迈向智能可持续城市：利用判别模型解决建筑管理系统中的语义异构问题
计算机与社会
2020-08-18 v1
摘要
建筑管理系统 (BMS) 在迈向智能可持续城市的进程中至关重要。这是因为它们已有效大幅降低了建筑的能耗。典型的 BMS 由彼此通信以实现其目标的智能设备组成。然而，这些设备及其相关元数据的异构性阻碍了依赖设备间交互的解决方案的部署。尽管如此，利用数据驱动方法自动推断这些设备的语义，为此异构性带来的问题提供了理想解决方案。本文中，我们开展多维研究，以机器学习模型推断 IoT 设备语义的问题。使用两个包含来自 IoT 设备超 6700 万数据点的数据集，我们开发了取得具竞争力结果的判别模型。特别地，我们的研究凸显了图像编码时间序列 (IETS) 作为基于统计特征推断方法的稳健替代方案的潜力。仅需基于特征方法所需数据的一小部分，我们的评估表明该编码在许多情况下可与传统方法媲美甚至更优。
引用
@article{arxiv.2008.07414,
title = {Towards Smart Sustainable Cities: Addressing semantic heterogeneity in building management systems using discriminative models},
author = {Chidubem Iddianozie and Paulito Palmes},
journal= {arXiv preprint arXiv:2008.07414},
year = {2020}
}