具有學(xué)習(xí)能力的智能家居系統(tǒng)的研究

王成泓++周翔

摘 要：文章對當(dāng)前較流行的“互聯(lián)網(wǎng)+”智能家居系統(tǒng)進行了研究，并針對現(xiàn)存智能家居中的一些問題提出了解決辦法。從算法入手，基于專家系統(tǒng)及帶權(quán)平均值以及用戶軌跡對算法進行設(shè)計，利用用戶數(shù)據(jù)、專家知識、既有事實生成規(guī)則庫，再使用人工智能算法對規(guī)則庫進行運算得出最終的智能推薦。

關(guān)鍵詞：人工智能 ；Java；智能家居專家系統(tǒng)

中圖分類號：TP273 文獻標(biāo)識碼：A

隨著科技的發(fā)展，智能家居日益成為研究的熱點并走入了大家的視線之中，但現(xiàn)在的智能家居真的“智能”么？當(dāng)前市面上的產(chǎn)品大多不夠人性化，且業(yè)務(wù)模式不合理。那么在這種情況下，研發(fā)出一種全新的更加智能化的家居系統(tǒng)就十分有必要了。為了解決現(xiàn)有系統(tǒng)存在的問題，本文提出了一種基于人工智能算法、嵌入式技術(shù)、網(wǎng)絡(luò)通信技術(shù)等多種技術(shù)融合的智能家居系統(tǒng)。該系統(tǒng)設(shè)計并實現(xiàn)了具有硬件模塊、網(wǎng)頁界面、服務(wù)器端服務(wù)、安卓客戶端機器的一整套的系統(tǒng)模塊。本文著重進行學(xué)習(xí)算法的人工智能研究，并從用戶日常行為數(shù)據(jù)中挖掘信息，使智能家居系統(tǒng)能夠?qū)W習(xí)和識別行為，實現(xiàn)自主決策能力。

一、現(xiàn)狀

在美國約有四萬戶家庭安裝了智能家居系統(tǒng)，而在新加坡有三十多個住宅小區(qū)約五千戶的家庭在家中安裝了智能家居系統(tǒng)。智能家居系統(tǒng)是通過網(wǎng)絡(luò)信號和主控收發(fā)器，將家居中的生活設(shè)備、安防設(shè)備、傳感器等集合到一起的一個全面的互聯(lián)網(wǎng)家居的控制系統(tǒng)。

中國在2000年出臺的一項方案中提到，將建設(shè)智能化小康小區(qū)列入國家重點發(fā)展方向。據(jù)悉，國家將“智能家居”確立為技術(shù)創(chuàng)新重點專項計劃，并投資將近15個億用于支持該項目。國家建設(shè)部也提出要求，到2010年時，我國大中城市中，智能家居系統(tǒng)要普及超過半數(shù)的家庭。但在目前，實際情況卻不容樂觀。當(dāng)前，市面上也出現(xiàn)了多種以智能家居為噱頭的產(chǎn)品，但實現(xiàn)模式基本大同小異，且在“智能化”這一重點方面較為薄弱，只有極少的產(chǎn)品可以根據(jù)用戶的行為進行自動定制，達到“智能化”。

二、關(guān)鍵技術(shù)介紹

1. 用戶軌跡算法

用戶軌跡這個概念經(jīng)常用于對用戶行為數(shù)據(jù)的獲取方面。事實上，用戶的一切操作、一切行為都能反映出這個用戶的行為模式與生活習(xí)慣，甚至還能推斷出多個用戶之間的人際關(guān)系。

2.帶權(quán)平均數(shù)

帶權(quán)平均數(shù)，或稱加權(quán)平均值。它的計算方式是：將每個數(shù)乘以它們對應(yīng)的權(quán)重，先將各數(shù)相加求出總合，再以綜合除以總的單位數(shù)。帶權(quán)平均數(shù)的平均數(shù)大小不同于傳統(tǒng)平均數(shù)，它不僅取決于每一個數(shù)值的大小，還取決于每個數(shù)值在綜合之中所占的比重，即權(quán)重。在帶權(quán)平均值中，若n個數(shù)x1，x2，…， xn的權(quán)分別是w1，w2，…， wn，x=—就成為n個數(shù)的加權(quán)平均值。

3.專家系統(tǒng)

專家系統(tǒng)是人工智能領(lǐng)域中一種常見的智能推理系統(tǒng)。專家系統(tǒng)由4個部分構(gòu)成，即推理機（推理程序）、規(guī)則庫（用戶信息及專家知識歸納）、事實庫（結(jié)論）、動態(tài)數(shù)據(jù)庫。其中專家系統(tǒng)中最關(guān)鍵的就是規(guī)則部分，專家系統(tǒng)中的規(guī)則是從領(lǐng)域內(nèi)的專家多年累積的知識與經(jīng)驗中提煉總結(jié)得出的，因此能夠解決一些較為復(fù)雜的、因素繁多的、只有領(lǐng)域內(nèi)的具備一定水平的專家才能解決的問題。

三、智能家居系統(tǒng)中的算法與應(yīng)用

針對目前已有系統(tǒng)中常見的幾個問題：

（1）大部分智能家居系統(tǒng)不具備 “智能”功能，只能實現(xiàn)部分設(shè)備的遠程操作、設(shè)備的定時操作等普通的功能。

（2）目前智能家居的智能程度不足，無法適應(yīng)用戶行為習(xí)慣的變化，難以與用戶的日常生活習(xí)慣相匹配。有時，智能算法生成的結(jié)果遇上了現(xiàn)實環(huán)境情況的不符，也沒有進行修正，繼續(xù)運行設(shè)備導(dǎo)致了能源上的大量浪費。

（3）智能家居系統(tǒng)模式不夠輕盈靈便，以往智能家居系統(tǒng)固化在設(shè)備之中，屬于C/S架構(gòu)，這種架構(gòu)導(dǎo)致用戶數(shù)據(jù)采集麻煩，軟件算法版本更新迭代復(fù)雜煩瑣。

本系統(tǒng)針對這些問題，應(yīng)用以上幾種算法，提出了解決辦法。以下為該系統(tǒng)的業(yè)務(wù)流程圖。

首先，對每一次的用戶操作都會通過用戶軌跡算法進行采集整理，進而產(chǎn)生一次用戶軌跡記錄。在這里采用了AOP技術(shù)，即面向切面編程，此處將它作為一個日志采集的工具。

采集到的用戶軌跡數(shù)據(jù)，需要具備一些必要的、有意義的信息，例如，操作用戶的ID、操作的起始時間、操作的結(jié)束時間、設(shè)備的運行時間、操作的類型、操作的設(shè)備編號等信息，并生成一個用戶記錄存放進數(shù)據(jù)庫，用于后續(xù)的算法使用。

算法階段，需要對用戶軌跡數(shù)據(jù)的整理過濾及生成專家系統(tǒng)的一階規(guī)則，即初始智能任務(wù)的生成這兩個方面的問題。

在對數(shù)據(jù)處理方面，設(shè)計了采集模型對象，并從采集范圍、采樣周期、樣本時間片、樣本相似度幾個維度對用戶軌跡數(shù)據(jù)進行分割。

智能任務(wù)的生成，主要就是數(shù)據(jù)中的各項時間根據(jù)操作的設(shè)備號、操作的類型進行分類處理計算，在經(jīng)過了采集模型對數(shù)據(jù)的精簡過濾后，帶權(quán)平均數(shù)的方法就可以輕松應(yīng)用，通過模型過濾得到的有效信息，可以輕松得出一份智能任務(wù)列表。

到了專家系統(tǒng)的部分，專家系統(tǒng)負責(zé)對初始的智能任務(wù)列表進行二次篩選過濾。先通過與專家交互獲取到一些有價值的專業(yè)知識，開發(fā)人員根據(jù)獲得的專業(yè)知識設(shè)計出對應(yīng)的合理規(guī)則，并寫入數(shù)據(jù)庫構(gòu)造成規(guī)則庫。將智能任務(wù)列表放入已寫好的推理程序中，根據(jù)規(guī)則庫及一些現(xiàn)實情況進行分析過濾篩選，最終生成一份更加精確的智能任務(wù)列表，確保每個智能任務(wù)都是有效的、合理的。

有了智能列表之后，通過開發(fā)轉(zhuǎn)換程序，對任務(wù)進行逐個轉(zhuǎn)換，轉(zhuǎn)換成能被硬件設(shè)備識別接收的信號，存入待執(zhí)行列表，等待觸發(fā)的操作。待指定的時間到達，再對設(shè)備發(fā)送執(zhí)行操作。

經(jīng)過以上步驟，就可以形成一個更加智能化的家居系統(tǒng)，同時也解決了一些令人頭痛的現(xiàn)存難題。

本文主要介紹了對現(xiàn)有智能家居系統(tǒng)中存在的問題進行改進、研究開發(fā)的系統(tǒng)。該系統(tǒng)在解決問題的基礎(chǔ)上，使用更加方便，且成本低廉。采用該系統(tǒng)可以構(gòu)建更加智能化的生活，滿足更多人的需求，使更多的人享受到更加優(yōu)質(zhì)的生活。

參考文獻：

[1]潘 璐.基于層次分析法的服裝推薦專家系統(tǒng)[D].上海： 東華大學(xué)，2016.

[2]劉 浩.智能家居中基于用戶行為的算法研究[D].長沙： 湖南大學(xué)， 2013.endprint