CN107167178B - 车内环境检测方法及检测系统 - Google Patents

Abstract

本发明公开了一种车内环境检测方法及检测系统，该车内环境检测方法包括如下步骤：采集车内传感器数据；计算直观感受模块等级和危险系数模块等级；确定直观感受模块和危险系数模块的权重并求解总体舒适度的等级；根据历史数据预测各指标趋势；将传感器数据中一种作为比较指标，其余作为参考指标，计算参考指标和比较指标的关联度，获取比较指标的预测值，并计算比较指标预测值对应的参考指标的数据，判断t时间内是否有预测值达到危险值，若没有，输出理想温湿度和总体舒适度。本发明通过传感器实时监测车内各项环境数据，计算出当前状态下车内环境的舒适程度，并根据最优环境数据给出车内环境调节的依据，便于调节以获得更好的乘车环境。

Description

车内环境检测方法及检测系统

技术领域

本发明属于智能车技术领域，即将先进的计算机技术、传感器技术、无线通信技术及嵌入式微控制技术等有效的集成应用于车内环境监测而建立的检测方法及检测系统。

背景技术

随小型家用车的普及以及自动驾驶技术的不断发展，车内环境已经成为人们常处的环境之一。传感器技术可以实现车内环境的实时监测，通过单片机处理环境数据并实现控制，并将该单片机内嵌入汽车的控制模块，可以实现对车内环境的自适应调节，即自动调节使车内环境达到对人体有益的舒适范围。

赵越等在《车内空气质量与有害气体探测方法的研究》中主要讲述了车内空气污染的现状和监测方法。该文献首先论证了对于多种气体同时监测的可实现性，然后通过分析各种类型传感器的优劣，选择了电化学传感器。其次给出了用c语言完成的信号采集，串口发送等功能的源代码并且进行了分析。同时论文中还包括了电路的设计、传感器采样放大电路和体统检测精度的设计。可是该文献没有包含其他对车内舒适度有影响的非气体因素，比如温度，湿度等，并且也没有详细的数学模型对采集到的各种数据进行融合，所以无法实现对车内整体环境的评定。

关于舒适度的评定数学模型，黄慧隆等在《高速列车旅行环境舒适度评价模型研究》中通过对乘客进行的旅行舒适度问卷调查，来对高速列车舒适度进行评价。该文献中采用因子分析和层次分析的方法构建高速列车旅行环境舒适度评价模型，进而提出了高速列车车内环境设计的相关建议和方向。其中因子分析法中将影响因素大致分为5类，分别是：空气品质、物理刺激、微小气候、公共设施以及座椅设计，之后再运用层次分析法将上述的5类影响因素车厢环境和车内设施两类，利用AHP的判断尺度构造比较判断矩阵，从而将两两比较的结果数量化进而计算出被调查人员对车厢环境和车内设施的得分情况。该文献中采样数量大，分析较详细，并且所考虑的环境影响因素较全面，但是并不能进行实时判断车内舒适度，只是经过统计被调查人的舒适度评价来建立的总体舒适度评价结果，并且对于乘坐不同车型的高速列车的乘客对舒适度评价有显著的差异，不适用于小型家用车内的实时环境监测。

目前市场上并没有一个完善的车内环境检测及处理、显示的系统，主要问题是现在汽车的自动驾驶技术尚未成熟，汽车的控制接口尚未开放，所以市场上仅有独立的温湿度检测仪器、空气净化仪器或有害气体报警装置，不能实现对车内环境从实时监测到给出总体评价和调节依据的完整系统。

发明内容

本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种车内环境检测方法及检测系统。

为了实现本发明的上述目的，本发明提供了一种车内环境检测方法，其包括如下步骤：

S1，采集车内传感器数据，或者采集车内传感器和车外的传感器数据，所述传感器包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器；

S2，利用温度传感器数据、湿度传感器数据和PM2.5传感器数据计算直观感受模块等级，利用其余有害气体检测传感器检测的数据之一和CO传感器数据计算危险系数模块等级；

S3，确定直观感受模块和危险系数模块的权重并求解总体舒适度的等级；

S4，根据历史数据预测各指标趋势：获得最近的M组检测数据，取其中N组并利用至少两种拟合方式进行拟合，取误差最小的一种拟合方式对应的拟合曲线预测各指标趋势，所述M为正整数，所述N为不大于M的正整数；

S5，将传感器数据中一种作为比较指标，其余作为参考指标，计算参考指标和比较指标的关联度，利用步骤S4获得的拟合曲线获取比较指标的预测值，然后计算比较指标的预测值对应的参考指标的数据，判断t时间内是否有预测值达到危险值，若没有，则执行步骤S6，否则，则判断比较指标与达到危险值的预测值的关联度是否大于阈值，如果大于阈值，则发出报警，否则执行步骤S6；

S6，输出温、湿度和步骤S3获得的实际的总体舒适度。

本发明通过传感器实时监测车内各项环境数据，计算出当前状态下车内环境的舒适程度，根据计算结果在手机上进行显示，并根据最优环境数据给出车内环境调节的依据，在一定程度上让用户对车内环境更为了解，便于调节以获得更好的乘车环境，从长久考虑更有利于用户的身体健康。

在本发明的一种优选实施方式中，所述计算直观感受模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级	优秀(1)	良好(2)	中等(3)	较差(4)	很差(5)
						温度	y11	y12	y13	y14	y15
湿度	y21	y22	y23	y24	y25
						PM2.5	y31	y32	y33	y34	y35

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵：

分别计算以下公式：

将矩阵X和Y转换成无量纲的实测数据矩阵A和无量纲的扩充标准值矩阵B

计算矩阵A中各行向量到矩阵B中各列向量的欧氏距离d_ij，

其中i＝1,2,3,…,n；j＝1,2,…,25，

其中最小距离对应的等级即为该模块的等级。

在本发明的另一种优选实施方式中，所述计算危险系数模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级	安全(1)	较安全(2)	较危险(3)	危险(4)	很危险(5)
						CO	y'11	y'12	y'13	y'14	y'15
空气质量	y'21	y'22	y'23	y'24	y'25

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵:

将矩阵X’和Y’转换成无量纲的实测数据矩阵A’和无量纲的实测数据矩阵B’，其中矩阵A’和矩阵B’分别通过以下公式得到

得到无量纲的实测数据及扩充标准值矩阵

计算矩阵A’中各行向量到矩阵B’中各列向量的欧氏距离d′_ij，

其中，i＝1,2,3,…,n；j＝1,2,…,25，

根据得到的危险系数模块的欧式距离d′_ij，其中最小距离对应的等级即为该模块的等级。

该方法计算较简单，并且将相同类别的因素归为一类，不涉及权重问题(单个指标的权重一般难以科学的计算出来)，增加了准确程度；将标准值进行扩充，等级划分的更为详细，判定也更为科学。

在本发明的再一种优选实施方式中，确定直观感受模块和危险系数模块的权重的方法为：

根据步骤S2中得到的n组分模块等级计算一次权重，其中直观感受模块的各等级为c11，c12，···，c1n，危险系数模块的各等级为c21，c22，···，c2n，由公式计算出各模块等级的平均值分别为x1，x2：

通过公式计算出各模块等级的方差：

求得各模块等级的变异系数：

υ_i＝s_i/x_i

对υ_i进行归一化，即可得到各模块等级的客观权重值：

本发明得到两个子模块的权重，相较于得到具体单个指标的权重，更为科学：由于单个指标在相对其他指标波动较大时，其获得的权重就会过大，不够科学，但是当把它们归类成模块后，其模块等级的变化比较稳定，对子模块的权重分配更为科学。

在本发明的再一种优选实施方式中，求解总体舒适度的等级的方法为：

评价指标的集合即为评价指标空间：A＝{直观感受模块，危险系数模块}，隶属度空间S＝{S0，S1，S2，S3，S4}＝{优秀，良好，中等，较差，极差}，求得各评价指标的权重的集合即为各评价指标权重空间W＝{w1,w2}；

确定各模块等级的标准值e_ij，具体权利要求2和3中得到的各模块等级的值为[1,25]区间内的整数值，通过线性变换

(x＝[1,25]，y＝[1,5])

即可将分模块等级映射到[1,5]区间内，即为各模块等级的标准值e_ij；

由下列公式计算：

其中r即为各评价指标的隶属度，

将各评价指标的隶属度代入如下关系式得到模糊关系矩阵：

由得到的各评价指标权重空间W＝{w1，w2}和隶属度空间S＝{S0，S1，S2，S3，S4]＝{优秀，良好，中等，较差，极差}，通过模糊综合评价矩阵S＝W*R即得到综合评价的舒适度等级。

通过划分子模块，计算总体舒适度的对象减少，简化了总体舒适度的这一计算过程。

在本发明的一种优选实施方式中，步骤S4具体包括：

每分钟得到每个评价指标在这一分钟内的一个测量平均值，在一个小时内即可得到60组实际测量平均值，每6个值中取一个值(即每隔5个点取一个实测值)，得到10个实测值(y₁，y₂，…，y₁₀)，对应x的取值为时刻值，取值范围(1，60)，单位(分钟)，将这10个实测值进行两两组合，得到5组用于求拟合直线的待定系数的数据：

依次代入y＝kx+b中可以得到下列5条直线：

y＝k₁x+b₁，y＝k₂x+b₂，y＝k₃x+b₃，y＝k₄x+b₄，y＝k₅x+b₅，

对这5条直线的k和b求平均即可得到最终的拟合直线y＝kx+b。将x＝(1，60)代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s1：

对上述所得60组实际测量平均值每5个点取一个值，在一个小时之内得到12个实测值(y₁，y₂，…，y₁₂)，将这12个实测值进行分组，每3个值为一组，得到4组用于求二次抛物线待定系数的数据：

[(x₁，y₁)(x₅，y₅)(x₉，y₉)]，[(x₂，y₂)(x₆，y₆)(x₁₀，y₁₀)]，

[(x₃，y₃)(x₇，y₇)(x₁₁，y₁₁)]，[(x₄，y₄)(x₈，y₈)(x₁₂，y₁₂)]

，依次代入二次函数y＝ax²+bx+c中可以得到4条曲线：

y＝a₁x²+b₁x+c₁

y＝a₂x²+b₂x+c₂

y＝a₃x²+b₃x+c₃

y＝a₄x²+b₄x+c₄

对这4条曲线的a、b、c求平均值：

即可得到最终的拟合曲线y＝ax²+bx+c，将x＝(1，60)代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s2：

比较方差s1和s2，取较小的方差对应的拟合曲线作为最终的各评价指标的趋势。

通过采用两种拟合方式，比较选择最优，减小误差，计算简单，并且这两种曲线比较符合各指标的真实变化情况。

在本发明的一种优选实施方式中，步骤S5具体包括：

将湿度、CO、PM2.5和空气质量分别作为参考指标，得到参考数列A_i＝{A_i1，A_i2，......，A_in}，i＝2，3，4，5，A_in为第i个参考指标对应参考数列的第n个时刻的值；将温度作为比较指标，得到比较数列A₁＝{A₁₁，A₁₂，…，A_1n}，通过下列公式得到比较数列A₁对参考数列A_i在对应时刻的关联系数：

其中，k代表时刻k＝1，2，…，n.ρ∈[0，1]为分辨系数，为两级最小差，为两级最大差，a_sn为第s个参考指标在第n个时刻的值；

计算比较数列A₁分别对参考数列A_i的关联度：

根据获得的温度趋势，求得未来某一时刻温度的预测值y₁，将预测值y₁与当前温度值y₀进行处理即可得到数据增长的百分比J，对于与温度关联的某一评价指标，通过(y_i0×J+y_i0)得到下一时刻该评价指标在温度变化影响下的预测值y_i1；求出未来t时间内的湿度、CO、PM2.5、空气质量的预测值y_i1，y_i2，......，y_i30，i＝2，3，4，5，所述t为正数；

得到预测数据后对其进行判断，若在t时间内有预测值达到危险值，先判断温度对某评价指标的关联度P_i是否大于0.5，即该指标在温度的影响下有概率P_i会达到该危险值，若P_i大于0.5，说明该评价指标在该预测时刻的实际值有P_i的可能达到该危险值，此时即可判定为危险，发出警告。

本发明以计算所得关联度判断比较指标和参考指标的相关性，更为科学，由此预测出的受比较指标影响的参考指标的变化也更为科学。

为了实现本发明的上述目的，本发明提供了一种车内环境检测系统，其包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器，所述传感器的输出端与控制器相连，所述控制器根据传感器采集的数据利用权利要求1-7之一所述的检测方法进行检测。

本发明采用极大地降低成本，并且可结合日新月异的智能车技术，内嵌入智能车内，根据模型给出的调节依据信号实现对车内环境的自适应调节，同时也可以让用户在手机上时刻掌握车内环境数据，让用户对自己所处的车内环境更加明了。

在本发明的一种优选实施方式中，温度传感器在车内和车外各设置一个，湿度传感器设置于车内，CO传感器安放在车内顶部，其余有害气体检测传感器安放在车内顶部，PM2.5传感器车内和车外各设置一个。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明车内环境检测方法的流程图；

图2是本发明一种优选实施方式中车内环境检测方法的流程图；

图3是本发明一种优选实施方式中求解子模块等级的流程图；

图4是本发明一种优选实施方式中计算总体舒适度的流程图；

图5是本发明一种优选实施方式中根据历史数据预测各指标趋势的流程图；

图6是本发明一种优选实施方式中关联度及计算并预测值预警的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本发明利用传感器采集车内环境数据，通过有线的方式传输到单片机，构建舒适度处理模型在单片机内进行舒适度的计算，并且给出自适应调节环境依据，最后可在手机端显示。

本发明提供了一种车内环境检测方法，如图1和图2所示，其包括如下步骤：

S1，采集车内传感器数据，或者采集车内传感器和车外的传感器数据，所述传感器包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器。

在本实施方式中，其余有害气体检测传感器(可以为MQ-135传感器)，主要用于检测有毒气体或者超标后对人体有害的气体，比如氨气，氮氧化合物，乙醇，芳香族化合物，硫化物，烟雾，二氧化碳之一或者其任意组合，在具体计算时，采用其余有害气体检测传感器检测的一种数据，具体可根据实际情况进行选择。

本发明中的一种优选实施方式中，主要采集的环境因素有温湿度、CO、PM2.5、其余有害气体。其中温湿度传感器由DHT11完成采集，由于车内空间在传感器的检测范围内，所以设置一个温湿度传感器，安放在车内顶部，同时由于在算法内需要对车外的温度检测判断车内温度应制冷或制热，故车外也设置一个温湿度传感器；CO检测由MQ-7传感器完成检测，设置一个安放在车内顶部；检测其余有害气体的传感器可以为MQ-135传感器，设置一个安放在车内顶部；PM2.5检测由GP2Y1010AU0F粉尘传感器完成检测，设置一个安放在车内顶部、一个安放在车外顶部，检测车内外的环境质量，据此决定汽车的循环方式。

各传感器的采样频率均为1Hz，每个传感器测得五组数据后由数学模型求平均值进行总体舒适度的评价处理，该采样频率保证车内的环境监测时延在1mi n之内。

S2，利用温度传感器数据、湿度传感器数据和PM2.5传感器数据计算直观感受模块等级，利用其余有害气体检测传感器检测的数据之一和CO传感器数据计算危险系数模块等级。

在本发明的一种优选实施方式中，如图3所示，计算直观感受模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级	优秀(1)	良好(2)	中等(3)	较差(4)	很差(5)
						温度	y11	y12	y13	y14	y15
湿度	y21	y22	y23	y24	y25
						PM2.5	y31	y32	y33	y34	y35

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵：

分别计算以下公式：

将矩阵X和Y转换成无量纲的实测数据矩阵A和无量纲的扩充标准值矩阵B

计算矩阵A中各行向量到矩阵B中各列向量的欧氏距离d_ij，

其中i＝1,2,3,…,n；j＝1,2,…,25，

其中最小距离对应的等级即为该模块的等级。

在本发明的另一种优选实施方式中，所述计算危险系数模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级	安全(1)	较安全(2)	较危险(3)	危险(4)	很危险(5)
						CO	y'11	y'12	y'13	y'14	y'15
空气质量	y'21	y'22	y'23	y'24	y'25

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵:

将矩阵X’和Y’转换成无量纲的实测数据矩阵A’和无量纲的实测数据矩阵B’，其中矩阵A’和矩阵B’分别通过以下公式得到

得到无量纲的实测数据及扩充标准值矩阵

计算矩阵A’中各行向量到矩阵B’中各列向量的欧氏距离d′_ij，

其中，i＝1,2,3,…,n；j＝1,2,…,25，

根据得到的危险系数模块的欧式距离d′_ij，其中最小距离对应的等级即为该模块的等级。

该等级的值为[1,25]区间内的整数值，通过线性变换x＝[1,25]，y＝[1,5]，即可将分模块等级映射到[1,5]区间内。

S3，确定直观感受模块和危险系数模块的权重并求解总体舒适度的等级。

如图4所示，确定直观感受模块和危险系数模块的权重的方法为：

根据步骤S2中得到的n组分模块等级计算一次权重，其中直观感受模块的各等级为c11，c12，···，c1n，危险系数模块的各等级为c21，c22，···，c2n，由公式计算出各模块等级的平均值分别为x1，x2：

通过公式计算出各模块等级的方差：

求得各模块等级的变异系数：

υ_i＝s_i/x_i

对u_i进行归一化，即可得到各模块等级的客观权重值：

求解总体舒适度的等级的方法为：

评价指标的集合即为评价指标空间：A＝{直观感受模块，危险系数模块}，隶属度空间S＝{S0，S1，S2，S3，S4}＝{优秀，良好，中等，较差，极差}，求得各评价指标的权重的集合即为各评价指标权重空间W＝{w1,w2}；

确定各模块等级的标准值e_ij，具体权利要求2和3中得到的各模块等级的值为[1,25]区间内的整数值，通过线性变换

(x＝[1,25]，y＝[1,5])

即可将分模块等级映射到[1,5]区间内，即为各模块等级的标准值e_ij；

由下列公式计算：

其中r即为各评价指标的隶属度，

将各评价指标的隶属度代入如下关系式得到模糊关系矩阵：

由得到的各评价指标权重空间W＝{w1,w2}和隶属度空间S＝{S0，S1，S2，S3，S4}＝{优秀，良好，中等，较差，极差}，通过模糊综合评价矩阵S＝W*R即得到综合评价的舒适度等级。

S4，根据历史数据预测各指标趋势：获得最近的M组检测数据，取其中N组并利用至少两种拟合方式进行拟合，取误差最小的一种拟合方式对应的拟合曲线预测各指标趋势，所述M为正整数，所述N为不大于M的正整数。

如图5所示，每分钟得到每个评价指标在这一分钟内的一个测量平均值，在一个小时内即可得到60组实际测量平均值，每6个值中取一个值(即每隔5个点取一个实测值)，得到10个实测值(y₁，y₂，…，y₁₀)，对应x的取值为时刻值，取值范围(1，60)，单位(分钟)，将这10个实测值进行两两组合，得到5组用于求拟合直线的待定系数的数据：

依次代入y-kx+b中可以得到下列5条直线：

y＝k₁x+b₁，y＝k₂x+b₂，y＝k₃x+b₃，y＝k₄x+b₄，y＝k₅x+b₅，

对这5条直线的k和b求平均即可得到最终的拟合直线y＝kx+b。将x＝(1，60)代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s1：

对上述所得60组实际测量平均值每5个点取一个值，在一个小时之内得到12个实测值(y₁，y₂，…，y₁₂)，将这12个实测值进行分组，每3个值为一组，得到4组用于求二次抛物线待定系数的数据：

依次代入二次函数y＝ax²+bx+c中可以得到4条曲线：

y＝a₁x²+b₁x+c₁

y＝a₂x²+b₂x+c₂

y＝a₃x²+b₃x+c₃

y＝a₄x²+b₄x+c₄

对这4条曲线的a、b、c求平均值：

即可得到最终的拟合曲线y＝ax²+bx+c，将x＝(1，60)代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s2：

比较方差s1和s2，取较小的方差对应的拟合曲线作为最终的各评价指标的趋势。

S5，将传感器数据中一种作为比较指标，其余作为参考指标，计算参考指标和比较指标的关联度，利用步骤S4获得的拟合曲线获取比较指标的预测值，并计算比较指标预测值对应的参考指标的数据，判断t时间内是否有预测值达到危险值，若没有，则执行步骤S6，否则，则判断比较指标与达到危险值的预测值的关联度是否大于阈值，如果大于阈值，则发出报警，否则执行步骤S6。

如图6所示，将湿度、CO、PM2.5和空气质量分别作为参考指标，得到参考数列A_i＝{A_i1，A_i2，......，A_in}，i＝2，3，4，5，将温度作为比较指标，得到比较数列A₁＝{A₁₁，A₁₂，…，A_1n}，通过下列公式得到比较数列A₁对参考数列A_i在对应时刻的关联系数：

其中，k代表时刻(k＝1，2，…，n)，ρ∈[0，1]为分辨系数，为两级最小差，为两级最大差，

计算比较数列A₁分别对参考数列A_i的关联度：

根据获得的温度趋势，求得未来某一时刻温度的预测值y₁，将预测值y₁与当前温度值y₀进行处理即可得到数据增长的百分比J，对于与温度关联的某一评价指标，通过(y_i0×J+y_i0)得到下一时刻该评价指标在温度变化影响下的预测值y_i1；求出未来t时间内的湿度、CO、PM2.5、空气质量的预测值y_i1，y_i2，......，y_i30，i＝2，3，4，5，所述t为正数；

得到预测数据后对其进行判断，若在t时间内有预测值达到危险值，先判断温度对某评价指标的关联度P_i是否大于0.5，即该指标在温度的影响下有概率P_i会达到该危险值，若P_i大于0.5，说明该评价指标在该预测时刻的实际值有P_i的可能达到该危险值，此时即可判定为危险，发出警告。

S6，输出理想温湿度和步骤S3获得的实际的总体舒适度。

本发明通过传感器实时监测车内各项环境数据，并计算出当前状态下车内环境的舒适程度，根据计算结果在手机上进行显示，并根据最优环境数据给出车内环境调节的依据，在一定程度上让用户对车内环境更为了解，便于调节以获得更好的乘车环境，从长久考虑更有利于用户的身体健康。

在本实施方式中，对舒适度评判模型所得结果输出后进行判断，若评价等级为优秀或良好，则直接进行下一次舒适度的计算准备，否则通过对实际测量的温度的判断来确定对温度和湿度的调节方式，将温湿度单位增加或减少后再次代入舒适度综合评价算法中进行舒适度等级计算，得到结果后重复上述步骤，直到舒适度等级为优秀或良好，此时输出修改后的温湿度值，将该温湿度的数值与实际温湿度的数值进行比较，大于实际数值则给出上调信号，小于则给出下调信号。对于汽车的循环方式调节依据的给出，本发明直接比较车内外PM2.5的浓度大小，如果车内高于车外，则给出调节为外循环的输出信号，否则给出调节为内循环的信号。

该调节依据仅提供温湿度和汽车循环方式的调节，即在其他环境因素不改变的条件下，计算出达到最优车内环境的范围所需的温湿度。根据人体舒适度的要求，在一般使用过程中，可以将空调的室内温度设定在：夏季26℃，冬季20℃(天气不太寒冷时18℃即可)，因此在此将温度小于20度和大于26度的环境中的温湿度进行相应的调整，直到达到良好以上的舒适度等级，据此对空调的温湿度进行调节；在汽车循环方式方面，对车内外的PM2.5数值进行比较，以此决定是车内循环还是车外循环，如果车内PM2.5数值大于或等于车外PM2.5数值，则采用车外循环；如果车内PM2.5数值小于车外PM2.5数值，则采用车内循环。

为帮助用户实时了解车内环境，本发明采用在手机APP上进行相关数据的显示。手机与单片机的数据传输由该单片机外接的蓝牙模块完成，可实现在车内或者车附近的数据传输及显示。

本发明还提供了一种车内环境检测系统，其包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器，所述传感器的输出端与控制器相连，所述控制器根据传感器采集的数据利用本发明所述的检测方法进行检测。

本发明采用极大地降低成本，并且可结合日新月异的智能车技术，内嵌入智能车内，根据模型给出的调节依据信号实现对车内环境的自适应调节，同时也可以让用户在手机上时刻掌握车内环境数据，让用户对自己所处的车内环境更加明了。

在本发明的一种优选实施方式中，温度传感器在车内和车外各设置一个，湿度传感器在车内设置，CO传感器安放在车内顶部，其余有害气体检测传感器安放在车内顶部，PM2.5传感器车内和车外各设置一个。优选地，温度传感器和湿度传感器可采用一个独立的温湿度传感器，温湿度的标准值有两组，夏天和冬天的，根据车外的温度决定使用其中的一组，具体可采用现有的设计标准或者自行设定。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (9)

1.一种车内环境检测方法，其特征在于，包括如下步骤：

S1，采集车内传感器数据，或者采集车内传感器和车外的传感器数据，所述传感器包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器；

S2，利用温度传感器数据、湿度传感器数据和PM2.5传感器数据计算直观感受模块等级，利用其余有害气体检测传感器检测的数据之一和CO传感器数据计算危险系数模块等级，所述危险系数模块等级中包括CO等级和空气质量等级；

S3，确定直观感受模块和危险系数模块的权重并求解总体舒适度的等级；

S4，根据历史数据预测各指标趋势：获得最近的M组检测数据，取其中N组并利用至少两种拟合方式进行拟合，取误差最小的一种拟合方式对应的拟合曲线预测各指标趋势，所述M为正整数，所述N为不大于M的正整数；

S5，将传感器数据中一种作为比较指标，其余作为参考指标，计算参考指标和比较指标的关联度，利用步骤S4获得的拟合曲线获取比较指标的预测值，然后计算比较指标的预测值对应的参考指标的数据，判断t时间内是否有预测值达到危险值，若没有，则执行步骤S6，否则，判断比较指标与达到危险值的预测值的关联度是否大于阈值，如果大于阈值，则发出报警，否则执行步骤S6；

S6，输出温、湿度和步骤S3获得的实际的总体舒适度。

2.根据权利要求1所述的车内环境检测方法，其特征在于，所述计算直观感受模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级 优秀 良好 中等 较差 很差 温度 y11 y12 y13 y14 y15 湿度 y21 y22 y23 y24 y25 PM2.5 y31 y32 y33 y34 y35

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵：

分别计算以下公式：

将矩阵X和Y转换成无量纲的实测数据矩阵A和无量纲的扩充标准值矩阵B

计算矩阵A中各行向量到矩阵B中各列向量的欧氏距离d_ij，

其中i＝1,2,3,…,n；j＝1,2,…,25，

其中最小距离对应的等级即为该模块的等级。

3.根据权利要求2所述的车内环境检测方法，其特征在于，所述计算危险系数模块等级的方法为：

测量n组数据后得到：

设定评价标准：

评价指标/等级 安全 较安全 较危险 危险 很危险 CO y'11 y'12 y'13 y'14 y'15 空气质量 y'21 y'22 y'23 y'24 y'25

在各评价指标的每两个等级值之间等间隔插入5个数值，最终标准值将扩展为25个数值，对应等级为[1，25]的整数，

由以上两表格分别得到实测值矩阵和扩充后参考值矩阵:

将矩阵X’和Y’转换成无量纲的实测数据矩阵A’和无量纲的实测数据矩阵B’，其中矩阵A’和矩阵B’分别通过以下公式得到

得到无量纲的实测数据及扩充标准值矩阵

计算矩阵A’中各行向量到矩阵B’中各列向量的欧氏距离d′_ij，

其中，i＝1,2,3,…,n；j＝1,2,…,25，

根据得到的危险系数模块的欧式距离d′_ij，其中最小距离对应的等级即为该模块的等级。

4.根据权利要求1所述的车内环境检测方法，其特征在于，确定直观感受模块和危险系数模块的权重的方法为：

根据步骤S2中得到的n组分模块等级计算一次权重，其中直观感受模块的各等级为c11，c12，···，c1n，危险系数模块的各等级为c21，c22，···，c2n，由公式计算出各模块等级的平均值分别为x1，x2：

通过公式计算出各模块等级的方差：

求得各模块等级的变异系数：

v_i＝s_i/x_i

对v_i进行归一化，即可得到各模块等级的客观权重值：

5.根据权利要求3所述的车内环境检测方法，其特征在于，求解总体舒适度的等级的方法为：

评价指标的集合即为评价指标空间：A＝{直观感受模块，危险系数模块}，隶属度空间S＝{S0，S1，S2，S3，S4}＝{优秀，良好，中等，较差，极差}，求得各评价指标的权重的集合即为各评价指标权重空间W＝{w1,w2}；

确定各模块等级的标准值e_ij，得到的各模块等级的值为[1,25]区间内的整数值，通过线性变换

即可将分模块等级映射到[1,5]区间内，即为各模块等级的标准值e_ij；

由下列公式计算：

其中r即为各评价指标的隶属度，

将各评价指标的隶属度代入如下关系式得到模糊关系矩阵：

由得到的各评价指标权重空间W＝{w1,w2}和隶属度空间S＝{S0，S1，S2，S3，S4}＝{优秀，良好，中等，较差，极差}，通过模糊综合评价矩阵S＝W*R即得到综合评价的舒适度等级。

6.根据权利要求1所述的车内环境检测方法，其特征在于，步骤S4具体包括：

每分钟得到每个评价指标在这一分钟内的一个测量平均值，在一个小时内即可得到60组实际测量平均值，每6个值中取一个值，得到10个实测值y₁，y₂，......，y₁₀，对应x的取值为时刻值，取值范围[1，60]，单位分钟，将这10个实测值进行两两组合，得到5组用于求拟合直线的待定系数的数据：

[(x₁，y₁)(x₆，y₆)]，[(x₂，y₂)(x₇，y₇)]，[(x₃，y₃)(x₈，y₈)]，[(x₄，y₄)(x₉，y₉)]，[(x₅，y₅)(x₁₀，y₁₀)]，依次代入y＝kx+b中可以得到下列5条直线：

y＝k₁x+b₁，y＝k₂x+b₂，y＝k₃x+b₃，y＝k₄x+b₄，y＝k₅x+b₅，

对这5条直线的k和b求平均即可得到最终的拟合直线y＝kx+b，将x＝[1，60]代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s1：

对上述所得60组实际测量平均值每5个点取一个值，在一个小时之内得到12个实测值y₁，y₂，......，y₁₂，将这12个实测值进行分组，每3个值为一组，得到4组用于求二次抛物线待定系数的数据：

[(x₁，y₁)(x₅，y₅)(x₉，y₉)]，[(x₂，y₂)(x₆，y₆)(x₁₀，y₁₀)]，[(x₃，y₃)(x₇，y₇)(x₁₁，y₁₁)]，[(x₄，y₄)(x₈，y₈)(x₁₂，y₁₂)]，依次代入二次函数y＝ax²+bx+c中可以得到4条曲线：

y＝a₁x²+b₁x+c₁

y＝a₂x²+b₂x+c₂

y＝a₃x²+b₃x+c₃

y＝a₄x²+b₄x+c₄

对这4条曲线的a、b、c求平均值：

即可得到最终的拟合曲线y＝ax²+bx+c，将x＝(1，60)代入该直线得到60个预测值(x₁，y′₁)，(x₂，y′₂)，…，(x₆₀，y′₆₀)，根据下式求出预测值与实测值的方差s2：

比较方差s1和s2，取较小的方差对应的拟合曲线作为最终的各评价指标的趋势。

7.根据权利要求1所述的车内环境检测方法，其特征在于，步骤S5具体包括：

将湿度、CO、PM2.5和空气质量分别作为参考指标，得到参考数列A_i＝{A_i1，A_i2，......，A_in}，i＝2，3，4，5，A_in为第i个参考指标对应参考数列的第n个时刻的值；将温度作为比较指标，得到比较数列A₁＝{A₁₁，A₁₂，…，A_1n}，通过下列公式得到比较数列A₁对参考数列A_i在对应时刻的关联系数：

其中，k代表时刻，k＝1，2，…，n，ρ∈[0，1]为分辨系数，为两级最小差，为两级最大差，a_sn为第s个参考指标在第n个时刻的值；

计算比较数列A₁分别对参考数列A_i的关联度：

根据获得的温度趋势，求得未来某一时刻温度的预测值y₁，将预测值y₁与当前温度值y₀进行处理即可得到数据增长的百分比J，对于与温度关联的某一评价指标，通过(y_i0×J+y_i0)得到下一时刻该评价指标在温度变化影响下的预测值y_i1；求出未来t时间内的湿度、CO、PM2.5、空气质量的预测值y_i1,y_i2,......,y_i30,i＝2,3,4,5，所述t为正数；

得到预测数据后对其进行判断，若在t时间内有预测值达到危险值，先判断温度对某评价指标的关联度P_i是否大于0.5，即该指标在温度的影响下有概率P_i会达到该危险值，若P_i大于0.5，说明该评价指标在该预测时刻的实际值有P_i的可能达到该危险值，此时即可判定为危险，发出警告。

8.一种车内环境检测系统，其特征在于，包括温度传感器、湿度传感器、PM2.5传感器、CO传感器和其余有害气体检测传感器，所述传感器的输出端与控制器相连，所述控制器根据传感器采集的数据利用权利要求1-7之一所述的检测方法进行检测。

9.根据权利要求8所述的车内环境检测系统，其特征在于，温度传感器在车内和车外各设置一个，湿度传感器设置于车内，CO传感器安放在车内顶部，其余有害气体检测传感器安放在车内顶部，PM2.5传感器车内和车外各设置一个。