自然通风学校建筑中用于人员检测的 CO2 空间特征
机器学习
2024-07-02 v2 信号处理
摘要
准确的人员信息有助于提高建筑能源效率和居住者舒适度。基于 CO2 传感器的人员检测方法因其低成本和低侵入性而受到关注。在自然通风建筑中，由于复杂的通风行为和难以测量通过窗户的实际空气交换，相关研究中基于 CO2 的人员检测准确率通常较低。在本研究中，我们提出了两种基于 CO2 浓度空间分布用于人员检测的新特征。在使用支持向量机（SVM）作为分类器进行定量分析后发现，与基线相比，自然通风房间中的人员状态检测准确率可提高多达 14.8 个百分点，达到 83.2%（F1 分数 0.84），且无需任何通风信息。有了通风信息，准确率达到 87.6%（F1 分数 0.89）。人员数量检测的性能相较于基线显著提高了多达 25.3 个百分点，达到 56%，均方根误差（RMSE）为 11.44 人，仅使用与 CO2 相关的特征。额外的通风信息进一步将性能提升至 61.8%（RMSE 9.02 人）。通过纳入空间特征，仅使用与 CO2 相关特征的模型显示出与包含额外通风信息的模型相似的性能，从而为自然通风建筑提供了一种更好的低成本人员检测方法。
引用
@article{arxiv.2403.06643,
title = {Spatial features of CO2 for occupancy detection in a naturally ventilated school building},
author = {Qirui Huang and Marc Syndicus and Jérôme Frisch and Christoph van Treeck},
journal= {arXiv preprint arXiv:2403.06643},
year = {2024}
}
备注
Indoor Environments, Volume 1, Issue 3, 2024, 100018, ISSN 2950-3620