情境模糊推理與節能控制系統 Scenarios Fuzzy Reasoning and

(1)

中華大學碩士論文

智慧型辦公大樓

情境模糊推理與節能控制系統 Scenarios Fuzzy Reasoning and

Energy-Saving Control Systems in Smart Office

系所別：資訊工程學系碩士班學號姓名：M09802055 林國豪指導教授：陳建宏博士

中華民國 101 年 8 月

(2)

i

摘要

在普及運算和雲端運算科技即將到來的時代，人類的生活將可以受到更多智慧型系統的輔助與支援。為了設計出一個強大並且完整的智慧型系統，該系統必須能夠感知周圍環境的現況及變化、瞭解使用者的狀態，以藉此推斷出目前的使用情境，然後提供適當的服務。

本研究中，提出了一套環境感測器系統的部屬，『智慧型辦公大樓情境模糊推理與節能控制系統』框架，並且在現實世界的科技大樓。基於模糊推理系統的開發，有效管理所有低階感測器資訊和歸納出來的高階感知情境。節能控制系統將控制開關的燈光、空調和電源插座設備，整合成綠化建築。

關鍵字: 情境感知、模糊理論、智慧型。

(3)

ii

ABSTRACT

With the arising of pervasive computing and cloud computing technology, it is expected that more and more intelligent system will be developed to assist and support human livings in the upcoming era. In order to achieve a robust and complete intelligent system, the system must be able to perceive current situations and changes in surrounding environment and understand current status of users, so that the system can inference current context and provide appropriate services for users.

In this thesis, a "scenarios fuzzy reasoning and energy-saving control systems in smart office" framework is proposed. A set of environmental sensors for the systems are deployed in a real-world industrial building. The scenarios fuzzy inference system is developed for effectively manage all the low-level sensors information and inductive high-level context scenarios based fuzzy inferences. Hereafter, the energy saving control system will control the switches of the lights, air conditioner, and electrical power outlets in the building, in order to conduct a green building.

Keywords: context awareness, fuzzy theory, and intelligent.

(4)

iii

致謝

感謝陳建宏老師不厭其煩的指導，引導我完成這篇論文，讓我學到了許多課業上與研究的知識，並且改變了我做事的方法與態度。感謝家人一路走來物資上與心靈上的關心、支持與不斷提醒要好好努力。也感謝朋友們、實驗室的同學、學長、學弟妹們，課餘期間的陪伴與課業上的幫助並相互討論。感謝中華大學資訊工程系各個老師、教授，不厭其煩的教導我。感謝兩位口試委員于天立教授及陳潁平教授給予論文上的建議與指正，使得這篇論文可以更加了完善。

林國豪謹誌於中華大學資訊工程研究所

民國一百零一年八月

(5)

iv

表目錄

表 2.1：特徵函數與歸屬函數比較 ...8 表 4.1：各種函數數量 ... 23

(8)

vii

圖目錄

圖 1.1: 研究整體架構圖 ...2

圖 1.2: 研究方法流程圖 ...3

圖 2.1: 情境感知服務之步驟 ...6

圖 2.2: 情境資訊來源 ...6

圖 2.3: 模糊理論之三角形模糊數歸屬函數 ...9

圖 2.4: 模糊理論之梯形模糊數歸屬函數 ... 10

圖 3.1: 各種布置在辦公大樓的感測器 ... 12

圖 3.2: 智慧型辦公大樓資料庫分類... 13

圖 3.3: 智慧型辦公大樓情境模糊推理與節能控制系統之系統架構圖 ... 14

圖 3.4:系統架構圖中的四大類 ... 15

圖 3.5:正常情境感知架構圖 ... 15

圖 3.6:燈光情境感知架構圖 ... 17

圖 3.7:空調情境感知架構圖 ... 18

圖 3.8:電源情境感知架構圖 ... 19

圖 3.9:巡檢人員情境狀態架構圖 ... 20

圖 3.10:異常情境狀態架構圖 ... 21

圖 4.1: 非 0 即 1 的特徵函數 ... 24

圖 4.2: 電源異常的特徵函數 ... 24

圖 4.3: 疑似火災異常情境之三角形歸屬函數 ... 27

圖 4.4: 疑似火災異常情境之情境模糊推理等級區分 ... 28

圖 4.5: 氣體異常情境之三角形歸屬函數 ... 29

圖 4.6: 氣體異常情境之情境模糊推理等級區分 ... 30

圖 4.7: 濕度異常情境之三角形歸屬函數 ... 30

圖 4.8: 濕度異常情境之情境模糊推理等級區分 ... 31

圖 4.9: 溫度異常情境之三角形歸屬函數 ... 31

圖 4.10: 溫度異常情境之情境模糊推理等級區分 ... 32

圖 5.1: 智慧型辦公大樓情境模糊推理與節能控制系統之會議時段介面 ... 33

(9)

viii

圖 5.2: 智慧型辦公大樓情境模糊推理與節能控制系統之溫度異常介面 ... 34

(10)

1

Chapter 1 緒論

1.1 研究背景與動機

在普及運算和雲端運算科技即將到來的時代，人類的生活將可以受到更多智慧型系統的輔助與支援。而對於智慧型系統的設計來說，它必須能夠感知周圍環境的現況及變化、瞭解使用者的狀態，以藉此推斷出目前的使用情境，然後提供適當的服務。

近年來，現今科技日益發達，能源消耗相對就加重了許多，我們都要有能源危機的潛意識，愛護我們所生長的地球，各國暖化也是警訊之一。但是在這個科技的時代，

各種環境中充滿了許多智慧型系統的輔助與支援，已經無法缺少了，尤其在現今都在辦公大樓忙碌的人類。我們如何讓智慧型系統應用在辦公大樓上，讓辦公的人更加便利，但是卻也可以減少能源的消耗，這是一個很好的問題。

1.2 研究目的

本研究以模糊推理系統與節能控制系統為主軸。從本研究的系統架構出具有效率的情境資訊管理系統來有效管理所有的感測資訊，並且需要有一個情境推理系統能夠整合推理歸納低階的感測資訊形成高階的情境。在情境資訊中，使用模糊理論，解決無法明確定義的模糊性的情境資訊。如圖 1.1 中顯示，本研究主要是在於中介層設計。

架構出情境資訊管理系統與情境推理系統，推導出節能控制系統，中間並加入模糊理論來進行模糊推論系統的整合。

在智慧型情境推理系統中，九種異常情境的判斷是經各個不同低階資訊來設計，

而裡面會有無法明確定義的模糊性的情境資訊，加入模糊理論來解決，並且具有異常等級分級。

(11)

2

圖 1.1: 研究整體架構圖

1.3 研究方法

對於本研究欲利用情境感知與模糊理論來整合出方便又能節能的辦公大樓系統，下列步驟程序進行：

一、問題定義

針對本研究之研究背景與動機，選定期研究目標與主題，並利用情境感知與模糊理論整合進行智慧型辦公大樓系統。

二、相關文獻回顧

回顧其相關文獻，主要是針對使用情境感知規劃出各種智慧型地區的介紹與探討，還有使用模糊理論解決某些無法明確定義的模糊性的情境資訊的研究方法。

三、問題模式建立

針對本研究探討的智慧型辦公大樓情境模糊推理與節能控制系統使用情境感知進行架構，並且使用模糊理論解決模糊性的資訊。

四、撰寫程式

本研究利用 SQL、C#(Visual Studio 2010)進行智慧型辦公大樓系統之程式撰寫。

五、結果分析

利用情境感知架構出不同情況的框架，並且探討使用模糊理論解決模糊

(12)

3

性的資訊的不同的狀況。

六、結論

最後將針對本研究的結果進行最後的總結，並針對智慧型辦公大樓情境模糊推理與節能控制系統提供部分意見及想法。

其研究方法流程圖如圖 1.2 所示：

圖 1.2: 研究方法流程圖

(13)

4

1.4 論文架構

本研究總共分為七個章節，分別為緒論、相關研究、研究方法、結果分析、結論等章節。第一張緒論部分主要是介紹整個研究背景、動機與目的。第二章節裡，將介紹情境感知、模糊理論之相關研究。第三章節裡，描述各個情境推理系統架構圖，包含了異常、整體、四大類情境。並且架構出『智慧型辦公大樓節能控制系統暨情境推理系統』。第四章節裡，描述異常狀況中，某些無法明確定義的模糊性的情境資訊，

利用模糊理論來解決問題。第五章節裡，描述系統的介面設計。第六章節裡，描述整體情境感知結構與結果。第七章裡，提出我們的結論及未來展望。

(14)

5

Chapter 2 相關研究

2.1 情境感知

隨著各式各樣的感測器、行動載具與相關軟體的發展下，情境感知技術也因此出現。情境感知的概念是在於「普及運算」的概念中。「情境」代表使用者所在環境中的資訊；「情境感知」是指透過使用者所在環境的情境，提供適合的資訊與服務，運用電腦運算、取得環境資訊有關的情境，以提供適合特定的環境服務。一般來說，這些資訊就是使用者的位置、溫度、光度、氣體等等相關方面的資訊訊息。透過情境感知技術，不僅可以提升服務品質，更能夠提供使用者更好的便利。

英特爾副總裁、技術長暨英特爾資深研究院士 Justin Rattner 表示，科技運算的未來，將根據使用者所處情境來提供豐富多元的科技體驗，情境感知將徹底改變使用者與資訊裝置之間，以及使用者和這些裝置所提供的服務間互動方式。

如圖 2.1情境感知服務的步驟可以分為情境資訊來源、感測器、情境資訊處理以及情境服務模式。情境資訊來源(圖 2.2)又可分為使用者情境資訊與實體環境情境資訊。使用者情境資訊就是指與使用者相關的年齡、能力等資訊。而實體環境情境資訊是指溫度、光度、所在環境設施等資訊：關於感測器部分，裝置在環境或是載具上的溫度感測、溼度感測、氣體感測、人員定位等。更加進階的就是利用使用者的喜好、

習慣等來了解使用者程度，並且給予適當的服務。情境資訊處理分為二類，集中式處理：將感測到的情境資訊傳送至伺服器再將運算結果回傳終端，提供服務。分散式處理：在本機端處理情境資訊，並直接產出運算結果，提供服務。情境服務模式可分為主動服務模式與被動服務模式。所謂主動服務模式是指系統會依照接收到的情境資訊改變系統的行為模式。而被動服務模式則指系統會依照接收到的情境資訊，改變系統資訊呈現方式。在平常人們感官所見所聞的背後，其實還有許多資訊，是沒有被注意到的，情境感知技術就是把這些資訊挖掘出來，並且提供適合的情境感知服務。例如；

台北市民的「悠遊卡」，可以快速在短時間給付車費、小額付款。使得此系統有讓使用者更加便利與節能。

本文中，將使用各種環境感測器與收集人員資料整合出情境資訊來源，並且直接運算結果，提供服務。系統收到各種環境感測器數值與設計好的異常狀況來做判斷。

最後整合出智慧型辦公大樓情境管理架構。

(15)

6

圖 2.1: 情境感知服務之步驟

圖 2.2: 情境資訊來源

(16)

7

2.2 模糊理論

模糊理論是為了解決現實社會中會存在模糊、不確定性的現象而發展的一門學問。模糊理論是由 L.A. Zadeh 於 1965 年首先提出的一種定量表達工具(Fuzzy 集合論)，把傳統集合論的特徵函數從非 0 即 1 的二值選擇推廣為 Fuzzy 集合的歸屬函數可從 0 到 1 之間的任何值做選擇，用來解決某些模糊、不確定性的現象。表 2.1 顯示特徵函數與歸屬函數差別性。例如：人們感受的冷熱、光線的強弱等等都為常見的模糊性現象..等等。Fuzzy 理論中，我們將運用歸屬函數之歸屬函數來解決問題。

我們常見的模糊性現象非常多種，以下為區分：

(1) 不完整性(incomplete) ：因為掌握的資訊不夠完整，導致無法完整展現全部所造成的模糊現象。

(2) 曖昧性(ambiguity) ：同一語言、符號或圖案，有很多種解釋而無法確定是哪種意思。

(3) 不精確性(imprecision) ：在於量測過程中含有誤差，導致資訊傳遞所發生的不精確現象

(4) 隨機性(randomness) ：對於事件確定發生時機無法獲知，屬於機率探討範圍。

(5) 模糊性(fuzziness) ：對事件的定義因人而異，無法客觀而確定的表達出來，導致意念溝通時發生障礙。

我們會利用模糊理論最基本概念-歸屬函數來描述模糊集合的特質。我們需要用精準的數學方式來分析與處理模糊性資訊，就要必須透過歸屬函數對模糊集合進行量化。一般而言，歸屬函數並無通用的定理或是公式，通常都是根據經驗、統計來加以確認，很難向客觀事物具有很強大的說服力。因此「如何找出一個合適的歸屬函數」

是模糊理論解決實際問題很重要的關鍵點。

歸屬函數的類型又可分為離散化歸屬函數與連續化歸屬函數。

在離散化歸屬函之模糊集合 A 可表示成：

n n A A

A

x x u x

x u x

x

A u ( )

) ...

( ) (

2 2 1

1   



在連續化歸屬函之模糊集合 A 可表示成：





 x U A

x

A u

( )

(17)

8

離散化歸屬函數的特點就是簡單明瞭，很容易建構出模糊關係矩陣，還可以減省記憶空間以及函數換算的時間，但是論域離散化的離散間距太大時，論域空間的分割可能會過於粗略；間距太小時，處理的消耗時間與記憶體空間又會增加。連續化歸屬函數的優點就是可微分，對於需要利用學習機制作歸屬函數調整的地方，功能會比離散化歸屬函數較好。所以本研究以連續化歸屬函數之三角型模糊數(trapezoid fuzzy number) (如圖 2.6)、梯型模糊數(triangular fuzzy number) (如圖 2.7)作為分析。

連續化歸屬函數有很多類型，包括三角型模糊數、梯型模糊數、常態形模糊數 (normal fuzzy number)中的 S 函數(如圖 2.3)、Z 函數(如圖 2.4)、 函數(如圖 2.5) 等。

模糊數為一個模糊子集，其歸屬函數為^μ_A

 

^

：U→[0,1]，並具有以下特性：

(1) ^μ_A

 

^ ^{為連續性函數。}

(2) ^μ_A

 

^ ^{為一凸模糊數。}

(3) 存在一實數 X0，^μ_A



^₀



^使得=1。

凡滿足此三項特性之模糊集合，稱之為模糊數

表 2.1：特徵函數與歸屬函數比較

特徵函數歸屬函數

{0,1} [0,1]

二值集合 連續多值模糊集合

絕對屬於 相對屬於

非此即彼亦此亦彼

硬性二分法軟性分類法

(18)

9

其中，本研究將以三角型歸屬函數、梯型歸屬函數兩種簡便而廣泛受到採用的計算方式來解決模糊性的資訊的不同的狀況，並且在以下的章節來做詳細說明。

2.2.1 三角形模糊數

(1) 三角形(Triangular)歸屬函數定義為：

 





 















 









 













0 b

0 μ

1 1 1

1

1 1

1

A

a for

b a for

b

a a

a for a

a

a for

(2.2.1)

圖 2.3: 模糊理論之三角形模糊數歸屬函數

不只是正三角形，等腰三角形、直角三角形、等邊三角形都是屬於三角形模糊數。

三角模糊數可表示為A (a₁,a ,b₁)，其中a₁a b₁。當 X 的值越靠近a 時，其隸屬於 A 的歸屬函數值越高，表示 X 隸屬於 A 的程度越高。

2.2.2梯形模糊數

(2) 梯形(Trapezoidal) 歸屬函數定義為：

 





















 











 













1

1 1

1

1 1

1

A

0

1

0

μ

b for

b b

b for b

x b

b a

for

a a

a for a

a

a for

(19)

10

圖 2.4: 模糊理論之梯形模糊數歸屬函數梯型模糊數可表示為A (a₁,a ,b,b₁)。

(20)

11

Chapter 3 智慧型辦公大樓情境節能控制系統架構

3.1智慧型辦公大樓感測器

在智慧型辦公大樓內，我們佈置了許多低階情境資訊之感測器，下列會各別說明：

(1) PIR 感測器：PIR 感測器通常會設置在會議室、房間門口，只要有人超過 PIR 感測器，就會傳回資訊。

(2) 超音波感測器：可以偵測人的遠近距離。

(3) 智慧型插座電能監測模組：可以監控電流，並且能開關電源。

(4) 定位感測器：會傳回人員所在的座標位置。

(5) 三合一感測器：會傳回環境中，CO、CO2、溫度、濕度、亮度的低階資訊。

(21)

12

圖 3.1: 各種布置在辦公大樓的感測器

3.2智慧型辦公大樓資料庫

在智慧型辦公大樓內，我們使用的資料庫內容，將會在下列會分類各別說明：

(1) 物品資料庫：物品編號、物品名稱與物品感測器編號。

(2) 人員資料庫：人員編號、人員的個人資料(姓名、性別、身分證字號、電話、地址、人員身分、人員感測器編號) 。

(3) 事件資料庫：事件編號、事件的名稱與等級，並且有事件發生記錄(房間編號、

事件編號、時間、感測器編號) 。

(4) 定位資料庫：分為房間、樓層、定位值、歷史定位值。房間資料庫中有房間編號、

名稱、重要等級與樓層編號；樓層資料庫中有樓層編號、名稱；定位值資料庫、

(22)

13

歷史定位值資料庫中有定位值編號、感測器所在的座標、編號、定位時間與歷史記錄。

(5) 巡檢路線資料庫：巡檢路線編號、巡檢路徑的開始與終止時間，並且有巡檢記錄 (巡檢人員編號、巡檢路徑編號、房間編號、巡檢時間、巡檢備註) 。

(6) 感測器資料庫：分為感測器、靜態感測器、回報值、歷史回報值。感測器資料庫中有感測器編號、ID、類型、是否有運作與是否正常；靜態感測器中有感測器編號、所在房間編號、XY 軸；回報值資料庫、歷史回報值資料庫中有回報值編號、

感測器編號、回報時間與各個回報數值。

(7) 辦公時間表資料庫：分為房間時間表與人員時間表。房間時間表中有要使用房間的編號、日期、開始與結束的時間；人員時間表中有時間表編號、人員編號與進入房間的編號、起始時間與終止時間。

圖 3.2: 智慧型辦公大樓資料庫分類

(23)

14

3.3智慧型辦公大樓情境節能控制系統架構圖

圖 3.3: 智慧型辦公大樓情境模糊推理與節能控制系統之系統架構圖

在過去的研究裡，有學者將情境感知用於以家庭為基礎的護理服務[3][4]。我們發現可以使用情境感知用於辦公大樓為環境，並且整合感測器資訊來設計出一個有效率並且節能的智慧型辦公大樓情境資訊管理系統架構。並且利用模糊理論來解決低階的感測資訊中無法明確定義的模糊性的情境資訊，可以更貼近使用者的需求。

本研究中，如圖 3.3，對於所蒐集到的低階情境資訊和辦公大樓事件與人事資料庫，加以推理及分析，將低階的情境資訊(例如：溫度、濕度、光度…等等)加以推理分類轉換成高階情境資訊。『智慧型辦公大樓情境模糊推理與節能控制系統』會參照各種情境資訊加以推理所進行之節能控制。針對每一細項控制部份，更會參考辦公大樓之事件與人事資料庫和情境資訊加以推理判斷出適宜之控制機制。

高階情境資訊分為正常與異常狀況；正常狀況之高階情境資訊再分為四大類，巡檢人員情境、電源插座情境、空調情境、燈光情境。如圖 3.4。

(24)

15

圖 3.4:系統架構圖中的四大類

3.4 正常情境感知架構圖

圖 3.5:正常情境感知架構圖

(25)

16

圖 3.5，以安全為考量，系統一開始會電源檢測，判斷功率過高或過低，並且寫入事件-電流異常來執行異常狀態。功率若為正常數值時，則會執行以下動作：

(1) 上班中：在辦公時間表資料庫中記錄時間為上班中;光度、溫度、濕度、CO、

CO2來隨時查詢是否有危機情況。

燈光是依照人員所在的地區開啟部分燈光，並且依照溫度感測器自動開啟調整人員所在房間的空調風量。

(2) 已下班：在辦公時間表資料庫中記錄時間為已下班;下班後，巡檢路線資料庫提供巡檢人員的巡邏所需時間與已巡邏了哪幾間房間；PIR 與超音波感測器偵測是否有人進入並且記錄在感測器資料庫裡。

使用電源插座系統關閉非主要電源關閉；巡檢人員系統可讓巡檢人員更方便巡邏檢查辦公大樓。

(3) 加班：在辦公時間表資料庫中記錄時間為加班;在辦公時間表資料庫中登記要加班的人員、時間；此登記加班人員為在下班時間的合法人員。

依照此人員所在地區開啟燈光與空調。

(4) 會議：在辦公時間表資料庫中記錄時間為會議;在辦公時間表資料庫中記錄會議開始與結束；地點資料庫有紀錄會議所在地點。

會議時間依照照度(光度)較大時關閉燈光，照度(光度)較小時依照會議時間開始前五分鐘自動開啟燈光；空調則是依照會議的開始與結束來開關。

(5) 用餐：在辦公時間表資料庫中記錄時間為用餐。照度(光度)紀錄感測器資料庫，

判別光度大小。感測器還記錄了人員所在座標，來控制人員所在需要開啟燈光、

空調的區域。

在用餐地點自動空調開啟，燈光依照照度(光度)較大時關閉燈光，照度(光度) 較小時依照人員地區開啟，其餘地點關閉燈光、空調。

(6) 閒置：在辦公時間表資料庫中未記錄時間。照度(光度)紀錄感測器資料庫，判別光度大小。資料庫還記錄了人員所在座標，來控制人員所在需要開啟燈光、空調的區域。

燈光依照照度(光度)較大時關閉燈光，照度(光度)較小時依照人員地區開啟。

(26)

17

3.5 燈光情境感知架構圖

圖 3.6:燈光情境感知架構圖

圖 3.6 是針對各辦公空間的燈光設備進行控制，並且依照各種不同時段，開關燈光區域；會議時段與用餐時段，前五分鐘，燈光會自動開啟；閒置與下班期間，則是依照人員走到的區塊來開關燈光區塊，以達到節能減碳的目的。另外我們還使用了光度感測器，本來開燈的時段與地區，會因為光度足夠的地方，則自動關閉該區塊燈光，

已達到節能效果。

(27)

18

3.6 空調情境感知架構圖

圖 3.7:空調情境感知架構圖

圖 3.7 是針對各辦公空間的空調設備進行控制，並且與燈光情境相同。依照各種不同時段，開關空調；會議時段與用餐時段，前五分鐘，空調會自動開啟；並且會依照場所各個溫度感測器平均值的高低來自動調整空調的風量；空調風量分為冷氣模式與送風模式，兩種模式又各別分作強風、中風、弱風。

(28)

19

3.7電源情境感知架構圖

圖 3.8:電源情境感知架構圖

『智慧型辦公大樓情境模糊推理與節能控制系統』會根據當日事件時程與人員進出，開啟或關閉插座該場所的電源插頭並監控其電流電壓數值，如有異常則推理為異常狀態回報，並且會自動關閉電源插頭，已達到節能效果。如圖 3.8。

3.8 巡檢人員情境狀態架構圖

只要有人員經過 PIR 與超音波感測器，皆會傳回資料庫，方便於判斷是否為非法進入之人員。有配帶人員感測器之員工的座標，也會傳回資料庫，來執行空調與燈光之情境。如圖 3.9。

(29)

20

圖 3.9:巡檢人員情境狀態架構圖

(30)

21

3.9 異常情境狀態架構圖

圖 3.10:異常情境狀態架構圖

圖 3.10 顯示結合各種低階情境資訊所推理出之危機情境(人員入侵、各種感測器異常、疑似火災…等等)之關聯圖及其相對應危機處理方式，並且會判斷嚴重等級且寫入事件資料庫中。我們設置了 CO、CO2、亮度、人員、超音波、PIR、濕度、溫度、

貴重物品、電源插座開關感測器與時間表之低階的情境資訊。使用低階的情境資訊判斷異常狀況並寫入資料庫，便利於巡檢人員系統、燈光系統、空調系統、電源插座開關系統應用。以下分別說明：

(1) 貴重物品被偷取：物品資料庫內有各個貴重物品的資料與所放置在各個貴重物品內的感測器編號，貴重物品內的感測器會感應出物品被移動，而發出訊號，傳送

(31)

22

到事件資料庫裡，寫入危機事件-貴重物品被偷取，並且把移動的貴重物品與事件等級都寫入其中。

在巡檢人員系統通知巡檢人員查看，並且在燈光控制系統開啟貴重物品所在的燈光。

(2) 非法人員闖入：PIR 與超音波感測器偵測到有人進入並且記錄在感測器資料庫裡，並且在人員資料庫與辦公時間表資料庫中查詢是否為在辦公時間表資料庫中合法進入的人員，判別為非法人員後，寫入事件資料庫中-非法人員闖入。

在巡檢人員系統通知巡檢人來查看，並且在燈光控制系統開啟非法人員所在的燈光。

(3) 疑似火災；CO、CO2、溫度感測器在感測器資料庫裡數值皆超過濃度臨界數值後，

寫入事件資料庫中-疑似火災。

在巡檢人員系統通知巡檢人員查看。

(4) 空調異常：在辦公時間表資料庫中顯示上班中或是人員進入房間時，空調並未自動開啟，寫入事件資料庫中-空調異常。

在巡檢人員系統通知維修人員查看。

(5) 燈光異常：在辦公時間表資料庫中顯示上班中或是人員進入房間時，燈光並未自動開啟，寫入事件資料庫中-燈光異常。

在巡檢人員系統通知維修人員查看。

(6) 濕度異常；濕度感測器在感測器資料庫裡數值超過相對濕度臨界數值後，寫入事件資料庫中-濕度異常。在空調系統自動開啟空調除濕功能。

(7) 溫度異常；溫度感測器在感測器資料庫裡數值超過臨界數值後，寫入事件資料庫中-溫度異常。

在空調系統自動開啟空調。

(8) 氣體異常；CO、CO2 感測器在感測器資料庫裡數值超過臨界數值後，寫入事件資料庫中-氣體異常。

在空調系統自動開啟空調清靜功能。

(9) 電源異常：電源插座感測器在感測器資料庫裡數值超過只使用主要電源數值後，

寫入事件資料庫中-電源異常。

(32)

23

Chapter 4 智慧型辦公大樓情境模糊推理系統之模糊數決策分析於異常情境應用

4.1 資料屬性分析

十四世紀的哲學家兼修士「奧坎的威廉」 (William of Occam)的「奧坎剃刀原理」

(Occam's razor) [5]中提出：當你對一個現象有許多種解釋時，記得選擇最簡單的那一個；一個簡單的解釋是比一個更複雜的更好。所以本研究將低階的情境資訊以最簡單的方式加入模糊理論並分析。

在異常情境狀態架構圖中，有某些無法明確定義的模糊性的情境資訊(例如：氣體異常的過高與過低、溫度的冷熱、濕度的濕冷乾燥..等等) ，將它們分析出是為何種函數，進而帶入三角模糊數，來規畫出各種異常情境所發生的嚴重等級區分，讓之後需要嚴重等級來進行動做判斷，更加貼近使用者的需求。本文中，會將溫度、濕度、

氣體、火災等判斷，分列為非0即1的特徵函數、三角形歸屬函數。目前分析文中之資訊，尚未有模糊化梯形歸屬函數之類型。

本研究中，針對分析異常情境狀態架構圖中，那些模糊性的情境資訊。有 5 個二值集合邏輯之非 0 即 1 的特徵函數；2 個為三角形歸屬函數，其中有 2 個是同時擁有雙三角形歸屬函數(如表 4.1)。

表 4.1：各種函數數量

數量

非 0 即 1 的特徵函數 5

三角形歸屬函數 2

雙三角形歸屬函數 2

4.2 非 0 即 1 的特徵函數於智慧型辦公大樓異常情境之應用

在異常情境狀態架構圖中，貴重物品被偷取、非法人員闖入、空調異常，燈光異常，皆為判斷有沒有偷取、有沒有非法人員闖入、空調與燈光有沒有自動開關；故以

(33)

24

上四項異常情境皆為非 0 即 1 的特徵函數(如圖 4.1)。

我們在判斷是否為電流異常狀況時，設定只有使用必須用電時的電流為 5A，通常容許單一插座電流為 15A，假設 20A 會燒掉，所以超過 15A 就為電流過高，低於 5A 為電流過低。故電流的異常狀況範圍為 0A~5A 與 15A~5A，因為判斷有過高與過低兩個部分，電流超過臨界值與電流低於臨界值，故呈現兩個長方形(如圖 4.2)。

圖 4.1: 非 0 即 1 的特徵函數

圖 4.2: 電源異常的特徵函數

(34)

25

4.3 三角形模糊數於智慧型辦公大樓異常情境之應用

本研究將模糊理論只使用在異常狀態，判斷異常時，最低限度異常與最高限度異常的模糊化數值。感測器數值會隨著 Fuzzy 數值相等比例增加，所以只會是直線上升，並且成為直角三角形的樣式。我們在判斷是否為異常狀況中，疑似火災異常情境裡， CO 在 35 ppm 就會一氧化碳中毒，所以 Fuzzy 最低值為 35 ppm ；CO2在 1000 ppm 時，需要換氣，所以 Fuzzy 最低值為 1000 ppm。CO 與 CO2Fuzzy 最高數值假設為 5000ppm，此數值已經是會讓人引起缺氧症並且死亡，因此 CO 的異常狀況範圍為 35ppm~5000ppm，CO2範圍為 1000ppm~5000ppm。需要的 CO、CO2、溫度感測器數值皆為超過臨界值後，寫入異常事件中。溫度方面，設定 5000 度為極限值，100 度為沸騰點，所以 Fuzzy 範圍為 100 度~5000 度。如圖 4.3 顯示為三角形，故為三角形歸屬函數。氣體異常情境裡，需要的 CO、CO2，與疑似火災異常情境、異常範圍皆相同，寫入異常事件中。同為三角形歸屬函數(如圖 4.5)。

濕度異常情境方面，台灣的環境一般溼度大約在 75RH 上下，電子產品建議溼度約為 30%RH ~50%RH，故溼度的異常狀況 Fuzzy 範圍為 0%RH ~30%RH 與 75%RH

~100%RH，擁有上下臨界值，故呈現兩個三角形(如圖 4.7)。溫度異常情境方面，最佳溫度在於 26 度~28 度，假設最低溫為 0 度，100 度為沸騰點，高於 100 度接交給疑似火災判斷，故 Fuzzy 異常狀況範圍為 0 度~26 度與 28 度~100 度，最高值與最低值與疑似火災情境相同。溫度太低或太高都需要設臨界值，所以與濕度異常情境相同，

呈現兩個三角形歸屬函數(如圖 4.9)。

我們上一章節分析了異常情境中，有四種屬於三角形歸屬函數。這樣還是不夠。

我們必須使用三角模糊數的方程式計算，並區分異常等級。以下我們會以

a 為最低

₁ 值，a 為最高值，x 為感測器所傳回來的值。在這邊會舉例計算，並區分出異常等級。

(35)

26

(36)

27

圖 4.3: 疑似火災異常情境之三角形歸屬函數

疑似火災異常情境：假設 CO 感測器輸出數值為

x 

2500 ppm( )，CO₂感測器輸出數值為

x 

2000 ppm( )，溫度感測器輸出數值為

x

1200(℃)。代入三角形模糊數方程式 (2.2.1) 。

CO：

) ( 2500 ),

( 5000 ),

(

1 35

ppm a PPM x ppm

a

  

5 . 35 0 5000

35

2500 



  x

CO2：

) ( 2000 ),

( 5000 ),

(

1 1000

ppm a ppm x ppm

a

  

25 . 1000 0 5000

1000

2000 



  x

溫度：

℃) ( 1200

℃), ( 5000

℃), (

1100

a



x



a

22 . 100 0 5000

100

1200 



  x

總加：0.22+0.25+0.5=0.97，故區分等級為疑似火災-弱(如圖 4.4)。

(37)

28 0

0.5 1 1.5 2 2.5 3 3.5

微量弱小中大嚴重

FUZZY

等級

圖 4.4: 疑似火災異常情境之情境模糊推理等級區分

(38)

29

圖 4.5: 氣體異常情境之三角形歸屬函數

氣體異常情境：假設 CO 感測器輸出數值為

x 

3000 ppm( )，CO₂感測器輸出數值為 )

( 4000 ppm

x 

。代入三角形模糊數方程式(2.2.1) 。 CO：

) ( 3000 ),

( 5000 ),

(

1 35

ppm a ppm x ppm

a

  

59 . 35 0 5000

35

3000 



  x

CO2：

) ( 4000 ),

( 5000 ),

(

1 1000

ppm a ppm x ppm

a

  

75 . 1000 0 5000

1000

4000 



  x

總加：0.59+0.75=1.34，故區分等級為氣體異常-大(如圖 4.6)。

(39)

30

圖 4.6: 氣體異常情境之情境模糊推理等級區分

圖 4.7: 濕度異常情境之三角形歸屬函數

濕度情境：假設濕度感測器輸出數值為

x 

5(%

RH

)。代入三角形模糊數方程式 (2.2.1) 。

濕度：

) (%

5 ), (%

0 ), (%

1 30

RH a RH x RH

b

  

(40)

31

0.17 0

30 5

30 



  x

故區分等級為濕度異常-微量(如圖 4.8)。

圖 4.8: 濕度異常情境之情境模糊推理等級區分

圖 4.9: 溫度異常情境之三角形歸屬函數

溫度情境：假設溫度感測器輸出數值為

x

80(℃)。代入三角形模糊數方程式 (2.2.1) 。

(41)

32

溫度：

℃) ( 80

℃), ( 100

℃), (

128

a



x



a

0.7 28 100

28

80 



  x

故區分等級為溫度異常-大(如圖 4.10)。

圖 4.10: 溫度異常情境之情境模糊推理等級區分

(42)

33

Chapter 5 智慧型辦公大樓情境模糊推理與節能控制系統之介面

本研究中，已在科技大樓，實體呈現。將資料庫中的感測器資料和系統控制結果整合呈現在單一控制介面，以提供管理者簡易的介面進行監控與調整 (如圖 5.1)。

左上角是模擬顯示燈光、空調、電源的開關與異常感測器。燈光開啟時，橘色方塊為開啟燈光的區塊。圖 5.1 中的藍色為冷氣模式，若送風模式為綠色，紅色為關閉。圖 5.1 中的綠色為電源開啟，紅色為關閉；右上角則是可以改變異常狀態嚴重等級的臨界值與紅色條狀圖顯示嚴重等級。左中間的第一個顯示格，則會以字幕顯示現在時段，與現在空調的模式與風量。第二個顯示格，則會顯示即時的異常狀況(如圖 5.2)。

介面下方顯示各種感測器傳回的數值。

圖 5.1: 智慧型辦公大樓情境模糊推理與節能控制系統之會議時段介面

(43)

34

圖 5.2: 智慧型辦公大樓情境模糊推理與節能控制系統之溫度異常介面

(44)

35

Chapter 6 結果與分析

6.1 智慧型辦公大樓情境模糊推理與節能控制系統

智慧型辦公大樓情境模糊推理與節能控制系統可分為正常模式與異常模式；正常模式是以本研究中「正常情境感知架構」裡，依照各種不同時段，來進行控制與推理。

(例如：會議時間，自動開啟燈光、空調，並且依照溫度感測器自動調整風量)，並且分為四大類型說明；異常模式則是在本篇研究中「異常情境狀態架構」，設定九種異常狀況，超過臨界值，就會寫入事件資料庫，並且進行控制。在異常情境狀態架構圖中，有某些無法明確定義的模糊性的情境資訊，則已使用模糊理論來解決。

6.2 結果與分析

本研究中，智慧型辦公大樓情境模糊推理與節能控制系統執行在科技辦公大樓上，使得燈光、空調與電源皆可在不同時段，自動開關，並且照度較高時，也會自動關閉該區域燈光：空調也會依照溫度感測器偵測到的溫度來自動改變空調風量，讓使用者達到便利性與節能效果。在異常情境中，也加入模糊理論，可以更貼近使用者的需求。並且避免有突發狀況，設計了異常狀態、巡檢人員架構，讓辦公大樓更加安全。

其中加入模糊理論部分，因為只是在異常狀態簡單的應用，並未更加詳細研究實驗，

所以這是必須再努力的地方。

(45)

36

Chapter 7 結論與未來展望

本文中設計了智慧型辦公大樓情境模糊推理與節能控制系統，讓辦公大樓不只更加便利，也達到節能效果。我們會將環境、人員資訊將儲存在資料庫中。這些環境人員資訊會整合至「智慧型辦公大樓」情境資訊管理系統加以呈現與操作。將蒐集到的情境資訊加以推理及分析，將低階的情境資訊轉換成高階的情境資訊(例如：舒適或悶熱、正常或緊急…等等)並且加入模糊理論，解決高階的情境資訊中某些無法明確定義的模糊性的情境資訊。

本文是以辦公室大樓環境所設計。其實只需要修改規則，相同的方式，也可以套用在各個環境，例如；醫院、住宅、工廠等。其中加入模糊理論部分，因為只是在異常狀態簡單的應用，並未更加詳細研究實驗，所以這是必須再努力的地方。

(46)

37

參考文獻

[1] Greg Boss, Padma Malladi, and Dennis Quan, Linda Legregni, “Cloud Computing,”

High Performance On Demand Solutions (HiPODS), Date: 8 October 2007 Status:

Version 1.0.

[2] F. Paganelli, E. Spinicci, and D. Giuli, “ERMHAN: A context-aware service platform to support continuous care networks for home-based assistance,” Int. J. Telemed.

Appl., vol. 2008, p. 13, 2008.

[3] Paganelli F, Giuli D, “An ontology-based system for context-aware and configurable services to support home-based continuous care,” Information Technology in Biomedicine,Volume:15,Issue:2,Year:2011,Page(s): 324 – 333.

[4] Schilit, B. Adams, N. , and Want, R. , “Context-Aware Computing Applications,”

First Workshop on Mobile Computing Systems and Applications, 1994. WMCSA 1994. , Page(s): 85 – 90.

[5] Ranganathan, J. Al-Muhtadi, and R.H. Campbell, “Reasoning about uncertain contexts in pervasive computing environments,”IEEEPervasive Comput., vol. 3, no. 2, pp. 62–70, Apr./Jun. 2004.

[6] L. A. Zadeh (1965) "Fuzzy sets". Information and Control 8 (3) 338–353.

[7] Bagnoli, C., & Smith, H. C. (1998). The theory of fuzzy logic and its application to real estate valuation. Journal of Real Estate Research, 16(2), 169-199.

[8] Bellman, R. E., & Zadeh, L. A. (1970). Decision-Making in a Fuzzy Environment.

Management Science, 17(4), 141-164.

[9] Bojadziev, G., & Bojadziev, M. (1995). Fuzzy sets, fuzzy logic, applications.

Advances in Fuzzy Systems—Applications and Theory, 5.

[10] Bradly, R. A., Katti, S. K., & Coons, I. J. (1962). Optimal Scaling for Ordered Categories. Psychometrika, 27, 355-374.

[11] Carlsson, C., & Fuller, R. (2000). Multiobjective linguistic optimization. Fuzzy Sets and Systems, 115, 5-10.

[12] Chen, S. J., & Hwang, C. L. (1992). Fuzzy Multiple Attribute Decision Making Methods and Applications. Berlin : Springer-Verlag.

[13] Chen, Y. H., Wang, W. J., & Chiu, C. H. (2000). New estimation method for the membership values in fuzzy sets. Fuzzy Sets and Systems, 112, 521-525.

(47)

38

[14] Chen, C. T. (2001). A fuzzy approach to select the select the location of the distribution center. Fuzzy Sets and Systems, 118, 65-73.

[15] Chen, S. M. (1996). Evaluating weapon systems using fuzzy arithmetic operations.

Fuzzy Sets and Systems, 77, 265-276.

[16] Dubois, D., & Prade, H. (1983). Ranking fuzzy number in the setting of possibility theory. Information Science, 30, 183-224.

[17] Herrera, F., Herrera-Viedma, E., & Verdegay, J. L. (1996). A Model of Consensus in Group Decision Making under Linguistic Assessments. Fuzzy Sets and Systems, 78, 73-87.

[18] Herrera, F., Lopez, E., Mendana, C., ＆ Rodriguez, M. A. (2001). A linguistic decision model for personnel management solved with a linguistic biobjective genetic algorithm. Fuzzy Sets and Systems, 118, 47-64.

[19] Hsu, H. M., & Chen, C. T. (1996). Aggregation of fuzzy opinions under group decision making. Fuzzy Sets and Systems, 79, 279-285.

[20] Klir, G. J., & Folger, T. A. (1988). Fuzzy sets, uncertainty and information. NJ:

Prentice-Hall.

[21] Klir, G.. J., & Yuan, B. (1995). Fuzzy sets, fuzzy logic, and fuzzy systems. NJ:

World Scientic. Publishing Co. Pte. Ltd.

[22] Law. C. K. (1996). Using fuzzy numbers in educational grading system. Fuzzy Sets and Systems, 83, 311-323.

[23] Liang, G. S., & Wang, M. J. (1991). A fuzzy multicriteria decision making method for facility site selection. Internation Journal of Production Research, 29(11),2313-2330.

[24] Matarazzo, B., & Munda, G. (2001). New approaches for the comparison of L-R fuzzy numbers: a theoretical and operational analysis. Fuzzy Sets and Systems, 118, 407-418.

[25] Mon, D. L., Cheng, C. H., & Lin, J. C. (1994). Evaluation weapon system using fuzzy analytic hierarchy process based on entropy weight. Fuzzy Sets and Systems, 62, 127-134.

[26] Olsson, U., Drasgow, F., & Dorans, N. J. (1982). The Polyserical Correlation Coefficient. Psychometrika, 47, 337-347.

[27] Voxman, W. (2001). Canonical representation of discrete fuzzy numbers. Fuzzy Sets and Systems, 118, 457-466.

(48)

39

[28] Wong, C. C., & Feng, S. M. (1994). Switching-Type Fuzzy Controller Design.

The Second National Conference on Fuzzy Theory and Applications, pp.7-12.

[29] Xu, R. N., & Zhai, X. Y. (1992). Extension of the Analytic Hierarchy Process in fuzzy Environment. Fuzzy Sets and Systems, 52, 251-257.

[30] Yamashita, T. (1997). On a support system for human decision making by the combination of fuzzy reasoning and fuzzy structural modeling. Fuzzy Sets and Systems, 87, 257-263.

[31] H. E. Byun and K. Cheverst, “Utilizing context history to provide dynamic adaptations,” Appl. Artif. Intell., vol. 18, no. 6, pp. 533–548, 2004.

[32] N. Bricon-Souf and C. R. Newman, “Context awareness in health care: A review,” Int.

J. Med. Inform., vol. 76, no. 1, pp. 2–12, 2007.

[33] J. Bardram, “Applications of context-aware computing in hospital work— Examples and design principles,” in Proc. 2004 ACM Symp. Appl. Com-put., pp. 1574–1579.

[34] J. Kjeldskov and M. B. Skov, “Exploring context-awareness for ubiquitous computing in the healthcare domain,” Pers. Ubiquit. Comput., vol. 11, no. 7, pp. 549–562, 2007.

[35] M. Munoz, M. Rodriguez, J. Favela, A. Martinez-Garcia, and V. Gonzalez,

“Context-aware mobile communication in hospitals,” IEEE Comput., vol. 36, no. 9, pp. 38–46, Sep. 2003.

[36] B. Hu, J. Wan, M. Dennis, H. H. Chen, L. Li, and Q. Zhou, “Ontology-based ubiquitous monitoring and treatment against depression,” Wireless Commun. Mobile Comput., vol. 10, no. 10, pp. 1303–1319, 2009.

[37] X. H. Wang, D. Q. Zhang, T. Gu, H. K. Pung, and H. K., “Ontology based context modeling and reasoning using OWL,” in Proc. 2nd IEEE Conf. Pervasive Comput.

Commun. Workshops, 2004, pp. 18–22.

[38] T. Strang and C. Linnhoff-Popien, “A context modeling survey,” in Proc. Workshop Adv. Context Model., Reason. Manage. (UbiComp 2004), Nottingham, England, 2004.

[39] V. F. S. Fook, S. C. Tay, M. Jayachandran, J. Biswas, and D. Zhang, “An ontology-based context model in monitoring and handling agitation be-haviour for persons with dementia,” in Proc. IEEE Conf. Pervasive Com-put. Commun.

Workshops, 2006, pp. 560–564.

[40] D. Zhang, Z. Yu, and C.-Y. Chin, “Context-aware infrastructure for person-alized healthcare,” Stud. Health Technol. Inform., vol. 117, pp. 154–163, 2005.

(49)

40

[41] E. J. Ko, H. J. Lee, and J. W. Lee, “Ontology-based context modeling and reasoning for uhealthcare,” IEICE Trans. Inf. Syst., vol. E90-D, no. 8, pp. 1262–1270, 2007.

[42] T. Gu, H. Wang, H. K. Pung, and D. Q. Zhang, “An ontology based context model in intelligent environments,” in Proc. Commun. Netw. Distrib. Syst. Model. Simul.

Conf., 2004, pp. 270–275.

[43] T. Gu, H. K. Pung, and D. Q. Zhang, “A service-oriented middleware for building context-aware services,” J. Netw. Comput. Appl., vol. 28, no. 1, pp. 1–18, 2005.

[44] J. Hong, E. Suh, and S. J. Kim, “Context-aware systems: A literature review and classification,” Expert Syst. Appl., vol. 36, no. 4, pp. 8509– 8522, 2009.

[45] F. Paganelli, G. Bianchi, and D. Giuli, “A context model for context-aware system design towards the ambient intelligence vision: Experiences in the eTourism domain,”

in Proc. 9th ERCIM Workshop “User Interfaces For All”, Germany, September 27–28, 2006, pp. 173–191.

[46] 林原宏，楊慧玲(2002)，「模糊語意量表與傳統量表計分之模擬比較分析」第四屆華人心理學家學術研討會暨第六屆華人心理與行為科際學術研討會

情境模糊推理與節能控制系統 Scenarios Fuzzy Reasoning and

中 華 大 學 碩 士 論 文

智慧型辦公大樓