AdAPT - Ein universeller Ansatz zur inkrementellen Aktivitätserkennung und -vorhersage in Smart Microgrids

01.03.2013 -

Abgeschlossen
DFKI & Deutsche Telekom AG

Name des Teilnehmers: Jochen Frey

Beschreibung des IT-Forschungsprojektes: Das Verstehen menschlicher Handlungsweisen und der dahinter liegenden Intention nimmt eine immer wichtigere Rolle bei der Entwicklung von intelligenten Benutzerschnittstellen in unterschiedlichen Anwendungsfeldern ein. Zum Beispiel hat der Bereich Ambient Assisted Living (AAL) das Ziel, vor allem ältere Menschen bei der Ausführung von Aktivitäten des täglichen Lebens (ATL) zu unterstützten und gegebenenfalls externe Hilfe anzufordern. Durch die Auswertung von Sensordaten können sogenannte Smart Homes automatisch erkennen, welche Aktivitäten von ihren Bewohnern aktuell ausgeführt werden und ob es zu Problemen oder Abweichungen innerhalb ihrer normalen Tagesroutine kommt und daraufhin unterstützend wirken.

Ein weiteres Anwendungsgebiet für Aktivitätserkennung sind Fahrerassistenzsysteme in modernen Autos. Die Systeme erkennen die Intentionen des Fahrers, wie zum Beispiel einen Spurwechsel zum Überholen, und können gegebenenfalls vor Gefahren warnen. auch im Bereich sogenannter Smart Microgrids (E-Energy) finden Methoden zur Aktivitätserkennung eine sinnvolle Anwendung. So können zum Beispiel zukünftige Stromverbrauchsdaten der im intelligenten Stromnetz angeschlossenen Haushalte auf Basis von erlernten und individuellen Aktivitätsprofilen der Bewohner besser prognostiziert werden. Die Energieerzeuger werden hierdurch in die Lage versetzt, detaillierte Lastprofile zu erstellen und somit ihre Stromkontingente am Energiemarkt effizienter und kostengünstiger zu handeln. Zu den beschriebenen Themenfeldern existieren sowohl produktreife als auch prototypische Umsetzungen, welche im Allgemeinen jedoch Schwachpunkte aufweisen.

Das übergeordnete Ziel des Projektes AdAPT ist die Realisierung eines universellen Ansatzes zur inkrementellen und selbstlernenden Aktivitätserkennung und -vorhersage in instrumentierten Umgebungen. Die Grundidee ist hierbei, dass sich intelligente Umgebungen dynamisch und kontinuierlich auf ihre Benutzer und die sich ändernden Gegebenheiten anpassen. Anstelle der initialen Erstellung eines umfangreichen semantisch annotierten Korpus, liegt der Fokus des Projektes auf der Realisierung eines intelligenten Lern- und Interaktionskonzeptes zur automatischen Benutzeradaption. Die verwendeten Methoden sollen hierbei abstrahiert von den verwendeten Sensoren innerhalb einer instrumentierten Umgebung sein. Konkret werden in AdAPT mindestens zwei unterschiedlich instrumentierte Testwohnungen mit dem Ziel betrachtet, regelmäßig wiederkehrende häusliche Aktivitäten, wie Kochen, Wäsche waschen, Fernsehen oder zu Bett gehen, zu erkennen und vorhersagen zu können. Mit Hilfe dieser Vorhersagen sollen Abweichungen von der täglichen Routine der Bewohner frühzeitig erkannt und angezeigt werden können.

Software Campus-Partner: DFKIDeutsche Telekom AG

Umsetzungszeitraum: 01.03.2013 - 28.02.2015