von einem gewöhnlichen Benutzer verwendet werden, um Aufgaben, die mit der Überwachung von Gebäuden verbunden sind, flexibel zu definieren. Die Aufgabenstellung ist unabhängig von den speziell dafür vorgesehenen Sensoren. So können die Sensoren, die bereits von anderen Überwachungssystemen verwendet werden, oder die Sensoren, die aus anderen Gründen verfügbar sind, wiederverwendet werden. Zudem können neu hinzugefügte Sensoren verwendet werden.
-
In einer weiteren Ausführungsform der vorliegenden Erfindung umfasst das Computersystem eine erste Schnittstelle für den Empfang von Sensordaten, eine Inferenzkomponente, die die Sensordaten mit einem bestimmten Aktivitätsmuster vergleicht, und eine zweite Schnittstelle, die geeignet ist, um das bestimmte Ereignis im Falle einer bestimmten Korrelation zwischen den Sensordaten und dem bestimmten Aktivitätsmuster auszulösen.
-
Die von der ersten Schnittstelle empfangenen Sensordaten werden von der Inferenzkomponente verarbeitet, die mit den Verhaltensdaten und den Aktivitätsdatenstrukturen kommuniziert. Das heißt, die Inferenzkomponente hat Kenntnisse über das bestimmte Aktivitätsmuster (das durch die Abrufkomponente abgerufen wird) und die zugehörigen Aktivitätsdatenstrukturen. Durch Vergleichen der Sensordaten mit den entsprechenden Aktivitätsdatenstrukturen bestimmt die Inferenzkomponente, ob das bestimmte Aktivitätsmuster angepasst werden kann. Ist eine Anpassung möglich, löst die Inferenzkomponente das Ereignis aus, das von der Zergliederungskomponente von der Benutzerabfrage erhalten wird. Da die Inferenzkomponente das Aktivitätsmuster verwendet und das Aktivitätsmuster aus Verhaltensdaten mit semantischen Beziehungen zwischen den Elementen davon abgerufen wird, ist das Ereignis im Grunde genommen das Ergebnis einer semantischen Folgerung. Das Ereignis kann über eine zweite Schnittstelle kommuniziert werden.
-
In einer weiteren Ausführungsform umfasst das Computersystem ferner eine Erzeugerkomponente und/oder eine Aktualisierungsvorrichtung, die ausgebildet ist/sind, neue und/oder bestehende Verhaltensdaten auf der Grundlage der Abfrage und der Vielzahl von Aktivitätsdatenstrukturen zu erzeugen. Die Erzeugerkomponente verarbeitet semantische Ausdrücke (die durch die Zergliederungskomponente identifiziert werden) und die Aktivitätsdatenstrukturen, um neue Verhaltensdaten zu erzeugen. Das heißt, die Erzeugerkomponente verwendet die zergliederten semantischen Ausdrücke und die Aktivitätsdatenstrukturen als Eingabe zur Unterteilung dieser Daten in die Elemente der neuen Verhaltensdaten. Alternativ modifiziert die Aktualisierungsvorrichtung vorhandene Verhaltensdaten auf der Grundlage der Eingabe. Mit anderen Worten fügt die Aktualisierungsvorrichtung beispielsweise den Verhaltensdaten neue Elemente zu und/oder erzeugt neue Beziehungen zwischen bestehenden Elementen.
-
Die Erzeugerkomponente und die Aktualisierungsvorrichtung können durch maschinelle Lernalgorithmen implementiert werden. Darüberhinaus kann eine dritte Schnittstelle zur Kommunikation einer zusätzlichen Abfrage an einen Benutzer verwendet werden, um die erforderlichen Daten anzufordern. Das heißt, die dritte Schnittstelle fordert eine Rückkopplung von der Umgebung an, um das maschinelle Lernen zu verbessern.
-
Kurze Beschreibung der Zeichnungen
-
Der offenbarte Gegenstand wird unter Bezugnahme auf die folgende detaillierte Beschreibung am deutlichsten, wenn diese mit den begleitenden Zeichnungen gelesen wird, wobei:
-
1 ein System zur Erfassung von Sensoren gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
1a ein System zur Aktualisierung bestehender Verhaltensdaten gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
1b ein System zur Erzeugung neuer Verhaltensdaten gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
2 eine Darstellung von Verhaltensdaten, Aktivitätsdatenstrukturen und Sensoren gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
3a–3e ein funktionales Flussdiagramm mit unterschiedlichen Verarbeitungsschritten darstellt, die die Erfassung von Sensoren gemäß einer Ausführungsform der vorliegenden Erfindung zeigen.
-
4 ein beispielhaftes Flussdiagramm eines Computerverfahrens gemäß einer Ausführungsform der vorliegenden Erfindung darstellt.
-
Der Einfachheit und Klarheit halber sind die in den Figuren dargestellten Elemente nicht notwendigerweise maßstabsgetreu gezeichnet und die Abmessungen einiger Elemente können, bezogen auf andere Element, vergrößert darstellt sein. Darüberhinaus können die Bezugszeichen in den Figuren wiederholt werden, um entsprechende oder analoge Elemente anzuzeigen.
-
Detaillierte Beschreibung
-
1 zeigt ein System 100 zur Erfassung von Sensoren S1, S2, S3, S4 gemäß einer Ausführungsform der vorliegenden Erfindung. Optionale Komponenten und eine optionale Datenverarbeitung sind durch gestrichelte Linien darstellt.
-
Das System 100 umfasst eine Schnittstelle 110, die geeignet ist, eine Abfrage Q zu empfangen. Die Abfrage bezieht sich auf ein bestimmtes Ereignis für einen Zielsystemzustand, wobei das bestimmte Ereignis mit einem bestimmten Aktivitätsmuster 132 verknüpft ist.
-
Ein Benutzer übermittelt die Abfragen an die Schnittstelle 110. Eine Abfrage kann in einer natürlichen Sprache, in Form graphische Benutzerschnittstellenbefehlen und in Kombinationen davon formuliert werden. Typischerweise ermöglicht die Schnittstelle 110 gewöhnlichen Personen, Abfragen einzugeben. Die Schnittstelle 110 kann beispielsweise über ein Mikrofon oder eine Tastatur eine natürliche Spracheingabe, wie beispielsweise ”System benachrichtige mich, wenn eine Brandgefahr in meinem Haus möglich ist” empfangen. Die Schnittstelle 110 kann auch eine Auswahl grafischer Elemente, die in einer grafischen Benutzerschnittstelle dargestellt sind, empfangen, wobei die Auswahl durch die Kombination von Symbolen, die ”Benachrichtigen”, ”Brandgefahr” und ”Möglichkeit” darstellen, die Abfrage definiert. Alternativ kann der Benutzer die grafischen Elemente mit natürlichen Sprachanmerkungen genau angeben oder Gruppen von Symbolen als ein entsprechendes grafisches Element festlegen, um eine bestimmte semantische Bedeutung zu definieren.
-
Im obigen Beispiel ist ”Benachrichtigen” ein bestimmtes Ereignis, das ausgelöst wird, wenn der Zielsystemzustand ”Brandgefahr” auftritt. Bestimmte Ereignisse sind typische Ereignisse, die durch das Computersystem 100 ausgelöst werden können. Derartige Ereignisse umfassen, jedoch nicht einschränkend, das Abschalten des Gases, das Einstellen der Heizung und/oder der Beleuchtung, das Senden und Empfangen von Benachrichtigungen usw.
-
Verhaltensdaten 131, das Aktivitätsmuster 132, Aktivitätsdatenstrukturen A1, A2, A3, A4 und zugehörige Sensoren S1, S2, S3 und S4 sind in 1 dargestellt. 2 zeigt eine genauere Darstellung von Beispielen für Strukturen und Beziehungen von Verhaltensdaten 131/210, Aktivitätsdatenstrukturen A1, A2, A3 und A4 und zugehörige Sensoren S1, S2, S3 und S4.
-
1 und 2 verwenden dicke Linien und schraffierte Flächen, um Symbole zu unterscheiden. Eine schraffierte Fläche gibt an, dass das Element der Verhaltensdaten auf der Grundlage eines semantischen Ausdrucks abgerufen wurde, der als Teil der Abfrage abgerufen wird. Eine dicke Linie gibt an, dass das dargestellte Symbol in der Figur durch Interpretieren der Struktur und Beziehungen der Verhaltensdaten abgerufen wurde.
-
Die Verhaltensdaten 131 und die Aktivitätsdatenstrukturen A1, A2, A3 und A4 können durch nicht relationale Datenbanken, die auch als NoSQL (”Not only SQL”) Datenbanken bezeichnet werden, realisiert werden. Kategorien der NoSQL-Datenbanken umfassen beispielsweise Schlüsselwertspeicher, Dokumentenspeicher und Grafikdatenbanken. Ein Fachmann wird eine für eine bestimmte Implementierung am besten geeignete Datenbankart auswählen.
-
Im Nachfolgenden wird 2 beschrieben. Anschließend wird erneut auf 1 Bezug genommen.
-
2 zeigt die Verhaltensdaten 210, die Aktivitätsdatenstrukturen 220 und Sensoren 230 gemäß einer Ausführungsform der vorliegenden Erfindung. 2 zeigt eine genauere Darstellung der Verhaltensdaten, der Aktivitätsdatenstrukturen und der Sensoren der 1.
-
Die Verhaltensdaten 210 speichern Elemente und Abhängigkeiten für das Verhalten ”Kochen” in einem Baumdiagramm. Die Wurzel des Baums befindet sich an der Spitze der Figur und die Blätter an der unteren Seite. Die Wurzel beschreibt das jeweilige Verhalten und die Blätter sind die Elemente, die mit den entsprechenden Aktivitätsdatenstrukturen zur Überwachung des Verhaltens verknüpft sind. Die Verhaltensdaten 210 umfassen beispielsweise die nachfolgenden Abhängigkeiten für ”Kochen”.
-
”Kochen” umfasst ”Sieden” und ”Braten”; ”Sieden” benötigt ”Wasser” und einen ”Topf' oder eine ”Pfanne”; ”Wasser” wird aus einem ”Wasserhahn” zugeführt; ein ”Topf oder eine ”Pfanne” kann aus der ”Schublade” genommen werden;
”Braten” benötigt ebenfalls einen ”Topf” oder eine ”Pfanne”, und ”Öl”; ”Öl” (Flasche) kann aus dem ”Schrank” herausgenommen werden. Die Ölflasche umfasst einen ”RFID”-Chip, der zur Überwachung des Abstellplatzes angebracht ist.
-
Die Verhaltensdaten 210 können mit einer Regelbasis ausgedrückt werden, wobei ein senkrechter Balken (|) das logische ODER darstellt, ein Symbol (&) eine logische Konjunktion darstellt und ein Pfeil (←) eine Implikation darstellt. Die Regelbasis ist wie folgt:
Kochen ← Sieden|Braten
Kochen ← Wasser & (Topf|Pfanne)
Wasser ← Wasserhahn
Topf|Pfanne ← Schublade
Braten ← Öl & (Topf|Pfanne)
Öl ← RFID & Schrank
-
Für die Beispielabfrage in der Beschreibung der
1 (”System benachrichtige mich, wenn eine Brandgefahr in meinem Haus möglich ist”.), können durch Parsing (Zergliedern) semantische Ausdrücke gebildet werden. Die semantischen Ausdrücke können aus einer Wissensdatenbank erhalten werden, die entsprechende Daten beispielsweise in einer Tabelle (beispielsweise unter Verwendung einer relationalen Datenbank) speichert. Ein Beispiel für eine solche Wissensdatenbank umfasst:
| Brandgefahr | Hauptursachen | – Kochen
– offener Kamin
– tragbare Heizung
– Rauchen |
| | Möglichkeit zur Kombination von | – Kochen + entzündbares Objekt auf Herd + Herd an + keine Anwesenheit
– offener Kamin + etwas Entzündbares in der Nähe
– tragbare Heizung + Öffnungen abgedeckt
– Rauchen + Einschlafen |
| entzündbares Objekt | Öl, Trockenfutter, Papier, ... | |
-
Betrachtet man nur ”Kochen”, erhält man folgende semantische Ausdrücke:
{Kochen, Bestandteil: entzündbar, Ofen: an, Anwesenheit: nein)
-
Auf der Grundlage ”Kochen” können die Verhaltensdaten 210 abgerufen werden. Ferner können weitere Verhaltensdaten für ”Anwesenheit: nein” und ”Herd: an” identifiziert werden (nicht in den Figuren dargestellt). Jedoch kann in dem Beispiel der semantische Ausdruck ”Bestandteil: entzündbar” nicht aus den Verhaltensdaten 210 abgerufen werden. Somit kann die Wissensdatenbank durchsucht werden. Die folgende zusätzliche Information für ”Bestandteil: entzündbar” kann erhalten werden:
{Öl, Trockenfutter, Papier, ...}
-
Durch Erhalten der neuen semantischen Information kann auch ”Öl” in den Verhaltensdaten 210 identifiziert werden. Durch weiteres Auswerten der Verhaltensdaten 210 können folgende Knoten/Elemente abgerufen werden:
{Kochen, Öl, Braten, Pfanne, Topf, Schublade, RFID, Schrank}
-
In 2 sind ”Kochen” und ”Öl” schraffiert dargestellt (aus den semantischen Ausdrücken identifiziert) und die übrigen Elemente sind mit dicken Linien dargestellt (auf der Grundlage der semantischen Ausdrücke ausgewertet). Die Elemente, die die Blätter des in der Verhaltensdatenbank gespeicherten Baums sind (”Schublade”, ”RFID”, ”Schrank”), stellen die Aktivitätsmuster dar. Die Vielfalt der Aktivitätsdatenstrukturen ist durch dieses Aktivitätsmuster gekennzeichnet und bestimmt die entsprechenden Sensoren. Jede Aktivitätsdatenstruktur hat Kenntnis über die zur Überwachung der jeweiligen realen Aspekte benötigten Sensoren.
-
Die durch die Sensoren 230 erhaltenen Sensordaten können Binärdaten sein (beispielsweise ”ja|nein” oder ”1|0”). Somit können die durch die Aktivitätsdatenstrukturen dargestellten Daten auch binär sein. Die Sensoren 230 können komplexere Daten erhalten, so dass die Aktivitätsdatenstrukturen 220 komplexere Daten darstellen können. Die das Aktivitätsmuster definierenden Abhängigkeiten sind jedoch in den Verhaltensdaten 210 enthalten. Somit behandelt nur das Aktivitätsmuster die semantischen Informationen in der Abfrage, nicht eine einzelne Aktivitätsdatenstruktur oder ein einzelner Sensor.
-
Die Verhaltensdaten 210 sind in der Darstellung vereinfacht gezeigt. In einer anderen Ausführungsform kann ”Kochen” in den Verhaltensdaten 210 enthalten sein oder durch andere Verhaltensdaten, wie beispielsweise den Status des Herds, gebildet werden.
-
Der Datenknoten ”Sieden” wird nicht abgerufen, da in den Verhaltensdaten 210 ”Sieden” keinen entzündbaren Bestandteil enthält. Allgemein gesprochen werden in den Verhaltensdaten, die durch einen Baum dargestellt werden, nur die Pfade, die einen identifizierten semantischen Ausdruck enthalten, abgerufen. Wird nur die Wurzel (das heißt, das menschliche Verhalten) bereitgestellt, werden alle Pfade/Blätter des Baums abgerufen. Das Verringern der Anzahl von möglichen Pfaden in den Verhaltensdaten in Übereinstimmung mit den semantischen Ausdrücken, die aus der ursprünglichen Abfrage abgeleitet werden, ermöglicht das Auswählen nur eines relevanten Teilsatzes aller verfügbaren Sensoren. Dies hilft, den Energieverbrauch auf der Sensorebene zu senken, da im Rahmen der empfangenen Abfrage nicht benötigte Sensoren im Ruhezustand bleiben können. Ferner kann die erforderliche Bandbreite für die Kommunikation zwischen den Sensoren und dem System verringert werden, da weniger Sensordaten empfangen werden (nur die von erfassten Sensoren empfangen werden).
-
Mit erneutem Bezug auf das Beispiel der 1 ist das zugeordnete bestimmte Aktivitätsmuster 132 mit mehreren Aktivitätsdatenstrukturen 133 verknüpft. Die durch eine Aktivitätsdatenstruktur definierten Aktivitäten sind Aktivitäten, die in einem Kontext durchgeführt und beispielsweise von Personen ausgelöst werden können. Nicht einschränkende Beispiele solcher Aktivitäten umfassen das Öffnen eines Schranks, das Einschlafen, das Verlassen eines bestimmten Bereichs usw. Das heißt, die durch eine Aktivitätsdatenstruktur definierten Aktivitäten sind Aktivitäten, die auf dem zugeordneten Blattknoten im Kontext der Abfragesemantik angewendet werden. Diese Aktivitäten können durch die in dem jeweiligen Bereich (zum Beispiel einem Gebäude) verfügbaren Sensoren S1, S2, S3 und S4 überwacht werden. Die Sensoren sind mit den Aktivitätsdatenstrukturen verknüpft, indem beispielsweise die IP-Adresse(n) des jeweiligen Sensors (der Sensoren) gespeichert wird/werden. Jede andere geeignete Abbildungsstruktur kann stattdessen verwendet werden.
-
Die Beziehung zwischen den Aktivitätsdatenstrukturen und den Sensoren kann komplex sein. Beispielsweise kann eine Aktivitätsdatenstruktur mehrere Sensoren zur Überwachung der Anwesenheit einer Person in einem Raum aufweisen. Einer dieser Sensoren könnte überwachen, ob die Tür offen ist. Dieser bestimmte Sensor kann auch mit einer weiteren Aktivitätsdatenstruktur verknüpft sein, die das Absenken der Temperatur im Raum überwacht.
-
Die über die Schnittstelle 110 empfangenen Abfragen können durch den Benutzer frei formuliert werden, beispielsweise als eine semantische Interpretation der Abfrage und der entsprechenden semantischen Beziehungen zwischen dem bestimmten Ereignis und dem Zielsystemzustand, sowie anderen Faktoren mit Zeitabhängigkeiten, Wahrscheinlichkeiten und räumlichen Beziehungen.
-
Somit ist die Zergliederungskomponente 120 konfiguriert, um die Abfrage Q in semantische Ausdrücke QSe1, QSe2, die den Zielsystemzustand beschreiben, zu zerlegen und einen Datenbankeintrag 121, der mit einem aus der Zerlegung resultierenden semantischen Ausdruck verknüpft ist, zu identifizieren. Siehe auch die Tabelle in der Beschreibung der 2 für zusätzliche Informationen der Beschreibung der Zergliederungskomponente 120.
-
Für die Abfrage ”System benachrichtige mich, wenn eine Brandgefahr in meinem Haus möglich ist” benötigt die Zergliederungskomponente 120 beispielsweise weitere Informationen darüber, wie Brandgefahren zustande kommen. Die Zergliederungskomponente 120 verwendet daher eine Wissensdatenbank zur Identifizierung wenigstens eines Eintrags 121, der semantische Informationen über Ursachen für Brandgefahren bereitstellt. Ein Grund für eine Brandgefahr könnte beispielsweise ein offener Kamin und etwas Entzündbares in seiner Nähe sein. Ferner kann das Kochen sowohl entzündbare Objekte als auch einen eingeschalteten Herd umfassen. Eine Möglichkeit für die Brandgefahr kann beispielsweise dann auftreten, wenn eine Person zu kochen beginnt und dann den Herd unbeaufsichtigt zurücklässt, während etwas Entzündbares auf dem eingeschalteten Herd steht.
-
Die Zergliederungskomponente 120 kann dann den wenigstens einen Datenbankeintrag 121, der einem semantischen Ausdruck zugeordnet ist, der Abrufkomponente 130 zuweisen. Die Abrufkomponente 130 ist konfiguriert, um Verhaltensdaten 131 abzurufen, die dem wenigstens einen identifizierten Datenbankeintrag 121 entsprechen, wobei die Verhaltensdaten 131 Abhängigkeiten zwischen den Elementen der Verhaltensdatenstruktur, die das Aktivitätsmuster 132 beschreibt, enthalten. Das bestimmte Aktivitätsmuster kann mit einer Vielzahl von Aktivitätsdatenstrukturen 133 verknüpft sein.
-
Beispielsweise könnte ”Kochen” durch die Verhaltensdaten 131 dargestellt werden. Die Verhaltensdaten 131 sind in 1 als bestimmtes Diagramm (das heißt, als Baum) mit der Elementwurzel, den Knoten und den Blättern dargestellt, wobei die Wurzel und die Blätter bestimmte Datenknoten bilden. Die Wurzel ist dem Verhalten ”Kochen” gleichzusetzen, und die Blätter sind bestimmten realen Elementen oder menschlichen Aktivitäten/Aktivitäten in einem Kontext, die durch Sensoren überwacht werden können, zugeordnet. Somit beziehen sich die Blätter auf bestimmte Aktivitätsdatenstrukturen A1, A2, A3 und A4. Die anderen Datenknoten zwischen der Wurzel und den Blättern können reale Elemente und Beispiele für das bestimmte menschliche Verhalten ”Kochen” darstellen. Das heißt, jeder Datenknoten der Verhaltensstruktur kann ein relevantes Element hinsichtlich des identifizierten semantischen Ausdrucks der Abfrage sein.
-
Die Datenbankeinträge 121, die durch die Zergliederungskomponente 120 gebildet werden, sind semantisch an Datenknoten (und Blätter) des in den Verhaltensdaten gespeicherten Baums angepasst. Beispielsweise könnte, wie zuvor erwähnt, eine Brandgefahr auftreten, wenn ein entzündbares Objekt vorhanden ist. Die Verhaltensdaten 131 weisen möglicherweise keinen Datenknoten/Blatt auf, der/das dem ”entzündbaren Objekt” entspricht. In diesem Fall können die Verhaltensdaten nicht vollständig mit der Abfragesemantik abgeglichen werden. Daher könnte die Abrufkomponente 130 weitere Informationen von der Zergliederungskomponente 120 hinsichtlich der semantischen Interpretation des ”entzündbaren Objekts” anfordern. Die Zergliederungskomponente 120 kann das ”entzündbare Objekt” beispielsweise als ”Öl” interpretieren.
-
Die Abrufkomponente 130 ist nun in der Lage, ”Öl” mit einem Knoten in den Verhaltensdaten 131 in Übereinstimmung zu bringen. Dies führt zur Vervollständigung aller Pfade in der menschlichen Verhaltensdatenstruktur (vom Wurzelknoten bis zu den entsprechenden Blattknoten), die die relevanten Pfade in dem semantischen Kontext der Abfrage sind. Ferner kann die Abrufkomponente 130 die Verhaltensdaten 131 auswerten, um ein bestimmtes Aktivitätsmuster zu identifizieren. In 1 enthält das identifizierte Aktivitätsmuster 132 eine Auswahl an Blättern der Verhaltensdaten 131. Das Aktivitätsmuster 132 kann aufgefunden werden, da die Verhaltensdaten 131 auch anzeigen, dass das ”Öl” in einem Schrank vorhanden sein kann, mit einem RFID-Chip markiert sein kann und verwendet werden kann, wenn etwas mit einer Pfanne auf einem Herd gebraten wird. Dieses Verhalten für ”Kochen” ist in der semantischen Struktur des in den Verhaltensdaten 131 gespeicherten Baums enthalten.
-
Die Knoten/Blätter, die durch das Aktivitätsmuster 132 definiert sind, sind mit Aktivitätsdatenstrukturen 133 verknüpft. Wie zuvor beschrieben, könnte eine Aktivitätsdatenstruktur A1, A2, A3 und A4 ”Öffnen des Schranks” darstellen, dem ein oder mehrere Sensoren zugeordnet sind. Eine einzelne Aktivitätsdatenstruktur A1, A2, A3 und A4 kann verwendet werden, um bestimmte Sensoren zur Überwachung einer bestimmten Aktivität oder eines kontextuellen Zustands auszuwählen. Eine solche einzelne Aktivitätsdatenstruktur ist jedoch nicht geeignet, um eine bestimmte Benutzerabfrage, die sich auf das Verhalten von Personen bezieht, anzusprechen, da eine einzelne Aktivitätsdatenstruktur nur einen Teil eines komplexen Verhaltens darstellt. Im Gegensatz dazu bildet das in den Verhaltensdaten 131 identifizierte Aktivitätsmuster 132 eine semantische Abhängigkeit für Aktivitätsdatenstrukturen 133 gemäß der Abfrage.
-
In einer Ausführungsform der vorliegenden Erfindung können die Verhaltensdaten 131 zeitliche Abhängigkeiten (nicht dargestellt) zwischen den Elementen der Verhaltensdaten, die das bestimmte Aktivitätsmuster beschreiben, umfassen. Bevor beispielsweise auf das ”Öl” im Schrank zugegriffen werden kann, muss der Schrank geöffnet werden. Dies bedeutet, dass zunächst der Sensor, der mit der Aktivitätsstruktur ”Öffnen des Schranks” verknüpft ist, Sensordaten zuweisen muss, bevor die Sensordaten des Sensors, der mit der Aktivitätsstruktur für ”Entnehmen des Öls” verknüpft ist, relevant werden. Die zeitlichen Abhängigkeiten können beispielsweise durch temporale Logiken, wie beispielsweise Interval Temporal Logic (ITL), Computational Temporal Logic (CTL) oder Linear Temporal Logic (LTL), ausgedrückt werden.
-
In einer Ausführungsform umfassen die Verhaltensdaten 131 räumliche Abhängigkeit (nicht dargestellt) zwischen Elementen der Verhaltensdaten, die das bestimmte Aktivitätsmuster beschreiben. Beispielsweise kann eine ”Brandgefahr” auftreten, wenn eine Person die Küche während des ”Kochens” verlässt. Die räumlichen Abhängigkeiten können beispielsweise durch qualitatives räumliches Denken (Qualitative Spatial Reasoning) oder quantitatives räumliches Denken (Quantitative Spatial Reasoning) ausgedrückt werden.
-
In einer Ausführungsform umfassen die Verhaltensdaten 131 probabilistische Abhängigkeiten zwischen den Elementen der Verhaltensdatenstruktur, die das bestimmte Aktivitätsmuster beschreibt. Wird zum Beispiel etwas Entzündbares unbeaufsichtigt auf einem Herd für mehr als 8 Minuten stehen gelassen, wird angezeigt, dass die Wahrscheinlichkeit einer Brandgefahr 60% oder mehr beträgt. Sobald dieses Wahrscheinlichkeitsniveau erreicht wird, wird ein Ereignis ausgelöst, um den (unerwünschten) Zielsystemzustand zu behandeln. Die probabilistischen Abhängigkeiten können beispielsweise durch probabilistische Logik-Netzwerke (PLN) oder Markov Logik-Netzwerke ausgedrückt werden.
-
Gemäß einer Ausführungsform der vorliegenden Erfindung werden die zeitlichen, räumlichen und/oder probabilistischen Abhängigkeit kombiniert. Beispielsweise kann eine Wahrscheinlichkeit mit der Zeit steigen oder fallen, oder die Wahrscheinlichkeit kann steigen/sinken, wenn eine Person kocht und zuerst die Küche verlässt und in einen anderen Raum des Hauses geht und anschließend das Haus verlässt.
-
Die Erfassungskomponente 140 erfasst wenigstens einen Sensor S1, S3 oder S4, der den durch das Aktivitätsmuster 132 definierten mehreren Aktivitätsdatenstrukturen 133 zugeordnet ist. Diese Erfassung kann durch das System 100 erfolgen, das IP-Adressen der entsprechenden Sensoren speichert.
-
Die zum Zerlegen einer Abfrage verwendete Datenbank und die Datenbank, die Verhaltens- und Aktivitätsdatenstrukturen enthält, können Teil des Systems 100 sein; sie können sich aber auch an einem entfernten Ort befinden und über entsprechende Schnittstellen/Netzwerke zugänglich sein. Dies ist in 1 durch die Datenbanken dargestellt, die am Rand des Systems 100 angeordnet sind. Die Verhaltensdaten und die Aktivitätsdatenstrukturen können auch in getrennten Datenbanken gespeichert werden.
-
In einer Ausführungsform kann das System 100 mehrere Verhaltensdatenstrukturen 131 verwenden und/oder kombinieren, um die entsprechenden Aktivitätsmuster 132 und die entsprechenden Aktivitätsdatenstrukturen A1, A2, A3 und A4 und die Sensoren S1, S2, S3 und S4 zu identifizieren. Beispielsweise können die Verhaltensdaten für ”Kochen” und die Verhaltensdaten für ”Anwesenheit” verwendet werden, um ein gemeinsames Aktivitätsmuster und die entsprechenden Aktivitätsdatenstrukturen zur Erfassung der entsprechenden Sensoren zu identifizieren. Dies ist in 1 durch eine verkleinerte Darstellung anderer Verhaltensdaten angegeben.
-
In einer Ausführungsform umfasst das System 100 eine erste Schnittstelle 170 zum Empfangen von Sensordaten von wenigstens einem Sensor S1, S3, S4. Ferner kann das System 100 eine Inferenzkomponente 180 zum Vergleichen der Sensordaten mit dem bestimmten Aktivitätsmuster 132 und eine zweite Schnittstelle 190 zum Auslösen des bestimmten Ereignisses E für eine bestimmten Korrelation zwischen den Sensordaten und dem bestimmten Aktivitätsmuster 132 umfassen.
-
Empfängt beispielsweise die Inferenzkomponente 180 die Sensordaten ”Herd an”. ”Schrank offen”, ”Öl entnommen” von Sensoren S1, S3 oder S4 über die Schnittstelle 170, kann diese daraus schließen, dass eine Person gerade kocht. Weisen zusätzliche Sensoren darauf hin, dass die Person, die kocht, den Raum verlassen hat, steigt die Wahrscheinlichkeit einer Brandgefahr, da der Herd unbeaufsichtigt ist. Nach einer bestimmten Zeitdauer kann das System 100 eine Benachrichtigung E über das Risiko einer Brandgefahr über die Schnittstelle 190 senden.
-
In 2 können die Verhaltensdaten 210, die Aktivitätsdatenstrukturen 220 und die Zuweisung von Sensoren 230 an die Aktivitätsdatenstrukturen 220 von einem Anbieter des Systems 100 bereitgestellt werden (vgl. 1). Die Verhaltensdaten 210 können semantische Informationen darstellen, die nicht alle erforderlichen Daten für das Betriebssystem 100 (siehe 1) in der bestimmten Umgebung des Benutzers enthalten.
-
Somit zeigt 1a ein System 100a zur Aktualisierung bestehender Verhaltensdaten 131a gemäß einer Ausführungsform der vorliegenden Erfindung. Eine Aktualisierungsvorrichtung 195a aktualisiert bestehende Verhaltensdaten 210 (vgl. 2) auf der Grundlage der Abfrage und der mehreren Aktivitätsdatenstrukturen. Beispielsweise kann der Benutzer auch Gemüse auf dem Herd dämpfen. Sind beispielsweise die entsprechenden Aktivitätsdatenstrukturen für diese Aktivität verfügbar, und umfasst eine Benutzerabfrage ”Benachrichtige mich, wenn das gesamte Wasser beim Dämpfen meines Gemüses verdampft ist”, aktualisiert die Aktualisierungsvorrichtung die Verhaltensdaten 210 (vgl. 2) mit einem Knoten 135a, der ”Dämpfen” darstellt. Dieser neue Datenknoten kann dann mit einer oder mehreren Aktivitätsdatenstrukturen A5 verknüpft werden (möglicherweise über weitere Knoten 136a), die mit Sensoren zur Überwachung des Wasserverhältnisses im Topf oder der Pfanne verknüpft sind.
-
1b zeigt ein System 100b zur Erzeugung neuer Verhaltensdaten 131b gemäß einer Ausführungsform der vorliegenden Erfindung. Eine Erzeugerkomponente 196b erzeugt neue Verhaltensdaten 131b auf der Grundlage der Abfrage und der Vielzahl von Aktivitätsdatenstrukturen. Beispielsweise kann die Zergliederungskomponente 120b auch aus der Abfrage ”System benachrichtige mich, wenn eine Brandgefahr in meinem Haus möglich ist.” den semantischen Ausdruck ”möglich” zerlegen, der unter Verwendung der Wissensdatenbank zu dem semantischen Ausdruck ”Anwesenheit: nein” ferner ausgewertet wird. Da die Abrufkomponente 130b keine Verhaltensdaten für ”Anwesenheit” abrufen kann, kann die Erzeugerkomponente 196b neue Verhaltensdaten 131b für diesen Fall erzeugen. Beispielsweise können Aktivitäten, wie beispielsweise ”Einschlafen” oder ”Verlassen eines Raums” durch bestehende Sensoren überwacht werden, die mit den Aktivitätsdatenstrukturen A7, A8 und A9 verknüpft sind. Somit ist die Erzeugerkomponente 196b in der Lage, neue Verhaltensdaten 131b auf der Grundlage der semantischen Ausdrücke zu erzeugen, die in der Abfrage und den Aktivitätsdatenstrukturen A7, A8, A9 identifiziert werden.
-
In einer Ausführungsform der vorliegenden Erfindung kann die Erzeugung neuer (oder anfänglicher) Verhaltensdaten sowie die Aktualisierung bestehender Verhaltensdaten in einer ersten Umgebung in eine zweite Umgebung übertragen und zur Verfügung gestellt werden. Eine erste Umgebung kann beispielsweise ein typisches Wohngebäude zum Trainieren von Verhaltensdaten sein. Die zweite Umgebung kann ein tatsächliches Wohnhaus einer Person sein, die ein Überwachungssystem mit den Verhaltensdaten, die in der ersten Umgebung trainiert wurden, erworben hat. Ferner können aktualisierte oder neue Verhaltensdaten, die in dem tatsächlichen Wohnhaus trainiert wurden, auch auf andere Wohngebäude übertragen werden.
-
In einer Ausführungsform kommuniziert eine dritte Schnittstelle eine zusätzliche Abfrage an einen Benutzer. Beispielsweise ist die Zergliederungskomponente 120 oder die Abrufkomponente 130 (vgl. 1) nicht in der Lage, Daten von den Datenbanken zu zerlegen oder abzurufen. Somit wird eine Abfrage an den Benutzer gesandt, die eine ”Ja” oder ”Nein”-Antwort anfordert. Die zusätzliche Abfrage könnte den Benutzer fragen: ”Ist Öl entzündbar?”. Die Antwort ermöglicht eine Aktualisierung bestehender Verhaltensdaten oder die Erzeugung neuer Verhaltensdaten. Somit kann die dritte Schnittstelle verwendet werden, um komplementäre Daten aus der Benutzung zu empfangen, um die bestehenden Verhaltensdaten zu verbessern oder zu vervollständigen, so dass die anfängliche Abfragesemantik mit den verbesserte Verhaltensdaten abgeglichen werden kann.
-
Eine Aktualisierungskomponente 195a (vgl. 1a) und eine Erzeugerkomponente 196b (vgl. 1b) kann durch die Implementierung von Algorithmen auf dem Gebiet des maschinellen Lernens realisiert werden, wie beispielsweise:
künstliche neuronale Netze;
genetisches Programmieren;
Lernen durch Entscheidungsbaum;
induktive Logikprogrammierung;
Clustern;
Bayes-Netzwerke;
Lernen durch Verstärkung;
Lernen durch Darstellung; und
Lernen durch Wörterbuch;
-
Die Aktivitätsdatenstrukturen, die aus der Abfrage abgeleiteten semantischen Ausdrücke und gegebenenfalls bestehende Regeln können als Trainingseingabe für die Aktualisierungskomponente/Erzeugerkomponente zum Aktualisieren/Erzeugen der Verhaltensdaten gegenüber deren Zielklasse dienen (das heißt, das Verhalten, wie beispielsweise ”Kochen”). Ein Fachmann wird geeignete maschinelle Lernalgorithmen für die Trainingsdaten und die entsprechenden Zielklassen auswählen und auf diese anwenden.
-
3a–3e zeigen ein Flussdiagramm 300a, 300b, 300c, 300d und 300e mit verschiedenen Verarbeitungsschritten 310, 320, 330, 340, 350, 360 und 370, die die Erfassung von Sensoren S1, S2, S3, S4, S5 und S6 gemäß einer Ausführungsform der vorliegenden Erfindung darstellen. In dem Beispiel in 3a–3e wird die Abfrage Q: ”Benachrichtigen, wenn eine Brandgefahr möglich ist” empfangen.
-
In Verarbeitungsschritt 310 in 3a wird die Abfrage Q in semantische Ausdrücke zerlegt, wie beispielsweise:
Ereignis: Benachrichtigen
Systemzustand: Brandgefahr
Möglich → Kochen: Öl & Herd an & keine Anwesenheit
-
Hierin ist der zerlegte Zielsystemzustand ”Brandgefahr” und das Ereignis, wenn dieser Systemzustand möglich ist, umfasst eine Benachrichtigung. Die Möglichkeit ist durch eine Kombination von Elementen, die durch Sensoren überwacht werden können, gekennzeichnet.
-
Im Verarbeitungsschritt 320 in 3b werden die Verhaltensdaten für ”Kochen” abgerufen und ausgewertet. Das Ergebnis ist:
Kochen ← Sieden |Braten
Braten ← Öl & (Topf|Pfanne)
(Topf|Pfanne) ← Schublade
Öl ← id|Schrank
-
Das obige Abrufbeispiel beruht auf den Verhaltensdaten 210 (siehe 2). ”Sieden” ist durchgestrichen, um anzuzeigen, dass ”Sieden” gemäß diesen Verhaltensdaten zu keiner Brandgefahr führen kann. Das Ergebnis beschreibt auch ein bestimmtes Aktivitätsmuster für die Abfrage.
-
Im Verarbeitungsschritt 330 in 3c wird das bestimmte Aktivitätsmuster verwendet, um die zugeordneten Aktivitätsdatenstrukturen A1–A5 abzurufen:
A1: Öffnen des Schranks
A2: Herausholen des Öls
A3: Öffnen der Schublade
A4: Einschalten des Herds
A5: Verlassen des Raums
-
Die Aktivitätsdatenstrukturen A1, A2 und A3 werden auf der Grundlage der Abhängigkeit innerhalb der Verhaltensdaten 210 der 2 abgerufen. Jedoch wird die Aktivitätsdatenstruktur A4 auf der Grundlage einer aktualisierten Version der Verhaltensdaten 210 (siehe 2) abgerufen, und die Aktivitätsdatenstruktur A5 wird auf der Grundlage anderer Verhaltensdaten (nicht in den Figuren gezeigt) abgerufen.
-
Die abgerufenen Aktivitätsdatenstrukturen A1–A5 stellen Aktivitäten dar, für die entsprechende Sensoren verfügbar sind. Im Verarbeitungsschritt 340 in 3e werden die entsprechenden Sensoren S1, S3, S4, S5 und S6 erfasst.
Schrank: Schalter auf S1
Öl: RFID auf S3
Schublade: Schalter auf S4
Herd: Smartplug auf S5
Verlassen: Bewegungsdetektor auf S6
-
Die Sensoren liefern Sensordaten zur Überwachung der jeweiligen Aktivität. Beispielsweise stellt ein Schalter, der an einem Schrank angebracht ist, Binärdaten ”offen” oder ”geschlossen” bereit; ein Smartplug, der für einen Herd verwendet wird, stellt jedoch Sensordaten, die ein Zeitintervall darstellen, bereit.
-
In 3e werden zum Inferieren 360 (siehe Inferenzkomponente 180 in 1) die Sensordaten von den Sensoren S1, S3, S4, S5 und S6 empfangen 350. Das Inferieren auf Ebene 361 der Aktivitätsdatenstrukturen A1–A5 liefert Informationen über den Status jeder Aktivität, die durch die entsprechende Aktivitätsdatenstruktur dargestellt ist. Beispielsweise bilden die Sensoren S1 den Binärzustand ”Schrank geöffnet”, der in der Aktivitätsdatenstruktur A1 derart interpretiert wird, dass der Schrank geöffnet und etwas daraus entnommen wurde. In 3e ergibt die Inferenz an den Aktivitätsdatenstrukturen die nachfolgenden (nicht verwandten) Informationen:
A1: Schrank geöffnet
A2: Öl entnommen
A3: Schublade geöffnet
A4: seit 17:31 Uhr eingeschaltet
A5: seit 17:30 Uhr keine Bewegung
-
Die Inferenz auf Ebene 362 der Verhaltensdaten vereinigt dann das Ergebnis der Inferenz auf Ebene 361 der Aktivitätsdatenstrukturen. Diese Vereinigung (oder semantische Interpretation) liefert semantische Informationen hinsichtlich des Verhaltens einer Person. Die Inferenz auf Ebene 362 der Verhaltensdaten wertet Informationen, die durch die Inferenz auf Ebene 361 der Aktivitätsdatenstrukturen bereitgestellt werden, aus. Das Ergebnis der Inferenz auf Ebene 362 der Verhaltensdaten entspricht der Abfrage und kann zum Behandeln der Abfrage verwendet werden. In 3e stellt die Inferenz auf Ebene 362 der Verhaltensdaten die nachfolgenden Informationen bereit:
Mögliche Brandgefahr beruhend auf:
- 1. Öl entnommen
- 2. möglicherweise Pfanne genommen
- 3. Herd an und keine Anwesenheit für 8 Minuten
→ Risiko der Brandgefahr 60%
-
Als Ergebnis wird das in der Abfrage identifizierte Ereignis 370 ausgelöst. Dies bedeutet, dass die Benachrichtigung mit der Information ”mögliche Ursache der Brandgefahr erkannt” versendet wird.
-
In 3b–3e sind eine Miniaturversion der Verhaltensdaten 210 (siehe 3), der Aktivitätsdatenstrukturen und der Sensoren gezeigt, um die Beziehung der 2 anzugeben. Jedoch müssen die Anzahl der Sensoren und die Zuweisungen der Sensoren zu den Aktivitätsdatenstrukturen sowie die Zuweisung der Aktivitätsdatenstrukturen zu den Knoten der Verhaltensdaten 210 (siehe 2) zwischen 2 und 3b–3e nicht gleich sein.
-
4 zeigt ein beispielhaftes Flussdiagramm gemäß einer Ausführungsform der vorliegenden Erfindung sowie das Computerverfahren 400. Die Verfahrensschritte, die durch die gestrichelten Linien dargestellt sind, sind optional. Das Verfahren beinhaltet das Empfangen einer Abfrage, wobei die Abfrage auf ein bestimmtes Ereignis für einen Zielsystemzustand bezogen ist. Das bestimmte Ereignis ist mit einem bestimmten Aktivitätsmuster verbunden. Das Verfahren umfasst ferner das Zergliedern 420 der Abfrage in semantische Ausdrücke, die den Zielsystemzustand beschreiben, und das Identifizieren 430 eines Datenbankeintrags, der mit einem semantischen Ausdruck, der sich aus der Zerlegung ergibt, verknüpft ist. Anschließend erfolgt das Abrufen 440 der Verhaltensdaten, die dem identifizierten Datenbankeintrag entsprechen, wobei die Verhaltensdaten Abhängigkeiten zwischen den Elementen der Verhaltensdaten, die das bestimmte Aktivitätsmuster beschreiben, enthalten. Das bestimmte Aktivitätsmuster ist mit mehreren Aktivitätsdatenstrukturen verknüpft. Das Verfahren umfasst ferner das Erfassen 450 wenigstens eines Sensors, wobei der Sensor mit mehreren Aktivitätsdatenstrukturen verknüpft ist. Durch Ausführen des Verfahrens 400 kann das System automatisch Sensoren auswählen, die für die Überwachung von Aktivitäten nützlich sind, die in dem semantischen Kontext der Abfrage eine Rolle spielen und die eine Sensordateneingabe zur Identifizierung einer Situation entsprechend eines Ereignisauslösers in Reaktion auf die Abfrage bereitstellen. Daher werden die Sensoren, die in dem semantischen Kontext der Abfrage nicht relevant sind, zur Verringerung von Komplexitäts- und Kommunikationsbandbreitenanforderungen zwischen Sensoren und dem System zusammen mit reduziertem Energieverbrauch nicht berücksichtigt.
-
In einer Ausführungsform umfasst das computerimplementierte Verfahren ferner das Vergleichen 460 von empfangenen Sensordaten 455 von einem Sensor mit dem bestimmten Aktivitätsmuster, und für bestimmte Korrelationen zwischen den Sensordaten und dem bestimmten Aktivitätsmuster, das Auslösen 470 des bestimmten Ereignisses.
-
In einer Ausführungsform umfasst das computerimplementierte Verfahren ferner das Erzeugen neuer Verhaltensdaten auf der Grundlage der Abfrage und der Vielzahl von Aktivitätsdatenstrukturen. Dadurch kann das System automatisch zusätzliche Elemente zum Abdecken des semantischen Kontextes einer Abfrage erlernen. Die Verhaltensdaten und das jeweilige Abhängigkeitswissen für die Elemente solcher Strukturen sind selbstverstärkend, so dass das System auf Abfragen mit zunehmender Komplexität über die Zeit ohne menschliche Interaktion reagieren kann.
-
In einer Ausführungsform umfasst das computerimplementierte Verfahren ferner das Aktualisieren bestehender Verhaltensdaten auf der Grundlage der Abfrage und der mehreren Aktivitätsdatenstrukturen.
-
Die Verfahrensschritte des computerimplementierten Verfahrens 400 können nacheinander oder parallel ausgeführt werden. Die Verfahrensschritte können auch in Schleifen wiederholt werden oder ausgeführt werden. Das Wiederholen oder Ausführen von Verfahrensschritten in Schleifen kann ein weiteres Zerlegen einer Abfrage in semantische Ausdrücke erfordern, da es möglicherweise nicht möglich ist, die Verhaltensdaten und/oder das jeweilige Aktivitätsmuster mit dem zuerst zerlegten semantischen Ausdruck abzurufen.
-
Die Ausführungsformen der vorliegenden Erfindung können in einer digitalen elektronischen Schaltung, in einer Computerhardware, Firmware, Software oder in Kombinationen davon realisiert werden. Die Ausführungsformen der vorliegenden Erfindung können als ein Computerprogrammprodukt realisiert sein, beispielsweise als ein Computerprogramm, das in einem Informationsträger konkret vorgesehen ist, wie beispielsweise einer maschinenlesbaren nicht-transitorischen Speichervorrichtung oder -medium zur Durchführung durch die Datenverarbeitungsvorrichtung oder zum Steuern der Vorgänge derselben, wie beispielsweise einen programmierbaren Prozessor, einen Computer oder mehrere Computer. Ein Computerprogrammprodukt kann, wie beansprucht, in jeder Form von Programmiersprache geschrieben sein, einschließlich compilierter oder interpretierter Sprachen, und kann in jeder Form bereitgestellt werden, wie beispielsweise als eigenständiges Programm oder als ein Modul, eine Komponente, eine Subroutine oder eine andere Einheit, die zur Verwendung in einer Computerumgebung geeignet ist. Ein Computerprogrammprodukt gemäß den Ausführungsformen der vorliegenden Erfindung kann auf einem Computer oder auf mehreren Computern an einer Stelle oder über mehrere Orte verteilt, die durch ein Kommunikationsnetzwerk verbunden sind, ausgeführt werden. Die offenbarten Verfahren können durch entsprechende Computerprodukte auf den entsprechenden Geräten, wie beispielsweise ersten und zweiten Computern, vertrauenswürdigen Computern und Kommunikationsmitteln, ausgeführt werden.
-
Die Verfahrensschritte der Ausführungsformen der vorliegenden Erfindung können durch einen oder mehrere programmierbare Prozessoren ausgeführt werden, die ein Computerprogramm ausführen, um Funktionen der vorliegenden Erfindung durch Ausführen von Eingangsdaten und Erzeugen einer Ausgabe auszuführen. Die Verfahrensschritte können auch durch spezielle Logikschaltkreise ausgeführt werden bzw. die Vorrichtung der Ausführungsformen der Erfindung können als spezielle Logikschaltkreise implementiert werden, wie beispielsweise als feldprogrammierbares Gate-Array (FPGA) oder anwendungsspezifische integrierte Schaltung (ASIC).
-
Die Prozessoren, die für die Ausführung eine Computerprogrammprodukts gemäß den Ausführungsformen der vorliegenden Erfindung geeignet sind, umfassen in nicht einschränkender Weise sowohl allgemeine als auch spezielle Mikroprozessoren und einen oder mehrere Prozessoren irgendeiner digitalen Computervorrichtung, wie beispielsweise Computervorrichtungen, die über Netzwerk verteilt sind.
