基于用戶行為分析的物聯(lián)網(wǎng)智能家居監(jiān)測(cè)控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

王軍 孫澤軍

摘 要：文中設(shè)計(jì)并實(shí)現(xiàn)一種基于用戶行為分析的物聯(lián)網(wǎng)智能家居監(jiān)測(cè)控制系統(tǒng)。該系統(tǒng)采用B/S架構(gòu)，以ESPduino作為系統(tǒng)的設(shè)備控制端，以樹莓派作為系統(tǒng)的家居環(huán)境監(jiān)測(cè)端，二者之間利用MQTT協(xié)議實(shí)時(shí)共享信息，輔以各種傳感器設(shè)備采集家居環(huán)境信息和控制家用電器，方便用戶實(shí)時(shí)了解家居環(huán)境信息和高效管理家庭設(shè)備。通過分析用戶數(shù)據(jù)，建立行為分析模型，了解用戶的行為習(xí)慣和生活規(guī)律，為用戶定制服務(wù)提供基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明：基于用戶行為分析的物聯(lián)網(wǎng)智能家居系統(tǒng)在一定程度上提高了傳統(tǒng)智能家居系統(tǒng)的智能化水平，具有較強(qiáng)的可操作性和現(xiàn)實(shí)意義。

關(guān)鍵詞：物聯(lián)網(wǎng);智能家居;監(jiān)測(cè)控制;MQTT;行為分析;樹莓派

中圖分類號(hào)：TP393文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）09-00-04

0 引 言

隨著科技的進(jìn)步和生活水平的提高，人們對(duì)家居生活智能化程度的需求與日俱增，他們期待能輕松掌控家庭設(shè)備信息和體驗(yàn)更加人性化的服務(wù)。

在近幾年的物聯(lián)網(wǎng)智能家居技術(shù)發(fā)展過程中，環(huán)境監(jiān)測(cè)、自動(dòng)控制技術(shù)日臻成熟，各種智能家居產(chǎn)品層出不窮[1]。家居監(jiān)測(cè)控制技術(shù)的進(jìn)步雖然在一定程度上提升了用戶操作的靈活性和便捷性，但大多數(shù)還處于簡單的環(huán)境數(shù)據(jù)信息采集和機(jī)械式的設(shè)備控制階段[2]，對(duì)用戶的行為習(xí)慣的了解和研究還不夠深入，很少有針對(duì)用戶行為進(jìn)行分析并為其定制個(gè)性化服務(wù)的智能家居系統(tǒng)的研究設(shè)計(jì)[3]，其智能化程度還有待提高。

綜合所述情況，物聯(lián)網(wǎng)智能家居系統(tǒng)要實(shí)現(xiàn)真正意義上的智能，需要通過對(duì)用戶行為進(jìn)行分析研究，了解用戶的行為習(xí)慣規(guī)律[4]，達(dá)到理解用戶、優(yōu)化服務(wù)的目的。

本系統(tǒng)設(shè)計(jì)將ESPduino、樹莓派開發(fā)板、物聯(lián)網(wǎng)和數(shù)據(jù)分析相關(guān)技術(shù)[5]相結(jié)合，采用靈活簡單的B/S架構(gòu)，建立一個(gè)基于用戶行為分析的物聯(lián)網(wǎng)智能家居監(jiān)測(cè)控制系統(tǒng)，旨在為用戶打造一個(gè)智能舒適、方便快捷的家居生活環(huán)境，通過分析用戶數(shù)據(jù)掌握用戶的行為習(xí)慣，提供更加智能和個(gè)性化的服務(wù)。

2 系統(tǒng)設(shè)計(jì)

2.1 系統(tǒng)總體設(shè)計(jì)

本系統(tǒng)選用ESPduino作為Web服務(wù)器，與其它控制類傳感器構(gòu)成家庭設(shè)備的控制終端;選用Raspberry Pi和其它感知類傳感器作為家居環(huán)境數(shù)據(jù)的監(jiān)測(cè)端;采用輕量級(jí)的即時(shí)通信協(xié)議MQTT，提供可靠的行為數(shù)據(jù)信息上報(bào)和信息共享服務(wù);通過建立用戶行為分析算法模型對(duì)用戶行為進(jìn)行分析，掌握用戶的行為習(xí)慣規(guī)律。系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)如圖1所示。

設(shè)備控制端的主要功能模塊可以劃分為遠(yuǎn)程控制和用戶操作記錄采集上報(bào)兩大類。遠(yuǎn)程控制是通過訪問相應(yīng)的網(wǎng)頁，利用網(wǎng)頁上的控件對(duì)相應(yīng)的家庭設(shè)備進(jìn)行操控。用戶操作記錄采集上報(bào)主要是當(dāng)用戶點(diǎn)擊網(wǎng)頁對(duì)家庭設(shè)備實(shí)施操縱時(shí)就會(huì)產(chǎn)生一條行為數(shù)據(jù)記錄，利用MQTT協(xié)議將該條記錄上傳至MQTT服務(wù)器。通過設(shè)備控制端采集到的用戶行為信息大都是用戶的顯性行為數(shù)據(jù)，其上報(bào)流程如圖2所示。

環(huán)境監(jiān)測(cè)端主要功能模塊可以劃分為兩大類—環(huán)境監(jiān)測(cè)和家居安防。環(huán)境監(jiān)測(cè)是利用感知類傳感器收集家居環(huán)境信息，當(dāng)環(huán)境數(shù)據(jù)值偏離在無認(rèn)為干預(yù)情況下的數(shù)據(jù)范圍（即認(rèn)為用戶進(jìn)行了某項(xiàng)活動(dòng)或觸發(fā)了某項(xiàng)事件），則按照一定的頻率f0進(jìn)行數(shù)據(jù)上報(bào)，當(dāng)環(huán)境數(shù)據(jù)恢復(fù)到正常范圍時(shí)停止上報(bào)，繼續(xù)等待下次用戶行為觸發(fā)。家居安防是利用Raspberry Pi連接一些安防監(jiān)控類設(shè)備，通過軟件或?yàn)g覽器實(shí)時(shí)查看家居環(huán)境。通過環(huán)境監(jiān)測(cè)端采集到的用戶行為信息大都是隱性行為數(shù)據(jù)，其上報(bào)流程如圖3所示。

2.2 系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

系統(tǒng)硬件組成主要有Raspberry Pi和ESPduino，通過與一些常用傳感器配合使用，共同構(gòu)成物聯(lián)網(wǎng)的設(shè)備感知層，系統(tǒng)硬件結(jié)構(gòu)如圖4所示。

2.3 傳感器數(shù)據(jù)采集格式

由于傳感器采集的數(shù)據(jù)與用戶表達(dá)的行為動(dòng)作所觸發(fā)的事件之間在時(shí)間上具有一定的關(guān)聯(lián)特征，因此可以通過對(duì)傳感器數(shù)據(jù)的規(guī)整挖掘出用戶的行為關(guān)于時(shí)間的表達(dá)特征?；诖耍鞠到y(tǒng)設(shè)計(jì)了一種基于時(shí)間序列的傳感器設(shè)備數(shù)據(jù)采集格式，見表1所列。

關(guān)于傳感器設(shè)備數(shù)據(jù)采集格式的具體說明如下。

（1）時(shí)間time。傳感器設(shè)備被用戶動(dòng)作觸發(fā)的時(shí)間或用戶動(dòng)作進(jìn)行的開始時(shí)間或用戶動(dòng)作結(jié)束的時(shí)間。

（2）設(shè)備編號(hào)sensor_ID。傳感器設(shè)備的編號(hào)（唯一標(biāo)識(shí)一個(gè)傳感器設(shè)備）。

（3）設(shè)備名稱sensor_name。傳感器設(shè)備功能性描述的概括。

（4）設(shè)備數(shù)據(jù)sensor_data。傳感器設(shè)備當(dāng)前時(shí)刻采集到的數(shù)據(jù)，與設(shè)備類別配合使用。

（5）設(shè)備狀態(tài)sensor_state。傳感器設(shè)備當(dāng)前所處的狀態(tài)（工作/待工/異常/開機(jī)/關(guān)機(jī)）。

（6）設(shè)備類別sensor_category。傳感器設(shè)備的分類（分析顯性動(dòng)作的傳感器/分析隱性動(dòng)作的傳感器），根據(jù)設(shè)備的類別來判斷傳感器的數(shù)據(jù)是否可以使用。

2.4 系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)

根據(jù)基于時(shí)間序列的傳感器設(shè)備數(shù)據(jù)采集格式，制定用戶行為數(shù)據(jù)信息表，見表2所列。

3 行為分析算法模型設(shè)計(jì)

本系統(tǒng)關(guān)于行為分析算法研究是以用戶主觀操作所觸發(fā)的事件為研究對(duì)象，以傳感器采集的環(huán)境數(shù)據(jù)和被用戶操作指令觸發(fā)所表達(dá)的一些系列狀態(tài)為原始建模數(shù)據(jù)源;根據(jù)傳感器數(shù)據(jù)與用戶行為特征之間的關(guān)聯(lián)性規(guī)則對(duì)用戶事件進(jìn)行篩選劃分，識(shí)別出一次完整的用戶行為事件，從而探索用戶行為事件關(guān)于時(shí)間序列的分布特征;最后根據(jù)LSTM（Long Short-Term Memory）神經(jīng)網(wǎng)絡(luò)構(gòu)建用戶行為預(yù)測(cè)模型，利用測(cè)試數(shù)據(jù)集對(duì)模型進(jìn)行測(cè)試，檢驗(yàn)?zāi)Ｐ偷男阅堋?/p>

用戶行為分析的過程，可以劃分為三個(gè)階段：第一個(gè)階段是用戶行為事件的劃分與識(shí)別;第二階段用戶行為分析模型的訓(xùn)練;第三個(gè)階段是用戶行為分析模型的測(cè)試優(yōu)化。

3.1 用戶行為事件的劃分與識(shí)別

傳感器數(shù)據(jù)信息通過格式化處理，組成了原始數(shù)據(jù)集。根據(jù)原始數(shù)據(jù)集與用戶行為之間存在的關(guān)聯(lián)性規(guī)則，可以對(duì)原始數(shù)據(jù)集進(jìn)行初步的處理，分析挖掘用戶的行為特征，從而劃分出一次完整的用戶行為事件，最后以劃分好的一次完整的用戶行為事件為模型，提取出相應(yīng)事件的行為特征，根據(jù)特征篩選識(shí)別出需要分析的目標(biāo)事件數(shù)據(jù)集。用戶行為事件的劃分與識(shí)別的流程如圖5所示。

一次完整的用戶行為事件劃分步驟如下：

（1）根據(jù)傳感器設(shè)備編號(hào)ID收集相關(guān)數(shù)據(jù)信息記錄Sn，根據(jù)傳感器設(shè)備類別sensor_category，判斷用戶行為性質(zhì)。若是顯性動(dòng)作，則提取設(shè)備狀態(tài)sensor_state特征，組成基于時(shí)間序列的有序特征數(shù)據(jù)集Tn{Ti（ti， si） | 0

（2）數(shù)據(jù)集Tn

①首先計(jì)算每兩條si不同的記錄之間的時(shí)間間隔dti（dti=t2i-t2i-1，0

②將每個(gè)dti依次進(jìn)行編號(hào)，得到顯性行為事件組Xi（0

③將Xi與步驟①中參與計(jì)算的t2i與t2i-1進(jìn)行一一對(duì)應(yīng)，構(gòu)建行為顯性行為事件記錄表，格式見表3所列。

（3）數(shù)據(jù)集Dn

①根據(jù)傳感器設(shè)備數(shù)據(jù)手冊(cè)及環(huán)境參數(shù)，確定其在無用戶動(dòng)作干預(yù)或事件觸發(fā)情況下的數(shù)據(jù)特征。設(shè)其數(shù)據(jù)的特征值為λ，按照時(shí)間的先后順序檢索數(shù)據(jù)集Dn中的di，找到第一個(gè)與λ接近或相等的數(shù)據(jù)記錄tj，以tj為劃分第一個(gè)行為事件的起點(diǎn)，計(jì)算每兩條不同的記錄之間的時(shí)間間隔dt（dt=ti+j-ti+j-1，0>f0，則將ti+j-1時(shí)刻作為第一個(gè)行為事件的終點(diǎn)，ti+j時(shí)刻劃分第二個(gè)行為事件的起點(diǎn)，以此類推，最終得到隱性行為事件組Yi。分別將每個(gè)事件起點(diǎn)與終點(diǎn)之間的數(shù)據(jù)記錄構(gòu)建隱性行為事件記錄表，格式見表4所列。

（4）針對(duì)具體研究的目標(biāo)事件，在時(shí)間關(guān)系或傳感器數(shù)據(jù)波動(dòng)上構(gòu)建有別于其他事件的行為特征F。針對(duì)特征F設(shè)置閾值或篩選條件，對(duì)事件記錄表進(jìn)行篩選，得到目標(biāo)事件有序數(shù)據(jù)集Zn。Zn簡化后的數(shù)據(jù)格式見表5所列。

3.2 用戶行為分析模型的訓(xùn)練

LSTM是一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò)，適用于處理和預(yù)測(cè)基于時(shí)間序列的事件。利用LSTM對(duì)時(shí)間序列的預(yù)測(cè)分析，可以構(gòu)建用戶行為預(yù)測(cè)模型，具體步驟如下：

（1）將數(shù)據(jù)集Zn中的時(shí)間點(diǎn)數(shù)據(jù)ti進(jìn)行數(shù)值化處理，計(jì)算相鄰兩次目標(biāo)事件發(fā)生的時(shí)間間隔Δti（Δti=ti+1-ti），得到原始數(shù)據(jù)序列S'。

（2）選取設(shè)當(dāng)?shù)挠?xùn)練集窗口長度l，采用Δti-l+1，Δti-l+2，Δti-l+3，Δti-l+4，...，Δti的時(shí)間間隔數(shù)據(jù)組成模型訓(xùn)練集，用Δti+1的數(shù)據(jù)進(jìn)行驗(yàn)證，具體格式見表6所列。

（3）將驗(yàn)證數(shù)據(jù)歸一化，轉(zhuǎn)化成one-hot標(biāo)簽，選取適當(dāng)?shù)腖STM參數(shù)，帶入LSTM模型（見圖6）進(jìn)行訓(xùn)練，得到用戶行為預(yù)測(cè)模型。

3.3 用戶行為分析模型的測(cè)試優(yōu)化

根據(jù)目標(biāo)事件數(shù)據(jù)集的大小，將其劃分為測(cè)試數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集，將測(cè)試數(shù)據(jù)集帶入行為LSTM預(yù)測(cè)模型，根據(jù)預(yù)測(cè)結(jié)果和驗(yàn)證數(shù)據(jù)集的對(duì)比結(jié)果合理調(diào)整激活函數(shù)及相關(guān)參數(shù)，進(jìn)行網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化，如圖7所示。

4 系統(tǒng)測(cè)試

本系統(tǒng)通過模擬構(gòu)建日常的家居生活場(chǎng)景，從用戶角度出發(fā)，力求還原用戶的真實(shí)需要，以簡便實(shí)用為原則，設(shè)計(jì)過程按照軟件工程學(xué)的方法進(jìn)行，最終實(shí)現(xiàn)物聯(lián)網(wǎng)智能家居監(jiān)測(cè)控制系統(tǒng)的開發(fā)，通過對(duì)系統(tǒng)進(jìn)行測(cè)試，了解和保證系統(tǒng)的質(zhì)量，提升系統(tǒng)的可靠性。系統(tǒng)測(cè)試圖例如圖8～圖12所示。

5 結(jié) 語

針對(duì)傳統(tǒng)物聯(lián)網(wǎng)智能家居系統(tǒng)中存在的智能化人性化程度不高和現(xiàn)有行為分析算法過于復(fù)雜等問題，本文構(gòu)建了一種用戶行為分析模型，設(shè)計(jì)并實(shí)現(xiàn)了基于用戶行為分析的物聯(lián)網(wǎng)智能家居監(jiān)測(cè)控制系統(tǒng)。測(cè)試結(jié)果表明：本系統(tǒng)在家居環(huán)境數(shù)據(jù)監(jiān)測(cè)、家庭設(shè)備管理以及用戶行為分析方面具有方便高效性，可操作性強(qiáng)，能了解和掌握用戶的行為習(xí)慣規(guī)律，人性化程度較高，具有一定的實(shí)用價(jià)值。

注：本文通訊作者為孫澤軍。

參考文獻(xiàn)

[1]孫巖.人工智能、物聯(lián)網(wǎng)背景下智能家居系統(tǒng)的思考[J].建筑電氣，2019，38（8）：60-63.

[2]陳凱旋，周世恒，陳濤，等.基于Arduino與OneNET云平臺(tái)的簡易智能家居系統(tǒng)設(shè)計(jì)[J].物聯(lián)網(wǎng)技術(shù)，2019，9（12）：88-90.

[3]李克宇，杜謙，曾祥正，等.智能家居環(huán)境下基于決策樹的用戶行為分析[J].科技創(chuàng)新與應(yīng)用，2018（15）：15-16.

[4]童世華，張昱東.基于用戶行為分析的智能家居控制軟件的設(shè)計(jì)[J].電視技術(shù)，2017，41（z2）：104-109.

[5]阿曼多·凡丹戈.Python數(shù)據(jù)分析[M].2版.北京：人民郵電出版社，2018.

[6]陳聰.情境感知在智能家居系統(tǒng)設(shè)計(jì)中的應(yīng)用研究[D].廣州：廣州大學(xué)，2019.

[7] FATIMA Iram，F(xiàn)AHIM Muhammad，LEE Young-Koo，et al. A unified framework for activity recognition-based behavior analysis and action prediction in smart homes [J]. Sensors，2013，13（2）： 2682-2699.

[8]付凱，李莉，楊子羿，等.智能家居安全風(fēng)險(xiǎn)與防護(hù)研究[J].電子產(chǎn)品世界，2019，26（5）：72-75.

[9]陸興華，林佳聰，謝欣殷，等.基于大數(shù)據(jù)的物聯(lián)網(wǎng)用戶行為模式挖掘[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（12）：99-103.

[10]閆坤，沈蘇彬.一種基于智能家居的用戶行為預(yù)測(cè)方法[J].計(jì)算機(jī)技術(shù)與發(fā)展，2020，30（1）：19-24.

[11]郭煜，胡鋼.面向智能家居應(yīng)用的物聯(lián)網(wǎng)安全防護(hù)系統(tǒng)設(shè)計(jì)[J].現(xiàn)代信息科技，2019，3（19）：191-193.

[12]牛奕翔.基于ZigBee的物聯(lián)網(wǎng)智能家居系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)技術(shù)與發(fā)展，2019，29（11）：37-41.

[13]劉金河，廉儒發(fā).基于行為情境分析的智能家居控制終端研究[J].藝術(shù)與設(shè)計(jì)（理論），2019（z1）：93-95.