論文の概要: Optimizing Occupancy Sensor Placement in Smart Environments

• arxiv url: http://arxiv.org/abs/2602.21098v1
• Date: Tue, 24 Feb 2026 17:01:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.849063
• Title: Optimizing Occupancy Sensor Placement in Smart Environments
• Title（参考訳）: スマート環境における作業センサ配置の最適化
• Authors: Hao Lu, Richard J. Radke,
• Abstract要約: そこで本研究では,センサの配置を最適に決定する自動配置手法を提案する。 いくつかの異なるオフィス環境のシミュレーションに基づいて提案手法の有効性を実証する。
• 参考スコア（独自算出の注目度）: 10.584415290285612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding the locations of occupants in a commercial built environment is critical for realizing energy savings by delivering lighting, heating, and cooling only where it is needed. The key to achieving this goal is being able to recognize zone occupancy in real time, without impeding occupants' activities or compromising privacy. While low-resolution, privacy-preserving time-of-flight (ToF) sensor networks have demonstrated good performance in zone counting, the performance depends on careful sensor placement. To address this issue, we propose an automatic sensor placement method that determines optimal sensor layouts for a given number of sensors, and can predict the counting accuracy of such a layout. In particular, given the geometric constraints of an office environment, we simulate a large number of occupant trajectories. We then formulate the sensor placement problem as an integer linear programming (ILP) problem and solve it with the branch and bound method. We demonstrate the effectiveness of the proposed method based on simulations of several different office environments.
• Abstract（参考訳）: 商業建築環境における住民の位置を理解することは, 照明, 暖房, 冷却によって省エネを実現する上で重要である。 この目標を達成するための鍵は、ゾーンの占有をリアルタイムで認識できることです。 低解像度でプライバシ保存時間(ToF)センサーネットワークはゾーンカウントにおいて優れた性能を示したが、その性能は注意深いセンサー配置に依存している。 そこで本研究では,センサ数に対して最適なセンサ配置を決定する自動配置手法を提案する。 特に、オフィス環境の幾何学的制約を考えると、我々は多くの占有軌道をシミュレートする。 次に、センサ配置問題を整数線形プログラミング(ILP)問題として定式化し、分岐法と有界法で解く。 いくつかの異なるオフィス環境のシミュレーションに基づいて提案手法の有効性を実証する。

関連論文リスト

• Efficient and robust Sensor Placement in Complex Environments [1.1421942894219899]
  本稿では,複雑な環境下での効率的な監視やコミュニケーションの課題に対処する。 目的を達成するための欲求的アルゴリズムを提案する。 深層学習技術は目的関数の評価を加速するために用いられる。
  論文  参考訳（メタデータ） (2023-09-15T17:10:19Z)
• Constrained optimization of sensor placement for nuclear digital twins [1.7247618645684337]
  センサ配置のための最適化フレームワークに制約を組み込んだデータ駆動手法を開発した。 低次元力学系に対する全ての実現可能な構成を網羅的に計算することで最適化されたセンサの有効性を実証する。
  論文  参考訳（メタデータ） (2023-06-23T17:47:06Z)
• Efficient Sensor Placement from Regression with Sparse Gaussian Processes in Continuous and Discrete Spaces [3.729242965449096]
  センサ配置問題は、相関現象を監視する際に発生する一般的な問題である。 本稿では,勾配降下法を用いて最適化可能な変分近似に基づくSP問題に対する新しい定式化を提案する。
  論文  参考訳（メタデータ） (2023-02-28T19:10:12Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Energy Aware Deep Reinforcement Learning Scheduling for Sensors Correlated in Time and Space [62.39318039798564]
  相関情報を利用するスケジューリング機構を提案する。 提案したメカニズムは、センサが更新を送信する頻度を決定することができる。 我々は,センサの寿命を大幅に延長できることを示した。
  論文  参考訳（メタデータ） (2020-11-19T09:53:27Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。