A Review of Smart Homes—Past, Present, and Future
Abstract:
A smart home is an application of ubiquitous computing in which the home environment is monitored by ambient intelligence to provide context-aware services and facilitate remote home control. This paper presents an overview of previous smart home research as well as the associated technologies. A brief discussion on the building blocks of smart homes and their interrelationships is presented. It describes collective information about sensors, multimedia devices, communication protocols, and systems, which are widely used in smart home implementation. Special algorithms from different fields and their significance are explained according to their scope of use in smart homes. This paper also presents a concrete guideline for future researchers to follow in developing a practical and sustainable smart home.
Introduction
Smart homes constitute a branch of ubiquitous computing that involves incorporating smartness into dwellings for comfort, healthcare, safety, security, and energy conservation. Remote monitoring systems are common components of smart homes, which use telecommunication and web technologies to provide remote home control and support patients remotely from specialized assistance centers.
Smart homes offer a better quality of life by introducing automated appliance control and assistive services. They optimize user comfort by using context awareness and predefined constraints based on the conditions of the home environment. A user can control home appliances and devices remotely, which enables him or her to execute tasks before arriving home. Ambient intelligence systems, which monitor smart homes, sometimes optimize the household#39;s electricity usage. Smart homes enhance traditional security and safety mechanisms by using intelligent monitoring and access control.
By 2050, approximately 20% of the world#39;s population will be at least 60 years old. This age group will face problems with living independently and is more likely to suffer from long-term chronic diseases. According to the World Health Organization, 650 million people live with disabilities around the world. The most common causes of disability include chronic diseases such as diabetes, cardiovascular diseases, and cancer, and injuries due to road traffic accidents, conflicts, falls, landmines, mental impairments, birth defects, malnutrition, and HIV/AIDS and other communicable diseases. It is not possible or logical to support all of these patients in medical centers or nursing homes for an uncertain period of time. The solution is to accommodate healthcare services and assistive technologies in patients#39; home environment.
The most recent survey on smart homes was written by Chan et al. and describes a general overview of smart home research. It also includes a discussion on wearable and implantable devices and assistive robots. The project reviews are arranged according to country and continent, i.e., the U.S., Asia, Europe, and Australia; this organization is not efficient for the readers who are interested in smart home architecture.
Location awareness is an important prerequisite to create an intelligent environment in smart homes. Hightower and Borriello summarized the location detection techniques and discussed several taxonomies of the location detection system. This survey categorized the properties of location detection systems according to physical position, symbolic location, and absolute and relative measurements. Issues related to accuracy, precision, measurement scale, and cost were also evaluated to compare different location systems. Manleyet al. categorized location detection systems based on the mobility of objects and tagging capability. However, their work is more related to object tracking than tracking people.
Robles and Kim discussed context-aware tools for smart home implementation. This review presents a brief overview of rule-based smart home architecture, aware community systems, networked robots, and context-aware gateways. A comparison between various smart home protocols, e.g., X10, Zigbee, and WiFi, is also provided. However, the review does not discuss the algorithms that are the key components of context awareness.
Pishva and Takeda presented a taxonomy of security threats in smart homes. They discussed different types of attacks and prevention methodologies. A summarized threat-likelihood level is presented, which categorized attack possibility according to appliance type and attack category.
This paper is a survey on smart home projects, which are arranged according to their intended services. It also discusses the significance and limitations of smart home components and the procedures that are followed to overcome their drawbacks. It explains the current trends of smart home research and future challenges that must be overcome to design a feasible smart home.
Smart Home Definition
A smart home is an application of ubiquitous or pervasive computing or environment. Several synonyms are used for smart home, e.g., smart house, home automation, domotique, intelligent home, adaptive home, and aware house.
An early definition of smart homes was provided by Lutolf [9]. According to Lutolf, “the smart home concept is the integration of different services within a home by using a common communication system. It assures an economic, secure, and comfortable operation of the home and includes a high degree of intelligent functionality and flexibility.” The definition is influenced by home automation terminology and does not mention anything about home intelligence.
Berloet al. implicitly include home intelligence as an automatic control and define a smart home as “a home or working environment, which includes the technology to allow the devices and systems to be controlled automatically, may be termed a smart home”.
According to W
智能家居的回顾-过去，现在和未来
摘要
智能家居是普适计算的应用，其中家庭环境由环境智能监控以提供上下文感知服务并促进远程家庭控制。本文概述了以前的智能家居研究以及相关技术。简要讨论了智能家居的基石及其相互关系。它描述了有关传感器，多媒体设备，通信协议和系统的集体信息，这些信息广泛用于智能家居实施。根据智能家居的使用范围，解释来自不同领域的特殊算法及其意义。本文还为未来研究人员开发实用和可持续的智能家居提供了具体的指导方针。
第一节
介绍
智能家居构成了无处不在的计算的一个分支，涉及将智能融入住宅中，以实现舒适，医疗，安全，安全和节能。远程监控系统是智能家居的常见组件，它使用电信和网络技术提供远程家庭控制，并从专业援助中心远程支持患者。
智能家居通过引入自动化设备控制和辅助服务，提供更好的生活质量。它们通过使用上下文感知和基于家庭环境条件的预定义约束来优化用户舒适度。用户可以远程控制家用电器和设备，这使他或她能够在到家之前执行任务。监控智能家居的环境智能系统有时会优化家庭的用电量。智能家居通过智能监控和访问控制增强了传统的安全和安全机制。
到2050年，全世界约有20％的人口将至少60岁[1]。这个年龄组将面临独立生活的问题，更容易患长期慢性病。据世界卫生组织统计，全世界有6.5亿残疾人[2]。残疾的最常见原因包括糖尿病，心血管疾病和癌症等慢性疾病，以及道路交通事故，冲突，跌倒，地雷，精神障碍，出生缺陷，营养不良，艾滋病毒/艾滋病和其他传染病造成的伤害。在不确定的时间段内支持医疗中心或疗养院中的所有这些患者是不可能或合乎逻辑的。该解决方案旨在为患者的家庭环境提供医疗保健服务和辅助技术。
有关智能家居的最新调查由Chan等人撰写。并描述了智能家居研究的一般概述[3]。它还包括对可穿戴设备和可植入设备以及辅助机器人的讨论。项目审查按国家和大陆安排，即美国，亚洲，欧洲和澳大利亚；对于对智能家居架构感兴趣的读者来说，这种组织效率不高。
位置感知是在智能家居中创建智能环境的重要前提。Hightower和Borriello总结了位置检测技术，并讨论了位置检测系统的几种分类[4]。该调查根据物理位置，符号位置以及绝对和相对测量值对位置检测系统的属性进行了分类。还评估了与准确度，精度，测量规模和成本相关的问题，以比较不同的定位系统。曼利等人。基于对象移动性和标记能力的分类位置检测系统[5]。但是，他们的工作与跟踪人员的对象跟踪更相关。
Robles和Kim讨论了智能家居实现的上下文感知工具[6]。本综述简要概述了基于规则的智能家居架构，感知社区系统，网络机器人和上下文感知网关。还提供了各种智能家庭协议（例如，X10，Zigbee和WiFi）之间的比较。但是，该评论没有讨论作为上下文感知关键组件的算法。
Pishva和Takeda在智能家居中提出了安全威胁分类[7][8]。他们讨论了不同类型的攻击和预防方法。提出了概括的威胁可能性级别，其根据设备类型和攻击类别对攻击可能性进行分类。
本文是一项关于智能家居项目的调查，这些调查是根据他们的预期服务安排的。它还讨论了智能家居组件的重要性和局限性以及克服其缺点所遵循的程序。它解释了智能家居研究的当前趋势以及设计可行的智能家居必须克服的未来挑战。
第二节
智能家居的定义
智能家居是无处不在或普遍存在的计算或环境的应用。几个同义词用于智能家居，例如智能家居，家庭自动化，家庭，智能家居，自适应家庭和知名家庭。
Lutolf[9]提供了智能家居的早期定义。根据Lutolf的说法，“智能家居概念是通过使用通用通信系统整合家庭中的不同服务。它确保了家庭的经济，安全和舒适的操作，并包括高度智能的功能和灵活性”。该定义受到家庭自动化术语的影响，并未提及任何有关家庭智能的信息。
Berlo等隐含地将家庭智能作为自动控制包括在内，并将智能家庭定义为“家庭或工作环境，其中包括允许自动控制设备和系统的技术，可以称为智能家居”[10]。
根据Winkler的说法，“智能家居”是一个能够主动改变环境的家庭，为老年用户提供独立生活方式的服务[11]。温克勒将智能家居用户限制在老年人手中。
Briere和Hurley将智能家居定义为一个和谐的家庭，一个基于家庭网络的设备和功能集合[12]。但是，这个定义过于通用，无法表达智能家居概念。
Intertek于2003年发布了一个精心定义的智能家居定义，该定义涉及英国贸易和工业部智能家居项目[13]。据Intertek称，智能家居是一个包含通信网络的住宅，它连接关键的电器和服务，并允许远程控制，监控或访问。一个家庭需要三件事来使它变得聪明：
内部网络线缆，无线；
智能控制网关，用于管理特色系统；
家庭自动化——家庭内部的产品以及家庭以外的服务和系统的链接。
Intertek省略了家庭智能，更加重视远程访问。
Satpathy最近的定义提供了一个更合适的智能家居概念。根据Satpathy的说法，“一个足够智能的家庭可以帮助居民在技术的帮助下独立舒适地生活，被称为智能家居。在智能家居中，所有机械和数字设备互相连接形成网络，网络可以相互通信并与用户通信以创建交互空间”[14]。
考虑到智能家居研究的当前趋势，我们可以将智能家居定义为无处不在的计算应用，能够以环境智能，远程家庭控制或家庭自动化的形式提供用户上下文感知的自动或辅助服务。
第三节
项目回顾
过去几十年来，智能家居项目已经开展;他们传达不同的想法，功能和实用程序。智能家居正在扩展到不同的专业领域，重点关注研究人员的利益以及用户的要求和期望。本节根据研究目标和所需服务对智能家居项目进行研究。智能家居为居民提供舒适，医疗和安保服务。舒适和医疗服务可以在当地和远程提供。安全措施不仅为用户提供认证服务，还限制对家用设备的未授权访问。
A.舒适
智能家居研究的主要目标之一是通过提高用户舒适度来缓解日常生活。这是通过两种方式实现的。一个是与当地环境中的人类活动识别和事件自动化相关的。另一个是来自遥远地区的远程家庭管理。以下智能家居项目旨在使用人类活动和行为知识实现家用电器的自动化。这些辅助服务有时会优化能源使用，因为房屋足够智能，可通过控制无人值守的家用电器来减少能源消耗。
1.活动识别和事件自动化
情境意识是在智能家居中使用情报的重要先决条件。上下文感知智能家居可以区分位置，身份，活动和时间。此类别中讨论的项目可以了解用户行为，跟踪用户位置，识别用户以及自动执行任务以优化当地环境中的舒适度。
Das等人首先介绍了在德克萨斯大学阿灵顿分校管理自适应多功能家庭（MavHome）项目[15]。MavHome结合了多学科技术：人工智能，多媒体技术，移动计算和机器人技术。其架构分为四个抽象层：物理，通信，信息和决策。X10协议用于控制和监控插入家庭电线系统的60times;10多台设备[16]。实现了一种有效的LeZi（ALZ）算法，该算法基于有限阶Markov模型制作决策树。ALZ预测未来的行动，通过部分匹配方法应用预测来计算所有先前行动的概率[17]。尽管MavHome利用AI算法进行准确的预测和决策，但它只能预测单个居民的行为[18]。
Zhang等人设计了雪花数据模型，代表居民在智能家居中的活动[19]。他们使用homeML（基于XML的模式来表示智能家居的信息）结构来存储感官信息。提出了一种新的预测算法，用于从观察到的事件和时间信息中对日常生活活动（ADL）进行分类。学习输出是联合概率分布。也可以使用欧几里德度量通过到真实基础概率分布的距离来测量分布。与真实情况相比，较小的距离意味着更好的学习模型。该算法基于概率分布，并且能够预测多于一个居民的ADL。在错误分类的情况下，系统无法自行纠正，并且只能识别一个任务。
家庭环境（ACHE）系统的自适应控制由Mozer在美国开发.ACHE监测居民的设备使用模式，利用不同类型的传感器，并构建神经网络的自适应推理引擎来控制温度，加热和照明。ACHE可以控制房屋的三个主要组成部分，同时最大限度地提高用户舒适度和节约能源[20]。ACHE是最早的智能家居项目之一。但是，它的功能仅限于光照，温度和热量控制。
佛罗里达大学成功老龄化技术康复工程研究中心介绍了“玛蒂尔达之家”[21]。家里有一个名叫Matilda的假人居住。该研究利用超声技术进行位置检测。位置跟踪系统由家庭每个角落的四名飞行员和Matilda附属的灯塔组成。其覆盖面积不超过6米。两年后，他们设计了第二代这个名为“GatorTech”的家[22]。GatorTech实际上是智能设备与传感器和执行器的集成，以优化舒适性和安全性。智能电器，例如智能邮箱，驾驶模拟器，超声波定位跟踪，智能前门，智能镜子，智能浴室，智能百叶窗，智能显示器，智能地板和智能波，都被开发出来，以创造一个普遍的空间。研究人员提出了一个中间件架构，其中包含单独的物理，传感器平台，服务，知识，上下文管理和应用层。物理层适用于家用电器，设备和传感器。传感器平台层在物理层设备和其他层之间创建抽象，以便程序员不需要知道设备的低级配置。服务层基于OSGi框架注册传感器平台并租用期望的服务，其可包括语音识别，文本到语音转换，调度和媒体流服务，知识层维护服务，设备和设备之间的联系。上下文管理层定义服务激活，并防止智能家居变得不稳定。应用程序层使用户能够定义上下文和控制服务。智能家居中的下一代设备提供了一个辅助环境。事实上，GatorTech是未来智能家居研究人员的一个很好的榜样。
在东京大学，Noguchi等人，设计了一个智能房间，以支持居民的日常生活。该系统有三个主要组件：数据采集，数据处理和处理数据的集成。它通过连接到床，地板，桌子和开关的传感器来了解环境的当前状态。摘要算法用于跟踪系统中的任何变化。该算法在传感器输出急剧变化的点处对收集的传感数据进行分段。这些段被标记为“房间状态”，该算法连接每个段的状态以量化收集的数据并绑定变化的情况[23]。所提出的摘要算法可以检测已经针对单个房间进行测试的用户活动。使用该算法没有实现自治服务。
位于法国INRIA格勒诺布尔研究中心的LIG实验室的PRIMA研究小组已经确定了智能家居环境学习的模型。作者开发了一个3-D智能环境，包括摄像头，麦克风阵列和耳机麦克风，用于情境建模。它依赖于关于居民活动的3D视频跟踪和角色检测。使用支持向量机（SVM）学习角色。它还可以了解居民的速度和与交互对象的距离。所提出的系统可以识别诸如介绍，演示，开胃酒，游戏和午睡之类的情况。其识别错误率为82％[24]。
Microsoft的EasyLiving项目实现了一个智能环境，使用分布式图像处理系统跟踪多个居民。它可以通过有效的徽章系统识别居民。测量用于定义人，设备，地点和事物之间的几何关系[25][26]。该项目侧重于不同的方向，如分布式计算（中间件开发）和几何世界建模，以创建真正的动态智能环境。它的重要性在于它能够跟踪多个用户。该系统可在单个房间内高效工作，并可同时跟踪多达三名居民。
Yamazaki已经构建了一个“无处不在的家庭”，一个用于上下文感知服务的真实测试平台，该系统通过在家庭网络中连接设备，传感器和设备来支持创建新的家庭服务。位于天花板上方和门入口处的有源和无源射频识别（RFID）接收器用于检测和识别居民。压力传感器用于跟踪用户移动和家具位置。家中配有等离子面板，液晶显示器和麦克风，方便用户互动。使用网络机器人来执行某些家庭服务。作者得出结论，智能家居研究的目标不是设计自动化家庭，而是使用人与系统之间的接口技术开发环境[27]。虽然研究人员安装了足够的传感器和接口设备，但该系统仅适用于少数任务自动化，例如电视节目选择，烹饪食谱显示以及用于搜索遗忘财产的服务。
Swaminathan等提出了一种使用视觉图像定位和配准的对象识别系统。设备首先通过直接特征匹配方法在图像处理系统中注册。该方法的改进版本具有k-means算法和几何关系。根据用户的语音命令使用环境地图选择期望的对象[28]。在柏林的Deutsche Telekom Labs开发的现有基于语音的智能家居系统INSPIRE[29]用于验证这些方法。它实际上是一个利用语音识别系统处理用户命令的家庭自动化项目。命令被赋予已经在系统中注册的对象。
控制系统和状态保持系统（CSnSRS）由Kumar和Qadeer提出，用于自动化家用电器。该系统具有计算机作为控制设备，并使用X10协议来控制家用电器。研究人员使用一种称为“安全模式”面板的设备来保持家用电器在停电时的状态。还提出了一种省电模式，当设备的状态不变时，关闭控制设备。作者没有实施CSnSRS [30]。
越来越多的自组织映射（GSOM）[31]使用自适应神经网络（SANN）来检测和识别居民的日常活动[32]。GSOM基于受适应性架构影响的Kohonen自组织映射的基本原理。学习过程首先在二维网格上生成由四个神经元组成的初始网络。该系统已证明能够检
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
