利用数字孪生定向获取居住者反馈：自适应时空热偏好采样以优化个人舒适模型
机器学习
2022-08-08 v2
摘要
从建筑居住者处收集密集纵向热偏好数据正成为一种表征建筑及其使用者表现的创新手段。这些技术让居住者在数天或数周的过程中使用智能手机或智能手表频繁给出主观反馈。其意图是以高空间和时间多样性收集数据，以最佳表征建筑和居住者的偏好。但现实中，让居住者以临时或固定间隔方式响应会造成不必要的调查疲劳和冗余数据。本文概述了一种基于场景（虚拟实验）的方法，利用智能手表优化数据采样，以更少的数据在个人热偏好模型中实现可比精度。该方法使用 BIM 提取的空间数据和基于图神经网络（GNN）的建模来寻找具有相似舒适偏好的区域，以识别触发居住者给出反馈的最佳场景。该方法与来自两个实地数据集的使用常规分区和通用 4x4 平方米网格方法的两种基线场景进行比较。结果显示，所提出的 Build2Vec 方法的整体采样质量比基于空间和基于方格的采样方法高 18-23%。Build2Vec 方法在去除冗余居住者反馈点时也表现与基线相似，但具有更好的可扩展性潜力。
引用
@article{arxiv.2202.10707,
title = {Targeting occupant feedback using digital twins: Adaptive spatial-temporal thermal preference sampling to optimize personal comfort models},
author = {Mahmoud Abdelrahman and Clayton Miller},
journal= {arXiv preprint arXiv:2202.10707},
year = {2022}
}