Có thể sử dụng cảm biến CO2 để phát hiện có bao nhiêu người trong phòng?

Tôi có cảm biến Carbon Dioxide MH-Z14 và đã sử dụng nó để thử và phát hiện khi nào một căn phòng có thể cần một chút không khí trong lành. Nhưng, tôi cũng nhận thấy rằng cảm biến đọc tăng mạnh khi con người có mặt trong phòng và đặc biệt là nếu gần với cảm biến.

Tôi tự hỏi liệu có ai cố gắng sử dụng giá trị CO2 hiện tại trong phòng để phát hiện số người gần đúng trong phòng không và làm thế nào có thể và chính xác?

Nhận xét của @ jsotola (Một cái gì đó như: "Âm thanh giống như việc học máy có thể làm") có lẽ là câu trả lời đúng, nhưng tôi sẽ mở rộng thêm một chút.

Nó sẽ phụ thuộc vào ít nhất các yếu tố sau:

• Kích thước của căn phòng
• Số người
• Loại hoạt động mà mọi người đang làm
• Lượng thông gió phòng có (cửa sổ / ac / ...)
• Độ chính xác và thời gian đáp ứng của cảm biến được sử dụng
• Số lượng và vị trí của cảm biến

Tôi đã sử dụng dữ liệu từ cảm biến CO ₂ để ước tính khoảng phòng trong quá khứ cho một phòng, cuối cùng tôi không đi theo lộ trình học máy, thay vào đó sử dụng những thứ như tốc độ thay đổi CO ₂ để cung cấp một chỉ báo (càng nhiều người thì giá trị càng tăng nhanh). Nhưng nếu tôi làm lại, có lẽ tôi sẽ bắt đầu thu thập dữ liệu để sử dụng làm tài liệu đào tạo.

Cũng có thể đáng để hợp nhất dữ liệu với một cảm biến khác, ví dụ cảm biến độ ẩm tương đối vì điều này cũng có khả năng tăng cùng một lúc.

Có vẻ như một số nghiên cứu đã được thực hiện về vấn đề này - Sensing by Proxy: Phát hiện nghề nghiệp Dựa trên nồng độ CO ₂ trong nhà mô tả một mô hình được phát triển tại Đại học California, Berkeley để phát hiện sự chiếm chỗ dựa trên nồng độ CO ₂ .

Chúng tôi đề xuất một mô hình liên kết liên quan đến các phép đo proxy với tốc độ phát xạ của con người không xác định dựa trên mô hình dựa trên dữ liệu bao gồm một phương trình vi phân từng phần (PDE) được ghép nối - Hệ thống phương trình vi phân thông thường (ODE).

Mô hình của họ rõ ràng chính xác hơn các mô hình học máy khác mà họ đã thử nghiệm:

Suy luận về số lượng người trong phòng dựa trên các phép đo CO2 khi thoát khí và thoát khí bằng cách cảm nhận bằng proxy vượt trội hơn một loạt các thuật toán học máy và đạt được sai số bình phương trung bình là 0,6569 (người phân số), trong khi thay thế tốt nhất bởi Bayes net là 1.2061 (người phân số).

Thuật toán 1 (trang 3) trong bài báo có thể đưa ra một số hướng về cách triển khai một hệ thống tương tự với chúng, điều này dường như đáng tin cậy một cách đáng ngạc nhiên do tính chất đơn giản của cảm biến CO ₂ .