謝苗苗,李華龍

(1.安徽大學(xué)江淮學(xué)院，安徽 合肥 230031；2.中國科學(xué)院合肥智能機(jī)械研究所，安徽 合肥 230031)

1 引言

隨著人們生活水平不斷提高，室內(nèi)環(huán)境質(zhì)量越來越被重視和關(guān)注。據(jù)統(tǒng)計(jì)現(xiàn)代人約有80%以上的時(shí)間在室內(nèi)度過，因此室內(nèi)環(huán)境質(zhì)量直接影響著人們的身心健康。然而室內(nèi)環(huán)境因子多，且互相作用關(guān)系復(fù)雜[1]，如何實(shí)現(xiàn)室內(nèi)環(huán)境控制的精準(zhǔn)決策至關(guān)重要。本文設(shè)計(jì)了一種基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)，首先實(shí)時(shí)采集室內(nèi)環(huán)境溫度、濕度、光照、噪聲、CO2濃度5種關(guān)鍵環(huán)境參數(shù)，采用箱線圖法檢測出原始采集數(shù)據(jù)中的異常值，并用均值替換后，利用距離自適應(yīng)加權(quán)融合算法對(duì)同類數(shù)據(jù)進(jìn)行一級(jí)融合；最后采用改進(jìn)的D-S證據(jù)理論算法，對(duì)各類傳感器數(shù)據(jù)進(jìn)行全局融合，實(shí)現(xiàn)室內(nèi)環(huán)境控制的精準(zhǔn)決策，為人們提供舒適健康的室內(nèi)環(huán)境。

2 基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)總體設(shè)計(jì)

系統(tǒng)利用傳感器實(shí)時(shí)采集室內(nèi)環(huán)境溫度、濕度、光照、噪聲、CO2濃度等數(shù)據(jù)，利用無線路由器WiFi無線組網(wǎng)功能，組建室內(nèi)環(huán)境無線監(jiān)控網(wǎng)絡(luò)，將采集的環(huán)境數(shù)據(jù)接入Internet，實(shí)時(shí)傳輸至遠(yuǎn)程服務(wù)器。服務(wù)器端利用SQL Server 2008數(shù)據(jù)庫實(shí)時(shí)存儲(chǔ)采集數(shù)據(jù)，利用提出的改進(jìn)D-S證據(jù)理論算法，構(gòu)建室內(nèi)環(huán)境控制決策模型，有效避免了沖突證據(jù)帶來的融合決策誤差，實(shí)現(xiàn)對(duì)家居環(huán)境控制的智能決策。用戶可以通過Android手機(jī)或者電腦客戶端實(shí)時(shí)查詢環(huán)境參數(shù)和決策結(jié)果，根據(jù)環(huán)境控制決策信息實(shí)時(shí)調(diào)控相應(yīng)的環(huán)境控制設(shè)備[2]。基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)框圖如圖1所示。

Figure 1 System diagram of indoor environment control decision-making system based on improved D-S evidence theory圖1 基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)框圖

3 基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策模型構(gòu)建

本文設(shè)計(jì)的基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策模型，首先采用箱線圖法和均值替代法，檢測并修復(fù)采集的室內(nèi)環(huán)境溫度、濕度、光照、噪聲、CO2濃度5類關(guān)鍵環(huán)境參數(shù)異常值；然后利用距離自適應(yīng)加權(quán)融合算法對(duì)同類數(shù)據(jù)進(jìn)行一級(jí)融合；最后采用改進(jìn)的D-S證據(jù)理論算法，對(duì)各類傳感器數(shù)據(jù)進(jìn)行全局融合，實(shí)現(xiàn)對(duì)室內(nèi)環(huán)境控制的精準(zhǔn)決策。模型構(gòu)建的流程圖如圖2所示。

Figure 2 Flow chart of indoor environment control decision-making system based on improved D-S evidence theory圖2 基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策模型構(gòu)建流程

控制決策模型構(gòu)建步驟如下：

步驟1數(shù)據(jù)預(yù)處理——箱線圖法和均值替代法。

由于傳感器在采集室內(nèi)參數(shù)的過程中，可能會(huì)受外界環(huán)境干擾或者傳感器自身老化等原因的影響，出現(xiàn)異常的采集數(shù)據(jù)，從而降低后續(xù)數(shù)據(jù)融合算法的精度，導(dǎo)致出現(xiàn)錯(cuò)誤決策結(jié)果，因此在對(duì)室內(nèi)環(huán)境數(shù)據(jù)進(jìn)行融合分析前，首先要對(duì)異常采集數(shù)據(jù)進(jìn)行甄別剔除。傳統(tǒng)的分析異常數(shù)據(jù)方法主要有3δ法則、狄克遜準(zhǔn)則、Z分?jǐn)?shù)法等，但上述方法均要求采樣數(shù)據(jù)具有正態(tài)分布特征[3]。而箱線圖法對(duì)于采集數(shù)據(jù)的分布沒有嚴(yán)格要求，相對(duì)傳統(tǒng)的方法，其檢測效率更高。針對(duì)利用箱線圖法檢測出的異常值，如果采用直接剔除的方法，可能會(huì)導(dǎo)致采集數(shù)據(jù)樣本的減少，進(jìn)而影響后續(xù)融合數(shù)據(jù)的精度[4]，所以對(duì)于異常值數(shù)據(jù)的處理，可以用剩余數(shù)據(jù)取平均數(shù)進(jìn)行填補(bǔ)的方法來解決數(shù)據(jù)樣本減少的問題。

系統(tǒng)采用的箱線圖法則如圖3所示，箱線圖主要包括6個(gè)數(shù)據(jù)節(jié)點(diǎn)，將數(shù)據(jù)從小到大排序分別為：最小值Xmin、下四分位數(shù)FL、中位數(shù)Q2、最大值Xmax、上四分位數(shù)FU、異常值。FU和FL之間的距離為IQ=FU-FL，則可以計(jì)算數(shù)據(jù)上截?cái)帱c(diǎn)為FU+1.5IQ，下截?cái)帱c(diǎn)為FL-1.5IQ，即為異常值的上、下邊緣分界點(diǎn)。大量研究表明截?cái)帱c(diǎn)的選取在處理異常數(shù)據(jù)時(shí)有較強(qiáng)的魯棒性，箱線圖的異常值標(biāo)準(zhǔn)為：大于FU+1.5IQ或小于FL-1.5IQ[3,4]。

Figure 3 Rule of boxplot圖3 箱線圖法則

步驟2利用距離自適應(yīng)加權(quán)融合算法實(shí)現(xiàn)同類傳感器數(shù)據(jù)一級(jí)融合。

步驟3利用基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策模型實(shí)現(xiàn)全局融合決策。

在改進(jìn)的D-S證據(jù)理論中，首先根據(jù)各證據(jù)間的關(guān)系，找到單個(gè)命題下各證據(jù)與平均證據(jù)之間的距離，利用距離與權(quán)重成反比的關(guān)系，通過加權(quán)計(jì)算出單個(gè)命題下的平均證據(jù)概率mave；然后再計(jì)算單個(gè)證據(jù)與各平均證據(jù)概率mave的距離，求出新的加權(quán)平均證據(jù)概率mω；最后利用D-S證據(jù)理論融合規(guī)則對(duì)修正后的證據(jù)進(jìn)行迭代組合n-1次得到最終的融合結(jié)果[13 - 15]。

假設(shè)有識(shí)別框架Θ={A,B,C,D},n個(gè)證據(jù)在識(shí)別框架下的基本概率分別為m1,m2,…,mn。改進(jìn)的D-S證據(jù)理論步驟如下所示：

(1)計(jì)算平均證據(jù)概率m′ave(A)，以及單個(gè)命題下各證據(jù)與平均證據(jù)的距離d′i。

(2)與平均證據(jù)概率距離越近，權(quán)重越大，即兩者成反比的關(guān)系，所以定義單個(gè)命題下各證據(jù)概率的權(quán)重ωi，并利用每個(gè)證據(jù)的權(quán)重計(jì)算出新的平均證據(jù)概率mave(A)。

(3)用相同的方法計(jì)算出mave(B),mave(C)和mave(D)，計(jì)算每個(gè)證據(jù)與平均證據(jù)的距離。

(4)定義各證據(jù)的權(quán)重ωl并求出加權(quán)平均證據(jù)概率mω。

(5)應(yīng)用D-S基本合成規(guī)則對(duì)mω迭代組合n-1次后即可得到最終的融合結(jié)果。

4 實(shí)驗(yàn)驗(yàn)證

將本文設(shè)計(jì)的基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)布置于我校某辦公室內(nèi)，在辦公室內(nèi)布置有環(huán)境溫度、濕度、光照、噪聲、CO2濃度5類傳感器實(shí)時(shí)采集室內(nèi)數(shù)據(jù)，利用無線路由器WiFi無線組網(wǎng)功能，組建室內(nèi)環(huán)境無線監(jiān)控網(wǎng)絡(luò)；利用提出的改進(jìn)D-S證據(jù)理論算法，構(gòu)建室內(nèi)環(huán)境控制決策模型。實(shí)驗(yàn)時(shí)間從2018年7月21日至2018年9月21日，系統(tǒng)每隔10 min采集1次監(jiān)測數(shù)據(jù)，每次采集6組傳感器數(shù)據(jù)。以2018年8月31日上午11:00采集的室內(nèi)環(huán)境數(shù)據(jù)為例，驗(yàn)證本文設(shè)計(jì)的室內(nèi)環(huán)境控制決策系統(tǒng)決策精度。5類傳感器在該時(shí)刻采集的6組原始數(shù)據(jù)如表1所示。

Table 1 Environmental data collected by the sensors

以CO2濃度為例，用箱線圖求得上四分位數(shù)FU=1392 ppm，下四分位數(shù)FL=1250 ppm，上、下截?cái)帱c(diǎn)分別為1 605 ppm和1 037 ppm，由此可判斷第5個(gè)測量值為異常值。按照相同方法可以檢測出其他環(huán)境參數(shù)的異常值。利用均值替代法修復(fù)異常值后的數(shù)據(jù)如表2所示。

Table 2 Environmental data after repair

4.1 距離自適應(yīng)加權(quán)一級(jí)融合

(1)根據(jù)如表2所示的修復(fù)后的傳感器數(shù)據(jù)，可求出各測量指標(biāo)之間的方差加權(quán)距離矩陣D：

D=

(2)支持度向量Sj=[3.296 3.449 3.33 3.353 3.454 3.303]。

(3)各傳感器權(quán)重向量ω=[0.163 0.171 0.165 0.166 0.171 0.164]。

(4)根據(jù)距離自適應(yīng)加權(quán)一級(jí)融合算法計(jì)算出各環(huán)境參數(shù)的一級(jí)融合值為[27.1 59.2 146.7 34.1 1267]。

4.2 改進(jìn)的室內(nèi)環(huán)境控制決策模型

在一級(jí)融合數(shù)據(jù)的基礎(chǔ)上，驗(yàn)證基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策方法的有效性。

首先構(gòu)造系統(tǒng)決策識(shí)別框架Θ:

A={無動(dòng)作}

B={開啟空調(diào)、加濕設(shè)備}

C={開窗通風(fēng)}

D={開啟照明設(shè)備}

先將5類傳感器采集的數(shù)據(jù)預(yù)處理后生成的一級(jí)融合決策值，轉(zhuǎn)換成獨(dú)立證據(jù)E1，E2，E3，E4和E5，基本概率分配函數(shù)如表3所示。

Table 3 Basic probability assignment table

(1)單個(gè)命題下各個(gè)證據(jù)與平均證據(jù)的距離矩陣di為：

(2)單個(gè)命題下各證據(jù)的權(quán)重矩陣ωi為：

(4)各證據(jù)的權(quán)重為[0.1853 0.3662 0.1443 0.1099 0.1943]T，加權(quán)平均證據(jù)為[0.2496 0.2377 0.4351 0.0776]T。

(5)應(yīng)用D-S基本合成規(guī)則對(duì)據(jù)mω迭代組合n-1次后即可得到最終的融合結(jié)果，為了進(jìn)行比較，本文還利用傳統(tǒng)的D-S證據(jù)理論算法進(jìn)行了數(shù)據(jù)融合，結(jié)果如表4所示。

Table 4 The fusion probability

由表3可知，在單個(gè)證據(jù)命題下，證據(jù)E2和E3,E4和E5高度沖突，證據(jù)E1和E2均支持決策目標(biāo)C，證據(jù)E3和E4支持決策目標(biāo)B，沒有證據(jù)支持決策目標(biāo)A。在高沖突證據(jù)情況下，利用傳統(tǒng)D-S證據(jù)理論融合算法，融合決策結(jié)果支持目標(biāo)A，出現(xiàn)了決策結(jié)果錯(cuò)誤的情況。此外，決策目標(biāo)A和C的概率分配函數(shù)差別不大，決策結(jié)果精度不高。從表4中的結(jié)果看出，利用改進(jìn)的D-S證據(jù)理論算法決策目標(biāo)為C，即開窗通風(fēng)，與前面?zhèn)鞲衅鳒y量數(shù)據(jù)中CO2濃度較高需要開窗通風(fēng)這種實(shí)際情況高度吻合，決策目標(biāo)準(zhǔn)確。此外，從表4還可以看出，改進(jìn)的D-S證據(jù)理論算法提高了決策目標(biāo)C的概率，降低了決策目標(biāo)A的概率，判決結(jié)果精度和準(zhǔn)確度大大提高。

為了進(jìn)一步檢驗(yàn)改進(jìn)D-S證據(jù)理論方法的準(zhǔn)確性，對(duì)2018年8月27日～9月2日采集的環(huán)境數(shù)據(jù)進(jìn)行融合決策驗(yàn)證，得出系統(tǒng)正確決策987次，不當(dāng)決策21次，決策準(zhǔn)確度達(dá)到97.9%以上，系統(tǒng)決策精度高。

5 結(jié)束語

本文提出了一種改進(jìn)的D-S證據(jù)理論算法，綜合考慮室內(nèi)多環(huán)境因子的相互作用關(guān)系，設(shè)計(jì)基于改進(jìn)D-S證據(jù)理論的室內(nèi)環(huán)境控制決策系統(tǒng)，實(shí)現(xiàn)了當(dāng)前家居環(huán)境控制的精準(zhǔn)決策。系統(tǒng)在采集多個(gè)傳感器數(shù)據(jù)的基礎(chǔ)上，采用箱線圖法對(duì)異常值進(jìn)行判別，并采用剔除異常值后的平均值對(duì)異常值進(jìn)行修正；然后利用距離加權(quán)自適應(yīng)融合算法對(duì)同類室內(nèi)環(huán)境傳感器采集數(shù)據(jù)進(jìn)行自適應(yīng)一級(jí)融合;最后采用改進(jìn)的D-S證據(jù)理論算法，對(duì)各類傳感器數(shù)據(jù)進(jìn)行全局融合。實(shí)驗(yàn)表明，該系統(tǒng)可以實(shí)現(xiàn)室內(nèi)多因子共同作用下的環(huán)境控制精準(zhǔn)決策，具有廣泛的應(yīng)用前景。