我有MH-Z14 二氧化碳传感器,并一直在使用它来尝试检测房间何时可能需要新鲜空气。但是,我还注意到,当房间里有人时,尤其是靠近传感器本身时,传感器读数会急剧增加。
我想知道是否有人尝试使用房间中当前的 CO2 值来检测房间内的大致人数,以及它的可能性和准确性如何?
我有MH-Z14 二氧化碳传感器,并一直在使用它来尝试检测房间何时可能需要新鲜空气。但是,我还注意到,当房间里有人时,尤其是靠近传感器本身时,传感器读数会急剧增加。
我想知道是否有人尝试使用房间中当前的 CO2 值来检测房间内的大致人数,以及它的可能性和准确性如何?
@jsotola 的评论(类似于:“听起来像是机器学习可以做的事情”)可能是正确的答案,但我会稍微扩展一下。
它至少取决于以下因素:
过去,我曾使用 CO 2传感器的数据粗略估计单个房间的房间入住率,当时我并没有走机器学习路线,而是使用 CO 2变化率之类的东西来给出一个指标(人越多,价值上升得越快)。但如果我再做一次,我可能会开始收集数据用作培训材料。
将数据与另一个传感器融合也可能是值得的,例如相对湿度传感器,因为这也可能同时增加。
似乎已经对此进行了一些研究——代理传感:基于室内 CO 2浓度的占用检测描述了加州大学伯克利分校开发的模型,用于检测基于 CO 2浓度的占用。
我们提出了一个链接模型,该模型基于由耦合偏微分方程 (PDE) - 常微分方程 (ODE) 系统组成的数据驱动模型,将代理测量值与未知的人类排放率联系起来。
他们的模型显然比他们测试的其他机器学习模型更准确:
通过代理传感基于回风口和送风口处的 CO2 测量值推断房间内的住户人数优于一系列机器学习算法,并实现了 0.6569 的总体均方误差(分数人),而贝叶斯网络的最佳选择是 1.2061(分数人)。
论文中的算法 1 (p. 3) 可能会就如何实施与他们类似的系统提供一些指导,鉴于 CO 2传感器的简单性,这似乎非常可靠。