具有學習能力的智能家居系統的研究

王成泓++周翔

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

關鍵詞：人工智能 ；Java；智能家居專家系統

中圖分類號：TP273 文獻標識碼：A

隨著科技的發展，智能家居日益成為研究的熱點并走入了大家的視線之中，但現在的智能家居真的“智能”么？當前市面上的產品大多不夠人性化，且業務模式不合理。那么在這種情況下，研發出一種全新的更加智能化的家居系統就十分有必要了。為了解決現有系統存在的問題，本文提出了一種基于人工智能算法、嵌入式技術、網絡通信技術等多種技術融合的智能家居系統。該系統設計并實現了具有硬件模塊、網頁界面、服務器端服務、安卓客戶端機器的一整套的系統模塊。本文著重進行學習算法的人工智能研究，并從用戶日常行為數據中挖掘信息，使智能家居系統能夠學習和識別行為，實現自主決策能力。

一、現狀

在美國約有四萬戶家庭安裝了智能家居系統，而在新加坡有三十多個住宅小區約五千戶的家庭在家中安裝了智能家居系統。智能家居系統是通過網絡信號和主控收發器，將家居中的生活設備、安防設備、傳感器等集合到一起的一個全面的互聯網家居的控制系統。

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

二、關鍵技術介紹

1. 用戶軌跡算法

用戶軌跡這個概念經常用于對用戶行為數據的獲取方面。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慣，甚至還能推斷出多個用戶之間的人際關系。

2.帶權平均數

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

3.專家系統

專家系統是人工智能領域中一種常見的智能推理系統。專家系統由4個部分構成，即推理機（推理程序）、規則庫（用戶信息及專家知識歸納）、事實庫（結論）、動態數據庫。其中專家系統中最關鍵的就是規則部分，專家系統中的規則是從領域內的專家多年累積的知識與經驗中提煉總結得出的，因此能夠解決一些較為復雜的、因素繁多的、只有領域內的具備一定水平的專家才能解決的問題。

三、智能家居系統中的算法與應用

針對目前已有系統中常見的幾個問題：

（1）大部分智能家居系統不具備 “智能”功能，只能實現部分設備的遠程操作、設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，無法適應用戶行為習慣的變化，難以與用戶的日常生活習慣相匹配。有時，智能算法生成的結果遇上了現實環境情況的不符，也沒有進行修正，繼續運行設備導致了能源上的大量浪費。

（3）智能家居系統模式不夠輕盈靈便，以往智能家居系統固化在設備之中，屬于C/S架構，這種架構導致用戶數據采集麻煩，軟件算法版本更新迭代復雜煩瑣。

本系統針對這些問題，應用以上幾種算法，提出了解決辦法。以下為該系統的業務流程圖。

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，進而產生一次用戶軌跡記錄。在這里采用了AOP技術，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據，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、操作的結束時間、設備的運行時間、操作的類型、操作的設備編號等信息，并生成一個用戶記錄存放進數據庫，用于后續的算法使用。

算法階段，需要對用戶軌跡數據的整理過濾及生成專家系統的一階規則，即初始智能任務的生成這兩個方面的問題。

在對數據處理方面，設計了采集模型對象，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據進行分割。

智能任務的生成，主要就是數據中的各項時間根據操作的設備號、操作的類型進行分類處理計算，在經過了采集模型對數據的精簡過濾后，帶權平均數的方法就可以輕松應用，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列表。

到了專家系統的部分，專家系統負責對初始的智能任務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知識，開發人員根據獲得的專業知識設計出對應的合理規則，并寫入數據庫構造成規則庫。將智能任務列表放入已寫好的推理程序中，根據規則庫及一些現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列表，確保每個智能任務都是有效的、合理的。

有了智能列表之后，通過開發轉換程序，對任務進行逐個轉換，轉換成能被硬件設備識別接收的信號，存入待執行列表，等待觸發的操作。待指定的時間到達，再對設備發送執行操作。

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

本文主要介紹了對現有智能家居系統中存在的問題進行改進、研究開發的系統。該系統在解決問題的基礎上，使用更加方便，且成本低廉。采用該系統可以構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質的生活。

參考文獻：

[1]潘 璐.基于層次分析法的服裝推薦專家系統[D].上海： 東華大學，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， 2013.endprint