CN109959593B - 网络辅助式颗粒物传感器 - Google Patents
网络辅助式颗粒物传感器 Download PDFInfo
- Publication number
- CN109959593B CN109959593B CN201811557705.8A CN201811557705A CN109959593B CN 109959593 B CN109959593 B CN 109959593B CN 201811557705 A CN201811557705 A CN 201811557705A CN 109959593 B CN109959593 B CN 109959593B
- Authority
- CN
- China
- Prior art keywords
- sensor
- air quality
- information
- processor
- calibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 59
- 239000013618 particulate matter Substances 0.000 claims abstract description 161
- 238000011088 calibration curve Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 14
- 230000004044 response Effects 0.000 claims abstract description 8
- 239000003570 air Substances 0.000 claims description 87
- 238000009826 distribution Methods 0.000 claims description 18
- 239000012080 ambient air Substances 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 11
- 238000013500 data storage Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000010295 mobile communication Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 2
- 238000013442 quality metrics Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 17
- 230000003287 optical effect Effects 0.000 abstract description 17
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000007613 environmental effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 12
- 230000015654 memory Effects 0.000 description 11
- 239000000779 smoke Substances 0.000 description 7
- 235000019504 cigarettes Nutrition 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- QAOWNCQODCNURD-UHFFFAOYSA-N Sulfuric acid Chemical compound OS(O)(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-N 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000004879 turbidimetry Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00871—Communications between instruments or with remote terminals
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/0042—Investigating dispersion of solids
- G01N2015/0046—Investigating dispersion of solids in gas, e.g. smoke
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00722—Communications; Identification
- G01N35/00871—Communications between instruments or with remote terminals
- G01N2035/00881—Communications between instruments or with remote terminals network configurations
Landscapes
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明题为“网络辅助式颗粒物传感器”。装置和相关联的方法涉及一种颗粒物(PM)传感器组件,其从光学脉冲计数传感器接收PM计数值并且响应于包含传感器组件的局部区域内的最近公布的高精度空气质量信息而选择性地校准传感器特性。在说明性示例中,空气质量信息可以由各种PM监测站产生并且以例如数据流或集合公布。该传感器组件可以例如从与传感器组件的位置信息相关联的接收的空气质量信息选择特定区域的PM质量密度参考值。基于公布的空气质量信息,传感器组件可从例如一组预定校准曲线中选择校准曲线。一种移动低成本PM传感器组件可以有利地利用高成本的公布的PM空气质量信息来动态地改善局部PM测量值的准确度。
Description
技术领域
各种实施方案总体上涉及感测颗粒物。
背景技术
对与空气质量有关的空气质量和健康问题的认识正在迅速增长。可以通过检测特定体积中的颗粒物(PM)的质量来测量空气质量。一些颗粒物可以渗入人肺的气体交换区域,并且因此可以进入血流。颗粒物越小,渗入到血液中的风险就越大,并且因此健康问题的风险就越大。
因此,有关组织例如政府机构正在世界各地部署空气质量监测站。可以部署这些站以监测并测量空气传播的颗粒物。这些站的数据通常在互联网上公布。一些数据可以是粒子质量密度的量度,并且可以每单位体积的质量来测量。例如,PM 2.5指数是直径小于2.5微米的颗粒物的量度,其单位为微克/立方米。
所有颗粒物组具有大小分布。例如,来自示例性中国香烟的烟雾可以分布为约0.1μm的粒子大小。花粉大小分布通常可以落在约5μm与约75μm之间。此外,PM的大小分布可以取决于位置、一天中的时间和许多其他局部环境条件。
发明内容
装置和相关联的方法涉及一种颗粒物(PM)传感器组件,其从光学散射传感器接收PM计数值并且响应于在包含传感器组件的局部区域内的最近公布的高精度空气质量信息而选择性地校准传感器特性。在说明性示例中,空气质量信息可以由各种PM监测站产生并且以例如数据流或集合公布。该传感器组件可以例如从与传感器组件的位置信息相关联的接收的空气质量信息中选择特定区域的PM质量密度参考值。基于公布的空气质量信息,传感器组件可从例如一组预定校准曲线中选择校准曲线。一种移动低成本PM传感器组件可以有利地利用高成本的公布的PM空气质量信息来动态地改善局部PM测量值的准确度。
各种实施方案可实现一个或多个优点。例如,一些实施方案可以成本有效且高准确度地测定各种颗粒物指数(例如,PM 2.5、PM 10)。各种示例的校准和固件可以在现场更新,并且可以基于连续更新。一些示例可能接近PM污染的特定来源(例如,花粉计数)。各种示例可以是可互联网更新的传感器,并且可以与物联网(IoT)和社交物联网(SIoT)兼容。
各种实施方案的细节在附图和以下描述中阐述。其他特征和优点将根据说明书和附图以及根据权利要求书而显而易见。
附图说明
图1描绘了说明性用例场景中的示例性互联网辅助式空气质量传感器系统。
图2描绘了示例性网络辅助式颗粒物传感器的过程流程图。
图3描绘了包括在辅助式颗粒物传感器中的一组示例性校准曲线的图表视图。
各附图中的类似的参考符号表示类似的元件。
具体实施方式
为了帮助理解,本文档的组织如下。首先,参考图1简要介绍示例性互联网辅助式颗粒物(PM)传感系统。接下来,参考图2,讨论转向示出操作细节的示例性实施方案。最后,图3呈现了一组示例性校准曲线,其中一个校准曲线是基于与机构PM参考标准的相关性自动选择的。
许多低成本颗粒物传感器可以基于光学散射的原理,有时称为比浊法。使包含粒子的空气样本通过检测区,其中来自询问光束的光被颗粒散射。当粒子处于检测区时,光检测器接收散射光。在脉冲计数传感器中,光电探测器信号随着粒子进入并存在于检测区的所得增加和减少被称为光学脉冲。记录这些脉冲并且将这些脉冲用作测量颗粒物(PM)质量密度的原始数据源。在典型的工厂校准期间,产生已知质量密度的颗粒物并且使用该质量密度来校准每个传感器。每个传感器记录每单位时间的光学脉冲。这些校准在数学上将每单位时间的光学脉冲与已知的PM浓度关联。该校准过程将关于颗粒物的某些假设嵌入到所部署的传感器中。如果现实世界的颗粒物具有与在校准期间使用的颗粒物相同的大小分布、形状分布、化学组成和光学性质,则这些假设在很大程度上是正确的。然而,当真实世界颗粒物的这些(和更多)性质中的任何一个与在校准中使用的颗粒物的那些性质不同时,则假设是不正确的并且可能导致错误的质量密度读数。
在至少一个示例性方面中,校准的光学脉冲计数PM传感器可以使用每单位时间的脉冲总数,其可以针对香烟烟雾进行校准(具有绝大多数的质量是来自小于1.0μm直径的粒子)。该PM传感器可以被部署到例如西南沙漠(其中典型的真实世界的颗粒物具有来自大于1.0μm粒子的大多数质量)。在这种局部部署的环境中,香烟烟雾的工厂校准可能会导致报告PM质量密度错误地低(由于香烟烟雾的粒子质量对比西南沙漠中的粒子质量的巨大差异)。因此,各种实施方案可以包括用于传感器接收关于其局部环境的信息(例如,GPS位置、从局部EPA站报告的PM 2.5数据等)并且调整其校准系数或切换到更适合直径较大的颗粒物的单独的校准(曲线)的装置和方法。关于PM传感器的局部环境的信息可以包括至少以下三种类型的数据:(1)关于颗粒物大小分布的直接数据(例如,单独的PM2.5数据,PM2.5、PM10、PM1的组合,或PM2.5、PM10、PM1的比率),(2)附加的空气质量数据,其不直接包含颗粒物信息(例如,湿度、温度、大气压力、降雨量等),或(3)切向信息(例如,GPS数据、是否开启汽车雨刮、汽车是否越野、光学信息诸如周围环境的图片等)。
本文描述的方法和装置可以利用3种不同类型的数据来改善针对PM传感器的局部环境校准部署的PM传感器。这三种类别的不同之处在于接收的信息与部署的传感器位置中的局部颗粒物的关系的直接程度。如上面所讨论,这三种类别是:(1)关于颗粒物大小分布的直接数据(例如,单独的位置特定PM2.5数据,或PM2.5、PM10、PM1的组合),(2)附加的空气质量数据,其不直接包含颗粒物信息(例如,湿度、温度、大气压力、是否正下雨等),以及(3)切向信息(例如,GPS数据、是否开启汽车雨刮、汽车是否越野、周围环境的光学信息(图片))。下面提供针对三种类型的数据中的每一种的校准调整的示例性实施方案。某些实施方案可以利用三种数据类别的组合。
对于类别1,部署的传感器将例如从其位于西南沙漠的位置接收局部公布的PM2.5信息,并且基于使用香烟烟雾的工厂校准将接收的数据与传感器产生的PM2.5读数进行比较。当在两个读数之间的差异超过阈值时,传感器可以切换到校准,导致传感器的数据更接近地匹配局部公布的值。在一些实施方案中,这可以通过从校准曲线325移动到校准曲线305来实现(参见图3)。
对于类别2,部署的传感器接收不直接包含颗粒物信息的空气质量信息。在一些实施方案中,空气质量数据可以是局部湿度。在高湿度环境中,颗粒物可以吸附水分子,这可能具有增加粒子散射面积而不增加颗粒固体质量的趋势。由于较小的粒子呈现较大的表面积(因此超过典型的光学脉冲计数PM传感器的本底噪声),所以高湿度环境可以增加针对空气传播的颗粒的给定浓度和大小分布记录的光学脉冲数量并且可能导致错误的大PM测量值。在一些示例中,PM传感器接收部署的环境的大湿度值可以调整其校准以产生较低的PM读数。
对于类别3,部署的传感器可以接收与部署的环境中的典型颗粒物间接相关的切向信息。在示例性场景中,传感器可以接收位置信息,该位置信息将传感器可的部署的环境识别为在美国西南沙漠中的户外。在这种环境中,空气传播的颗粒物可以通过大小大于1.0μm的粒子为主。在一些实施方案中,在预期所记录的每个光学脉冲将表示比在工厂中的香烟烟雾校准记录的光学脉冲更大的质量的情况下,部署的传感器可以将其校准从校准曲线325调整到校准曲线305(图3)。
图1描绘了说明性用例场景中的示例性互联网辅助式空气质量传感器系统。用例场景100包括移动PM传感器系统105。移动PM传感器系统105可以是执行移动应用程序(app)的个人移动设备(例如,电话、平板电脑、PM传感器)。移动PM传感器系统105正在处理器110内执行空气质量应用程序。处理器110从传感器120接收传感器数据115。传感器120包括在空气质量传感器组件125内。空气质量传感器组件125包括定义一组校准曲线130的信息,该校准曲线可以存储在非易失性存储器中。处理器110还经由车载接收器140接收包含局部空气质量信息135的信号。处理器110执行指令程序以从该组校准曲线130中选择校准曲线。所选择的校准曲线中的一个可以基于空气质量信息135,例如,基于与该区域中的环境空气质量具有最大相关性(例如,最小误差)的校准函数。最后,处理器110利用来自该组校准曲线130的所选择的校准曲线根据来自传感器120的处理数据测定颗粒物浓度值145。测定的颗粒物浓度值145在移动PM传感器系统105上显示给用户。因此,由空气质量信息135辅助的移动PM传感器系统105、传感器120和该组校准曲线130可以测定可靠的空气质量值。颗粒物浓度值145可以是空气质量结果,其可以是来自该组校准曲线130的最佳校准曲线和来自传感器120的值的函数。各种实施方案可以有利地利用公布的空气质量信息来帮助实时地校准成本有效的PM传感器系统105。
移动PM传感器系统105经由网络150(例如,互联网)接收局部空气质量信息135。空气质量信息135源自局部区域空气质量监测器155。局部区域空气质量监测器155产生包含局部空气质量信息135A的信号。局部空气质量信息135A被传输到网络150。网络150上的空气质量服务器160接收局部空气质量信息135A。空气质量服务器160可以处理和格式化局部空气质量信息135A。此外,空气质量服务器160公布局部空气质量信息135B。移动PM传感器系统105经由网络150接收公布的局部空气质量信息135B。在移动PM传感器系统105内的接收器140将空气质量信息135发送到处理器110。
移动PM传感器系统105从多个区域165接收空气质量信息。全球定位系统(GPS)170向处理器110提供个人位置175。处理器110执行指令程序以基于个人位置175来选择适当的区域特定空气质量信息。
图2描绘了示例性网络辅助式颗粒物传感器的过程流程图。颗粒物传感器系统(PMSS)200包括PM感测元件205。PM感测元件205接收环境空气的样本210。例如,PM感测元件205可以是光学脉冲计数传感器。PM感测元件205产生脉冲计数读数并将该读数发送到PM测定引擎215。
PM感测元件205的各种示例可以包括有益于检测大颗粒物的感测技术,其他PM感测元件205可以包括有益于检测小颗粒物的感测技术。在一些示例中,PM感测元件205可以被实施为光度传感器。在各种实施方式中,PM感测元件205可以采用例如光度计计数技术与脉冲计数技术的组合。因此,PM感测元件205可以单独或组合地包括一个或多个其他类型的感测元件。
在一些示例中,PM感测元件205可以被实施为重量测定、谐振器或基于流量的感测元件。因此,各种类型的PM感测元件205可以例如从辅助数据中受益。例如,辅助数据可以包括局部环境湿度。局部环境湿度可以被颗粒物吸收,从而增加粒子质量。例如当湿度较高时,PMSS 200可以通过选择较粗的PM校准曲线来补偿这种影响。
区域空气质量监测器220在与PM感测元件205相同的局部地理区域中收集环境空气210的样本。区域空气质量监测器220可以产生各种空气质量参数和指数。各种空气质量参数和指数被发送到环境机构225。环境机构225可以包括在与空气质量和/或公共健康有关的各种组织的组内。从区域空气质量监测器220收集的各种空气质量参数和指数可以与来自多个区域空气质量监测器220的数据组合,并且可以被发送到环境机构225。环境机构225可以产生与由区域空气质量监测器220收集的数据有关的信息。该信息可以公布在各种公共网络上。在一些示例中,可以在互联网230上公布信息。
在各种实施方案中,PMSS 200可以直接从互联网230访问模块235中的相关公共可用空气质量信息(例如,污染数据)。在一些示例中,PMSS200可以通过与智能设备240的通信链路间接地访问模块235中的相关公共可用空气质量信息。在所描绘的示例中,模块235经由低功耗蓝牙(BLE)耦合到智能设备240。在一些示例中,耦合可以经由近场通信(NFC)或射频识别(RFID)进行。在一些示例中,耦合可以是硬连线的。
模块235还经由模块245接收关于PMSS 200的个人地理位置的信息。响应于接收PMSS 200的局部区域以及相关的公共可用空气质量信息,模块235产生各种参数数据,例如与PMSS 200的局部区域相关的粒子大小分布、粒子质量和粒子反射率。在一些示例中,可以从公共可用的空气质量站或从私人高质量空气监测站接收空气质量信息。
模块235的参数输出被输入到模块250,即,校准测定模块。在模块250中,PMSS 200测定系统校准调整。例如,在一些实施方案中,预定校准曲线族可以存储在PMSS 200内。曲线族中的每条曲线可以定义将粒子计数转换为颗粒物质量密度的传递函数。在各种实施方案中,每条曲线可以与特定范围的粒子大小相关联。因此,校准调整模块250的测定可以基于例如大小分布来选择曲线族中的曲线中的一个。
在各种实施方案中,每条曲线可以与例如粒子反射率、粒子颜色、粒子粗糙度和/或粒子化学组成的范围相关联。在每个参数示例中,模块250可以选择与从模块235接收的参数值相关联的曲线,该参数值是来自公共可用空气质量信息的污染信息中包含的特定数据。一旦将曲线与从PM感测元件205感测到的粒子计数一起供应给PM测定引擎215,就可以测定PM空气质量值260。
在一些实施方式中,可以通过从公共可用空气质量信息的污染数据接收质量密度来选择校准曲线。在此类实施方式中,校准调整测定模块250可以比较在传感器的当前平均粒子计数下评估的每条曲线的质量密度。可以选择导致最接近当前平均粒子计数的公布数据的质量密度的曲线作为有效校准曲线。
在一些实施方案中,预定校准系数族可以存储在PMSS 200内。每一组系数可以定义曲线,其可以定义将粒子计数转换为颗粒物质量密度的传递函数。如在使用曲线族的示例中,每一组系数可以与来自模块235的一个或多个参数的特定范围相关联。例如,系数可以是多项式系数。
在各种实施方案中,可以采用一个或多个参数来测定校准调整。这些参数中的一些参数用于测定要选择哪条校准曲线或使用哪一组多项式系数。这些参数中的一些参数可以提供对曲线和/或系数的调整。
各种附加的参数可以包括道路振动。道路振动可以是建筑区域的指示,其可以包括较大粒子,增加了附近的颗粒物的大小分布。例如,增加的道路振动可能促使PMSS 200内的校准调整更偏向更大的粒子大小。在一些示例中,PMSS 200可以结合GPS接收器从电子地图接收路况参数。例如,电子地图可以传输包括诸如铺砌、未铺砌或越野等道路参数的信号。
例如,各种附加的参数可以包括车辆中的“雨刮开启”信号。“雨刮开启”信号可以提供关于湿度的信息。例如,因为当存在雨水时雨刮可能是活动的,所以环境空气可能被水分饱和。因此,在各种实施方式中,PMSS 200可以处理“雨刮开启”信号,因为从例如来自网络的公布的湿度数据接收到湿度信号。在一些示例中,“雨刮开启”信号可以指示粒子从附近冲走。例如,“雨刮开启”信号可以促使PMSS 200内的调整处于更低和/或更精细的分辨率范围内。
因此,作为示例而非限制的各种附加的参数(包括温度、一天中的时间、风速、高度和气压计)可以各自对颗粒物具有独特的影响并因此对PM参数具有影响。因此,各种附加的参数中的每一个都可能影响校准调整。
在一些示例中,PMSS 200可以选择校准曲线族中的一个。在一些实施方案中,校准调整测定模块250可以使用曲线中的一个作为起始点,然后基于各种附加的参数中的一个或多个进行调整。
在模块245中,PMSS 200测定其个人地理位置。在所描绘的示例中,这可以经由集成定位接收器255(例如,GPS)来实现,或者可以经由包含定位接收器的外部智能设备(例如,240)来实现。在所描绘的示例中,模块245经由低功耗蓝牙(BLE)耦合到智能设备240。集成定位接收器255可以是蜂窝塔的开放数据库的实施方式,该蜂窝塔可以是成本有效的非GPS定位系统。智能设备(例如,240)还可以采用蜂窝塔的开放数据库的实施方式。
PM测定引擎215输入校准调整的最终测定(模块250)以及来自PM感测元件205的读数以测定空气质量值260。
图3描绘了包括在辅助式颗粒物传感器中的一组示例性校准曲线的图表视图。一组预定校准曲线300包括曲线305、310、315、320、325和330。曲线305-330中的每一个表示在原始传感器读数与校准输出质量密度值之间的传递函数。曲线305-330可以存储在空气质量传感器组件内诸如空气质量传感器组件125内的非易失性存储器(例如,图1,项目130)中。在一些示例中,曲线300可以通过实验产生,对于给定空气样本的给定粒子大小分布,每条曲线305-330表示在原始传感器读数(例如,每立方米的粒子)与质量密度(例如,每立方米的微克)之间的传递函数。
在说明性示例中,PM感测元件(诸如PM感测元件205)可以在给定的地理区域中读取每立方米50,000个粒子。根据从环境机构(诸如环境机构225)公布的、从公共网站、监测附近的环境空气(诸如环境空气210)的区域空气质量监测器(诸如区域空气质量监测器220)获取的空气质量数据,颗粒物的质量密度可以是例如500μg/m3。响应于传感器读数和来自区域空气质量监测器的空气质量数据,PMSS(诸如PMSS 200)可以选择曲线325,如图3中所描绘。因此,各种实施方案可以有利地利用公布的空气质量信息来实时动态地校准成本有效的PM感测元件。
在一些实施方案中,PM传感器系统可以将其自身的颗粒物结果与例如当天公布的局部公布的区域结果的平均值进行比较。PM传感器系统可以测定其PM浓度高于同一区域的公布的平均空气质量数据。在一些示例中,PM传感器系统可以测定其PM浓度低于同一区域的公布的平均空气质量数据。此外,传感器系统可以测定高/低浓度比较的持续时间。这些比较可以实时进行,当差异超过预定阈值时触发重新校准。当区域内的粒子大小分布改变时,可能发生重新校准。因此,PM传感器系统的一些示例可以基于与当前和区域公布的空气质量(颗粒物)数据的最佳拟合相关性来选择适当的校准曲线。
例如,由于逆风的显著工业活动,区域可能在一段时间内经历0.5μm的小粒子大小分布平均值(例如,烟雾、硫酸)。结果,可以针对低质量的此类粒子校准粒子传感器系统(例如,校准曲线330)。在某个时间点,主风可能会发生变化,并且同一区域可能现在会经历5.0μm的较大粒子大小分布(例如,水泥粉尘、沥青),这是由于逆风施工现场造成的。因为粒子传感器系统之前已经针对低质量粒子进行了校准(例如,校准曲线330),所以较大粒子的等效粒子计数可能导致质量密度太小。因此,粒子传感器系统可以经由互联网从局部空气质量测量系统接收质量密度数据,例如其高于该示例中的粒子传感器系统正报告的数据。作为响应,粒子传感器系统可以触发内部重新校准过程,导致使用不同的校准曲线(例如,校准曲线305)来估计新粒子大小分布的质量密度。
曲线305-330中的每一条可以存储在空气质量传感器组件(例如,125)内的非易失性存储器(例如,图1,项目130)中。曲线可以作为数据点存储在阵列中,这可以有利地提供越来越高的精度,因为多点被添加到阵列。在一些实施方式中,曲线可以存储为多项式系数,其可以是存储器有效的并且可以固有地提供内插结果。
虽然已参照附图描述了各种实施方案,但其他实施方案也是可能的。例如,在一些示例中,可以使用各种方法来更新PM感测系统的固件和/或校准数据。该方法可以根据例如传感器的转换原理、公开可用的空气质量信息的保真度以及对传感器准确度的期望类型的改善而变化。
在一些实施方案中,PM感测系统可以访问关于PM传感器系统被部署的区域的颗粒物污染源的公共可用数据(例如,PM大小分布、花粉含量、颗粒的化学组成)。PM感测系统可以使用公共可用数据来更新其校准常数,(从制造时保存的一组曲线中)选择校准曲线,和/或更新固件,以便显示某个区域(例如,地理户外位置、房间、汽车)中的局部PM污染的更准确和精确的读数。
在一些实施方式中,PM感测系统可以提供各种通信链路。例如,PM感测系统可以经由互联网连接来接收颗粒物信息。互联网连接可以硬连线到系统或可以是无线的。在一些实施方案中,单独的互联网连接设备(例如,膝上型电脑、移动电话、平板电脑、台式计算机)可以获得互联网特定数据并将数据中继到PM感测系统。在一些示例中,PM感测系统可以包含GPS接收器。来自GPS接收器的数据可以帮助车载处理器测定在其中比较数据的最适合的局部颗粒物站。
在各种实施方案中,PM传感器系统可以在智能恒温器(诸如恒温器)内实施,该智能恒温器包括执行预编程指令的处理器。在一些实施方式中,PM传感器系统可以是软件即服务(SaaS)解决方案的一部分。此外,PM传感器系统可以覆盖启用连接设备的基础设施。各种PM感测系统可以操纵数据以获得信息(例如,趋势、预测分析、大数据)。
在一些实施方案中,PM感测系统可以仅在与移动设备配对时才发起对其校准的更新。在此类实施方案中,移动设备可以访问公共可用的空气质量信息,并且经由通信信道(例如,BLE、NFC、RF)将该信息发送到PM传感器系统。
在一些实施方案中,来自各种网络耦合环境传感器的信息可以受益于包括网络环境信息的接收信号。例如,气体传感器系统可以从网络接收包含湿度信息的信号。气体传感器系统可以预定函数湿度信息与气体传感信息组合。例如,湿度信息与气体信息的组合可以有利地产生比单独的气体传感器信息更准确的结果。在一些示例中,湿度信息可以与温度信息组合以产生更准确的温度结果和/或产生热指数值。在各种实施方式中,大气压力可以与例如一天中的时间信息和/或风速信息组合,该信息接收自网络连接信号。因此,风速信息可以从配备有局部多普勒雷达的机构公布,并且可以与各种环境传感器信息组合以产生更准确的结果。此外,在各种实施方式中,从网络上的公布来源接收的环境参数(例如,风速、风向、位置)可以与来自环境感测元件的信号组合以产生比仅由环境感测元件产生的信号更准确的结果环境参数值。
在一些示例中,PM传感器系统可以从卫星和/或无人机接收包含航拍图像的信号。PM传感器系统可以将航拍图像与PM感测信息组合以产生更准确的PM值。在说明性示例中,由顶置式无人机在视觉上捕获的沙尘暴可以向网络发送具有强度数据和位置数据的信号。网络辅助式PM传感器系统可以接收具有沙尘暴的强度和位置数据的信号,并且可以将数据与预定函数组合以在沙尘暴的位置产生更准确的颗粒物质量密度值。
在一个示例性方面中,一种装置可以估计混合在气态流体中的物质的量的量度。该装置可以包括颗粒物(PM)传感器,其适于对环境空气进行采样并响应于采样的环境空气的测量值而产生局部测量数据信号;以及处理器,其可操作地耦合到PM传感器以接收局部测量数据信号。第一数据存储装置可操作地耦合到处理器并且包含与PM传感器相关联的多个预定校准曲线,多条校准曲线中的每一条定义校准函数以基本上补偿在由PM传感器对环境空气进行采样时适用的参数条件的操作点周围的局部测量数据信号的准确度的非理想性。该装置还可以包括:接收模块,其可操作地耦合到处理器并且被配置为接收指示包含PM传感器和参考空气质量感测站的地理区域中的参考空气质量感测站处的空气质量的公布的参考信息信号;和第二数据存储装置,其可操作地耦合到处理器并且包含指令程序,该指令程序在由处理器执行时促使处理器执行操作以响应于公布的参考信息信号而自动地校准局部测量数据信号。该操作可以包括:(i)从接收的公布的参考信息信号,测定在由PM传感器对环境空气进行采样时适用的参数条件的估计操作点;(ii)基于测定的操作点来选择多个预定校准曲线中的一个;以及(iii)使用应用于局部测量数据信号的所选择的预定校准曲线产生空气质量度量信号显示在显示设备上。
在一些实施方案中,PM传感器可以包括光学脉冲计数感测元件、重量感测元件、基于谐振器的感测元件或基于流量的感测元件。PM传感器可以是便携式的,并且可以可操作地耦合到手持式移动通信设备,其中接收模块形成在手持式移动通信设备中。
该装置还可以包括位置测定模块,其可操作地耦合以向处理器提供关于PM传感器的地理位置的信息。该操作还可以包括:(iv)用接收模块接收关于至少一个附加的空气质量感测站的信息;以及(v)从参考空气质量感测站和至少一个附加的空气质量感测站中选择包含PM传感器和参考空气质量感测站的地理区域中的参考空气质量感测站中的一个。
在由PM传感器对环境空气进行采样时适用的参数条件可以包括被采样的环境空气的湿度。
实施方案的一些方面可以实现为计算机系统。例如,各种实施方式可包括数字和/或模拟电路、计算机硬件、固件、软件、或它们的组合。装置元件可以在有形地体现在信息载体中的计算机程序产品中实现,例如在机器可读存储设备中实现,以用于由可编程处理器执行;并且可以由执行指令程序的可编程处理器来执行方法,以通过对输入数据进行操作并产生输出来执行各种实施方案的功能。一些实施方案可以有利地在可编程系统上可执行的一个或多个计算机程序中实现,所述可编程系统包括至少一个可编程处理器,该可编程处理器经耦合以从数据存储系统、至少一个输入设备和/或至少一个输出设备接收数据和指令,并将数据和指令传输到数据存储系统、至少一个输入设备和/或至少一个输出设备。计算机程序是一组指令,所述指令可以直接或间接地在计算机中用以执行某种活动或产生约某种结果。计算机程序可以用任何形式的编程语言写入,包括编译或解释语言在内,并且它可以以任何形式部署,包括作为独立程序或作为模块、部件、子例程或其他适用于计算环境中的单元。
用于执行指令程序的合适处理器包括作为示例而非限制,通用微处理器和专用微处理器两者,所述微处理器可包括任何类型的计算机的单个处理器或多个处理器中的一个处理器。通常,处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器。适合于有形地体现计算机程序指令和数据的存储设备包括所有形式的非易失性存储器,包括例如半导体存储器设备,诸如EPROM、EEPROM和闪存存储器设备;磁盘,诸如内置硬盘和可移动磁盘;磁光盘;以及CD-ROM和DVD-ROM盘。处理器和存储器可由ASIC(专用集成电路)补充或结合到ASIC中。在一些实施方案中,处理器和构件例如可以由硬件可编程设备(诸如FPGA)补充或结合到硬件可编程设备中。
在一些实施方式中,每个系统可以用相同或类似的信息编程和/或用存储在易失性和/或非易失性存储器中的基本上相同的信息初始化。例如,一个数据接口可以被配置为在耦合到适当的主机设备(诸如台式计算机或服务器)时执行自动配置、自动下载和/或自动更新功能。
在一些实施方式中,一个或多个用户界面特征可被定制配置为执行特定功能。示例性实施方案可以在包括图形用户界面和/或互联网浏览器的计算机系统中实现。为了提供与用户的交互,一些实施方式可以在计算机上实现,所述计算机具有显示设备(诸如用于向用户显示信息的LCD(液晶显示器)监测器)、键盘和指向设备(诸如鼠标或轨迹球),用户可以通过所述键盘和指向设备向计算机提供输入。
在各种实施方式中,系统可使用合适的通信方法、设备和技术来进行通信。例如,系统可以使用点对点通信与兼容设备(例如,能够向系统和/或从系统传输数据的设备)进行通信,其中消息通过专用物理链路(例如,光纤链路、点对点布线、菊花链)直接从源传输到第一接收器。系统的部件可通过任何形式或介质的模拟或数字数据通信交换信息,包括通信网络上的基于分组的消息。通信网络的示例包括例如LAN(局域网)、WAN(广域网)、MAN(城域网)、无线和/或光学网络,以及形成互联网的计算机和网络。其他实施方式可以通过广播向通过通信网络耦合在一起的所有或基本上所有设备传输消息,例如通过使用全向射频(RF)信号。其他实施方式可以传输以高方向性为特征的消息,诸如使用定向(即,窄波束)天线传输的RF信号或可以可选地与聚焦光学器件一起使用的红外信号。还可以使用适当的接口和协议来实现其他实施方式,所述适当的接口和协议为诸如作为示例而非旨在限制:USB 2.0、FireWire、ATA/IDE、RS-232、RS-422、RS-485、802.11a/b/g/n、Wi-Fi、WiFi-Direct、Li-Fi、蓝牙、以太网、IrDA、FDDI(光纤分布式数据接口)、令牌环网络,或基于频率、时间或码分的多路复用技术。一些实施方式可以可选地包括诸如用于数据完整性的错误检查与校正(ECC)之类的特征,或者诸如加密(例如,WEP)和密码保护之类的安全措施。
在各种实施方案中,计算机系统可包括非暂态存储器。存储器可连接到一个或多个处理器,该一个或多个处理器可被配置用于编码数据和计算机可读指令,包括处理器可执行程序指令。所述数据和计算机可读指令可以是一个或多个处理器可访问的。处理器可执行程序指令当由一个或多个处理器执行时,可促使所述一个或多个处理器执行各种操作。
在各种实施方案中,计算机系统可包括物联网(IoT)设备。IoT设备可包括嵌入有电子器件、软件、传感器、致动器和网络连接性的对象,所述电子器件、软件、传感器、致动器和网络连接性使这些对象能够收集和交换数据。IoT设备可以通过将数据通过接口发送到另一个设备来与有线或无线设备一起使用。IoT设备可收集有用的数据,并且然后自主地使数据在其他设备之间流动。
已经描述了一些实施方式。然而,应当理解可进行各种修改。例如,如果所公开的技术的步骤以不同的顺序执行,或者如果所公开的系统的部件以不同的方式组合,或者如果部件补充有其他部件,则可以实现有利的结果。因此,可以预期其他实施方式。
Claims (6)
1.一种装置,所述装置用于估计混合在气态流体中的物质的量的量度,所述装置包括:
颗粒物(PM)传感器,所述颗粒物传感器适于对环境空气进行采样并响应于所述采样的环境空气的测量值而产生局部测量数据信号;
处理器,所述处理器可操作地耦合到所述PM传感器以接收所述局部测量数据信号;
第一数据存储装置,所述第一数据存储装置可操作地耦合到所述处理器并且包含多个预定校准,所述多个预定校准中的每一个定义校准函数以基本上补偿在初始校准期间使用的颗粒物与由所述PM传感器采样的所述环境空气的颗粒物之间的差异;
接收模块,所述接收模块可操作地耦合到所述处理器并且被配置为接收特定于包含所述PM传感器的地理区域的参考信息;以及,
第二数据存储装置,所述第二数据存储装置可操作地耦合到所述处理器并且包含指令程序,所述指令程序在由所述处理器执行时促使所述处理器执行操作以基于所述接收的参考信息自动地选择所述多个预定校准中的特定校准,所述操作包括:(i)从接收的公布的参考信息信号,测定在由PM传感器对环境空气进行采样时适用的参数条件的估计操作点;(ii)基于测定的操作点来选择多个预定校准曲线中的一个;以及(iii)使用应用于局部测量数据信号的所选择的预定校准曲线来产生空气质量度量信号以显示在显示设备上。
2.根据权利要求1所述的装置,其中所述PM传感器经由与手持式移动通信设备的通信接收公布的参考信息,并且所述接收模块包括在所述手持式移动通信设备中。
3.根据权利要求1所述的装置,还包括位置测定模块,所述位置测定模块可操作地耦合以向所述处理器提供关于所述PM传感器的所述地理区域的信息。
4.根据权利要求1所述的装置,其中所述参考信息包括局部颗粒物大小分布信息。
5.根据权利要求1所述的装置,其中所述参考信息包括局部空气质量信息和/或天气信息,所述天气信息包括温度、相对湿度、压力、风速、风向和降雨量中的至少一个。
6.根据权利要求1所述的装置,其中所述参考信息包括全球定位卫星(GPS)位置、局部环境的图片、挡风玻璃雨刮开启信号和越野驾驶信号中的至少一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210605381.0A CN114965203A (zh) | 2017-12-22 | 2018-12-19 | 网络辅助式颗粒物传感器 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762609835P | 2017-12-22 | 2017-12-22 | |
US62/609,835 | 2017-12-22 | ||
US16/210,964 | 2018-12-05 | ||
US16/210,964 US10928295B2 (en) | 2017-12-22 | 2018-12-05 | Network assisted particulate matter sensor |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210605381.0A Division CN114965203A (zh) | 2017-12-22 | 2018-12-19 | 网络辅助式颗粒物传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109959593A CN109959593A (zh) | 2019-07-02 |
CN109959593B true CN109959593B (zh) | 2022-05-27 |
Family
ID=66768075
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811557705.8A Active CN109959593B (zh) | 2017-12-22 | 2018-12-19 | 网络辅助式颗粒物传感器 |
CN202210605381.0A Pending CN114965203A (zh) | 2017-12-22 | 2018-12-19 | 网络辅助式颗粒物传感器 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210605381.0A Pending CN114965203A (zh) | 2017-12-22 | 2018-12-19 | 网络辅助式颗粒物传感器 |
Country Status (2)
Country | Link |
---|---|
CN (2) | CN109959593B (zh) |
DE (1) | DE102018133258A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3617663A1 (de) * | 2018-08-29 | 2020-03-04 | Siemens Aktiengesellschaft | Verfahren zum verifizieren von sensoren eines sensornetzwerks und sensornetzwerk |
CN111948106B (zh) * | 2020-08-11 | 2021-09-07 | 山东圣文环保科技有限公司 | 一种城市空气联网检测设备 |
DE102022101007B4 (de) * | 2022-01-17 | 2023-11-02 | Bernard Technologies GmbH | Verfahren zum Kalibrieren eines Eigengeräts |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104297117A (zh) * | 2014-10-23 | 2015-01-21 | 浙江省环境保护科学设计研究院 | 基于遥感技术的风景名胜区道路交通污染预警装置及方法 |
CN105051463A (zh) * | 2012-11-06 | 2015-11-11 | 纽瓦派有限公司 | 一种用于动态测量环境质量因数的设备和方法 |
CN105393292A (zh) * | 2013-03-13 | 2016-03-09 | 爱科环境公司 | 具有远程传感器节点和集中数据处理的分布式传感器系统 |
CN106251013A (zh) * | 2016-07-29 | 2016-12-21 | 北京小米移动软件有限公司 | 空气质量指数的校准方法及装置 |
CN106370570A (zh) * | 2016-08-25 | 2017-02-01 | 北京小米移动软件有限公司 | 颗粒物测量值的校准方法及装置 |
GB2544575A (en) * | 2016-06-27 | 2017-05-24 | Drayson Tech (Europe) Ltd | Method and apparatus for sensing and for improving sensor accuracy |
CN106950334A (zh) * | 2017-03-06 | 2017-07-14 | 同济大学 | 一种空间分布式城市空气环境质量的移动监测系统 |
CN107014727A (zh) * | 2017-05-31 | 2017-08-04 | 兰州工业学院 | 一种大气颗粒物浓度数据监管平台 |
CN107063955A (zh) * | 2017-04-18 | 2017-08-18 | 击风科技(北京)有限公司 | 空气颗粒物检测仪校准方法及管理系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021428A1 (en) * | 2013-08-09 | 2015-02-12 | Cnry Inc. | System and methods for monitoring an environment |
US9995847B2 (en) * | 2015-06-23 | 2018-06-12 | International Business Machines Corporation | Airborne particulate source detection system |
-
2018
- 2018-12-19 CN CN201811557705.8A patent/CN109959593B/zh active Active
- 2018-12-19 CN CN202210605381.0A patent/CN114965203A/zh active Pending
- 2018-12-20 DE DE102018133258.0A patent/DE102018133258A1/de active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105051463A (zh) * | 2012-11-06 | 2015-11-11 | 纽瓦派有限公司 | 一种用于动态测量环境质量因数的设备和方法 |
CN105393292A (zh) * | 2013-03-13 | 2016-03-09 | 爱科环境公司 | 具有远程传感器节点和集中数据处理的分布式传感器系统 |
CN104297117A (zh) * | 2014-10-23 | 2015-01-21 | 浙江省环境保护科学设计研究院 | 基于遥感技术的风景名胜区道路交通污染预警装置及方法 |
GB2544575A (en) * | 2016-06-27 | 2017-05-24 | Drayson Tech (Europe) Ltd | Method and apparatus for sensing and for improving sensor accuracy |
CN106251013A (zh) * | 2016-07-29 | 2016-12-21 | 北京小米移动软件有限公司 | 空气质量指数的校准方法及装置 |
CN106370570A (zh) * | 2016-08-25 | 2017-02-01 | 北京小米移动软件有限公司 | 颗粒物测量值的校准方法及装置 |
CN106950334A (zh) * | 2017-03-06 | 2017-07-14 | 同济大学 | 一种空间分布式城市空气环境质量的移动监测系统 |
CN107063955A (zh) * | 2017-04-18 | 2017-08-18 | 击风科技(北京)有限公司 | 空气颗粒物检测仪校准方法及管理系统 |
CN107014727A (zh) * | 2017-05-31 | 2017-08-04 | 兰州工业学院 | 一种大气颗粒物浓度数据监管平台 |
Also Published As
Publication number | Publication date |
---|---|
DE102018133258A1 (de) | 2019-06-27 |
CN114965203A (zh) | 2022-08-30 |
CN109959593A (zh) | 2019-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10928295B2 (en) | Network assisted particulate matter sensor | |
CN109959593B (zh) | 网络辅助式颗粒物传感器 | |
JP6580730B2 (ja) | 天候予測システム | |
Zhao et al. | Real-time precise point positioning-based zenith tropospheric delay for precipitation forecasting | |
US20190075165A1 (en) | Vehicle information and environment monitoring compound vehicle system and data processing and transmission method therein | |
JP7023874B2 (ja) | 検知の方法と装置、および、検知精度を高める方法と装置 | |
CN102301230A (zh) | 用于对污染物进行测量和绘图的系统和设备 | |
KR101830794B1 (ko) | IoT 기반의 자외선 및 미세먼지 경보 시스템 | |
RU2363967C2 (ru) | Коррекция результатов измерений влажности радиозондом | |
KR101283750B1 (ko) | 위성 통신 시스템에서 강우감쇠 및 강우강도 데이터를 수집 및 관리하는 시스템 | |
JP7310577B2 (ja) | 環境予測システム及び環境予測方法 | |
US9967701B1 (en) | Pressure sensor assisted position determination | |
US20180017392A1 (en) | Apparatus, system, and method for traffic | |
Tesche et al. | Reconciling aerosol light extinction measurements from spaceborne lidar observations and in situ measurements in the Arctic | |
JP2013054004A (ja) | 気象計測装置の配置方法、気象変動予測情報提供システム、気象変動予測情報提供方法、気象変動予測情報提供プログラム及び記録媒体 | |
Mousa et al. | Inertial measurement units-based probe vehicles: automatic calibration, trajectory estimation, and context detection | |
JP2013054006A (ja) | 気象変動予測情報提供システム、気象変動予測情報提供方法、気象変動予測情報提供プログラム及び記録媒体 | |
TW201701230A (zh) | 整合氣象分析之旅遊景點推薦與警示系統 | |
Wang et al. | Review of next generation air monitors for air pollution | |
US11479239B2 (en) | Predictive parking due to weather | |
IT202000018667A1 (it) | Metodo per la stima di presenza di pioggia | |
Jumaah et al. | Development of UAV-based PM2. 5 monitoring system. Drones 2021, 5, 60 | |
Gultepe et al. | Arctic ice fog: Its microphysics and prediction | |
Mikešová et al. | Use of autonomous transmission line-type electromagnetic sensors for classification of dry and wet periods at sub-hourly time intervals | |
Sorkhabi et al. | 4D modeling of precipitable water vapor to assess flood forecasting by using GPS signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |