當前位置：
我假設你對智能樓宇已經(jīng)有認知，而且已經(jīng)知道了現在樓宇智能化的范疇正逐漸改變，除了控制系統和能源管理外，對樓宇服務(wù)的對象，也就是“人”的各種需要的滿(mǎn)足度的要求在迅速提高，有一部分是比較剛性的，容易用既有的技術(shù)手段實(shí)現的，比如樓宇亮化、消防、..等5A能實(shí)現的等；有一部分是柔性的，比如如何用有限的電梯讓高峰期排隊的人更少同時(shí).節能；比如室內的溫濕度、光照等設備如何根據外部自然條件變化為住戶(hù)提供柔性的服務(wù)，讓家有家的溫度，辦公有辦公的調性，而且還能滿(mǎn)足個(gè)性化的需要等等。在這種背景前提下，物聯(lián)網(wǎng)、大數據等一系列的新技術(shù)的綜合應用成為“必然之選”。
只要三步
1 選擇并清洗數據
2 選擇合適的算法模型
3 訓練模型并調整參數
又酷又暖
假設我是一個(gè)正在出差的超級貼心男士，在一個(gè)霧霾較重、寒濕的初春，愛(ài)人在到家前一小時(shí)，我就根據愛(ài)人的日常作息規律開(kāi)啟了空氣凈化、溫度調節甚至熱水器，還能給她播放她喜歡的音樂(lè )以及在她臨睡前跟她講睡前故事。但是有個(gè)問(wèn)題，這是個(gè)性化的需要，即使我們能倚仗機器學(xué)習對整棟大樓進(jìn)行推演，怎樣能讓這種推演能進(jìn)入千家萬(wàn)戶(hù)并迎合這種個(gè)性化帶來(lái)的復雜計算場(chǎng)景呢？
其實(shí)本質(zhì)上是一樣，只不過(guò)此時(shí)能夠依據的數據量一開(kāi)始很少，直接運用機器學(xué)習幾乎得不到任何有價(jià)值的預判，此時(shí)數據科學(xué)工具更多地是通過(guò)學(xué)習人工干預的習慣，比如每一次開(kāi)燈的亮度，每一次調節出水的溫度等非常細節的傳感器數據，來(lái)推演“習慣”的路徑，配合不同與用戶(hù)相關(guān)的維度（如小孩、老人等）來(lái)綜合理解用戶(hù)希望獲得的體驗。
甘公網(wǎng)安備 62010202002278號