對與對象的交互進行排程的制作方法

本發明涉及用于對與對象的交互進行排程的排程系統、排程方法和排程計算機程序。本發明還涉及用于與對象進行交互的交互系統，該交互系統包括排程系統。

背景技術：

不健康的生活方式被認為是慢性醫學病癥的根本原因之一。例如，研究表明，不健康的習慣可能導致更多和/或更嚴重的疾病以及更多次和/或更長時間的住院治療。為了改善病癥，患者往往需要改變其一種或多種生活習慣和/或行為。然而，在研究中也發現，不斷改變不健康習慣往往不是簡單直接的，維持行為改變確實對患者來說是相當具有挑戰性的。

考慮到習慣具有自動、強大且背景驅動的本質，它們很難改變，這是可以理解的。因此，在許多情況下期望患者在努力改變時得到支持，例如通過來自醫學護理人員的交互。研究表明，為了影響患者的健康行為，與患者的交互的時機很重要。在錯誤的時間傳遞正確的信息不是很有效。因此，需要能夠識別用于與患者交互的適當時刻的系統。

us2004/0003042a1涉及促進實體之間(例如在自動化應用，通信方和/或其組合之間)的協作和通信的系統和方法。所公開的系統和方法包括通過學習提供用戶的存在和可用性的一個或多個方面的預測的預測性模型來支持協作和通信的服務。存在預測包括以不同級別的位置精度的用戶的當前位置或未來位置以及不同設備或應用的用途。可用性評估包括關于以不同方式中斷用戶的成本以及用戶當前或未來訪問一個或多個通信通道的推論。除了分析例如用戶日程表的內容、一天中的時間和一周中的天之外，還根據通過考慮用戶活動和與多個設備的接近度收集的數據來構建預測性模型。

技術實現要素：

本發明的目的是提供用于對與對象的交互進行排程的排程系統、排程方法和排程計算機程序，其允許識別與對象交互的適當時刻。本發明的另外的目的是提供一種用于與對象進行交互的交互系統，該交互系統包括排程系統。

在本發明的第一方面中，提出了一種用于對與對象的交互進行排程的排程系統，其中，所述排程系統包括：

-接收單元，其適于接收由一個或多個傳感器采集的傳感器數據，其中，所述傳感器數據指示所述對象的情況，

-分析單元，其適于分析針對過去時間段所接收的傳感器數據，以檢測在所述過去時間段期間所述對象的所述情況中的重復模式，

-預測單元，其適于基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在一未來時段期間所述對象的所述情況，以及

-排程單元，其適于基于所預測的情況來生成用于與所述對象進行交互的排程表，

其中，所述分析單元適于通過準備度量度來表示所述對象的所述狀況，所述準備度量度指示所述對象在給定時間處處理信息的準備度，其中，所述分析單元適于基于針對所述過去時間段所接收的傳感器數據來確定針對所述過去時間段的所述準備度量度，并且適于檢測針對所述過去時間段的所述準備度量度中的所述重復模式，其中，所述預測單元適于基于針對所述當前時間段所接收的傳感器數據和所檢測的重復模式來預測針對所述未來時間段的所述準備度量度。

通過分析針對過去時間段所接收的傳感器數據，所述分析單元能夠檢測在所述過去時間段期間所述對象的所述情況中的重復模式。所檢測的重復模式然后能夠由所述預測單元利用，以基于針對當前時間段所接收的傳感器數據來預測在未來時間段期間所述對象的所述情況。由于所述排程單元利用所預測的情況來生成用于與所述對象進行交互的排程表，因此所述排程單元能夠識別用于交互的適當時刻。

所述對象優選是醫學對象，即，患者，尤其是患有慢性醫學病癥的患者，即，后果持久性或其它持續性的健康狀況或疾病或者隨時間發生的疾病。例如，如果持續超過三個月，世界衛生組織將醫學病癥分類為慢性疾病。慢性醫學病癥的一些眾所周知的例子包括精神疾病、糖尿病、高血壓、癲癇、阿爾茨海默病、帕金森氏病等。

所述過去時間段能夠是例如幾天、幾周或者甚至幾個月。一般而言，優選的是所述過去時間段相對較長，以便具有足夠的傳感器數據可用而允許所述分析單元執行對在所述過去段時間期間所述對象的所述情況中的所述重復模式的魯棒且高質量的檢測。

所述分析單元優選以某些時間單位(例如以天為單位)來分析針對所述過去段時間所接收的傳感器數據。在這種情況下，可以比較所述過去時間段中的每天中所述對象的所述情況，以便找到在所述過去時間段期間所述對象的日常情況中的重復模式。當然，在分析中也可以考慮在較粗糙的時間基礎上(例如在每周或每14天的基礎上)重復的模式。

在所述對象的所述情況中的所檢測的重復模式能夠被認為是“重復情況”，這是對象在重復基礎上所經歷的。

由所述排程單元生成的所述排程表優選包括被認為適合與所述對象交互的至少一個時間。例如，所生成的排程表可以指示當天從下午2點到下午5點的時間段作為適合與所述對象交互的時間段。

應當理解，如在本文中所使用的，所述對象的所述情況能夠受到所述對象的行為和/或所述對象的環境的影響，優選地受到所述行為和所述環境兩者的影響，如將在下面更加詳細地示范性地解釋的。

能夠一起提供所述排程系統的不同單元，即，所述排程系統能夠僅包括本地單元，所述本地單元被提供在所述對象的范圍內，或者所述排程系統能夠是空間分布的，即，所述排程系統能夠包括本地單元和遠程單元，所述本地單元被提供在所述對象的所述范圍內，所述遠程單元被提供在想要與所述對象進行交互的醫學護理人員(例如，醫生、護士或藥劑師)的范圍內。例如，在一個可能的配置中，所述接收單元、所述分析單元、所述預測單元和所述排程單元都被提供在所述對象的范圍內。在這種情況下，可以借助于合適的傳輸技術(例如，基于當今的互聯網標準、移動通信標準等的技術)將所生成的排程表傳送給醫學護理人員。在另一可能的配置中，所述接收單元、所述分析單元、所述預測單元和所述排程單元都能夠被提供在醫學護理人員的范圍內。在這種情況下，只有一個或多個傳感器可以被提供在對象的范圍內，并且所述一個或多個傳感器可以將所采集的傳感器數據傳送到醫學護理人員處的接收單元。當然，這兩種極端情況的組合也是可能的。例如，所述接收單元、所述分析單元和所述預測單元能夠被提供在對象的范圍內，所述排程單元能夠被提供在醫學護理人員的范圍內。在這種情況下，所預測的情況可以被傳送給醫學護理人員，其中，所述排程單元基于所接收的預測的情況來生成排程表。

優選地，所述分析單元適于基于從針對所述過去時間段所接收的傳感器數據導出的特征情況來檢測所述重復模式，其中，所述特征情況表征在所述過去時間段期間的情況變化。一個相關的方法詳細描述于nathaneagle和alexsandypentland的“eigenbehaviors:identifyingstructureinroutine”(“behavioralecologyandsociobiology”，第63卷，第11期，第1057至1066頁，2009年4月))中，通過引用將其整體內容并入本文。他們的概念基于以下認識：行為數據通常包含大量結構并且該行為結構能夠由完整的行為數據集的主要組成部分(作者稱之為“特征行為”的特征向量集合)的加權和來表示。在上述文章中，特征行為，即，跨越“行為空間”并因此表征在過去時間段期間的行為變化的特征向量集合，用于基于個體的手機在九個月的過程中所采集的位置數據來預測個體的未來位置(即，在工作，在家中等)。在本發明中，特征行為的概念的修改版本用于按其“特征情況”(即，情況數據集的主要組成部分)來表示和分析因針對過去時間段所接收的傳感器數據所引起的“情況空間”。

如上所述，所述分析單元適于通過準備度量度來表示所述對象的所述情況，所述準備度量度指示所述對象在給定時間處處理信息的準備度。與對象交互的有效性在很大程度上取決于對象在發起和/或執行交互的時刻處處理信息的準備度。因此，通過以指示對象在給定時間處處理信息的準備度的準備度量度來表示對象的情況，能夠基于在未來時間段期間對象的預測情況(即，基于他/她在未來時間段期間處理信息的預測的準備度)來識別用于與患者的交互的適當時刻。

還優選地，所述傳感器數據包括由一個或多個生物測定傳感器采集的所述對象的生物測定數據和由一個或多個環境傳感器采集的所述對象的環境的環境數據，其中，針對所述過去時間段的所述準備度量度是根據針對所述過去時間段所接收的生物測定數據和針對所述過去時間段所接收的環境數據來確定的。通過利用針對所述過去時間段的生物測定數據和針對所述過去時間段的環境數據，能夠以高可靠性來確定針對所述過去時間段的所述準備度量度。

例如，在一個可能的配置中，所述生物測定數據優選包括以下中的一個或多個：指示所述對象的活動水平的數據和指示對象的放松水平的數據，并且所述環境數據優選包括以下中的一個或多個：指示所述對象的位置的數據、指示所述對象的所述環境中的空氣質量的數據以及指示所述對象附近的人的存在的數據。所述傳感器數據能夠例如借助于以下來進行采集：采集對象的加速度的加速度計(活動水平)、采集對象的心率的心率監測器(放松水平)、采集對象的位置的gps傳感器(位置)、采集對象的環境中的co2的量的co2傳感器(空氣質量)以及采集對象附近的藍牙設備的存在的藍牙設備(對象附近的人的存在)。能夠進一步處理(例如，分類等)針對過去時間段所接收的傳感器數據。在一個范例中，根據所采集的加速度來確定對象的活動水平，其中，所確定的活動水平被分類為多個級別，例如，<低活動水平>、<中活動水平>、<高活動水平>。同樣地，能夠根據所采集的傳感器數據來分別確定放松水平、位置、空氣質量以及對象附近的人的存在，并且所確定的參數能夠被分類為多個級別。例如，可以選取合適的級別：針對放松水平為<低放松水平>、<中放松水平>、<高放松水平>；針對位置為<室內>、<室外>；針對空氣質量為<良好空氣質量>、<中等空氣質量>、<高空氣質量>；針對對象附近的人的存在為<不存在人>、<存在人>。應當注意，除了傳感器數據之外，額外的信息(例如，關于對象的預定知識)能夠用于確定不同的參數。例如，為了確定對象的位置，除了由gps傳感器采集的位置之外，還能夠使用關于對象的家和/或對象的工作場所的位置的預定知識來確定對象在給定時間處是位于室內還是室外。此外，可以使用其他分類，例如，對象附近的人的存在可以被更細分為<不存在人>、<存在少于2人>、<存在少于五人>、<存在5個或更多人>。應當理解，一般來說，較細的分類可以是優選的，只要分類中的額外的細節允許對準備度量度的更精確和/或更魯棒的確定。

在該范例中，所述分析單元優選使用所確定的活動水平、放松水平、位置、空氣質量以及所述對象附近的人的存在來可靠地確定針對所述過去時間段的所述準備度量度。例如，在一個優選實現方式中，所確定的參數以和或加權和的方式進行組合以確定針對所述過去時間段的所述準備度量度。更詳細地，可以對不同參數的各個級別給出不同的分數，并且針對在過去時間段期間的給定時間，可以通過對針對給定時間的傳感器數據的分數進行求和來確定準備度量度。在這種方法中，優選地，分數被合適地選取為使得被認為對對象處理信息的準備度具有更強影響的參數通常被給予比被認為具有較弱影響的參數更大的分數。例如，分數能夠被選取為使得較高的準備度量度指示對象處理信息的準備度較高，而較低的準備度量度指示對象處理信息的準備度較低。準備度量度可以基于分數之和而被進一步分類為多個級別，例如，<低準備度>、<中準備度>、<高準備度>。

如上所述，所述分析單元適于基于針對所述過去時間段所接收的傳感器數據來確定針對所述過去時間段的所述準備度量度，并且適于檢測針對所述過去時間段的所述準備度量度中的所述重復模式，其中，所述預測單元適于基于針對所述當前時間段所接收的傳感器數據和所檢測的重復模式來預測針對所述未來時間段的所述準備度量度。

例如，在一個可能的實現方式中，對針對過去時間段的準備度量度執行特征情況分析，以便確定特征情況，即，跨越“情況空間”的特征向量集合，其表征在過去時間段期間的情況變化，在這里，是對象處理信息的準備度的變化。所述分析能夠以天為單位來執行，在這種情況下，所述特征情況表征在過去時間段期間對象處理信息的準備度的每日變化。最強或最初的特征情況對應于在過去時間段期間對象的每日情況(例如，處理信息的準備度)中的重復模式(參見nathaneagle和alexsandypentland的“eigenbehaviors：identifyingstructureinroutine”(behavioralecologyandsociobiology，第63卷，第11期，第1057至1066頁，2009年4月))。所述重復模式能夠用于“分析”針對當前時間段所接收的傳感器數據，并且用于預測針對未來時間段的準備度量度。如上所述，所述生物測定數據示范性地包括指示對象的活動水平的數據和指示對象的放松水平的數據，并且所述環境數據示范性地包括指示對象的位置的數據、指示對象的環境中的空氣質量的數據以及指示對象附近人的存在的數據。如上所述，能夠進一步處理(例如，分類等)針對當前時間段所接收的傳感器數據，以便分析單元確定對象的活動水平、對象的放松水平、對象的位置、對象的環境中的空氣質量以及對象附近的人的存在，其中，這些參數然后能夠用于可靠地確定針對當前時間段的準備度量度。通過計算針對重復模式的權重使得它們的加權和合適地表示針對當前時間段的準備度量度，然后能夠預測針對當前時間段的準備度量度。

優選地，所述排程單元適于基于針對所述未來時間段所預測的準備度量度來生成所述排程表。如上所述，通過使排程表生成基于對象在未來時間段期間的預測的處理信息的準備度，能夠識別用于與患者交互的適當時刻。例如，在上述范例中，與對象的交互可以被排程在預測的準備度量度呈現<高準備度>的未來時間段期間的時間內。

還優選的是，所述當前時間段對應于當天的第一部分，而所述未來時間段對應于當天的稍后部分。例如，當前時間段能夠對應于當天的第一半部，即，從上午12點到晚上12點，而未來時間段能夠對應于當天的第二半部，即，從下午12點到上午12點。然后，預測單元能夠基于針對當天的第一半部所接收的傳感器數據和所檢測的重復模式來預測對象在當天的第二半部期間的情況(例如，處理信息的準備度)。排程單元然后能夠基于在該(還是未來)時間段期間的預測的對象的情況來生成用于在當天的第二半部與對象進行交互的排程表。當天的第一部分不一定是連續的部分，而是也能夠包括多個不連續的子部分，例如，從上午12點到上午4點和從上午8點到下午12點。這也適用于當天的稍后部分，即，其能夠例如是從下午2點到下午4點和從下午6點到下午8點。

優選地，所述分析單元適于在已經接收到針對與所述過去時間段相比更近的時間段的額外的傳感器數據時更新對所述重復模式的所述檢測。這允許分析單元利用盡可能多的接收到的傳感器數據來檢測重復模式，這將隨時間推移引起對尤其是更小和更不頻繁發生的模式的改進的檢測。例如，在分析單元分析以天為單位的所接收的傳感器數據的情況下，當已經接收到針對過去一天的傳感器數據時，可以每天更新對重復模式的檢測。

還優選的是，所述排程系統還包括用于采集所述傳感器數據的所述一個或多個傳感器。

在本發明的另外的方面中，提出了一種用于與對象進行交互的交互系統，其中，所述交互系統包括：

-根據權利要求1至6中的任一項所述的排程系統，以及

-用于與所述對象進行交互的交互子系統。

優選地，所述交互子系統包括用于執行與所述對象的視頻對話的系統和/或用于向所述對象呈現媒體內容的系統。所述媒體內容優選包括移動的圖片內容和/或靜止的圖片內容和/或音頻內容和/或文本內容。與所述對象的視頻對話能夠是由于影響所述對象改變他/她的行為的有效手段，這是因為它允許與諸如醫生、護士或藥劑師的醫學護理人員進行直接的個人接觸。額外地或備選地，將媒體內容呈現給對象的可能性能夠允許向對象呈現教育媒體內容，例如，圖示應當如何執行可以改善或至少穩定對象的醫學病癥的某些練習的媒體內容、圖示應當如何服用藥物的媒體內容等。所述媒體內容能夠包括移動的圖片內容、靜態的圖片內容、音頻內容或文本內容，或者這些元素的任何組合。例如，練習的圖示可以包括視頻(即，移動的圖片內容)以及描述性文本。額外地，該練習可以用言語來解釋，即，該圖示還可以包括音頻內容。在示范性備選方案中，可以借助于多幅靜止圖片來圖示相同的練習，例如解釋練習的多幅照片或多個圖示性圖形元素(類似于在健身室裝備上示出的用于解釋利用裝備進行練習的那些)。

還優選地，所述交互子系統適于向所述對象發送消息以用于提示所述對象參與交互。已經發現，與對象(尤其是患者)有效地交互的機會是非常有限的。提示對象參與交互(例如觀看或聽取教育媒體內容或參加與醫學護理人員的視頻對話)是使對象參加的有效方式。事實上，本發明人之一在關于“坐行為”的研究中已經發現，有說服力的消息(即，提示)的發送在改變行為上能夠比研究的參與者能夠從網站得到的實際的信息內容更為有效(參見saskiavandantzig、gijsgeleijnse和aarttijmenvanhalteren的“towardapersuasivemobileapplicationtoreducesedentarybehavior”(personalandubiquitouscomputing，第17卷，第6期，第1237至1246頁，2013年8月))。

優選地，所述交互子系統適于根據所生成的排程表來自動發起與所述對象的交互。于是，能夠實現自動交互子系統，所述自動交互子系統在適當時刻處發起與對象的交互。例如，交互子系統能夠向對象自動呈現教育媒體內容，而不要求醫學護理人員發起和執行交互。

還優選地，所述交互子系統適于允許所述對象拒絕所發起的交互，其中，所述交互子系統還適于根據所生成的排程表在一稍后的時間處自動重新發起與所述對象的交互。這考慮到，在某些情況下，根據所生成的排程表發起交互的時刻可能確實不是與對象進行交互的好時刻，例如，因為對象當天的情況強烈偏離了他/她的“重復情況”，使得預測的情況實際上是不準確的，或者因為即使預測的情況是相當準確的，但是發生了一些異常的事情，這使得該對象不方便參與交互。在這種情況下，不必完全錯過與對象交互的可能性，但是能夠根據所生成的排程表在稍后的時間處再次嘗試發起與對象的交互。

在本發明的另外的方面中，提出了一種用于對與對象的交互進行排程的計算機實施的排程方法，其中，所述排程方法包括：

-由接收單元接收由一個或多個傳感器采集的傳感器數據，其中，所述傳感器數據指示所述對象的情況，

-由分析單元分析針對過去時間段所接收的傳感器數據，以檢測在所述過去時間段期間所述對象的所述情況中的重復模式，

-由預測單元基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在未來時間段期間所述對象的所述情況，并且

-由排程單元基于所預測的情況來生成用于與所述對象進行交互的排程表，

其中，所述分析單元通過準備度量度來表示所述對象的所述情況，所述準備度量度指示所述對象在給定時間處處理信息的準備度，其中，所述分析單元基于針對所述過去時間段所接收的傳感器數據來確定針對所述過去時間段的所述準備度量度，并且檢測針對所述過去時間段的所述準備度量度中的所述重復模式，其中，所述預測單元基于針對所述當前時間段所接收的傳感器數據和所檢測的重復模式來預測針對所述未來時間段的所述準備度量度。

在本發明的另外的方面中，提出了一種用于對與對象的交互進行排程的排程計算機程序，其中，所述排程計算機程序包括程序代碼模塊，所述程序代碼模塊用于當所述排程計算機程序在控制根據權利要求1至6中的任一項所述的排程系統的計算機上運行時令所述排程系統執行根據權利要求12所述的排程方法的步驟。

應當理解，權利要求1的排程系統、權利要求7的交互系統、權利要求12的排程方法和權利要求13的排程計算機程序具有尤其是如在從屬權利要求中所定義的相似和/或相同的優選實施例。

應當理解，本發明的優選實施例也能夠是從屬權利要求與各自的獨立權利要求的任何組合。

參考下文描述的實施例，本發明的這些方面和其它方面將是明顯的并且得到闡明。

附圖說明

在附圖中：

圖1示意性且示范性地示出了用于與對象進行交互的交互系統的實施例，

圖2示意性且示范性地示出了分析單元和預測單元使用特征情況分析的處理，并且

圖3示出了示范性地圖示用于對與對象的交互進行排程的排程方法的實施例的流程圖。

具體實施方式

圖1示意性且示范性地示出了用于與對象3進行交互的交互系統1的實施例，在該范例中，所述對象3是患者，尤其是患有慢性醫學病癥的患者。交互系統1包括用于對與患者3的交互進行排程的排程系統2和用于與患者3進行交互的交互子系統10。交互系統1可以由例如想要與患者3進行交互的醫學護理人員(例如，醫生、護士或藥劑師)使用。

在該實施例中，排程系統2包括用于采集傳感器數據的一個或多個傳感器4、5，其中，所述傳感器數據指示患者3的情況。所述一個或多個傳感器4、5包括用于采集患者3的生物測定數據的一個或多個(這里為兩個)生物測定傳感器4(在附圖中未單獨示出)以及用于采集患者3的環境的環境數據的一個或多個(這里為三個)環境傳感器5(在附圖中也未單獨示出)。排程系統2還包括：接收單元6，其適于接收由一個或多個傳感器4、5采集的傳感器數據；分析單元7，其適于分析針對過去時間段所接收的傳感器數據，以檢測在過去時間段期間患者3的情況中的重復模式；預測單元8，其適于基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在未來時間段期間患者3的情況；以及排程單元9，其適于基于所預測的情況來生成用于與患者3進行交互的排程表。由于排程單元9利用預測的情況來生成用于與患者3進行交互的排程表，因此排程單元9能夠識別用于交互的適當時刻。

在該范例中，分析單元7適于基于從針對過去時間段所接收的傳感器數據導出的特征情況來檢測重復模式。此外，分析單元7適于通過準備度量度來表示患者3的情況，所述準備度量度指示患者3在給定時間處處理信息的準備度。將參考圖2更詳細地描述這些方面，圖2示意性且示范地示出了分析單元7和預測單元8使用特征情況分析的處理。

這里，已經接收到針對其中由兩個生物測定傳感器4和三個環境傳感器5采集的傳感器數據20的過去時間段是12周(在附圖中被標示為第0天至第83天)。所述生物測定數據包括指示患者3的活動水平的數據21和指示患者3的放松水平的數據22，并且所述環境數據包括指示患者3的位置的數據23、指示患者3的環境的空氣質量的數據24和指示患者3附近的人的存在的數據25。所述傳感器數據借助于以下來進行采集：采集患者3的加速度的加速度計(活動水平)、采集患者3的心率的心率監測器(放松水平)、采集患者3的位置的gps傳感器(位置)、采集在患者3的環境中的co2的量的co2傳感器(空氣質量)以及采集患者3附近的藍牙設備的存在的藍牙設備(患者附近的人的存在)。針對過去時間段所接收的傳感器數據20被進一步處理，例如被分類等。在該范例中，根據所采集的加速度來確定患者3的活動水平，其中，所確定的活動水平被分類為三個級別，即，<低活動水平>、<中活動水平>、<高活動水平>。同樣地，根據所采集的傳感器數據分別確定患者3的放松水平、位置、空氣質量和附近的人的存在，并且將所確定的參數分類為多個級別。這里，合適的級別被選取為：針對放松水平為<低放松水平>、<中放松水平>、<高放松水平>；針對位置為<室內>、<室外>；針對空氣質量為<良好空氣質量>、<中等空氣質量>、<高空氣質量>；針對患者3附近的人的存在為<不存在人>、<存在人>。應當注意，除了傳感器數據之外，額外的信息(例如關于患者3的預定知識)能夠用于確定不同的參數。例如，為了確定患者3的位置，除了由gps傳感器采集的位置之外，還能夠使用關于患者的家和/或患者的工作場所的位置的預定知識來確定患者3在給定時間處是位于室內還是室外。

在該范例中，分析單元7使用所確定的活動水平、放松水平、位置、空氣質量和患者3附近的人的存在來可靠地確定針對已經接收到所采集的傳感器數據20的過去時間段(即，12周)的準備度量度31。在一個優選實現方式中，所確定的參數以和或加權和的方式進行組合以確定針對過去時間段的準備度量度31。更詳細地，對不同參數的各個級別給出不同的分數，并且針對在過去時間段期間的給定時間，通過對針對給定的時間的傳感器數據20的分數(即，活動水平、放松水平、位置、空氣質量和患者3附件的人的存在)進行求和來確定準備度量度31。在這種方法中，分數被合適地選取為使得被認為對患者處理信息的準備度具有更強影響的參數通常被給予比被認為具有較弱影響的參數更大的分數。例如，分數能夠被選取為使得較高的準備度量度指示患者處理信息的準備度較高，而較低的準備度量度指示患者處理信息的準備度較低。在該范例中，準備度量度基于分數之和而被進一步分類為三個級別，即，<低準備度>、<中準備度>、<高準備度>。

在該實施例中，分析單元7適于檢測針對過去時間段的準備度量度31中的重復模式32，其中，預測單元8適于基于針對當前時間段所接收的傳感器數據40和所檢測的重復模式32來預測針對未來時間段的準備度量度34。更詳細地，對針對過去時間段的準備度量度31執行特征情況分析，以便確定特征情況，即，跨越“情況空間”的特征向量集合，其表征在過去時間段期間的情況變化，在這里，是患者3處理信息的準備度的變化。在這里，所述分析以天為單位來執行，即，所述特征情況表征在過去時間段期間患者3處理信息的準備度的每日變化。最強或最初的特征情況對應于在過去時間段期間患者3的每日情況(例如，處理信息的準備度)中的重復模式(參見nathaneagle和alexsandypentland的“eigenbehaviors：identifyingstructureinroutine”(behavioralecologyandsociobiology，第63卷，第11期，第1057至1066頁，2009年4月))。重復模式32能夠用于“分析”針對當前時間段所接收的傳感器數據，并且用于預測針對未來時間段的準備度量度。接收針對其中由兩個生物測定傳感器4和三個環境傳感器5采集的傳感器數據40的當前時間段對應于當天的第一部分(在附圖中被標示為第84天)，這里為當天的第一半部，即，從上午12點到下午12點，而未來時間段對應于當天的稍后部分，這里為當天的第二半部，即，下午12點到上午12點。如上所述，所述生物測定數據包括指示患者3的活動水平的數據41和指示患者3的放松水平的數據42，并且環境數據包括指示患者3的位置的數據43、指示患者3的環境中的空氣質量的數據44以及指示患者3附近的人的存在的數據45。在該范例中，如上所述，進一步處理(例如，分類等)針對當前時間段所接收的傳感器數據40，以便分析單元7確定患者3的活動水平、患者3的放松水平、患者3的位置、患者3的環境中的空氣質量以及患者3附近的人的存在，其中，這些參數然后用于可靠地確定針對當天的第一半部的準備度量度33。通過計算針對重復模式32的權重使得它們的加權和合適地表示針對當天的第一半部的準備度量度33，然后能夠預測針對當天的第二半部的準備度量度34。

排程單元9在這里適于基于針對未來時間段(這里為當天的第二半部)所預測的的準備度量度34來生成排程表。例如，與患者3的交互被排程在預測的準備度量度34呈現<高準備度>的當天的第二半部期間的時間內。

返回參考圖1，交互子系統10包括用于執行與患者3的視頻對話的系統。這允許與諸如醫生、護士或藥劑師的醫學護理人員進行直接的個人接觸。額外地或備選地，交互子系統10能夠包括用于向患者3呈現媒體內容的系統。所述媒體內容能夠包括移動的圖片內容和/或靜止的圖片內容和/或音頻內容和/或文本內容。這允許向患者3呈現教育媒體內容，例如，例如，圖示應當如何執行可以改善或至少穩定對象的醫學病癥的某些練習的媒體內容、圖示應當如何服用藥物的媒體內容等。

在該實施例中，交互子系統10適于向患者3發送消息以用于提示患者3參與交互。已經發現，與患者3(尤其是患者)有效地交互的機會是非常有限的。提示患者3參與交互(例如觀看或聽取教育媒體內容或參加與醫學護理人員的視頻對話)是使患者3參加的有效方式。

如果交互子系統10包括用于向患者3呈現媒體內容的系統，則其優選適于根據所生成的排程表來自動發起與患者3的交互。于是，能夠實現自動交互子系統10，所述自動交互子系統10在適當時刻處發起與患者3的交互，而不要求醫學護理人員發起和執行交互。

交互子系統10能夠適于允許患者3拒絕所發起的交互，其中，交互子系統10還適于根據所生成的排程表在稍后的時間處自動重新發起與患者3的交互。這考慮到，在某些情況下，根據所生成的排程表發起交互的時刻可能確實不是與患者3進行交互的好時刻，例如，因為患者3當天處理信息的準備度強烈偏離了他/她的“重復情況”。在這種情況下，不必完全錯過與患者3交互的可能性，但是能夠根據所生成的排程表在稍后的時間處再次嘗試發起與患者3的交互。

在下文中，將參考圖3中示出的流程圖來示范性地描述用于對與對象3的交互進行排程的排程方法的實施例，在該范例中，對象3是患者，尤其是患有慢性醫學病癥的患者。所述排程方法能夠例如里一共參考圖1描述的排程系統2來執行。

在步驟101中，由接收單元6接收由一個或多個傳感器4、5采集的傳感器數據，其中，所述傳感器數據指示患者3的情況。在步驟102中，由分析單元7分析針對過去時間段所接收的傳感器數據，以檢測患者3的情況中的重復模式。在步驟103中，由預測單元8基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在未來時間段期間患者3的情況。在步驟104中，由排程單元9基于所預測的情況來生成用于與患者3進行交互的排程表。

所述排程方法能夠是用于與對象3進行交互的交互方法的部分，在該范例中，所述對象3可以是患者，尤其是患有慢性醫學病癥的患者，其中，該方法可以包括通過交互子系統10與患者3進行交互的額外的步驟。所述交互方法能夠例如利用參考圖1描述的交互系統1來執行。

本發明還涉及一種用于對與對象的交互進行排程的排程計算機程序。所述排程計算機程序也能夠是用于與對象進行交互的交互計算機程序的部分。

應當注意，在上面參考圖1描述的交互系統的實施例中，分析單元7能夠適于在已經收到針對與過去時間段相比更近的時間段的額外的傳感器數據時更新對重復模式的檢測。這允許分析單元7利用盡可能多的接收到的傳感器數據來檢測重復模式，這將隨時間推移引起對尤其是更小和更不頻繁發生的模式的改進的檢測。

本領域技術人員通過研究附圖、公開內容以及權利要求，在實踐請求保護的發明時能夠理解并實現對所公開的實施例的其他變型。

在權利要求中，“包括”一詞不排除其他元件或步驟，并且詞語“一”或“一個”不排除多個。

單個單元或設備可以實現在權利要求中記載的若干項的功能。盡管某些措施被記載在互不相同的從屬權利要求中，但是這并不指示不能有利地使用這些措施的組合。

由一個或幾個單元或設備執行的操作(如對針對過去時間段所接收的傳感器數據的分析以檢測對象的情況中的重復模式、基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在未來時間段期間的對象的情況、以及可以基于所預測的情況來生成用于與對象進行交互的排程表的操作等)能夠由任何其它數量的單元或設備來執行。例如，分析單元能夠與預測單元集成為單個單元或設備。

排程裝置根據排程方法的操作和/或控制可以被實施為計算機程序的程序代碼和/或專用硬件。所述計算機程序可以被存儲/分布在合適的子系統上，例如與其他硬件一起或作為其他硬件的部分供應的光學存儲子系統或固態子系統，但是也可以被以其他形式分布，例如經由互聯網或其他有線或無線的電信系統。

權利要求中的任何附圖標記都不應被解釋為對范圍的限制。

本發明涉及一種用于對與對象的交互進行排程的排程系統。接收單元接收由一個或多個傳感器采集的傳感器數據，其中，所述傳感器數據指示所述對象的情況。分析單元分析針對過去時間段所接收的傳感器數據，以檢測在所述過去時間段期間所述對象的所述情況中的重復模式。預測單元基于針對當前時間段所接收的傳感器數據和所檢測的重復模式來預測在未來時間段期間所述對象的所述情況。排程單元基于所預測的情況來生成用于與所述對象進行交互的排程表。由于所述排程單元利用所預測的情況來生成用于與所述對象進行交互的排程表，因此所述排程單元能夠識別用于交互的適當時刻。

盡管已經在附圖和前面的描述中詳細圖示和描述了本發明，但是這樣的圖示和描述應當被認為是圖示性或示范性的，而非限制性的；本發明不限于所公開的實施例。本領域技術人員通過研究附圖、公開內容以及權利要求，在實踐請求保護的發明時能夠理解并實現對所公開的實施例的其他變型。在權利要求中，“包括”一詞不排除其他元件或步驟，并且詞語“一”或“一個”不排除多個。盡管某些措施被記載在互不相同的從屬權利要求中，但是這并不指示不能有利地使用這些措施的組合。計算機程序可以被存儲/分布在合適的介質上，例如與其他硬件一起或作為其他硬件的部分供應的光學存儲介質或固態介質，但是也可以被以其他形式分布，例如經由互聯網或其他有線或無線的電信系統。權利要求中的任何附圖標記都不應被解釋為對范圍的限制。