多传感器融合的建筑入住率感知模型研究

卢楚杰 李思慧

1(广东工业大学计算机学院 广东 广州 510006) 2(湖南大学土木工程学院 湖南 长沙 410082)

0 引 言

研究表明，以用户为核心(Occupant-centric)的建筑设备控制策略具有巨大的节能潜力[1]。以空调系统为例，房间内用户存在与否影响着空调的启停状态，用户数量影响着空调的送风温度和新风量等运行参数，而用户行为在更高层次上影响着控制和节能策略[2]。

建筑入住率感知(Occupancy Sensing)是指获取建筑内用户存在与否、用户数量等信息[3]，这些信息除了用于建筑设备控制以外，还可被用作建筑能源模拟与管理，是智慧建筑的重要组成部分[4-5]。机器学习技术已经被广泛运用于建筑入住率感知模型[6]，其框架通常涉及数据采集、特征选择、算法选择、训练和性能评估五个步骤。入住率感知模型包括基于运动检测(红外传感器、超声波传感器等)、基于环境参数(CO2传感器、温湿度传感器等)、基于终端设备(智能手机、RFID等)、基于信号强度(Wi-Fi、蓝牙等)、基于图像目标检测(摄像头等)、基于智慧电表等方法[3]。但是每种方法均有弊端，比如：红外传感器易于获取用户存在与否，但难以获取用户人数等详细信息，同时其感知范围受限于视距，并且难以感知静止的人体，误差较大；CO2传感器等环境传感器读数具有一定的延时性，且感知精度有限；摄像头等利用计算机视觉技术的方法虽然具有极高的感知精度，但是由于涉及隐私问题，这类方法在许多室内应用场景中难以推广。

为了避免涉及隐私问题的同时改善入住率感知精度，本文提出一种基于机器学习框架的建筑入住率感知模型。……