移动与固定感知结合的室内环境时空分布场生成方法技术

本公开涉及一种移动与固定感知结合的室内环境时空分布场生成方法，所述方法包括：利用移动式设备采集第一类环境参数数据(空间连续但时间离散)，利用固定式设备采集第二类环境参数数据(时间连续但空间离散)；根据所述第一类环境参数数据和第二类环境参数数据生成环境参数时空分布场；利用所述输出装置输出所述环境参数时空分布场。本公开实施例将移动与固定感知有机结合，实现优势互补，高效、全面、科学地获取室内环境参数在时间和空间维度的分布特征及规律，生成室内环境时空分布场，从而辅助建筑运维者进行精细化的环境调控，实现“按需供给”，最终实现环境品质和能效的双重提升。

【技术实现步骤摘要】
移动与固定感知结合的室内环境时空分布场生成方法
本公开涉及环境监控
，尤其涉及一种移动与固定感知结合的室内环境时空分布场生成方法。
技术介绍
人们有接近90％的时间在室内度过，室内环境品质直接影响着人们的舒适、健康和工作效率。近些年，随着人们生活质量的提高和对舒适健康的不断追求，室内环境参数监测的重要性越来越被行业和社会所重视，新时代的室内环境监测技术也在精细化、信息量等方面不断面临新的挑战。然而，室内环境参数在时间和空间分布上均具有很强的非均匀性，易受到多重因素(如室外气候、围护结构、环境营造末端、人员活动等)的随机影响，难以用局部、短期的监测数据准确反映其整体特征。因此，如何高效、全面、科学地获取室内环境参数的时空分布特征与规律成为现阶段室内环境监测技术发展需要解决的关键问题之一。传统的室内环境监测技术方案可分为两类：固定感知和移动感知。所谓固定感知，即在固定位置安装环境参数传感器进行长期、连续监测，其获取的数据在时间维度上可具备长周期、高密度等优势，但在空间维度上却存在不足，往往只能获得单一或少量测点的环境参数，而非整体空间的环境分布场，主要原因有二：1)若要获得精细化的空间分布特征，则需要密集地安装大量环境测点，从而导致监测成本大幅上升，可行性较低，因此实际工程中测点数量往往十分有限；2)即便不计成本，但限于安装条件等因素，实际工程中也难以在任意位置部署测点，尤其是在进深大、面积广的公共空间(如商场走廊、展览大厅、航站楼值机厅等)。所谓移动感知，即通过小车或智能移动机器人等装置搭载环境参数传感器进行移动式监测，其优势在于可对空间内各个位置进行监测，但缺点则是数据在时间维度上的不连续性，主要原因是：传感器在T时刻对某一位置进行环境监测后，T+1时刻就要移动到下一位置，通常需要间隔较长时间才能重新回到该位置，因此对于任意位置而言，所得的环境参数数据都是不连续的，无法实现高时间颗粒度的监测。此外，移动感知模式下，难以长期地一直进行监测。综上所述，传统的固定感知与移动感知方法均存在各自的优缺点，使得监测数据在时间和空间维度方面顾此失彼，难以两全。
技术实现思路
有鉴于此，本公开提出了一种移动与固定感知结合的室内环境时空分布场生成方法，应用于移动与固定感知结合的室内环境时空分布场生成系统中，所述系统包括自移动数据采集设备、固定数据采集设备、环境场生成装置及输出装置，所述方法包括：利用所述自移动数据采集设备在目标区域自移动，采集所述目标区域各个位置的第一类环境参数，并利用所述固定数据采集设备采集多个固定位置的第二类环境参数，其中，所述第一类环境参数空间连续但时间不连续，所述第二类参数时间连续但空间不连续；利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，所述环境参数时空分布场包括所述目标区域的各个位置在各个时刻的环境参数；利用所述输出装置输出所述环境参数时空分布场。在一种可能的实施方式中，所述利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，包括：利用空间插值法根据第一数量的固定位置的第二类环境参数对第二数量的目标位置的环境参数进行空间插值，确定第二数量的目标位置的实时环境参数，以得到所述目标区域的初始环境参数时空分布场，其中，所述第一数量小于所述第二数量。在一种可能的实施方式中，所述方法还包括：根据所述第一类环境参数对所述初始环境参数时空分布场进行修正，得到所述环境参数时空分布场。在一种可能的实施方式中，所述空间插值法包括反距离加权平均插值法、多项式插值法、样条函数内插法、克里格插值法、梯度平方反比法的任意一种。在一种可能的实施方式中，所述利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，包括：将第二数量的目标位置的位置坐标、第一数量的固定位置的第二类环境参数及固定位置的位置坐标输入到训练好的环境场生成模型，利用所述环境场生成模型得到所述第二数量的目标位置的实时环境参数，以得到所述目标区域的初始环境参数时空分布场，其中，所述第一数量小于所述第二数量，其中，所述环境场生成模型为机器学习模型，其中，所述机器学习模型基于回归算法、支持向量机、贝叶斯网络、决策树、随机森林、人工神经网络、遗传算法、BOOST算法、深度学习的任意一种实现。在一种可能的实施方式中，所述方法还包括：获取环境参数训练集，对预先建立的初始环境场生成模型进行训练，得到训练好的环境场生成模型，其中，所述环境参数训练集包括所述第一类环境参数及对应的位置坐标、采集时间、及第二类环境参数及对应的固定位置的位置坐标、采集时间。在一种可能的实施方式中，所述方法还包括：随环境监测的持续开展，持续扩充所述环境参数训练集，利用扩充的环境参数训练集对所述环境场生成模型进行持续训练，以实现对模型的持续更新。在一种可能的实施方式中，所述方法还包括：在初始监测阶段，控制所述自移动数据采集设备在目标区域自移动，采集各个位置的第一类环境参数；根据所述目标区域的各个位置的第一类环境参数，确定所述固定数据采集设备的多个安装位置；根据所述多个安装位置布置所述固定数据采集设备，并确定所述固定数据采集设备的位置坐标。在一种可能的实施方式中，所述自移动数据采集设备及所述固定数据采集设备均包括环境参数采集模块，用于采集实时环境参数，所述自移动数据采集设备包括：设备主体；自移动模块，设置于所述设备主体上，用于在所述目标区域自移动；定位导航模块，设置于所述设备主体上，用于确定所述自移动数据采集设备的位置坐标，并对所述自移动数据采集设备进行导航；所述环境参数采集模块，设置于所述设备主体上；数据传输模块，设置在所述设备主体上，用于传输所述第一类环境参数，和/或自移动数据采集设备的控制信号；显示模块，设置在所述设备主体上，用于显示所述第一类环境参数；处理模块，设置在所述设备主体上，用于对所述定位导航模块采集的数据进行处理，以构建所述目标区域的区域地图；电源模块，设置在所述设备主体上，用于对所述自移动数据采集设备的各个模块进行供电。在一种可能的实施方式中，所述设备主体包括设备框架，所述自移动模块包括设置在所述设备框架上的驱动子模块，所述驱动子模块包括主控单元、电机单元、机械传动单元、移动单元，所述主控单元用于控制所述电机转动，以使得所述机械传动单元带动所述移动单元进行移动、转向，所述定位导航模块包括激光雷达导航定位单元、毫米波雷达导航定位单元、红外传感导航定位单元、超声波导航定位单元、视觉导航定位单元中的一种或多种，所述环境参数采集模块包括温湿度传感器、CO2浓度传感器、PM2.5浓度传感器、甲醛浓度传感器、挥发性有机化合物VOC浓度传感器、照度传感器、噪声传感器中的一种或多种，所述环境本文档来自技高网...

【技术保护点】
1.一种移动与固定感知结合的室内环境时空分布场生成方法，其特征在于，应用于移动与固定感知结合的室内环境时空分布场生成系统中，所述系统包括自移动数据采集设备、固定数据采集设备、环境场生成装置及输出装置，所述方法包括：/n利用所述自移动数据采集设备在目标区域自移动，采集所述目标区域各个位置的第一类环境参数，并利用所述固定数据采集设备采集多个固定位置的第二类环境参数，其中，所述第一类环境参数空间连续但时间不连续，所述第二类参数时间连续但空间不连续；/n利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，所述环境参数时空分布场包括所述目标区域的各个位置在各个时刻的环境参数；/n利用所述输出装置输出所述环境参数时空分布场。/n

【技术特征摘要】
1.一种移动与固定感知结合的室内环境时空分布场生成方法，其特征在于，应用于移动与固定感知结合的室内环境时空分布场生成系统中，所述系统包括自移动数据采集设备、固定数据采集设备、环境场生成装置及输出装置，所述方法包括：
利用所述自移动数据采集设备在目标区域自移动，采集所述目标区域各个位置的第一类环境参数，并利用所述固定数据采集设备采集多个固定位置的第二类环境参数，其中，所述第一类环境参数空间连续但时间不连续，所述第二类参数时间连续但空间不连续；
利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，所述环境参数时空分布场包括所述目标区域的各个位置在各个时刻的环境参数；
利用所述输出装置输出所述环境参数时空分布场。


2.根据权利要求1所述的方法，其特征在于，所述利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，包括：
利用空间插值法根据第一数量的固定位置的第二类环境参数对第二数量的目标位置的环境参数进行空间插值，确定第二数量的目标位置的实时环境参数，以得到所述目标区域的初始环境参数时空分布场，其中，所述第一数量小于所述第二数量。


3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
根据所述第一类环境参数对所述初始环境参数时空分布场进行修正，得到所述环境参数时空分布场。


4.根据权利要求2所述的方法，其特征在于，所述空间插值法包括反距离加权平均插值法、多项式插值法、样条函数内插法、克里格插值法、梯度平方反比法的任意一种。


5.根据权利要求1所述的方法，其特征在于，所述利用所述环境场生成装置根据所述第一类环境参数及第二类环境参数生成环境参数时空分布场，包括：
将第二数量的目标位置的位置坐标、第一数量的固定位置的第二类环境参数及固定位置的位置坐标输入到训练好的环境场生成模型，利用所述环境场生成模型得到所述第二数量的目标位置的实时环境参数，以得到所述目标区域的初始环境参数时空分布场，
其中，所述第一数量小于所述第二数量，
其中，所述环境场生成模型为机器学习模型，
其中，所述机器学习模型基于回归算法、支持向量机、贝叶斯网络、决策树、随机森林、人工神经网络、遗传算法、BOOST算法、深度学习的任意一种实现。


6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
获取环境参数训练集，对预先建立的初始环境场生成模型进行训练，得到训练好的环境场生成模型，
其中，所述环境参数训练集包括所述第一类环境参...

【专利技术属性】
技术研发人员：耿阳，林波荣，庄惟敏，袁慕风，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11