• Descrizione :

Set di dati sugli edifici intelligenti

Set di dati che accompagna il documento "Real-World Data and Calibrated Simulation Suite for Offline Training of Reinforcement Learning Agents to Optimize Energy and Emission in Office Buildings" di Judah Goldfeder e John Sipple, contenente 6 anni di letture telemetriche dettagliate da 3 edifici per uffici commerciali.

• Descrizione configurazione : Building sb1

• Pagina iniziale : https://github.com/google/sbsim

• Codice sorgente : tfds.datasets.smart_buildings.Builder

• Versioni :

  • 1.0.0 (impostazione predefinita): versione iniziale.

• Dimensioni del download : Unknown size

• Dimensioni del set di dati : Unknown size

• Memorizzato automaticamente nella cache ( documentazione ): sconosciuto

• Divide :

• Struttura delle caratteristiche :

FeaturesDict({
    'action': FeaturesDict({
        'request': FeaturesDict({
            'singleActionRequests': Sequence({
                'continuousValue': Scalar(shape=(), dtype=float32),
                'deviceId': Text(shape=(), dtype=string),
                'setpointName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'singleActionResponses': Sequence({
            'additionalInfo': Text(shape=(), dtype=string),
            'request': FeaturesDict({
                'continuousValue': Scalar(shape=(), dtype=float32),
                'deviceId': Text(shape=(), dtype=string),
                'setpointName': Text(shape=(), dtype=string),
            }),
            'responseType': Text(shape=(), dtype=string),
        }),
        'timestamp': Text(shape=(), dtype=string),
    }),
    'observation': FeaturesDict({
        'request': FeaturesDict({
            'singleObservationRequests': Sequence({
                'deviceId': Text(shape=(), dtype=string),
                'measurementName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'singleObservationResponses': Sequence({
            'continuousValue': Scalar(shape=(), dtype=float32),
            'observationValid': Text(shape=(), dtype=string),
            'singleObservationRequest': FeaturesDict({
                'deviceId': Text(shape=(), dtype=string),
                'measurementName': Text(shape=(), dtype=string),
            }),
            'timestamp': Text(shape=(), dtype=string),
        }),
        'timestamp': Text(shape=(), dtype=string),
    }),
    'reward': FeaturesDict({
        'agentRewardValue': Scalar(shape=(), dtype=float32),
        'carbonEmissionWeight': Scalar(shape=(), dtype=float32),
        'carbonEmitted': Scalar(shape=(), dtype=float32),
        'electricityEnergyCost': Scalar(shape=(), dtype=float32),
        'endTimestamp': Text(shape=(), dtype=string),
        'energyCostWeight': Scalar(shape=(), dtype=float32),
        'naturalGasEnergyCost': Scalar(shape=(), dtype=float32),
        'normalizedCarbonEmission': Scalar(shape=(), dtype=float32),
        'normalizedEnergyCost': Scalar(shape=(), dtype=float32),
        'normalizedProductivityRegret': Scalar(shape=(), dtype=float32),
        'personProductivity': Scalar(shape=(), dtype=float32),
        'productivityRegret': Scalar(shape=(), dtype=float32),
        'productivityReward': Scalar(shape=(), dtype=float32),
        'productivityWeight': Scalar(shape=(), dtype=float32),
        'rewardScale': Scalar(shape=(), dtype=float32),
        'startTimestamp': Text(shape=(), dtype=string),
        'totalOccupancy': Scalar(shape=(), dtype=float32),
    }),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): None

• Figura ( tfds.show_examples ): non supportato.

• Esempi ( tfds.as_dataframe ): Mancante.

• Citazione :

// TODO(smart_buildings_dataset): BibTeX citation

smart_buildings/sb1 (configurazione predefinita)