[發明專利]辦公建筑用戶在室行為預測方法

在審

• 申請號: 201611122183.X
• 申請日: 2016-12-08
• 公開（公告）號: CN106599436A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 俞準;黃余建;李郡;周亞蘋;胡賓;張國強
• 申請（專利權）人: 湖南大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06K9/62
• 代理公司: 長沙永星專利商標事務所(普通合伙)43001
• 代理人: 周詠,米中業

1.一種辦公建筑用戶在室行為預測方法，包括如下步驟：

S1.采集用戶在室行為相關數據并建立數據庫；

S2.對步驟S1得到的數據庫進行關聯規則挖掘，確定對用戶在室行為的顯著影響因素；

S3.針對不同用戶類型，根據步驟S2得到的顯著影響因素，采用聚類分析方法對用戶進行聚類，從而得到用戶的分類數據集；

S4.對步驟S3得到的聚類后的每一個用戶分類數據集，分別采用隨機森林模型動態預測每一類用戶每一時刻的在室行為。

2.根據權利要求1所述的辦公建筑用戶在室行為預測方法，其特征在于步驟S1所述的數據包括建筑數據、用戶數據、環境數據和在室行為數據；所述的建筑數據包括建筑朝向、面積、房間數及房間類型；所述的用戶數據包括年齡、性別、職位和學歷；所述的環境數據為室內外環境參數；所述的在室行為數據包括到達和離開辦公室時間、房間內人數和不同時刻在室狀況。

3.根據權利要求1或2所述的辦公建筑用戶在室行為預測方法，其特征在于步驟S2所述的進行關聯規則挖掘，具體為采用如下步驟進行關聯規則挖掘：

A.確定最小支持度min-support和最小可信度min-confidence，并通過以下公式計算支持度support和信任度confidence：

$\sup port(X\⇒Y)=count(X\∪Y)/\left|A\right|$

$confidence(X\⇒Y)=\sup port(X\⇒Y)/\sup port\left(X\right)$

式中描述集X和結果Y同時出現的支持度，count(X∪Y)表示項集X和結果Y同時出現的次數，|A|表示數據庫A的項集數，表示項集X和結果Y同時出現的可信度，support(X)表示項集X出現的概率；

B.利用Apriori算法搜索所有滿足最小支持度的項集，并將搜索到的項集稱為頻繁項集；

C.對步驟B得到的頻繁項集生成所需要的關聯規則，再根據設定的最小可信度篩選出強關聯規則，即為用戶在室行為顯著影響因素。

4.根據權利要求1或2所述的辦公建筑用戶在室行為預測方法，其特征在于步驟S3所述的聚類分析，具體為采用如下步驟進行聚類分析：

1)對數據庫A中的數據進行預處理；

2)從數據庫A中隨機選取k個樣本作為聚類中心；

3)將每一個樣本聚類到距離最近的k個樣本之一；

4)計算每一個聚類的均值，并用新的均值替換原來的聚類中心；

5)重復步驟2)～步驟4)，直至聚類中心不再發生變化為止，最終得到n個分類數據集。