Inferring occupant ties: automated inference of occupant network structure in commercial buildings
Inferring occupant ties: automated inference of occupant network structure in commercial buildings
复制标题
推断住户关系：商业建筑中住户网络结构的自动推断
DOI：
10.1145/3276774.3276779
复制
发表时间：
2018
期刊：
影响因子：
--
通讯作者：
Jain, Rishee K.
中科院分区：
文献类型：
--
作者：
Sonta, Andrew J.;Jain, Rishee K.
为了设计和管理既节能又高效的办公环境，我们需要更好地理解建筑和居住者系统之间的关系。过去的数据驱动建筑研究主要集中在能源效率和居住者舒适度上，但很少有工作使用建筑传感器数据来了解建筑物中居住者的组织行为和动态。在这项初步工作中，我们提出了一种使用分布式插头负载能耗传感器来推断居住者的社会/组织网络（即建筑物中居住者之间的关系）的方法。我们演示了如何使用插电负荷数据对活动建模，并介绍了如何使用统计方法——特别是图形套索和影响模型——从时间序列活动数据中学习网络结构。我们将我们的方法应用于北加州的一个七人办公室环境，并将推断的网络与通过验证的调查问题获得的真实空间、社会和组织网络进行比较。最后，更好地了解居住者如何组织和利用空间可以实现更多的环境控制和建筑-人类系统的共同优化。
To design and manage office buildings that are both energy-efficient and productive work environments, we need a better understanding of the relationship between building and occupant systems. Past data-driven building research has focused on energy efficiency and occupant comfort, but little work has used building sensor data to understand occupant organizational behavior and dynamics in buildings. In this initial work, we present a methodology for using distributed plug load energy consumption sensors to infer the social/organizational network of occupants (i.e., the relationships among occupants in a building). We demonstrate how plug load data can be used to model activities, and we introduce how statistical methods---in particular, the graphical lasso and the influence model---can be used to learn network structure from time-series activity data. We apply our method to a seven-person office environment in Northern California, and we compare the inferred networks to ground truth spatial, social, and organizational networks obtained through validated survey questions. In the end, a better understanding of how occupants organize and utilize spaces could enable more contextual control and co-optimization of building-human systems.
登录
查看更多内容
为我们的研究和专业社区提供卓越的服务[来自编辑]
影响因子：
14.9
作者：
A. Zoubir
通讯作者：
A. Zoubir
影响因子：
5.7
作者：
Kabo, Felichism;Hwang, Yongha;Owen-Smith, Jason
通讯作者：
Owen-Smith, Jason
影响因子：
3.7
作者：
Gächter S;Starmer C;Tufano F
通讯作者：
Tufano F
OESPG：商业建筑中住户能源使用数据多维分析的计算框架
DOI：
10.1061/(asce)cp.1943-5487.0000663
发表时间：
2017
期刊：
J. Comput. Civ. Eng.
影响因子：
--
作者：
A. Sonta;Rishee K. Jain;R. Gulbinas;José M. F. Moura;J. Taylor
通讯作者：
J. Taylor
数据驱动的设计——利用人类行为和空间配置的数据来指导更好的工作场所设计
DOI：
--
发表时间：
2015
期刊：
--
影响因子：
--
作者：
K. Sailer;R. Pomeroy;R. Haslem
通讯作者：
R. Haslem