智能家居详细描述,智能家居全套方案清单

智能家居（SH）市场正在迅速发展。事实上，预计到2025年，市场规模将增长到1740亿美元（Marr, 2020）。其受欢迎程度源于许多创新的智能家居设备，这些设备可以使我们的生活更舒适、更安全、更便捷，比如监测人体健康的设备（如监测睡眠、跟踪心脏活动），提高安全性的设备（如向照顾者发出警报），以及一些可以学习并适应居住者偏好和行为的设备。当然，所有这些都是通过工程技术的进步、处理速度的提高、强大的网络、数据分析、人工智能（AI）等实现的。

作为工程师，我们知道，智能家居远不止于添加一个自动补货的啤酒冰箱或一个智能虚拟助手（IVA），比如亚马逊的Alexa、谷歌的Home和苹果的Siri，来播放你喜欢的音乐，打开百叶窗，订购更多的纸巾，预订晚餐等等。复杂性来自于家庭中所有设备和系统之间的必要互操作性，以及整个系统需要高效节能，并确保居民的隐私和安全。因此，工程师和开发人员需要全面了解智能家居系统的所有内容，以不断改进智能家居系统的安全性、隐私性、可扩展性、性能、互操作性、效率和易用性。

研究人员在智能家居（SH）设计和开发方面的主要主题如下：

• 安全设计与管理：这个领域包括安全系统和管理、设备安全、风险管理、安全架构、应用安全、入侵检测、加密、认证和隐私保护。

• 产品：该主题包括特定于家庭舒适的具体产品，如情感/社交联络、园艺辅助、娱乐、控制家用设备的应用、家庭自动化系统、智能家居助手以及健康通知/监测。

• 活动和行为模式：这一领域侧重于识别人类活动和行为模式、计划行为模型以及用户位置和发现（ULD）。

• 能效：该领域的开发人员专注于设备/系统的功耗/效率和能源优化。

• 系统设计、仿真：这个领域包括系统设计、模型、仿真、需求、架构、框架、成本模型、性能改进算法和互操作性解决方案。

接下来，将进一步详细解释每个智能家居研究主题。本章最后将描述两种智能家居设备的DIY（自助）方式：智能花园和智能垃圾桶。

安全是智能家居研究领域中最主要的方面之一。在设计智能家居时，有两个主要类别的家庭安全需要考虑：网络安全和物理安全。网络安全可能更具挑战性，因为每增加一个设备到智能家居系统中，就增加了黑客入侵系统的方式。这并不是要贬低智能家居的物理安全的重要性，但现在随着物联网（IoT）、活动监测、人脸识别和实时通知等功能加入传统安全系统，物理安全也变得更加重要。

安全应该是所有智能家居产品初始设计时要考虑的因素之一。一些产品比其他产品更容易受到攻击，例如具有多个用户、使用基于网络的服务和拥有多个家庭传感器的产品。挑战在于，这些产品需要在提高通信和可靠性的同时管理安全性。

专注于安全设计和管理的具体产品示例包括实时监测家庭的动态和干扰检测、家庭照明、温度和湿度的自动化（Sharma等人，2015）。致力于安全设计和管理的研究人员关注于减轻智能家居系统威胁和漏洞的最佳实践。换句话说，整合安全性的智能家居设计方法包括处理安全威胁的标准和最佳实践，以及在智能家居设计中保护漏洞的对策（Batalla、Vasilakos和Gajewski，2017）。典型的威胁包括隐私和安全攻击，其中资产受到损害，对智能设备进行物理攻击，操纵设备固件和硬件设置，以及拒绝服务攻击。

对智能家居进行网络攻击的直接后果包括财务损失、职业损失、侵犯隐私和带来不便等。为了帮助来自不同学科的研究人员评估智能家居的攻击，已经确定了一种智能家居安全威胁分类，以突出智能家居配置的漏洞（Heartfeld等人，2018）：

• 网络威胁影响：

• 保密性（例如，保持敏感数据的私密性）

• 完整性（例如，智能家居数据的准确性、完整性和一致性）

• 可用性（例如，数据在所需的性能水平上可用）

• 否认防范（例如，确保数据发送者获得交付证明，并且数据接收者获得发送者身份的证明）

• 物理威胁影响：

• 未经授权的激活（即，未经授权的用户未启动或批准导致家中某物运行的操作）。

• 不正确的激活（即，操作不符合授权用户的要求）。

• 阻止激活（即，授权用户无法启动所需的激活）。

• 延迟激活（即，激活的启动或完成时间晚于用户期望的时间）。

• 侵犯物理隐私（即，在家中秘密录制音频）。

另一类家庭安全关注于在家庭内部自主检测特定的安全相关情况（Dahmen等人，2017）：

• 检测基于居民的目标状态：使用传感器的系统学习家中居民的活动/不活动模式，以确定是否需要干预。另一个研究领域是检测老年人跌倒。有许多方法使用音频和视频传感器、可穿戴传感器和地板振动传感器。

• 检测基于家庭的目标状态：感知居民的位置，寻找异常情况（即，发现与预期行为不符的数据），以及感知访客或入侵者。

• 基于家庭的异常行为检测：确定意外行为模式的技术。使用热量传感器、门窗传感器等检测家中的位置。

• 活动异常检测：更深层次的活动识别（例如，健康监测，如睡眠模式或认知健康下降）。

安全与隐私密不可分。安全漏洞可能导致无意中暴露用户隐私。例如，智能虚拟助手（IVA）存在四种可能的攻击方式：窃听、直接与启用IVA的设备通信、恶意语音命令以及无意的语音录制。图6.1展示了IVA环境中四种可能的攻击方式。

IVA生态系统复杂多样，因此攻击可能发生在多个点上。在第一种情况下，通过无线应用与云通信的协议，对话者和扬声器之间的对话被攻击者截取。在第二种情况下，被黑客入侵的扬声器成为窃听设备，记录用户的说话内容。此外，黑客可能通过扬声器播放歌曲或恶心的声音来惊吓用户。在第三种情况下，黑客冒充用户作为进攻智能家居的起点，实施诸如从房主账户订购物品或打开车库门进入并盗窃等犯罪行为。第四，人工智能扬声器无意中将用户的话语误解为唤醒词并录制发送到云端。这可能是一种无意的录音攻击，因为用户并没有试图与扬声器交流。

O’Brolchain和Gordijn（2019）概述了保护智能家居中五个隐私方面的建议，以保护容易受到攻击的居民：

1. 信息（例如，控制个人信息），
2. 物理（例如，孤独、谦虚等），
3. 社会（例如，医疗背景下的亲密体验，如患病和康复），
4. 专有（例如，与个人DNA相关的任何事物），
5. 决策隐私（例如，在家中服药）。

为增加隐私的一些建议包括：

• 允许居民设置隐私设置，

• 获得电子同意，并确保居民理解同意内容，

• 对数据进行匿名处理，

• 保护医疗数据。

研究人员还尝试了许多方法来保护智能家居服务的个人信息隐私。王等人创建了一个污点传播分析模型，以分析软件定义网络如何使用敏感信息，并调查可疑的安全漏洞。传统的污点分析是一种检查哪些变量可以被用户/攻击者输入修改/污染的方法。污点传播模型使用加权生成树分析方案来跟踪数据。这种方法侧重于检查漏洞和可疑行为。另一个用于智能家居系统隐私管理的解决方案是可搜索加密。刘、陈和黄（2019）提出了这样一个系统——智能家居数据的可搜索信息检索。

通常，敏感数据会通过认证方法进行保护。进入智能家居的身份验证是研究人员中的主题，因为隐私是集成到智能家居系统中的一个具有挑战性的质量要求。这个领域的研究处于早期阶段；因此，有许多最近提出的选择。其中一种提出的认证过程是基于对称密钥密码学的访问控制机制。这个过程提供了对物联网家庭设备和利益相关者的安全访问。其他认证方案由Alshahrani和Traore（2019）以及Raniyal等人（2018）提出。Alshahrani和Traore（2019）提出并验证了一种具有动态/临时身份和累积键哈希链的认证方案设计，该方案使用各种已知攻击（即重放、窃听、冒充、中间人、会话密钥猜测）。Raniyal等人（2018）提出了一种双口令保护的设备对设备相互认证方案。

除了数据之外，智能家居中的另一个弱点/漏洞是许多智能电器。每增加一个设备都会增加一个进入您家的新方式。换句话说，对智能电器等设备进行远程访问对于智能家居系统来说是非常理想的，但是也带来了安全风险。Shuai（2019）提出了一种更安全的两因素匿名认证方案。其他人则为轻量级远程用户认证进入智能家居环境提出了加密方案。这些认证方案的目标是知道谁在访问智能家居设备。

在同样的方向上，还提出了一个入侵检测系统（IDS）来针对恶意黑客。这个想法是IDS在家庭网络中的设备之间共享。这个分布式IDS使用来自设备的聚合数据，由专家系统进行异常数据分析。其他研究人员提供了专注于安全和隐私的SH设计的架构或框架：

• SHSec架构是一种用于安全管理SH网络的设计。这是一个中间件，用于确保SH设备的互操作性。它还包括网络安全攻击的威胁预防和缓解。
• Batalla和Gonciarz提出了一种与使用机顶盒流式传输多媒体相同的方式控制家庭系统的架构。家庭系统与互联网隔离，使房主与SH之间的通信安全。
• Dabhade等人提出了一种蓝牙数字无钥匙门锁的非正式架构。蓝牙技术比射频识别（RFID）和近场通信（NFC）解决方案更具成本效益。该系统包括用户检测、验证、通知、请求处理和紧急操作。
• 一个SH安全框架提供了一个完整性系统，用于防止安全攻击并使用自签名和访问控制促进数据完整性。
• 当异构SH IoT设备集成在已存在的不受信任的云SH框架中时，提供了一种轻量级授权方案。
• 使用区块链存储设备交易的架构。SH系统能够检测到拒绝服务（DoS）和分布式拒绝服务（DDoS）攻击。

对SH自动化系统的风险分析显示，人为因素（例如，连接的设备暴露了用户隐私，信息注册表暴露了例行程序）和系统的软件组件（例如，应用程序编程接口（API）和移动应用程序）被分类为最高风险。结果表明，如果在SH的设计阶段包含更一般的安全和隐私模型，这些风险可以得到最小化，并按以下步骤操作：

1. 识别和分类SH中的个人数据传输。
2. 进行分析并描述主要的隐私和安全风险。
3. 识别并实施降低风险的措施。
4. 制定SH信息管理策略。

诊断测试设备可以揭示出改进智能家居系统可信度的漏洞。在测试智能语音助手（IVA）系统时，了解数据的生成和流向非常重要。例如，通过直接操作与IVA相关的服务，可以触发系统的故障。通过直接操作，我们可以了解IVA生态系统的整体构建方式。它还可以大致确定可能发生网络攻击的整个生态系统中的潜在攻击点。潜在的攻击点可以是硬件级别、软件级别、网络级别、云端级别等。实证实验和模糊测试（即使用无效、意外或随机数据作为输入的软件测试）也可以有效地显示出每个可能攻击点的漏洞。通过实验，可以区分传统攻击和全新类型的攻击。这有助于未来提高IVA的可靠性。

数据隐私和保护显然是智能家居的重要方面，但并不能防止传统的入室盗窃。因此，智能家居和传统家庭一样仍然需要物理安全保障，但可以比普通的运动传感器更智能一些，例如，普通门铃和运动传感器可以通过物联网进行改进。例如，传统的门铃和运动传感器可以通过物联网进行改进，例如，我们可以通过视频门铃摄像头准确地确定谁在门口。当有人按门铃时，智能手机上的应用会提醒您远程查看来访者。如果发生实际入侵，还有高清摄像头提供实时监控服务，并将紧急派遣安全人员。Surantha 和 Wicaksono（2018）提出了一个准确率为 89% 的人体检测系统。

总之，智能家居之所以方便，是因为可以用单一设备（如手机和AI音箱）控制房屋内的一切，但由于被黑客攻击的高风险，相关的物理安全市场自然也在增长（Zeng，Mare 和 Roesner，2017）。

智能家居产品旨在提高居民的舒适度，并自动化他们的一些日常任务。接下来的部分将介绍智能家居产品的示例，然后详细讨论智能家居产品设计的更具体考虑因素。

植物是家里的可爱装饰，但需要持续的照料。一个带有传感器的智能植物园可以监测土壤湿度、光照和温度，这是为时间紧迫的人设计的物联网设备。Chen等人（2017）描述了一种带有情感感知功能的智能花园，它根据用户的睡眠时间表调整生长和开花。该系统进一步计划将安全和隐私整合到系统中。

Lee等人（2017）介绍了社交联系的概念（例如，归属感）及其与智能家居设备的整合。他们的研究显示，在设计中考虑社交联系时，智能家居设备的有效性。典型的智能家居物联网设备是为了提高居民日常任务的效率。鉴于28%的家庭为单人家庭（www.census.gov），许多独居者也会受益于提供社会支持的设备。实验研究结果表明，智能家居设备与社交联系有助于提高用户的社会支持感。

Kang & Seo（2019）提出了一种基于室外活动期间收集的文本情感分析的家庭歌曲推荐器。当用户的手机坐标超出预定义的距离时，文本被收集。服务器不断评估文本的情感，并在用户回家时播放相匹配的音乐。

一款使用智能墙插的应用程序已开发出来，可以使用手机应用远程控制家用电器（Phangbertha等，2019）。该应用有手动或定时开关设备的功能。电流监测功能也正在开发中。

一些独特的物联网健康家居产品也已经面市。其中一款产品专为患有痴呆症的人设计。该系统旨在检测和记录由于患者病情而未完成的家庭活动（例如，门没关好；Demir等，2017）。系统将通过照片提醒/通知患有痴呆症的居民以及照顾者有关潜在危险的情况。

另一款产品描述了与智能家居仪表板集成，利用从Twitter挖掘和提取的数据进行情感分析，通知疾病爆发的情况（Almazidy，Althani和Mohammed，2016）。最后，一款独特的物联网健康产品是一款环境辅助生活的智能家居产品，旨在帮助有特殊需求的人在家中老化，名为E-care@home（Alirezaie等，2017）。例如，家中安装了传感器来检测诸如进食和烹饪等活动。

智能家居产品设计的热门话题包括改善特定的开发挑战、创建更多以医疗保健为重点的产品，以及提高智能家居产品的整体安全性。以下是针对每个主题的设计建议（Alaa等，2017）：

• 挑战：正确使用和监控能源消耗，
• 医疗保健：遵循医疗指南，并创建更多的产品来帮助老年人，
• 安全：简化网络和故障管理。

用户接受度是一个被广泛研究的课题。一项调查被进行，以分析和了解智能家居服务的接受模型（Park等，2018）。接受程度基于对智能家居服务的态度、感知有用性和易用性。结果显示，感知有用性对态度的影响最大，其中有用性取决于用户传统设备与新服务之间的兼容性。另一项关于用户接受度的调查表明，用户希望在离开家外也能访问他们的智能家居服务（Yang，Lee和Zo，2018）。这表明安全性、隐私性和信任是所提供的智能家居服务的关键因素。

一项比较研究涉及了三种最适合的智能家居控制和管理工具（Caivano等，2018）。他们根据以下标准选择了这些工具：许可证和价格、用户在智能家居中添加和修改设备的灵活性、控制设备的便捷性、工具的可扩展性（例如，与其他家庭系统的集成易用性）、技术支持、与智能家居中其他智能设备的互联性、与Web服务的互操作性（例如，文件共享、电子邮件、天气应用等）。这些标准为智能家居管理工具的设计提供了指导。评估的前三个工具分别是Atooma、IFITT和Tasker。总的来说，所有评估的智能家居管理工具都需要关注更好的用户体验。

在智能家居中，从一个传感器向另一个传感器发送数据是实时监控过程的重要组成部分。使这种传输实时发生是一个挑战。在比较两种方法，WebSocket 和轮询进行数据传输时，确定了 WebSocket 方法更有效（Soewito，Gunawan 和 Kusuma，2019）。

Smirek、Zimmermann 和 Beigl（2016）对两个平台进行了比较分析，这两个平台解决了用户界面和互操作性问题，这些问题阻碍了为残障人士设计有效的智能家居。评估了 Eclipse Smart Home（ESH）和 Universal Remote Console（URC）-他们发现这两个系统相互补充，并建议将这些平台集成起来。

另一篇文献综述分析了将人工智能整合到智能家居应用中的工作（Zaidan＆Zaidan，2018）。毫无疑问，将人工智能整合到智能家居中是有益的。这些作者概述了许多与系统定制和效率、家电之间的协调、能源效率、用户健康等相关的动机。

活动识别是智能家居的一个重要但具有挑战性的研究领域。这项技术对于安全（例如，检测异常）、舒适度（例如，加热/照明设置）、能源消耗/减少和电子健康（例如，康复、慢性疾病管理和老年监测）等方面都很重要。它需要稳健、准确和高效的数据分析。由于可能有多位居民，每个人的行为各不相同，因此该领域非常复杂。有许多策略用于感知/分析/确定日常生活活动（ADL），以识别特定的居民：

• 使用行为模式来识别智能家居居民，采用一种新颖的传感器组合（BoF）方法，该方法考虑了特定时间段内的传感器事件（Lesani，Ghazvini 和 Amirkhani，2019）。 BoF 方法考虑了传感器事件的频率。
• 识别居民复杂活动的另一种方法是使用形式概念分析（FCA）策略，以识别智能家居中的多居民活动（Hao，Bouzouane 和 Gaboury，2017，2018）。该方法使用序列模式挖掘和增量格搜索来根据较少的传感器事件确定活动。
• 通过个体行为模式以及他们正常活动的变化来跟踪活动 - 使用简单的传感器，如运动和门传感器。使用不同模式发现方法（DMVP）序列中一起频繁发生的传感器事件允许进行活动跟踪（Raeiszadeh，Tahayori 和 Visconti，2019）。
• 复杂活动识别使用新兴模式和随机森林（CARER）系统专注于检测更复杂的活动，例如多个居民同时在同一区域执行简单活动或居住空间较小（即老年护理；Malazi 和 Davari，2018）。在这种方法中，传感器被放置，从中提取数据以建立模型，考虑事件的排序/分段以及它们的最近性和传感器相关性，然后分析这些分段。
• 活动焦点与进出房间相关，使用被动红外传感器（PIR；例如，物理存在）和霍尔效应传感器（例如，门的打开/关闭；Skocir 等，2016）。这对于节省热量/空调/照明系统以及环境辅助生活（AAL）应用程序非常有用。
• 通过深度学习建模技术优化人类活动识别，从原始传感器数据中学习高级特征（Chen 等，2018）。
• 通过利用本体论来设计活动识别系统以应对活动多样性，并使用马尔可夫逻辑网络（MLN）来处理活动动态和不确定性。换句话说，系统通过概率推理增强基于本体的活动识别（Gayathri，Easwarakumar 和 Elias，2018）。
• 一个基于 Web 的智能家居健康监测系统（WITS）用于跟踪/检测异常居民活动（Yao 等，2018）。该系统使用物联网中间件从环境传感器数据中学习。该系统还使专家能够实时诊断健康情况。

ULD 是智能家居系统的关键特性。为了解决用户隐私、设备/标签的不便利性和容错性/准确性问题，ULD 系统利用家中传感器的普及以及上下文经纪人（例如，接收来自传感器的信息）和基于模糊逻辑的决策者（例如，评估经纪人的数据；Ahvar 等，2016b）。在 ULD 方法的文献调查中发现，目前尚无明确的室内 ULD 方法（例如，室外使用 GPS；Ahvar 等，2016a）。准确性和成本要求需要改进。未来设计应利用更灵活、准确和普遍的 ULD 方法。

开发人员还需要数据来测试其智能家居应用程序的稳健性和可扩展性。从手腕可穿戴设备收集数据，以检测室内定位加速度计测量。这些数据可以帮助研究人员在校准智能家居系统中的室内定位过程和方法时使用（McConville 等，2019）。

电能是另一个主要话题，成本降低（能源效率）、舒适度和安全性是其子主题。成本降低可以来自于对能源消耗的估算。Popa等人（2019）提出了一个模块化平台，利用聚合存储的用户数据，从先进的神经网络模型中创造用户意识。

家庭能源管理系统（HEMS）侧重于提高能源效率，同时保持用户舒适度。HEMS将能源消耗降低了5.15％，舒适度降低了42.3％（Matsui，2017）。电能的一个最令人关注的问题是火灾和触电。远程控制的智能电源插座系统可以快速反应，避免过度消耗、火灾和触电（Fernandez-Carames，2015）。

电能消耗也是一个常见的研究领域。在一项现场研究中，参与者每天管理他们的能源电价以匹配其消耗水平，参与者表现出愿意使用电价代理来管理他们的能源电价（Alan等，2016）。研究结果暗示这一活动是维持与系统互动的一种方式。

了解更有效的智能电网资源规划的使用模式至关重要。一种有效的智能家居方法，侧重于降低成本，是使房主能够计划家电的使用。Gupta、Jha 和Nagar（2016）提出了一种方法，通过他们提出的智能电网方法，增加了资源规划的便利性和成本降低，这是一种可靠的技术，用于控制和监控电力和信息的生成、传输和分配。

在智能家居设计中，研究人员关注功能需求和非功能需求以及架构。功能需求描述系统提供的服务以及系统如何对输入做出反应（Laplante，2014）。非功能需求稍微具有挑战性，因为它们难以定义和验证（例如，安全性、可靠性、可用性、互操作性）。软件架构涉及系统组件和子组件的结构、交互和组织，以形成一个系统（Laplante，2007）。有许多架构风格，每种都代表系统的重要属性。

智能家居的高层架构由三个主要组件组成（Li等，2018）：

1. 系统主控：服务器、通信网络、工作站以及与应用程序、网站的交互。
2. 家庭智能交互终端：系统组件的接口（家电、安全等）。
3. 智能电器设备：家电、安全、电气系统数据收集等。

为了提供一个更强大的智能家居平台，以构建更健壮的智能家居应用程序，提供了主要需求及建议的架构风格（Hui，Sherratt & Sanchez，2017）。

1. 异构性（服务器集中架构和面向服务架构）：实现与连接到网络的物品之间的信息交换。
2. 自配置性（无线传感器网络架构 - WSN）：使智能家居网络中的连接设备能够添加或移除。
3. 可扩展性（WSN）：使连接设备能够进行扩展或配置更新。
4. 上下文感知（开放服务网关倡议架构 - OSGi）：能够检测位置或环境变化。
5. 可用性（脑-计算机接口 - BCI）：智能家居系统易于使用和学习。
6. 安全和隐私保护（WSN）：防止未经授权的使用和恶意攻击的保护水平。
7. 智能化（数据-信息-知识-智慧 - DIKW）：实现人类活动预测。

互操作性也是智能家居系统的一个重要需求，因为需要整合异构设备以实现通信。Santofmia等人（2018）提出了一种支持不同技术之间通信的虚拟协议。Puustjarvi和Puustjarvi（2015）更进一步，创建了智能家居本体，以促进智能家居的语义互操作性。语义互操作性使设备之间能够交换具有明确共享含义的数据。他们利用了链接数据的原则（例如，在Web上共享数据的数据基础设施的最佳实践）来整合来自外部数据源的数据源 - 所有这些都是为了增加系统在智能家居内的可用性。

对于设备管理，可以促进设备互操作性，提出了雾计算辅助云架构的需求和设计。雾计算环境提供了在云数据中心和终端用户之间共享网络服务的方式。提出了一种称为智能家居资源管理技术（ROUTER）的雾计算环境技术。该技术优化了设备的响应时间、网络带宽、能耗和延迟（Gill，Garraghan & Buyya，2019）。

物联网设备管理不仅需要促进设备之间的互操作性，还需要高效。一个流行的研究领域是能源效率。Jo和Yoon（2018）创建了三个物联网平台模型，以共同工作，允许物联网设备相互合作，减少网络拥塞并节约能源。

1. 情报意识目标服务（IAT）：学习传感器生成的数据的情境意识。
2. 智能能源效率服务（IE2S）：处理IAT收集的数据，学习能源使用模式。
3. 情报服务TAS（IST）：提供服务的控制和管理。

高效的设备通信和管理是智能家居的重要需求。对于智能家居设备通信（即高效的初始化、同步和数据传输），提出了一种基于可见光通信（VLC）的模型。这个模型（Tiwari，Sewaiwar & Chung，2017）使用发光二极管进行传输，并使用光电探测器作为接收器。另一个提出了一种新颖的布谷鸟搜索算法来优化可见光通信（Sun等，2017）。

Asghari和Cheriet（2018）提出了一种促进能源效率和智能家居网络寿命的智能家居网络。该框架还考虑了管理传感器节点流量的最佳措施。为了提供更节能的家庭自动化应用程序卸载算法，提出了（Zhang等，2018）。

智能家居产品并不总是考虑用户的情绪 - 这导致了缺乏采用。Curumsing等人（2019）开发了一种面向情感的需求工程方法来识别、建模和评估情感目标。他们将这种技术应用于开发了一个智能家居平台，为老年人提供 passsive 监测和紧急援助。智能家居技术事故预防（例如气体、烟雾或水泄漏）。另一个产品设计是子系统模型（Teslyuk等，2018）。

上下文信息（例如温度、湿度、声音）和用户建模与适应是智能家居的普遍部分。因此，有效的用户建模至关重要。系统必须考虑到用户的认知水平和身体残障。一个侧重于提取用户认知活动而不是移动的用户模型更为有效（Vlachostergiou等，2016）。

智能家居模拟系统有助于改进智能家居设计，以满足居民的需求，同时投入最小的投资。使用代理建模，智能家居可以适应业主的需求（Vasilateanu和Bernovici，2018）。测试并确定IoT传感器和执行器的最有效的智能家居配置，将满足居民的个性化需求。

生活常常是充满挑战的。我们不断工作，照顾自己、家人，并学习新事物。然而，有时日常任务可能会妨碍我们所需要做的事情，但它们并不总是如此。本节将解释两种易于构建且可以帮助人们真正掌握物联网概念的智能家居设备：智能花园和智能垃圾桶。

浇水有时可能是一种负担，容易被忘记。智能花园使用一个简单的程序来监控和照料植物。虽然它看起来只是一个小小的便利，但实际上它远不止于此。智能花园是物联网提供的无限可能性的象征。

智能花园，如图6.2所示，是一个设备，演示了计算机程序如何自动滋养和培育植物。树莓派，一种信用卡大小的计算机，用于该设备中，以允许软件应用程序收集并根据植物数据采取行动。应用程序使用传感器测量植物的水平，并根据数据分配适量的水给植物 - 这是一个真正的物联网设备。只要水源可获得，该应用程序就可以无限制地执行这一操作。智能花园在保持植物活着方面比普通人更有效率 - 因为植物既不会被过度浇水也不会被欠水。其目的是保持植物存活，以便植物主人能够做更重要的事情。

具体来说，智能花园传感器测量植物的温度、土壤湿度、阳光照射量和空气温度。所有这些数据都由应用程序进行汇总和分析，应用程序决定何时以及多少给植物浇水。智能花园套件可以购买（例如SwitchDoc Labs（https://shop.switchdoc.com/））。套件中包含构建此设备所需的大部分内容。唯一需要单独购买的是树莓派、计算机显示器/键盘、电源和一株植物。

一旦按照套件组装了智能花园，应用程序就会硬编码植物水平的范围：湿度、温度等。一旦湿度过低，插入土壤的传感器会将数据发送到树莓派，后者向水泵发送信号开始给植物浇水。一旦传感器检测到足够的湿度，水泵停止浇水。

虽然智能花园是一种高效且简便的植物护理方式，但它也有一些缺陷。首先，它的大小不够实用。它需要许多电线和管道，这使用户难以欣赏植物的美。其次，整个系统只能维持一个植物。为了一个单独的植物而付出如此大的努力似乎有些不划算。然而，这个实验不是关于其实用性的，而是关于系统本身，显然可以改进。智能花园具有无限的潜力。

这个项目是物联网可能性的一个简单而奇妙的例子，也是学习物联网的一个很好的方式。它表明了日常任务可以变得轻松。这是一个潜力巨大的小项目，有望升级为能够对家庭产生巨大影响的东西。

智能垃圾桶是智能家居实施中的可能组件之一，作为废物管理。这也可能是智能城市概念的重要功能之一。垃圾收集有固定的时间表，但由于垃圾的生成具有动态性质，可能会出现一个垃圾桶比另一个垃圾桶更早满的情况。这不仅会产生恶臭，还会从环境因素的角度产生问题。通过建立智能垃圾桶，相关人员可以提前得到通知，了解应该先清空哪个垃圾桶。

检测垃圾桶中填充物水平的最佳方法是使用连接到盖子上的超声波传感器，如下图6.3所示。

安装在盖子上的超声波传感器将朝下发送触发波，直达垃圾桶底部。当垃圾桶填满到一定水平时，波将作为回声反弹，传感器将捕获回声。发送触发信号和接收回声信号之间的时间差提供了垃圾桶中垃圾水平的合理测量。

这个系统可以通过以下组件进行模拟：

• IBM Bluemix IOT 服务：IBM提供其基于MQTT协议的内部物联网消息服务。它作为IBM Bluemix目录的一部分提供。需要注册IBM Bluemix试用帐户。
• IOTIFY 智能垃圾桶模拟器：这是垃圾桶的完整硬件仿真，可在IOTIFY上使用。您需要注册IOTIFY订阅才能访问此功能。
• Android 手机（可选）：为了通过移动设备监视此虚拟垃圾桶，需要一部Android手机。系统的架构如下图6.4所示。

有关虚拟垃圾桶设置的技术细节，请参阅链接：https://bit.ly/3ax36GU。

在本章中，我们定义了智能家居（SH）研究的范围，对SH研究领域进行了分类和识别，并介绍了每个类别的关键发现。从分析的研究中出现了几个改进领域，如改善用户体验、人与SH系统的交互以及整合健康/医疗设备。在安全方面，需要研究检测多人活动模式，并保持对新安全威胁的警惕。因此，威胁检测技术需要改进，以减少误报，防止新的安全风险，并增加隐私和信任。此外，未来的SH设计应充分利用更灵活、准确和普遍的ULD方法，也促进了SH安全的改进。总之，根据所呈现的研究，SH的发展已经取得了巨大进步，但始终有提升、改进和创新的空间，特别是在安全和隐私方面。