[论文解读] Internet of Behavior (IoB) and Explainable AI Systems for Influencing IoT Behavior

Haya Elayan, Moayad Aloqaily+2 more|arXiv (Cornell University)|Sep 15, 2021

Internet of Things and AI被引用 15

一句话总结

本文提出了一种集成物联网行为（IoB）与可解释人工智能（XAI）的系统，以影响家庭物联网能耗行为。通过利用深度学习进行能耗预测，并借助XAI提升模型透明度，该系统在200小时内将有功功率使用量减少522.2千瓦，节省95.04欧元成本，展示了通过行为驱动的物联网控制实现能源可持续性的可行路径。

ABSTRACT

Pandemics and natural disasters over the years have changed the behavior of people, which has had a tremendous impact on all life aspects. With the technologies available in each era, governments, organizations, and companies have used these technologies to track, control, and influence the behavior of individuals for a benefit. Nowadays, the use of the Internet of Things (IoT), cloud computing, and artificial intelligence (AI) have made it easier to track and change the behavior of users through changing IoT behavior. This article introduces and discusses the concept of the Internet of Behavior (IoB) and its integration with Explainable AI (XAI) techniques to provide trusted and evident experience in the process of changing IoT behavior to ultimately improving users' behavior. Therefore, a system based on IoB and XAI has been proposed in a use case scenario of electrical power consumption that aims to influence user consuming behavior to reduce power consumption and cost. The scenario results showed a decrease of 522.2 kW of active power when compared to original consumption over a 200-hours period. It also showed a total power cost saving of 95.04 Euro for the same period. Moreover, decreasing the global active power will reduce the power intensity through the positive correlation.

研究动机与目标

• 探讨物联网行为（IoB）的概念，包括其工作流程、优势、挑战及工业应用。
• 设计一个可信且易懂的系统，将IoB与可解释人工智能（XAI）相结合，以影响和改变基于物联网的用户行为。
• 在涉及家庭用电能耗的实际应用场景中评估该系统，以减少能源浪费和成本。
• 分析有功功率降低对全球能源强度的影响，利用二者之间的强正相关性。
• 识别未来研究方向，包括用户反馈整合、分布式系统设计以及增强的安全与隐私机制。

提出的方法

• 利用物联网传感器收集实时家庭用电能耗数据，用于模型训练与推理。
• 使用深度学习模型，基于过去四年的历史数据，预测未来一小时的全局有功功率。
• 实施XAI技术，为人工智能预测提供可解释的说明，提升用户信任度与系统透明度。
• 应用基于阈值的控制机制：若预测的功率超过同一小时、工作日及月份的历史平均值，则系统触发功率降低措施。
• 在200个测试样本上验证系统，以衡量能源节约、成本降低以及对全球能源强度的影响。
• 利用全球有功功率与全球能源强度之间的强正相关性，推断能耗降低带来的更广泛环境效益。

实验结果

研究问题

• RQ1 如何将IoB与XAI整合，以构建一个可信且透明的系统，从而影响基于物联网的用户行为？
• RQ2 在真实场景中，IoB-XAI系统在多大程度上能够减少家庭用电能耗及其相关成本？
• RQ3 鉴于全球有功功率与全球能源强度之间存在强正相关性，有功功率降低对全球能源强度有何影响？
• RQ4 如何通过用户反馈和指导性通知提升长期行为改变与系统参与度？
• RQ5 从集中式向分布式系统架构转型的技术与体验权衡是什么？

主要发现

• 所提出的IoB-XAI系统在200小时的测试期间，将全局有功功率降低了522.2千瓦。
• 在同一200小时期间，总成本节约达95.04欧元，基于每千瓦时0.182欧元的家庭电价。
• 系统在200次预测小时中有27次发出警告，提示能耗超过历史平均水平，从而触发节能措施。
• 全球有功功率与全球能源强度之间存在99%的强正相关性，意味着降低有功功率可同步降低全球能源强度。
• 系统通过XAI提升了用户信任，因其为人工智能决策提供了可解释的说明。
• 未来改进措施，如用户反馈整合、分布式架构设计以及高级安全机制，有望进一步提升系统性能与采纳率。