智能家居決策能力的設(shè)計(jì)與實(shí)現(xiàn)

周翔

智能家居決策能力的設(shè)計(jì)與實(shí)現(xiàn)

周翔

（福州理工學(xué)院 計(jì)算與信息科學(xué)學(xué)院，福建 福州 350506）

隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們生活水平的提高，智能家居逐漸成為熱門的研究方向，并走入了大家的生活，為人們的生活和工作帶來了便利。文章就如何使智能家居系統(tǒng)具備決策能力，提出一種智能家居決策能力的設(shè)計(jì)與實(shí)現(xiàn)的方案。首先進(jìn)行系統(tǒng)平臺(tái)總體架構(gòu)的設(shè)計(jì)，將其分為三個(gè)功能模塊，符合用戶操作的便利性以及為智能化提供數(shù)據(jù)基礎(chǔ)。然后，通過獲取的用戶數(shù)據(jù)，采用用戶軌跡算法與專家系統(tǒng)相結(jié)合的推薦算法實(shí)現(xiàn)智能家居決策能力。最終通過智能化的推薦功能測(cè)試，驗(yàn)證該方案的可行性。

智能家居；用戶軌跡算法；專家系統(tǒng)

1 引言

隨著計(jì)算機(jī)技術(shù)的發(fā)展，人們生活水平的提高，智能家居逐漸成為熱門的研究方向，并走入了大家的生活，為人們的生活和工作帶來了便利。但作為一項(xiàng)新生技術(shù)，一個(gè)全新的產(chǎn)業(yè)體系，它還處于一個(gè)萌芽階段。人們對(duì)于智能家居這個(gè)概念還不熟悉，再加上智能家居價(jià)格昂貴，因而不能被人們很好的接受，所以整個(gè)市場(chǎng)目前的狀況還不是很好。但是，隨著智能家居概念的推進(jìn)、普及以及人們消費(fèi)水平的提高，市場(chǎng)的消費(fèi)觀念會(huì)逐漸形成。就如以前的PC機(jī)一般，這個(gè)產(chǎn)業(yè)的潛力必然是無限的[1]。

目前智能家居存在“不夠智能”和“操作復(fù)雜”這兩個(gè)缺陷，嚴(yán)重影響用戶的體驗(yàn)，會(huì)阻礙智能家居的發(fā)展，需要我們盡早解決[3]。因此，本文采用用戶軌跡算法對(duì)于用戶行為進(jìn)行預(yù)測(cè)與分析，運(yùn)用專家系統(tǒng)進(jìn)行決策能力的實(shí)現(xiàn)。實(shí)踐證明，只有合理地將二者結(jié)合，才能創(chuàng)造出更符合用戶需求的人工智能家居系統(tǒng)，使得智能家居可以執(zhí)行如：根據(jù)用戶日常生活習(xí)慣，在用戶下班回到家，即可品嘗到電燉鍋燉好的符合用戶口味的美味濃湯，享受到空調(diào)調(diào)節(jié)好的、舒適的室內(nèi)溫度和熱水器調(diào)節(jié)好的水溫等。無需用戶人為干預(yù)，從而進(jìn)入一個(gè)“懶人的時(shí)代”。

本文主要是以解決現(xiàn)有智能家居系統(tǒng)存在自主適應(yīng)能力不強(qiáng)和智能化不足的問題，提出以用戶軌跡算法和專家系統(tǒng)為理論基礎(chǔ)，設(shè)計(jì)并實(shí)現(xiàn)具有Web應(yīng)用服務(wù)器模塊、手機(jī)終端模塊為一體的一整套的智能家居系統(tǒng)。本系統(tǒng)可以通過采集用戶日常操作的信息數(shù)據(jù)，并進(jìn)行挖掘，逐步地學(xué)習(xí)與識(shí)別，最終實(shí)現(xiàn)智能家居的自主決策能力。

2 智能家居系統(tǒng)設(shè)計(jì)

本系統(tǒng)引入用戶軌跡算法和專家系統(tǒng)等技術(shù)進(jìn)行設(shè)計(jì)，包括系統(tǒng)模型的構(gòu)建以及用戶推薦功能的設(shè)計(jì)。同時(shí)，本系統(tǒng)還設(shè)計(jì)了一個(gè)數(shù)據(jù)采集模型，該模型可以對(duì)數(shù)據(jù)進(jìn)行分層采集、過濾。通過用戶軌跡算法對(duì)用戶日常生活習(xí)慣的數(shù)據(jù)進(jìn)行采集，生成信息庫(kù)，再通過專家系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行分析，最終給出一份貼合用戶的智能任務(wù)推薦。

2.1 系統(tǒng)整體框架設(shè)計(jì)

本系統(tǒng)的整體框架設(shè)計(jì)如圖1所示，系統(tǒng)分為三大模塊，分別為智能家居硬件模塊、Web應(yīng)用服務(wù)器模塊、手機(jī)終端模塊。

2.1.1 智能家居硬件模塊

通過WIFI模塊接收Web應(yīng)用服務(wù)器的操作信息，從而控制相關(guān)硬件模塊的執(zhí)行。

從傳感器中獲取硬件信息以及用戶的直接操作，通過WIFI模塊發(fā)送給Web應(yīng)用服務(wù)器。

圖1 系統(tǒng)框架圖

2.1.2Web應(yīng)用服務(wù)器模塊

基礎(chǔ)功能：主要完成智能家居系統(tǒng)的基礎(chǔ)操作，對(duì)于用戶權(quán)限、家居設(shè)備等信息管理的操作；

硬件操控：通過用戶的執(zhí)行操作或者智能任務(wù)列表的執(zhí)行序列，由服務(wù)器處理后轉(zhuǎn)發(fā)給硬件操控模塊，并將其轉(zhuǎn)換成數(shù)據(jù)包，通過網(wǎng)絡(luò)通信的方式發(fā)送給智能家居硬件模塊。

智能算法：主要負(fù)責(zé)用戶數(shù)據(jù)采集、過濾和分析，并最終生成智能任務(wù)列表等。

2.1.3 手機(jī)終端模塊

通過智能家居硬件模塊，對(duì)WIFI模塊進(jìn)行初始化操作，確保能夠通過WIFI模塊與Web應(yīng)用服務(wù)器連接。

基礎(chǔ)功能：用戶的注冊(cè)登錄功能，以及負(fù)責(zé)呈現(xiàn)用戶的操作交互界面，確保能夠通過操作手機(jī)終端連接上Web應(yīng)用服務(wù)器，從而遠(yuǎn)程控制智能家居硬件設(shè)備。

綜上所述，本系統(tǒng)主要研究智能處理的兩個(gè)基本功能：信息采集和行為預(yù)測(cè)。信息采集主要是通過家居設(shè)備，Web應(yīng)用和手機(jī)終端采集用戶日常使用的操作行為數(shù)據(jù)。行為預(yù)測(cè)主要是對(duì)所采集的信息資料進(jìn)行分析，從而得出用戶對(duì)于不同的家居設(shè)備的使用情況，例如：通過一段時(shí)間的信息采集，可以預(yù)測(cè)用戶每天早上都幾點(diǎn)起床，本系統(tǒng)將在該時(shí)間自動(dòng)操作家居設(shè)備打開窗戶，以及用戶每天都幾點(diǎn)關(guān)燈睡覺，平時(shí)空調(diào)喜歡調(diào)整到什么溫度等等，均可以作為系統(tǒng)決策的參考，然后選擇形成對(duì)應(yīng)的執(zhí)行行為列表。

2.2 系統(tǒng)業(yè)務(wù)流程設(shè)計(jì)

針對(duì)上述的設(shè)計(jì)和基本功能，本文提出了相對(duì)應(yīng)的解決辦法，系統(tǒng)的業(yè)務(wù)流程如圖2所示。

圖2 業(yè)務(wù)流程圖

業(yè)務(wù)流程的步驟說明：首先，本系統(tǒng)采用用戶軌跡算法對(duì)用戶的每一次操作進(jìn)行數(shù)據(jù)的采集和整理，從而生成用戶軌跡記錄，并進(jìn)行持久化保存。采集到的用戶軌跡數(shù)據(jù)，都具有一些后續(xù)操作有意義的信息，例如：目標(biāo)設(shè)備的IMEI號(hào)、操作目標(biāo)設(shè)備用戶的id、操作目標(biāo)設(shè)備的起始時(shí)間和結(jié)束時(shí)間以及該設(shè)備的運(yùn)行時(shí)間和操作的類型等，并產(chǎn)生一個(gè)用戶記錄類，保存到數(shù)據(jù)庫(kù)內(nèi)。接著，利用用戶軌跡算法對(duì)用戶軌跡數(shù)據(jù)進(jìn)行處理與過濾，進(jìn)而實(shí)現(xiàn)專家系統(tǒng)的知識(shí)規(guī)則庫(kù)構(gòu)建，從而保證初始智能任務(wù)列表生成。而對(duì)于數(shù)據(jù)處理方面，本系統(tǒng)設(shè)計(jì)了采集模型對(duì)象，并從采集范圍、采樣周期、樣本時(shí)間片、樣本相似度幾個(gè)維度對(duì)用戶軌跡數(shù)據(jù)進(jìn)行分割[3]。采集范圍隨著時(shí)間變化，是一個(gè)動(dòng)態(tài)的值，它決定了整體數(shù)據(jù)的范圍，舍棄掉一些過于久遠(yuǎn)、無效、冗余的數(shù)據(jù)，保證數(shù)據(jù)的時(shí)效性。采樣周期可以是幾天，也可以是一周，或者一個(gè)月，通過這個(gè)時(shí)間可以調(diào)整智能任務(wù)列表的生成周期，保證智能推薦算法的靈敏度，以及更好地平衡服務(wù)器的負(fù)載。樣本時(shí)間片是將用戶數(shù)據(jù)樣本根據(jù)時(shí)間切割成若干塊，再分別對(duì)每個(gè)時(shí)間片的數(shù)據(jù)進(jìn)行處理。樣本相似度是對(duì)數(shù)據(jù)進(jìn)行過濾的重要依據(jù)，它對(duì)數(shù)據(jù)依照時(shí)間進(jìn)行合并處理，極大去除了用戶在短時(shí)間內(nèi)的重復(fù)操作帶來的冗余信息，使得過濾后的信息變得更加精簡(jiǎn)有效。同時(shí)，根據(jù)相似度與時(shí)間片劃分，可以得到每份數(shù)據(jù)在單位時(shí)間內(nèi)所占的權(quán)重，為后續(xù)智能任務(wù)生成中所需要的帶權(quán)平均值算法做好準(zhǔn)備。

其次，本系統(tǒng)在經(jīng)過了采集模型對(duì)數(shù)據(jù)的精簡(jiǎn)過濾后，并獲取到一系列的用戶有效操作信息后，采用帶權(quán)平均數(shù)方法，根據(jù)操作的設(shè)備IMEI，操作的類型進(jìn)行歸類處理，計(jì)算出采集模型中的各個(gè)操作時(shí)間。通過采集模型過濾獲取有效數(shù)據(jù)信息，最終能夠形成初始的智能任務(wù)列表。

最后，采用專家系統(tǒng)的推理機(jī)負(fù)責(zé)二次篩選過濾初始的智能任務(wù)列表，并將獲取的數(shù)據(jù)信息，通過本系統(tǒng)的專業(yè)知識(shí)設(shè)計(jì)出合理的規(guī)則，然后保存到數(shù)據(jù)庫(kù)內(nèi)，生成知識(shí)規(guī)則庫(kù)。再根據(jù)剛形成的知識(shí)規(guī)則庫(kù)以及用戶真實(shí)場(chǎng)景的情況，通過推理機(jī)對(duì)智能任務(wù)列表進(jìn)行分析，并過濾選擇。這樣形成的智能任務(wù)列表更加準(zhǔn)確，并能夠保證列表上的每個(gè)任務(wù)都是合理有效的。

3 核心機(jī)制設(shè)計(jì)

3.1 推薦算法實(shí)現(xiàn)

圖3是實(shí)現(xiàn)智能化推薦而設(shè)計(jì)的算法流程圖。

圖3 推薦算法流程圖

3.1.1 收集數(shù)據(jù)

通過用戶操作家居設(shè)備，將用戶ID，操作行為，操作的開始時(shí)間，操作的結(jié)束時(shí)間，設(shè)備的運(yùn)行時(shí)間和設(shè)備ID等信息進(jìn)行收集，存放在數(shù)據(jù)庫(kù)中的用戶軌跡數(shù)據(jù)部分。

3.1.2 整理數(shù)據(jù)

因?yàn)槊看斡涗浂伎梢晕ㄒ粯?biāo)示一個(gè)用戶軌跡，所以，我們就把所有的收集到的數(shù)據(jù)進(jìn)行整合，并通過用戶的行為進(jìn)行一些有針對(duì)性的分類，將所獲得的用戶軌跡數(shù)據(jù)按時(shí)間先后順序歸為一個(gè)類別，形成了一個(gè)<軌跡，時(shí)間>的數(shù)據(jù)對(duì)。

3.1.3 遍歷數(shù)據(jù)對(duì)

獲取所有用戶的ID，再根據(jù)用戶的ID集合，查找每一位用戶的所有用戶軌跡信息；在已獲取的用戶信息集合內(nèi)，根據(jù)設(shè)備ID對(duì)用戶軌跡信息按設(shè)備進(jìn)行劃分，查出某一個(gè)用戶對(duì)某一個(gè)設(shè)備的所有操作記錄，即獲取樣本庫(kù)；根據(jù)采樣模型中設(shè)置的樣本庫(kù)大小對(duì)數(shù)據(jù)進(jìn)行過濾，獲取到某一段時(shí)間內(nèi)的用戶軌跡信息，對(duì)一些過于久遠(yuǎn)的用戶軌跡信息進(jìn)行剔除，對(duì)樣本庫(kù)進(jìn)行一個(gè)初步的時(shí)間上的過濾；再根據(jù)采樣模型中的樣本時(shí)間片大小，對(duì)樣本庫(kù)進(jìn)行劃分，將每日的操作按照時(shí)間片劃分出多個(gè)樣本子集；接下來按照樣本的相似度，對(duì)某一個(gè)時(shí)間片內(nèi)的樣本數(shù)據(jù)進(jìn)行過濾、合并處理。例如，樣本的相似度大小設(shè)置為20min，那么18:20到18:40之間的數(shù)據(jù)就可以全部合并到18:20處理。

3.1.4 生成數(shù)據(jù)

將處理好的用戶軌跡數(shù)據(jù)進(jìn)行合并規(guī)則進(jìn)行處理，這里先準(zhǔn)備求出開燈的推薦時(shí)間，在樣本相似度為20min，時(shí)間片為1h的情況下，假設(shè)x1=18:20，x2=18:40，則該時(shí)間片內(nèi)的推薦時(shí)間為：(x1*2+x2)/(2+1) = 26.7，即在18:00～19:00內(nèi)推薦的開燈時(shí)間為18:26′42″，可以看出這個(gè)時(shí)間我們觀察所得的結(jié)果大致一致，該用戶最常打開電燈的時(shí)間點(diǎn)為18:26。接下來計(jì)算該時(shí)間片內(nèi)的關(guān)燈時(shí)間，同樣設(shè)x1=18:20，x2=18:40，則該時(shí)間片內(nèi)的關(guān)燈時(shí)間為(x1*2+x2)/(2+1)= 26.7，再加上設(shè)備的運(yùn)行時(shí)間(330000+3000+119880)/3=150960(ms)，即關(guān)燈時(shí)間為18:29′12″。最終，生成<操作，ID，設(shè)備信息>的映射關(guān)系。

3.2 知識(shí)庫(kù)物理設(shè)計(jì)

知識(shí)庫(kù)的物理設(shè)計(jì)目的，重點(diǎn)是為了對(duì)所設(shè)計(jì)的知識(shí)信息進(jìn)行存儲(chǔ)。常見的知識(shí)存儲(chǔ)方式有以下幾種：索引文件、Hash表、樹、圖結(jié)構(gòu)、數(shù)據(jù)字典等?；谥悄芗揖酉到y(tǒng)的行業(yè)特點(diǎn)，本系統(tǒng)中的知識(shí)庫(kù)的物理存儲(chǔ)可采用Hash表的方式。該方式是在軟件程序設(shè)計(jì)方面，通過ORM（Object Relational Mapping）框架，將關(guān)系型數(shù)據(jù)庫(kù)與面向?qū)ο筮M(jìn)行結(jié)合。

在智能家居系統(tǒng)的學(xué)習(xí)過程中，規(guī)則性知識(shí)需要根據(jù)用戶日常對(duì)家居設(shè)備的操作習(xí)慣，而不斷地進(jìn)行更改。知識(shí)庫(kù)中的知識(shí)需要一個(gè)長(zhǎng)期的不斷完善并改進(jìn)的構(gòu)建過程。鑒于以上原因，本系統(tǒng)從知識(shí)庫(kù)的邏輯表示出發(fā)，發(fā)現(xiàn)知識(shí)庫(kù)中需要存在著三種概念：規(guī)則、結(jié)論與事實(shí)，并且結(jié)合通過用戶軌跡算法，可以得出一個(gè)智能任務(wù)列表，進(jìn)行物理設(shè)計(jì)。根據(jù)用戶軌跡數(shù)據(jù)，我們可以先通過觀察得出部分結(jié)論。例如，該用戶在每晚的18:00～19:00之間會(huì)對(duì)電燈進(jìn)行操作；每次操作的均是相同的設(shè)備；每次對(duì)電燈的操作時(shí)間在1～2min不等。將這組數(shù)據(jù)放入算法中，并根據(jù)專家系統(tǒng)的知識(shí)庫(kù)原理，設(shè)置我們算法中的采集模型，將采集的時(shí)間片大小設(shè)置為1h，采集的相似度過濾設(shè)置為20min，假設(shè)當(dāng)前運(yùn)行算法的時(shí)間為4月2日00:00，則可以得到其推薦結(jié)果，生成的任務(wù)表。并且，從用戶軌跡數(shù)據(jù)上可以看出推薦的開燈任務(wù)分別在4月2日的18:26′42″和4月2日的19:10執(zhí)行，兩次的執(zhí)行時(shí)間分別為2′20″和1min左右，與我們的實(shí)際觀察結(jié)論大致相同。

通過該示例的知識(shí)規(guī)則表示，在專家系統(tǒng)的知識(shí)庫(kù)物理設(shè)計(jì)中采用關(guān)系數(shù)據(jù)庫(kù)，可以很方便地通過用戶軌跡算法實(shí)現(xiàn)對(duì)知識(shí)庫(kù)的維護(hù)和更新。

4 智能推薦功能測(cè)試

依據(jù)本文提出的將用戶軌跡算法和專家系統(tǒng)相結(jié)合的方式，我們的實(shí)驗(yàn)?zāi)Ｐ腿鐖D4所示。

測(cè)試選用燈光控制功能進(jìn)行，進(jìn)入管理頁(yè)面，打開智能模式。根據(jù)表1所保存的用戶軌跡信息，生成智能任務(wù)列表，如表2所示。

圖4 實(shí)驗(yàn)?zāi)Ｐ?/p>

表1 部分用戶軌跡信息

表2 智能任務(wù)列表

為了更好的測(cè)試效果，這里采用輪詢，每5s查找一次智能任務(wù)列表，查找該時(shí)間段是否有設(shè)備運(yùn)行。

通過不斷測(cè)試，結(jié)果顯示，本系統(tǒng)已經(jīng)初步具備較好的抗錯(cuò)能力。在測(cè)試中暴露出本系統(tǒng)還有一些不足，例如：知識(shí)庫(kù)的形成還不夠完善；對(duì)更復(fù)雜的硬件設(shè)備無法生成規(guī)則。因此，在之后的研究中，還需要不斷地對(duì)本系統(tǒng)進(jìn)行完善，使智能家居更加智能化。

5 總結(jié)

本文將用戶軌跡算法以及專家系統(tǒng)應(yīng)用于智能家居領(lǐng)域，通過對(duì)用戶行為操作的采集，形成專家系統(tǒng)的知識(shí)庫(kù)，并通過推理機(jī)制進(jìn)行智能推薦，從而降低用戶對(duì)智能家居的操作，使智能家居能夠根據(jù)所獲取到的信息，合理地調(diào)配家居中各設(shè)備的運(yùn)作狀態(tài)。與其他傳統(tǒng)的智能家居相比，具有決策能力是本文的特色和創(chuàng)新之處，因?yàn)閭鹘y(tǒng)的智能家居系統(tǒng)都是通過人為操作來控制其“智能”，性能遠(yuǎn)遠(yuǎn)比不上自動(dòng)化操控。從模擬測(cè)試的情況來看，其運(yùn)行的效果達(dá)到了預(yù)期，它能分析出大部分用戶操作行為，產(chǎn)生智能執(zhí)行列表。并且，本系統(tǒng)在系統(tǒng)結(jié)構(gòu)方面，擁有很強(qiáng)的復(fù)用性、維護(hù)性、擴(kuò)展性和靈活性。

[1] 陳露. 智能家居發(fā)展機(jī)遇與挑戰(zhàn)[J]. 城市建設(shè)理論研究, 2015(18): 723.

[2] 于軍琪, 陶麗杰. 基于ZIGBEE技術(shù)利用專家系統(tǒng)構(gòu)建智能家居的研究[C]. 國(guó)際綠色建筑與建筑節(jié)能大會(huì), 2010: 126–127.

[3] SILVA L, MORIKAWA C, PETRA I M. State of the art of smart homes[J]. Engineering applications of artificial intelligence, 2012, 25(7): 1313–1321.

[4] 王成泓, 周翔. 具有學(xué)習(xí)能力的智能家居系統(tǒng)的研究[J]. 求知導(dǎo)刊, 2017(15): 63–64.

The Design and Implementation of Smart Home Decision-making Capability

ZHOU Xiang

(Department of Computing and Information Science, Fuzhou Institute of Technology, Fuzhou Fujian 350506, China)

With the development of computer technology and the improvement of living standards, smart home has gradually become popular in research and daily life, bringing convenience to people’s life and work. In this paper, we propose a scheme for design and implementation of smart home decision-making ability on how to make smart home system with decision-making capability. First of all, the overall architecture of the system platform is designed, which is divided into three functional modules, in line with the convenience of user operation and providing data basis for intelligence. Then, through the user data obtained, the recommendation algorithm combining user trajectory algorithm with expert system is used to realize the decision-making capability of smart home. Finally, through the intelligent recommendation function test, the feasibility of the proposed scheme is verified.

smart home; user trajectory algorithm; expert system

2021-07-04

福建省教育廳中青年教師科研項(xiàng)目（JAT200910）；福州理工學(xué)院校級(jí)科研基金項(xiàng)目（FTKY015）

周翔（1982—），男，福建福州人，副教授，高級(jí)工程師，碩士，研究方向：人工智能、大數(shù)據(jù)應(yīng)用。

TP393.06

A

2095-9249（2022）03-0073-05

〔責(zé)任編校：陳楠楠〕