Данная работа посвящена изучению концепции интернета вещей, разработке и описанию сценариев и архитектуры интернета вещей для интеллектуального энергосберегающего освещения дома. В первой главе представлен обзор существующих технологий и их решений для создания энергосберегающего освещения дома. На основе проанализированных технологий было получено новое решение с использованием искусственного интеллекта. Во второй главе описан подробный макет комнаты для внедрения интеллектуального энергосберегающего освещения. Также было приведено подробное описание каждого из сценариев в виде блок-схем для полного и упрощенного макета. В результате был проведен анализ собранных данных с упрощенного макета физического уровня интернета вещей для разрабатываемой системы и для полного макета комнаты. Были рассчитаны коэффициенты подстройки по цветовой температуре и яркости, а также описаны алгоритмы искусственного интеллекта для работы системы. При анализе полученных данных использовали модели для выявления закономерностей в уже имеющихся данных и прогнозировании новых результатов. В качестве используемых методов были выбраны: деревья решений и ближайшие соседи.

The given work is devoted to the study of the concept of the Internet of Things, the development and description of scenarios and architecture of the Internet of Things for intelligent energy-efficient lighting at home. The first chapter provides an overview of technologies and their solutions for creating energy-efficient lighting at home. Based on the analyzed technologies, a new solution was obtained using artificial intelligence. The second chapter describes a detailed layout for the implementation of smart energy-efficient lighting. A detailed description of each scenario was also provided in the form of flowcharts of a complete and simplified layout. As a result, the analysis of the collected data from a simplified layout of the physical layer of the Internet of Things for the system under development and for the complete layout of the room was carried out. The coefficients of adjustment for color temperature and brightness were calculated, as well as artificial intelligence algorithms for the operation of the system. When using data analysis, models were used for current data to predict new outcomes. The following methods were chosen as the methods used: decision trees and nearest neighbors.