FlowSense：利用音频感知监测建筑通风系统中的气流

通过建筑供暖、通风与空调（HVAC）系统进行适当的室内通风，已成为日益受到关注的公共卫生问题，对人们在家庭、工作和学校中的健康与安全产生重大影响。尽管借助物联网设备和移动感知方法在提升 HVAC 系统能效与用户舒适度方面已取得诸多进展，但通风作为重要环节却较少受到关注。出于利用商用感知设备监测建筑通风系统气流的动机，我们提出 FlowSense，一种基于机器学习的算法，用于从室内空间感知的音频数据中预测气流速率。我们的机器学习技术能够预测通风口的状态——开启或关闭——以及流经 active vents 的空气速率。通过利用低通滤波器获取低频音频信号，我们构建了一个保护隐私的处理流程，其借助静音检测算法，仅在未检测到人声时才感知来自 HVAC 通风口的气流声。我们还提出最小持续感知（MPS）作为一种后处理算法，以降低来自环境噪声的干扰，包括进行中的人类对话、办公机器与交通噪声。这些技术共同保障了用户隐私并提升了 FlowSense 的鲁棒性。我们验证了该方法在设备放置于距通风口 2.25 米以内时，预测通风口状态的准确率超过 90%，预测气流速率的 MSE 为 0.96。此外，我们展示了我们的方法作为移动音频感知平台对智能手机型号、距离与朝向具有鲁棒性。最后，我们通过一项用户研究及 Google Speech Recognition 服务评估了 FlowSense 的隐私保护流程，确认用作输入数据的音频信号是不可听且不可重构的。