AI を利用すると、次の手順で外部の騒音レベルと、建物のエントランス スペースにおけるユーザーの快適さへの影響を分析および予測できます。 1. データ収集: 建物の近くに騒音センサーまたはマイクを設置して利用し、リアルタイムの音声データを収集します
。屋外の騒音レベル。このデータ収集には、時刻、曜日、気象条件、近くでの特定のイベントやアクティビティなどのさまざまな要素が含まれている必要があります。
2. データの前処理: 収集された音声データをクリーンにして前処理し、外部環境に関係のないノイズや干渉を除去します。これには、フィルタリング、ノイズ低減、正規化などの技術が含まれる場合があります。
3. 特徴抽出: 前処理された音声データから関連する特徴を抽出します。これは、騒音レベルとユーザーの快適さを特徴付けるのに役立ちます。これらの特徴には、音の強度、周波数分布、時間的パターン、および音量や不快感などの音響心理学的指標が含まれる場合があります。
4. データのラベル付け: 調査またはユーザーのフィードバックを通じて収集されたユーザーの快適さの対応する主観的評価を使用して、前処理されたデータにラベルを付けます。これにより、モデル トレーニング用のラベル付きデータセットが作成されます。
5. モデルのトレーニング: 機械学習技術を利用して、ラベル付けされたデータセットを使用して予測モデルをトレーニングします。回帰モデルや、畳み込みニューラル ネットワーク (CNN) やリカレント ニューラル ネットワーク (RNN) などの深層学習アーキテクチャなど、さまざまな AI モデルを使用できます。
6. モデルの評価: 平均二乗誤差や精度などの適切な指標を使用して、トレーニングされたモデルのパフォーマンスを評価します。このステップは、モデルが外部の騒音レベルとそれがユーザーの快適さに及ぼす影響を正確に予測できるようにするのに役立ちます。
7. リアルタイム予測: トレーニングされたモデルを展開して、建物の外に設置された騒音センサー/マイクからのリアルタイム音声データを継続的に分析します。その後、モデルは予想される外部騒音レベルを予測し、学習したパターンに基づいてユーザーの快適さを推定します。
8. 意思決定支援: 予測された騒音レベルとユーザーの快適性評価を他のビル制御システムと組み合わせて、情報に基づいた意思決定を行います。たとえば、換気や HVAC システムの調整、ノイズキャンセリング装置の制御、潜在的な不快感についての乗員への通知などです。
AI を外部騒音レベルの分析と予測に統合することで、建物管理者と設計者はユーザーの快適性を最適化し、予防措置を講じ、建物のエントランス スペース全体の品質を向上させることができます。
発行日: