Optimisation of commercial building management processes using user behaviour analysis systems supported by computational intelligence and RTI

• Autorzy: Styła Michał , Adamkiewicz Przemysław

Identyfikatory

DOI

10.35784/iapgos.2894

Warianty tytułu

PL

Optymalizacja procesów zarządzania budynkami komercyjnymizwykorzystaniem systemówanalizy zachowań użytkowników wspomaganych inteligencją obliczeniową i RTI

• Języki publikacji: EN

Abstrakty

EN

The aim of the presented project was to create a comprehensive building management system equipped with a network of wireless and energy-efficient sensors that collect data about users and on their basis control final devices such as lighting, ventilation, air conditioning and heating. In the presented system, end devices can be both products offered by the market (commercial) and proprietary solutions (own). This is to allow the adaptation of commercial radio communication protocols with high integration capabilities and common occurrence. In addition, the system has been enriched with an innovative system of tracking and building navigation and access control, which are supported by a network of radio beacons and radio-tomographic imaging technology (RTI). The whole system is to be supervised by computational intelligence learned from scratch.

PL

Celem prezentowanego projektu było stworzenie kompleksowego systemu zarządzania budynkiem wyposażonego w sieć bezprzewodowych i energooszczędnych czujników, które zbierają dane o użytkownikach i na ich podstawie sterują urządzeniami końcowymi, takimi jak oświetlenie, wentylacja, klimatyzacja i ogrzewanie. W prezentowanym systemie urządzeniami końcowymi mogą być zarówno produkty oferowane przez rynek (komercyjne), jak i rozwiązania autorskie (własne). Ma to na celu umożliwienie adaptacji komercyjnych protokołów komunikacji radiowej o dużych możliwościach integracyjnych i powszechnym występowaniu. Dodatkowo system został wzbogacony o innowacyjny system śledzenia i nawigacji po budynkach oraz kontroli dostępu, które są wspomagane przez sieć radiolatarni oraz technologię obrazowania radiowo-tomograficznego (RTI). Nad całością systemu ma czuwać inteligencja obliczeniowa wyuczona od podstaw.

Słowa kluczowe

EN

building automation; building management systems; computational intelligence; indoor radiocommunication; radio navigation; tomography

PL

automatyka budynkowa; inteligencja obliczeniowa; systemy radiowe do użytku wewnętrznego; systemy zarządzania budynkiem; nawigacja radiowa; tomografia

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2022
• Tom: T. 12, nr 1
• Strony: 28--35
• Opis fizyczny: Bibliogr. 16 poz., rys., wykr.

Twórcy

autor

Styła Michał

• Information Technology Research & Development Center (CBRTI sp. z o.o.), Lublin, Poland

• https://orcid.org/0000-0002-1141-0887

autor

Adamkiewicz Przemysław

• University of Economics and Innovation, Faculty of Transport and Information Technology, Lublin, Poland

• https://orcid.org/0000-0003-3425-9566

Bibliografia

• [1] Bluetooth SIG. Bluetooth Core Specification, version 4.0.; Bluetooth SIG: Kirkland, WA, USA, 2010.
• [2] Cavallini A.: iBeacons Bible, 2015.
• [3] Corna A., Fontana L., Nacci A. A., Sciuto D.: Occupancy detection via ibeacon on android devices for smart building management. Proceedings of the Design, Automation & Test in Europe Conference & Exhibition (DATE), 2015, 629–632.
• [4] Havard N., McGrath S., Flanagan C., MacNamee C.: Smart Building Based on Internet of Thing Technology. Proceedings of the 12th International Conference on Sensing Technology (ICST), 2018.
• [5] Kozłowski E., Mazurkiewicz D., Żabiński T., Prucnal S., Sęp J.: Machining sensor data management for operation-level predictive model. Expert Syst. Appl. 159, 2020, 1–22.
• [6] Liu H., Darabi H., Banerjee P., Liu J.: Survey of wireless indoor positioning techniques and systems. IEEE Trans. Syst. Man Cybern. Part C Appl. Rev. 37, 2007, 1067–1080.
• [7] Matteuchi M.: An Adaptive Indoor Positioning System Based on Bluetooth Low Energy RSSI. Politecnico di Milano, Milano 2012.
• [8] Montgomery D. C., Peck E. A., Vining G. G.: Introduction to Linear Regression Analysis. World Scientific Publishing, Singapore 2012.
• [9] Node-RED Guide. Available online: http://noderedguide.com/ (accessed on 19.02.2022).
• [10] Peng Y., Rysanek A., Nagy Z., Schlter A.: Using machine learning techniques for occupancy-prediction-based cooling control in office buildings. Appl. Energy 211, 2018, 1343–1358.
• [11] Postolache O. A., Dias Pereira J. M., Silva Girao P. M. B.: Smart Sensors Network for Air Quality Monitoring Applications. IEEE Trans. Instrum. Meas. 58, 2009, 3253–3262.
• [12] Rivera-Illingworth F., Callaghan V., Hagras H.: Automated Discovery of Human Activites inside Pervasive Living Spaces. Proceedings of the International Symposium on Pervasive Computing and Applications, 2006, 77–82.
• [13] Rymarczyk T., Kozłowski, E., Kłosowski G., Niderla, K.: Logistic Regression for Machine Learning in Process Tomography. Sensors 19, 2019, 3400.
• [14] Styła M., Oleszek M., Rymarczyk T., Maj M., Adamkiewicz P.: Hybrid sensor for detection of objects using radio tomography. Applications of Electromagnetics in Modern Engineering and Medicine, PTZE, 2019, 219–233.
• [15] Suykens, J.A., Vandewalle J.: Least squares support vector machine classifiers. Neural Process. Lett. 9, 1999, 293–300.
• [16] Tragos E. Z., Foti M., Surligas M., Lambropoulos G., Pournaras S., Papadakis S., Angelakis V.: An IoT based intelligent building management system for ambient assisted living. Proceedings of the IEEE International Conference on Communication Workshop (ICCW), 2015, 246–252.

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).