[发明专利]一种室内人员数量的确定方法及确定系统

说明书

本发明公开一种室内人员数量的确定方法及确定系统。确定方法包括：获取室内二氧化碳浓度测量值、室内新风量及二氧化碳浓度‑人员数量连续时间模型；对二氧化碳浓度‑人员数量连续时间模型进行反向欧拉差分处理，获得二氧化碳浓度‑人员数量离散化模型；根据室内二氧化碳浓度测量值、室内新风量及二氧化碳浓度‑人员数量离散化模型，采用最大似然估计方法确定室内人员数量的最大似然估计值。本发明提供的方法及系统，根据室内二氧化碳浓度值及室内新风量，采用最大似然估计法间接确定了室内人员的数量，不涉及模型的训练步骤和对人数统计数据的依赖性，在保证准确性的前提下可有效减小计算量，在数据缺失的情况下仍能获得较为准确的人数估计值。

技术领域

本发明涉及确定人员数量的技术领域，特别是涉及一种室内人员数量的确定方法及确定系统。

背景技术

为了准确预测室内人员的数量，近年来国内外较多学者对人行为预测进行了深入研究并建立了不同的数学模型。一些基于概率统计的模型，譬如马尔科夫链、代理模型、逻辑回归等方法被相继推出，用以模拟办公室人员在室状态。然而，以上这些模型的建立均需要大量的人数统计数据作为已知参数，前期的数据采集成为模型建立的主要难题。除此之外，鉴于设备费用或用户隐私等因素的影响，有些直接测量方法譬如图像采集等在短时间内难以实施。

环境参数作为间接测量参数也同样被用于室内人数的估算，譬如基于CO₂浓度的室内人员数量估计模型，但此模型存在估算时间延迟的弊端，且易受外界环境影响，导致模型的估算准确性较低。对此，学者们提出了一些基于人数统计数据和CO₂浓度的灰箱模型，通过模型的反复训练和迭代来提高估算的准确性。但是，反复训练和迭代必然会给运行设备带来繁重的计算负担。因此，如何提供一种计算量小、准确性高的室内人员数量确定方法及确定系统，成为本领域技术人员亟需解决的技术问题。

发明内容

本发明的目的是提供一种室内人员数量的确定方法及确定系统，在保证准确性的前提下能够有效减小计算量，利用盲识别算法在数据缺失的情况下能够获得较为准确的在室人员数量。

为实现上述目的，本发明提供了如下方案：

一种室内人员数量的确定方法，所述确定方法包括：

获取室内二氧化碳浓度测量值、室内新风量及二氧化碳浓度-人员数量连续时间模型；

对所述二氧化碳浓度-人员数量连续时间模型进行反向欧拉差分处理，获得二氧化碳浓度-人员数量离散化模型；

根据所述室内二氧化碳浓度测量值、所述室内新风量及所述二氧化碳浓度-人员数量离散化模型，采用最大似然估计方法确定室内人员数量的最大似然估计值。

可选的，所述二氧化碳浓度-人员数量连续时间模型为：

其中，表示时刻t的室内二氧化碳浓度测量值，表示时刻t的室内新风量，表示时刻t的门窗缝隙渗入风量，V表示待测房间的容积，C(t)表示时刻t的室外二氧化碳浓度值，g表示待测房间内的人均二氧化碳产生量，O(t)表示时刻t的室内人员数量，e(t)表示均值是零、方差为常数的高斯白噪音。

可选的，所述二氧化碳浓度-人员数量离散化模型为：

其中，T表示数据采集时间步长，k表示时间离散时刻，表示时间离散时刻k对应的室内二氧化碳浓度测量值，表示时间离散时刻k对应的室内新风量，表示时间离散时刻k对应的门窗缝隙渗入风量，C(k)表示时间离散时刻k对应的室外二氧化碳浓度值，O(k)时间离散时刻k对应的室内人员数量，e(k)表示均值是零、方差为常数的高斯白噪音。

一种室内人员数量的确定系统，所述确定系统包括：

输入量获取模块，用于获取室内二氧化碳浓度测量值、室内新风量及二氧化碳浓度-人员数量连续时间模型；