1/9號開會後之新的想法

在此次開完會之後，系統會再加入以下幾樣新的功能。
1.我發現歷史紀錄單單存放某位使用者之行走過的軌跡對於精障就業輔導工作在學員是否走失上並不直觀，因此在系統頁面上會再加入另一項功能是可以顯示之前學員出現過"走失情形"之地點，在此所指之"出現過走失情形之地點"是指使用者"按下求救鍵當時之地點"，爲了讓就輔員可以透過網頁一目暸然此學員在哪些地點容易走失或曾經走失，本系統可以將這些地點集結在一個xml檔之中，之後在網頁鍵入一按鈕讓就輔員可以觀看此學員曾走失之地點，主要目的是在於與輔助歷史資料，因此尚無法自動偵測走失。

2.讀取歷史資料時，一次呈現一個點雖然有動態感，但當資料量大時，程式必須執行一段時間，造成無法快速閱覽使用者之前所走的軌跡；且須考慮使用者是否會在使用此程式時造成系統使用率過高，而讓程式的效益大打折扣，有此疑慮是由於之前所撰寫之動態呈現歷史資料的網頁會因為開啟之後而吃過多的資源，導致電腦無法執行其他使用者下之指令，因而有此想法，給予自己一個警惕。

3.鑒於學員可能在走失時直接撥打就輔員手機而未按下求救按鈕，在PDA端會再加入另一項功能，讓就輔員可以在接收到求救訊息時幫此位學員代為啟動按鍵，讓系統可執行此救援的程式，找尋此位學員附近的資源來幫助他。

4.院區間的就輔員是否可以幫助不同院區的學員，這是非常需要考慮的一點，此問題必須要多做考量，避免系統的不適用性。

learning and inferring transportation routines

learning and inferring transportation routines與走失偵測系統的差異

1.此套系統使用非監控式的方式，而且依照論文中的敘述，此系統只有模擬狀況，並無真正地接收GPS訊號來運作，並且與我們的系統差異最大的地方在於他們的系統雖然也有一路徑，但是偵測時並非全按照所記錄的路徑來作為偵測，在此系統設定某個終點之後，使用者可以隨便按照自己的意思來走，偵測是否錯誤是將數據計算過後由kalman filter來決定。

2.又譬如此系統中的變數(vertice transition)，決定在交叉路該往哪個點走，但是我們的系統可以按照之前所記錄的點，直接以一路徑判斷，因此該如何行走到目的地已經早就規劃好了，因此不需要系統再去預測使用者往哪邊走，就可分辨此使者是否已經出錯。

3.是否該搭車或是該搭什麼車。

在此方面，我們的系統在紀錄使用者的位置時，當a使用者選擇起始點與終點之後，路徑中如有搭公車或是開車，就會看到某段速度特別快，因此要判斷此使用者是否搭車則可以有以下方式來偵錯。


(1)如果我們的系統偵測到a使用者的速度與原本所記錄的速度有太大的差異，即可知道此使用者出現錯誤。

(2)另外，也可從經緯度座標的差異來判斷使用者使否有出現錯誤，因為本系統會間隔一段時間才紀錄，因此，如果交通模式有差異，則下個出現的位置必定會因為速度的關係而有差異。

(3)如果使用者是搭乘公車，則會在固定站牌停下，所以在站牌的位置的速度為零，而如果是汽車，則不會發生這類事件，當然如果路上交通擁塞，則可以知道此使用者所送出的gps訊號是走走停停。

所以可以根據這些條件來判斷使用者是搭乘何種交通工具，在未來更可以透過這些判斷式提供使用者該搭乘何種交通工具。

可學習處:
如果要簡化資料，在判斷時以一簡化過的路徑來作為判斷，此篇論文中是使用kalman filter來計算和取得平均速度和位置，並使用MATLAB來做演算，如果無法找到更好的工具，可運用用kalman filter來作為計算的工具。

走失偵測進度報告

目前進度:
1.將PDA手機中的變數以xml web service的方式傳至SERVER端。
2.以Google maps api讀取，顯示在網頁上。
3.此方式為即時的方式，並且是以無線網路傳輸到網頁伺服器中。

以xml web service方式傳輸的好處:
因為以xml web service的方式傳輸是利用http層來作為傳輸，因此有特定的80 port來作為聽取有無呼叫服務，在有服務時(傳送或是接收)http之中的80 port依然保持在聽取的狀態，因此不會發生網站無法服務的狀況，而如果使用TCP/IP的方式，則程式撰寫者必須自己加入如HTTP層80 PORT的功能，否則會導致網站無法同時執行多人的服務。

程式執行畫面:

圖一.為尚未定位畫面

圖二. 自動偵測GPRS網路

圖三. 系統執行畫面

在未來我們的研究或許可參加亞洲區 XML Web Services學生程式競賽，這是第二屆亞洲區 XML Web Services學生程式競賽的網頁。

資料傳輸

XMLHTTPREQUEST無法存取客戶端資料，所以我們所持有的PDA端為client端並非 server，因此server端無法使用XMLHTTPREQUEST來要求PDA端讀取xml檔，並將讀取之後的數值由網頁傳輸到遠端server中。

XMLHTTPREQUEST的使用方式是使用者藉由HTTP傳輸一段字串到server的根目錄之中，接著網站可自動使用非同步的方式讀取一個XML檔或是其他形式的檔案並將讀取後的結果傳送給用戶端，接著客戶端的網頁會顯示剛剛使用者對server提出要求的回應，以此種方式提供使用者服務，但是此方式並無法直接傳輸一個xml檔到網站要求服務，也因此不適合我們目前思考直接將xml檔傳輸到server端的想法，也因此考慮使用其他的方式來作為傳輸資料的方式。

最近工作事項

最近在思考要如何將部落格製作成吸引就業輔導員的ㄧ個工具，因此去試了一下google ajax feed,增加相關的訊息在網頁上，已就輔員的角度來增加部落格的可看性，不過還要再試試是否有用處。

Developing Event-condition-action Rules in Real-time Active Database摘要

此篇論文以時間和所發生事件之間的關係來作為探討，其中兩個比較關鍵的詞為real-time active database (RDATB)，和Event-condition-action(ECA)。
real-time active database (RDATB):主要有解決複雜事物的特性
Event-condition-action(ECA):在此篇論文中主要功用為，(1)可提供各式各樣的時間性的事件，可描述複雜的關於時間的資訊。可提高ECA rules 去表達複雜的時間性問題，可當作RDATB去解決類似問題的基礎，(2)他們提供一個自然的方法讓使用者去了解和定義ECA rules，這提高使用者的參與，提高解決問題的彈性。
在一個以電腦為基礎的smart home中，感測器散佈在各個角落去偵測使用者在房子中的行為，並透過與各式家庭設備的互動追蹤使用者。然後將資料送給RDATB。在ECA rules 中，RDATB可以偵測多重的事件和內容，為了要去區分各種不同的狀況和興趣。如此一來，此系統就可以預測此環境中淺在的和實際上的危險，並且可以有智慧的辨別出如何提供最好的建議給使用者。並可透過手機或是其他裝置聯絡相關的人。
運作流程為:sensors--->RDATB--->cell phone/special device--->related persons

文中所提到的關於時間性的資訊，有一例子為:當一個門開著，可是後來卻沒有人經過，及代表此門是出乎意料的開著的，即使用者忘了關。這種情況在睡覺時是非常危險的，當晚上十點到隔天早上七點鐘之間，如有發生此狀況就通知使用者。另外，就是關於醫學方面的使用，他們研究是先發生心跳不正常還是血壓先發生變化，這兩者間有無特定關係。而要偵測這些資訊都是要將事件和時間整合起來，而無法只關心單一事件。

這片論文中的細節是我可以使用在detecting中的，是非常好的範本。

survey paper

論文名稱:
Extracting Places and Activities from GPS Traces Using Hierarchical Conditional Random Fields
此篇作者是Lin Liao, Dieter Fox, Henry Kautz
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
論文中主要是利用GPS資料來作為分析和探討人的行為和此使用者所去的地方的關連，譬如去餐廳可能的行為就是用餐，或者是買飲料，等，本篇論文以階層式的行為架構為基礎，以隱藏式的馬可夫模型為方法去實行這個研究，他們的研究成果可以透過收集其他人的行為資料來預測某位使用者的下個動作和想去的地方。
此篇文章所使用的方法:ourapproach uses one consistent framework for both low-levelinference and the extraction of a person’s significant places.This is done by iteratively constructing a hierarchical conditionalrandom field, where the upper level is generated basedon MAP inference on the lower level. Once a complete modelis constructed, we perform joint inference in the completeCRF. Discriminative learning using pseudo-likelihood and inferenceusing loopy belief propagation can be performed extremelyefficiently in our model: The analysis of a GPS tracecollected over a week takes approximately one minute on astandard desktop PC.

研究的目的:Our experiments based on traces of GPS data showthat oursystem significantly outperforms existing approaches. In additionto being able to learn a person’s significant locations, it can infer low-level activities such as walking, working, or gettinginto a bus.We demonstrate that the model can be trained from a group of persons and then applied successfully to a different person, achieving more than 85% accuracy in determininglow-level activities and above 90% accuracy in detectingand labeling significant places. Our model achievesvirtually identical accuracy both with and without a streetmap. The output of our system can also be used to generatetextual summaries of a person’s daily activities.
我覺得這篇研究貢獻最大的地方就是可以透過學習一開始的使用者的模式，來提供接下來的使用者使用。

論文名稱Building Personal Maps from GPS Data
作者:Lin Liao, Donald J. Patterson, Dieter Fox, Henry Kautz
發表處:Volume 1093 Progress in Convergence: Technologies for Human Wellbeing Page 249-265, December 2006
此篇論文主要在利用GPS原始的資料，系統將這些收集來的資料學習起來之後，根據這些統計好的資料繪製成一個地圖，並訂做給每一個使用者，以提供他每天該做的事和行為，在這個任務中這個系統使用的模型有辨別能力的和有生產力。此研究利用馬可夫網路可辨別關係的能力來將收集到的地點資訊，辨別出哪些位置對此位使用者來說是有意義的地點，且將這些地點標記下來。一個有生產力的辨識網路被用作學習日常交通的習慣,，並提供目的地和使用者在第一時間可能會發生的淺在的錯誤。在這篇論文中，我們著重在模型的基礎的架構和清楚的討論影響和學習技巧。實驗結果呈現我們的系統可以正確的得到和標記地點，預測使用者的目標,，並辨別使用者在什麼情況發生錯誤。(e.g., taking a wrong bus)

論文名稱:Bayesian models of human action understanding
作者:Chris L. Baker, Joshua B. Tenenbaum & Rebecca R. Saxe
發表處:Advances in Neural Information Processing Systems, 2006
此篇論文內容是使用貝氏定理來理解人的行為，並預測使用者的動作的目的的原因，根據可觀測到的行為。 理解行為是一種問題在在轉化的機率有生產力的模型，這個假設趨向於行動合理爲了達到目標在他們的環境中給約束。在這個詭異的空間，我們呈現此模型如何根據原因提供目標並預測這個動機會如何行動在新奇的情況或是當環境強制改變。這個模型提供一個質的利益在很多推理的方式在動前兒童(嬰兒) 表現出來的行為上, 並且實驗關於成人突然昏厥的量化預測，在一個新的實驗中可獲得的.

(4)論文名稱:Hierarchical conditional random fields for GPS-based activity recognition (2007)
作者:Lin Liao, Dieter Fox, and Henry KautzUniversity of Washington, Department of Computer Science & Engineering, Seattle, WA
發表處:The International Journal of Robotics Research, Vol. 26, No. 1, 119-134 (2007)
此篇論文內容同第一篇，差別在於內容的增刪，第一篇論文20頁，此篇論文長度十七頁

(5)論文名稱:Predestination: Inferring Destinations from Partial Trajectories
作者:John Krumm and Eric Horvitz
出處:UbiComp 2006: The Eighth International Conference on Ubiquitous Computing,
September 17-21, Orange County, CA, USA September 17-21, Orange County, CA, USA
我們描述一個方法稱作"Predestination"(事先預測終點) 是使用駕駛人的終點的歷史，隨著的是駕駛習慣的資料，去預測哪裡有一個駕駛人會當作一個旅程而前往。駕駛的習慣包含終點的形式，駕駛的效率，旅程的時間。根據考慮之前參觀過的終點，Predestination 手段變成熟在一個打開世界的模擬方法，考慮使用者之前參觀的位置資訊無法取得的可能性 還要考慮地點背景的特性。這允許我們的演算法可流暢的運作在“out of the box”之間在沒有測試資料或是在沒有增加獲得更完整的資料數時。在分析上多樣的組成的成分利用貝氏定理來推斷並產生一個關於終點機率的地圖。我們的演算法被測試和試驗在給予的資料上 是根據資料庫中在駕駛時所獲取的GPS的資料來畫出的，這些資料是收集169個不同的人，他們有超過7,335不同的旅程。

最近一個月工作排程

6/9~6/16先將LBS service的架構釐清，並作完整構思，將Learning and Inferring Transportation Routines此篇論文閱讀完畢，並開始製作中原全人關懷獎的投影片。
6/17~6/25思考要如何判定走失，並將LBS service架構結合。
6/26~7/1撰寫ACM比賽資料，和TANET論文。
7/2~7/9 ACM資料彙整，將TANET論文完成至少一半的進度。

心得

最近一直在看關於AJAX的書，想著如何寫出構想中的成品，但是卻一直碰壁，要把一個互動式的網頁作好，必須了解的語言有三四種，CSS,PHP,XML,JAVASCRIPT,每一種東西都可以學一個學期，四種加起來畢業前都還學不完，哈，我看下學期要來修依下相關課程，或是找人一起來討論，我想這個成果應該會是不錯的才是，頭痛阿。

kiva

國科會計畫報表