Optimization of building control systems with use of alternative tracking methods using the RSSI index and artificial intelligence mechanisms

• Autorzy: Styła Michał , Adamkiewicz Przemysław

Identyfikatory

DOI

10.15199/48.2022.02.46

Warianty tytułu

PL

Optymalizacja systemów sterowania budynkiem za pomocą alternatywnych metod śledzenia wykorzystujących wskaźnik RSSI oraz mechanizmów sztucznej inteligencji

• Języki publikacji: EN

Abstrakty

EN

The article presents the results of work carried out on the design of an intelligent building equipped with a centralized resource management system, an internal device-free detection and navigation system and machine intelligence increasing the capabilities of all other subsystems. The main functionalities of the project included presence detection, facility energy optimization, user identification and resource management, as well as access control and work time recording.

PL

W artykule przedstawiono wyniki prac prowadzonych nad projektem inteligentnego budynku wyposażonego w scentralizowany system zarządzania zasobami, wewnętrzny system detekcji i nawigacji bez użycia urządzenia oraz inteligencję maszynową zwiększającą możliwości wszystkich pozostałych podsystemów. Główne funkcjonalności projektu obejmowały detekcję obecności, optymalizację energetyczną obiektu, identyfikację użytkowników i zarządzanie zasobami, a także kontrolę dostępu i rejestrację czasu pracy.

Słowa kluczowe

EN

smart building; energy optimization; device-free localization; computational intelligence

PL

inteligentny budynek; optymalizacja energetyczna; lokalizacja bez urządzenia; inteligencja obliczeniowa

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2022
• Tom: R. 98, nr 2
• Strony: 199--202
• Opis fizyczny: Bibliogr. 25 poz., rys.

Twórcy

autor

Styła Michał

• Centrum Badawczo Rozwojowe Technologii Informatycznych Sp. z o.o., Rzeszów, Poland

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

autor

Adamkiewicz Przemysław

• Centrum Badawczo Rozwojowe Technologii Informatycznych Sp. z o.o., Rzeszów, Poland
• University of Economics and Innovation in Lublin, Poland

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

Bibliografia

• [1] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., Skowron Ł., "Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography", Sensors, 20 (2020), No. 11, 3324
• [2] Z. Yang, Z. Zhou, and Y. Liu, "From RSSI to CSI: Indoor localization via channel response," ACM Comput. Surv., 2013.
• [3] Rymarczyk T., Styła M., Maj M., Kania K., Adamkiewicz P.: Object detection using radio imaging tomography and tomographic sensors. Przegląd Elektrotechniczny, ISSN 0033- 2097
• [4] Styła M., Oleszek M., Rymarczyk T., Maj M., Adamkiewicz P., Hybrid sensor for detection objects using radio tomography, 2019 Applications of Electromagnetics in Modern Engineering and Medicine, PTZE 2019, 2019, 219-223
• [5] J. Wilson and N. Patwari, "See-through walls: Motion tracking using variance-based radio tomography networks," Mobile Computing, IEEE Transactions on, vol. 10, no. 5, pp. 612-621, 2010.
• [6] Rymarczyk T., Kozłowski E., Kłosowski G., Niderla K., “Logistic Regression for Machine Learning in Process Tomography”, Sensors, vol. 19, no. 15, p. 3400, 2019
• [7] A. Corna, L. Fontana, A. A. Nacci and D. Sciuto, "Occupancy detection via ibeacon on android devices for smart building management", Proc. Design Autom. Test Europe Conf. Exhibit. (DATE), pp. 629-632, Mar. 2015.
• [8] J. Wilson and N. Patwari, "A fade level skew-laplace signal strength model for device-free localization with wireless networks," Mobile Compttting, IEEE Transactions on, no. 99, pp. 1-13, 2011.
• [9] J. A. Suykens and J. Vandewalle, "Least squares support vector machine classifiers", Neural processing letters, vol. 9, no. 3, 1999.
• [10] D. C. Montgomery, E. A. Peck and G. G. Vining, Introduction to linear regression analysis, vol. 821, 2012.
• [11] H. Ghayvat, S. Mukhopadhyay, X. Gui and N. Suryadevara, "WSN-and IOT-based smart homes and their extension to smart buildings", Sensors, vol. 15, no. 5, pp. 10350-10379, 2015.
• [12] Z. T6th and S. Ádám, Development of bluetooth based indoor positioning apPlication, 2018.
• [13] A. Cavallini, iBeacons Bible, pp. 5, 2015.
• [14] S. Bluetooth, "Bluetooth core specification version 5" in Specification of the Bluetooth. System, 2016.
• [15] M. Matteuchi, An adaptive indoor positioning system based on Bluetooth Low Energy RSSI, Politecnico di Milano, pp. 31-33, 2012/2013.
• [16] M. Heikkila and M. Pietikainen, "A texture-based method for modeling the background and detecting moving objects," Pattern Analysis and Machine Intelligence, IEEE Transactions on, vol. 28, no. 4, pp. 657-662, 2006.
• [17] Rymarczyk T.: Characterization of the shape of unknown objects by inverse numerical methods, Przeglad Elektrotechniczny, 88(7B), 138-140,2012.
• [18] Rymarczyk, T Using electrical impedance tomography to monitoring flood banks 16th International Symposium on Applied Electromagnetics and Mechanics (ISEM),International journal of applied electromagnetics and mechanics 45, 489- 494,2014.
• [19] Filipowicz, SF and Rymarczyk, The Shape Reconstruction of Unknown Objects for Inverse Problems Przeglad Elektrotechniczny, 88 (3A), 55-57,2012.
• [20] Koulountzios P., Rymarczyk T., Soleimani M., A quantitative ultrasonic travel-time tomography system for investigation of liquid compounds elaborations in industrial processes, Sensors, 19(23), 5117, 2019.
• [21] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors based on deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22(1), 138–147, 2020.
• [22] Kłosowski G., Rymarczyk T., Cieplak T., Niderla K., Skowron Ł., Quality Assessment of the Neural Algorithms on the Example of EIT-UST Hybrid Tomography, Sensors, 20(11), 3324, 2020.
• [23] Łukiański, M., & Wajman, R. (2020). The diagnostic of two- phase separation process using digital image segmentation algorithms. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 10(3), 5-8.
• [24] Duraj, A.; Korzeniewska, E.; Krawczyk, A. Classification algorithms to identify changes in resistance. Przegląd Elektrotechniczny 2015, 1, 82–84.
• [25] Krawczyk, A.; Korzeniewska, E. Magnetophosphenes–history and contemporary implications. Przegląd Elektrotechniczny 2018, 1, 63–66.