論文の概要: Spacematch: Using environmental preferences to match occupants to
suitable activity-based workspaces
- arxiv url: http://arxiv.org/abs/2006.09570v1
- Date: Wed, 17 Jun 2020 00:00:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-19 21:11:55.112199
- Title: Spacematch: Using environmental preferences to match occupants to
suitable activity-based workspaces
- Title（参考訳）: スペースマッチ:環境選好を利用して住民を適切な活動型ワークスペースに合わせる
- Authors: Tapeesh Sood, Patrick Janssen, and Clayton Miller
- Abstract要約: アクティビティベースのワークスペース(ABW)パラダイムは、商用オフィススペースで人気が高まっている。
本稿では、ABWの割り当てと管理を改善するために設計されたSpacematchプラットフォームの実装とテストについて述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The activity-based workspace (ABW) paradigm is becoming more popular in
commercial office spaces. In this strategy, occupants are given a choice of
spaces to do their work and personal activities on a day-to-day basis. This
paper shows the implementation and testing of the Spacematch platform that was
designed to improve the allocation and management of ABW. An experiment was
implemented to test the ability to characterize the preferences of occupants to
match them with suitable environmentally-comfortable and spatially-efficient
flexible workspaces. This approach connects occupants with a catalog of
available work desks using a web-based mobile application and enables them to
provide real-time environmental feedback. In this work, we tested the ability
for this feedback data to be merged with indoor environmental values from
Internet-of-Things (IoT) sensors to optimize space and energy use by grouping
occupants with similar preferences. This paper outlines a case study
implementation of this platform on two office buildings. This deployment
collected 1,182 responses from 25 field-based research participants over a
30-day study. From this initial data set, the results show that the ABW
occupants can be segmented into specific types of users based on their
accumulated preference data, and matching preferences can be derived to build a
recommendation platform.
- Abstract（参考訳）: アクティビティベースのワークスペース(ABW)パラダイムは、商用オフィススペースで人気が高まっている。
この戦略では、居住者は日常的に仕事や個人活動を行う場所を選択する。
本稿では、ABWの割り当てと管理を改善するために設計されたSpacematchプラットフォームの実装とテストについて述べる。
環境にやさしく空間効率の良いフレキシブルな作業空間に適合するように、居住者の好みを特徴付ける能力をテストする実験を行った。
このアプローチは、Webベースのモバイルアプリケーションを使用して、利用者を利用可能なワークデスクのカタログに結びつけ、リアルタイムな環境フィードバックを提供する。
本研究では,このフィードバックデータをiot(internet-of-things)センサの屋内環境値にマージして,同じ好みの居住者をグループ化することにより,空間とエネルギーの使用を最適化する機能を検証した。
本稿では,このプラットフォームを2つのオフィスビルに実装したケーススタディについて概説する。
この配備は、30日間の研究で25のフィールドベースの研究参加者から1,182の回答を集めた。
この初期データセットから, ABW利用者は, 蓄積した嗜好データに基づいて, 特定の種類のユーザに区分することができ, マッチング嗜好を導出してレコメンデーションプラットフォームを構築することができることを示した。
関連論文リスト
- Adapting Job Recommendations to User Preference Drift with Behavioral-Semantic Fusion Learning [49.262407095098645]
求人推薦システムは、オンライン求職における求職者と求職者の機会の整合に不可欠である。
ユーザは、雇用機会を継続的に確保するために、仕事の好みを調整する傾向があります。
セマンティック情報と行動情報の融合学習を通じてユーザの嗜好をモデル化するセッションベースフレームワークBISTROを提案する。
論文 参考訳（メタデータ） (2024-06-24T14:38:04Z) - Implicitly Guided Design with PropEn: Match your Data to Follow the Gradient [52.2669490431145]
PropEnは'matching'にインスパイアされている。
一致したデータセットによるトレーニングは、データ分布内に留まりながら、興味のある性質の勾配を近似することを示す。
論文 参考訳（メタデータ） (2024-05-28T11:30:19Z) - Active Exploration based on Information Gain by Particle Filter for
Efficient Spatial Concept Formation [5.350057408744861]
本稿では,情報ゲインに基づく能動探索を用いた空間概念形成法を提案する。
本研究は,アクティブな推論の文脈において,ロボットの動作を利用者に尋ねる目的地の選択として解釈する。
本研究では,家庭環境における空間概念学習の目的を効率的に決定する上で,SpCoAEの有効性を実証した。
論文 参考訳（メタデータ） (2022-11-20T10:12:17Z) - On Inferring User Socioeconomic Status with Mobility Records [61.0966646857356]
本稿では,DeepSEIと呼ばれる,社会経済に配慮したディープモデルを提案する。
DeepSEIモデルはディープネットワークとリカレントネットワークと呼ばれる2つのネットワークを組み込んでいる。
実際の移動記録データ、POIデータ、住宅価格データについて広範な実験を行う。
論文 参考訳（メタデータ） (2022-11-15T15:07:45Z) - Modeling Spatial Trajectories using Coarse-Grained Smartphone Logs [9.571588145356277]
REVAMPは、スマートフォンアプリケーションのユーザアクティビティを利用して、モビリティの好みを特定する、シーケンシャルなPOIレコメンデーションアプローチである。
REVAMPは正確なジオコーディネート、ソーシャルネットワーク、あるいはアクセスされている特定のアプリケーションに対してプライベートではない。
論文 参考訳（メタデータ） (2022-08-29T02:56:39Z) - Targeting occupant feedback using digital twins: Adaptive
spatial-temporal thermal preference sampling to optimize personal comfort
models [0.0]
本稿では,スマートウォッチを用いたデータサンプリングを最適化するシナリオベース(仮想実験)手法について概説する。
提案したBuild2Vec法は,空間に基づくサンプリング法や正方形グリッドに基づくサンプリング法よりも,全体のサンプリング品質が18～23%高い。
論文 参考訳（メタデータ） (2022-02-22T07:38:23Z) - Lifelong Unsupervised Domain Adaptive Person Re-identification with
Coordinated Anti-forgetting and Adaptation [127.6168183074427]
本稿では,LUDA (Lifelong Unsupervised Domain Adaptive) という新たなタスクを提案する。
これは、モデルがターゲット環境のラベル付けされていないデータに継続的に適応する必要があるため、難しい。
我々は、CLUDA-ReIDと呼ばれるこのタスクのための効果的なスキームを設計し、そこでは、アンチフォージェッティングが適応と調和して調整される。
論文 参考訳（メタデータ） (2021-12-13T13:19:45Z) - Multimodal Approaches for Indoor Localization for Ambient Assisted
Living in Smart Homes [0.0]
ユーザインタラクションのマルチモーダルコンポーネントを研究する,ビッグデータ駆動の方法論を提案する。
第二に、加速度計とジャイロスコープデータを解釈できる文脈に依存しないアプローチを導入する。
第3に,室内位置の空間座標を検出する手法を提案する。
論文 参考訳（メタデータ） (2021-06-29T17:46:21Z) - Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。
本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。
空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
論文 参考訳（メタデータ） (2020-10-19T04:25:10Z) - Comfort-as-a-Service: Designing a User-Oriented Thermal Comfort Artifact
for Office Buildings [0.0]
本研究は,オープンオフィス環境における個々人の快適さを最適化することを目的としている。
デザインサイエンスリサーチのアプローチに基づいて、私たちはまず、模範的な企業オフィスビルでユーザ体験テストを実施します。
平均決定係数41.5%の異なるIoTデータソースを含む機械学習モデルを構築した。
論文 参考訳（メタデータ） (2020-03-27T19:06:38Z) - Human Preference-Based Learning for High-dimensional Optimization of
Exoskeleton Walking Gaits [55.59198568303196]
この研究は、LineCoSparという、高次元でユーザの好みを学習するヒューマン・イン・ザ・ループの好みベースのフレームワークを提示する。
シミュレーションと人為的試行において,LineCoSparは高次元の選好最適化のためのサンプル効率のよい手法であることを実証的に検証した。
この結果はエキソ骨格の歩行合成に影響を及ぼし,臨床応用と患者のリハビリテーションに有効である。
論文 参考訳（メタデータ） (2020-03-13T22:02:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。