英语原文共 21 页，剩余内容已隐藏，支付完成后下载完整资料

将机器学习和大数据用于智能建筑

摘要：

未来的建筑将为居民提供新的便利、舒适和高效的可能性。随着技术涉及人们的生活，信息处理完全融入人们的日常生活活动和对象，人们的生活方式将发生变化。智能建筑的未来期望包括让居民的体验尽可能轻松舒适。智能建筑设备和设备生成和捕获的海量流数据包含需要挖掘的宝贵信息，以促进及时采取行动和更好地做出决策。机器学习和大数据分析无疑将在实现此类智能服务的交付方面发挥关键作用。在本文中，我们调查了智能建筑领域，特别关注机器学习和大数据分析技术的作用。该调查还回顾了智能建筑服务发展中当前的趋势和面临的挑战。

一 引言

虽然“智能建筑”（SB）这个词可能会让人联想到科幻电影中虚构的智能空间，但现实是智能建筑今天存在，而且数量越来越多。随着机器学习 (ML)、大数据分析、传感器技术和物联网 (IoT) 的最新进展，常规建筑物可以经济高效地转变为 SB，而只需对基础设施进行最少的修改。有智能办公、智能图书馆、智能家居、智能医疗设施、智能医院等多种类型的SB，可以提供自动化服务，可以提供许多增值服务（如减少能源浪费），也有助于确保居住者的舒适、健康和安全。

物联网的出现带来的超连接性将增加 SB 的承诺，因为现在所有基本的建筑设施和商品，从您的家用电子产品到您的植物花瓶，都将相互连接。但这种超连接性同时会使管理 SB 的过程复杂化。特别是，SB 及其居民预计会创建大量流数据。ML、采样、压缩、学习和过滤技术对于管理个人大数据流变得越来越重要。

ML 背后的主要理念是自动创建分析模型，以允许算法从可用数据中不断学习。由于大量复杂数据的可用性和当前 ML 工具的可用性增加，ML 技术的应用在过去二十年中有所增加。如今，ML 已经广泛应用于不同的应用，包括在线服务（例如亚马逊、Netflix）提供的推荐系统和银行使用的自动信用评级服务。Alphabet 的 Nest 恒温器利用 ML 来“学习”用户的温度偏好并适应他们的工作日程，以最大限度地减少能源消耗。其他广为人知的 ML 应用示例包括 Google 的自动驾驶汽车、亚马逊和 Twitter 数据的情绪分析、欺诈检测。

二 智能建筑：概念和建筑

1984 年，《纽约时报》发表了一篇文章，描述房地产开发商正在创造“新一代的几乎可以自己思考的建筑，称为智能建筑”。这种智能建筑 (IB) 被定义为“两种技术的结合——老式建筑管理和电信”。从那时起，人们提出了许多 SB 的定义。这是因为建筑规划、设计、实施和运营的生命周期涉及具有不同角色的不同行业参与者。此外，技术的快速变化正在影响这一定义。例如，物联网和智慧城市概念的出现正在影响 SB 的定义。因此，很难用世界范围内接受的单一定义来组成一个独特的 IB 视图。然而对参与制定 SBs 的主要标准机构和公司有一个很好的了解是至关重要的。建筑效率研究所[24]专注于建筑物的运营，以提供高效的健康和舒适的环境。IBM 还关注 SB 的运营，以提供集成的物理和数字基础设施，提供可靠、可持续和具有成本效益的入住服务。根据欧盟委员会的信息社会，SB 是指在普适计算和物联网相结合的背景下，由信息和通信技术提供的建筑物：通常，提供传感器、执行器、微芯片、微纳米嵌入式系统，以便能够在本地收集、过滤和生成更多信息，并根据业务功能在全球范围内进一步整合和管理。” 在 SBs 中，采用了多种 AI 和多智能体系统技术，包括：

1.推理和知识表示，包括表示设备和建筑服务的本体和规则。

2.用于人类活动识别的机器学习。

3.用于分布式智能和语义互操作性的多代理系统。

4.智能方法，如规划、智能控制、接口优化，以有效管理资源和服务。

因此，SB 是将广泛的系统和服务集成到一个统一的环境中，包括能源管理系统、温度监控系统、访问安全系统、消防和生命安全、照明控制和减少、电信服务、办公自动化、计算机系统、区域定位系统、局域网、管理信息系统、布线和记录、维护系统和专家系统。

图 1显示了 SB 设备的示例，包括空调系统、照明系统、太阳能发电机、电源系统、温度传感器、湿度传感器、电力使用传感器和监控摄像头。例如，对这些要素进行集中控制，可以通过对灯光和空调机组的智能控制以及对多种绿色和棕色能源的智能管理，促进能源的高效利用。在大多数情况下，SB 使用带有网桥的以太网主干网（CAN）。

图1

在本文中，我们提出了一种基于物联网分层架构的 SB 分层架构。图 2显示了 SB 的分层架构。

图2

从传感层（图 2中的底层）可以看出，输入数据来自不同类型的物理传感器，这些传感器监测环境参数、收集居民数据并检测异常情况（例如，火灾和水管爆裂）。该层还包括可以控制以节省能源、减少用水量等的执行器。

网络层（图2中的第二层），包括提供透明数据传输能力的接入网络和核心网络。该层充当感知层和主要负责数据处理的上层之间的桥梁。

需要一个称为中间件层的中间软件层（图 2中的第三层），以提供架构传感层所覆盖的异构设备和网络的无缝集成。该层充当运行智能传感器的嵌入式软件和后端软件服务之间的桥梁。该层使用标准化的编程接口和协议提供互操作性。 因此，该层执行将收集的数据从各种数据格式转换为通用表示的过程。SB 中间件可以基于开放标准或专有，此外，还可以是特定于应用程序的或通用的。大多数情况下，专有中间件是特定于应用程序的，而通用中间件是基于开放标准的。

上下文和语义发现层（图 2中的第四层）负责管理上下文和语义发现器，包括上下文和语义生成、配置和存储。

处理推理层（图2中的第五层）) 负责处理从中间件中提取的信息，然后根据应用程序的类型做出决定。在这一层中，有各种信息处理技术应用于融合、提取、上下文化。海量数据转化为有用的可操作知识。在这一层，应该确定两个阶段：中间件的上下文消费者和上下文生产者。在上下文消费者阶段，数据处理技术应用于中间件产生的数据；而在上下文生产者阶段，实施决策过程以向服务层提供有价值的知识。而在第二阶段，可以将更多的上下文信息提供给中间件，以便在本体上下文中注册。

特定的服务和应用被抽象在应用层（图 2中的最顶层）。该层提供了一个可以直接访问底层功能的框架，以服务于各种类型的应用程序的实现。此外，控制面板应安装在建筑物中，以控制自动化的室内空间并支持本地人机界面。例如，在多层建筑中，每个楼层都可以有一个控制面板来自动化操作，例如控制打开窗户、控制空调以达到所需的温度、根据首选光线控制百叶窗的关闭/打开使用人工照明之前的强度。

三 智能建筑组件

智能楼宇技术的进步推动了 SB 的广泛发展，通过 IT 和楼宇自动化系统的融合为楼宇业主创造经济和环境效益。图 3显示了 SB 系统的关键组件，其中包括广泛的传感器和执行器系统、网络和通信系统、软件平台系统、HVAC 系统和智能控制设备。

图3

当前系统利用连接到中央系统的控制设备和智能传感器。这些控制设备和智能传感器被放置在整个环境中。每个特定系统都有自己的网络和通信系统集合，使其能够与中央系统进行通信。SB 正在执行连接网络，作为多个系统的通信骨干网。在许多方面，HVAC 设备是最复杂的建筑系统，有许多组件用于产生加热、冷却和通风。暖通空调系统的功能不仅使建筑物的居民健康舒适，而且还管理了很大一部分能源消耗，并在生命安全方面发挥着重要作用。SB 采用技术来监视和控制设施系统并执行任何必要的修改。SB 的目标是利用计算机和软件通过单个计算机界面控制照明、警报系统、HVAC 和其他系统。

A. 用于 SB 的传感器和执行器

传感器和执行器是测量和控制其环境的环境值的机械部件。传感器从环境中收集信息并为系统做好准备。例如，IR 传感器可用于房间内的人员存在检测。执行器是一种将电气控制信号转换为物理动作的设备，它可以根据环境做出决策并执行适当的动作，从而实现与环境的自动和远程交互。例如，轻型执行器能够打开/关闭，调暗一个或多个电灯。 微机械、微电子、集成光学和其他相关技术的快速发展，促进了不同类型的智能传感器的发展，这些传感器可以集成到智能建筑环境中的日常物品和基础设施中或用户佩戴，并通过网络技术连接，以实现以更低的能耗和更少的处理资源更高效、更快地收集有关日常生活活动的上下文信息。环境传感器用于检测在建筑物中特定位置执行的特定对象的人类活动，而可穿戴传感器用于控制和观察移动活动和生理信号。

B. 智能控制设备

智能控制设备从各种传感器收集数据，处理这些数据，并激活执行器以对传感器检测到的事件做出反应。智能控制设备可以独立运行，无需中央服务器控制。但是各种控制设备之间可能需要通信，或者它们可以使用智能网关相互连接。

C. 网络和家庭网关

SB 结合了通信网络，以控制建筑物内的智能设备和服务。智能建筑的通信网络可以像传统的计算机网络一样，基于双绞线电缆等多种通信介质。楼宇自动化系统中的联网倾向于利用由多种通信媒体和网络标准组成的异构网络。楼宇自动化网络由物理技术和通信协议识别。有一个内部网络连接建筑物内部的设备，以及外部网络，可以单独集成。公共互联网、ISDN 和移动电话网络是外部网络的一些示例。

典型的 SB 可以包括许多不同的组件，例如传感器、致动器、通信和处理设备。由于它们的性质，这些组件在电池容量和数据处理能力方面的能力和计算能力有限。为了解决这个问题，大多数 SB 系统已被用作中央网关，以收集、处理和分析来自建筑物中不同传感器和执行器的上下文数据。蓝牙、ZigBee、Wi-Fi 和 Z-wave 等多种协议可用于与网关通信。家庭网关还可以收集和存储特定时间段的数据。通常，这些网关可以连接到云服务并执行数据处理和推理任务。集中式网关通常没有任何接口。

一般来说，根据所使用的通信介质，SB 网络技术可以通过互连方法分为三种主要类型：电力线、总线和无线。

D. 软件平台

要使建筑物变得“智能”，建筑物中的所有设备和系统之间以及与智能手机、平板电脑和云中的服务器之间安全地通信和交换数据非常重要。软件平台在通过不同协议交换、归档和传播信息方面发挥着关键作用。这些平台使用推送、拉取、发布/订阅等。联合商业企业的目标是开发一个开源软件平台，以使不同制造商的设备之间的数据交换过程更容易。因此，用户日后在家中使用不同厂家的电器电子设备时，再也不用担心兼容性问题了。此外，新平台还可以提供各种不同的楼宇服务，例如娱乐、能源效率和安全技术。因此，这将能够为这些使用领域创建不同的应用程序。

四 SBS 机器学习背景：模型、任务和工具

传感器、可穿戴设备和其他物联网技术生成的海量数据提供了有关用户上下文和建筑物状态的丰富信息，可用于设计 SB 管理。需要此上下文信息来为各种利益相关者提取有用且有趣的见解。当数据量非常大时，使用传统方法开发预测模型并不能提供准确的洞察力，我们需要新开发的大数据工具。大数据已准备好对 SB 产生重大影响，并且已经在建筑、工程和施工 (AEC) 行业中发挥重要作用，特别是在废物分析和废物最小化方面。

机器学习并没有从数据科学中去除人为因素——它利用计算机在处理大数据方面的优势来补充我们对语义和上下文的理解。它只需要训练数据来提取改进给定系统所需的更好的特征或参数。ML 算法可用于根据数据模式进行预测，它使计算机无需明确编程即可从输入的输入数据中学习，因此 ML 算法可以从输入数据中学习并做出预测。 Nest 恒温器是根据居住者的偏好在特定房间和一天中的特定时间应用特定温度的设备的一个示例。亚马逊的 Echo 等设备可以从语音模式中学习，而其他设备则可以从更复杂的行为和活动模式中学习。

A. 机器学习模型

ML 技术已被广泛用于开发智能系统，该系统可以根据 SB 中的上下文修改进行感知和反应。根据两个著名的定理没有免费午餐定理和丑小鸭定理，有许多不同的 ML 算法。没有免费午餐定理指出“没有可以说比其他算法更好的算法”，如果没有关于问题的先验信息，任何两种算法在解决问题时都可能表现同样出色。虽然丑小鸭定理指出“我们不能说任何两个不同的模式比任何其他模式都更相似。

ML 主要分为以下四类来处理不同类型的学习任务：监督学习、无监督学习、半监督学习和强化学习 (RL) 算法，图 4显示了 ML 风格。

图4

1）监督学习

是指基于标记的训练数据集开发算法，学习者应该通过构建表示输入、输出和系统参数之间关系的系统模型来概括表示。ML 模型是通过一个训练过程开发的，该过程继续输入训练数据，直到模型达到所需的准确度水平。一些常见的监督机器学习算法的例子有：朴素贝叶斯模型、决策树、线性判别函数，例如支持向量机 (SVM)、人工神经网络 (ANN)、隐马尔可夫模型 (HMM)、基于实例的学习（例如 k -最近邻学习）、集成（bagging、boosting、随机森林）、逻辑回归、遗传算法和逻辑回归。监督学习方法被广泛用于解决智能建筑中的不同问题。

在 SBs 中的应用： Boger等人提出了一种使用马尔可夫决策过程的监督学习系统来帮助痴呆症患者洗手的过程。阿尔通等人。对使用身体佩戴的微型惯性和磁传感器的有监督的人类活动分类方法进行了比较研究。Mozer使用神经网络和强化学习开发了家庭环境系统的居住者舒适度控制，以控制智能家居环境中的空气加热、照明、通风和水加热。布罗布等人提出了一种使用 ANN 和 K 模式聚类的混合方法来识别和预测智能环

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[589852]，资料为PDF文档或Word文档，PDF文档可免费转换为Word