CN114254249A - 一种空间区域健康指数确定方法及系统 - Google Patents
一种空间区域健康指数确定方法及系统 Download PDFInfo
- Publication number
- CN114254249A CN114254249A CN202210188775.0A CN202210188775A CN114254249A CN 114254249 A CN114254249 A CN 114254249A CN 202210188775 A CN202210188775 A CN 202210188775A CN 114254249 A CN114254249 A CN 114254249A
- Authority
- CN
- China
- Prior art keywords
- index
- concentration
- current stage
- value
- determining
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 95
- 238000000034 method Methods 0.000 title claims abstract description 29
- 244000005700 microbiome Species 0.000 claims abstract description 111
- 238000012544 monitoring process Methods 0.000 claims abstract description 78
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 claims abstract description 69
- 241000700605 Viruses Species 0.000 claims abstract description 62
- 230000014599 transmission of virus Effects 0.000 claims abstract description 8
- 238000009423 ventilation Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000004913 activation Effects 0.000 claims description 8
- 229910052739 hydrogen Inorganic materials 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 4
- 229910002092 carbon dioxide Inorganic materials 0.000 description 48
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 15
- 238000003745 diagnosis Methods 0.000 description 14
- 230000000813 microbial effect Effects 0.000 description 10
- 239000001569 carbon dioxide Substances 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- ZKHQWZAMYRWXGA-UHFFFAOYSA-N Adenosine triphosphate Natural products C1=NC=2C(N)=NC=NC=2N1C1OC(COP(O)(=O)OP(O)(=O)OP(O)(O)=O)C(O)C1O ZKHQWZAMYRWXGA-UHFFFAOYSA-N 0.000 description 4
- 241000894006 Bacteria Species 0.000 description 4
- 239000002028 Biomass Substances 0.000 description 4
- 239000000809 air pollutant Substances 0.000 description 4
- 231100001243 air pollutant Toxicity 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- ZKHQWZAMYRWXGA-KQYNXXCUSA-J ATP(4-) Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](COP([O-])(=O)OP([O-])(=O)OP([O-])([O-])=O)[C@@H](O)[C@H]1O ZKHQWZAMYRWXGA-KQYNXXCUSA-J 0.000 description 2
- 241000193830 Bacillus <bacterium> Species 0.000 description 2
- 241000711573 Coronaviridae Species 0.000 description 2
- 241000197306 H1N1 subtype Species 0.000 description 2
- 241000194017 Streptococcus Species 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 208000015181 infectious disease Diseases 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 210000001034 respiratory center Anatomy 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 206010011224 Cough Diseases 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 206010021024 Hypolipidaemia Diseases 0.000 description 1
- 241000712079 Measles morbillivirus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 208000009205 Tinnitus Diseases 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 206010013023 diphtheria Diseases 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 230000002949 hemolytic effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 210000000214 mouth Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- -1 particulates Chemical compound 0.000 description 1
- 210000003800 pharynx Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 206010041232 sneezing Diseases 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 231100000886 tinnitus Toxicity 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Computational Mathematics (AREA)
- Medical Informatics (AREA)
- Mathematical Optimization (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Immunology (AREA)
- Primary Health Care (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Biomedical Technology (AREA)
- Algebra (AREA)
- Medicinal Chemistry (AREA)
- Game Theory and Decision Science (AREA)
- Food Science & Technology (AREA)
- Marketing (AREA)
Abstract
本发明公开了一种空间区域健康指数确定方法及系统，涉及空气质量监测技术领域，该方法包括：获取当前阶段目标空间区域的监测数据和微生物浓度初始值；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间；基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数；基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。本发明能够准确且快速的确定空间区域的健康指数。
Description
技术领域
本发明涉及空气质量监测技术领域，特别是涉及一种空间区域健康指数确定方法及系统。
背景技术
世界卫生组织指出，空气污染物主要包括二氧化碳、一氧化碳、臭氧、颗粒物、甲醛等。人类和动物接触颗粒物或者甲醛会导致几种与呼吸综合征有关的疾病。当人们长期吸入浓度过高的二氧化碳时，会造成人体生物钟紊乱，高浓度的二氧化碳会抑制呼吸中枢，浓度特别高会对呼吸中枢有麻痹作用，长期以往人们会有气血虚弱、低血脂等症状，而且大脑特别容易疲劳，严重影响生活和工作，如上班族会感觉工作力不从心，学生学习无法集中注意力，当二氧化碳浓度处于3000ppm-4000ppm时，会导致人们呼吸急促，出现头疼、耳鸣、血压增加等症状，当二氧化碳浓度高达8000ppm以上时会出现死亡现象，所以二氧化碳浓度也是衡量室内空气是否清洁的标准之一。同样，室内空气中的有害微生物，对人的健康危害很大，如溶血性链球菌、绿色链球菌、肺炎双球菌、流感病毒、结核杆菌、白喉杆菌、脑膜炎球菌、麻疹病毒等，这些细菌和病毒可依附在空气中的尘埃上（颗粒直径小于5µm的尘埃可较长时间的停留在空气中）进行传播。人们通过说话、咳嗽、打喷嚏等活动，可以将口腔、咽喉、气管、肺部的病原微生物通过飞沫喷入空气，传播给别人。空气污染物、病毒传播和室内微生物数量都会影响到人体健康，而如何监测空气污染物、病毒传播和室内微生物数量，目前仍然是个关键问题。
发明内容
本发明的目的是提供一种空间区域健康指数确定方法及系统，能够准确且快速的确定空间区域的健康指数。
为实现上述目的，本发明提供了如下方案：
一种空间区域健康指数确定方法，包括：
获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间；
基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数；
基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
可选的，所述基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数，具体包括：
根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数；
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值；
根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数；
根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
可选的，所述根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数，具体包括：
根据公式：X=f(T，t，H)，
，
计算当前阶段所述目标空间区域的微生物浓度；
其中，f（）表示函数；X：微生物浓度，单位g/L；T：温度值，单位℃；t：监测时间，单位h；H：湿度值，单位百分比；θ：比生长速率，无量纲；Xmt：设定时间段内的微生物的最大浓度，单位g/L；R：摩尔气体常数，单位J·mol-1·K-1；Ea：活化能，单位为J·mol-1；A：类Arrhenius常数，无量纲；所述活化能和所述类Arrhenius常数是通过人工智能算法确定的；
基于所述当前阶段所述目标空间区域的微生物浓度，确定当前阶段所述目标空间区域的微生物浓度指数。
可选的，所述基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数，具体包括：
根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数；
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI为室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
可选的，还包括：根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量；
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
一种空间区域健康指数确定系统，包括：
监测模块，用于：获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间；
健康指数确定模块，用于：
基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数；
基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
可选的，在所述基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数方面，所述健康指数确定模块具体包括：
空气质量指数计算单元，用于根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数；
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值；
病毒传播风险指数确定单元，用于根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数；
微生物浓度指数计算单元，用于根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
可选的，在所述基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数方面，所述健康指数确定模块具体包括：
健康指数确定单元，用于根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数；
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
可选的，还包括：识别模块；所述识别模块包括雷达定位单元和影像识别子单元；
所述识别模块用于确定监测位置点，并将所述监测位置点发送至所述监测模块，以使所述监测模块获取当前阶段目标空间区域内监测位置点处的监测数据。
可选的，还包括：通风量计算模块，用于根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量；
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开了一种空间区域健康指数确定方法及系统，本发明通过CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间，来快速计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数，然后基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数这三个指标，来准确确定当前阶段所述目标空间区域的健康指数。本发明能够准确且快速的确定空间区域的健康指数。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明空间区域健康性能智慧诊断设备的结构框图；
图2为本发明空间区域健康性能智慧诊断设备的硬件结构图；
图3为本发明空间区域健康指数确定方法的流程示意图；
图4为本发明空间区域健康指数确定系统的结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
为解决背景技术所提到的问题，本发明实施例提供了一种空间区域健康性能智慧诊断设备，以快速检测空气污染物，病毒传播风险和室内微生物数量，并给出室内健康指数。
如图1所示，本发明实施例提供的一种空间区域健康性能智慧诊断设备包括识别系统、监测系统、诊断系统、显示系统、微生物浓度初始值获取系统（可选手动输入或者试纸反应得到微生物浓度初始值）和控制系统；其硬件结构如图2所示。
本发明实施例提供的识别系统包括雷达系统和影像系统，通过集成有雷达设备和摄像头的移动装置，在室内来回走动，为监测系统监测提供定位点。同时影像系统还可以根据摄像头分析是否有霉菌，从而将霉菌位置和霉菌大小上传至控制系统，进行报警提醒处理。
本发明实施例提供的监测系统主要由物理参数传感器和空气质量参数传感器组成，为诊断系统和显示系统提供基础数据。
物理参数传感器，包括光照传感器、时间传感器、位置传感器和温度传感器等。
空气质量参数传感器，包括CO传感器、CO2传感器、甲醛传感器、PM10传感器、PM2.5传感器和湿度传感器等。
本发明实施例提供的诊断系统主要基于空间区域健康诊断方法和人工智能算法，根据监测系统提供的基础数据进行计算分析出室内空气质量指数，室内病毒传播风险指数，室内微生物浓度指数和室内健康指数。
本发明实施例提供的显示系统主要为空间区域健康性能智慧诊断设备的显示器或者APP或者公众号或者其他远程操作设备，用于显示温度、湿度、室内空气质量指数，室内病毒传播风险指数，室内微生物浓度指数和室内健康指数。
微生物浓度初始值获取系统的工作过程为：空间区域健康性能智慧诊断设备每次开启时，都需要一个当前微生物浓度的初始值，该初始值可由实验室得出并手动输入微生物浓度初始值获取系统，或者由微生物检测试纸检测得出（每次启动时，需要手工更换微生物检测试纸）并自动输入微生物浓度初始值获取系统。新冠肺炎病毒、H1N1、微生物等与微生物检测试纸反应，分解出病毒、细菌或者微生物，得到DNA、RNA或者ATP(三磷酸腺苷，用于监测细胞数，判断微生物含量)，得出含有特定的病毒或者细菌数。反应完成后，可测出当前微生物浓度的初始值。此初始值输入到下述微生物浓度计算公式中，以得出当前阶段室内微生物浓度。
本发明实施例提供的控制系统由自动控制子系统和远程控制子系统组成。自动控制子系统根据识别系统和诊断系统的指示进行测量，并给出提醒。远程控制子系统为APP、公众号或者其他远程操作设备，可以由使用者远程操控设备。自动控制子系统服从于远程控制子系统。
本发明实施例提供的空间区域健康诊断设备还包括充电系统和行驶系统，从而保证设备可以行驶测量和自动充电。
本发明实施例主要是从室内空气质量、病毒传播风险、室内微生物量来预测室内健康指数，故本发明实施例提供的诊断系统包括室内空气质量确定子系统、室内病毒传播风险确定子系统、室内微生物量确定子系统、室内健康指数确定子系统。
1、室内空气质量确定子系统
室内空气质量确定子系统主要是根据CO、CO2、甲醛、PM10、PM2.5和湿度这六种跟室内健康密切相关的指标来评估室内空气质量，即室内空气质量IAQ (Indoor airquality的缩写)的计算公式如下：
其中β1~β6分别为CO、CO2、甲醛、PM10、PM2.5和湿度的权重；I1~I5分别为CO、CO2、甲醛、PM10、PM2.5二十四小时的平均浓度，I6为湿度。各指标对应的健康指数和权重如下表，最后各指标的健康指数乘以相应的权重累加即可得室内空气质量IAQ。
表1 计算室内空气质量时所需数据表
| 健康指数 | CO（mg/m<sup>3</sup>） | PM2.5（mg/m<sup>3</sup>） | PM10（mg/m<sup>3</sup>） | CO<sub>2</sub>（mg/m<sup>3</sup>） | 甲醛（mg/m<sup>2</sup>） | 湿度（%） |
| 0 | ＜2 | ＜35 | ＜50 | ＜900 | ＜0.07 | ＜10 |
| 50 | ＜15 | ＜115 | ＜250 | ＜1800 | ＜0.1 | ＜50 |
| 150 | ＜36 | ＜250 | ＜420 | ＜3600 | ＜0.6 | ＜75 |
| 300 | ≥36 | ≥250 | ≥420 | ≥3600 | ≥0.6 | ≥75 |
| 权重 | 0.2 | 0.2 | 0.1 | 0.2 | 0.2 | 0.1 |
2、室内病毒传播风险确定子系统
在室内环境中，CO2过量通常是由于人类呼气增加所致，因此与感染风险有关。此外在感染者未知的情形下，室内CO2与病毒浓度具有时空分布一致性。CO2浓度场可以映射为易感者吸入病毒剂量的空间分布。CO2浓度高的位置，其预期吸入剂量和感染风险也较高。因此，通过室内CO2作为病毒浓度追踪气体，进而划定室内病毒传播风险，再通过不同等级风险进行通风，为室内提供新鲜空气，降低病毒在室内传播的风险。通过CO2传感器直接监测CO2的浓度，然后根据下式计算通风量，同时按照CO2的浓度范围划分室内病毒传播风险VTR为高风险（＞1000 ppm）、中高风险（800 ppm~1000 ppm）、中风险（700 ppm~800 ppm）、低风险（＜700ppm）。其中，室内通风量的计算公式为：
Q=kn/(Ci-Co)；
其中，Q为通风量，m3/h；Ci和Co分别为室内CO2浓度和室外CO2浓度，ppm；k为人均CO2呼出量，m3/h，考虑到不同研究项目中男性和女性的差异，k的平均值取0.018 m3/h，n为人数。
3、室内微生物量确定子系统
微生物的浓度与温度、时间和湿度有关，根据微生物生长动力学公式和实验可推出微生物的浓度与温度、时间和湿度如下关系：
其中，f表示函数，X=f(T，t，H)表示X与T，t，H有函数关系，可以由T、t、H得出X，即后面两个公式的简写；
X：微生物浓度，单位g/L；
T：温度，单位℃；
t：时间，单位h；
H：湿度，单位%百分比；
θ：比生长速率，无量纲；
Xmt：在某一段时间内的微生物的最大浓度，单位g/L；设备启动时，Xmt为微生物浓度初始值获取系统提供的微生物浓度的初始值。
R：摩尔气体常数，单位J·mol-1·K-1，一般情况下可取为8.314472J/K/mol；
Ea：活化能，一般可视为与温度无关的常数，其单位为J·mol-1；由实验确定，在通常温度下，在40～400kJ/mol范围内；
A：类Arrhenius常数，无量纲，
A和Ea需要实验测定，据公式lnθ=lnA-Ea／（R×T）作实验数据的lnθ～1／T图为一直线，由斜率可得活化能Ea，由截距可得A。
假设温度、湿度均为常数，求某一瞬时的微生物浓度时，在某一段时间内对上式积分，则可求得瞬时微生物浓度的简易计算公式。
其中，B：积分常数，由实验测得。
当室温为20℃，湿度为50%，实验时间为1个小时，R为8.314472J/K/mol，由实验测得Ea=200kJ/mol，A=1，B=1时，计算得微生物浓度X= 0.268941g/L。
根据微生物浓度与温度、时间和湿度的关系，采用神经网络算法或者遗传算法等人工智能算法进行不断修正实验参数，从而得出室内微生物浓度，并根据已知的室内微生物浓度时间序列预测未来的微生物浓度。
4、室内健康指数确定子系统
室内健康与室内空气质量指数、室内病毒传播风险指数，室内微生物浓度密切相关，因此可根据这三者确定室内健康指数。其计算公式如下：
室内健康指数N=f(室内空气质量指数，室内病毒传播风险指数，室内微生物浓度指数)，即N=α1IAQI+α2VTRI+α3XI。
其中，N为室内健康指数，IAQI为室内空气质量指数(Indoor air quality index的缩写)，VTRI为室内病毒传播风险指数，XI室内微生物浓度指数，α1~α3分别为对应的权重系数。
根据室内健康指数将室内健康划分为四个等级。其取值见下表
表2 室内健康指数分数表
| 健康指数分数 | IAQ | VTR | X | N |
| 0 | ≥300 | 高风险（≥1000ppm） | ≥0.5g/L | ≤60（不健康，不能居住或者停留） |
| 60 | ＜300 | 中高风险（＜1000ppm） | ＜0.5g/L | ＞60（亚健康，需要立刻进行消毒处理，不能长时间居住或者停留） |
| 85 | ＜150 | 中风险（＜800ppm） | ＜0.1g/L | ＞75（健康，需要进行通风处理） |
| 100 | ＜50 | 低风险（＜700ppm） | ＜0.01g/L | ＞90（非常健康） |
| 权重α | 0.35 | 0.3 | 0.35 |
例如：当IAQ=200，VTR=900ppm，X=0.6g/L时，IAQI=60，VTRI=60，XI=0，则N=0.35*60+0.3*60+0.35*0=39，室内健康情况属于不健康，此时室内的空气质量很差、病毒传播风险很高、有害微生物数量较多，因此不适宜人停留或者居住，人员需立即离开。
实施例二
如图3所示，本发明实施例提供的一种空间区域健康指数确定方法，包括：
步骤301：获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间。
步骤302：基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数。
步骤303：基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
作为一种优选地实施方式，本发明实施例步骤302具体包括：
根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数。
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值。
根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数。
根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
进一步地，所述根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数，具体包括：
根据公式：X=f(T，t，H)，
，
计算当前阶段所述目标空间区域的微生物浓度；基于所述当前阶段所述目标空间区域的微生物浓度，确定当前阶段所述目标空间区域的微生物浓度指数。
其中，f（）表示函数；X：微生物浓度，单位g/L；T：温度值，单位℃；t：监测时间，单位h；H：湿度值，单位百分比；θ：比生长速率，无量纲；Xmt：设定时间段内的微生物的最大浓度，单位g/L；R：摩尔气体常数，单位J·mol-1·K-1；Ea：活化能，单位为J·mol-1；A：类Arrhenius常数，无量纲；所述活化能和所述类Arrhenius常数是通过人工智能算法确定的，详细确定过程参见实施例一。
在此需要说明下，设定时间段为当前阶段之前的时间段，也可以是设定时间段的最后时刻的下一时刻为当前阶段的起始时刻。另外，当对目标空间区域的微生物浓度进行检测时，最开始的Xmt为微生物浓度的初始值。
当对目标空间区域的微生物浓度进行检测时，开始都需要一个微生物浓度的初始值，该初始值可由实验室得出并手动输入，或者由微生物检测试纸检测得出（每次启动时，需要手工更换微生物检测试纸）并自动动输入。新冠肺炎病毒、H1N1、微生物等与微生物检测试纸反应，分解出病毒、细菌或者微生物，得到DNA、RNA或者ATP(三磷酸腺苷，用于监测细胞数，判断微生物含量)，得出含有特定的病毒或者细菌数。反应完成后，可测出微生物浓度的初始值。此初始值输入到上述微生物浓度计算公式中，以得出当前阶段所述目标空间区域的微生物浓度。
作为一种优选地实施方式，本发明实施例步骤303具体包括：
根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数。
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI为室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
作为一种优选地实施方式，本发明实施例提供的方法还包括：根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量；
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
实施例三
如图4所示，本发明实施例提供的一种空间区域健康指数确定系统，包括：
监测模块401，用于：获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间。
健康指数确定模块402，用于：
基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数。
基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
在所述基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数方面，所述健康指数确定模块402具体包括：
空气质量指数计算单元，用于根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数。
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值。
病毒传播风险指数确定单元，用于根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数。
微生物浓度指数计算单元，用于根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
在所述基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数方面，所述健康指数确定模块302具体包括：
健康指数确定单元，用于根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数。
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
作为一种优选地实施方式，本发明实施例提供的系统还包括：识别模块；所述识别模块包括雷达定位单元和影像识别子单元；所述识别模块用于确定监测位置点，并将所述监测位置点发送至所述监测模块，以使所述监测模块获取当前阶段目标空间区域内监测位置点处的监测数据。
作为一种优选地实施方式，本发明实施例提供的系统还包括：通风量计算模块，用于根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量。
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
本发明主要应用在办公大楼、机场、高铁站和车厢、地铁站和车厢、学校内的教室、餐厅、公共场所等领域人员密集的其他类似空间区域。
本发明可以快速检测出空气质量、病毒传播风险、室内微生物量和室内健康指数，进而判断空间区域内的健康状况，从而帮助使用者实时了解使用空间的健康情况，并及时进行控制和处理。进而本发明还可以主要应用在需要通过传感器联动控制的场景，包括进门的空调、通风控制、门禁道闸、安防监控、电梯控制、停车场管理、通风空调等各种联动的管理平台。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种空间区域健康指数确定方法，其特征在于，包括：
获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间；
基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数；
基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
2.根据权利要求1所述的一种空间区域健康指数确定方法，其特征在于，所述基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数，具体包括：
根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数；
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值；
根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数；
根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
3.根据权利要求2所述的一种空间区域健康指数确定方法，其特征在于，所述根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数，具体包括：
根据公式：X=f(T，t，H)，
，
计算当前阶段所述目标空间区域的微生物浓度；
其中，f（）表示函数；X表示微生物浓度，单位g/L；T表示温度值，单位℃；t表示监测时间，单位h；H表示湿度值，单位百分比；θ表示比生长速率，无量纲；Xmt表示设定时间段内的微生物的最大浓度，单位g/L；R表示摩尔气体常数，单位J·mol-1·K-1；Ea表示活化能，单位为J·mol-1；A表示类Arrhenius常数，无量纲；所述活化能和所述类Arrhenius常数是通过人工智能算法确定的；
基于所述当前阶段所述目标空间区域的微生物浓度，确定当前阶段所述目标空间区域的微生物浓度指数。
4.根据权利要求1所述的一种空间区域健康指数确定方法，其特征在于，所述基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数，具体包括：
根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数；
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI为室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
5.根据权利要求1所述的一种空间区域健康指数确定方法，其特征在于，还包括：根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量；
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
6.一种空间区域健康指数确定系统，其特征在于，包括：
监测模块，用于：获取当前阶段目标空间区域的监测数据；所述监测数据包括CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值、湿度值、温度值和监测时间；
健康指数确定模块，用于：
基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数；
基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数。
7.根据权利要求6所述的一种空间区域健康指数确定系统，其特征在于，在所述基于所述监测数据计算当前阶段所述目标空间区域的空气质量指数、病毒传播风险指数和微生物浓度指数方面，所述健康指数确定模块具体包括：
空气质量指数计算单元，用于根据公式
计算当前阶段所述目标空间区域内部的空气质量，并基于当前阶段所述目标空间区域内部的空气质量，确定当前阶段所述目标空间区域的空气质量指数；
其中，IAQ表示目标空间区域内部的空气质量，β1~β6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值的权重值，I1~I6分别为CO浓度值、CO2浓度值、甲醛浓度值、PM10浓度值、PM2.5浓度值和湿度值；
病毒传播风险指数确定单元，用于根据所述CO2浓度值确定当前阶段所述目标空间区域的病毒传播风险指数；
微生物浓度指数计算单元，用于根据所述湿度值、所述温度值和所述监测时间确定当前阶段所述目标空间区域的微生物浓度指数。
8.根据权利要求6所述的一种空间区域健康指数确定系统，其特征在于，在所述基于所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数，确定当前阶段所述目标空间区域的健康指数方面，所述健康指数确定模块具体包括：
健康指数确定单元，用于根据公式N=α1IAQI+α2VTRI+α3XI计算当前阶段所述目标空间区域的健康指数；
其中，N为健康指数，IAQI为空气质量指数，VTRI为病毒传播风险指数，XI室内微生物浓度指数，α1~α3分别为所述空气质量指数、所述病毒传播风险指数和所述微生物浓度指数的权重系数。
9.根据权利要求6所述的一种空间区域健康指数确定系统，其特征在于，还包括：识别模块；所述识别模块包括雷达定位单元和影像识别子单元；
所述识别模块用于确定监测位置点，并将所述监测位置点发送至所述监测模块，以使所述监测模块获取当前阶段目标空间区域内监测位置点处的监测数据。
10.根据权利要求6所述的一种空间区域健康指数确定系统，其特征在于，还包括：通风量计算模块，用于根据公式Q=kn/(Ci-Co)确定当前阶段目标空间区域的通风量；
其中，Q为通风量，单位m3/h；Ci和Co分别为室内CO2浓度值和室外CO2浓度值，单位ppm；k为人均CO2呼出量，单位m3/h；n为人数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210188775.0A CN114254249B (zh) | 2022-03-01 | 2022-03-01 | 一种空间区域健康指数确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210188775.0A CN114254249B (zh) | 2022-03-01 | 2022-03-01 | 一种空间区域健康指数确定方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114254249A true CN114254249A (zh) | 2022-03-29 |
| CN114254249B CN114254249B (zh) | 2022-05-17 |
Family
ID=80800080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210188775.0A Active CN114254249B (zh) | 2022-03-01 | 2022-03-01 | 一种空间区域健康指数确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114254249B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077540A (zh) * | 2023-10-12 | 2023-11-17 | 天津大学 | 基于深度学习的生物安全风险指标的监测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018682A (zh) * | 2016-05-10 | 2016-10-12 | 深圳星普森信息技术有限公司 | 一种室内空气质量指数的计算和分级方法 |
| CN107478784A (zh) * | 2017-10-09 | 2017-12-15 | 上海迪勤智能科技有限公司 | 一种室内健康空气指数ihai的测评方法 |
| CN112113603A (zh) * | 2020-04-20 | 2020-12-22 | 中国矿业大学 | 一种基于移动机器人的室内多源环境健康指数监测评估方法 |
| CN112680501A (zh) * | 2020-12-30 | 2021-04-20 | 中南大学 | 基于微生物的列车车厢空气调控方法、系统及存储介质 |
-
2022
- 2022-03-01 CN CN202210188775.0A patent/CN114254249B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106018682A (zh) * | 2016-05-10 | 2016-10-12 | 深圳星普森信息技术有限公司 | 一种室内空气质量指数的计算和分级方法 |
| CN107478784A (zh) * | 2017-10-09 | 2017-12-15 | 上海迪勤智能科技有限公司 | 一种室内健康空气指数ihai的测评方法 |
| CN112113603A (zh) * | 2020-04-20 | 2020-12-22 | 中国矿业大学 | 一种基于移动机器人的室内多源环境健康指数监测评估方法 |
| CN112680501A (zh) * | 2020-12-30 | 2021-04-20 | 中南大学 | 基于微生物的列车车厢空气调控方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 胡弯 等: "南京某高校宿舍内空气品质的调查研究", 《2013江苏暖通空调制冷学术年会》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117077540A (zh) * | 2023-10-12 | 2023-11-17 | 天津大学 | 基于深度学习的生物安全风险指标的监测方法 |
| CN117077540B (zh) * | 2023-10-12 | 2023-12-22 | 天津大学 | 基于深度学习的生物安全风险指标的监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114254249B (zh) | 2022-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Infection risk assessment of COVID-19 through aerosol transmission: a case study of South China seafood market | |
| Aliabadi et al. | Preventing airborne disease transmission: review of methods for ventilation design in health care facilities | |
| WO2020248965A1 (zh) | 基于物联网的室内空气含菌量实时检测与分析方法、系统 | |
| Azimi et al. | HVAC filtration for controlling infectious airborne disease transmission in indoor environments: Predicting risk reductions and operational costs | |
| Eames et al. | Airborne transmission of disease in hospitals | |
| Bueno de Mesquita et al. | Control of airborne infectious disease in buildings: Evidence and research priorities | |
| Zuraimi et al. | Removing indoor particles using portable air cleaners: Implications for residential infection transmission | |
| Stephens | HVAC filtration and the Wells-Riley approach to assessing risks of infectious airborne diseases | |
| Brągoszewska et al. | Bacterial aerosols in an urban nursery school in Gliwice, Poland: A case study | |
| Onmek et al. | Environmental factors and ventilation affect concentrations of microorganisms in hospital wards of Southern Thailand | |
| CN205120689U (zh) | 室内空气污染物监测改善装置 | |
| Wang et al. | WSN based indoor air quality monitoring in classrooms | |
| CN114254249B (zh) | 一种空间区域健康指数确定方法及系统 | |
| Tang et al. | A field study on indoor environment quality of Chinese inpatient buildings in a hot and humid region | |
| Dong et al. | Optimal design of building openings to reduce the risk of indoor respiratory epidemic infections | |
| D’Alessandro et al. | Hospital environments and epidemiology of healthcare-associated infections | |
| Weng et al. | Planning and Design of a Full‐Outer‐Air‐Intake Natural Air‐Conditioning System for Medical Negative Pressure Isolation Wards | |
| Stevenson et al. | Airborne transmission: a new paradigm with major implications for infection control and public health | |
| Wang et al. | Intelligent ventilation control in enclosed environment towards health and energy efficiency: A study of elevator cabins | |
| Liu et al. | A novel approach for predicting the concentration of exhaled aerosols exposure among healthcare workers in the operating room | |
| Liao et al. | Use of temporal/seasonal-and size-dependent bioaerosol data to characterize the contribution of outdoor fungi to residential exposures | |
| Hu et al. | A new PM2. 5-based PM-up method to measure non-mechanical ventilation rate in buildings | |
| Liu et al. | The impact of high background particle concentration on the spatiotemporal distribution of Serratia marcescens bioaerosol | |
| Zivelonghi et al. | The role of classroom volume, occupancy, voice reduction and ffp2 masks in transmission risk of SARS-CoV2 in schools | |
| Liu et al. | Health risk analysis of indoor air pollution |
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 |