Resumen

Detectar y predecir la ocupación de los edificios es una tarea importante que puede mejorar significativamente la eficiencia energética y el confort de los ocupantes. Actualmente se dispone de una gran cantidad de datos que permiten la implementación de algoritmos basados en aprendizaje automático para la estimación directa e indirecta de la ocupación. Evaluamos modelos ensemble, en concreto, bosques aleatorios, sobre datos recogidos de un sensor de termopila de matriz PIR 8×8 con el doble objetivo de predecir valores de temperatura de celdas individuales y, posteriormente, detectar el estado de ocupación. La evaluación del método se basa en un estudio de caso real desplegado en un centro informático de Bucarest, para el que hemos recogido más de tres semanas de datos de suelo, los hemos analizado y los hemos utilizado con el fin de predecir la ocupación en una habitación. Los resultados muestran un error porcentual absoluto medio del 2-4% para la predicción de la temperatura y una precisión >99 en un modelo de tres clases para detectar la presencia humana. Los resultados obtenidos pueden ser utilizados por modelos de control predictivo de edificios para optimizar las órdenes a diversos subsistemas. Al separar el despliegue específico de la arquitectura del sistema y la estructura de datos, la aplicación puede traducirse fácilmente a otros perfiles de uso y entidades del entorno construido. En comparación con los sistemas basados en la visión, nuestra solución preserva la privacidad con un rendimiento mejorado en comparación con el PIR único o la estimación indirecta.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:sensor de termopila de matriz pir, valores de temperatura de celdas individuales, modelos predictivos de control de edificios, flujos de datos enriquecidos, error porcentual absoluto, estimación indirecta de ocupación, otros perfiles de uso, estudio de caso real, ocupación, it hub
• Keywords:pir matrix thermopile sensor, individual cell temperature values, predictive building control models, rich data streams, absolute percentage error, indirect occupancy estimation, other usage profiles, real case study, occupancy, it hub