Exploración del uso de algoritmos de clasificación de series de tiempo basados en diccionarios para estimar ocupación de un espacio físico utilizando datos de sensores de calidad del ambiente

Abstract

El trabajo presentado investiga el uso de algoritmos de clasificación de series de tiempo basados en diccionarios para estimar la ocupación de un espacio físico utilizando datos de sensores de calidad del ambiente. La creciente recolección de datos mediante sensores ha abierto nuevas oportunidades en áreas como la predicción y el análisis en tiempo real. En este caso, se utiliza información obtenida de sensores que miden variables como la humedad, partículas alérgenas, temperatura y compuestos orgánicos volátiles para predecir la cantidad de personas presentes en una sala. El estudio evalúa varios algoritmos, incluyendo BOSS, WEASEL y SAX- VSM, aplicados a datos univariados. Los resultados muestran que estos métodos pueden manejar el ruido y la variabilidad inherente a los datos de sensores ambientales, ofreciendo métricas de desempeño prometedoras como exactitud y F-1 score. Los hallazgos sugieren que los algoritmos basados en diccionarios son efectivos en este tipo de aplicaciones, aunque el balance y la calidad de los datos juegan un papel crucial en la precisión de las predicciones.