Ho un sensore di anidride carbonica MH-Z14 e lo sto usando per provare a rilevare quando una stanza potrebbe aver bisogno di aria fresca. Ma ho anche notato che la lettura del sensore aumenta drasticamente quando un umano è presente in una stanza e soprattutto se vicino al sensore stesso.
Mi chiedo se qualcuno abbia cercato di utilizzare l'attuale valore di CO2 in una stanza per rilevare un numero approssimativo di persone in una stanza e quanto possibile e preciso potrebbe essere?
Risposte:
Il commento di @ jsotola (qualcosa del tipo: "Sembra che qualcosa che l'apprendimento automatico potrebbe fare") è probabilmente la risposta giusta, ma mi espanderò un po '.
Dipenderà almeno dai seguenti fattori:
Ho usato i dati di un sensore di CO 2 per stimare approssimativamente l'occupazione della stanza in passato per una singola stanza, non ho finito per percorrere il percorso di apprendimento automatico in quel momento, piuttosto usando cose come il tasso di cambiamento di CO 2 da dare un indicatore (più persone più rapidamente aumenta il valore). Ma se lo facessi di nuovo probabilmente inizierei a raccogliere dati da utilizzare come materiale di formazione.
Potrebbe anche valere la pena di fondere i dati con un altro sensore, ad esempio un sensore di umidità relativa poiché è probabile che anche questo aumenti allo stesso tempo.
Sembra un po 'di ricerca è stato fatto su questo già - Sensing per procura: Occupazione rivelazione basata sulla coperta di CO 2 Concentrazione descrive un modello sviluppato presso l'Università della California, Berkeley per rilevare occupazione sulla base di CO 2 concentrazione.
Proponiamo un modello di collegamento che mette in relazione le misurazioni del proxy con tassi di emissione umani sconosciuti basato su un modello basato sui dati che consiste in un sistema di Equazione differenziale differenziale parziale (PDE) - Ordinary Differential Equation (ODE).
Il loro modello è apparentemente più preciso di altri modelli di apprendimento automatico che hanno testato:
L'inferenza del numero di occupanti nella stanza in base alle misurazioni di CO2 in corrispondenza delle prese d'aria di ritorno e di alimentazione dell'aria rilevando per proxy supera una gamma di algoritmi di apprendimento automatico e raggiunge un errore quadrato medio complessivo di 0,6569 (persona frazionaria), mentre il la migliore alternativa di Bayes net è 1.2061 (persona frazionaria).
L'algoritmo 1 (p. 3) nel documento può dare alcune indicazioni su come implementare un sistema simile al loro, il che sembra sorprendentemente affidabile data la natura semplicistica del sensore di CO 2 .