کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6680326 1428070 2018 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Nonintrusive ultrasonic-based occupant identification for energy efficient smart building applications
ترجمه فارسی عنوان
شناسایی شبهنشین مبتنی بر اولتراسونیک غیرقابل استفاده برای برنامه های کاربردی هوشمند ساختمانی با انرژی
کلمات کلیدی
شناسایی اشخاص، شبکه های سنسور، ساختمان های هوشمند، خوشه بندی فراگیری ماشین،
ترجمه چکیده
توانایی شناسایی افراد غیرتجاری، ساختمان های هوشمند را برای سفارشی کردن محیط برای رسیدن به سطح راحتی مسافران در هنگام صرفه جویی در انرژی، فعال خواهند کرد. شناسایی اشغال می تواند در تلاش برای صرفه جویی در انرژی در یک ساختمان کمک کند، زیرا ما می توانیم مشخصات هر ترجیح درجه حرارت یک نفر را بازیابی کنیم و دمای مورد نظر را به حداکثر برساند که باعث ناراحتی کلی گروه در ساختمان شود. برای فعال کردن شناسایی اشخاص در ساختمان ها، بسیاری از روش های استفاده شده می توانند مزاحم باشند مانند استفاده از دوربین ها یا نیاز به استفاده از ابزارهای موبایل یا تلفن هوشمند. تکنیک های غیر نفوذ در برنامه های کاربردی هوشمند به دست می آورند. در این مقاله ما یک روش سنجش مبتنی بر اولتراسونیک غیر مغضوب برای شناسایی افراد با حساسیت به شکل و حرکت بدن آنها ارائه می کنیم. سنسورهای اولتراسونیک در بالای و دو طرف درها قرار می گیرند تا ارتفاع و عرض را اندازه گیری کنند. ارتفاع و عرض و ویژگی های مربوط به آنها می تواند اموال منحصر به فرد به اشخاص را برای شناسایی آنها می دهد. در این مطالعه، سیستم پیشنهادی یک جریان داده های ارتفاع و عرض را می سنجد، رویداد پیاده روی را هنگامی که یک فرد از طریق در می رود، شناسایی می کند و خصوصیاتی را استخراج می کند که جنبش و شکل فیزیکی را جذب می کند. این ویژگی ها به یک الگوریتم خوشه ای هدایت می شود که هر یک از اشخاص را با یک خوشه مجزا مرتبط می کند. این سیستم به مدت سه ماه به طول انجامید. نتایج نشان می دهد که رویکرد پیشنهادی با دقت 95٪ با 20 نفر از مسافران نشان می دهد که مناسب بودن رویکرد ما در تنظیمات ساختمان تجاری است. علاوه بر این، نتایج نشان می دهد که استفاده از محدوده برای تشخیص بین ساکنان بیشتر از استفاده از ارتفاع است. ما نشان می دهیم که این سیستم فراتر از مجموعه داده های ما است و برای جمعیت های مختلف توزیع های مختلف فیزیکی کار می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی مهندسی انرژی و فناوری های برق
چکیده انگلیسی
The ability to non-intrusively identify people will enable smart buildings to customize the environment to meet occupants' comfort level while saving energy. Occupant identification can help in energy savings effort in a building because we can retrieve each occupant's temperature preference profile and choose the temperature that minimizes the total discomfort of a group in the building. To enable occupant identification in buildings, many methods used can be intrusive, such as using cameras or requiring the users to carry mobile gadgets or a smart phone. Non-intrusive techniques are gaining interest in smart building applications. In this paper, we present a non-intrusive ultrasonic based sensing technique to identify people by sensing their body shape and movement. The ultrasonic sensors are placed on the top and sides of doors to measure the height and width as the occupant walks through the instrumented doorway. Height and width and their related features can give a unique signature to occupants to identify them. In this study, the proposed system senses a stream of height and width data, recognizes the walking event when a person walks through the door, and extracts features that capture a person's movement as well as physical shape. These features are fed to a clustering algorithm that associates each occupant with a distinct cluster. The system was deployed for a total of three months. The results show that the proposed approach achieves 95% accuracy with 20 occupants suggesting the suitability of our approach in commercial building settings. In addition, the results show that using girth to distinguish between occupants is more successful than using height. We show that this system generalizes beyond our datasets and works for different populations of different physical distributions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Energy - Volume 220, 15 June 2018, Pages 814-828
نویسندگان
, , , ,