معماری انطباقی مبتنی بر یادگیری ماشین: طراحی فضاهای هوشمند واکنش پذیر به رفتار کاربران

در پاسخ به ناکارآمدی معماری سنتی در مواجهه با نیازهای رفتاری پویای کاربران و ضرورت ارتقای پایداری، این پژوهش مدلی میان رشته ای بر پایه معماری انطباقی، علوم رفتاری و یادگیری ماشین ارائه می دهد. مدل پیشنهادی در قالب ساختاری پنج لایه، شامل لایه های حسگری، پردازش، تحلیل، تصمیم یار و واکنش پذیر طراحی شد. داده های حسگری از دو فضای واقعی (مسکونی و اداری) با مجموع ۱۰ کاربر طی دوره ای ۹۰روزه گردآوری و با الگوریتم های جنگل تصادفی و شبکه عصبی بازگشتی تحلیل گردید. نتایج نشان داد که مدل قادر است با دقت ۸۱ درصد، سه الگوی رفتاری (روزمحور، شب محور، پراکنده) را شناسایی کرده و متناسب با آن ها تغییرات فضایی مانند تنظیم نور و تهویه را اعمال نماید. این فرآیند منجر به کاهش ۲۷ درصدی مصرف انرژی، کاهش ۲۱ درصدی اضطراب نوری و افزایش ۱۸ درصدی رضایت کاربران شد. با وجود چالش هایی مانند افت دقت در سناریوهای چندکاربره، تاخیر پردازشی و محدودیت زیرساختی، مدل پیشنهادی با در نظر گرفتن پروتکل های حریم خصوصی (نظیر ناشناس سازی داده ها و حق حذف آن ها) گامی موثر در جهت توسعه فضاهای هوشمند انطباق پذیر در بستر معماری ایران فراهم می سازد.

کلیدواژه ها:

معماری انطباقی ، یادگیری ماشین ، الگوهای رفتاری کاربران ، بهینه سازی مصرف انرژی ، چرخه بازخوردی داده محور