TW202205192A - 智慧建築整合管理系統 - Google Patents

Abstract

一種智慧建築整合管理系統，包括：定位裝置，記錄目標人員的移動資訊及裝置指定ID並且上傳至智慧建築套件；智慧建築套件，依據多個時間段的位置座標計算定位範圍內的目標人員的追蹤資訊，並於依據追蹤資訊判斷多個裝置指定ID對應至同一目標人員時，將多個裝置指定ID轉換為同一套件指定ID，並將套件指定ID以及移動資訊上傳至智慧建築系統；及，智慧建築系統，依據多個時間段的位置座標計算責任範圍內的的目標人員的追蹤資訊，並於依據追蹤資訊判斷多個套件指定ID對應至同一目標人員時，建立多個套件指定ID的資訊連結。

Description

智慧建築整合管理系統

本發明涉及一種建築系統，尤其涉及一種可以基於建築物中的人員的狀態來對建築物進行智慧控制的智慧建築整合管理系統。

近年來，隨著電腦、網際網路、互聯網以及大數據等技術的發展，除了電子產品以外，建築物亦朝著智慧化的方向發展，以期能夠提昇使用者的居住品質。

一般來說，市面上常見的智慧建築管理系統係強調可以對建築物進行智慧控制，例如可以通過建築物中的人員數量、預先設定之排程、特殊空間(例如會議室)之需求等參數，對建築物內部的區域進行智慧控制。

目前的智慧建築管理系統在進行智慧控制時所採用的控制參數，並不夠全面。例如，一般僅會藉由感測器來感測區域內的人數、當前溫度等參數，並對區域執行對應控制(例如控制空調溫度、燈光明滅等)。

然而，目前的智慧建築管理系統缺乏一套品質良好的追蹤系統，因為無法分別監控各區域內的人員密度、活動量、人員佔據面積與區域面積的百分比等參數，故控制效果相當有限。再者，相關技術中針對人員所採用的定位技術，主要皆是以平面空間的定位為主，但是並無法實現跨區域、跨樓層的人員追蹤。

有鑑於此，相關技術中的智慧建築管理系統實有進一步改良的必要性。

本發明的主要目的，在於提供一種智慧建築整合管理系統，能夠有效地在建築物內的各個區域中進行目標人員的定位與追蹤，並且基於目標人員的狀態來對各個區域進行智慧控制。

為了達成上述的目的，本發明的智慧建築整合管理系統包括：

至少一定位裝置，設置於一建築物內的一區域，在於該區域中偵測到至少一目標人員時為該目標人員設定一裝置指定ID，依據一取樣頻率記錄該目標人員的一移動資訊，並且依據一第一上傳頻率上傳該裝置指定ID及該移動資訊，其中該移動資訊包括該目標人員的一位置座標及一離開定位範圍時座標；

至少一智慧建築套件，連接該至少一定位裝置，持續由該定位裝置接收該目標人員的該裝置指定ID及該移動資訊，依據複數過去時間段中該目標人員的該位置座標計算該目標人員於該定位裝置的一定位範圍內的一移動軌跡及一平均移動速度，於依據該離開定位範圍時座標、該移動軌跡及該平均移動速度判斷相鄰的多個該定位裝置所上傳的多個該裝置指定ID對應至同一該目標人員時，將該多個裝置指定ID轉換為一套件指定ID，並且該智慧建築套件依據一第二上傳頻率上傳該目標人員的該套件指定ID及該移動資訊；及

一智慧建築系統，具有一資料管理器並連接該至少一智慧建築套件，持續由該智慧建築套件裝置接收該目標人員的該套件指定ID及該移動資訊，依據複數過去時間段中該目標人員的該位置座標計算該目標人員於該智慧建築套件的一責任範圍內的該移動軌跡及該平均移動速度，於依據該離開定位範圍時座標、該移動軌跡及該平均移動速度判斷相鄰的多個該智慧建築套件所上傳的多個該套件指定ID對應至同一該目標人員時，為該多個套件指定ID建立資訊連結；

其中，該智慧建築套件具有一邊緣運算模組，該邊緣運算模組依據該區域內的一人員單位密度及一人員活動量即時選擇對應的一環境優化參數，以對該區域執行一智慧控制程序。

相對於相關技術，本發明所能達到的技術功效在於，能夠在建築物中進行跨區域、跨樓層的人員定位與追蹤，進而基於建築物內的人員的各種狀態來對建築物中的各個區域進行智慧運算分析，並實現跨區域的連動控制。

茲就本發明之一較佳實施例，配合圖式，詳細說明如後。

首請參閱圖1，為本發明的智慧建築整合管理系統的示意圖的第一具體實施例。本發明揭露了一種智慧建築整合管理系統(下面簡稱為整合管理系統)，所述整合管理系統至少包含了雲端管理系統1、與雲端管理系統1連接並受雲端管理系統1管理的至少一個智慧建築系統2、以及與智慧建築系統2連接的至少一個智慧建築套件3。於一實施例中，所述智慧建築系統2向下管理一棟建築物，所述智慧建築套件3管理實際設置在建築物內的一或多個區域中的實體裝置(例如圖1所示的電子裝置41與定位裝置42，但不以此為限)。

於一實施例中，雲端管理系統1具有雲端設定平台(圖未標示)。所述雲端管理系統1可為建立於雲端(例如亞馬遜雲端運算服務(Amazon Web Services, AWS)的一個虛擬系統，所述雲端設定平台為以軟體實現的虛擬單元。雲端管理系統1用以管理一或多個專案(Project)，所述專案包含由雲端管理系統1底下連接的所有智慧建築系統2所負責的建築物的相關資料。

雲端管理系統1可經由雲端設定平台來接受管理者的設定，藉此建立並管理至少一個專案。本實施例中，雲端管理系統1通過有線或無線的通訊介面連接底下的一或多個智慧建築系統2，其中各個智慧建築系統2分別負責管理所述專案中的一棟建築物。

具體地，智慧建築系統2通過至少一個智慧建築套件3來實際接收建築物內部的複數裝置(例如電子裝置41與定位裝置42)的回饋資料，而雲端管理系統1可通過所述通訊介面從各個智慧建築系統2接收所述回饋資料，藉此對各建築物進行智慧控制。

本發明中，雲端管理系統1的雲端設定平台可接受外部操作以建立所述一或多個專案，並可匯入、建立以及管理各個專案中的一或多個建築物的平面圖以及3D模型(例如提供建築資訊模型(Building Information Modeling, BIM)的轉檔服務，或是管理已經轉檔完成的BIM模型)，並且還可以對各建築物中可能具備的各種裝置的通訊協定進行設定。

值得一提的是，由於雲端管理系統1設置在雲端，因此當相同或不同管理者在建立不同的專案，或是對不同的建築物進行設定時，可以直接引用雲端管理系統1已經定義完成的資料(例如裝置的通訊協定)。如此一來，本發明的整合管理系統可以有效節省管理者以往需要重覆建立相同或相似的裝置的裝置資料所需花費的時間成本。

當管理者經由對雲端管理系統1的操作而完成上述動作(例如建立專案、匯入BIM模型、定義裝置的通訊協定等)後，雲端管理系統1可產生對應的雲端設定檔，並發佈至其所連接的一或多個智慧建築系統2，以根據雲端設定檔來與智慧建築系統2達成同步。

如前文中所述，智慧建築系統2用以管理底下的一棟建築物，而雲端管理系統1用以管理包含了一或多棟建築物的資料的一或多個專案，也就是說雲端管理系統1的位階在智慧建築系統2之上。因此，當智慧建築系統2接收雲端管理系統1所發佈的雲端設定檔後，於自身的設定程序上需受到雲端設定檔的拘束。另一方面，由於雲端設定檔中已包含了大部分的設定參數(例如各項裝置的通訊協定)，針對這些設定參數，管理者不需要於智慧建築系統2中另外設定，因而可以有效節省設定時間。

本發明中，智慧建築系統2可藉由執行於實體電腦、伺服器中的電腦可讀取程序碼來實現。換句話說，智慧建築系統2可為一種純軟體系統或是以軟硬體結合實現的硬體系統，用來對指定的一個建築物進行設定、管理、資料分析以及智慧控制。於圖1的實施例中，智慧建築系統2包括設定平台21、資料處理器22、通訊轉換器23及資料管理器24。其中，所述設定平台21、資料處理器22、通訊轉換器23及資料管理器24可為由軟體實現的虛擬單元或以硬體實現的實體部件，但不加以限定。

所述設定平台21由雲端管理系統1接收所述雲端設定檔，並且根據雲端設定檔對智慧建築系統2以及所負責的建築物中的複數裝置進行設定，並且基於設定結果產生對應的地端設定檔。

舉例來說，設定平台21可通過網路或實體線路來接受管理者的外部操作，藉此設定與智慧建築系統2連接的網路前台25或手機前台26所能呈現的相關資訊。再例如，設定平台21可藉由外部操作來設定與智慧建築系統2連接的一或多個智慧建築套件3的套件角色。

所述資料處理器22用以對從所管理的建築物搜集到的資料進行統計與分析。具體地，智慧建築系統2主要是通過一或多個智慧套件3連接建築物中的複數裝置，並且搜集這些裝置的回饋資訊。並且，智慧建築系統2通過資料處理器22來對這些回饋資訊 進行統計、分析與記錄，進而可對複數裝置所在的區域進行智慧控制(容後詳述)。

於一實施例中，智慧建築系統2還將資料處理器22做為與雲端管理系統1的界接模組。具體地，智慧建築系統2通過資料處理器22來搜集所連接的所有智慧建築套件3上傳的資料並進行匯整後，上傳至雲端管理系統1中進行儲存與管理。

所述通訊轉換器23用以建立智慧建築系統2與建築物間的通訊。於一實施例中，所述通訊轉換器23可以是以訊息佇列遙測傳輸中介軟體(Message Queuing Telemetry Transport, MQTT Broker)，例如可為標準的Mosquitto 1.5.4來實現，但不加以限定。智慧建築系統2通過通訊轉換器23建立訂閱規則，以分別與各個智慧建築套件3、設定平台21、網路前台25以及手機前台26等部件來進行訊息的遞送。

所述資料管理器24用來儲存智慧建築系統2的相關資料，並且主要可包括即時資料庫和歷史資料庫(圖未標示)。具體地，即時資料庫可例如為一個使用MySQL的資料庫，用以記錄所述雲端設定檔及／或地端設定檔等相對即時性的資料。歷史資料庫可例如為一個使用MongoDB的資料庫，用以記錄智慧建築系統2、各個智慧建築套件3及／或各個裝置的歷史記錄。

於一實施例中，智慧建築系統2可通過資料管理器24來進行所述雲端設定檔及／或地端設定檔的資料備份與還原。藉此，智慧建築系統2可通過資料管理器24來實現資料庫備援的目的。

如圖1所示，建築物中可能設置有複數電子裝置41(例如燈光裝置、空調裝置、影像裝置等)及定位裝置42(例如影像式定位裝置、標籤式定位裝置、無標籤式定位裝置等)，並且智慧建築系統2可通過複數智慧建築套件3來連接這些裝置。意即，智慧建築套件3為智慧建築系統2與底層裝置間的中繼層。

於一實施例中，智慧建築系統2的資料處理器22中具有用以接收智慧建築套件3上傳的裝置資料的資料接收單元(圖未標示)，用以接收網路前台25或手機前台26的命令請求的命令處理單元(圖未標示)、以及將所接收的裝置資料上傳至雲端管理系統1的雲端介面連接單元(圖未標示)。

如圖1所示，智慧建築套件3還可具有邊緣運算模組31，此邊緣運算模組可根據所接收的裝置資料來執行相應的智慧演算分析功能。具體地說，智慧建築套件3可以在定時取得所連接的裝置的裝置資料後，通過邊緣運算模組31先對裝置資料進行對應的分析動作，並且基於分析結果對裝置所在的區域進行智慧控制後，再將分析結果以及控制結果上傳至智慧建築系統2。如此一來，除了可以分擔智慧建築系統2中的資料處理器22的運算負載，也提高了資料處理反應的即時性。

本發明中，雲端管理系統1、智慧建築系統2、智慧建築套件3、電子裝置41及定位裝置42皆需經過時間同步，藉此確保智慧控制的準確性。

請同時參閱圖2A及圖2B，分別為本發明的第一定位與追蹤流程圖與第二定位與追蹤流程圖的第一具體實施例。下面將結合圖1、圖2A、圖2B及一個具體實施例來說明本發明的整合管理系統如何對建築物中的人員進行定位與追蹤。具體地，本發明的整合管理系統是對建築物中的各個區域，以及各個區域內的人員進行定位與追蹤，所述定位與追蹤動作是在跨區域、跨樓層的三維空間下執行的，因此所採集、儲存與使用的資訊可統稱為建築全域三維活動系統資訊。

本發明的其中一個技術特徵在於，一棟建築物內的各個區域中分別設置有一或多個定位裝置42，這些定位裝置42可對所在區域中的目標人員進行定位與追蹤。智慧建築套件3可經過設定而將建築物中的一或多個區域做為責任範圍，並且接收責任範圍內的所有定位裝置42所上傳的資料，藉此動態地為責任範圍內的各個區域分別執行智慧控制(例如依據區域內的人數以及人員的活動量，動態控制區域內的空調溫度與風速)。

並且，智慧建築系統2可接收所連接的一或多個智慧建築套件3所上傳的資料，並且在部分區域沒有接受智慧建築套件3的控制時，依據智慧建築套件3所上傳的資料來對這些區域執行補償控制。更具體地說，本發明中，各智慧建築套件3會依據預設的一個上傳頻率將其通過邊緣運算模組31對責任範圍中包含的所有區域所執行的計算與控制內容上傳至智慧建築系統2，而智慧建築系統2會通過資料管理器22為這些邊緣運算模組31分別執行補償計算與控制程序。

所述定位裝置42是於系統建置時實際設置於建築物內的一個區域，用以偵測區域內的人員。當偵測到區域內有至少一個人員出現時(即，視為目標人員)，定位裝置42自動為目標人員設定一個唯一的裝置指定ID(步驟S10)。定位裝置42通過這個裝置指定ID來追蹤此目標人員，並且依據預設的取樣頻率來持續偵測並記錄目標人員的移動資訊(步驟S12)。於一實施例中，所述移動資訊可例如包括目標人員目前(即，本次取樣時)的位置座標。於另一實施例中，若目標人員於本次取樣時離開了定位裝置42的定位範圍(意即，離開了定位裝置42的所在區域)，則所述移動資訊可進一步包括目標人員的離開定位範圍時座標(容後詳述)。

並且，定位裝置42依據預設的第一上傳頻率上傳區域內的一或多個目標人員的裝置指定ID及移動資訊至智慧建築套件3(步驟S14)。

所述定位裝置42可例如為影像式定位裝置、標籤式定位裝置或無標籤式定位裝置(容後詳述)，不同的定位裝置具有不同的類別碼。本發明中，所述裝置指定ID可依據定位裝置42的類別碼、裝置編號(Serial Number, SN)、時間戳及流水號的至少其中之一所組成，但不以此為限。本發明中，智慧建築套件3可記錄所述類別碼，並藉由類別碼來指出並記錄目標人員本次取樣時的目前定位方式(即，影像式定位、標籤式定位或無標籤式定位等)。

於一實施例中，定位裝置42的取樣頻率可大於第一上傳頻率。例如，定位裝置42可設定為每秒取樣十五次，即，每秒對同一目標人員(即，同一裝置指定ID)定位十五次並產生十五筆移動資訊，並且設定每三秒將區域中的所有目標人員的裝置指定ID以及移動資訊上傳給智慧建築套件3。基於在上傳間隔所取得的資訊，定位裝置42可以預先分析並辨識區域內的各個目標人員，藉此上傳準確的移動資訊給智慧建築套件3。

如上所述，定位裝置42可為影像式定位裝置、標籤式定位裝置或無標籤式定位裝置，而不同的定位裝置分別採用不同的定位與追蹤方式。舉例來說，影像式定位裝置可通過影像辨識程序的執行來辨識出現在區域中的目標人員，並於偵測到目標人員後，再通過物件追蹤演算法的執行來追蹤此目標人員。標籤式定位裝置可在目標人員出現在區域中後讀取目標人員所配戴的標籤(圖未標示)，以直接對此目標人員進行辨識與追蹤。無標籤式定位裝置則需感測並計算區域中的一個物件的第一移動向量，並且計算第一移動向量與相同區域中的其他無標籤式定位裝置所提供的另一物件的第二移動向量間的夾角，並基於此夾角來辨識兩個物件是否為相同(即，是否為同一目標人員)，再對此目標人員進行追蹤。

以標籤式定位裝置為例。目標人員可隨身配載無線感應標籤，如Wi-Fi標籤、藍牙標籤、超寬頻(Ultra-Wideband, UWB)標籤等，但不以此為限。所述標籤可發射訊號至區域內的複數個定位裝置42，複數個定位裝置42可以協作(co-work)的方式執行適當的訊號處理及演算法，以計算目標人員的所在位置。

請同時參閱圖3A及圖3B，分別為本發明的定位示意圖的第一具體實施例與第二具體實施例。

圖3A揭露了一種到達角度(Angle of Arrival, AOA)的定位演算法的示意圖。如圖3A所示，多個定位裝置42間可建立一條虛擬的定位基線，並且各個定位裝置42分別計算目標人員6與定位裝置42的連線與所述定位基線間的夾角A1、A2，並且藉由所述夾角A1、A2以及各定位裝置42本身的位置座標來計算出目標人員6的位置座標。

於一實施例中，各個定位裝置42可依據所計算出的上述夾角A1、A2來計算目標人員6的位置座標後，再將目標人員6的上述移動資訊上傳給智慧建築套件3。於另一實施例中，各個定位裝置42上傳給智慧建築套件3的移動資訊中可包含上述的夾角A1、A2，藉此由智慧建築套件3基於所述夾角A1、A2以及各定位裝置42的位置座標來計算目標人員6的位置座標，但不加以限定。

若採用所述AOA的定位演算法，則同一區域中只需要具有兩個定位裝置42，就可以準確算出目標人員6的平面位置座標(即，X軸座標(X₀ )及Y軸座標(Y₀ ))。並且，本發明中的Z軸座標是以建築物的樓層為基準，因此目標人員6的Z軸座標相等於定位裝置42的Z軸座標。

圖3B揭露了一種到達時間(Time of Arrival, TOA)的定位演算法的示意圖。如圖3B所示，相同區域中的多個定位裝置42可分別基於訊號強度計算與目標人員6間的距離D1、D2、D3，並且再藉由這些距離D1、D2、D3以及各定位裝置42本身的位置座標來計算出目標人員6的位置座標。

於一實施例中，各個定位裝置42可在依據上述距離D1、D2、D3計算出目標人員6的位置座標後，再將目標人員6的移動資訊上傳給智慧建築套件3。於另一實施例中，各個定位裝置42上傳給智慧建築套件3的移動資訊中可包含上述的距離D1、D2、D3，藉此由智慧建築套件3基於所述距離D1、D2、D3以及各個定位裝置42的設置座標計算出目標人員6的位置座標。

若採用所述TOA的定位演算法，則同一區域中至少需要具有三個定位裝置42，才能計算出目標人員6的平面位置座標。同樣的，目標人員6的Z軸座標相等於定位裝置42的Z軸座標。

值得一提的是，無論是影像式定位裝置、標籤式定位裝置或是無標籤式定位裝置，皆可採用所述AOA定位演算法與TOA定位演算法。

具體地，若影像式定位裝置或無標籤式定位裝置中配置有多個接收天線，則可採用AOA定位演算法及TOA定位演算法來直接計算目標人員6的相關資訊。然而，由於影像式定位裝置與無標籤式定位裝置無法直接得到目標人員6的身份，因此必須通過相關演算法來進行身份的推估，以對目標人員6進行追蹤。例如，此類定位裝置42可以透過向量內積來計算出前、後兩個時間段的兩個移動向量間的夾角，並且基於直線行進的假設，當所述夾角小於某個預設值時，判斷兩個移動向量屬於同一目標人員6。

不同定位裝置的主要差異在於，標籤式定位裝置可以在讀取目標人員身上攜載的標籤後直接得到目標人員的身份，因此由標籤式定位裝置所提供的資訊的參考信心指數會高於由影像式定位裝置以及無標籤式定位裝置所提供的資訊的參考信心指數(容後詳述)。

上述AOA定位演算法、TOA定位演算法以及向量內積的計算方式為相關領域中經常使用的計算方法，於此不再贅述。

回到圖2A。步驟S14後，智慧建築套件3可持續接收所連接的一或多個定位裝置42各自上傳的一或多個目標人員的裝置指定ID及移動資訊(步驟S16)。接著，智慧建築套件3依據複數過去時間段中各個目標人員的位置座標計算目標人員於定位裝置42的定位範圍內的移動軌跡及平均移動速度(步驟S18)。所述過去時間段指的是定位裝置42過去上傳的時間(例如三秒前、六秒前等，以此類推)。於步驟S18中，智慧建築套件3主要是取得過去幾次所接收的同一個裝置指定ID所對應的位置座標，並藉由不同時間點的多筆位置座標來計算此裝置指定ID(對應至同一個目標人員)在此定位裝置42的定位範圍內的移動軌跡及平均移動速度。

如前文中所述，當目標人員於定位裝置42的定位範圍內移動，並且離開定位範圍時，定位裝置42可同時記錄目標人員的離開定位範圍時座標。接著如圖2B所示，於步驟S18後，智慧建築套件3可依據多個裝置指定ID的離開定位範圍時座標、移動軌跡及平均移動速度，判斷所連接的多個相鄰的定位裝置42所分別上傳的多個裝置指定ID，是否對應至同一個目標人員(步驟S20)。

於一實施例中，若智慧建築套件3於分析後判斷多個裝置指定ID對應至同一個目標人員，則智慧建築套件3將多個裝置指定ID轉換為一個套件指定ID(步驟S22)。若智慧建築套件3於分析後判斷多個裝置指定ID分別對應至不同目標人員，則智慧建築套件3將多個裝置指定ID分別轉換為不同的套件指定ID(步驟S24)。

舉例來說，第一目標人員在第一區域中被第一定位裝置所定位並追蹤，其中第一定位裝置為設置在建築物二樓第一區域內的影像式定位裝置，因此第一定位裝置為第一目標人員設定第一裝置指定ID為「Video_2F_1_0001」。接著，第一目標人員在離開第一區域後，進入相鄰的第二區域並且被第二定位裝置所定位並追蹤，其中第二定位裝置為設置在第一區域旁的第二區域內的標籤式定位裝置，因此第二定位裝置為第一目標人員設定第二裝置指定ID為「Tagged_2F_2_0001」。

於此實施例中，智慧建築套件3可經過分析後得到第一裝置指定ID的移動軌跡是從第一區域朝向第二區域移動，第二裝置指定ID的移動軌跡是從第一區塊進入第二區域中，並且依據第一裝置指定ID的平均移動速度與離開定位範圍座標以及第二裝置指定ID的平均移動速度以及定位座標判斷第一裝置指定ID離開第一區域的時間及位置與第二裝置指定ID出現在第二區域的時間及位置相符。

綜上之分析，智慧建築套件3可判斷第一裝置指定ID與第二裝置指定ID對應至同一個目標人員，因此將第一裝置指定ID與第二裝置指定ID轉換為同一個套件指定ID。於一實施例中，所述智慧建築套件3可例如為用以控制建築物二樓的所有區域中的空調的空調套件，因此可為所述目標人員設定一個套件指定ID例如為「HVAC_2F_0001」。於另一實施例中，所述智慧建築套件3可例如為用以控制建築物二樓東區的其他電子設備的能源套件，因此可為所述目標人員設定一個套件指定ID例如為「ENERGY_2F_EAST_0001」。惟，上述僅為本發明的部分具體實施範例，但不應以此為限。

回到圖2B。於步驟S22或步驟S24後，智慧建築套件3可依據預設的第二上傳頻率將責任範圍中的所有區域內的一或多個目標人員的套件指定ID及移動資訊上傳至智慧建築系統2(步驟S26)。

步驟S26後，智慧建築系統2持續接收所連接的一或多個智慧建築套件3各自上傳的一或多個目標人員的套件指定ID及移動資訊(步驟S28)。相似地，智慧建築系統2可依據複數過去時間段中各個目標人員的位置座標計算目標人員於各個智慧建築套件3的責任範圍內的移動軌跡及平均移動速度(步驟S30)。所述過去時間段可為各個智慧建築套件3過去進行上傳的時間(例如三秒前、六秒前等，端看第二上傳頻率為何)。

於步驟S30中，智慧建築系統2主要是取得過去幾次所接收的各個套件指定ID的位置座標，並藉由不同時間點的位置座標來計算各個套件指定ID(對應至不同目標人員)在各個智慧建築套件3的責任範圍內(包含一或多個區域)的移動軌跡及平均移動速度。

如前文中所述，當目標人員離開一個定位裝置42的定位範圍時，定位裝置42會記錄目標人員的離開定位範圍時座標。當目標人員離開一個智慧建築套件3的責任範圍時，智慧建築套件3會將目標人員離開邊緣區域時的所述離開定位範圍時座標記錄為一個離開責任範圍時座標，藉此記錄目標人員離開責任範圍時的時間點以及位置。

於步驟S30後，智慧建築系統2可依據多個套件指定ID的離開定位範圍時座標、移動軌跡及平均移動速度判斷多個相鄰的智慧建築套件3(指責任範圍相鄰)所分別上傳的多個套件指定ID是否對應至同一個目標人員(步驟S32)。

於一實施例中，若智慧建築系統2於分析後判斷多個套件指定ID對應至同一個目標人員，則智慧建築系統2建立多個套件指定ID的資訊連結(步驟S34)，以利後續對目標人員監控或分析之用。若智慧建築系統2於分析後判斷多個套件指定ID分別對應至不同目標人員，則智慧建築系統2可分別記錄這些套件指定ID，以分別對這些目標人員進行監控與分析，而不再產生另外的ID。

本發明的整合管理系統通過定位裝置42、智慧建築套件3與智慧建築系統2來定位並追蹤建築物中的所有目標人員，目的之一在於分析建築物中各個區域內的人員的狀態(包括人數、密度、活動量等)，藉此對各個區域分別進行最適當的控制。

值得一提的是，所述智慧建築套件3可通過內部的邊緣運算模組31來執行上述的所有程序，並且智慧建築系統2可通過內部的資料處理器22來執行上述的所有程序，但並不以此為限。

請同時參閱圖4，為本發明的智慧控制流程圖的第一具體實施例。如前文所述，智慧建築套件3中具有邊緣運算模組31。在依據圖2A、圖2B所示的技術方案持續接收所連接的一或多個定位裝置42上傳的裝置指定ID以及移動資訊後，智慧建築套件3還可通過邊緣運算模組31來計算責任範圍中的一或多個區域的人員單位密度(步驟S40)以及人員活動量(步驟S42)。並且，邊緣運算模組31依據各個區域的人員單位密度以及人員活動量即時選擇對應的環境優化參數(步驟S44)，並且基於所選擇的環境優化參數來分別為各個區域執行智慧控制程序(步驟S46)。

於一實施例中，所述環境優化參數可例如為空調溫度及風扇轉速，所述智慧控制程序為空調的自動控制程序。於另一實施例中，所述環境優化參數可例如為燈光亮度，所述智慧控制程序為燈具的自動控制程序。惟，上述僅為本發明的具體實施範例，但並不以此為限。

於一實施例中，各智慧建築套件3可通過邊緣運算模組31來選擇環境優化參數並執行智慧控制程序。於圖2B的步驟S26中，各智慧建築套件3依據第二上傳頻率將邊緣運算模組31針對責任範圍中的所有區域所執行的計算與控制程序的內容全部上傳至智慧建築系統2。針對智慧建築套件3沒有處理的部分區域，智慧建築系統2會在接收上述資料後，通過資料管理器22為對應的邊緣運算模組31執行補償計算與控制程序。意即，建築物中的各個區域可由各個智慧建築套件3來分別進行智慧控制，亦可由最上層的智慧建築系統2來進行智慧控制。

值得一提的是，智慧建築系統2藉由資料處理器22接收各智慧建築套件3上傳的所有建築全域三維活動系統資訊後，除了可更新建築物內的各個區域以及各個目標人員的即時資訊外(例如儲存於所述資料管理器24的即時資料庫中)，還可將各個區域以及各個目標人員於上一個時間段的所有建築全域三維活動系統資訊加以儲存(例如儲存於所述資料管理器24的歷史資料庫中)，以備後續分析之用。

續請同時參閱圖5及圖6，其中圖5為本發明的3D座標系統示意圖的第一具體實施例，圖6為本發明的參數計算流程圖的第一具體實施例。

如圖5所示，本發明的技術方案可預先為整棟建築物5設置一個虛擬3D座標系統，此虛擬3D座標系統可以將建築物5的一樓的一側設為原點(本實施例中的原點為(0,0,1))，並且以往東方向做為X軸，以往北方向做為Y軸，並以樓層方向做為Z軸。其中，管理者可設定X軸與Y軸的變化單位(例如以每二十公分為一個單位)，並且設定Z軸的變化單位(例如以每一層樓為一個單位)。

通過虛擬3D座標系統的建立，管理者在實際安裝所述定位裝置42時，可直接設定各個定位裝置42相對於整棟建築物的位置座標。如此一來，在各個定位裝置42偵測到目標人員時，即可有效計算出目標人員於虛擬3D座標系統上的位置座標。藉此，邊緣運算模組31或資料處理器22可以藉由位置座標對建築物5內的一或多個目標人員6進行定位與追蹤。

圖6進一步揭露了一個區域內的人員單位密度以及人員活動量的計算方式。下面將以由智慧建築套件3的邊緣運算模組31來執行計算為例，進行說明，然而於由智慧建築系統2的資料處理器22來執行計算的實施例中，亦可適用相同的技術手段，後面將不再贅述。

具體地，智慧建築套件3首先取得要計算的區域的區域範圍(步驟S400)，接著由邊緣運算模組31基於區域中的所有定位裝置42所上傳的資訊計算區域中的目標人員6的總數，並且依據區域範圍以及目標人員6的總數計算此區域的人員單位密度(步驟S402)。

於一實施例中，智慧建築套件3於步驟S400中可先確認要進行計算的區域，接著依據此區域在虛擬3D座標系統上預設的區域外框的多個頂點座標來判斷區域範圍(例如圖7所示)，並且計算對應的區域面積。

並且，邊緣運算模組31進一步基於區域中的所有定位裝置42所上傳的移動資訊分別計算區域中的各個目標人員6的活動類別(步驟S420)，並且基於各個目標人員6的活動類別計算此區域的人員活動量(步驟S422)。於一實施例中，所述活動類別可例如區分為重度活動(如跑步、跳動等)、中度活動(如快走、慢跑等)、輕度活動(如行走、徘迴等)、微度活動(如睡眠、靜坐等)，但不以此為限。

於一實施例中，智慧建築套件3可以依據相同目標人員6在複數過去時間中的位置座標來計算此目標人員6的移動速度標準差。藉此，邊緣運算模組31可以依據此目標人員6的移動軌跡、平均移動速度以及移動速度標準差來執行深度學習演算法，以辨識此目標人員6的活動類別。

舉例來說，若第一目標人員在第一區域內的移動軌跡方向一致、平均移動速度中等，移動速度標準差很小，則邊緣運算模組31可以在計算後判斷第一目標人員的活動類別為「行走」。再例如，若第二目標人員在第二區域內的移動軌跡方向反復、平均移動速度偏慢，移動速度標準差很小，則邊緣運算模組31可以在計算後判斷第二目標人員的活動類別為「徘迴」。

於一實施例中，本發明的整合管理系統可以經由管理者的預先設定，為不同的活動類別設定對應的活動分數，例如重度活動的活動分數為81~100分，中度活動的活動分數為51~80分，輕度活動的活動分數為21~50分，微度活動的活動分數為0~20分。本實施例中，邊緣運算模組3可加總一個區域內的所有目標人員6的活動分數，並且除以區域內的目標人員6的總數，以取得區域內的目標人員6的平均活動分數，並且依據平均活動分數計算此區域的人員活動量。

舉例來說，整合管理系統可以經過管理者設定而將人員活動量區分成強烈、普通及緩和三個等級。若邊緣運算模組3計算一個區域內的平均活動分數為71~100分，則可認定此區域的人員活動量為強烈等級；若平均活動分數為31~70分，則可認定此區域的人員活動量為普通等級；而若平均活動分數為0~30分，則可認定此區域的人員活動量為緩和等級。

本發明中，所述環境優化參數的內容主要係與人員單位密度以及人員活動量成一定比例。以環境優化參數為空調溫度及風速為例，若人員單位密度為密集，則空調溫度較低且風速較高；若人員單位密度為鬆散，則空調溫度較高則風速較低。若人員活動量為強烈，則空調溫度較低且風速較高；若人員活動量為普通，則空調溫度及風速可皆為標準；若人員活動量為緩和，則空調溫度較高且風速較低。

惟，上述僅為本發明的部分具體實施範例，但並不以此為限。

於上述實施例中，智慧建築套件3內的邊緣運算模組31主要是依據各個區域內的人員單位密度以及人員活動量來選擇適當的環境優化參數。於其他實施例中，邊緣運算模組31可進一步考量各個區域的佔人區域百分比，並且同時基於各區域內的人員單位密度、人員活動量及佔人區域百分比來選擇適當的環境優化參數。

請參閱圖7，為本發明的區域百分比的示意圖的第一具體實施例。如圖7所示，當需要計算一個區域的佔人區域百分比時，邊緣運算模組31先取得此區域於虛擬3D座標系統上預設的區域外框的多個頂點座標510，以這些頂點座標510來判斷此區域的區域範圍51，並且計算此區域範圍51的區域面積。

接著，邊緣運算模組31取得區域內所有目標人員當前的位置座標610，並且依據這些位置座標610判斷一個人員存在範圍61。於一實施例中，所述人員存在範圍61指的是這些位置座標610所能組成的最大外框所構對的範圍。並且，邊緣運算模組31再計算此人員存在範圍61的人員存在面積。最後，邊緣運算模組31依據所述區域面積以及人員存在面積來計算佔人區域百分比，其中，佔人區域百分比主要為區域面積與人員存在面積的一比值的百分比。

本實施例中，整合管理系統可以經過管理者設定而將佔人區域百分比區分成緊張、適中及寬鬆三個等級。若邊緣運算模組3計算一個區域的佔人區域百分比為71%~100%，則可認定此區域的佔人區域百分比為緊張等級；若佔人區域百分比為31%~70%，則可認定此區域的佔人區域百分比為適中等級；而若佔人區域百分比為0%~30%，則可認定此區域的佔人區域百分比為寬鬆等級。

本發明中，所述環境優化參數的內容主要係與佔人區域百分比成一定比例。以環境優化參數為空調溫度及風速為例，若佔人區域百分比為緊張等級，則空調溫度較低且風速較高；若佔人區域百分比為適中等級，則空調溫度及風速可皆為標準；若佔人區域百分比為寬鬆等級，則空調溫度較高且風速較低。

惟，上述僅為本發明的部分具體實施範例，但並不以此為限。

於上述實施例中，智慧建築套件3內的邊緣運算模組31主要是依據各個區域內的人員單位密度、人員活動量以及佔人區域百分比來選擇適當的環境優化參數。如上所述，不同的定位裝置42所偵測並提供的移動資訊的準確率可能不同，因此於其他實施例中，邊緣運算模組31可進一步考量各個區域的區域參考信心指數，並且基於各區域的人員單位密度、人員活動量、佔人區域百分比以及區域參考信心指數來選擇適當的環境優化參數。

值得一提的是，邊緣運算模組31與資料處理器22可以選擇性的參考佔人區域百分比及區域參考信心指數中的任一項來強化環境優化參數的計算，但並不加以限定。

參閱圖8，為本發明的參數計算流程圖的第二具體實施例。本發明中，所述區域參考信心指數指的是與這個區域相關的資訊的可信程度。於一實施例中，邊緣運算模組31主要可以依據區域內的所有目標人員6的個人參考信心指數來計算此區域的區域參考信心指數。

具體地，所述區域參考信心指數包括區域指數基值、區域指數上限及區域指數下限，而所述個人參考信心指數包括個人指數基值、個人指數上限及個人指數下限。本發明中，邊緣運算模組31基於區域中的所有目標人員的個人指數基值、個人指數上限及個人指數下限來計算此區域的區域指數基值、區域指數上限及區域指數下限(容後詳述)。

如圖8所示，首先，邊緣運算模組31取得區域中各個目標人員6的目前定位方式(例如，可從目標人員6的裝置指定ID中取出所述類別碼)，並且依據目前定位方式取得對應的基值預設值及調整預設值(步驟S50)。於一實施例中，所述基值預設值可為0至1間的正整數，並且不同的定位方式可以對應至不同的基值預設值。例如，標籤式定位裝置的準確度較高，因此可將基值預設值設定為0.9；影像式定位裝置的準確度略低於標籤式定位裝置，因此可將基值預設值設定為0.8；無標籤式定位裝置的準確度最低，因此可將基值預設值設定為0.7。

於一實施例中，所述調整預設值可設定為0.1。舉例來說，當邊緣運算模組31從一影像式定位裝置取得第一筆移動資訊時，所述基值預設值以及調整預設值都不需要調整。於此情況下，邊緣運算模組31將基值預設值做為個人指數基值，接著將個人指數基值減去調整預設值以得到個人指數下限(即，0.8－0.1＝0.7)，並且將個人指數基值加上調整預設值以得到個人指數上限(即，0.8＋0.1＝0.9)。

當邊緣運算模組31接收同一目標人員6的第二筆移動資訊時，需要先對所述基值預設值以及調整預設值進行調整，以更新所述個人指數基值、個人指數下限以及個人指數上限。

如圖8所示，步驟S50後，邊緣運算模組31依據基值預設值來計算目標人員6目前的個人指數基值(步驟S52)，並且依據調整預設值來計算上限調整值及下限調整值(步驟S54)，再依據計算所得的個人指數基值、上限調整值以及下限調整值來計算目標人員6目前的個人指數上限以及個人指數下限(步驟S56)。

邊緣運算模組31通過步驟S50至步驟S56計算出區域內的所有目標人員6的個人指數基值、個人指數上限以及個人指數下限後，即可進一步依據這些個人指數基值、個人指數上限以及個人指數下限來計算此區域的區域指數基值、區域指數上限以及區域指數下限(步驟S58)。

於一實施例中，邊緣運算模組31是計算此區域內的所有目標人員6的個人指數基值的平均值，並將此平均值做為此區域的區域指數基值。於一實施例中，邊緣運算模組31是取得此區域內的所有目標人員6的個人指數上限的最大值，並以此最大值做為此區域的區域指數上限。於一實施例中，邊緣運算模組31是取得此區域內的所有目標人員6的個人指數下限的最小值，並以此最小值做為此區域的區域指數下限。

於上述實施例中，邊緣運算模組31可於區域指數基值接近區域指數上限時、接近區域指數下限時以及界於區域指數上限與區域指數下限之間時，分別選擇不同的環境優化參數。以環境優化參數為空調溫度及風速為例，邊緣運算模組31可於區域指數基值接近區域指數上限時採用較高的空調溫度及較低風速、接近區域指數下限時採用較低空調溫度及較高風速，而於界於區域指數上限與區域指數下限之間時採用標準溫度以及標準風速。惟，上述僅為本發明的具體實施範例，但並不以此為限。

若以同時參考人員單位密度、人員活動量、佔人區域百分比以及區域參考信心指數來選擇環境優化參數，且以環境優化參數為空調溫度及風速為例，則邊緣運算模組31與資料處理器22的計算結果可例如為下表所示：

No	人員單位密度	人員活動量	佔人區域百分比	區域參考信心指數	空調優化
1	密集	強烈	緊張	基值靠近下限	溫度23 風速100
2	基值居中	溫度23.5 風速90
3	基值靠近上限	溫度24 風速80
4	適中	基值靠近下限	溫度23.5 風速90
5	基值居中	溫度24 風速80
6	基值靠近上限	溫度24.5 風速70
7	寬鬆	基值靠近下限	溫度24 風速80
8	基值居中	溫度24.5 風速70
9	基值靠近上限	溫度25 風速70
10	普通	緊張	基值靠近下限	溫度25 風速90
11	基值居中	溫度25.5 風速80
12	基值靠近上限	溫度26 風速70
13	適中	基值靠近下限	溫度25.5 風速80
14	基值居中	溫度26 風速70
15	基值靠近上限	溫度26.5 風速70
16	寬鬆	基值靠近下限	溫度26 風速70
17	基值居中	溫度26.5 風速70
18	基值靠近上限	溫度26.5 風速70
19	緩和	緊張	基值靠近下限	溫度26.5 風速80
20	基值居中	溫度26.5 風速70
21	基值靠近上限	溫度26.5 風速70
22	適中	基值靠近下限	溫度26.5 風速70
23	基值居中	溫度26.5 風速70
24	基值靠近上限	溫度26.5 風速70
25	寬鬆	基值靠近下限	溫度26.5 風速70
26	基值居中	溫度26.5 風速70
27	基值靠近上限	溫度26.5 風速70

回到圖8。於上述步驟S52中，邊緣運算模組31主要先計算一個目標人員6於上一個時間段的基值預設值(對應至上一個時間段的定位方式)以及目前的基值預設值(對應至本次的定位方式)的差值，再以此差值與上一個時間段的個人指數基值的乘積來計算此目標人員6目前的個人指數基值。值得一提的是，當邊緣運算模組31第一次計算一個目標人員6的個人指數基值時，其個人指數基值相等於基值預設值。

具體地，於步驟S52中，邊緣運算模組31主要可執行下述第一公式以計算目標人員6目前的個人指數基值。所述第一公式為：

，其中Base_Index_t 為目前的個人指數基值，Base_Index_t-1 為上一個時間段的個人指數基值，Default_Base_Index_t 為目前的基值預設值，Default_Base_Index_t-1 為上一個時間段的基值預設值。

於上述步驟S54中，邊緣運算模組31是依據一個目標人員6的調整預設值、行進方向預測誤差以及預設的一個調整單位來計算所述上限調整值以及所述下限調整值。值得一提的是，當邊緣運算模組31第一次計算一個目標人員6的個人指數基值時，所述上限調整值及下限調整值皆相等於所述調整預設值。

具體地，於步驟S54中，邊緣運算模組31主要可執行下述第二公式以及第三公式，以分別計算所述上限調整值以及下限調整值。所述第二公式為：

，第三公式為：

，其中UVal_adj 為上限調整值，DVal_adj 為下限調整值，Val_Default 為調整預設值，Level_Default 為基準誤差等級，Level_Adj 為行進方向預測誤差的誤差等級，Unit_Adj 為預設的調整單位。

於上述步驟S56中，邊緣運算模組31是將一個目標人員6目前的基值預設值加上計算所得的上限調整值以產生目前的個人指數上限。並且，邊緣運算模組31是將目標人員6目前的基值預設值加上計算所得的下限調整值以產生目前的個人指數下限。

如上所述，邊緣運算模組31主要是基於調整預設值以及此目標人員6的行進方向預測誤差來計算所述上限調整值以及所述下限調整值。下面將結合實施例來對所述行進方向預測誤差進行說明。

參閱圖9，為本發明的參數計算流程圖的第三具體實施例。如圖9所示，要計算所述上限調整值以及下限調整值，首先邊緣運算模組31依據目標人員6目前的位置座標以及上一個時間段的位置座標來計算目標人員6的目前行進方向(步驟S60)。

於一實施例中，邊緣運算模組31可以依據目標人員6目前的位置座標以及複數過去時間段的位置座標來預測目標人員6於下一個時間段的行進方向(下面稱為預測行進方向)。於此實施例中，邊緣運算模組31可以依據目標人員6的目前行進方向以及上一個時間段產生的預測行進方向來計算一個行進方向預測誤差(步驟S62)，並且基於此行進方向預測誤差取得對應的一個誤差等級(步驟S64)。最後，邊緣運算模組31可基於計算所得的誤差等級來計算此目標人員6的上限調整值以及下限調整值(步驟S66)。

於一實施例中，所述目前行進方向以及預測行進方向分別包括一向量長度，此向量長度代表目標人員6於兩次上傳動作之間的移動距離。於上述步驟S62中，邊緣運算模組31計算目前行進方向與上一個時間段產生的預測行進方向間的向量夾角，並將此向量夾角做為所述行進方向預測誤差。於步驟S64中，邊緣運算模組31依據此向量夾角的大小取得對應的誤差等級，其中此誤差等級會與所述向量夾角成正比。

舉例來說，本發明的整合管理系統可以經過管理者設定，將0度的向量夾角設定為誤差等級第零級(即，無誤差)；將大於0度並小於10度的向量夾角設定為誤差等級第一級(即，誤差極小)；將大於等於10度並小於20度的向量夾角設定為誤差等級第二級；將大於等於20度並小於30度的向量夾角設定為誤差等級第三級；將大於等於30度並小於45度的向量夾角設定為誤差等級第四級；將大於等於45度的向量夾角設定為誤差等級第五級(即，誤差極大)。

於一實施例中，邊緣運算模組31可以經過設定而將誤差等級第二級設定為所述基準誤差等級，將所述調整單位設定為0.02，並據此執行所述第二公式以及第三公式以計算所述上限調整值以及下限調整值。若以基值預設值為0.8，調整預設值為0.1，調整單位為0.02為例，所述上限調整值、下限調整值、個人指數上限(下表中簡稱為上限)以及個人指數下限(下表中簡稱為下限)可經計算後如下表所示：

誤差等級	0	1	2	3	4	5
基值預設值	0.8	0.8	0.8	0.8	0.8	0.8
下限調整值	0.06	0.08	0.1	0.12	0.14	0.16
下限	0.74	0.72	0.7	0.68	0.66	0.64
上限調整值	0.14	0.12	0.1	0.08	0.06	0.04
上限	0.94	0.92	0.9	0.88	0.86	0.84

惟，上述僅為本發明的其中一個具體實施範例，但不應以此為限。

如前所述，本發明中的個人參考信心指數及區域參考信心指數指的是與各個目標人員及所在區域相關的資訊的可信程度。參考信心指數(包括個人參考信心指數及區域參數信心指數)除了基值之外，還包括上限及下限的目的在賦予參考信心指數更彈性的應用靈活度。以上述表格為例，基值是參考定位裝置42本身的精確度，而上限和下限則是參考行進方向的預測誤差。

舉例來說，在上述表格中基值皆為0.8(即，基值預設值)，誤差等級為0時的上限為0.94，下限為0.74，基值偏下限，代表可參考程度比0.8更高一些，因為行進方向預測準確，提高了可參考性；誤差等級為5時的上限為0.84，下限為0.64，基值偏上限，代表可參考程度比0.8低很多，因為行進方向預測誤差極大，降低了可參考性。

如上所述，邊緣運算模組31主要可依據目標人員6的目前行進方向與上一個時間段產生的預測行進方向來計算所述誤差等級，其中，邊緣運算模組31是依據目標人員6於複數過去時間段的目前行進方向來計算下一個時間段的預測行進方向。更具體地，各個過去時間段的目前行進方向分別具有對應的一個意圖權重(Recent Attempt Weight)，越靠近現在時間點的過去時間段所對應的意圖權重就越大，並且所有過去時間段的意圖權重的總合為一。本實施例中，邊緣運算模組31主要是計算複數過去時間段的目前行進方向與各自對應的意圖權重的乘積之總合，做為所述預測行進方向。

於一實施例中，邊緣運算模組31可依據複數過去時間段的目前行進方向來執行下述的第四公式，以計算下一個時間段的預測行進方向。第四公式可例為：

，其中V_N+1 為預測行進方向，N為複數過去時間段的數量，V_i 為過去第i時間段的目前行進方向，W_i 為過去第i時間段的意圖權重。

舉例來說，若邊緣運算模組31經過設定而基於目標人員6過去四個時段間(以第一上傳頻率為三秒為例，即三秒前、六秒前、九秒前及十二秒前)的目前行進方向來計算預測行進方向，則可計算出預測行進方向為：

，其中V₅ 為預測行進方向，V­₁ 為十二秒前的目前行方進方向，V­₂ 為九秒前的目前行方進方向，V­₃ 為六秒前的目前行方進方向，V­₄ 為三秒前的目前行方進方向。上述技術方向將時間點越靠近現在的行進方向的權重加重，可有效考量目標人員6的轉向需求，藉此降低計算所得的預測行進方向與實際行進方向之間的誤差。

具體來說，所述目前行進方向指的是上一個時間段的位置座標到目前的位置座標的向量，即

，其中V_t 為目前行進方向的向量，P_t 為目前的位置座標(即，(X_t ,Y_t ,Z_t ))，P_t-1 為上一個時間段的位置座標(即，(X_t-1 ,Y_t-1 ,Z_t-1 ))。

上述實施例是以目標人員6在平面空間(即，同一樓層內)中移動為例。而若目標人員6跨樓層移動時，因為Z軸方向的改變(即，樓層改變)，會造成移動距離的改變。因此，當定位裝置42、邊緣運算模組31或資料處理器22判斷一個目標人員6進行跨樓層移動時，需對上述計算方式進行調整。

請參閱圖10，為本發明的人員追蹤示意圖的第一具體實施例。如圖10所示，當目標人員6的位置座標顯示目標人員6從二樓的第一位置(X_t-1 ,Y_t-1 ,Z_t-1 )移動至三樓的第二位置(X_t ,Y_t ,Z_t )時，其實際的移動軌跡為第一向量V1加上第二向量V2。

然而，因為目標人員6在本實施例中執行的是跨樓層移動，因此邊緣運算模組31(或資料處理器22)實際上需要計算的是第三向量V3，也就是第一映射向量V1’與第二向量V2的和。為此，邊緣運算模組31需先求出第一映射向量V1’的起點：

，其中

為第一映射向量V1’的起點(即，(

))，L_y 為建築物的各樓層於Y軸方向的長度。

通過對目標人員6於Y軸方向的移動資訊的補償，本發明的技術方案在目標人員6進行跨樓層的移動時，仍可有效地對目標人員6進行追蹤，並計算目標人員6的移動軌跡。

值得一提的是，邊緣運算模組31除了通過意圖權重來調整預測行進方向外，還可計算複數過去時間段的目前行進方向的向量長度平均值，並依據此向量長度平均值來調整預測行進方向的向量長度(即，移動距離)。

於一實施例中，邊緣運算模組31依據複數過去時間段的目前行進方向執行下述第五公式以及第六公式，以調整計算所得的預測行進方向。所述第五公式為：

，第六公式為：

，其中L_N 為複數過去時間段的目前行進方向的向量長度平均值，N為複數過去時間段的總數，V_i 及|V_i |為過去第i時間段的目前行進方向的向量及其長度，V_Adj_N+1 為調整後的預測行進方向的向量，V_N+1 及|V_N+1 |為調整前的預測行進方向的向量及其長度。

本發明藉由目標人員6過去的行進方向及移動距離來調整邊緣運算模組31計算所得的預測行進方向及移動距離，可令預測結果更為準確。

如前文所述，智慧建築系統2的資料處理器22可將目標人員6的所有建築全域三維活動系統資訊(包括上述行進方向、預測行進方向、移動距離等)皆儲存於資料管理器24的歷史資料庫中。藉此，資料處理器22還可進一步統計出建築物5內的所有人員的移動趨勢。

舉例來說，若歷史資訊顯示在傍晚06:00至06:30之間，建築物5(以十層樓的建築物為例)內的人員有一百名會從各個樓層分別移動至位於三樓的健身房，其中從一樓出發的有四十人、從五樓出發的有十人、從六樓出發的有三十人、從八樓出發的有二十人，從其他樓層出發的為零人。於此實施例中，資料處理器22可以依據歷史資料庫中的上述建築全域三維活動系統資訊來自動進行電梯的分配與管制。

假設建築物5內共具備三部電梯，則在傍晚06:00至06:30間，資料處理器22可以自動將其中一部電梯設定為只停留一樓、三樓、五樓、六樓及八樓(即，與健身房相關的樓層)，而另外兩部電梯設定為只停留十樓、九樓、七樓、四樓、二樓及一樓(即，與健身房無關的樓層)。如此一來，可以有效加速運輸下班的人潮，而不受健身房的影響。

另外，資料處理器22還可依據歷史資料庫中的上述建築全域三維活動系統資訊來統計與三樓健身房相關的人員的相關資訊。藉此，建築物5的管理人員可以提供商業行銷資訊給健身房業者，使其了解會員客源(於上述實施例中，60%為建築物5內部人員，40%為建築物5外部人員)。並且，健身房業者還可基於這些資訊來分析其他樓層(即十樓、九樓、七樓、四樓與二樓)沒有會員的原因，進而擬定行銷策略，拓展業務。

續請參閱圖11A及圖11B，分別為本發明的第一人員追蹤示意圖與第二人員追蹤示意圖的第二具體實施例。圖11A與圖11B藉由一個具體實施範例來說明本發明如何藉由定位裝置42、智慧建築套件3以及智慧建築系統2來追蹤目標人員6並執行智慧控制。

於圖11A、圖11B的實施例中，一建築物的二樓具有會議室、辦公區及二樓樓梯間，三樓具有三樓樓梯間、大廳及健身房。並且如圖11A、圖11B所示，整合管理系統具有設置在二樓會議室內的第一定位裝置81、第二定位裝置82及第一電力裝置91，設置在二樓辦公區內的第三定位裝置83、第四定位裝置84及第二電力裝置92，設置在二樓樓梯間的第五定位裝置85，設置在三樓樓梯間的第六定位裝置86，設置在三樓大廳的第七定位裝置87、第八定位裝置88及第三電力裝置93以及設置在三樓健身房的第九定位裝置89、第十定位裝置810及第四電力裝置94。

並且，整合管理系統具有責任範圍對應至會議室及辦公區的二樓能源套件71，責任範圍對應至二樓樓梯間及三樓樓梯間的二樓影像套件72，責任範圍對應至大廳的三樓能源套件73以及責任範圍對應至健身房的三樓空調套件74。對於整合管理系統的作動，下面將以時間點t0至時間點t12的順序來進行說明。

時間點t0：二樓能源套件71接收第一定位裝置81與第二定位裝置82上傳的關於目標人員6的資訊，利用相關演算法(例如三角定位)得出目標人員6的位置座標，並設定第一套件指定ID(例如為KE_2F_0001)。二樓能源套件71依據目標人員6的位置座標及參考信心指數基值等資料對會議室的空調與燈具進行智慧控制(例如自動開啟空調與燈具)。並且，二樓能源套件71將目標人員6的相關資訊上傳至資料處理器22，以令資料處理器22記錄二樓會議室的活動資訊。

時間點t1：二樓能源套件71接收第一定位裝置81與第二定位裝置82上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著二樓能源套件71依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t2)等資訊。同樣地，二樓能源套件71依據目標人員6的位置座標及參考信心指數基值等資料對空調與燈具進行智慧控制(例如自動調整空調溫度以及燈具亮度)，並且上傳相關資訊給資料處理器22。

時間點t2：二樓能源套件71接收第一定位裝置81與第二定位裝置82上傳的資訊，利用演算法得出目標人員6於位置P1離開會議室，並對會議室內的空調、燈具進行智慧控制(例如自動關閉空調及燈具)。同一時間，二樓能源套件71接收第三定位裝置83與第四定位裝置84上傳的資訊，利用演算法得出目標人員6的位置座標，並確認與第一定位裝置81、第二定位裝置82偵測到的為同一目標人員6，故維持使用第一套件指定ID。並且，二樓能源套件71依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t3)等資訊，並依據目標人員6的位置座標及參考信心指數基值等資料對二樓辦公區的空調與燈具進行智慧控制，並上傳相關資訊給資料處理器22，以令資料處理器22記錄辦公區的活動資訊。

時間點t3：二樓能源套件71接收第三定位裝置83與第四定位裝置84上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著二樓能源套件71依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t4)等資訊。同樣地，二樓能源套件71依據目標人員6的位置座標及參考信心指數基值等資料對辦公區的空調與燈具進行智慧控制，並且上傳相關資訊給資料處理器22。

時間點t4：二樓能源套件71接收第三定位裝置83與第四定位裝置84上傳目標人員6的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著二樓能源套件71依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t5)等資訊。同樣地，二樓能源套件71依據目標人員6的位置座標及參考信心指數基值等資料對辦公區的空調與燈具進行智慧控制，並且上傳相關資訊給資料處理器22。

時間點t5：二樓能源套件71接收第三定位裝置83與第四定位裝置84上傳的資訊，利用演算法得出目標人員6的位置座標並確認目標人員於位置P2離開了辦公區，並對辦公區內的空調、燈具進行智慧控制。同一時間，二樓影像套件72接收第五定位裝置85上傳的資訊，利用演算法得出目標人員6的位置座標，設定目標人員6的第二套件指定ID(例如為KV_2F3F_0001)，並依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t6)等資訊，並依據目標人員6的位置座標及參考信心指數基值等資料對二樓樓梯間的燈具進行智慧控制。並且，二樓影像套件72上傳目標人員6的相關資訊給資料處理器22。資料處理器22接收二樓影像套件72的相關資訊後，除了更新二樓辦公區以及二樓樓梯間的活動資訊外，還可依據上述演算法判斷第一套件指定ID(KE_2F_0001)與第二套件指定ID(KV_2F3F_0001)對應至相同的目標人員6，因此建立第一套件指定ID與第二套件指定ID的資訊連結。

時間點t6：二樓影像套件72接收第五定位裝置85上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著二樓影像套件72依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t7)等資訊。同樣地，二樓影像套件72依據目標人員6的位置座標及參考信心指數基值等資料對二樓樓梯間的燈具進行智慧控制，並上傳相關資訊給資料處理器22。

時間點t7：二樓影像套件72接收第五定位裝置85上傳的資訊，利用演算法得出目標人員6的位置座標並確認目標人員於位置P3離開了二樓樓梯間並轉向三樓，並對二樓樓梯間的燈具進行智慧控制。同一時間，二樓影像套件72接收第六定位裝置86上傳的資訊，利用演算法得出目標人員6的位置座標並確認與第五定位裝置85偵測到的為相同目標人員6，因此維持使用第二套件指定ID，並依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t8)等資訊，並依據目標人員6的位置座標及參考信心指數基值等資料對三樓樓梯間的燈具進行智慧控制。並且，二樓影像套件72上傳目標人員6的相關資訊給資料處理器22，以令資料處理器22更新二樓樓梯間及三樓樓梯間的活動資訊。

本實施例中，第五定位裝置85與第六定位裝置86主要可為影像式定位裝置。

時間點t8：二樓影像套件72接收第六定位裝置86上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著二樓影像套件72依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t9)等資訊。同樣地，二樓影像套件72依據目標人員6的位置座標及參考信心指數基值等資料對三樓樓梯間的燈具進行智慧控制，並上傳相關資訊給資料處理器22。

時間點t9：二樓影像套件72接收第六定位裝置86上傳的資訊，利用演算法得出目標人員6的位置座標並確認目標人員於位置P4離開了三樓樓梯間，並對三樓樓梯間的燈具進行智慧控制，並將相關資訊上傳給資料處理器22。同一時間，三樓能源套件73接收第七定位裝置87及第八定位裝置88上傳的資訊，利用演算法得出目標人員6的位置座標並設定第三套件指定ID(例如為KE_3F_0001)，並依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t10)等資訊，並依據目標人員6的位置座標及參考信心指數基值等資料對三樓大廳的空調與燈具進行智慧控制。並且，三樓能源套件73上傳目標人員6的相關資訊給資料處理器22。資料處理器22接收三樓能源套件73的相關資訊後，除了更新三樓樓梯間以及三樓大廳的活動資訊外，還可依據上述演算法判斷第二套件指定ID(KV_2F3F_0001)與第三套件指定ID(KE_3F_0001)對應至相同目標人員6，因此建立第二套件指定ID與第三套件指定ID的資訊連結。

時間點t10：三樓能源套件73接收第七定位裝置87與第八定位裝置88上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著三樓能源套件73依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t11)等資訊。同樣地，三樓能源套件73依據目標人員6的位置座標及參考信心指數基值等資料對大廳的空調與燈具進行智慧控制，並且上傳相關資訊給資料處理器22。

時間點t11：三樓能源套件73接收第七定位裝置87及第八定位裝置88上傳的資訊，利用演算法得出目標人員6的位置座標並確認目標人員於位置P5離開了三樓大廳，並對大廳的空調與燈具進行智慧控制，並將相關資訊上傳給資料處理器22。同一時間，三樓空調套件74接收第九定位裝置89及第十定位裝置810上傳的資訊，利用演算法得出目標人員6的位置座標並設定第四套件指定ID(例如為KH_3F_0001)，並依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向(即，位置P_t12)等資訊，並依據目標人員6的位置座標及參考信心指數基值等資料對健身房的空調與燈具進行智慧控制。並且，三樓空調套件74上傳目標人員6的相關資訊給資料處理器22。資料處理器22接收三樓空調套件74的相關資訊後，除了更新三樓大廳以及三樓健身房的活動資訊外，還可依據上述演算法判斷第三套件指定ID(KE_3F_0001)與第四套件指定ID(KH_3F_0001)對應至相同目標人員6，因此建立第三套件指定ID與第四套件指定ID的資訊連結。

時間點t12：三樓空調套件74接收第九定位裝置89與第十定位裝置810上傳的資訊，利用演算法得出目標人員6的位置座標並確認與上一個時間段為相同目標人員6。接著三樓空調套件74依據上述演算法計算目標人員6的行進方向、移動速度、預測行進方向等資訊。同樣地，三樓空調套件74依據目標人員6的位置座標及參考信心指數基值等資料對健身房的空調與燈具進行智慧控制，並且上傳相關資訊給資料處理器22。

通過本發明的上述技術方案，能夠在建築物中實現跨區域、跨樓層的人員定位與追蹤，並且依據人員的狀態(例如人數、活動量等)來對建築物中的各個區域分別進行智慧控制，以滿足使用者對於真正的智慧建築的需求。

以上所述僅為本發明之較佳具體實例，非因此即侷限本發明之專利範圍，故舉凡運用本發明內容所為之等效變化，均同理皆包含於本發明之範圍內，合予陳明。

1:雲端管理系統 2:智慧建築系統 21:設定平台 22:資料處理器 23:通訊轉換器 24:資料管理器 25:網路前台 26:手機前台 3:智慧建築套件 31:邊緣運算模組 41:電子裝置 42:定位裝置 5:建築物 51:區域範圍 510:頂點座標 6:目標人員 61:人員存在範圍 610:位置座標 71:二樓能源套件 72:二樓影像套件 73:三樓能源套件 74:三樓空調套件 81:第一定位裝置 82:第二定位裝置 83:第三定位裝置 84:第四定位裝置 85:第五定位裝置 86:第六定位裝置 87:第七定位裝置 88:第八定位裝置 89:第九定位裝置 810:第十定位裝置 91:第一電力裝置 92:第二電力裝置 93:第三電力裝置 94:第四電力裝置 S10~S34:定位與追蹤步驟 S40~S46:智慧控制步驟 S400、S402、S420、S422、S50~S58、S60~S66:計算步驟 S50~S58:計算步驟 V1、第一向量 V1’:第一映射向量 V2:第二向量 V3:第三向量

圖1為本發明的智慧建築整合管理系統的示意圖的第一具體實施例。

圖2A為本發明的第一定位與追蹤流程圖的第一具體實施例。

圖2B為本發明的第二定位與追蹤流程圖的第一具體實施例。

圖3A為本發明的定位示意圖的第一具體實施例。

圖3B為本發明的定位示意圖的第二具體實施例。

圖4為本發明的智慧控制流程圖的第一具體實施例。

圖5為本發明的3D座標系統示意圖的第一具體實施例。

圖6為本發明的參數計算流程圖的第一具體實施例。

圖7為本發明的區域百分比的示意圖的第一具體實施例。

圖8為本發明的參數計算流程圖的第二具體實施例。

圖9為本發明的參數計算流程圖的第三具體實施例。

圖10為本發明的人員追蹤示意圖的第一具體實施例。

圖11A為本發明的第一人員追蹤示意圖的第二具體實施例。

圖11B為本發明的第二人員追蹤示意圖的第二具體實施例。

1:雲端管理系統

2:智慧建築系統

21:設定平台

22:資料處理器

23:通訊轉換器

24:資料管理器

25:網路前台

26:手機前台

3:智慧建築套件

31:邊緣運算模組

41:電子裝置

42:定位裝置

Claims (20)

1. 一種智慧建築整合管理系統，包括： 至少一定位裝置，設置於一建築物內的一區域，在於該區域中偵測到至少一目標人員時為該目標人員設定一裝置指定ID，依據一取樣頻率記錄該目標人員的一移動資訊，並且依據一第一上傳頻率上傳該裝置指定ID及該移動資訊，其中該移動資訊包括該目標人員的一位置座標及一離開定位範圍時座標； 至少一智慧建築套件，連接該至少一定位裝置，持續由該定位裝置接收該目標人員的該裝置指定ID及該移動資訊，依據複數過去時間段中該目標人員的該位置座標計算該目標人員於該定位裝置的一定位範圍內的一移動軌跡及一平均移動速度，於依據該離開定位範圍時座標、該移動軌跡及該平均移動速度判斷相鄰的多個該定位裝置所上傳的多個該裝置指定ID對應至同一該目標人員時，將該多個裝置指定ID轉換為一套件指定ID，並且依據一第二上傳頻率上傳該目標人員的該套件指定ID及該移動資訊；及 一智慧建築系統，具有一資料管理器並連接該至少一智慧建築套件，持續由該智慧建築套件裝置接收該目標人員的該套件指定ID及該移動資訊，依據複數過去時間段中該目標人員的該位置座標計算該目標人員於該智慧建築套件的一責任範圍內的該移動軌跡及該平均移動速度，於依據該離開定位範圍時座標、該移動軌跡及該平均移動速度判斷相鄰的多個該智慧建築套件所上傳的多個該套件指定ID對應至同一該目標人員時，為該多個套件指定ID建立資訊連結； 其中，該智慧建築套件具有一邊緣運算模組，該邊緣運算模組依據該區域內的一人員單位密度及一人員活動量即時選擇對應的一環境優化參數以對該區域執行一智慧控制程序。
2. 如請求項1所述的智慧建築整合管理系統，其中該環境優化參數為對應至該區域的一空調溫度及一風扇轉速。
3. 如請求項1所述的智慧建築整合管理系統，其中該智慧建築套件記錄該區域相對於該建築物的一區域範圍，該邊緣運算模組依據該區域範圍及該區域內的該目標人員的總數計算該人員單位密度，並且依據該區域內的一或多個該目標人員的該移動資訊判斷各該目標人員的一活動類別，再基於各該目標人員的該活動類別計算該區域的該人員活動量。
4. 如請求項3所述的智慧建築整合管理系統，其中該建築物具有一虛擬3D座標系統，該虛擬3D座標系統以該建築物一樓的一側為原點，以往東方向做為X軸，以往北方向做為Y軸，以樓層方向做為Z軸，並且該智慧建築套件依據該區域的一預設區域外框於該虛擬3D座標系統上的多個頂點座標判斷該區域範圍並計算一區域面積。
5. 如請求項4所述的智慧建築整合管理系統，其中該智慧建築套件依據複數過去時間段中該目標人員的該位置座標計算該目標人員的一移動速度標準差，並且該邊緣運算模組依據該移動軌跡、該平均移動速度及該移動速度標準差執行一深度學習演算法以辨別該目標人員的該活動類別，其中該活動類別對應至一活動分數，該邊緣運算模組加總該區域內的所有該目標人員的該活動分數並除以該目標人員的總數以計算該區域的該人員活動量。
6. 如請求項4所述的智慧建築整合管理系統，其中該定位裝置為一影像式定位裝置、一標籤式定位裝置或一無標籤式定位裝置，該裝置指定ID由該定位裝置的一類別碼、一裝置編號、一時間戳及一流水號的至少其中之一組成，其中該類別碼用以指出該目標人員的一目前定位方式。
7. 如請求項6所述的智慧建築整合管理系統，其中該區域內具有複數該定位裝置，該複數定位裝置執行一到達角度(Angle of Arrival, AOA)演算法或一到達時間(Time of Arrival, TOA)演算法以計算該目標人員的該位置座標。
8. 如請求項6所述的智慧建築整合管理系統，其中該影像式定位裝置通過一影像辨識程序辨識該目標人員並通過一物件追蹤演算法追蹤該目標人員；該標籤式定位裝置讀取該目標人員配戴的一標籤以辨識並追蹤該目標人員；該無標籤式定位裝置感測並計算該區域中的一物件的一第一移動向量，並且計算該第一移動向量與該區域中的其他無標籤式定位裝置所提供的該物件的一第二移動向量間的一夾角，以辨識該物件為該目標人員並對該目標人員進行追蹤。
9. 如請求項6所述的智慧建築整合管理系統，其中該邊緣運算模組依據該區域內的該人員單位密度、該人員活動量及一佔人區域百分比選擇該環境優化參數。
10. 如請求項9所述的智慧建築整合管理系統，其中該邊緣運算模組基於該區域內的所有該目標人員的該位置座標判斷一人員存在範圍並計算一人員存在面積，並依據該人員存在面積與該區域面積計算該區域的該佔人區域百分比。
11. 如請求項7所述的智慧建築整合管理系統，其中該邊緣運算模組依據該區域內的該人員單位密度、該人員活動量及一區域參考信心指數選擇該環境優化參數，其中該邊緣運算模組依據該區域內的所有該目標人員的一個人參考信心指數計算該區域參考信心指數。
12. 如請求項11所述的智慧建築整合管理系統，其中該區域參考信心指數包括一區域指數基值、一區域指數上限及一區域指數下限，該個人參考信心指數包括一個人指數基值、一個人指數上限及一個人指數下限，該邊緣運算模組計算該區域內的所有該目標人員的該個人指數基值的一平均值以做為該區域指數基值、取得該區域內的所有該目標人員的該個人指數上限的一最大值以做為該區域指數上限，並取得該區域內的所有該目標人員的該個人指數下限的一最小值以做為該區域指數下限，其中該邊緣運算模組於該區域指數基值接近該區域指數上限、接近該區域指數下限以及界於該區域指數上限與該區域指數下限之間時選擇不同的該環境優化參數。
13. 如請求項12所述的智慧建築整合管理系統，其中該邊緣運算模組依據該目標人員的該目前定位方式取得對應的一基值預設值及一調整預設值，並且計算上一個時間段的該基值預設值與目前的該基值預設值間的一差值，並以該差值與上一個時間段的該個人指數基值的一乘積來計算該目標人員目前的該個人指數基值。
14. 如請求項13所述的智慧建築整合管理系統，其中該邊緣運算模組將該基值預設值加上一上限調整值以產生該個人指數上限，並將該基值預設值加上一下限調整值以產生該個人指數下限，其中該邊緣運算模組基於該調整預設值及該目標人員的一行進方向預測誤差計算該上限調整值以及該下限調整值。
15. 如請求項14所述的智慧建築整合管理系統，其中該邊緣運算模組基於該調整預設值、該行進方向預測誤差以及一調整單位來計算該上限調整值以及該下限調整值。
16. 如請求項15所述的智慧建築整合管理系統，其中該邊緣運算模組依據該目標人員目前的該位置座標及上一個時間段的該位置座標計算該目標人員的一目前行進方向，並且依據該目前行進方向與上一個時間段的一預測行進方向計算該行進方向預測誤差。
17. 如請求項16所述的智慧建築整合管理系統，其中該目前行進方向及該預測行進方向分別包括一向量長度，該行進方向預測誤差為該目前行進方向與上一個時間段的該預測行進方向間的一向量夾角，並且該邊緣運算模組依據該向量夾角的大小取得對應的該誤差等級，其中該誤差等級與該向量夾角成正比。
18. 如請求項16所述的智慧建築整合管理系統，其中該邊緣運算模組依據複數過去時間段的該目前行進方向來計算該預測行進方向，其中各個過去時間段的該目前行進方向分別具有對應的一意圖權重，越靠近現在時間段的過去時間段所對應的該意圖權重越大，並且所有過去時間段的該意圖權重的總合為一。
19. 如請求項18項所述的智慧建築整合管理系統，其中該目前行進方向及該預測行進方向分別包括一向量長度，該邊緣運算模組計算複數過去時間段的該目前行進方向的一向量長度平均值，並依據該向量長度平均值調整該預測行進方向的該向量長度。
20. 如請求項1-19中任一項所述的智慧建築整合管理系統，其中該智慧建築套件依據該第二上傳頻率上傳該邊緣運算模組針對該責任範圍中包含的所有該區域所執行的一計算與控制內容，並且該智慧建築系統通過該資料管理器為該邊緣運算模組執行一補償計算與控制程序。

Images