基于用戶行為分析的智能家居系統(tǒng)的研究與設(shè)計(jì)

張昱東　鞏俐　柳盼

【摘 要】本文提出一種基于用戶指令方式的用戶行為識(shí)別方案，使系統(tǒng)主動(dòng)地為用戶提供服務(wù)，從而提高家居的智能化程度，同時(shí)易于實(shí)現(xiàn)便于推廣。通過(guò)實(shí)驗(yàn)分析，系統(tǒng)有效解決傳統(tǒng)智能家居系統(tǒng)中智能性差的問(wèn)題。

【關(guān)鍵詞】用戶行為；智能家居；指令式；智能性差

0 引言

隨著人們生活水平的提高，人們對(duì)居住環(huán)境的要求也越來(lái)越高，如何最大化地滿足人們的舒適性和家居的智能化要求是智能家居研究的目標(biāo)[1]。然而目前智能家居系統(tǒng)大多還處于單一的“機(jī)械式”自動(dòng)化模式，其缺陷主要為“智能化程度低”。要實(shí)現(xiàn)真正意義上的智能，需通過(guò)對(duì)用戶行為的研究，讓家居系統(tǒng)根據(jù)用戶習(xí)慣設(shè)計(jì)電器開(kāi)關(guān)時(shí)間、電器啟動(dòng)用量，以達(dá)到智能和簡(jiǎn)化用戶生活的目的[2]。

本文分析了國(guó)內(nèi)智能家居的研究現(xiàn)狀，設(shè)計(jì)基于用戶行為的智能家居系統(tǒng)并設(shè)計(jì)便于推廣應(yīng)用的算法，通過(guò)實(shí)驗(yàn)分析可以良好地提高智能家居的智能性。

1 智能家居系統(tǒng)架構(gòu)

智能家居系統(tǒng)是一個(gè)住宅利用通信網(wǎng)絡(luò)連接技術(shù)提供用戶對(duì)家居有效管控的系統(tǒng)，其允許用戶通過(guò)終端或者web進(jìn)行家庭環(huán)境和電器遠(yuǎn)程監(jiān)控或訪問(wèn)。按照物聯(lián)網(wǎng)技術(shù)原理，智能家居系統(tǒng)網(wǎng)絡(luò)拓?fù)湔w分為三層（圖1）。

感知層：此層包含基本的底層硬件設(shè)備，包括各個(gè)家用電器設(shè)備，傳感器節(jié)點(diǎn)等網(wǎng)絡(luò)硬件，主要負(fù)責(zé)采集家庭環(huán)境和設(shè)備狀態(tài)數(shù)據(jù)以及執(zhí)行上層的控制指令。

通信層：借助6LowPan、紅外、WIFI等通信技術(shù)與家居監(jiān)控設(shè)備構(gòu)成一個(gè)網(wǎng)絡(luò)，主要負(fù)責(zé)不同設(shè)備和中樞網(wǎng)關(guān)及服務(wù)器的互聯(lián)互通以及存儲(chǔ)處理等。

應(yīng)用服務(wù)決策層：該層包含智能終端和服務(wù)器等，主要負(fù)責(zé)對(duì)智能家居應(yīng)用服務(wù)的決策支持，以及用戶行為數(shù)據(jù)分析、數(shù)據(jù)處理存儲(chǔ)和數(shù)據(jù)支持等。

數(shù)據(jù)的采集是一個(gè)自下向上的過(guò)程。傳感器監(jiān)測(cè)環(huán)境（例如，家庭的溫度）以及設(shè)備狀態(tài)信息，從而感知層將采集的數(shù)據(jù)借助通信網(wǎng)絡(luò)傳遞給通信層。通信層將數(shù)據(jù)匯集到應(yīng)用服務(wù)層，同時(shí)應(yīng)用服務(wù)決策層的服務(wù)器應(yīng)用數(shù)據(jù)庫(kù)記錄感知層中的信息。應(yīng)用服務(wù)的執(zhí)行是一個(gè)自上而下的過(guò)程。應(yīng)用服務(wù)決策層選擇一個(gè)操作（如調(diào)整電器的開(kāi)關(guān)），同時(shí)更新數(shù)據(jù)庫(kù)記錄用戶的行為操作習(xí)慣，得出用戶行為習(xí)慣并在合適的時(shí)間觸發(fā)相應(yīng)的活動(dòng)，提供智能化的服務(wù)。

2 用戶行為分析設(shè)計(jì)

綜上分析，對(duì)用戶行為的識(shí)別和預(yù)測(cè)是實(shí)現(xiàn)家庭居住環(huán)境智能化的關(guān)鍵。在這方面，大多數(shù)的現(xiàn)有解決方案主要被歸類為：基于視頻和語(yǔ)音組成的視覺(jué)識(shí)別系統(tǒng)[3]、利用可穿戴設(shè)備[4]，這些算法效果很好，但是算法復(fù)雜需要大量的數(shù)據(jù)積累，或者需要用戶時(shí)刻的佩戴，造價(jià)昂貴，不利于推廣。

本文設(shè)計(jì)基于用戶指令結(jié)合傳感器數(shù)據(jù)的用戶行為模型，學(xué)習(xí)用戶行為從而達(dá)到智能化的目的。用戶通過(guò)終端在控制和管理智能家居時(shí)，其指令控制恰恰反映了家居用戶的行為?；谥噶畹姆绞阶R(shí)別用戶行為，降低了智能服務(wù)和不同設(shè)備及網(wǎng)絡(luò)協(xié)議的耦合性，不會(huì)侵犯用戶隱私，也無(wú)需時(shí)刻佩戴，易于應(yīng)用實(shí)現(xiàn)的。

從智能家居實(shí)際應(yīng)用角度講，簡(jiǎn)單先進(jìn)的算法可以很容易地適應(yīng)智能家居的設(shè)備編程和應(yīng)用推廣。系統(tǒng)針對(duì)設(shè)備模型制定如下：

1）設(shè)備可以在特定的時(shí)間內(nèi)進(jìn)行開(kāi)/關(guān)；對(duì)于兩個(gè)模式情形，算法應(yīng)用對(duì)應(yīng)為：“on”和“off”狀態(tài)。

2）設(shè)備在工作時(shí)可以在特定時(shí)刻轉(zhuǎn)變?yōu)殚_(kāi)/關(guān)和N單模模式；對(duì)于N模式情形，算法應(yīng)用對(duì)應(yīng)為：N“on”狀態(tài)。

3）設(shè)備在工作時(shí)可以在特定時(shí)刻轉(zhuǎn)變?yōu)殚_(kāi)/關(guān)和N*M雙模式（例如，空調(diào)）；對(duì)于N模式情形，算法應(yīng)用對(duì)應(yīng)為：N“on”狀態(tài)。

3 照明應(yīng)用實(shí)例

當(dāng)用戶到家時(shí)，系統(tǒng)決策是否在房間內(nèi)打開(kāi)燈，應(yīng)用什么照明水平（或多或少?gòu)?qiáng)度的照明，級(jí)別從1到5）。當(dāng)用戶到達(dá)（例如，在12月3日20時(shí)58分），系統(tǒng)定義燈是否在同一時(shí)間被打開(kāi)（以及適當(dāng)?shù)恼彰髂Ｊ剑?/p>

在照明被管理前，系統(tǒng)收集了一段時(shí)間（10天等）的用戶行為日志。例如，以下事件的列表（表1）：

其次，系統(tǒng)對(duì)每一個(gè)事件的出現(xiàn)頻率進(jìn)行計(jì)算。頻率R由兩個(gè)相乘的影響因子D和S組成。D取決于事件的持續(xù)時(shí)間。應(yīng)用非線性的依賴關(guān)系（例如，0.001對(duì)應(yīng)事件的持續(xù)時(shí)間少于1分鐘，依次為0.01： （1，5]；0.1：（5，15]；0.5：（15，30]；1：（30，60]；2：（60，+∞]）。S取決于從事件發(fā)生到當(dāng)天的時(shí)間間隔。對(duì)于昨天的事件，其系數(shù)為1；對(duì)于10天以前的，其系數(shù)為0.01，等等。

然后，統(tǒng)計(jì)相同模式的頻率，而且頻率的設(shè)置應(yīng)該只和具體時(shí)間（20：58）相一致的，并對(duì)相應(yīng)的時(shí)間取期望。最后預(yù)測(cè)推薦用戶選擇頻率高的模式。另外算法提供對(duì)于用戶行為的任何變化系統(tǒng)都將及時(shí)地進(jìn)行反饋調(diào)節(jié)的頻率的計(jì)算。

總的來(lái)說(shuō)，當(dāng)家居中的紅外感應(yīng)到用戶回家或者起床等活動(dòng)時(shí)，系統(tǒng)綜合判斷當(dāng)前時(shí)間點(diǎn)，開(kāi)啟這一時(shí)間出現(xiàn)頻率較高的模式，從而根據(jù)用戶行為習(xí)慣主動(dòng)地為用戶提供智能化和人性化的服務(wù)。

4 結(jié)束語(yǔ)

由于傳統(tǒng)智能家居中“智能化程度低”和現(xiàn)有研究算法的不便實(shí)施性，給家居的智能化帶來(lái)了困難。本文提出的基于指令式的用戶行為學(xué)習(xí)系統(tǒng)，其無(wú)需關(guān)注底層設(shè)備和不同通信標(biāo)準(zhǔn)的異構(gòu)性，同時(shí)簡(jiǎn)易的算法較好根據(jù)用戶行為習(xí)慣主動(dòng)地提供服務(wù)，具有較好的推廣效果。

【參考文獻(xiàn)】

[1]鐘依平.智能家居借勢(shì)提速發(fā)展[N].中國(guó)建設(shè)報(bào)，2013.03.19（6）.

[2]邵鵬飛.面向移動(dòng)互聯(lián)網(wǎng)的智能家居系統(tǒng)研究[J].計(jì)算機(jī)測(cè)量與控制，2013， （02）：474-475.

[3]Trivedi M.， Huang Kohsia， Mikic I. Intelligent environments and active camera networks[C].Systems， Man， and Cybernetics， 2000 IEEE International Conference on， 2000（2）：804-809.

[4]E.Marhasev，M.Hadad， and G.A. Kaminka. Non-stationary hidden semi Markov models in activity recognition. InMOO， 2006.

[責(zé)任編輯：王楠]