//Logo Image
「世大智科/天才家居」-我們創業囉
PDF Version

作者:姜依帆 (2015-07-28);推薦:徐業良(2015-07-28)

附註:本文為103學年度元智大學機械工程研究所張程皓碩士論文「以加速度感測器為核心發展穿戴式裝置個人生活型態模式分析技術」第二章。

第二章     活動力指標與行為模式相似度分析

本章以發展演算法,將使用者手機G-sensor輸出之三軸角度數據進行活動力指標與活動模式相似度分析,研究內容與方法敘述如下。

2.1    利用手機輸出之三軸角度數據建立單日活動量變化圖

本研究撰寫App,利用手機G-sensor輸出之三軸角度數據(如圖2-1模擬穿戴式系統感測器加速度訊號。手機之三軸角度數據分為,方位角(azimuth)、傾斜角(pitch)、旋轉角(roll)。如圖2-2,方位角即Y軸水平面上的投影與正北方向的夾角,範圍0~360度,0North90East180South270West;傾斜角即Y軸與水平面的夾角,範圍-180~180度;旋轉角即X軸與水平面的夾角,範圍-90~90度。

2-1. G sensor三軸加速度數據

2-2. 手機三軸角度數據示意圖

本研究以6秒為間隔比對三軸角度數據,若偵測到三軸角度數據均方根改變量超過活動判定閥值(threshold),便判定在此時間區間中使用者有動作改變,將活動量數值加1,累加10分鐘後可得到一筆活動量數據(在0~100之間),代表在此時間區間內的活動頻率。紀錄24小時,共有144筆活動量數據,可繪製使用者單日活動量變化圖(如圖2-3)。

2-4. 使用者一天活動量變化圖

本研究活動判定閥值訂定,是以兩支不同廠牌之手機放置於口袋以坐姿進行60分鐘之閥值實驗,測試閥值為3.54.04.55.05.56.0時之活動量,實驗結果(表1)顯示閥值超過4.5時,誤判活動次數為零,故本研究中活動判定閥值訂為5.0

2. 閥值實驗結果

閥值

手機

0-10

活動量

10-20

活動量

20-30

活動量

30-40

活動量

40-50

活動量

50-60

活動量

3.5

Samsung

2

1

0

2

0

1

HTC

3

2

0

0

2

0

4.0

Samsung

1

0

0

0

1

1

HTC

0

0

0

0

1

0

4.5

Samsung

0

0

0

0

0

0

HTC

0

0

0

0

0

0

5.0

Samsung

0

0

0

0

0

0

HTC

0

0

0

0

0

0

5.5

Samsung

0

0

0

0

0

0

HTC

0

0

0

0

0

0

6.0

Samsung

0

0

0

0

0

0

HTC

0

0

0

0

0

0

2.2    建立單日活動量指標

將圖2-4的一天活動量變化圖依照活動頻率排序成圖2-5,參照圖2-5的參數,可定義以下活動力指標[15]

2-5. 使用者一天活動量變化排序圖

Ÿ   活動時間比(active time ratio):有活動的時間佔一天時間之比例

                                                                              (1)

2-5Ractive-time= 87/144 = 60.4%

Ÿ   活動率(activity rate):有活動的時間內活動量與最大可能活動量之比例

                                                               (2)

2-5Ract = 890(活動量加總)/100´87 = 10.2%

Ÿ    日平均活動率(daily activity rate):有活動的時間內活動量與每日最大可能活動量之比例

                                                                                      (3)

2-5Ract-day = 890/14400 = 6.2%
將圖2-4使用者一天活動量變化圖做長期累積與平均,即可得到活動量變化均線(如圖2-6),比較周末和周間活動模式的差異可判讀使用者活動模式;某日使用者活動量變化圖也可與長期活動量變化均線比對,計算其相關係數(correlation coefficient),用以代表當天活動量變化圖與長期活動量變化均線之相似性。

2-6. 使用者長期活動量變化均線圖

2.3    建立活動量資料蒐集資訊系統並開發活動量查詢App

本研究由G-sensor訊號判讀後的單日活動量資料儲存於手機(模擬穿戴式裝置),每日定時批次上傳至雲端資料庫並儲存於雲端資料庫,由資料庫計算每日活動量指標及長期活動量均線(區分weekday和假日,排除相關係數低的資料);手機App發出指令索取雲端資料庫資料,顯示單日活動量變化圖、活動量指標、長期活動量均線,並即時計算單日活動與長期活動模式相似度指標。圖2-7為資訊架構示意圖,圖2-8為本研究開發之活動量查詢App使用者介面。

2-12. 四軸多自由度座椅調整機構的控制流程

2-8. 本研究開發之活動量查詢App使用者介面

2.4    蒐集5位測試者長期活動量資料並進行個人活動模式分析

完成相關資訊系統及App後,本研究邀請五位生活模式不同的測試者,分別為大學生、教授、家庭主婦、男上班族、女上班族,配戴裝有活動量App之手機約一個月,紀錄並分析五位測試者之生活模式。五位測試者的基本資料、測試期間的活動力指標、以及周間、周末均線圖分別紀錄如下。

         試者A2014/10/172014/11/15

         大學教授,男,51

2-9. 測試者A周間均線

2-10. 測試者A周末均線

Ÿ   測試者B2014/10/182014/11/18

Ÿ   上班族,男,27

2-11. 測試者B周間均線

2-12. 測試者B周末均線

Ÿ   測試者C2014/10/162014/11/19

Ÿ   大學生,男,21

2-13. 測試者C周間均線

2-14. 測試者C周末均線

Ÿ   測試者D2014/10/162014/11/19

Ÿ   家庭主婦,女,51

2-15. 測試者D周間均線

2-16. 測試者D周末均線

         測試者E2014/10/222014/11/18

         上班族,女,23

2-17. 測試者E周間均線

2-18. 測試者E周末均線

由以上測試數據可以看出,利用穿戴式裝置G-sensor量測使用者動作訊號,分析得到活動力指標與均線確實可以看出不同性別、職業,以及平日/假日之活動力和生活型態差異,討論如下:

(1)   性別:男性測試者(A, B, C)活動量較女性測試者(D, E)為大

(2)   職業別:

Ÿ   上班族(B, E)平日活動量較教授、大學生、家庭主婦等略低;

Ÿ   測試者D(家庭主婦)每天活動開始時間在10:00左右,明顯較其他測試者晚;

(3)   平日、周末:

Ÿ   測試者B平日活動量均線在9:0013:3019:00有明顯高峰,對應其上班、中午吃飯、下班等規律活動;其他測試者活動規律較不明顯;

Ÿ   五位測試者周末活動量均大於平日活動量;

Ÿ   測試者B周末均線顯示其在下午16:00左右有固定運動習慣。