[论文解读] Sensor-Type Classification in Buildings

Dezhi Hong, Jorge Ortiz+2 more|arXiv (Cornell University)|Sep 1, 2015

Context-Aware Activity Recognition Systems参考文献 24被引用 4

一句话总结

本文提出一种基于机器学习的方法，利用时间序列数据的统计特征，通过集成学习（随机森林）对商业建筑中的传感器类型进行分类，实现在建筑内部分类准确率超过92%，跨建筑分类准确率超过82%。该方法通过从数据模式中推断传感器类型，实现可扩展的元数据规范化，即使在元数据缺失或不一致的情况下也能有效运作。

ABSTRACT

Many sensors/meters are deployed in commercial buildings to monitor and optimize their performance. However, because sensor metadata is inconsistent across buildings, software-based solutions are tightly coupled to the sensor metadata conventions (i.e. schemas and naming) for each building. Running the same software across buildings requires significant integration effort. Metadata normalization is critical for scaling the deployment process and allows us to decouple building-specific conventions from the code written for building applications. It also allows us to deal with missing metadata. One important aspect of normalization is to differentiate sensors by the typeof phenomena being observed. In this paper, we propose a general, simple, yet effective classification scheme to differentiate sensors in buildings by type. We perform ensemble learning on data collected from over 2000 sensor streams in two buildings. Our approach is able to achieve more than 92% accuracy for classification within buildings and more than 82% accuracy for across buildings. We also introduce a method for identifying potential misclassified streams. This is important because it allows us to identify opportunities to attain more input from experts -- input that could help improve classification accuracy when ground truth is unavailable. We show that by adjusting a threshold value we are able to identify at least 30% of the misclassified instances.

研究动机与目标

• 解决商业建筑中传感器元数据不一致和不完整的问题，该问题阻碍了建筑分析软件的可扩展部署。
• 将应用逻辑与建筑特定的命名约定和元数据模式解耦，以提高软件在不同场所的可重用性。
• 开发一种通用的、自动化的传感器类型分类方法（例如温度、压力等），基于数据模式而非依赖不可靠的元数据。
• 通过基于数据的分类方法规范化传感器类型元数据，实现跨建筑传感器流的广泛可搜索性。
• 利用预测概率识别可能误分类的传感器流，以指导专家验证，并实现模型准确率的迭代提升。

提出的方法

• 从传感器数据的短时间窗口中提取统计特征（例如均值、标准差、分位数），以表征每条数据流。
• 使用决策树的集成模型（随机森林）基于提取的特征对传感器类型进行分类。
• 在两个建筑的标注传感器流上训练模型，使用一套设计为在多样化传感器类型中具有通用性和有效性的特征集。
• 采用基于概率的阈值方法，将预测置信度较低的实例标记为潜在误分类。
• 通过概率阈值法识别出的专家标注候选样本，对模型进行迭代优化和重新训练。
• 优化窗口大小和训练样本数量，在准确率与标注工作量之间取得平衡，表明每类传感器类型约100个样本即可实现学习的可靠启动。

实验结果

研究问题

• RQ1 从传感器数据的短时间窗口中提取的统计特征，能否有效区分商业建筑中的不同传感器类型？
• RQ2 单一训练模型在具有不同元数据约定的建筑之间，其泛化能力如何？
• RQ3 基于概率的方法在识别可能误分类的传感器流以供专家审查方面，效果如何？
• RQ4 该方法实现可靠传感器类型分类所需的最少训练样本数量是多少？
• RQ5 窗口大小的选择如何影响传感器类型分类系统的分类准确率？

主要发现

• 所提出的方法在模型训练所在建筑内部测试时，分类准确率超过92%。
• 该模型在未见过的建筑中也表现出良好的泛化能力，在跨建筑分类任务中准确率超过82%。
• 通过使用预测概率，系统能够识别至少30%的误分类实例，从而实现对专家验证的精准引导，提升准确率。
• 该方法仅需每类传感器类型约100个训练样本即可实现稳定性能，显著减少标注工作量。
• 基于分位数的时序数据统计特征在区分传感器类型方面非常有效，即使在元数据不一致的建筑之间也表现良好。
• 集成学习方法（随机森林）在此情境下优于单一分类器，展现出对数据变异性的强鲁棒性。