A Domótica

...

O conceito de domótica inteligente (DI) deve ir além de um sistema centralizado e dedicado e seu foco deve ir além dos sensores e atuadores. Diferentemente, deve ser uma arquitetura descentralizada e adaptativa às necessidades dos habitantes e às resoluções de problemas e gerenciamento de recursos. Diversas pesquisas focam em domótica inteligente, muitas delas com conceitos limitados quanto à inteligência que tais sistemas devem possuir. O conceito de domótica inteligente em (Mota, 2003), por exemplo, se resume ao gerenciamento automático de recursos (temperatura, energia, etc.) e aplicação de técnicas de IA na predição e resolução de falhas. O conceito em aplicações industriais e comerciais de casas e prédios inteligentes é ainda mais limitado, se resume apenas ao uso de sistemas automáticos sem qualquer característica de adaptabilidade ou mesmo de predição de falhas (e.g. assento sanitário aquecido, interruptor automático de luz, etc.).

A Domótica inteligente deve, por sua vez, analisar os dados obtidos pelos sensores de modo a adaptar suas regras de automação ao comportamento dos habitantes. Isto se faz necessário, pois o comportamento dos seres humanos muda ao longo do tempo, bem como cada indivíduo possui sua própria preferência, umas gostam de temperaturas mais quentes do que outras, ou mesmo outras gostam de luminosidade menor do que outras.

Este artigo foca na definição e modelagem de um sistema de domótica inteligente adaptativo, chamado sistema ABC (Automação Baseada em Comportamento) através do uso de técnicas de aprendizado no ajuste das regras de automação ao comportamento das pessoas que habitam uma casa ou prédio inteligente. Esse ajuste se dá de forma automática e sem intervenção do indivíduo, i.e., nenhuma configuração manual é necessária.

O artigo se divide da seguinte forma: a próxima seção discutirá os trabalhos correlatos da área; a seção 3 introduzirá o sistema ID3 usado como sistema de aprendizado e apresentará a definição do sistema de automação inteligente proposto ressaltando como capturar o comportamento dos habitantes e como redefinir as regras de automação; a seção 4 apresenta a implementação de teste realizada e a seção 5 finalmente conclui o artigo.

2. DOMÓTICA INTELIGENTE

As pesquisas na área de automação predial inteligente, também chamada de domótica inteligente, são recentes. Por este motivo, o conceito de domótica inteligente, por vezes, se confunde com o conceito de automação (ou simplesmente domótica). Entende-se por domótica inteligente o processo de automação que incorpore algum mecanismo automático de tomada de decisão baseada em técnicas de Inteligência Artificial.

Poucos trabalhos de pesquisa focam em domótica inteligente. O trabalho de Rutishauser and Schafer (2002), por exemplo, modela um sistema de domótica inteligente baseada em agentes e lógica fuzzy. Entretanto, a parte principal do projeto, que é tornar o sistema adaptativo ao ambiente e ao comportamento dos habitantes, ainda está sendo desenvolvido. Os autores apontam o uso de técnicas de Aprendizado por Reforço (Reinforcement Learning) (Michell, 1994) para tal finalidade, em trabalhos futuros. Outro trabalho interessante em domótica inteligente, que integra teoria e aplicação, é (Brooks, 1997), do MIT Artificial Intelligence Lab. Tal trabalho é restrito à uma sala de reuniões onde o sistema de domótica inteligente ajuda as pessoas atingirem seus objetivos, utilizando para isto reconhecimento de fala e percepção visual (visão computacional). Já o sistema Ada (Eng et al, 2002) foca em um outro paradigma de domótica inteligente. O sistema trata o ambiente como um organismo artificial que possui estados emocionais. O objetivo do sistema Ada é modificar dinamicamente o ambiente de modo a melhorar sua funcionalidade e qualidade. Essa modificação é feita por diálogos com os visitantes.

Neste artigo, assim como os demais artigos acima citados, é proposta uma inversão de responsabilidades no gerenciamento de uma casa inteligente. Ao invés dos habitantes terem de se adaptar ao funcionamento pré-programado de uma edificação automatizada e, para isto, terem que mudar seu modo de vida ou de trabalho, o sistema é que se preocupa em mudar sua atuação de modo a satisfazer às necessidades e se adaptar ao comportamento dos habitantes da edificação. Essa diferença de foco e de paradigma é a principal diferença existente entre domótica e domótica inteligente. Este artigo se diferencia dos demais por abordar a parte de adaptação do sistema de domótica através de técnicas de aprendizado e por ser um modelo genérico e não específico a apenas um tipo de ambiente e, ao invés de se adaptar por diálogos ou interatividade, se adaptar com base no comportamento dos habitantes.

3. Automação Baseada em Comportamento

A automação baseada em comportamento proposta neste artigo concentra-se no algoritmo de aprendizado conhecido como ID3 (Michell, 1997). Este algoritmo é o responsável pelo processo de adaptação do sistema de automação. A escolha do algoritmo ID3 se deu pela sua simplicidade e seu alto poder de generalização de regras. É bem conhecido na literatura que tal algoritmo possui certas limitações, mas essas não afetam nossos testes preliminares apresentados neste artigo.

3.1. O ALGORITMO ID3

O algoritmo ID3 (Michell, 1997) é uma técnica de aprendizado que consiste na indução de uma descrição geral a partir de um conjunto de exemplos, chamado de conjunto de treinamento. O ID3 é um dos algoritmos mais simples que generaliza regras em formato de uma árvore de decisão. Cada regra é um conjunto de instancias que, por sua vez, possui certos atributos discretos. Um exemplo de instância pode ser luz_da_sala cujos atributos são acesa ou apagada. Outro exemplo pode ser a instância tempo, cujos atributos são manhã, tarde e noite. Para criar a árvore de decisão, o algoritmo ID3 utiliza, primeiramente, uma fórmula que calcula a entropia do conjunto de treinamento considerado. A equação da entropia é a seguinte:

Entropia (S) = ∑ - pi log2 pi (1)

Onde: S = conjunto de treinamento.

Pi = proporção de exemplos cuja valor da resposta é i

Com a equação 1 é possível determinar o quanto há de exemplos para cada atributo de resposta. A tarefa do sistema ID3 é classificar cada atributo de cada instância relacionando com cada atributo da resposta. Isto é, o sistema deve escolher um atributo como