Recommender systems and reinforcement learning for building control and occupant interaction: A text-mining driven review of scientific literature

要約

屋内環境は健康と幸福に大きな影響を与えます。
このような環境で健康を増進し、エネルギー使用を削減することが重要な研究焦点です。
情報通信技術 (ICT) の進歩に伴い、推奨システムと強化学習は、室内環境と建物のエネルギー効率を改善する行動変化を誘発する有望な方法として浮上しています。
この研究では、テキストマイニングと自然言語処理 (NLP) を使用して、建物の制御と居住者のインタラクションにおけるこれらのアプローチを調査しました。
ScienceDirect データベースの約 27,000 件の論文を分析したところ、空間の最適化、位置の推奨、および個別の制御の提案のために、推奨システムと強化学習が広範囲に使用されていることがわかりました。
幅広い用途があるにもかかわらず、屋内環境とエネルギー効率の最適化における用途は限られています。
従来の推奨アルゴリズムが一般的に使用されていますが、室内条件とエネルギー効率を最適化するには、強化学習や深層学習などの高度な機械学習技術が必要になることがよくあります。
このレビューでは、建物や屋内環境におけるレコメンダー システムと強化学習アプリケーションを拡張する可能性を強調しています。
イノベーションの分野には、予知保全、建築関連製品の推奨事項、ユーザーのフィードバックに基づいた睡眠や生産性向上などの特定のニーズに合わせた環境の最適化などが含まれます。

要約(オリジナル)

The indoor environment greatly affects health and well-being; enhancing health and reducing energy use in these settings is a key research focus. With advancing Information and Communication Technology (ICT), recommendation systems and reinforcement learning have emerged as promising methods to induce behavioral changes that improve indoor environments and building energy efficiency. This study employs text-mining and Natural Language Processing (NLP) to examine these approaches in building control and occupant interaction. Analyzing approximately 27,000 articles from the ScienceDirect database, we found extensive use of recommendation systems and reinforcement learning for space optimization, location recommendations, and personalized control suggestions. Despite broad applications, their use in optimizing indoor environments and energy efficiency is limited. Traditional recommendation algorithms are commonly used, but optimizing indoor conditions and energy efficiency often requires advanced machine learning techniques like reinforcement and deep learning. This review highlights the potential for expanding recommender systems and reinforcement learning applications in buildings and indoor environments. Areas for innovation include predictive maintenance, building-related product recommendations, and optimizing environments for specific needs like sleep and productivity enhancements based on user feedback.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google