CN113474189A - 用于管理人的热舒适性的系统 - Google Patents
用于管理人的热舒适性的系统 Download PDFInfo
- Publication number
- CN113474189A CN113474189A CN202080017015.2A CN202080017015A CN113474189A CN 113474189 A CN113474189 A CN 113474189A CN 202080017015 A CN202080017015 A CN 202080017015A CN 113474189 A CN113474189 A CN 113474189A
- Authority
- CN
- China
- Prior art keywords
- value
- person
- confidence
- prob
- values
- 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.)
- Pending
Links
- 238000005259 measurement Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 230000000295 complement effect Effects 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000002503 metabolic effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010016334 Feeling hot Diseases 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000003304 psychophysiological effect Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
- B60H1/00742—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models by detection of the vehicle occupants' presence; by detection of conditions relating to the body of occupants, e.g. using radiant heat detectors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/0073—Control systems or circuits characterised by particular algorithms or computational models, e.g. fuzzy logic or dynamic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Human Computer Interaction (AREA)
- Air-Conditioning For Vehicles (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及一种用于管理人特别是机动车辆上的人的热舒适性的系统(1),该系统设计成使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,该系统设计成:a.使用传感器获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率。
Description
技术领域
本发明涉及一种用于管理人的热舒适性的系统。
背景技术
在机动车辆中,已知的做法是根据外部温度和日照条件来管理由各种通风机吹送的空气的流量、温度和分布。在某些车辆中,这可能与加热方向盘和/或加热或冷却座椅的启动相结合。检测和/或考虑乘客的热状态几乎是未知的,除了使用红外传感器的几个示例,该红外传感器检测乘客衣服的表面温度,以便更好地考虑临时欢迎阶段期间的初始条件(当人从寒冷或炎热的环境进入时)和由辐射和对流交换产生的热平衡。一般来说,测量乘客舱的热状态仅限于结合日照传感器测量空气温度。已经提出了更复杂的舒适性管理方法,这些方法基于新的传感器,特别是红外相机,和新的致动器,特别是辐射面板和/或允许局部空气输送的致动器。
可将乘客的热舒适性定义为感觉条件,其表示对热环境的满意度并通过主观评价来评估。为了控制或提供机动车辆乘客舱中的热舒适性,期望估计人的代谢活动和服装作为热生理模型的输入数据。热感觉是人的热应力的心理生理表现,这种感觉男女有别。这还取决于年龄、服装、一天中的时间等。
描述人的热舒适性的热生理模型,比如方格模型,在计算热交换时特别考虑了衣服等级。
性别检测的结果通常是二元的,也就是说男性或女性。同样,服装的分类也往往局限于几个服装等级,比如泳装、夏装、居家休闲装、冬装。
由于与一个或多个传感器的噪声和识别算法相关的限制,可能存在从一种状态到另一种状态的跳跃,这可能会使舒适性预测不稳定。在某些情况下,占据者的概况或状态不能与主要的性别类别相联系,因为人们通常具有男性和女性特征。这同样适用于中级服装等级。将一个人的概况或状态分类的这个问题也适用于其他特征,例如乘客的情绪状态或活动。
发明内容
本发明的目的是改善对机动车辆乘客舒适性的管理。
因此,本发明的一个主题是一种用于管理人特别是机动车辆上的人的热舒适性的系统,该系统设计成使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,这些值是离散的或连续的,该系统设计成:
a.使用传感器获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,
b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率,
c.基于这些获取的数据,通过将第二置信度与该第一值相关联来评估状态特征采用第二值的概率,
d.向状态特征分配调整值,该调整值是至少所述第一和第二值以及所述相关置信度的函数。
因此,本发明提出,不是为每个特征分配类别或值,而是评估类别或值的概率,该概率例如在0和1之间。可能类别或值的集合可以是二进制的或者被分类成类别,并且分配给该集合的概率的总和优选等于1,每个单独的概率在0和1之间。
在本发明的一示例中,可以将互补概率定义为事件不发生的概率。该互补概率被定义为事件发生概率的1的补数。例如,如果事件发生的概率为Y,则事件不发生的互补概率为1-Y,例如:如果事件的概率为0.80(或80%),则事件不发生的互补概率为1-0.80=0.20(或20%)。
举例来说,如果检测到性别为男性的概率为60%,则预测性别为女性的概率为40%。考虑到所有参数,本发明考虑了40%的剩余概率。通过考虑这些参数,有可能为预测构建新的平衡代谢和舒适模型。
根据本发明的一方面,为了预测乘客舒适度,可以考虑各种定性状态特征,例如性别、服装类型、活动、姿势、情绪状态等。
根据本发明的一方面,通过分类算法,例如使用神经网络或贝叶斯网络来评估每个特征并将每个特征分类成一类别,状态特征比如年龄、体重或身高可以由连续回归模型来描述,或者由一组离散类别比如女性或男性的性别来描述。
根据本发明的一方面,每个检测到的类别伴随有对应于检测到的类别是正确类别的概率水平的置信度。
对于分类算法不是完全鲁棒,或者类别可能与各种传感器或处理算法的使用相关联,或者存在缺失的类别,或者在输入数据或来自传感器的信号中存在噪声或不确定性的情况,检测到的类别可能与所有可能类别中最高的置信度(或概率水平)相关。因此,其他类别也各自具有低于最高置信度的置信度,从而给出关于与分类相关的不确定性或关于类别之间的乘客的概况和状态的可能重叠的信息。
因此,本发明尤其基于混合类别的概念,每个混合类别是预定义类别的组合,每个构成类别基于其置信度具有加权贡献。
根据本发明的一方面,乘客被检测为男性的概率为60%,被检测为女性的概率为40%。传统方法会导致所述乘客以二元方式被分类为男性。
因此,本发明特别建议考虑乘客的概况和状态,以及他们的反应和行为,男性类别为60%,女性类别为40%。
本发明通过考虑每个类别的置信度和概率水平,尤其使得可以提高乘客的状态特征的分类的鲁棒性。
本发明提供的另一优点是,基于来自传感器的噪声或神经模型的不稳定性(这将导致舒适性评估中的突然变化和舒适性控制中潜在的一些不稳定性),通过避免类别分类中的突然变化来平滑舒适性控制策略。
如果需要,本发明还使得可以引入和使用乘客的概况/状态/行为,这实际上是多个类别的重叠或组合。例如,一个人可能表现出与男性平均代谢活动或女性平均代谢活动不完全一致,但介于两者之间的热生理行为。同样,乘客不一定能够被专门归类为“光膀子”或“穿衣服的膀子”,而是如果袖子被卷起的话则介于这两者之间。
根据本发明的一方面,如果状态特征是情绪的级别或类别,则可以叠加具有不同置信度的各种情绪。例如,一种状态和行为可被描述为30%的愤怒的人和70%的快乐的人,这取决于每个状态的置信度。
根据本发明的一方面,状态特征是可以采用多个值的特征,每个值对应于从多个类别中选择的类别。
根据本发明的一方面,状态特征是乘客的性别,其可以采用对应于男性类别的值和对应于女性类别的值。
根据本发明的一方面,状态特征是乘客头部的覆盖水平,该特征可以采用对应于光头的类别的值、对应于有头发的头部的类别的值、特别是对应于带帽子的头部的类别的值。
根据本发明的一方面,状态特征是乘客的情绪状态水平,例如,该特征可以采用对应于愤怒状态类别的值、对应于担忧状态类别的值、对应于快乐状态类别的值。
根据本发明的一方面,该系统设计为确定状态特征的每个值的置信度,特别是使用系统的一个或多个神经网络,或系统的贝叶斯网络,或任何其他传感器和处理算法。
根据本发明的一方面,每个置信度在0和1之间;特别地,与为状态特征确定的值相关的置信度的总和等于1。
根据本发明的一方面,该系统包括至少一个测量链,其包括传感器、采集单元和运行算法的处理单元,该测量链设计为针对状态特征提供值特别对应于类别的值以及与这些值相关的置信度。
根据本发明的一方面,该系统设计为向测量链分配特定于该测量链的置信度,该置信度反映了该测量链给出可靠结果的可靠性。
根据本发明的一方面,该系统包括用于确定状态特征(A)的值(Aij)的多个测量链(Cj),每个测量链(Cij)设计成给出具有概率(Prob(Aij))的状态特征(A)的值(Aij),使得该系统为每个值(Ai)分配总体置信度(Prob(Ai)),其是每个测量链特有的置信度(Conf(Cj))和与由测量链(Cj)给出的每个值(Aij)相关的概率(Prob(Aij))的函数。因此,总体置信度(Prob(Ai))可表示如下:Prob(Ai)=∑j[Conf(Cj)*Prob(Aij)]/∑j[Conf(Cj)]。如果特征(A)的值(Aij)是数值连续的,则分配给状态特征(A)的值(A*)可以由A*=∑i(Prob(Ai)*Ai)/∑i(Prob(Ai))表示。
根据本发明的一方面,该系统设计为给状态特征(E)分配由函数(f)描述的值(E*),特别是连续值,该值是为另一状态特征(A)的每个值或类别(Ai)采用的值g(Ai)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权。例如,可以有公式E*=f([∑i(Prob(Ai)*g(Ai))/∑i(Prob(Ai))],Bk..),其中f是模型或算法,Bk是一个或多个其他特征。
根据本发明的一方面,该系统设计为给状态特征(E)分配值(E*),其是E对于每个值或类别(Ai)所采用的值(Ei)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权。例如,可以有公式E*=∑i(Prob(Ai)*f(g(Ai),Bk))/∑i(Prob(Ai)),其中f是模型或算法,Bk是一个或多个其他特征,Ei=f(g(Ai),Bk),g(Ai)特别是离散值。
根据本发明的一示例,函数g可以考虑由状态特征(A)采用的值(Ai)和它通过状态函数f:Ei=f(Ai)对值(Ei)的影响之间的非线性,特别是当值(Ai)离散时。例如,(A)可以是采用两个可能值(A1=男,A2=女)的人的性别,(E)可以是人的代谢活动,其表达取决于系数C=g(Ai),该系数可采用两个离散值(g(A1)=1,g(A2)=0.8)。
本发明的另一主题是一种用于管理人特别是在机动车辆上的人的热舒适性的方法,该方法使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,该方法具有以下步骤:
a.使用传感器获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,
b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率,
c.基于这些获取的数据,通过将第二置信度与该第一值相关联来评估状态特征采用第二值的概率,
d.向状态特征分配调整值,该调整值是至少所述第一和第二值以及所述相关置信度的函数。
附图说明
通过阅读以下描述并参考附图,将更好地理解本发明及其各种应用,其中:
图1示意性地示出了根据本发明一非限制性实施例的热舒适性管理系统。
具体实施方式
图1示出了用于管理机动车辆上的人的热舒适性的系统1,该系统包括多个传感器,包括:
-设计用于观察乘客舱中乘客的DMS(驾驶员监控系统)相机3,
-一个或多个圆顶4,其包括在可见光(RGB)和/或近红外(NIR)和/或远红外(FIR)光谱中工作的一个或多个相机,放置在乘客舱的天花板上,并使得可以观察乘客舱的壁和乘客的某些身体部位,
-室外温度传感器和日照传感器5,
-在空调设备或HVAC10的出口处的至少一个空气温度传感器6,
-用于检测空调设备或HVAC10的出口处的空气流动及其分布的至少一个传感器,
-用于感测乘客舱中的空气温度的至少一个传感器7,
-优选地,布置在乘客舱的某些壁中的湿度传感器和温度传感器,
-优选地,用于感测与乘客接触的区域中的热流的传感器。
系统1设计成使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,这些值是离散的或连续的,该系统包括处理单元2,其设计成:
a.使用上述传感器之一获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,
b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率,
c.基于这些获取的数据,通过将第二置信度与该第一值相关联来评估状态特征采用第二值的概率,
d.向状态特征分配调整值,该调整值至少是所述第一和第二值以及所述相关置信度的函数。
系统1设计为给状态特征(E)分配值,特别是连续值,其是为另一状态特征(A)的每个值或类别(Ai)采用的值g(Ai)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权。例如,可以有公式E*=f([∑i(Prob(Ai)*g(Ai))/∑i(Prob(Ai))],Bk..),其中f是模型或算法,Bk是一个或多个其他特征。
根据本发明的一方面,系统1设计为给状态特征(E)分配值,其是E对于另一状态特征(A)的每个值或类别(Ai)所采用的值(Ei)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权。例如,可以有公式E*=∑i(Prob(Ai)*f(g(Ai),Bk))/∑i(Prob(Ai)),其中f是模型或算法,Bk是一个或多个其他特征,Ei=f(g(Ai),Bk),g(Ai)特别是离散值。
例如,状态特征是乘客的新陈代谢水平MET,该水平MET等于为男性定义60%(这是置信度)的水平MET,为女性定义40%的水平MET。
在一示例中,状态特征RClo是乘客手臂的服装覆盖水平,该水平RClo等于与长袖服装相关的50%的水平RClo和与短袖服装相关的50%的水平RClo以及与光膀子相关的0%的水平。
在一示例中,状态特征是乘客的健康水平,该健康水平等于50%(这是置信度)的“愤怒”水平,0%的“快乐”水平,30%的“害怕”水平和20%的“焦虑”水平的信心水平。在这种情况下,状态特征可以采用四种可能的类别。
在本发明的一示例性实施例中,系统1包括用于确定状态特征值的多个测量链,每个测量链设计为给出具有相关置信度(Prob(Aij))的状态特征值,使得系统为每个值(Ai)分配总体置信度(Prob(Ai)),该总体置信度是每个测量链特定的置信度(Conf(Cj))和与测量链给出的每个值(Aij)相关的置信度(Prob(Aij))的函数。因此,总体置信度(Prob(Ai))可以表示如下:Prob(Ai)=∑j[Conf(Cj)*Prob(Aij)]/∑j[Conf(Cj)]。如果特征(A)的值(Aij)是数值连续的,则分配给状态特征(A)的值(A*)可以由A*=∑i(Prob(Ai)*Ai)/∑i(Prob(Ai))表示。
热管理考虑了由置信度加权的上述值,特别是为了激活热致动器,例如车辆中的HVAC或辐射面板。
Claims (10)
1.一种用于管理人特别是机动车辆上的人的热舒适性的系统(1),该系统设计成使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,该系统设计成:
a.使用传感器获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,
b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率,
c.基于这些获取的数据,通过将第二置信度与该第一值相关联来评估状态特征采用第二值的概率,
d.向状态特征分配调整值,该调整值是至少所述第一和第二值以及所述相关置信度的函数。
2.如前一权利要求所述的系统,其中,所述状态特征是可以采用多个值的特征,每个值对应于从多个类别中选择的类别。
3.如前述权利要求中任一项所述的系统,其中,所述状态特征是乘客的性别,其可以采用对应于男性类别的值和对应于女性类别的值。
4.如前述权利要求中任一项所述的系统,其中,所述系统设计为确定状态特征的每个值的置信度,特别是使用该系统的一个或多个神经网络、或该系统的贝叶斯网络、或任何其他传感器和处理算法。
5.如前述权利要求中任一项所述的系统,其中,所述系统包括至少一个测量链,其包括传感器、采集单元和运行算法的处理单元,该测量链设计为针对状态特征提供值特别是对应于类别的值以及与这些值相关的置信度。
6.如前述权利要求中任一项所述的系统,其中,所述系统设计为向所述测量链分配特定于测量链的置信度,该置信度反映了该测量链给出可靠结果的可靠性。
7.如前述权利要求中任一项所述的系统,其中,所述系统包括用于确定状态特征值的多个测量链,每个测量链设计为给出具有相关置信度(Prob(Aij))的状态特征值,使得所述系统为每个值(Ai)分配总体置信度(Prob(Ai)),所述总体置信度是每个测量链特定的置信度(Conf(Cj))和与测量链给出的每个值(Aij)相关的置信度(Prob(Aij))的函数。
8.如前述权利要求中任一项所述的系统,其中,所述系统设计为给所述状态特征(E)分配值(E*),特别是连续值,该值是为另一状态特征(A)的每个值或类别(Ai)采用的值g(Ai)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权,其中E*=f([∑i(Prob(Ai)*g(Ai))/∑i(Prob(Ai))],Bk..),其中f是模型或算法,Bk是一个或多个其他特征。
9.如前述权利要求中任一项所述的系统,其中,所述系统设计为给所述状态特征(E)分配值(E*),其是E对于另一状态特征(A)的每个值或类别(Ai)所采用的值(Ei)的函数,由与该值或类别(Ai)相关的总置信度Prob(Ai)加权,其中E*=∑i(Prob(Ai)*f(g(Ai),Bk))/∑i(Prob(Ai)),其中f是模型或算法,Bk是一个或多个其他特征,Ei=f(g(Ai),Bk),g(Ai)特别是离散值。
10.一种用于管理人特别是在机动车辆上的人的热舒适性的方法,该方法使用人和/或其热环境的至少一个状态特征,该特征能够采用多个值,该方法具有以下步骤:
a.使用传感器获取与人和/或其热环境相关的数据,该传感器尤其是设计成获取人和/或其热环境的图像的相机,
b.基于这些获取的数据,通过将第一置信度与该第一值相关联来评估状态特征采用第一值的概率,
c.基于这些获取的数据,通过将第二置信度与该第一值相关联来评估状态特征采用第二值的概率,
d.向状态特征分配调整值,该调整值是至少所述第一和第二值以及所述相关置信度的函数。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1904231A FR3095161B1 (fr) | 2019-04-19 | 2019-04-19 | Système de gestion du confort thermique d’une personne |
FR1904231 | 2019-04-19 | ||
PCT/EP2020/060497 WO2020212366A1 (fr) | 2019-04-19 | 2020-04-14 | Systeme de gestion du confort thermique d'une personne |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113474189A true CN113474189A (zh) | 2021-10-01 |
Family
ID=67107897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080017015.2A Pending CN113474189A (zh) | 2019-04-19 | 2020-04-14 | 用于管理人的热舒适性的系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11938786B2 (zh) |
EP (1) | EP3956160B1 (zh) |
CN (1) | CN113474189A (zh) |
FR (1) | FR3095161B1 (zh) |
WO (1) | WO2020212366A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3107669B1 (fr) * | 2020-02-28 | 2023-05-19 | Valeo Systemes Thermiques | Système de gestion du confort thermique d’un passager |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007057857A1 (en) * | 2005-11-16 | 2007-05-24 | Koninklijke Philips Electronics, N.V. | Adaptive, distributed solution for enhanced co-existence and qos for multimedia traffic over rlans |
CN104966123A (zh) * | 2015-07-16 | 2015-10-07 | 北京工业大学 | 基于模糊-自适应的slam数据关联方法 |
CN106663411A (zh) * | 2014-11-16 | 2017-05-10 | 易欧耐特感知公司 | 用于增强现实准备、处理和应用的系统和方法 |
CN108449791A (zh) * | 2018-03-19 | 2018-08-24 | 重庆邮电大学 | 一种基于温度补偿的自适应时间同步方法 |
US20190077217A1 (en) * | 2017-09-14 | 2019-03-14 | Lin Yu | Vehicle interior environment control |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5145112A (en) * | 1990-10-08 | 1992-09-08 | Kabushiki Kaisha Toyota Chuo Kenkyusho | Air conditioner |
JPH05193338A (ja) * | 1991-10-16 | 1993-08-03 | Toyota Central Res & Dev Lab Inc | 空調制御装置 |
US7962441B2 (en) * | 2006-09-22 | 2011-06-14 | Denso Corporation | Air conditioner for vehicle and controlling method thereof |
FR3067835B1 (fr) * | 2017-06-16 | 2020-05-08 | Valeo Systemes Thermiques | Dispositif d'identification d'un indice de famille d'habillement |
-
2019
- 2019-04-19 FR FR1904231A patent/FR3095161B1/fr active Active
-
2020
- 2020-04-14 EP EP20722488.2A patent/EP3956160B1/fr active Active
- 2020-04-14 WO PCT/EP2020/060497 patent/WO2020212366A1/fr active Application Filing
- 2020-04-14 CN CN202080017015.2A patent/CN113474189A/zh active Pending
- 2020-04-14 US US17/603,468 patent/US11938786B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007057857A1 (en) * | 2005-11-16 | 2007-05-24 | Koninklijke Philips Electronics, N.V. | Adaptive, distributed solution for enhanced co-existence and qos for multimedia traffic over rlans |
CN106663411A (zh) * | 2014-11-16 | 2017-05-10 | 易欧耐特感知公司 | 用于增强现实准备、处理和应用的系统和方法 |
CN104966123A (zh) * | 2015-07-16 | 2015-10-07 | 北京工业大学 | 基于模糊-自适应的slam数据关联方法 |
US20190077217A1 (en) * | 2017-09-14 | 2019-03-14 | Lin Yu | Vehicle interior environment control |
CN108449791A (zh) * | 2018-03-19 | 2018-08-24 | 重庆邮电大学 | 一种基于温度补偿的自适应时间同步方法 |
Also Published As
Publication number | Publication date |
---|---|
FR3095161B1 (fr) | 2021-03-12 |
EP3956160A1 (fr) | 2022-02-23 |
US20220203805A1 (en) | 2022-06-30 |
FR3095161A1 (fr) | 2020-10-23 |
US11938786B2 (en) | 2024-03-26 |
EP3956160B1 (fr) | 2024-06-05 |
WO2020212366A1 (fr) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Aryal et al. | A comparative study of predicting individual thermal sensation and satisfaction using wrist-worn temperature sensor, thermal camera and ambient temperature sensor | |
US5291748A (en) | Air condition control apparatus | |
CN213501729U (zh) | 用于机动车辆乘客舱的热管理系统 | |
CN103003637A (zh) | 建筑物居住者的热舒适度个性化控制 | |
US20030151516A1 (en) | Drowsiness detection system | |
WO2012172026A2 (de) | Verfahren und vorrichtung zur erfassung der thermischen behaglichkeit | |
EP3755555A1 (fr) | Systeme de gestion thermique pour vehicule automobile | |
Shetty et al. | Learning desk fan usage preferences for personalised thermal comfort in shared offices using tree-based methods | |
CN113474189A (zh) | 用于管理人的热舒适性的系统 | |
JP3214317B2 (ja) | 空調装置 | |
JP2022506837A (ja) | 自動車乗員室の熱管理システム | |
US20230103173A1 (en) | Machine learning algorithm for controlling thermal comfort | |
US11995897B2 (en) | Device for detecting the type and the level of clothing of a passenger of a motor vehicle utilizing a neural network | |
CN112214644A (zh) | 交通工具乘员数据收集与利用人工智能的处理 | |
He et al. | More intelligent and efficient thermal environment management: A hybrid model for occupant-centric thermal comfort monitoring in vehicle cabins | |
CN113200005A (zh) | 用于控制机动车辆功能的方法和系统 | |
CN109543659B (zh) | 适于老年用户的风险行为监测预警方法及系统 | |
EP3718796A1 (en) | Evaluation system and condition sensor device | |
CN114964506A (zh) | 基于红外热成像的室内人体热舒适智能调控方法和系统 | |
EP4051968B1 (en) | System and method for thermal control based on invertible causation relationship | |
KR102233157B1 (ko) | 딥러닝 기반의 재실자 포즈 분류를 이용한 재실자 활동량 산출 방법 및 시스템 | |
JP4967810B2 (ja) | 車両用空調装置およびその制御方法 | |
JP2563655B2 (ja) | 空気調和機の制御方法 | |
JPH05322284A (ja) | 空気調和における快適度算出装置 | |
FR3108270A1 (fr) | Système de gestion du confort thermique d’un passager |
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 |