論文の概要: Mobility Map Inference from Thermal Modeling of a Building
- arxiv url: http://arxiv.org/abs/2011.07372v1
- Date: Sat, 14 Nov 2020 19:19:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 13:45:31.460718
- Title: Mobility Map Inference from Thermal Modeling of a Building
- Title（参考訳）: 建物の熱モデルによるモビリティマップ推定
- Authors: Risul Islam, Andrey Lokhov, Nathan Lemons, Michalis Faloutsos
- Abstract要約: 部屋の温度から各建物に居住する者の分布である移動度マップを推定することの問題点を考察する。
提案アルゴリズムは,パラメータ学習者(Last Square Estimator)を改良したLast Square Estimatorを活用することで,上記の課題に対処する。
私たちの仕事は、オフィスビルの物理的なセキュリティを確保するなど、幅広いアプリケーションで使用できます。
- 参考スコア（独自算出の注目度）: 1.5522829321999745
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We consider the problem of inferring the mobility map, which is the
distribution of the building occupants at each timestamp, from the temperatures
of the rooms. We also want to explore the effects of noise in the temperature
measurement, room layout, etc. in the reconstruction of the movement of people
within the building. Our proposed algorithm tackles down the aforementioned
challenges leveraging a parameter learner, the modified Least Square Estimator.
In the absence of a complete data set with mobility map, room and ambient
temperatures, and HVAC data in the public domain, we simulate a physics-based
thermal model of the rooms in a building and evaluate the performance of our
inference algorithm on this simulated data. We find an upper bound of the noise
standard deviation (<= 1F) in the input temperature data of our model. Within
this bound, our algorithm can reconstruct the mobility map with a reasonable
reconstruction error. Our work can be used in a wide range of applications, for
example, ensuring the physical security of office buildings, elderly and infant
monitoring, building resources management, emergency building evacuation, and
vulnerability assessment of HVAC data. Our work brings together multiple
research areas, Thermal Modeling and Parameter Estimation, towards achieving a
common goal of inferring the distribution of people within a large office
building.
- Abstract（参考訳）: 部屋の温度から各タイムスタンプにおける建物利用者の分布である移動度マップを推定する問題を考察する。
また、建物内の人々の移動の再構築における、温度測定や部屋配置等における騒音の影響についても検討したい。
提案アルゴリズムは,パラメータ学習者(Last Square Estimator)の修正による課題に対処する。
公共領域における移動マップ,室温,環境温度,HVACデータを備えた完全なデータセットが存在しない場合,建物内の部屋の物理モデルを用いてシミュレーションを行い,本シミュレーションデータを用いた推論アルゴリズムの性能評価を行う。
モデル入力温度データから,ノイズ標準偏差(<=1f)の上限を求める。
この境界内で、アルゴリズムは合理的な再構成誤差でモビリティマップを再構築することができる。
私たちの仕事は、オフィスビルの物理的安全性の確保、高齢者と幼児の監視、建物のリソース管理、緊急ビルの避難、空調データの脆弱性評価など、幅広いアプリケーションで使用できます。
我々の研究は、大規模オフィスビル内の人々の分布を推定する共通の目標を達成するために、熱モデリングとパラメータ推定という複数の研究領域をまとめます。
関連論文リスト
- Data-driven building energy efficiency prediction using physics-informed neural networks [2.572906392867547]
住宅のエネルギー性能を予測するための物理インフォームドニューラルネットワークモデルを提案する。
物理方程式に基づく関数は、熱損失に基づいて建物のエネルギー消費を計算し、深層学習モデルの損失関数を強化する。
この手法はラトビアのリガにある256の建物の実例調査で検証されている。
論文 参考訳（メタデータ） (2023-11-14T09:55:03Z) - Semi-supervised Learning from Street-View Images and OpenStreetMap for
Automatic Building Height Estimation [59.6553058160943]
本稿では,Mapillary SVIとOpenStreetMapのデータから建物の高さを自動的に推定する半教師付き学習(SSL)手法を提案する。
提案手法は, 平均絶対誤差(MAE)が約2.1mである建物の高さを推定する上で, 明らかな性能向上につながる。
予備結果は,低コストなVGIデータに基づく提案手法のスケールアップに向けた今後の取り組みを期待し,動機づけるものである。
論文 参考訳（メタデータ） (2023-07-05T18:16:30Z) - Learning Structure-Guided Diffusion Model for 2D Human Pose Estimation [71.24808323646167]
ニューラルネットワークを用いてキーポイントのヒートマップを学習するための新しいスキームである textbfDiffusionPose を提案する。
トレーニング中、キーポイントはノイズを加えることでランダム分布に拡散され、拡散モデルはノイズ付きヒートマップから地中構造熱マップを復元する。
実験では、広く使用されているCOCO、CrowdPose、AI Challengeデータセット上で1.6、1.2、1.2mAPの改善による、私たちのスキームの長所が示されている。
論文 参考訳（メタデータ） (2023-06-29T16:24:32Z) - ClimaX: A foundation model for weather and climate [51.208269971019504]
ClimaXは気象と気候科学のディープラーニングモデルである。
気候データセットの自己教師型学習目標で事前トレーニングすることができる。
気候や気候の様々な問題に対処するために、微調整が可能である。
論文 参考訳（メタデータ） (2023-01-24T23:19:01Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Interpreting Machine Learning Models for Room Temperature Prediction in
Non-domestic Buildings [0.0]
本研究では,非住宅の室温予測を目的とした解釈可能な機械学習モデルを提案する。
提案モデルでは, 室温をリアルタイムで8時間前に正確に予測できることを実験的に実証した。
論文 参考訳（メタデータ） (2021-11-23T11:16:35Z) - Personal thermal comfort models using digital twins: Preference
prediction with BIM-extracted spatial-temporal proximity data from Build2Vec [0.0]
本研究は,室内環境の嗜好を予測するために,既存のベクトルベース空間モデルであるBuild2Vecを構築することを目的とする。
スマートウォッチを用いた生態的モーメントアセスメント(EMA)による長手的熱的快適感の主観的フィードバックを用いた枠組み
テスト実装の結果,従来の温度優先予測入力変数を用いたベースラインのセットよりも14～28%精度が向上した。
論文 参考訳（メタデータ） (2021-10-30T07:43:11Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z) - Indoor environment data time-series reconstruction using autoencoder
neural networks [0.0]
データセットの構築は、しばしばエラーと欠落した値によって特徴づけられる。
3つの異なるオートエンコーダニューラルネットワークがトレーニングされ、行方不明な短期屋内環境データ時系列を再構築する。
論文 参考訳（メタデータ） (2020-09-17T09:05:40Z) - Transfer Learning for HVAC System Fault Detection [5.634825161148484]
HVACシステムの故障は、建物の熱的快適性とエネルギー効率を低下させる。
HVACシステムへの機械学習の適用を遅くしている。
本稿では,正規動作と故障動作の区別を目的とした新しいベイズ分類器の転送手法を提案する。
論文 参考訳（メタデータ） (2020-02-04T00:06:48Z) - NeurOpt: Neural network based optimization for building energy
management and climate control [58.06411999767069]
モデル同定のコストを削減するために,ニューラルネットワークに基づくデータ駆動制御アルゴリズムを提案する。
イタリアにある10の独立したゾーンを持つ2階建ての建物で、学習と制御のアルゴリズムを検証する。
論文 参考訳（メタデータ） (2020-01-22T00:51:03Z)
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。