Building and Environment（2019）
通过机器学习从建筑物中的Wi-Fi数据推断居住人数
Inferring occupant counts from Wi-Fi data in buildings through machine learning
美国劳伦斯伯克利国家实验室建筑技术和城市系统部Building Technology and Urban Systems Division, Lawrence Berkeley National Laboratory, USA
摘要ABSTRACT
减少建筑能耗的一个重要途径是基于占用信息优化建筑控制。建议通过不同的方法和传感器进行各种研究，以估计乘客数量。然而，高成本和隐私问题仍然是主要障碍，限制了乘客计数检测的实践。在这项研究中，我们提出了一种新的方法，利用广泛部署的Wi-Fi基础设施中的数据，通过机器学习推断乘客数量。与现有的间接测量方法相比，我们的方法提高了估计人数的性能：（1）通过每天匿名和重新排列MAC地址来避免隐私问题；（2） 我们采用了一种启发式的特征工程方法，根据每天的连接持续时间将连接的设备分为不同的类型。我们在加利福尼亚州的一座办公楼里测试了这种方法。在平均入住率为22-27人、峰值入住率为48-74人的地区，测试集的均方根误差小于4人。超过70%的估计误差在两人以内，超过90%的估计误差在六人以内
