对与对象的交互进行排程的制作方法

本发明涉及用于对与对象的交互进行排程的排程系统、排程方法和排程计算机程序。本发明还涉及用于与对象进行交互的交互系统，该交互系统包括排程系统。

背景技术：

不健康的生活方式被认为是慢性医学病症的根本原因之一。例如，研究表明，不健康的习惯可能导致更多和/或更严重的疾病以及更多次和/或更长时间的住院治疗。为了改善病症，患者往往需要改变其一种或多种生活习惯和/或行为。然而，在研究中也发现，不断改变不健康习惯往往不是简单直接的，维持行为改变确实对患者来说是相当具有挑战性的。

考虑到习惯具有自动、强大且背景驱动的本质，它们很难改变，这是可以理解的。因此，在许多情况下期望患者在努力改变时得到支持，例如通过来自医学护理人员的交互。研究表明，为了影响患者的健康行为，与患者的交互的时机很重要。在错误的时间传递正确的信息不是很有效。因此，需要能够识别用于与患者交互的适当时刻的系统。

us2004/0003042a1涉及促进实体之间(例如在自动化应用，通信方和/或其组合之间)的协作和通信的系统和方法。所公开的系统和方法包括通过学习提供用户的存在和可用性的一个或多个方面的预测的预测性模型来支持协作和通信的服务。存在预测包括以不同级别的位置精度的用户的当前位置或未来位置以及不同设备或应用的用途。可用性评估包括关于以不同方式中断用户的成本以及用户当前或未来访问一个或多个通信通道的推论。除了分析例如用户日程表的内容、一天中的时间和一周中的天之外，还根据通过考虑用户活动和与多个设备的接近度收集的数据来构建预测性模型。

技术实现要素：

本发明的目的是提供用于对与对象的交互进行排程的排程系统、排程方法和排程计算机程序，其允许识别与对象交互的适当时刻。本发明的另外的目的是提供一种用于与对象进行交互的交互系统，该交互系统包括排程系统。

在本发明的第一方面中，提出了一种用于对与对象的交互进行排程的排程系统，其中，所述排程系统包括：

-接收单元，其适于接收由一个或多个传感器采集的传感器数据，其中，所述传感器数据指示所述对象的情况，

-分析单元，其适于分析针对过去时间段所接收的传感器数据，以检测在所述过去时间段期间所述对象的所述情况中的重复模式，

-预测单元，其适于基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在一未来时段期间所述对象的所述情况，以及

-排程单元，其适于基于所预测的情况来生成用于与所述对象进行交互的排程表，

其中，所述分析单元适于通过准备度量度来表示所述对象的所述状况，所述准备度量度指示所述对象在给定时间处处理信息的准备度，其中，所述分析单元适于基于针对所述过去时间段所接收的传感器数据来确定针对所述过去时间段的所述准备度量度，并且适于检测针对所述过去时间段的所述准备度量度中的所述重复模式，其中，所述预测单元适于基于针对所述当前时间段所接收的传感器数据和所检测的重复模式来预测针对所述未来时间段的所述准备度量度。

通过分析针对过去时间段所接收的传感器数据，所述分析单元能够检测在所述过去时间段期间所述对象的所述情况中的重复模式。所检测的重复模式然后能够由所述预测单元利用，以基于针对当前时间段所接收的传感器数据来预测在未来时间段期间所述对象的所述情况。由于所述排程单元利用所预测的情况来生成用于与所述对象进行交互的排程表，因此所述排程单元能够识别用于交互的适当时刻。

所述对象优选是医学对象，即，患者，尤其是患有慢性医学病症的患者，即，后果持久性或其它持续性的健康状况或疾病或者随时间发生的疾病。例如，如果持续超过三个月，世界卫生组织将医学病症分类为慢性疾病。慢性医学病症的一些众所周知的例子包括精神疾病、糖尿病、高血压、癫痫、阿尔茨海默病、帕金森氏病等。

所述过去时间段能够是例如几天、几周或者甚至几个月。一般而言，优选的是所述过去时间段相对较长，以便具有足够的传感器数据可用而允许所述分析单元执行对在所述过去段时间期间所述对象的所述情况中的所述重复模式的鲁棒且高质量的检测。

所述分析单元优选以某些时间单位(例如以天为单位)来分析针对所述过去段时间所接收的传感器数据。在这种情况下，可以比较所述过去时间段中的每天中所述对象的所述情况，以便找到在所述过去时间段期间所述对象的日常情况中的重复模式。当然，在分析中也可以考虑在较粗糙的时间基础上(例如在每周或每14天的基础上)重复的模式。

在所述对象的所述情况中的所检测的重复模式能够被认为是“重复情况”，这是对象在重复基础上所经历的。

由所述排程单元生成的所述排程表优选包括被认为适合与所述对象交互的至少一个时间。例如，所生成的排程表可以指示当天从下午2点到下午5点的时间段作为适合与所述对象交互的时间段。

应当理解，如在本文中所使用的，所述对象的所述情况能够受到所述对象的行为和/或所述对象的环境的影响，优选地受到所述行为和所述环境两者的影响，如将在下面更加详细地示范性地解释的。

能够一起提供所述排程系统的不同单元，即，所述排程系统能够仅包括本地单元，所述本地单元被提供在所述对象的范围内，或者所述排程系统能够是空间分布的，即，所述排程系统能够包括本地单元和远程单元，所述本地单元被提供在所述对象的所述范围内，所述远程单元被提供在想要与所述对象进行交互的医学护理人员(例如，医生、护士或药剂师)的范围内。例如，在一个可能的配置中，所述接收单元、所述分析单元、所述预测单元和所述排程单元都被提供在所述对象的范围内。在这种情况下，可以借助于合适的传输技术(例如，基于当今的互联网标准、移动通信标准等的技术)将所生成的排程表传送给医学护理人员。在另一可能的配置中，所述接收单元、所述分析单元、所述预测单元和所述排程单元都能够被提供在医学护理人员的范围内。在这种情况下，只有一个或多个传感器可以被提供在对象的范围内，并且所述一个或多个传感器可以将所采集的传感器数据传送到医学护理人员处的接收单元。当然，这两种极端情况的组合也是可能的。例如，所述接收单元、所述分析单元和所述预测单元能够被提供在对象的范围内，所述排程单元能够被提供在医学护理人员的范围内。在这种情况下，所预测的情况可以被传送给医学护理人员，其中，所述排程单元基于所接收的预测的情况来生成排程表。

优选地，所述分析单元适于基于从针对所述过去时间段所接收的传感器数据导出的特征情况来检测所述重复模式，其中，所述特征情况表征在所述过去时间段期间的情况变化。一个相关的方法详细描述于nathaneagle和alexsandypentland的“eigenbehaviors:identifyingstructureinroutine”(“behavioralecologyandsociobiology”，第63卷，第11期，第1057至1066页，2009年4月))中，通过引用将其整体内容并入本文。他们的概念基于以下认识：行为数据通常包含大量结构并且该行为结构能够由完整的行为数据集的主要组成部分(作者称之为“特征行为”的特征向量集合)的加权和来表示。在上述文章中，特征行为，即，跨越“行为空间”并因此表征在过去时间段期间的行为变化的特征向量集合，用于基于个体的手机在九个月的过程中所采集的位置数据来预测个体的未来位置(即，在工作，在家中等)。在本发明中，特征行为的概念的修改版本用于按其“特征情况”(即，情况数据集的主要组成部分)来表示和分析因针对过去时间段所接收的传感器数据所引起的“情况空间”。

如上所述，所述分析单元适于通过准备度量度来表示所述对象的所述情况，所述准备度量度指示所述对象在给定时间处处理信息的准备度。与对象交互的有效性在很大程度上取决于对象在发起和/或执行交互的时刻处处理信息的准备度。因此，通过以指示对象在给定时间处处理信息的准备度的准备度量度来表示对象的情况，能够基于在未来时间段期间对象的预测情况(即，基于他/她在未来时间段期间处理信息的预测的准备度)来识别用于与患者的交互的适当时刻。

还优选地，所述传感器数据包括由一个或多个生物测定传感器采集的所述对象的生物测定数据和由一个或多个环境传感器采集的所述对象的环境的环境数据，其中，针对所述过去时间段的所述准备度量度是根据针对所述过去时间段所接收的生物测定数据和针对所述过去时间段所接收的环境数据来确定的。通过利用针对所述过去时间段的生物测定数据和针对所述过去时间段的环境数据，能够以高可靠性来确定针对所述过去时间段的所述准备度量度。

例如，在一个可能的配置中，所述生物测定数据优选包括以下中的一个或多个：指示所述对象的活动水平的数据和指示对象的放松水平的数据，并且所述环境数据优选包括以下中的一个或多个：指示所述对象的位置的数据、指示所述对象的所述环境中的空气质量的数据以及指示所述对象附近的人的存在的数据。所述传感器数据能够例如借助于以下来进行采集：采集对象的加速度的加速度计(活动水平)、采集对象的心率的心率监测器(放松水平)、采集对象的位置的gps传感器(位置)、采集对象的环境中的co2的量的co2传感器(空气质量)以及采集对象附近的蓝牙设备的存在的蓝牙设备(对象附近的人的存在)。能够进一步处理(例如，分类等)针对过去时间段所接收的传感器数据。在一个范例中，根据所采集的加速度来确定对象的活动水平，其中，所确定的活动水平被分类为多个级别，例如，<低活动水平>、<中活动水平>、<高活动水平>。同样地，能够根据所采集的传感器数据来分别确定放松水平、位置、空气质量以及对象附近的人的存在，并且所确定的参数能够被分类为多个级别。例如，可以选取合适的级别：针对放松水平为<低放松水平>、<中放松水平>、<高放松水平>；针对位置为<室内>、<室外>；针对空气质量为<良好空气质量>、<中等空气质量>、<高空气质量>；针对对象附近的人的存在为<不存在人>、<存在人>。应当注意，除了传感器数据之外，额外的信息(例如，关于对象的预定知识)能够用于确定不同的参数。例如，为了确定对象的位置，除了由gps传感器采集的位置之外，还能够使用关于对象的家和/或对象的工作场所的位置的预定知识来确定对象在给定时间处是位于室内还是室外。此外，可以使用其他分类，例如，对象附近的人的存在可以被更细分为<不存在人>、<存在少于2人>、<存在少于五人>、<存在5个或更多人>。应当理解，一般来说，较细的分类可以是优选的，只要分类中的额外的细节允许对准备度量度的更精确和/或更鲁棒的确定。

在该范例中，所述分析单元优选使用所确定的活动水平、放松水平、位置、空气质量以及所述对象附近的人的存在来可靠地确定针对所述过去时间段的所述准备度量度。例如，在一个优选实现方式中，所确定的参数以和或加权和的方式进行组合以确定针对所述过去时间段的所述准备度量度。更详细地，可以对不同参数的各个级别给出不同的分数，并且针对在过去时间段期间的给定时间，可以通过对针对给定时间的传感器数据的分数进行求和来确定准备度量度。在这种方法中，优选地，分数被合适地选取为使得被认为对对象处理信息的准备度具有更强影响的参数通常被给予比被认为具有较弱影响的参数更大的分数。例如，分数能够被选取为使得较高的准备度量度指示对象处理信息的准备度较高，而较低的准备度量度指示对象处理信息的准备度较低。准备度量度可以基于分数之和而被进一步分类为多个级别，例如，<低准备度>、<中准备度>、<高准备度>。

如上所述，所述分析单元适于基于针对所述过去时间段所接收的传感器数据来确定针对所述过去时间段的所述准备度量度，并且适于检测针对所述过去时间段的所述准备度量度中的所述重复模式，其中，所述预测单元适于基于针对所述当前时间段所接收的传感器数据和所检测的重复模式来预测针对所述未来时间段的所述准备度量度。

例如，在一个可能的实现方式中，对针对过去时间段的准备度量度执行特征情况分析，以便确定特征情况，即，跨越“情况空间”的特征向量集合，其表征在过去时间段期间的情况变化，在这里，是对象处理信息的准备度的变化。所述分析能够以天为单位来执行，在这种情况下，所述特征情况表征在过去时间段期间对象处理信息的准备度的每日变化。最强或最初的特征情况对应于在过去时间段期间对象的每日情况(例如，处理信息的准备度)中的重复模式(参见nathaneagle和alexsandypentland的“eigenbehaviors：identifyingstructureinroutine”(behavioralecologyandsociobiology，第63卷，第11期，第1057至1066页，2009年4月))。所述重复模式能够用于“分析”针对当前时间段所接收的传感器数据，并且用于预测针对未来时间段的准备度量度。如上所述，所述生物测定数据示范性地包括指示对象的活动水平的数据和指示对象的放松水平的数据，并且所述环境数据示范性地包括指示对象的位置的数据、指示对象的环境中的空气质量的数据以及指示对象附近人的存在的数据。如上所述，能够进一步处理(例如，分类等)针对当前时间段所接收的传感器数据，以便分析单元确定对象的活动水平、对象的放松水平、对象的位置、对象的环境中的空气质量以及对象附近的人的存在，其中，这些参数然后能够用于可靠地确定针对当前时间段的准备度量度。通过计算针对重复模式的权重使得它们的加权和合适地表示针对当前时间段的准备度量度，然后能够预测针对当前时间段的准备度量度。

优选地，所述排程单元适于基于针对所述未来时间段所预测的准备度量度来生成所述排程表。如上所述，通过使排程表生成基于对象在未来时间段期间的预测的处理信息的准备度，能够识别用于与患者交互的适当时刻。例如，在上述范例中，与对象的交互可以被排程在预测的准备度量度呈现<高准备度>的未来时间段期间的时间内。

还优选的是，所述当前时间段对应于当天的第一部分，而所述未来时间段对应于当天的稍后部分。例如，当前时间段能够对应于当天的第一半部，即，从上午12点到晚上12点，而未来时间段能够对应于当天的第二半部，即，从下午12点到上午12点。然后，预测单元能够基于针对当天的第一半部所接收的传感器数据和所检测的重复模式来预测对象在当天的第二半部期间的情况(例如，处理信息的准备度)。排程单元然后能够基于在该(还是未来)时间段期间的预测的对象的情况来生成用于在当天的第二半部与对象进行交互的排程表。当天的第一部分不一定是连续的部分，而是也能够包括多个不连续的子部分，例如，从上午12点到上午4点和从上午8点到下午12点。这也适用于当天的稍后部分，即，其能够例如是从下午2点到下午4点和从下午6点到下午8点。

优选地，所述分析单元适于在已经接收到针对与所述过去时间段相比更近的时间段的额外的传感器数据时更新对所述重复模式的所述检测。这允许分析单元利用尽可能多的接收到的传感器数据来检测重复模式，这将随时间推移引起对尤其是更小和更不频繁发生的模式的改进的检测。例如，在分析单元分析以天为单位的所接收的传感器数据的情况下，当已经接收到针对过去一天的传感器数据时，可以每天更新对重复模式的检测。

还优选的是，所述排程系统还包括用于采集所述传感器数据的所述一个或多个传感器。

在本发明的另外的方面中，提出了一种用于与对象进行交互的交互系统，其中，所述交互系统包括：

-根据权利要求1至6中的任一项所述的排程系统，以及

-用于与所述对象进行交互的交互子系统。

优选地，所述交互子系统包括用于执行与所述对象的视频对话的系统和/或用于向所述对象呈现媒体内容的系统。所述媒体内容优选包括移动的图片内容和/或静止的图片内容和/或音频内容和/或文本内容。与所述对象的视频对话能够是由于影响所述对象改变他/她的行为的有效手段，这是因为它允许与诸如医生、护士或药剂师的医学护理人员进行直接的个人接触。额外地或备选地，将媒体内容呈现给对象的可能性能够允许向对象呈现教育媒体内容，例如，图示应当如何执行可以改善或至少稳定对象的医学病症的某些练习的媒体内容、图示应当如何服用药物的媒体内容等。所述媒体内容能够包括移动的图片内容、静态的图片内容、音频内容或文本内容，或者这些元素的任何组合。例如，练习的图示可以包括视频(即，移动的图片内容)以及描述性文本。额外地，该练习可以用言语来解释，即，该图示还可以包括音频内容。在示范性备选方案中，可以借助于多幅静止图片来图示相同的练习，例如解释练习的多幅照片或多个图示性图形元素(类似于在健身室装备上示出的用于解释利用装备进行练习的那些)。

还优选地，所述交互子系统适于向所述对象发送消息以用于提示所述对象参与交互。已经发现，与对象(尤其是患者)有效地交互的机会是非常有限的。提示对象参与交互(例如观看或听取教育媒体内容或参加与医学护理人员的视频对话)是使对象参加的有效方式。事实上，本发明人之一在关于“坐行为”的研究中已经发现，有说服力的消息(即，提示)的发送在改变行为上能够比研究的参与者能够从网站得到的实际的信息内容更为有效(参见saskiavandantzig、gijsgeleijnse和aarttijmenvanhalteren的“towardapersuasivemobileapplicationtoreducesedentarybehavior”(personalandubiquitouscomputing，第17卷，第6期，第1237至1246页，2013年8月))。

优选地，所述交互子系统适于根据所生成的排程表来自动发起与所述对象的交互。于是，能够实现自动交互子系统，所述自动交互子系统在适当时刻处发起与对象的交互。例如，交互子系统能够向对象自动呈现教育媒体内容，而不要求医学护理人员发起和执行交互。

还优选地，所述交互子系统适于允许所述对象拒绝所发起的交互，其中，所述交互子系统还适于根据所生成的排程表在一稍后的时间处自动重新发起与所述对象的交互。这考虑到，在某些情况下，根据所生成的排程表发起交互的时刻可能确实不是与对象进行交互的好时刻，例如，因为对象当天的情况强烈偏离了他/她的“重复情况”，使得预测的情况实际上是不准确的，或者因为即使预测的情况是相当准确的，但是发生了一些异常的事情，这使得该对象不方便参与交互。在这种情况下，不必完全错过与对象交互的可能性，但是能够根据所生成的排程表在稍后的时间处再次尝试发起与对象的交互。

在本发明的另外的方面中，提出了一种用于对与对象的交互进行排程的计算机实施的排程方法，其中，所述排程方法包括：

-由接收单元接收由一个或多个传感器采集的传感器数据，其中，所述传感器数据指示所述对象的情况，

-由分析单元分析针对过去时间段所接收的传感器数据，以检测在所述过去时间段期间所述对象的所述情况中的重复模式，

-由预测单元基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在未来时间段期间所述对象的所述情况，并且

-由排程单元基于所预测的情况来生成用于与所述对象进行交互的排程表，

其中，所述分析单元通过准备度量度来表示所述对象的所述情况，所述准备度量度指示所述对象在给定时间处处理信息的准备度，其中，所述分析单元基于针对所述过去时间段所接收的传感器数据来确定针对所述过去时间段的所述准备度量度，并且检测针对所述过去时间段的所述准备度量度中的所述重复模式，其中，所述预测单元基于针对所述当前时间段所接收的传感器数据和所检测的重复模式来预测针对所述未来时间段的所述准备度量度。

在本发明的另外的方面中，提出了一种用于对与对象的交互进行排程的排程计算机程序，其中，所述排程计算机程序包括程序代码模块，所述程序代码模块用于当所述排程计算机程序在控制根据权利要求1至6中的任一项所述的排程系统的计算机上运行时令所述排程系统执行根据权利要求12所述的排程方法的步骤。

应当理解，权利要求1的排程系统、权利要求7的交互系统、权利要求12的排程方法和权利要求13的排程计算机程序具有尤其是如在从属权利要求中所定义的相似和/或相同的优选实施例。

应当理解，本发明的优选实施例也能够是从属权利要求与各自的独立权利要求的任何组合。

参考下文描述的实施例，本发明的这些方面和其它方面将是明显的并且得到阐明。

附图说明

在附图中：

图1示意性且示范性地示出了用于与对象进行交互的交互系统的实施例，

图2示意性且示范性地示出了分析单元和预测单元使用特征情况分析的处理，并且

图3示出了示范性地图示用于对与对象的交互进行排程的排程方法的实施例的流程图。

具体实施方式

图1示意性且示范性地示出了用于与对象3进行交互的交互系统1的实施例，在该范例中，所述对象3是患者，尤其是患有慢性医学病症的患者。交互系统1包括用于对与患者3的交互进行排程的排程系统2和用于与患者3进行交互的交互子系统10。交互系统1可以由例如想要与患者3进行交互的医学护理人员(例如，医生、护士或药剂师)使用。

在该实施例中，排程系统2包括用于采集传感器数据的一个或多个传感器4、5，其中，所述传感器数据指示患者3的情况。所述一个或多个传感器4、5包括用于采集患者3的生物测定数据的一个或多个(这里为两个)生物测定传感器4(在附图中未单独示出)以及用于采集患者3的环境的环境数据的一个或多个(这里为三个)环境传感器5(在附图中也未单独示出)。排程系统2还包括：接收单元6，其适于接收由一个或多个传感器4、5采集的传感器数据；分析单元7，其适于分析针对过去时间段所接收的传感器数据，以检测在过去时间段期间患者3的情况中的重复模式；预测单元8，其适于基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在未来时间段期间患者3的情况；以及排程单元9，其适于基于所预测的情况来生成用于与患者3进行交互的排程表。由于排程单元9利用预测的情况来生成用于与患者3进行交互的排程表，因此排程单元9能够识别用于交互的适当时刻。

在该范例中，分析单元7适于基于从针对过去时间段所接收的传感器数据导出的特征情况来检测重复模式。此外，分析单元7适于通过准备度量度来表示患者3的情况，所述准备度量度指示患者3在给定时间处处理信息的准备度。将参考图2更详细地描述这些方面，图2示意性且示范地示出了分析单元7和预测单元8使用特征情况分析的处理。

这里，已经接收到针对其中由两个生物测定传感器4和三个环境传感器5采集的传感器数据20的过去时间段是12周(在附图中被标示为第0天至第83天)。所述生物测定数据包括指示患者3的活动水平的数据21和指示患者3的放松水平的数据22，并且所述环境数据包括指示患者3的位置的数据23、指示患者3的环境的空气质量的数据24和指示患者3附近的人的存在的数据25。所述传感器数据借助于以下来进行采集：采集患者3的加速度的加速度计(活动水平)、采集患者3的心率的心率监测器(放松水平)、采集患者3的位置的gps传感器(位置)、采集在患者3的环境中的co2的量的co2传感器(空气质量)以及采集患者3附近的蓝牙设备的存在的蓝牙设备(患者附近的人的存在)。针对过去时间段所接收的传感器数据20被进一步处理，例如被分类等。在该范例中，根据所采集的加速度来确定患者3的活动水平，其中，所确定的活动水平被分类为三个级别，即，<低活动水平>、<中活动水平>、<高活动水平>。同样地，根据所采集的传感器数据分别确定患者3的放松水平、位置、空气质量和附近的人的存在，并且将所确定的参数分类为多个级别。这里，合适的级别被选取为：针对放松水平为<低放松水平>、<中放松水平>、<高放松水平>；针对位置为<室内>、<室外>；针对空气质量为<良好空气质量>、<中等空气质量>、<高空气质量>；针对患者3附近的人的存在为<不存在人>、<存在人>。应当注意，除了传感器数据之外，额外的信息(例如关于患者3的预定知识)能够用于确定不同的参数。例如，为了确定患者3的位置，除了由gps传感器采集的位置之外，还能够使用关于患者的家和/或患者的工作场所的位置的预定知识来确定患者3在给定时间处是位于室内还是室外。

在该范例中，分析单元7使用所确定的活动水平、放松水平、位置、空气质量和患者3附近的人的存在来可靠地确定针对已经接收到所采集的传感器数据20的过去时间段(即，12周)的准备度量度31。在一个优选实现方式中，所确定的参数以和或加权和的方式进行组合以确定针对过去时间段的准备度量度31。更详细地，对不同参数的各个级别给出不同的分数，并且针对在过去时间段期间的给定时间，通过对针对给定的时间的传感器数据20的分数(即，活动水平、放松水平、位置、空气质量和患者3附件的人的存在)进行求和来确定准备度量度31。在这种方法中，分数被合适地选取为使得被认为对患者处理信息的准备度具有更强影响的参数通常被给予比被认为具有较弱影响的参数更大的分数。例如，分数能够被选取为使得较高的准备度量度指示患者处理信息的准备度较高，而较低的准备度量度指示患者处理信息的准备度较低。在该范例中，准备度量度基于分数之和而被进一步分类为三个级别，即，<低准备度>、<中准备度>、<高准备度>。

在该实施例中，分析单元7适于检测针对过去时间段的准备度量度31中的重复模式32，其中，预测单元8适于基于针对当前时间段所接收的传感器数据40和所检测的重复模式32来预测针对未来时间段的准备度量度34。更详细地，对针对过去时间段的准备度量度31执行特征情况分析，以便确定特征情况，即，跨越“情况空间”的特征向量集合，其表征在过去时间段期间的情况变化，在这里，是患者3处理信息的准备度的变化。在这里，所述分析以天为单位来执行，即，所述特征情况表征在过去时间段期间患者3处理信息的准备度的每日变化。最强或最初的特征情况对应于在过去时间段期间患者3的每日情况(例如，处理信息的准备度)中的重复模式(参见nathaneagle和alexsandypentland的“eigenbehaviors：identifyingstructureinroutine”(behavioralecologyandsociobiology，第63卷，第11期，第1057至1066页，2009年4月))。重复模式32能够用于“分析”针对当前时间段所接收的传感器数据，并且用于预测针对未来时间段的准备度量度。接收针对其中由两个生物测定传感器4和三个环境传感器5采集的传感器数据40的当前时间段对应于当天的第一部分(在附图中被标示为第84天)，这里为当天的第一半部，即，从上午12点到下午12点，而未来时间段对应于当天的稍后部分，这里为当天的第二半部，即，下午12点到上午12点。如上所述，所述生物测定数据包括指示患者3的活动水平的数据41和指示患者3的放松水平的数据42，并且环境数据包括指示患者3的位置的数据43、指示患者3的环境中的空气质量的数据44以及指示患者3附近的人的存在的数据45。在该范例中，如上所述，进一步处理(例如，分类等)针对当前时间段所接收的传感器数据40，以便分析单元7确定患者3的活动水平、患者3的放松水平、患者3的位置、患者3的环境中的空气质量以及患者3附近的人的存在，其中，这些参数然后用于可靠地确定针对当天的第一半部的准备度量度33。通过计算针对重复模式32的权重使得它们的加权和合适地表示针对当天的第一半部的准备度量度33，然后能够预测针对当天的第二半部的准备度量度34。

排程单元9在这里适于基于针对未来时间段(这里为当天的第二半部)所预测的的准备度量度34来生成排程表。例如，与患者3的交互被排程在预测的准备度量度34呈现<高准备度>的当天的第二半部期间的时间内。

返回参考图1，交互子系统10包括用于执行与患者3的视频对话的系统。这允许与诸如医生、护士或药剂师的医学护理人员进行直接的个人接触。额外地或备选地，交互子系统10能够包括用于向患者3呈现媒体内容的系统。所述媒体内容能够包括移动的图片内容和/或静止的图片内容和/或音频内容和/或文本内容。这允许向患者3呈现教育媒体内容，例如，例如，图示应当如何执行可以改善或至少稳定对象的医学病症的某些练习的媒体内容、图示应当如何服用药物的媒体内容等。

在该实施例中，交互子系统10适于向患者3发送消息以用于提示患者3参与交互。已经发现，与患者3(尤其是患者)有效地交互的机会是非常有限的。提示患者3参与交互(例如观看或听取教育媒体内容或参加与医学护理人员的视频对话)是使患者3参加的有效方式。

如果交互子系统10包括用于向患者3呈现媒体内容的系统，则其优选适于根据所生成的排程表来自动发起与患者3的交互。于是，能够实现自动交互子系统10，所述自动交互子系统10在适当时刻处发起与患者3的交互，而不要求医学护理人员发起和执行交互。

交互子系统10能够适于允许患者3拒绝所发起的交互，其中，交互子系统10还适于根据所生成的排程表在稍后的时间处自动重新发起与患者3的交互。这考虑到，在某些情况下，根据所生成的排程表发起交互的时刻可能确实不是与患者3进行交互的好时刻，例如，因为患者3当天处理信息的准备度强烈偏离了他/她的“重复情况”。在这种情况下，不必完全错过与患者3交互的可能性，但是能够根据所生成的排程表在稍后的时间处再次尝试发起与患者3的交互。

在下文中，将参考图3中示出的流程图来示范性地描述用于对与对象3的交互进行排程的排程方法的实施例，在该范例中，对象3是患者，尤其是患有慢性医学病症的患者。所述排程方法能够例如里一共参考图1描述的排程系统2来执行。

在步骤101中，由接收单元6接收由一个或多个传感器4、5采集的传感器数据，其中，所述传感器数据指示患者3的情况。在步骤102中，由分析单元7分析针对过去时间段所接收的传感器数据，以检测患者3的情况中的重复模式。在步骤103中，由预测单元8基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在未来时间段期间患者3的情况。在步骤104中，由排程单元9基于所预测的情况来生成用于与患者3进行交互的排程表。

所述排程方法能够是用于与对象3进行交互的交互方法的部分，在该范例中，所述对象3可以是患者，尤其是患有慢性医学病症的患者，其中，该方法可以包括通过交互子系统10与患者3进行交互的额外的步骤。所述交互方法能够例如利用参考图1描述的交互系统1来执行。

本发明还涉及一种用于对与对象的交互进行排程的排程计算机程序。所述排程计算机程序也能够是用于与对象进行交互的交互计算机程序的部分。

应当注意，在上面参考图1描述的交互系统的实施例中，分析单元7能够适于在已经收到针对与过去时间段相比更近的时间段的额外的传感器数据时更新对重复模式的检测。这允许分析单元7利用尽可能多的接收到的传感器数据来检测重复模式，这将随时间推移引起对尤其是更小和更不频繁发生的模式的改进的检测。

本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。

在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。

单个单元或设备可以实现在权利要求中记载的若干项的功能。尽管某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。

由一个或几个单元或设备执行的操作(如对针对过去时间段所接收的传感器数据的分析以检测对象的情况中的重复模式、基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在未来时间段期间的对象的情况、以及可以基于所预测的情况来生成用于与对象进行交互的排程表的操作等)能够由任何其它数量的单元或设备来执行。例如，分析单元能够与预测单元集成为单个单元或设备。

排程装置根据排程方法的操作和/或控制可以被实施为计算机程序的程序代码和/或专用硬件。所述计算机程序可以被存储/分布在合适的子系统上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储子系统或固态子系统，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信系统。

权利要求中的任何附图标记都不应被解释为对范围的限制。

本发明涉及一种用于对与对象的交互进行排程的排程系统。接收单元接收由一个或多个传感器采集的传感器数据，其中，所述传感器数据指示所述对象的情况。分析单元分析针对过去时间段所接收的传感器数据，以检测在所述过去时间段期间所述对象的所述情况中的重复模式。预测单元基于针对当前时间段所接收的传感器数据和所检测的重复模式来预测在未来时间段期间所述对象的所述情况。排程单元基于所预测的情况来生成用于与所述对象进行交互的排程表。由于所述排程单元利用所预测的情况来生成用于与所述对象进行交互的排程表，因此所述排程单元能够识别用于交互的适当时刻。

尽管已经在附图和前面的描述中详细图示和描述了本发明，但是这样的图示和描述应当被认为是图示性或示范性的，而非限制性的；本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容以及权利要求，在实践请求保护的发明时能够理解并实现对所公开的实施例的其他变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。尽管某些措施被记载在互不相同的从属权利要求中，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起或作为其他硬件的部分供应的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由互联网或其他有线或无线的电信系统。权利要求中的任何附图标记都不应被解释为对范围的限制。