淺析基于人工智能的智慧建筑管理系統應用

徐達強

摘 要 本文具體討論了現代人工智能技術在建筑管理中的應用，包括使用面部識別來確定人員及其使用權限，使用語音識別來確定用戶命令，使用機器學習來分析中央空調的運行狀態，用智能技術控制門禁、照明、視頻、空調裝置和其他設備的管理，以增強用戶的辦公體驗并實現建筑物的綠色節能運行。

關鍵詞 人工智能;建筑管理;人臉識別;語音識別

引言

當前，人工智能技術的全面發展為實現智能建筑群提供了新的契機。它可以充分利用建筑物連續運行的綜合數據，極大優化了建筑物的整體運行效率和維護速度。一般來說，建筑物的基本運行維護良好，可以給普通用戶帶來全新的生活和工作體驗。語音對話和圖像數據是建筑活動產生的最重要的數據，人工智能根據數據操作權限是正確、合理進行判斷以及實時訪問控制，做好系統功能管理工作的依據。

1智慧建筑人工智能應用

1.1 人臉識別

人臉識別在智能建筑中的應用主要包括門禁管理、訪客與管理、考勤時鐘管理等，傳統的人工操作訪客信息登記存在諸多安全軟件漏洞，操作靈活不人性化，服務標準化水平低，嚴重缺乏準確的管理模式、混亂的內部訪問控制設備在人臉識別過程中也容易產生誤判，導致用戶只能通過傳統方式快速進入大門，這大大影響了相關設備的使用效率和用戶的體驗。我國傳統的手工登記數據存在許多安全技術漏洞。操作不人性化，專業服務整體水平較低。在人臉識別過程中，由于缺乏準確的管理數據，門禁相關設備（包括轉門）更容易發生誤判。因此，很多用戶無法以多種方式快速打開大門，這將影響所有用戶的使用體驗。

例如人工智能軟件系統與人臉精確識別核心技術可以深度集成融合在一起，可以實現在數字時代下來往人員身份管理認證，能保持良好的智能辦公新體驗 。人臉識別基本過程及其用法如下：用多種方式引導用戶在終端里注冊人臉像素;在軟件的幫助下，所有用戶面部信息內容都存儲在數據庫中;成功完成注冊后，更多的用戶可以實現快速的門控刷臉。與傳統的人臉識別技術相比，人工智能IBMS快速人臉識別應用可以有效提高識別的準確性和實時動態反饋率。借助多種方式的高效實時鏈接效果，現有用戶可以快速通過刷臉驗證并獲得更好的應用程序體驗。該技術還擴展了新的應用場景，如員工出勤，訪客注冊，會議登錄和人員流量統計，并為智能辦公室提供了持續穩定的支持條件。傳統識別技術的原始圖像通常受到各種條件和隨機干擾的限制，并不能直接使用，必須在圖像處理的早期階段對其進行預處理，而現在的技術具有正確位置的臉部圖像掃描，能更好改善臉部圖像質量，不僅讓圖像的視覺更清晰，而且使圖像更便于計算機處理和識別[1]。

1.2 語音識別

以智能建筑為設計方向，應用了大量的智能設備，包括各種辦公、傳感器、手持設備等，除了傳統的人機界面控制方式外，還需要對這些設備進行集中管理和控制，語音識別控制是大樓常見的一種新管理方式。

例如語音對話可以識別各種技術，將人類語音信息中單詞的內容主題轉換為計算機可讀輸入框，如原始文本或命令，它是計算機技術外部接口的多維，多模式快速識別與智能應用研究領域。語音和字符識別技術主要包括MODE-1 6速手動變速器，顯著特征提取過程和相關模型訓練。在語音信息等控制方面，語音信息自動識別短句通過語言模型分解為幾個最重要的詞，然后把最關鍵詞執行更多的智能命令，它可以控制各種軟件和與之相關的設備，實現各種設備的迅速啟動和停止系統。語音識別順序以網絡（fsmn）為核心框架，可以實現良好的識別效果，且延遲低。fsmn的存儲功能是通過前饋結構實現的，它具有兩個優點：首先，當雙向fsmn記住信息時，雙向RNN可以等待語音輸入的結束來判斷當前語音幀。可以將延遲控制在較低的水平，其次，在訓練過程中，語音會沿著存儲塊和隱藏層之間的連接權重傳。因此fsmn以更簡單的方式解決了RNN中的識別不清的問題。

1.3 機器學習

為了將現代建筑構建為綠色建筑，需要使用人工智能和機器學習系統來感知和模擬建筑操作人員行為，以實現對建筑對象的精確控制，并增強自我優化，自我保護的能力。IBMS是一種機器自學習功能，機器學習技術是在過去20年中興起的多學科交叉學科。主要是設計和分析一些算法，這些算法可使計算機自動學習，自動分析數據并從中獲取正確規則，并使用這些規則預測未知數據。

例如一臺機器的強大學習能力，充分體現在以下兩個方面：一是智能分析其設備整體運行狀況，綜合運用設備預警系統和各種信息，逐步適應維修周期循環，系統自動生成工藝維修工單;其次，對于分體空調等設備，主要包括耗能使用、自學習神經線路和網絡，過去對如何優化算法進行升級，自定義非常模糊，不可控制。現在機器方法可實現按需冷卻和連續運行，高效節能。用它深入挖掘系統的基本運行數據，從整體上優化連續運行工況，有助于實現其他設備的環保節能。

2基于自學習的中央空調系統節能

為了高效，節能地實現中央空調軟件系統的連續運行，有必要為中央空調軟件系統的連續運行提供支持的系統模塊。該模塊的主要原因是由高負荷分析和預測神經網絡終端Ann-1，并網連接的ANN 2優化組成。功能模塊應收集中央空調能源管理模式系統，且收集頻率不應高于10分鐘/次。

例如①大負荷分析預測了網絡線路，需要能夠根據建筑物的大冷負荷及時調整工況，從而實現節能并繼續運行。因為，更準確的冷負荷分析和預測是實現最佳控制的必要條件。建筑中的大冷負荷包括過多的內部冷負荷和較高的冷負荷能力。影響外部因素的主要原因是室內外攝氏度和空氣相對濕度。②中央網絡可以使用多種方式用于預測各種工況和運行負荷的能力。優化的目的是使系統的總功耗非常小，從而獲得充分滿足的高負荷預測數據需求，并及時反饋給智能建筑日常管理軟件系統。正式授權的用戶還可以借助工具軟件平臺使用更多的人機系統，用戶可以通過物聯網在任何地方的管理服務器上獲取數據。管理人員和操作人員可以通過顯示設備顯示的各種信息和打印機記錄的各種信息，從而達到管理人員的各種特定控制要求[2]。

3結束語

人工智能技術與智能管理系統IBMS緊密集成，并構建了一系列面向管理的應用程序。人臉識別設備安裝在建筑物的入口和某些區域得到最大限度使用，并與門禁系統和照明系統進行實時鏈接，為用戶提供良好的辦公體驗。

參考文獻

[1] 杜明芳.AI+智慧建筑研究[J].土木建筑工程信息技術，2018，47（3）： 5-10.

[2] 王善濤.人臉識別技術在安防行業的具體應用[J].中國安防，2018 （Z1）：79-81.