Extraction and Measurement of Living Alone Elderlys Daily Activity Routines for Healthcare using Non-intrusive Sensing

학위논문 (박사)-- 서울대학교 대학원 : 공과대학 건축학과, 2019. 2. 이현수.The growth in the number of single-member households is a critical issue worldwide, especially among the elderly. For those living alone, who may be unaware of their health status or routines that could improve their health, a continuous healthcare monitoring system could provide valuable feedback. Assessing the performance adequacy of activities of daily living (ADL) can serve as a measure of an individual's health statusprevious research has focused on determining a persons daily activities and extracting the most frequently performed behavioral patterns using camera recordings or wearable sensing techniques. However, the existing methods used to detect and extract common patterns of an occupant's activities in the home fail to address the spatio-temporal dimensions of human activities simultaneously and guarantee from privacy concerns. Though it is important to assess the ADL routines of the elderly for early diagnosis of the geriatric disorders, it has rarely investigated to develop methods for assessing the variability of ADL routine, which can present the occupant's health status. This research proposes a model for detecting the ADL and a method to extract the ADL routine from a cumulative spatio-temporal log by using the non-intrusive sensing techniques (i.e., a tomographic motion detection system). Also, a method to quantify and assess the variability of ADL routines is developed, which provides a basis for detecting abrupt of gradual change of an occupant's ADL routines the result from a mental disorder. The findings and extracted routines from the experiment collecting 60 days of spatio-temporal log of the elder subject demonstrate the capacity of the proposed approach to extract the ADL routine and reveal the variability of the ADL routine in terms of quantified the irregularity and the abnormality. This research can offer valuable information for home-automated healthcare applications by enabling the assessment of the variability of ADL routines. In addition, the results of this research show a possibility of extracting and assessing the living alone elderly's ADL routine using coarse-grained data (i.e., the spatio-temporal log) with little infringement of personal privacy. The achievements of this research contribute to a part of the welfare of the elderly living alone by improving their quality of daily life and providing a warning for the high variability of the ADL routines which is recommended seeing a doctor for an early diagnosis of geriatric disorders.동거인 없이 혼자 사는 독거 가구, 특히 고령자 독거 가구의 수가 전 세계적으로 급증하고 있으며 최근 우리나라에서도 고령자 독거 가구의 건강 관리 소홀로 인한 개인∙사회적 문제 발생이 증가하고 있다. 스스로의 건강 상태 또는 일상 생활의 규칙적인 수행 여부를 인지하는 것 만으로도 개인의 건강을 증진시킬 수 있으므로 지속적이고 장기적인 건강 모니터링 시스템은 독거 고령자 가구의 건강 관리 관련 문제들을 해결하는 데 도움을 줄 수 있다. 치매와 같은 노인성 정신기능 질환의 경우 고령자의 일상생활 활동을 분석함으로써 관련 질환의 조기진단 근거로 활용할 수 있다. 일상생활 활동 (ADL)이 적절하게 수행되고 있는지의 여부를 평가하는 것은 개인의 건강 상태를 측정하는 수단으로서 기능할 수 있으며 이를 위해 카메라 촬영 또는 신체 부착형 센서 (wearable sensor)를 활용하는 방식으로 개인의 일상생활 활동 수행 여부를 확인하거나 그 패턴을 추출하는 연구가 시도되어 왔다. 그러나 기존의 연구들에서 도입된 방법들은 수행된 일상 활동의 시∙공간적인 차원을 동시에 고려할 수 없고 일상생활 활동의 적절성 여부를 판단하기 위해 필요한 정보 이상을 수집하게 됨으로써 사생활 침해의 우려가 발생한다. 이를 보완하기 위해 본 연구는 고령자 건강 상태와 유관한 최소한의 정보인 개인 일상생활 활동의 패턴을 양적으로 측정하고 그 변동 추이를 추적하여 일상생활 활동의 적절성을 판단하는 접근 방식을 제안하고 그 가능성을 확인한다. 기존 센싱의 직접적 (Intrusive) 방식 대신 간접적 방식 (Non-intrusive) 방식인 단층촬영 움직임 감지 센서 (Tomographic motion detection system)를 활용하여 재실자의 시∙공간 로그를 수집하고 이로부터 수행된 일상생활 활동을 감지하는 모델을 제안한다. 또한 일별로 수행된 일상생활 활동의 공통 패턴을 추출하고 장기적인 관점에서의 패턴 변화를 양적으로 측정하는 방법을 제시한다. 혼자 사는 고령자의 60일 간의 시∙공간 로그를 본 연구의 사례로서 수집하고 제안한 방법을 적용하여 일상생활 활동의 감지 및 패턴 추출, 불규칙 정도와 이상 정도를 나타내는 패턴의 양적 변화량을 도출하며 결과 분석을 통해 제안한 방법의 적용 가능성을 보여준다. 간접적 센싱을 통해 재실자의 일상생활 활동 데이터를 수집하고 패턴의 추출 및 변동성 평가가 자동적으로 가능하도록 함으로써 스마트 홈 기반 재실자 건강 관리 기술의 개발∙활용에 기여할 수 있다. 또한 동일한 목적을 위한 기존의 방법과 달리 재실자의 시∙공간 로그와 같은 행동 중심이 아닌 데이터만으로도 행동 패턴 정보를 도출하는 것이 가능함을 보여준다. 그 과정에서 스마트 홈 기반 건강 관리 기술의 도입을 위한 1인 재실자 맞춤 주거공간 및 설비 계획에의 활용 방안을 제시하였다. 본 연구의 결과는 혼자 사는 고령자의 일상 생활의 질을 향상시키고 노인성 기능 질환의 조기 진단을 위한 피드백 제공을 통해 고령화 사회의 노인 복지로 확장될 수 있을 것으로 기대된다.Chapter 1 Introduction 1 1.1 Research Background 1 1.2 Problem Description 3 1.3 Research Objectives and Scope 5 1.4 Dissertation Outline 7 Chapter 2 Preliminary Research 11 2.1 Activities of Daily Living (ADL) for Elderly Healthcare 11 2.1.1 Definitions of ADL 11 2.1.2 Importance of Tracking and Analyzing the Adequacy of ADL 13 2.1.3 Previous Methods for Extracting ADL Routines 19 2.1.4 Need for Assessing ADL Routine Variability 20 2.2 Necessity of using Non-intrusive Sensing for Monitoring Home Activity 23 2.2.1 Collecting the ADL-relevant Information using Sensing Techniques 23 2.2.2 Existing Intrusive Sensing Techniques 25 2.2.3 Need for Non-intrusive Sensing Approach 27 2.2.4 Spatio-temporal Log from Motion Detecting System 28 2.3 Human Activity Contxtualization using Occupants Spatio-temporal Log 30 2.3.1 Relations of Spatio-temporal Log and ADL Routines 30 2.3.2 Activity Information from Spatio-temporal Log 34 2.4 Relevant Methodology 37 2.4.1 Multiple Sequence Alignment for Human Activity Analysis 37 2.4.2 Existing Metrics to Quantify and Assess Human Activity 44 2.5 Summary 52 Chapter 3 Daily Activity Detection using Non-intrusive Sensing 55 3.1 Daily Activity Contextualization Process Design 55 3.1.1 Developing Conceptual Model Framework 55 3.1.2 Extracting Activities from Contextualization Process 58 3.2 Test Experiment 61 3.2.1 Experiment Outline 61 3.2.2 Detecting Daily Activities using Contextualization Process 64 3.2.3 Findings and Implications 72 3.3 Summary 75 Chapter 4 Extracting Daily Activity Routines using Multiple Sequence Alignment 77 4.1 Overview of the Data Collection 77 4.2 Data Cleansing for Applying Sequence Alignment 80 4.3 Data Analysis 82 4.3.1 Alignment with Equivalent Time Frame 83 4.3.2 Alignment with Contextual Time Frame 83 4.3.3 Identifying Consensus Sequence from Two Alignment Results 84 4.3.4 Validation of MSA from Comparing with Existing Methods 85 4.4 Extracted ADL Routines 87 4.4.1 Routine Information of Long-Regular Activities 87 4.4.2 Routine Information of Short-Random Activities 91 4.4.3 Extracted ADL Routines from Integrated Consensus Sequences 93 4.4.4 Validating of the Results from MSA 96 4.5 Summary 99 Chapter 5 Quantifying and Assessing the Variability of Extracted ADL Routines 101 5.1 Activity Quantification with Sequential Information 102 5.2 ADL Variability Analysis 103 5.2.1 ADL Clusters of Each Space 103 5.2.2 Assessing ADL Irregularity Trends 120 5.2.3 Assessing ADL Abnormality Trends 122 5.2.4 Validating Assessed ADL Variability 125 5.3 Summary 129 Chapter 6 Discussion 131 6.1 Expected Applications 132 6.1.1 Design of Residential Space for Living Alone Occupant 132 6.1.2 Providing ADL Routine Information 134 6.2 Summary 137 Chapter 7 Conclusions 139 7.1 Research Results 139 7.2 Research Contributions 142 7.3 Limitations and Future Research 144 References 147 Appendices 159 Abstract (Korean) 171Docto