一种使用家庭感知网络评估老年人行为能力的方法研究

关键词：家庭感知网络；老年人；行为能力评估；居家行为频次分析

中图分类号：TP311 文献标识码：A

文章编号：1009-3044（2024）18-0100-04

0 引言

在全球老龄化趋势日益明显的背景下，养老问题已引起世界各地的广泛关注。当前，我国养老方式呈现出鲜明的“9073”特征，即90 %以上的60岁以上老年人选择居家养老，7 %选择社区养老，而仅有3 %选择机构养老。随着人工智能、大数据和传感器技术的飞速发展，人们期待借助信息技术辅助照护者更好地照料居家老年人。其中，利用人工智能技术对老年人居家行为中产生的传感器数据进行行为能力评估的研究，已成为研究者们关注的焦点。这一评估方法能够精准掌握老年人的身体状况，有效减少老年人在操作上的不便。目前，研究者们主要通过传感器收集老年人的能力数据，并利用人工智能算法进行行为能力评估，从而为老年人提供更加便捷、高效的服务[1-2]。

传统的老年人行为能力评估使用中华人民共和国民政部发布的《老年人能力评估》[8]标准。然而，这种评估方式人力成本高，采集效率低。通过在老年人家中部署家庭感知网络，在不影响老年人正常生活的情况下，可以使用传感器采集老年人行为数据，实现老年人行为能力评估。

Prafulla Dawadi等[3]使用CASAS中的数据，即指定行为触发的传感器数据，提取任务开始时间、任务结束时间、任务时长和任务完成度为特征，利用机器学习方法对能力等级进行分类，取得了一定的效果。但这种方法十分依赖老年人的配合，在一定程度上限制了老年人的自由，不适合泛化普遍使用。YasmeenNaz Panhwar等[4]用惯性测量单元对老年人脆弱性进行分析，利用可穿戴惯性传感器ADL监测传感器数据和参与者的跌倒风险程度，使用神经网络实现了能力脆弱与健康分类。然而，在使用此类方法时，老年人穿戴传感器可能会感到不舒适。此外，Chan等[5-6]使用视频识别技术来检测老年人的行为，但这种方法对老年人的隐私并不友好。

安徽省智能感知与健康养老技术工程研究中心提出，在家庭中安装各种传感器，如运动红外传感器、门磁传感器等，传感节点之间可以相互通信，自组织成网并通过多跳方式连接至基站节点，基站节点收到数据后，通过网关完成与公用网络的连接，便构成家庭感知网络[7]。家庭感知网络在不干扰老年人正常生活的情况下持续采集老年人行为数据，这些数据可以标注相应的行为标签，如烹饪、工作和睡眠等。研究表明，可以通过分析智能家庭传感器数据来检测目标健康状况。

综上所述，本文提出了一种创新的老年人能力评估方法，该方法基于居家行为频次进行分析。首先，在老年人家中部署家庭感知网络，以采集《老年人能力评估》中规定的六项行为时长数据。随后，运用聚类算法确定老年人正常行为时长的参考范围。接着，通过多属性决策中的层次分析法（AHP）来确定各项行为的权重，并据此计算出一个综合行为分数。最后，利用自然断点法将这一综合行为分数进行分级，从而准确判定老年人的行为能力等级。这一方法不仅提高了评估的准确性，还有助于为老年人提供更加个性化的照护服务。

1 居家环境部署

课题招募到一位独居退休教师作为研究对象，并在其家中部署家庭感知网络。笔者跟踪了老年人一年多，并帮助其解决一些基本的日常生活困难，期间甚至长达两个星期在医院陪护老年人。

老年人居住在一个两室一厅外带小院子的环境，其居所及部署的传感器分布示意图如图1所示。

图1分为两个部分：前屋和后屋。前屋主要包括“bedroom”“hovel”“restroom1”“kichen1”和“parlour”五个行为区域，后屋包括“storage”“restroom”和“kitchen2”三个区域。老年人主要行为范围在前屋，因此在老年人家中卧室窗户上安装红外传感器（M03） ，大门上安装红外和门磁传感器（M04，D01） ，厕所安装了距离传感器（MA7） ，厨房放置红外（MA1） ，冰箱放三个门磁（D02，D03，D04） ，后屋和前屋之间有一条过道，前屋到后屋的出口上也安置红外（MA5） 。

笔者连续一年多采集了老年人真实生活时产生的传感器数据。老年人日常生活时，会记录行为的一些详细信息。如“老年人10：00做饭，11：00吃饭，11：30吃完，吃完休息会儿，到了12：00看电视节目放松。食欲还行，咀嚼无碍，做饭比较费劲”。本文基于《老年人能力评估》设计了表2所示的行为记录表。

本研究致力于收集老年人的日常行为信息与家庭感知网络产生的传感器数据。为确保数据的准确性，我们首先进行数据清洗和整理工作。随后，我们筛选出老年人行为中频次较高的时段，并将这六种行为的量级转化为可计算的数值。接着，本文运用科学方法计算各行为在老年人行为能力评估中的权重。最后，通过加权求和的方式，将行为时长算子转化为老年人的行为能力等级，从而实现对老年人行为能力的精准评估。

2 基于居家行为频次的老年人行为能力评估方法

2.1 居家行为频次的定义

本文主要讨论日常生活行为，根据传感器可监测的行为，结合表1中日常生活行为的10项二级指标，本文主要研究行为表达为“吃饭”“上厕所”“洗漱”“打扫卫生”“穿衣服”和“睡眠”六项行为，根据六项行为打分情况给予能力等级划分。

为进行基于家庭感知网络的老年人行为能力评估，本文定义了居家行为频次指标。老年人的日常行为会存在两种或者多种状态，相应地，行为时长也会存在多个范围。本文定义所有时长范=围中占比最大的时长范围为高行为时长频次，即高行为频次。具体地说，在一个月里，如果老年人吃饭时间70 %的天数为5～15分钟，其他时间占30 %，则认为吃饭的高频次时长范围是5～15分钟。高行为频次设定为“usual”，根据“usual”具体情况再分级。本文使用聚类算法对老年人的各种行为时长进行聚类，根据聚类结果对行为时长范围进行划分，获取高行为频次“usual”，如果老年人行为时不在“usual”范围，则结合实际情况判定其所在等级。

2.2 数据处理

老年人行为数据处理分为2个步骤，分别是传感器数据预处理、传感器特征提取。

2.2.1 传感器数据预处理

为了较准确分析老年人行为，根据老年人生活记录对数据进行预处理。首先除去冗余或者无效的数据，然后对处于不同位置的红外传感器但同时被触发的异常数据进行处理，将其删除。具体地说，符合空间逻辑情况下老年人在房间中行动时，传感器的触发应该是两个相邻的空间位置，比如MA5到MA2是符合空间逻辑的，因为从房屋的布局上看，老年人可以穿过客厅到后门。而M03到MA5在空间逻辑上是不合理的，因此这样的数据不符合实际情况。

2.2.2 基于行为时间的特征提取

实现老年人行为能力评估需要获取老年人行为时长，通过特征提取将传感器数据转换为可以用来评估老年人行为能力的数据。

对采集的老年人行为数据进行预处理和特征提取后，本节对老年人的行为能力进行评估。

基于1节对老年人行为能力等级指标的定义，本节分别设计了基于居家行为频次的老年人行为能力评估、基于居家步行传感器速率的老年人行为能力评估和基于评估表的老年人行为能力评估三种评估方法。其中，基于居家行为频次的老年人行为能力评估方法是为了通过行为时长来判定老年人的行为能力等级；基于居家步行传感器速率的老年人行为评估方法的目标是通过老年人的居家步行传感器速率变化评估老年人行为能力变化趋势；基于评估表的老年人行为能力评估方法使用行为时长和评估结果建立分类模型，用于预测老年人行为时长对应的能力等级。

本方法将老年人的各项行为时间进行聚类处理，寻找老年人高行为频次的“usual”或者行为的时间范围。具体而言，使用算法1能够获取老年人的行为时间，即“吃饭”“上厕所”“洗漱”“打扫卫生”“穿衣服”和“睡眠”六项行为时间，然后结合长期的问诊以及对老年人的观察，使用多属性决策中的AHP方法求取老年人各项行为时间的权重，最后计算出老年人的行为能力分数。

3 实验与分析

3.1 老年人行为时间聚类

以图2为例，老年人“吃饭”的时长聚类为三簇后，数据最多占比在第一簇和第二簇，第三簇数量较少，因此老年人平常的“吃饭”时间范围在10～30 min。图2-7分别是老年人“吃饭”“如厕”“洗漱”“打扫卫生”“穿衣”和“睡眠”行为的时长散点图，综合各个行为时间的散点图分布，获得老年人的各种行为事件的正常范围为如表2所示。其中“睡眠”行为时长较短的因为为夜间醒来等导致，属于不正常现象，所以“睡眠”正常的时长范围选择较长的簇，即120～450min。

3.2 多属性决策判定各行为权重

上述工作获取了老年人平常各种行为时间范围，为了评估老年人行为能力等级，还需要确认各种行为的权重。各个行为的权重需要结合老年人身体实际情况和专家诊断，笔者经过长期与老年人交流并且陪护去医院半个月陪护获取了行为相关的信息。将各种行为的时长视为老年人能力等级的属性作决策，用多属性决策中的加权平均算子（WAA） 对老年人的各种行为时间进行建模来计算老年人的综合行为能力。先将每一天的老年人各项行为时间使用区间型加权公式归一化处理，如式（1）所示：

计算出各行为时长的加权平均算子归一化结果后，再用层次分析法（AHP） 根据老年人自身情况和诊断意见获取其对比矩阵并计算各行为权重如表4所示。表5中为对比矩阵中数值的意义。经计算，一致性检验结果CR=0.014533<0.1，说明比较矩阵有意义。

3.3 自然断点法能力分级

经过前文实验处理，本文可以获取老年人50天中的能力分数。在这个基础上，本文使用自然断点法实现能力分数分级。

本文将老年人的能力分数分为三个或者四个等级。结合权重后，评估分数值的范围，使用自然断点法判断三个等级如图8（左）所示。图中断点后，能力分级为平常1.0，一般0.65～1.0，较差<0.65。图8（右）是分为四级的情况，则老年人能力分级为平常1.0，一般0.8～1.0，较差0.6～0.8，非常差：<0.6。

综合图8，根据实际生活中老年人的身体状况，将能力等级分为：相对正常、一般和较差三种状态，所以将老年人的行为能力分为三级。

4 总结

本文实现了一种基于居家行为频次的老年人行为能力评估方法，利用传感器数据和老年人记录的日常行为数据来更精确地获得老年人行为。该方法能够个性化地为老年人提供行为能力等级的判定。