Análise de métodos para extração de padrões sequenciais de comportamentos em casas inteligentes

Abstract

Uma casa inteligente, também conhecida como smart home, possui diversos tipos de sistemas que envolvem desde dispositivos simples como os destinados para controle de iluminação, até os mais complexos, como dispositivos inteligentes que interagem com os moradores, e gradativamente novas tecnologias estão surgindo, convergindo para uma nova realidade em relação aos sistemas presentes em ambientes automatizados. Neste contexto, os moradores buscam mais conforto e uma melhor qualidade no interior da residência. Para aumentar o conforto e qualidade de vida torna-se necessário o desenvolvimento de um sistema que se adapte ao comportamento dos habitantes levando-se em conta que cada habitante possui um comportamento (sequência de ações) diferente. Para que a casa inteligente aprenda de forma autônoma o comportamento de seus habitantes, é necessário que ela conheça os padrões de utilização de cada um. Este trabalho apresenta um estudo sobre três algoritmos (GSP, SPADE e PrefixSpan) utilizados para a extração de padrões sequenciais. Serão apresentados os conceitos fundamentais de cada um e posteriormente será explicado como serão implementados para extrair os padrões sequenciais em casas inteligentes. Após realização dos testes, notou-se que a quantidade de dados analisada influenciou no resultado dos algoritmos. Quando poucos dados foram analisados, o sistema aprendeu pouco sobre o comportamento do habitante. Conforme o número de dados analisados aumentou, o sistema aprendeu mais sobre o comportamento do habitante. Com base nos resultados obtidos, concluiu-se que para o dataset utilizado neste trabalho, o melhor método para extração de padrões sequenciais de comportamento em casas inteligentes é o algoritmo PrefixSpan.

A Smart Home has different types of systems which involve simple devices like those provided for lighting control, up to the most complex, as smart devices that interact with the inhabitants, and gradually new technologies are emerging, converging on a new reality. In this context, the inhabitants are looking for more comfort and a better quality within the residence. To increase the comfort and life quality of inhabitants, it is necessary to develop a system that adapts itself to the inhabitant s behavior taking into account that each inhabitant has a different sequence of actions (behavior). For the smart home to learn autonomously the behavior of its inhabitants it´s necessary to understand the usage pattern of each one. This work presents a study of three algorithms (GSP, SPADE, PrefixSpan) used for the extraction of sequential patterns. The fundamental concepts of each algorithm will be presented and later it will be explained how they are going to be implemented in order to extract the sequential patterns in smart homes After the tests, it was noticed that the amount of data analyzed influenced on the result of the algorithms. When a few data were analyzed, the system learned a little about the inhabitant´s behavior. As the number of the data analyzed increased, the system learned more about the inhabitant´s behavior. Based on the results obtained, it was concluded that considering the dataset used in this work, the PrefixSpan algorithm is the best method of sequential patterns extraction in smart homes..