iTCM-Datasets

这些数据集是为GBIC项目收集的，用于研究室内人类热舒适度。GBIC研究项目旨在通过深度学习方法开发在线热舒适模型，并将其应用于行为研究，以推动热带地区（如新加坡）的“更绿色、更智能、更健康”的建筑。利用智能手机众包和现场可穿戴设备测量获取的信息，进行隐私保护的数据分析，该项目计划开发和验证一个综合、经济且可扩展的热舒适管理系统。

These datasets were collected for the GBIC project, aimed at researching indoor human thermal comfort. The GBIC research project seeks to develop online thermal comfort models through deep learning methods and apply them to behavioral studies, promoting 'greener, smarter, and healthier' buildings in tropical regions such as Singapore. Utilizing information gathered from smartphone crowdsourcing and on-site wearable device measurements, the project plans to conduct privacy-preserving data analysis. It aims to develop and validate a comprehensive, economical, and scalable thermal comfort management system.

原始信息汇总

数据集概述

数据集名称与目的

• 名称: iTCM-Datasets
• 目的: 用于GBIC项目，旨在通过深度学习方法开发在线热舒适模型，并应用于热带地区（如新加坡）的绿色、智能和健康建筑行为研究。

数据来源与方法

• 数据来源: 智能手机众包数据和现场可穿戴设备测量。
• 方法: 利用隐私保护的数据分析技术。

数据集内容

• 主要文件:
  • buildsys_19_dataset_4314.csv
  • buildsys_19_dataset_person1_346.csv
  • buildsys_19_dataset_person2_385.csv
  • buildsys_19_dataset_person3_345.csv
  • buildsys_19_dataset_4293_no_3_thermal_index.csv
  • buildsys_19_dataset_person1_345_no_3_thermal_index.csv
  • buildsys_19_dataset_person2_380_no_3_thermal_index.csv
  • buildsys_19_dataset_person3_341_no_3_thermal_index.csv
• 数据字段:
  • id, user_uuid, hour, age, weight, height, gender, at, rh, met, cl, hr, st, ati(-3-2), ati(0-5)

数据集规模与范围

• BuildSys Paper数据集:
  • 通用数据集: 4293条记录（原4314条，移除“热”投票后）
  • 个人数据集: 总计1066条记录（原1076条，移除“热”投票后）
  • 温度范围: 19.6°C - 30.6°C
  • 湿度范围: 37.3% - 83.6%
• 完整数据集:
  • 通用数据集: 6689条记录
  • 个人数据集: 总计2288条记录
  • 温度范围: 19.3°C - 30.0°C
  • 湿度范围: 37.3% - 76.2%

数据集使用说明

• 移除“热”投票: 由于“热”投票数量不足（仅31票），决定从数据集中移除这些投票，以更准确反映参与者的热感觉。

数据集相关出版物

• 出版物: Heterogeneous Transfer Learning for Thermal Comfort Modeling
• 作者: Weizheng Hu, Yong Luo, Zongqing Lu, Yonggang Wen
• 会议: 6th ACM International Conference on Systems for Energy-Efficient Buildings, Cities, and Transportation (BuildSys ’19)
• 发表年份: 2019

数据集许可

• 许可类型: Creative Commons Attribution-NonCommercial 4.0 International License
• 许可链接: Creative Commons Attribution-NonCommercial 4.0 International License

搜集汇总

数据集介绍

构建方式

iTCM-Datasets的构建依托于GBIC项目，旨在通过深度学习方法开发在线热舒适模型，并将其应用于行为研究，以推动热带地区（如新加坡）的绿色、智能和健康建筑发展。数据集的构建结合了智能手机众包和现场可穿戴设备测量的隐私保护数据分析，确保了数据的多样性和广泛性。数据集中的热感投票数据经过筛选，剔除了“热”（+3）投票，以确保数据的代表性和准确性。

特点

iTCM-Datasets包含了丰富的环境与生理数据，涵盖空气温度、相对湿度、心率、皮肤温度等多个维度。数据集分为通用数据集和个人数据集，分别适用于群体研究和个体化分析。数据范围广泛，空气温度从19.6°C到30.6°C，相对湿度从37.3%到83.6%，能够全面反映热带环境下的热舒适状况。数据集还提供了详细的元数据和字段解释，便于研究者快速理解和使用。

使用方法

iTCM-Datasets的使用方法灵活多样，适用于热舒适模型的开发与验证。研究者可通过数据集中的CSV文件获取原始数据，并结合提供的文档（如`Dataset Features & Codes.docx`）理解字段含义。数据集支持多种分析场景，包括群体热舒适建模、个体化热舒适预测以及跨环境的热舒适迁移学习。使用过程中需遵守Creative Commons Attribution-NonCommercial 4.0 International License的许可协议，确保非商业用途。

背景与挑战

背景概述

iTCM-Datasets是由新加坡南洋理工大学的研究团队为GBIC项目收集的数据集，旨在通过深度学习技术研究室内人体热舒适度。该项目由新加坡建筑与建设管理局资助，核心研究问题是通过智能手机众包和可穿戴设备的现场测量数据，开发并验证一种集成、经济且可扩展的热舒适管理系统。该数据集首次发布于2019年，相关研究成果发表在ACM BuildSys会议上，推动了热带地区（如新加坡）绿色、智能和健康建筑的发展。数据集涵盖了心率、皮肤温度、空气温度、相对湿度等关键生理和环境参数，为热舒适建模提供了重要支持。

当前挑战

iTCM-Datasets在解决室内热舒适建模问题时面临多重挑战。首先，数据集中“热”（+3）投票数量不足，导致模型在极端热感条件下的表现受限。其次，数据采集依赖于智能手机和可穿戴设备，数据质量和一致性可能受到设备精度和用户行为差异的影响。此外，热带地区的气候条件复杂多变，如何从有限的样本中提取普适性强的热舒适模型仍是一个难题。在数据集构建过程中，隐私保护和数据匿名化处理也增加了技术复杂性，如何在保证数据可用性的同时满足隐私要求是另一大挑战。

常用场景

经典使用场景

iTCM-Datasets主要用于室内热舒适性研究，特别是在热带地区如新加坡的环境中。该数据集通过智能手机众包和可穿戴设备的现场测量，收集了包括心率、皮肤温度、空气温度和相对湿度等多维数据，为开发基于深度学习的在线热舒适模型提供了丰富的数据支持。这些模型可以用于行为研究，推动更绿色、更智能、更健康的建筑环境。

实际应用

在实际应用中，iTCM-Datasets被广泛用于智能建筑系统的优化。通过分析个体的热舒适性反馈，建筑管理系统可以动态调整空调和通风系统，从而提高能源效率并提升居住者的舒适度。此外，该数据集还为健康监测提供了数据基础，特别是在热带地区，帮助预防因高温和高湿度引起的健康问题。

衍生相关工作

iTCM-Datasets的发布催生了一系列相关研究，特别是在热舒适性建模和智能建筑系统优化领域。例如，基于该数据集的异质迁移学习方法在BuildSys 2019会议上发表，展示了如何在不同环境和个体之间迁移热舒适模型。此外，该数据集还被用于开发新的深度学习算法，进一步推动了智能建筑和健康监测领域的技术进步。