Building occupancy simulation and data assimilation using a graph-based agent-oriented model

شبیه سازی و برآورد شبیه سازی ساختمان، پویایی ساکنان را شبیه سازی می کند و توزیع فضایی زمان واقعی آنها را در یک ساختمان تخمین می زند. این نیاز به یک مدل شبیه سازی و یک الگوریتم برای به دست آوردن اطلاعات است که اطلاعات سنسور زمان واقعی را به مدل شبیه سازی جذب می کند. مدل های شبیه سازی ساختمان های موجود شامل مدل های مبتنی بر عامل و مدل های مبتنی بر گراف. مدل های مبتنی بر عامل رنج می برند برای محاسبه هزینه های بالا برای شبیه سازی تعداد زیادی از ساکنان، و مدل های مبتنی بر گرافیت چشم پوشی ناهمگنی و رفتارهای دقیق افراد است. با شناخت محدودیت های مدل های موجود، این مقاله مدل جدید مبتنی بر گراف گرا را ارائه می دهد که می تواند به طور موثر شبیه سازی تعداد زیادی از اشخاص در انواع ساختمان های مختلف. برای حمایت از برآورد دینامیک زمان واقعی اشغال، چارچوب جذب داده مبتنی بر روش های متوالی مونت کارلو نیز به مدل مبتنی بر گراف-مبتنی بر گراف برای به دست آوردن اطلاعات سنسور زمان واقعی مورد استفاده قرار می گیرد. نتایج تجربی نشان دهنده اثربخشی مدل توسعه یافته و چارچوب جذب داده است. سهم عمده این کار این است که یک مدل کارآمد برای شبیه سازی شغل ایجاد کند که بتواند تعداد زیادی از ساکنان را در بر گیرد و یک چارچوب جذب اطلاعات موثر باشد که بتواند برآوردهای زمان واقعی از مصرف ساختمان از داده های سنسور ارائه کند.