基于建筑热建模的人员移动分布推断
机器学习
2020-11-17 v1
摘要
我们考虑从各房间温度推断移动分布图（即每个时间戳上建筑内人员分布）的问题。我们也希望探究温度测量噪声、房间布局等在对建筑内人员移动重建中的影响。我们提出的算法借助参数学习器——改进的 Least Square Estimator（最小二乘估计器）——应对上述挑战。在公开领域缺乏包含移动分布图、房间与环境温度以及 HVAC 数据的完整数据集的情况下，我们模拟了建筑房间的基于物理的热模型，并在该模拟数据上评估推断算法的性能。我们找到了模型输入温度数据中噪声标准差的上界（≤ 1F）。在此界限内，我们的算法能以合理的重建误差重建移动分布图。我们的工作可用于广泛应用，例如保障办公建筑物理安全、老人与婴幼儿监测、建筑资源管理、紧急建筑疏散以及 HVAC 数据脆弱性评估。我们的工作将热建模与参数估计等多个研究领域结合，以实现推断大型办公建筑内人员分布这一共同目标。
引用
@article{arxiv.2011.07372,
title = {Mobility Map Inference from Thermal Modeling of a Building},
author = {Risul Islam and Andrey Lokhov and Nathan Lemons and Michalis Faloutsos},
journal= {arXiv preprint arXiv:2011.07372},
year = {2020}
}
备注
8 figures, 11 pages