CN110121718B - 用于估计局部颗粒浓度的方法和装置 - Google Patents
用于估计局部颗粒浓度的方法和装置 Download PDFInfo
- Publication number
- CN110121718B CN110121718B CN201780080864.0A CN201780080864A CN110121718B CN 110121718 B CN110121718 B CN 110121718B CN 201780080864 A CN201780080864 A CN 201780080864A CN 110121718 B CN110121718 B CN 110121718B
- Authority
- CN
- China
- Prior art keywords
- particle
- information
- particle concentration
- particle count
- concentration
- 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 470
- 238000000034 method Methods 0.000 title claims abstract description 72
- 244000005700 microbiome Species 0.000 claims abstract description 16
- 238000007670 refining Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 230000008901 benefit Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 208000006673 asthma Diseases 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- 208000026935 allergic disease Diseases 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 1
- 208000014085 Chronic respiratory disease Diseases 0.000 description 1
- 206010051841 Exposure to allergen Diseases 0.000 description 1
- 241000209504 Poaceae Species 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 231100000727 exposure assessment Toxicity 0.000 description 1
- 229940046528 grass pollen Drugs 0.000 description 1
- 230000003100 immobilizing effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种用于估计指示花粉和/或微生物的局部浓度的局部颗粒浓度的装置和方法、以及一种用于产生或者细化区域的颗粒浓度图的装置和方法。为了提高分辨率和精确度并且使得能够追踪并且监测用户的暴露,使用包括所述实际位置(33)的区域(30)的颗粒浓度图(40、40’),所述颗粒浓度图(40、40’)可以通过众包被生成和细化。
Description
技术领域
本发明涉及一种用于估计在实际位置处的指示花粉和/或微生物的局部浓度的局部颗粒浓度的方法和装置。进一步地,本发明涉及一种用于生成或者细化区域的指示花粉和/或微生物的浓度的颗粒浓度图的方法和装置。
背景技术
花粉代表了过敏的重要诱因。它们还可能使慢性呼吸道疾病(诸如哮喘)恶化。因此,非常需要使花粉浓度量化,并且使那些数据可用于受影响的群体。诸如pollen.com等一些网站通过发布他们从专业的监测站(在本文中也被称为“颗粒计数位置”)接收的花粉数据来提供该服务。那些花粉计数通常通过从空气中采集花粉(例如在24小时内)并且然后在显微镜下对这些样本进行计数和分析而获得。由于空气中的花粉浓度通常很低(如在表1中示出的,根据NAB比例,对于草花粉,20颗粒/立方米的浓度就已经被认为是“高”浓度),因此,监测站使用专业的设备来通过使花粉固定在基板上对花粉进行预浓缩。
在报告这种大气花粉计数的情况下,单个监测站通常服务于整个城市或者区域。因此,那些站的空间覆盖范围不是很高。此外,空气中的花粉浓度会基于位置发生显著变化。因此,这些公布的数据只是给出了有关较大区域的每日花粉水平的粗略指示,而不代表特定对象的实际暴露。所公开的个人暴露追踪将克服该问题。然而,花粉传感器几乎不存在,特别是对于家庭使用,并且现有的花粉传感器具有复杂的装置结构和相对较大的大小。
类似的想法对检测和监测存在的微生物(例如在水中)有效,例如确定水的微生物纯度、所研究的存在于水中的微生物是否具有潜在危害或者研究例如医院中的空气、液体和表面的微生物纯度。
发明内容
本发明的目的是提供一种用于以高空间分辨率和精确度以及低成本来估计指示花粉和/或微生物的局部浓度的局部颗粒浓度的方法和装置。
本发明的目的是提供一种用于以高空间分辨率和精确度以及低成本来生成或者细化区域的指示花粉和/或微生物的浓度的颗粒浓度图的方法和装置。该方法可以是计算机实现的方法,由此,该方法的不同步骤由处理单元执行。
在本发明的第一方面中,提出了一种估计在实际位置处的局部颗粒浓度的方法,该方法包括:
-接收指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息(例如数字颗粒计数信息或者数据),
-接收或者生成包括实际位置的区域的颗粒浓度图(例如区域的数字颗粒浓度图),所述颗粒浓度图包括相对颗粒浓度信息,该相对颗粒浓度信息指示:区域的若干子区域中的每个子区域的、相对于在一个或者多个颗粒计数位置处的颗粒计数的、在子区域处的颗粒浓度,
-确定实际位置所在的子区域,以及
-基于确定的子区域的相对颗粒浓度信息和接收到的颗粒计数信息,来确定在实际位置处的局部颗粒浓度。
根据本发明的实施例,该方法可以包括以下步骤:接收或者生成与实际位置(例如在他的/她的智能电话上运行该方法的用户的位置)有关的位置数据。
可以有线地或者无线地接收颗粒计数信息。例如,由无线或者有线数据传递组件或者芯片接收颗粒计数信息。之后将颗粒计数信息传递至处理器。颗粒计数信息可以来自颗粒计数站,诸如被定位在不同位置处的花粉传感站。该信息还可以来自多个用户,例如众包数据。颗粒计数信息包括有关在一个或者多个位置中的颗粒的数量的信息。之后,处理器处理颗粒计数信息,并且生成区域的颗粒浓度图。该颗粒浓度图包括区域的不同子区域的颗粒计数信息。每个子区域覆盖区域的特定面积。所有子区域覆盖完整个区域。在特定子区域处的颗粒计数被定义为与另一子区域的差异。因此,颗粒浓度图包括相对颗粒浓度信息,该相对颗粒浓度信息指示:每子区域的、相对于在一个或者多个颗粒计数位置处的颗粒计数的、在子区域处的颗粒浓度。进一步地,可以在该方法本身内确定实际位置,例如通过经由基于GPS的技术或者经由IP地址定位技术来确定实际位置。当确定了或者接收到实际位置时,通过使用处理器来标识与实际位置有关的子区域。当标识到子区域时,处理器通过使用标识到的子区域的相对颗粒浓度信息和接收到的颗粒计数信息,来确定在实际位置处的颗粒浓度。
在本发明的另一方面中,提出了一种生成或者细化区域的颗粒浓度图的方法,该方法包括:
-测量和/或接收指示在实际位置处的颗粒计数的局部颗粒计数信息(例如数字局部颗粒计数信息或者数据),
-接收指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息(例如数字颗粒计数信息),以及
-生成或者细化包括实际位置的区域的颗粒浓度图(例如区域的数字颗粒浓度图),所述颗粒浓度图包括相对颗粒浓度信息,该相对颗粒浓度信息指示:区域的若干子区域中的每个子区域的、相对于在一个或者多个颗粒计数位置处的颗粒计数的、在子区域处的颗粒浓度,其中基于局部颗粒计数信息和接收到的颗粒计数信息,颗粒浓度图被生成或者被细化。
生成或者细化区域的颗粒浓度图的该方法可以是计算机实现的方法,由此,不同的步骤由装置的一个或者多个处理器执行。例如,该方法可以是软件,诸如在智能电话上运行的app。该方法的不同步骤可以由软件在其上运行的装置的处理器实施。
测量局部颗粒计数信息可以由颗粒计数器/传感器执行。这种计数器/传感器可以是实施该方法的装置的一部分。可以通过使用数据传递组件/芯片来进行信息接收,该数据传递组件/芯片可以是实施该方法的装置的一部分。接收指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息可以由实施该方法的装置的数据传递组件/芯片执行。生成或者细化包括实际位置的区域的颗粒浓度图可以由实施该方法的装置的处理器执行。该方法可以包括以下步骤:通过使用例如GPS芯片或者IP地址定位搜索技术,来接收或者生成与实际位置有关的数据。
在本发明的再一些方面中,提供了对应的装置;一种包括程序代码装置的计算机程序,这些程序代码装置用于在计算机上实施计算机程序时使计算机执行本文所公开的方法的步骤;以及一种在其中存储计算机程序产品的非暂时性计算机可读记录介质,该计算机程序产品在由处理器执行时使得执行本文所公开的方法。
在从属权利要求中限定了本发明的优选实施例。应该理解,所有要求保护的方法、装置、计算机程序和介质都具有与在要求保护的方法的从属权利要求中限定的和本文公开的相似和/或相同的优选实施例。
本发明基于以下思想:提供一种使用基于众包的花粉和/或微生物测量以及在采样期间获得的位置数据(例如来自GPS)来实现若干额外的益处(诸如进一步提高空间分辨率、数据的精确度和精确的指示),但不涉及额外的硬件和/或软件的大量成本的数字解决方案。一旦可用,这种数据就可以被利用来改进用于哮喘和过敏管理的现有以及未来的装置、方法或者计算机程序(诸如“app”),例如通过提供用户的有关实际暴露的有价值的信息以及减少/避免暴露的方式。
基于来自一个或者多个位置的颗粒计数信息,生成区域的颗粒浓度图,该颗粒浓度图包括区域的每子区域的相对颗粒浓度信息,由此,在子区域处的颗粒浓度与在一个或者多个颗粒计数位置处的颗粒计数有关。包括相对颗粒计数信息的这种颗粒浓度图的优点在于:当接收到来自一个子区域的颗粒计数信息时,来自其他子区域的颗粒计数信息被自动更新,而不必从那些其他子区域检索颗粒计数信息。相对颗粒计数信息被用于估计在特定子区域处的颗粒计数。该技术允许快速更新颗粒浓度图中不同子区域的颗粒计数信息,而不必处理或者检索所有那些子区域的大量颗粒计数信息数据。这提高了呈现给用户的数据的精确度。这还降低了实施该方法的装置的功耗,因为在仍然能够提供更新过的颗粒浓度图的同时,较少的颗粒计数数据必须被检索,并且较少的颗粒计数数据必须被处理。进一步地,对于用户而言,这提供了一种非常有效并且快速的方式,用来提供区域的颗粒浓度图,每当来自一个或者多个位置的颗粒计数信息被检索时,该颗粒浓度图就被更新。
通常,在实际位置处的局部颗粒浓度基于确定的子区域的相对颗粒浓度信息,实际位置位于该确定的子区域中,并且接收到的颗粒计数信息指示在一个或者多个颗粒计数位置(例如专业的监测站,也被称为“基准位置”)处的最近颗粒计数(也被称为“基准计数”)。在一个实施例中,基于确定的子区域的相对颗粒浓度信息和在最接近实际位置的颗粒计数位置处接收到的颗粒计数信息(即,只使用单条颗粒计数信息,即,来自最接近实际位置的颗粒计数位置的颗粒计数信息),在实际位置处的局部颗粒浓度被确定。
可以通过基于确定的子区域的相对颗粒浓度信息对由在最接近实际位置的颗粒计数位置处接收到的颗粒计数信息指示的颗粒计数进行外推,来确定在实际位置处的局部颗粒浓度,这提供了确定在实际位置处的局部颗粒浓度的简单方式。
在另一实施例中,基于确定的子区域的相对颗粒浓度信息和在最接近实际位置的两个或者更多个颗粒计数位置处接收到的颗粒计数信息,在实际位置处的局部颗粒浓度被确定。例如,每颗粒计数位置可以形成初始局部颗粒浓度,通过该初始局部颗粒浓度,计算出表示最终局部颗粒浓度的平均值。
因此,按照简单的方式,在实际位置处的局部颗粒浓度可以通过以下方式被确定:单独地,每颗粒计数位置,基于确定的子区域相对于相应颗粒计数位置的相应相对颗粒浓度信息来对由接收到的颗粒计数信息指示的颗粒计数进行外推,并且对外推的颗粒计数进行平均,特别是对外推的颗粒计数进行平均或者加权平均。
颗粒浓度图可以包括相对颗粒浓度信息,该颗粒浓度信息指示:区域的若干子区域中的每个子区域的、在子区域处的颗粒浓度与在一个或者多个颗粒计数位置处的颗粒计数的绝对或者相对偏差。因此,只要用户的局部位置属于由颗粒浓度图覆盖的完整区域的任何子区域,如果已知来自一个或者多个颗粒计数位置的至少一个颗粒计数,就可以容易地确定局部颗粒浓度。
由于特定浓度随着时间的推移发生变化(例如空气中的花粉的量随着一年的季节以及在一些季节中,甚至是每天发生变化),因此,在实施例中,颗粒浓度图可以包括针对一年内的不同时间,特别是不同星期和/或日期和/或小时的相对颗粒浓度信息。
在另一实施例中,颗粒浓度图可以包括不同种类的颗粒(例如不同种类的花粉)的相对颗粒浓度信息,使得用户可以选择所需种类的颗粒,应该针对该种类的颗粒确定局部颗粒浓度,或者可以确定针对各个种类的局部颗粒浓度。
该方法还可以包括以下步骤:接收指示每次在不同区域处的典型颗粒浓度的颗粒日历信息,其中基于确定的子区域的相对颗粒浓度信息、在确定的子区域处接收到的颗粒计数信息和接收到的颗粒日历信息,在实际位置处的局部颗粒浓度被确定。这进一步提高了局部颗粒浓度的精确度。
在又一实施例中,该方法还可以包括以下步骤:测量或者接收指示在实际位置处的颗粒计数的局部颗粒计数信息,其中基于局部颗粒计数信息和接收到的指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息,颗粒浓度图被生成或者细化。因此,该方法的用户可以更进一步地改进或者更新颗粒浓度图,甚至可以与其他用户共享颗粒浓度图。
根据本发明的另一方面,提出了一种生成或者细化区域的指示花粉和/或微生物的浓度的颗粒浓度图的方法。所述方法使用指示在实际位置处的颗粒计数的局部颗粒计数信息和指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息,来生成或者细化颗粒浓度图。在以下实施例中,可以进一步改进该方法,特别是在颗粒浓度图的精确度和分辨率方面:在该实施例中,测量和/或接收指示在一个或者多个其他位置处的花粉计数的其他局部颗粒计数信息,其中其他局部颗粒计数信息包括指示相应局部颗粒计数信息的测量位置的位置信息,并且其他局部颗粒计数信息被用于颗粒浓度图的生成和/或细化。
本发明可以被实施在硬件和/或软件中,例如以电子用户装置(诸如PC、膝上型计算机、平板、智能电话、智能手表等)的应用程序的形式。
根据另一方面,本发明涉及一种用于估计在某一位置处的颗粒浓度的方法和装置,包括:
-接收来自多个位置的颗粒浓度信息;
-通过使用接收到的颗粒浓度信息来生成区域的颗粒浓度图;
-接收位置;
-从颗粒浓度图确定在接收到的位置处的颗粒浓度;
其特征在于:接收来自基准位置的基准颗粒浓度信息,
其中通过使用相对于基准颗粒浓度信息的颗粒浓度信息来生成颗粒浓度图,
其中当接收到新的基准颗粒计数信息时,更新区域的颗粒浓度图,以及
其中通过使用最新更新过的颗粒浓度图来确定在接收到的位置处的颗粒浓度。
因此,可以通过将在每个位置处的值归一化到在基准位置处的值将颗粒浓度图转换成相对值图来生成颗粒浓度图,使得将在每个位置处的颗粒浓度表示为在基准位置处的浓度的百分比。
进一步地,可以通过以下方式来更新区域的颗粒浓度图:接收来自基准位置的基准颗粒浓度信息,并且通过从对应的百分比和更新过的基准值导出在每个目标位置处的浓度值来创建更新过的浓度图。
附图说明
本发明的这些以及其他方面将通过在下文中描述的(多个)实施例而显而易见,并且将参照在下文中描述的(多个)实施例来阐明本发明的这些以及其他方面。在下面的附图中:
图1示出了根据本发明的用于估计局部颗粒浓度的装置的示意图,
图2示出了图示了指示用户的位置和若干颗粒计数位置的区域的示意图,
图3示出了根据本发明的颗粒浓度图的第一实施例,
图4示出了基于在图3中示出的颗粒浓度图用实际值填充的区域图,
图5示出了根据本发明的颗粒浓度图的第二实施例,
图6示出了根据本发明的用于生成或者细化区域的颗粒浓度图的装置的示意图,以及
图7示出了包括实施本发明各个方面的各种装置的系统的示意图。
具体实施方式
在描述本发明的各个实施例的细节之前,将通过图7来说明包括实施本发明的各个方面的各种装置的示例性系统的总体布局。系统1包括用户装置2,诸如智能电话、膝上型计算机、智能手表或者用于估计在用户装置2的实际位置处的局部颗粒浓度的专用装置。系统1还包括可由用户装置2经由网络4(例如计算机网络、互联网、通信网络等)访问的远程装置3(诸如服务器)。系统1还包括一个或者多个颗粒计数位置5、6(也被称为“基准位置”),诸如专业的颗粒计数测量站。进一步地,其他用户的若干其他用户装置7、8可以是系统1的一部分。
可以在远程装置3内或者在用户装置2内或者通常在两个装置中估计在用户装置2的实际位置处的颗粒浓度,其中装置2和装置3两者都执行该估计所需的步骤的相应部分。也可以在远程装置3内或者在用户装置2内或者通常在两个装置中生成被用于估计在用户装置2的实际位置处的颗粒浓度的颗粒浓度图,其中装置2和装置3两者都执行估计所需的步骤的相应部分。在可能的场景中,在远程装置3内生成和更新颗粒浓度图,并且也在远程装置3内估计在用户装置2的实际位置处的颗粒浓度。
通过图1至图3,将说明本发明的第一方面。图1示出了根据本发明的用于估计局部颗粒浓度的装置10的示意图,在该示例中,装置10表示用户装置2的实施例。图2示出了图示了指示用户的位置和若干颗粒计数位置的区域30的示意图。图3示出了根据本发明的颗粒浓度图40的第一示例。
装置10包括用于接收指示在一个或者多个(在该示例中,为两个)颗粒计数位置31、32(也被称为“基准位置”)处的最近颗粒计数的颗粒计数信息21的颗粒计数信息输入11(例如无线数据接口),该一个或者多个颗粒计数位置31、32可以是专业的颗粒监测站,例如花粉计数站。
装置10还包括用于接收或者生成包括实际位置33(即,装置10当前所在的位置)的区域30的颗粒浓度图40的颗粒浓度图单元12(例如数据接口或者处理器)。所述颗粒浓度图40包括相对颗粒浓度信息41,该相对颗粒浓度信息41指示:区域30的若干子区域34中的每个子区域的、相对于在一个或者多个颗粒计数位置31、32处的颗粒计数的、在子区域处的颗粒浓度。在图3中示出的示例中,颗粒浓度图40包括指示在相应子区域41处的颗粒浓度相对于在颗粒计数位置31处的颗粒计数的偏差的相对颗粒浓度信息41,被表示为百分比。例如,被分配给子区域34’的值为“+15”的相对颗粒浓度信息41’意味着在子区域34’处的颗粒浓度比在颗粒计数位置31处的颗粒计数高15%。
装置10还包括用于确定实际位置33所在的子区域41(在该示例中,该子区域41是子区域34’)的子区域确定单元13。为此,在实施例中,由装置10获取或者接收的GPS数据22和/或指示实际位置的用户输入23可以被用于确定实际位置以及确定子区域34’。
装置10还包括用于基于确定的子区域34’的相对颗粒浓度信息41’和接收到的颗粒计数信息21(在颗粒计数位置31处最近获得的)来确定在实际位置33处的局部颗粒浓度24的颗粒浓度确定单元14。在该示例中,将接收到的颗粒计数信息21乘以1.15以获得局部颗粒浓度24。
在另一实施例中,远程装置3(例如云中的服务器)可以实施与上面针对装置10(即,如在图7中示出的用户装置2的实施例)说明的相同步骤,即,装置10也可以表示远程装置3。为此,用户装置20将其实际位置传输给远程装置3,该远程装置3然后实施用于估计在用户装置2的实际位置处的颗粒浓度并且将结果发送回用户装置2的步骤。
在又一实施例中,用户装置2表示装置10并且从远程装置3获得实际颗粒浓度图,并且然后估计在用户装置2的位置处的颗粒浓度。
图4示出了基于在图3中示出的颗粒浓度图40用在各个子区域34中的局部颗粒浓度的实际值51填充的区域30的图50。在基准位置处(即,在颗粒计数位置31处)的水平52为100时导出这些实际值。将在图3中示出的颗粒浓度图40中的百分比值41应用于该水平52,得到局部颗粒浓度的实际值51。例如,对于子区域34’,获得局部颗粒浓度51’的实际值115(=100×115%)。代替在颗粒浓度图40中提供百分比值作为相对颗粒浓度信息41,如在图3中示出的,在颗粒浓度图的另一实施例中,提供每个子区域34的颗粒浓度图实际值作为相对颗粒浓度信息。这些实际值指示必须以绝对值的形式向接收到的颗粒计数信息添加或者从接收到的颗粒计数信息减去的量(例如,实际值+20意味着必须向接收到的在颗粒计数位置处获得的颗粒计数信息的绝对值添加20的绝对值。
在上面说明的实施例中,在单个颗粒计数位置31处的最近颗粒计数和颗粒浓度图40被用于确定在实际位置33处的局部颗粒浓度24。在其他实施例中,可以使用在两个或者更多个颗粒计数位置31、32处的两个或者更多个最近颗粒计数。在这种情况下,可以使用如在图5中示出的颗粒浓度图40’,该颗粒浓度图40’包括每子区域34的两个或者更多个相对颗粒浓度信息值41、42,每颗粒计数位置,一个相对颗粒浓度信息值指示:相对于在相应颗粒计数位置处的颗粒计数,在子区域处的颗粒浓度。换句话说,相对颗粒浓度信息值41与颗粒计数位置31有关,并且相对颗粒浓度信息值42与颗粒计数位置32有关。例如,对于子区域34’,为+15的相对颗粒浓度信息值41’意味着必须将在颗粒计数位置31处接收到的颗粒计数乘以1.15(即,+15%),而为-24的相对颗粒浓度信息值41’意味着必须将在颗粒计数位置32处接收到的颗粒计数乘以0.80(即,-20%)。
可替代地,可以使用两张或者更多张单独的颗粒浓度图,每个颗粒计数位置一张颗粒浓度图。
在这种实施例中,可以通过以下方式来确定在实际位置33处的局部颗粒浓度24:单独地,每颗粒计数位置31、32,基于确定的子区域34相对于相应颗粒计数位置31、32的相应相对颗粒浓度信息41、42来对由接收到的颗粒计数信息21指示的颗粒计数进行外推,并且组合外推的颗粒计数,特别是对外推的颗粒计数进行平均或者加权平均。例如,如果在颗粒计数位置31处接收到的颗粒计数是100(如在图5中示出的)并且在颗粒计数位置32处接收到的颗粒计数是60,则在实际位置33处的局部颗粒浓度将是100×1.15-60×0.80=67。
在另一实施例中,仅在最接近实际位置33的颗粒计数位置31处的颗粒计数信息被用于确定在实际位置33处的局部颗粒浓度24。
优选地,颗粒浓度图不是固定的,而是包括针对一年内的不同时间,特别是不同星期和/或日期和/或小时的相对颗粒浓度信息。如果将确定花粉浓度,则这是特别有用的,因为花粉的分布随着时间的推移(例如在一年内)在很大程度上发生变化。进一步地,可以随着时间的推移更新被记录在颗粒浓度图中的值,例如连续地、基于由用户采集到的信息、移动的颗粒计数设备等。
颗粒浓度图还可以包括不同种类的颗粒(例如不同种类的花粉)的相对颗粒浓度信息。
作为附加输入,所提出的装置和方法可以接收指示每次在不同区域处的典型颗粒浓度的颗粒日历信息(例如从花粉日历)。然后可以在确定在实际位置处的局部颗粒浓度时考虑该附加输入以进一步提高预测的精确度。来自历史花粉图的数据可以被用于提高估计的精确度或者可靠性,例如通过计算每区域的花粉计数(针对特定花粉类型)的加权平均值。例如,如果用户装置(该用户装置通常将没有监测站可靠)向系统发送值,则该值可以与该位置在一年的某一天的历史值一起被用于建立平均值。
本发明还可以被用于利用花粉日历。一旦颗粒浓度图可用,基准位置就可以被用于获得实际数量/浓度和花粉日历以指示每个位置在特定时间/季节的花粉类型。可以交替或者一起使用这种和基于症状的方法(基于症状的方法将获得更好的空间分辨率,因为花粉日历是从“基准位置”获得的)。
图6示出了用于生成或者细化区域的指示花粉和/或微生物的浓度的颗粒浓度图的装置60的示意图,在该示例中,该装置60表示远程装置3的实施例。装置60包括用于测量和/或接收(例如从静止的监测单元或者从网站)指示在实际位置处的颗粒计数的局部颗粒计数信息25的局部颗粒计数信息单元61。装置60还包括用于接收指示在一个或者多个颗粒计数位置31、32处的最近颗粒计数的颗粒计数信息21的颗粒计数信息输入62(例如无线数据接口)。进一步地,装置60包括用于生成或者细化包括实际位置33的区域30的颗粒浓度图40(或者40’)的颗粒浓度图处理单元63。因此,基于局部颗粒计数信息25和接收到的颗粒计数信息21来生成或者细化颗粒浓度图40(或者40’),从而得到经过细化的颗粒浓度图40”。
另外,在实施例中,可以测量和/或接收指示在一个或者多个其他位置处的颗粒计数的其他局部颗粒计数信息26。其他局部颗粒计数信息包括指示相应局部颗粒计数信息26的测量位置的位置信息,并且可以另外被用于颗粒浓度图40(或者40”)的生成和/或细化。其他局部颗粒计数信息可以例如,由用户穿戴的可穿戴传感器或者在例如,分布在整个区域中的公寓、阳台或者花园中的固定传感器等获取。
根据本发明的该方面,需要在某个时间点测量在实际位置处的浓度以在特定浓度图中生成针对实际位置的值。测量可以由用户的社区执行,使得持续改进图(因为随着时间的推移,针对每个位置,获得更多的数据,可以统计地处理这些值,在最简单的情况下,对针对每个位置的越来越多数量的读数进行平均)。
根据另一实施例,可以生成颗粒浓度图作为整个区域(例如整个城市)的初始映射。监测车辆(与谷歌地图汽车类似)行驶通过区域(例如城市)以采集局部颗粒计数信息。为了获得花粉测量值,将需要在每个子区域停留一定时间(例如60分钟)以确定局部颗粒计数。然后将获得的局部颗粒计数信息与基准位置计数相比较以获得相对值,并且与对应位置的坐标一起存储相对值。一旦对整个区域(城市)进行了该操作,获得的数据库就是颗粒浓度图的基础。现在,在未来的任何时间点,用户可以向服务器发送请求以及其位置数据(不需要发送颗粒计数信息),服务器基于当前的基准位置浓度和存储的相对颗粒浓度图来确定在用户的位置处的当前浓度,并且然后将结果发回给用户。
装置10和60中的每一个可以被实施在硬件和/或软件中,例如作为在电子用户装置(诸如智能电话、平板、膝上型计算机、智能手表等)上运行的应用程序。两个装置也可以被组合成单个装置,例如单个应用程序可以被配置为实施在装置10和60中实施的不同方法。在其他实施例中,装置10和60是单独的装置,例如,装置10可以是用户携带在身边的智能电话,并且装置60可以是计算机或者服务器,例如在云中,被用作中央评估装置。
可以按照以下方式来配置装置和方法:捕获发起对局部颗粒计数进行采样的时间点,可选地,以及停止采样的时间点。例如,可以通过由用户手动输入到装置中或者在其他实施例中,自动输入到装置中来实施这一点,例如,装置或者局部测量站可以具有使其能够检测新的采样周期开始和停止的时间的装置。若需要,可以提供对应的无线通信装置用于局部测量站与装置之间的通信。采样开始事件可以激活位置追踪(例如经由GPS)。
在实施例中,一旦装置将数据(例如花粉/微生物的数量和类型)数字化,装置就与对应的位置数据一起存储该信息。一旦已经采集到足够的数据并且(可选地)例如,将这些数据上传至中央数据库或者服务器,就可以通过组合多个用户的数据来创建(或者改进)浓度图。这不仅进一步提高了空间分辨率,而且可以被用于基于不同用户之间的重叠来精确地找到颗粒比例如,城市水平测量更多/更少的区域。该方法的另一优点是:对于具有重叠的每个位置,可以使用来自若干用户的数据来提高测量的精确度(例如通过使用平均值和标准偏差)。
由于现在可能获得具有不确定性的测量,因此,可以将该信息发回给单独的用户并且将其应用于单个用户的测量。结果是,不是对于按照这种方式获得的浓度具有单个值,而是可以将统计信息添加至该单点测量,并且可以呈现浓度范围或者置信区间。还可以将该信息反馈回由用户的装置执行的暴露评估以反映不确定性的水平。
然后,应用中的用户界面可以使用该数据来显示具有更精确的浓度数据和更高的空间分辨率的颗粒浓度图。对于花粉而言,这种详细的图将是非常有价值的,因为其可以例如,由哮喘或者花粉应用程序(“app”)用于通过告诉人们哪些区域具有高浓度(即,热点区域)(如由装置和方法确定的)以避开来帮助人们将暴露于过敏原减到最少,例如当散步时、当做运动时等。
本发明的另一方面包括区域、城市等的浓度分布(或者图)。可以通过将由装置和方法确定的值与公共监测站已发布的值相比较来完成这一点。因此,可以针对每个位置确定增量并且用已发布的数据的百分比进行表示。可以随后在具有较少众包数据的时候使用这一点以维持相似程度的空间分辨率。在花粉的情况下,这种方法特别有意义,因为某些区域很可能总是以比来自中央监测站的花粉浓度更高的花粉浓度为特征(例如具有很多花、草或者树木的公园)。
此外,如果用户输入其症状(例如从三个笑脸选项中进行选择),则可以将症状与特定类型的颗粒关联,并且基于上述内容而与位置关联。
所提出的方法特别适用于所有颗粒,特别是污染物,污染物具有固定的源位置并且源强度在某种程度上被限定。例如,花粉源自相对固定的源,例如公园,并且源强度的差异也是恒定的,因为例如,由在每个位置处的树木的数量、每个公园中的草地覆盖面积的大小等确定。
例如,本发明可以被应用于空气净化器中的花粉预浓缩器、基于智能电话的花粉传感器和基于智能电话的传感器以获得水/液体、空气和表面的微生物纯度。本发明可以优选地被实施为数字解决方案,诸如应用程序。一些实施例利用基于众包的花粉和/或微生物测量(包括花粉类型)和在采样期间获得的对应位置数据来实现许多额外的益处,诸如进一步提高空间分辨率、提高精确度和提供精确的指标。一旦可用,就可以利用这种数据来改进用于哮喘和过敏管理的现有和未来的应用程序,例如通过提供用户的有价值的信息以避免触发。
本发明的一个想法是:颗粒浓度图由用户的社区创建并且不断地更新,即,通过将来自特定用户的每个新数据点与基准位置相比较并且基于该比较来创建/更新在实际位置处的相对值(因此,创建/更新了颗粒浓度图)来不断地改进颗粒浓度图。包括每个位置的相对值的对应数据库将优选地被存储在服务器上,在该服务器中,每当从用户获得新的读数时,就更新对应数据库。在这种情况下,创建(和/或更新)颗粒浓度图和确定在实际位置处的浓度可以同时发生。
在现实生活场景中,在大多数情况下,这将是困难的。每当用户没有长时间停留(例如一个小时、在固定位置处),而是行走/前进并且不断地改变其位置时,这将是困难的,因为当前的花粉传感器(甚至是专业的花粉传感器)不提供实时数据。因此,如果用户在移动中,则他可以在每个新的位置访问服务器并且立即接收在他的位置处的更新过的浓度,而不实际促进图生成。因此,本发明允许在任何时间确定在任何位置处的花粉浓度,与已知的解决方案相比较,这是关键益处之一。
虽然已经在附图和前面的描述中详细图示和描述了本发明,但是这种图示和描述应该被认为是说明性的或者示例性的而不是限制性的;本发明不限于所公开的实施例。通过研究附图、公开内容和所附权利要求书,本领域的技术人员在实践要求保护的本发明时可以理解和实现所公开的实施例的其他变型。
在权利要求书中,词语“包括”不排除其他元件或者步骤,并且不定冠词“一”或者“一个”不排除多个。单个元件或者其他单元可以实现在权利要求书中叙述的若干项的功能。在相互不同的从属权利要求中叙述了某些测量这一事实并不表示不能使用这些测量的组合来获益。
计算机程序可以被存储/分布在合适的非暂时性介质上,诸如与其他硬件一起提供或者作为其他硬件的一部分提供的光学存储介质或者固态介质,但是也可以按照其他形式来分布计算机程序,诸如经由互联网或者其他有线或者无线电信系统。
权利要求书中的任何附图标记都不应该被解释为是对范围的限制。
Claims (15)
1.一种估计局部颗粒浓度的方法,所述局部颗粒浓度指示花粉和/或微生物在用户装置(2)的实际位置(33)处的局部浓度,所述方法包括:
-接收指示在一个或者多个颗粒计数位置(31、32)处的最近颗粒计数的颗粒计数信息(21),所述一个或者多个颗粒计数位置(31、32)用作一个或者多个基准位置,
-接收或者生成包括所述实际位置(33)的区域(30)的颗粒浓度图(40、40’),所述颗粒浓度图包括相对颗粒浓度信息(41),所述相对颗粒浓度信息(41)指示:所述区域(30)的若干子区域(34)中的每个子区域的、相对于在所述一个或者多个颗粒计数位置(31、32)处的颗粒计数的、在所述子区域处的所述颗粒浓度,
-确定所述实际位置(33)所在的所述子区域(34’),以及
-基于所确定的子区域(34’)相对于所接收到的所述颗粒计数信息(21)的所述相对颗粒浓度信息(41’),来确定在所述实际位置(33)处的所述局部颗粒浓度(24),
其中通过将来自用户的每个新数据点与所述基准位置相比较并且基于所述比较来更新在所述实际位置处的相对值,不断地更新所述颗粒浓度图,使得所述用户在移动中能够在每个新的实际位置访问服务器并且立即接收在所述实际位置处的更新过的浓度。
2.根据权利要求1所述的方法,
其中基于所确定的子区域(34’)的所述相对颗粒浓度信息(41’)和在最接近所述实际位置(33)的所述颗粒计数位置(31)处所接收到的颗粒计数信息(21),在所述实际位置(33)处的所述局部颗粒浓度(24)被确定。
3.根据权利要求2所述的方法,其中通过基于所确定的子区域(34’)的所述相对颗粒浓度信息(41’)对由在最接近所述实际位置(33)的所述颗粒计数位置(31)处所接收到的颗粒计数信息(21)指示的所述颗粒计数进行外推,在所述实际位置(33)处的所述局部颗粒浓度(24)被确定。
4.根据权利要求1所述的方法,
其中基于所确定的子区域(34’)的所述相对颗粒浓度信息(41’)和在最接近所述实际位置(33)的两个或者更多个颗粒计数位置(31、32)处所接收到的颗粒计数信息(21),在所述实际位置(33)处的所述局部颗粒浓度(24)被确定。
5.根据权利要求4所述的方法,
其中在所述实际位置(33)处的所述局部颗粒浓度(24)通过以下方式被确定:单独地,每颗粒计数位置,基于所确定的子区域(34’)相对于相应颗粒计数位置的相应相对颗粒浓度信息(41’、42’),来对由所接收到的颗粒计数信息(21)所指示的所述颗粒计数进行外推,并且对所外推的颗粒计数进行平均,特别是对所外推的颗粒计数进行平均或者加权平均。
6.根据权利要求1所述的方法,其中所述颗粒浓度图(40、40’)包括相对颗粒浓度信息,所述颗粒浓度信息指示:所述区域(30)的若干子区域(34)中的每个子区域的、在所述子区域处的所述颗粒浓度与在一个或者多个颗粒计数位置(31、32)处的所述颗粒计数的绝对或者相对偏差。
7.根据权利要求1所述的方法,其中所述颗粒浓度图(40、40’)包括针对一年内的不同时间,特别是不同星期和/或日期和/或小时的相对颗粒浓度信息。
8.根据权利要求1所述的方法,其中所述颗粒浓度图(40、40’)包括不同种类的颗粒的相对颗粒浓度信息。
9.根据权利要求1所述的方法,
还包括以下步骤:接收指示每次在不同区域处的典型颗粒浓度的颗粒日历信息,
其中基于所确定的子区域(34’)的所述相对颗粒浓度信息(41’)、在所确定的子区域处所接收到的颗粒计数信息(21)和所接收到的颗粒日历信息,在所述实际位置(33)处的所述局部颗粒浓度(24)被确定。
10.根据权利要求1所述的方法,
还包括以下步骤:测量或者接收指示在实际位置(33)处的所述颗粒计数的局部颗粒计数信息(24),
其中基于所述局部颗粒计数信息(24)和所接收到的指示在一个或者多个颗粒计数位置处的最近颗粒计数的颗粒计数信息(21),所述颗粒浓度图(40、40’)被生成或者被细化。
11.一种生成或者细化区域(30)的颗粒浓度图(40、40’)的方法,所述颗粒浓度图(40、40’)指示花粉和/或微生物的浓度,所述方法包括:
-测量和/或接收指示在用户装置(2)的实际位置(33)处的颗粒计数的局部颗粒计数信息(25),
-接收指示在一个或者多个颗粒计数位置(31、32)处的最近颗粒计数的颗粒计数信息(21),所述一个或者多个颗粒计数位置(31、32)用作一个或者多个基准位置,以及-生成或者细化包括所述实际位置(34’)的区域(30)的颗粒浓度图(40、40’),所述颗粒浓度图包括相对颗粒浓度信息(41),所述相对颗粒浓度信息(41)指示:所述区域(30)的若干子区域(34)中的每个子区域的、相对于在一个或者多个颗粒计数位置(31、32)处的颗粒计数的、在所述子区域处的所述颗粒浓度,其中基于相对于所接收到的所述颗粒计数信息(21)的所述局部颗粒计数信息(25),所述颗粒浓度图(40、40’)被生成或者被细化,
其中通过将来自用户的每个新数据点与所述基准位置相比较并且基于所述比较来更新在所述实际位置处的相对值,不断地更新所述颗粒浓度图,使得所述用户在移动中能够在每个新的实际位置访问服务器并且立即接收在所述实际位置处的更新过的浓度。
12.根据权利要求11所述的方法,其中指示在一个或者多个其他位置处的所述颗粒计数的其他局部颗粒计数信息(26)被测量和/或被接收,其中所述其他局部颗粒计数信息包括指示相应局部颗粒计数信息的测量位置的位置信息,以及
其中所述其他局部颗粒计数信息被用于所述颗粒浓度图的生成和/或细化。
13.一种用于估计指示花粉和/或微生物在用户装置(2)的实际位置(33)处的局部浓度的局部颗粒浓度的装置,所述装置包括:
-颗粒计数信息输入(11),用于接收指示在一个或者多个颗粒计数位置(31、32)处的最近颗粒计数的颗粒计数信息(21),所述一个或者多个颗粒计数位置(31、32)用作一个或者多个基准位置,
-颗粒浓度图单元(12),用于接收或者生成包括实际位置(33)的区域(30)的颗粒浓度图(40、40’),所述颗粒浓度图包括相对颗粒浓度信息(41),所述相对颗粒浓度信息(41)指示:所述区域(30)的若干子区域(34)中的每个子区域的、相对于在一个或者多个颗粒计数位置(31、32)处的颗粒计数的、在所述子区域处的所述颗粒浓度,
-子区域确定单元(13),用于确定所述实际位置(33)所在的所述子区域(34’),以及
-颗粒浓度确定单元(14),用于基于所确定的子区域(34’)相对于所接收到的所述颗粒计数信息(21)的所述相对颗粒浓度信息(41’),来确定在所述实际位置(33)处的所述局部颗粒浓度(24),
其中通过将来自用户的每个新数据点与所述基准位置相比较并且基于所述比较来更新在所述实际位置处的相对值,不断地更新所述颗粒浓度图,使得所述用户在移动中能够在每个新的实际位置访问服务器并且立即接收在所述实际位置处的更新过的浓度。
14.用于生成或者细化区域的颗粒浓度图的装置,所述颗粒浓度图指示花粉和/或微生物的浓度,所述装置包括:
-局部颗粒计数信息单元(61),用于测量和/或接收指示在用户装置(2)的实际位置(33)处的所述颗粒计数的局部颗粒计数信息(25),
-颗粒计数信息输入(62),用于接收指示在一个或者多个颗粒计数位置(31、32)处的最近颗粒计数的颗粒计数信息(21),所述一个或者多个颗粒计数位置(31、32)用作一个或者多个基准位置,以及
-颗粒浓度图处理单元(63),用于生成或者细化包括所述实际位置(34’)的区域(30)的颗粒浓度图(40、40’),所述颗粒浓度图包括相对颗粒浓度信息(41),所述相对颗粒浓度信息(41)指示:所述区域(30)的若干子区域(34)中的每个子区域的、相对于在一个或者多个颗粒计数位置(31、32)处的颗粒计数的、在所述子区域处的所述颗粒浓度,其中基于相对于所接收到的所述颗粒计数信息(21)的所述局部颗粒计数信息(25),所述颗粒浓度图(40、40’)被生成或者被细化,
其中通过将来自用户的每个新数据点与所述基准位置相比较并且基于所述比较来更新在所述实际位置处的相对值,不断地更新所述颗粒浓度图,使得所述用户在移动中能够在每个新的实际位置访问服务器并且立即接收在所述实际位置处的更新过的浓度。
15.计算机程序,包括程序代码装置,所述程序代码装置用于当在计算机上实施所述计算机程序时使所述计算机实施根据权利要求1或者11所述的方法的步骤。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNPCT/CN2016/000713 | 2016-12-27 | ||
CN2016000713 | 2016-12-27 | ||
EP17152736 | 2017-01-24 | ||
EP17152736.9 | 2017-01-24 | ||
PCT/EP2017/084596 WO2018122227A1 (en) | 2016-12-27 | 2017-12-27 | Method and device for estimating a local particle concentration |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110121718A CN110121718A (zh) | 2019-08-13 |
CN110121718B true CN110121718B (zh) | 2024-03-19 |
Family
ID=60990772
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780080864.0A Active CN110121718B (zh) | 2016-12-27 | 2017-12-27 | 用于估计局部颗粒浓度的方法和装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20200194130A1 (zh) |
EP (1) | EP3563275A1 (zh) |
JP (1) | JP2020503529A (zh) |
CN (1) | CN110121718B (zh) |
WO (1) | WO2018122227A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1532433A (en) * | 1974-11-25 | 1978-11-15 | Green James E | Method and apparatus utilizing colour algebra for analyzing scene regions |
JP2002157511A (ja) * | 2000-11-21 | 2002-05-31 | Nippon Telegr & Teleph Corp <Ntt> | 花粉情報提供方法およびシステム |
JP2004271313A (ja) * | 2003-03-07 | 2004-09-30 | Nippon Telegr & Teleph Corp <Ntt> | 飛散花粉の評価方法 |
JP2012098189A (ja) * | 2010-11-02 | 2012-05-24 | Gifu Univ | 空中花粉量の予測方法および空中花粉量の評価システム |
KR20160020745A (ko) * | 2014-08-14 | 2016-02-24 | 영진기술 주식회사 | 초미세먼지정보 제공 장치 및 시스템 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2681681A1 (en) * | 2009-10-06 | 2010-06-08 | Colin Irvin Wong | Mapping concentrations of airborne matter |
-
2017
- 2017-12-27 EP EP17829662.0A patent/EP3563275A1/en active Pending
- 2017-12-27 JP JP2019555066A patent/JP2020503529A/ja active Pending
- 2017-12-27 US US16/473,269 patent/US20200194130A1/en not_active Abandoned
- 2017-12-27 WO PCT/EP2017/084596 patent/WO2018122227A1/en unknown
- 2017-12-27 CN CN201780080864.0A patent/CN110121718B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1532433A (en) * | 1974-11-25 | 1978-11-15 | Green James E | Method and apparatus utilizing colour algebra for analyzing scene regions |
JP2002157511A (ja) * | 2000-11-21 | 2002-05-31 | Nippon Telegr & Teleph Corp <Ntt> | 花粉情報提供方法およびシステム |
JP2004271313A (ja) * | 2003-03-07 | 2004-09-30 | Nippon Telegr & Teleph Corp <Ntt> | 飛散花粉の評価方法 |
JP2012098189A (ja) * | 2010-11-02 | 2012-05-24 | Gifu Univ | 空中花粉量の予測方法および空中花粉量の評価システム |
KR20160020745A (ko) * | 2014-08-14 | 2016-02-24 | 영진기술 주식회사 | 초미세먼지정보 제공 장치 및 시스템 |
Non-Patent Citations (3)
Title |
---|
Analyzing preferential concentration and clustering of inertial particles in turbulence;Romain Monchaux 等;《International Journal of Multiphase》;20121231(第18期);第1-18页 * |
教育部部属高等学校环境科学第二次学术讨论会会议学术组.《教育部部属高等学校环境科学第二次学术讨论会论文摘要汇编》.厦门大学科学技术情报研究室,1980,第80-82页. * |
李云生.《城市区域大气环境容量总量控制技术指南》.北京:中国环境科学出版社,2005,第184-186页. * |
Also Published As
Publication number | Publication date |
---|---|
JP2020503529A (ja) | 2020-01-30 |
CN110121718A (zh) | 2019-08-13 |
EP3563275A1 (en) | 2019-11-06 |
WO2018122227A1 (en) | 2018-07-05 |
US20200194130A1 (en) | 2020-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9357346B2 (en) | System and method for indoor location mapping and tracking | |
US20160091474A1 (en) | Method and a System for Determining at Least One Forecasted Air Quality Health Effect Caused in a Determined Geographical Area by at Least One Air Pollutant | |
KR101365993B1 (ko) | 데이터처리방법, 데이터처리장치, 데이터수집방법, 및 정보제공방법 | |
US11538239B2 (en) | Joint modeling of object population estimation using sensor data and distributed device data | |
Ueberham et al. | Wearable sensors for multifactorial personal exposure measurements–A ranking study | |
CN108431596A (zh) | 暴露于空气污染物的跟踪 | |
CN103649770A (zh) | 移动设备的位置估计 | |
US20150088611A1 (en) | Methods, Systems and Apparatus for Estimating the Number and Profile of Persons in a Defined Area Over Time | |
CN109195219B (zh) | 服务器确定移动终端位置的方法 | |
CN111344733B (zh) | 用于处理异构数据以确定时间和空间中的流入的设备和方法 | |
US20210209645A1 (en) | Method and system for determining fact of visit of user to point of interest | |
US11523248B2 (en) | Inference of logistical relationships from device location data | |
JP2019139654A (ja) | 提供装置、提供方法及び提供プログラム | |
JP7272522B2 (ja) | データ分析装置、データ分析システム、データ分析方法およびデータ分析プログラム | |
Li et al. | Space–time tourist flow patterns in community-based tourism: an application of the empirical orthogonal function to Wi-Fi data | |
CN110121718B (zh) | 用于估计局部颗粒浓度的方法和装置 | |
JP6692377B2 (ja) | 算出装置、算出方法及び算出プログラム | |
Ellison et al. | Spatiotemporal identification of trip stops from smartphone data | |
JP2019128609A (ja) | 情報制御装置、情報制御方法及び情報制御プログラム | |
El Esawey et al. | A framework for neighbour links travel time estimation in an urban network | |
CN111242723B (zh) | 用户子女情况判断方法、服务器及计算机可读存储介质 | |
JP7246037B2 (ja) | データ分析装置、データ分析システム、データ分析方法およびプログラム | |
Sila-Nowicka et al. | Calibrating spatial interaction models from GPS tracking data: An example of retail behaviour. | |
JP2018017586A (ja) | 環境計測システムおよび環境計測方法 | |
JP5320041B2 (ja) | 降雨情報配信システム |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230927 Address after: Holland Ian Deho Finn Applicant after: Fansongni Holdings Ltd. Address before: The city of Eindhoven in Holland Applicant before: KONINKLIJKE PHILIPS N.V. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |