Genom att samla in och koppla ihop data från olika delsystem i hemmet ska informationen kunna förutse hur den äldres aktiviteter kommer se ut – och larma om något avviker.
– Det unika med projektet är att vi har riktiga hushåll i realtid och att vi har kontakt med dem, säger Christer Åhlund.
Christer är professor och ämnesföreträdare i distribuerade datorsystem vid Luleå tekniska universitet, LTU, som byggt ihop den plattform som olika partners inom projektet Internet of Things inom vård och omsorg ansluter sina delsystem till.
Datan som samlas in kommer från projektdeltagarnas hem och informationen delas sedan mellan de olika systemen för att kunna bilda mönster.
– När man köper ett delsystem, så får man ofta en vertikal systeminlåsning. Om man sedan vill ha en ny typ av sensor så måste man utveckla systemet vidare och det problemet ska vi försöka lösa. Vi integrerar olika delsystem i vår plattform och sedan hoppas vi att offentliga förvaltningar ska kunna plocka ihop olika delsystem som de är intresserade av och bygga ihop det som ett lego. Då blir det vad vi kallar en horisontell arkitektur.
Koncept och prototyp redo
En annan del i projektet är att se vilken aktör i samhället som kan hantera den här typen av IoT-plattform.
Den är byggd av LTU, men nu har en kommersiell aktör, Data Ductus, upphandlats för att drifta den.
– Det är för att se hur en kommersiell aktör upplever det: Är det hanterbart, hur funkar plattformen och vad finns det för svårigheter säkerhetsmässigt och driftsmässigt och finns det en marknad så att man skulle kunna tjäna pengar på detta?, säger Christer Åhlund.
Han tillägger.
– Om den ska kommersialiseras och köras i skarp drift så måste man göra mer, men vi har i alla fall konceptet och prototypen som krävs.
Jobbar för att hitta bästa modellen
Förutom den rent tekniska plattformen arbetar personal vid LTU även med att tolka den information som samlas in. Under två års tid har sensordata från 13 olika hem i Skellefteå tolkats och man tittar främst på livedata, men upptäckterna som gjorts baseras också på historisk data.
Alla personer som deltar i projektet har godkänt datainsamlingen och är helt medvetna om vad som analyseras.
– Det bästa är det vi gör, maskininlärningsdelen, och det bästa är att vi får arbeta med riktiga användare och det är ett utmanande projekt. Alla jobbar för att hitta den bästa modellen, säger Saguna Saguna, universitetslektor i distribuerade datorsystem vid LTU.
Datan analyseras och sedan försöker de bygga modeller för olika aktiviteter och beteenden.
– Om vi till exempel tittar på köksaktiviteter på morgonen så kommer vi hitta olika rutiner bland de boende. Alla människor är olika, men när vi hittar en typ borde den fungera för den typen av människor och vi kan då se vad som är karaktäristiskt för just den gruppen, säger Saguna Saguna, och fortsätter.
– Det är en utmaning, men jag tror att vi har tillräckligt med data för att förstå dem. Sedan har vi också en utmaning i vad vi ska kalla för normalt beteende.
I en utvald åldersgrupp, i det här fallet äldre, kan ibland likheterna vara större än olikheterna.
– De gör ofta samma saker, men det kommer inte att funka för alla äldre i Skellefteå, säger Zahra Khais Shahid, doktorand i distribuerade datorsystem vid LTU och IT-utvecklare på Skellefteå kommun.
iVO-projektet, som skulle ha avslutats sommaren 2020, kan komma att förlängas ett år och Saguna Saguna hoppas att deltagarna kommer stanna kvar till projektets slut.
– Det skulle förfina analysen. Ju mer data vi har, desto bättre är det. Det är unikt att få följa och lära känna människor över tid och för att få ett bra system måste vi ha data för en längre tid.
Intressanta utmaningar
– En av de största utmaningarna, men också en av de mest intressanta och roligaste, är att få alla överens om vad syftet med projektet är. Vi kommer från olika discipliner, så bara att förstå vad vi berättar för varandra har varit intressant och lärande, säger Christer Åhlund.
En annan utmaning har varit att hitta maskininlärningsmetoder som är tillräckligt kapabla.
– Vi har några metoder som vi arbetat fram, så vi kommer att komma med någon form av rekommendation och resultat. I och med att det är ett forskningsprojekt måste vi utvärdera olika modeller mot varandra – vad var bra och vad var dåligt – innan vi kan rekommendera det för andra som vill göra samma sak, säger Christer Åhlund.