CN115102989A - 智能感测网络 - Google Patents
智能感测网络 Download PDFInfo
- Publication number
- CN115102989A CN115102989A CN202210692787.7A CN202210692787A CN115102989A CN 115102989 A CN115102989 A CN 115102989A CN 202210692787 A CN202210692787 A CN 202210692787A CN 115102989 A CN115102989 A CN 115102989A
- Authority
- CN
- China
- Prior art keywords
- sensor
- base
- bases
- nodes
- movable
- 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
- 238000005259 measurement Methods 0.000 claims abstract description 50
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 12
- 231100000719 pollutant Toxicity 0.000 claims abstract description 12
- 230000035945 sensitivity Effects 0.000 claims abstract description 9
- 239000000356 contaminant Substances 0.000 claims description 21
- 239000013618 particulate matter Substances 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 7
- 229910001385 heavy metal Inorganic materials 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 description 32
- 239000003570 air Substances 0.000 description 27
- 238000000034 method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000012937 correction Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 239000012855 volatile organic compound Substances 0.000 description 6
- 238000003915 air pollution Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 4
- -1 e.g. Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000599985 Beijerinckia mobilis Species 0.000 description 1
- 240000006829 Ficus sundaica Species 0.000 description 1
- 239000000809 air pollutant Substances 0.000 description 1
- 231100001243 air pollutant Toxicity 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004817 gas chromatography Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/22—Devices for withdrawing samples in the gaseous state
- G01N1/26—Devices for withdrawing samples in the gaseous state with provision for intake from several spaces
-
- 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
- G01N33/0006—Calibrating gas analysers
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
-
- 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
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N2001/021—Correlating sampling sites with geographical information, e.g. GPS
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Business, Economics & Management (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Educational Administration (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Sampling And Sample Adjustment (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
- Selective Calling Equipment (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明描述一种智能感测网络的实施例,感测网络包含一或多个传感器节点,其中一或多个传感器节点中的每一者包含气体传感器,气体传感器可测量环绕传感器节点的节点覆盖区域中一或多种空中浮游污染物的存在、浓度或这两者。可测量一或多种空中浮游污染物的存在、浓度或这两者的传感器基地定位在一或多个传感器节点中的每一者的节点覆盖区域中,其中传感器基地包含准确度、灵敏度或这两者均比一或多个传感器节点的气体传感器高的气体传感器。一或多个服务器通信耦合到传感器基地及一或多个传感器节点。传感器基地及传感器节点可将其测量传达到服务器,且传感器基地的测量由服务器使用以作为校正一或多个传感器节点的测量的参考。
Description
分案申请的相关信息
本案是分案申请。本分案的母案是发明名称为“智能感测网络”、申请日为2017年11月14日、申请号为201780075261.1的中国发明专利申请案。
技术领域
所揭示实施例大体来说涉及空气污染感测与监测,且特定来说但不仅仅涉及一种用于空气污染感测与监测的智能感测网络。
背景技术
城市及工业园内的空气污染已随着现代化而恶化,且由空气污染物(例如,例如PM2.5、NOx、Sox、O3及挥发性有机化合物(VOC)等化学物)导致的公众健康影响已开始取得越来越多的关注。由于污染源复杂,因此必须获得更密集的空间空气质量监测数据以给公众提供所关注位置处的经更新空气质量信息。
已实施周围空气质量监测,但由于必须使用昂贵且庞大的实验仪器来获得可靠监测数据,因此仅可在有限位置处设置且安装有限数目个监测站。且由于监测站通常需要大空间来进行仪器设置(尤其关于气体色谱分析仪器),因此监测站大多数安装在有空间容纳其的郊区中,其中极少站安装在空间较少的城市中。因此,需要使用小的低成本传感器来形成网络以跨越城市监测空间空气质量,此已得到普及。
发明内容
本发明一方面涉及一种感测网络,其包括:一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中一或多种空中浮游污染物的存在、浓度或这两者;一或多个固定传感器基地,其可测量所述一或多个传感器节点中的每一者的所述覆盖区域中的所述一或多种空中浮游污染物的所述存在、所述浓度或这两者,其中每一固定传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器;可移动传感器基地,其可沿着一路径移动,沿着所述路径所述可移动传感器基地可收集来自至少一个固定传感器基地或至少一个传感器节点的覆盖区域的样本;数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合到所述一或多个固定传感器基地、所述一或多个传感器节点及所述可移动传感器基地;及其中所述一或多个固定传感器基地、所述一或多个传感器节点及所述可移动传感器基地可将其测量传递至所述数据中心,且其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地的两者的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
本发明另一方面涉及一种感测网络,其包括:一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中的一或多种空中浮游污染物的存在、浓度或这两者;可移动传感器基地,其可沿着路径移动,沿着所述路径所述可移动传感器基地可收集来自所述一或多个传感器节点的至少一者的覆盖区域的样本,其中所述可移动传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器;及数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合至所述一或多个固定传感器基地及所述可移动传感器基地;其中所述一或多个传感器节点及所述可移动传感器基地可将其测量传递至所述数据中心,且其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地两者的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
本发明另一方面涉及一种感测网络,其包括:一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中的一或多种空中浮游污染物的存在、浓度或这两者;一或多个固定传感器基地,其可测量所述一或多个传感器节点中的每一者的所述覆盖区域中的所述一或多种空中浮游污染物的所述存在、所述浓度或这两者,其中每一传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器,且其中至少一个固定传感器基板具有一或多个取样管,所述至少一个固定传感器基地可透过所述一或多个取样管从多个传感器节点的所述覆盖区域收集样本;及数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合至所述一或多个固定传感器基地、所述一或多个固定传感器节点及所述移动传感器基地;其中所述一或多个固定传感器基地及所述一或多个传感器节点可将其测量传递至所述数据中心,且其中所述一或多个固定传感器基地的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
附图说明
参考附图描述本发明的非限制性及非详尽实施例,其中除非另有规定,否则贯穿各个视图,相似参考编号指代相似部件。
图1是智能污染感测与监测系统的实施例的框图。
图2A到2B分别是图解说明用于校正从传感器节点接收的测量的过程的实施例的流程图及一对图表。
图3是智能污染感测与监测系统的另一实施例的框图。
图4是智能污染感测与监测系统的另一实施例的框图。
图5是智能污染感测与监测系统的另一实施例的框图。
图6是智能污染感测与监测系统的另一实施例的框图。
图7是智能污染感测与监测系统的另一实施例的框图。
图8是智能污染感测与监测系统的另一实施例的框图。
具体实施方式
描述用于进行空气污染感测与监测的智能感测网络的设备、系统及方法的实施例。描述具体细节以提供对实施例的理解,但相关领域的技术人员将认识到,可在不具有所描述细节中的一或多者的情况下或使用具有其它方法、组件、材料等来实践本发明。在一些例子中,众所周知的结构、材料或操作未加以详细展示或描述,但仍然囊括在本发明的范围内。
在本说明书通篇中提及“一个实施例”或“实施例”意指所描述特征、结构或特性可包含于至少一个所描述实施例中,使得所出现的“在一个实施例中”或“在实施例中”未必全部均指代同一实施例。此外,特定特征、结构或特性可以任何适合方式组合于一或多个实施例中。
图1图解说明智能空气污染感测与监测系统100的实施例。系统100包含数据中心102,数据中心102通信耦合到一或多个传感器基地B(即,在所图解说明实施例中的B1及B2)及一或多个传感器节点S(即,在所图解说明实施例中的S1a到S1d及S2a到S2d)。所图解说明实施例具有两个传感器基地B1到B2及八个传感器节点S1a到S1d以及S2a到S2d,但其它实施例可具有比所展示的多或少的传感器基地及比所展示的多或少的传感器节点。
数据中心102包含各种硬件元件,例如通信接口、一或多个服务器(其各自包含至少一个微处理器、存储器及存储装置)及额外储存空间,所述额外储存空间可包含一或多个数据库(例如)以暂存关于传感器基地B及传感器节点S的信息,所述信息包含信息类型、身份、位置(在固定情况下)或当前位置(在移动式情况下)、测量历史等。所述通信接口将数据中心102通信耦合到传感器节点S1a到S1d及S2a到S2d以及传感器基地B1及B2。传感器节点S1a到S1d及S2a到S2d以及传感器基地B1到B2可与数据中心102以有线方式、以无线方式或以有线方式与无线方式的某一组合通信。例如,在所图解说明实施例中,传感器节点S1a及S1b经由网络104与数据中心102以无线方式通信,而传感器节点S1c及S1d也经由网络104与数据中心102以有线方式通信。类似地,传感器基地B1经由网络104与数据中心102以有线方式通信。传感器基地B2经由网络104与数据中心102以无线方式通信,而传感器节点S2a及S2d与数据中心102以无线方式通信,且传感器节点S2b及S2c与数据中心102既经由导线又经由网络104通信。网络104可以是因特网,或在不同实施例中可以是局域网(LAN)、广域网(WAN)或某种其它类型的网络。
传感器节点S1a到S1d及S2a到S2d划分成对应于传感器基地的集合:在所图解说明实施例中,传感器节点S1a到S1d与传感器基地B1分组在一起,且传感器节点S2a到S2d与传感器基地B2分组在一起,使得在每一分组中,存在传感器节点与传感器基地之间的多对一对应性。其它实施例未必具有此多对一对应性,但可替代地具有传感器节点与传感器基地之间的一对一对应性。且尽管在所图解说明实施例中传感器基地B1到B2各自与四个传感器节点分组在一起,但在其它实施例中每一传感器基地未必与相同数目个传感器节点分组在一起。
每一传感器节点S具有对应覆盖区域,所述对应覆盖区域是其中由传感器节点采集以供分析的空气样本可被视为具代表性的区域。每一传感器基地B类似地具有对应覆盖区域。在所图解说明实施例中,传感器基地B1具有与传感器节点S1a到S1d的覆盖区域重叠的覆盖区域,使得由传感器基地B1采集以供分析的空气样本还可被视为代表S1a到S1d的覆盖区域中的状况。另一方面,传感器基地B2具有不与其传感器节点S2a到S2d集合的覆盖区域重叠的覆盖区域。在其中B2是移动式的实施例中,其可移入及移出传感器节点S2a到S2d的覆盖区域。但在其中B2静止不动的实施例中,为使传感器基地B2能够收集传感器S2a到S2d的覆盖区域中的空气样本,包含一或多个取样管106a到106d的取样歧管106可以流体方式耦合到传感器基地B2,每一取样管具有在传感器基地B2处的一端及延伸到传感器节点S2a到S2d的覆盖区域中的另一端。在本申请案的上下文中,“以流体方式耦合”意指以使得流体可在两个位置之间单向或双向流动的方式耦合。
在系统100的一些实施例中,传感器节点S及传感器基地B占据固定位置且因此相对于彼此是固定的。但如下文所论述,在一些实施例中,传感器基地B1及B2中的至少一者可为移动式的;在这些实施例中,传感器基地B相对于传感器节点S的位置可改变,使得每一传感器节点未必永久地指派给特定传感器基地。因此,群组的精确组成(即,传感器基地的数目及身份以及对应传感器节点的数目及身份)可随时间改变。在具有移动式传感器基地的一些实施例中,改变可足够频繁,因此不可辨识特定群组。
在所图解说明实施例中,传感器节点S1a到S1d及S2a到S2d使固定的现场低成本空气质量监测传感器,其基本上不如传感器基地B昂贵且可容易部署在现场各个位置处以形成用于现场监测的高密度感测网络且提供大数据分析以将关于以下各项的时间密集型且空间密集型可用空气质量信息递送给公众:空中浮游污染物及空中浮游化学物,例如(但不限于)有机化学物或无机化学物,例如挥发性有机化合物(VOC)、NOx、Sox、O3;空中浮游微粒物质(PM),例如PM2.5(即,具有2.5μm直径的微粒物质)及PM10;化合物;重金属致污物;空中浮游生物致污物等。
来自传感器节点的感测数据可以有线方式或以无线方式上传到一或多个服务器以用于进一步数据校正或分析。在另一实施例中,可存在传感器节点S与传感器基地B之间的有线或无线连接;例如,在所图解说明实施例中,传感器节点S1b可与传感器基地B1以无线方式通信,传感器节点S2d可与传感器基地B2以无线方式通信,且传感器节点S2c可与传感器基地B2以有线方式通信。在其中传感器节点S可与传感器基地B直接通信的实施例中,替代将传感器节点数据直接传输到数据中心102,传感器节点S可经由传感器基地B将传感器节点数据间接传输到数据中心102。低成本传感器可提供实时或更频繁的现场空气质量监测结果。用于感测节点S的低成本传感器可遭受灵敏度漂移,此需要周期性基线/灵敏度漂移检查及校正。
传感器基地B1到B2用作其对应传感器节点S的数据参考。传感器基地B1到B2包含分析器以收集空气样本,且在对个别化合物检测具有高专用性的情况下提供准确、高质量且一致的测量结果。传感器基地B1到B2使用高性能空气质量分析器在特定位置及特定时间处测量空气质量,所述高性能空气质量分析器可收集空气样本且分析空气样本以提供空中浮游污染物的浓度。所测量污染物可包含但不限于:有机化学物或无机化学物,例如挥发性有机化合物(VOC)、NOx、SOx、O3;空中浮游微粒物质(PM),例如PM2.5(即,具有2.5μm直径的微粒物质)及PM10;化合物;重金属致污物;空中浮游生物致污物等。传感器基地B1到B2可以是固定的或移动式的;当为移动式时,传感器基地B可包含位置传感器,例如GPS接收器,传感器基地B可使用所述位置传感器将其当前位置报告给数据中心102。由传感器基地B1到B2实施的测量的传感器数据可以有线方式或以无线方式上传到数据中心102中的一或多个服务器。然后,传感器基地数据可用作对传感器节点结果的数据校正的参考。传感器基地还可为现场传感器节点数据校正、重新校准或替换提供周期性参考数据。
图2A到2B一起图解说明过程200的实施例,可通过过程200使用来自传感器基地B的测量来校正来自传感器节点S的测量。图2A是下文将结合系统100的上下文及图2B的图表论述的流程图。在系统100中,主要由数据中心102实施过程200。
过程在框202处开始。在框204处,数据中心102从可与其通信的一或多个传感器节点接收测量。在框206处,所述过程检查当前传感器基地测量是否可用于所述传感器,即,是否存在在时间及空间两者上皆接近于所接收传感器节点测量的传感器基地测量。在其中传感器基地B及传感器节点S相对于彼此固定的实施例中,传感器基地测量将本质上始终为当前测量。但在其中传感器基地B相对于传感器节点不固定的实施例(例如其中传感器基地B为移动式的实施例)中,如果传感器基地最近未在传感器节点(已从其接收测量)附近,那么传感器基地测量可能并非当前的测量。在一个实施例中,传感器基地B可以规定的固定频率收集并分析每一传感器节点S的节点覆盖区域处或周围的空气样本,但在其它实施例中,传感器基地B可以特殊时间周期收集并分析空气样本。在一些实施例中,特殊时间周期包含随机地或在需要时。在其它实施例中,如果数据中心确定特定传感器节点正开始以比预期快的速度漂移,但仍在被替换之前可接受地发挥作用,那么可调整覆盖传感器节点的对应传感器基地(固定的或移动式的)以增加所述传感器节点周围的空气样本监测频率,从而提供更准确的数据校正。
如果在框206处不存在可用的当前传感器基地数据,那么过程继续进行到框214,其中报告传感器节点数据。在框214处,可照原样(即,无论数据中存在什么漂移)报告传感器节点数据。另一选择是,在不存在当前基地传感器数据的情况下,在报告最终数据之前,数据服务器可利用先进的人工智能分析来基于同一传感器节点的先前时间进展漂移/降级而预测可能校正。
如果在框206中当前传感器基地测量是可用的,那么过程移动到框208,其中其从传感器基地接收当前测量或从数据库检索当前测量,且然后过程继续进行到框210,其中其计算每一所接收传感器节点测量的漂移。在一个实施例中,漂移可定义为在特定空间位置及特定时间处或附近传感器节点测量与传感器基地测量之间的差,如图2B中所展示。如图2B的上部图表中所见,传感器节点在继续其空气感测时具有数据漂移(感测浓度下降,如图中所展示)。在不具有数据校正的情况下,来自传感器节点的结果将依据误导性污染物浓度降低而提供错误的监测结果。但在具有来自传感器基地的高性能分析器(移动式或静止不动)的额外准确数据的情况下,基于在基本上相同时间及基本上相同位置处测量的传感器基地结果而校正传感器节点的漂移结果(尽管传感器基地数据可能不针对每一传感器节点提供在时间上更离散的监测)。可针对总污染物浓度的测量、针对个别化合物的浓度或这两者计算漂移。例如,在可感测五种不同污染物的传感器节点S中,可存在总污染物浓度的单个漂移,可存在五个单独漂移,每种污染物具有一个漂移,或可存在总漂移及个别漂移两者。
在于框210处计算每一传感器节点测量的漂移之后,过程继续进行到框212,其中对传感器节点测量进行校正。在使用传感器基地结果进行传感器节点数据校正之后,可更准确地获得低成本传感器节点的数据漂移问题,如图2B的下部图表中所展示。借助此方法,可校正数百个或数千个传感器节点数据且达成可靠感测网络结果。然后,过程继续进行到框214,其中将传感器节点测量输出给用户以用于进一步分析或信息。然后,过程返回到框204,其中其可从传感器节点接收进一步测量。
在于框210处计算每一传感器节点的漂移之后,除移动到框212之的外,过程还可移动到框216,其中其检查所计算漂移是否大于指示必须替换或重新校准传感器节点的某一阈值。如果在框216处,特定传感器节点的漂移大于某一经设定阈值,那么过程移动到框218,其中其发信号通知用户需要进行传感器节点替换或重新校准。在框218之后,过程返回到框204以从同一或其它传感器节点接收测量。
图3图解说明传感器基地及传感器节点在空气质量监测系统300中的定位的实施例。在系统300中,传感器节点S及传感器基地B在空间上相对于彼此是固定的,是静止不动的,且部署在各个空间位置处。每一传感器基地B的覆盖区域囊括一或多个传感器节点S,使得每一传感器基地的覆盖区域与其对应传感器节点重叠。每一传感器基地可为传感器基地覆盖区域中的对应传感器节点提供参考数据。
图4图解说明传感器基地及传感器节点在空气质量监测系统400中的定位的另一实施例。在系统400中,传感器节点S部署在各个空间位置处。移动式传感器基地402沿着路径404行进,此使移动式传感器基地402足够接近于每一传感器节点S以允许其收集安装有每一传感器节点的位置处或附近的样本且分析所收集样本。使用移动式传感器基地B允许小数目个传感器基地涵盖较大数目个传感器节点S,使得可获得空间密集型的参考数据以用于每一传感器节点的数据校正。
图5图解说明传感器基地及传感器节点在空气质量监测系统500中的定位的另一实施例。在系统500中,一系列静止不动传感器基地B及各种传感器节点S部署在各个空间位置处。移动式传感器基地502沿着路径504行进,此允许其收集安装有每一传感器基地B及每一传感器节点S的位置处或附近的样本且分析所收集样本。如此一来,移动式传感器基地502用作多个固定传感器基地B的备用装置,且还收集并提供参考数据以用于每一传感器节点的数据校正。在一些极端情形中,一些传感器节点S可安装在未被任何固定传感器基地B涵盖的位置处。移动式传感器基地可用于提供参考数据以满足这些传感器节点上的漂移校正需要。
图6图解说明传感器基地及传感器节点在空气质量监测系统600中的定位的另一实施例。图6图解说明部署在城市中(主要在建筑物外侧、在街道上及在人行道上)以形成监测市区空气质量的感测网络的低成本传感器节点S。移动式传感器基地602(例如,其可安装在车辆上以用于移动式监测的传感器基地)可行驶穿过在传感器节点S的已知位置附近的城市街道,以在传感器基地移动到对应附近感测节点时收集参考数据。
图7图解说明传感器基地及传感器节点在空气质量监测系统700中的定位的另一实施例。图7图解说明部署在建筑物704内部的低成本传感器节点S,低成本传感器节点S具有高性能分析器来充当传感器基地B。歧管或管道702从传感器基地B延伸到不同楼层及位置以用于在建筑物内部中进行空气质量监测。每一楼层/位置的传感器基地数据可用于校正传感器节点数据。
图8图解说明传感器基地及传感器节点在空气质量监测系统800中的定位的另一实施例。传感器节点S安装在城市中的建筑物内部及外部的各个位置处(但实施例不限于城市)。静止不动传感器基地B在具有或不具有从静止不动基地台连接到所关注空气的歧管取样的情况下可以但未必安装在建筑物内部或外部。额外移动式传感器基地802可用于将高性能空气质量分析器运输到对应传感器节点位置,所述传感器节点位置可覆盖定位在静止不动传感器基地无法到达以进行监测的位置处的传感器节点。
对实施例的以上说明(包含摘要中所描述的内容)不旨在具详尽性或将本发明限制于所描述的形式。出于说明目的而在本文中描述本发明的特定实施例及实例,但相关领域的技术人员应认识到,鉴于以上详细说明,可在本发明的范围内做出各种等效修改。
Claims (25)
1.一种感测网络,其包括:
一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中一或多种空中浮游污染物的存在、浓度或这两者;
一或多个固定传感器基地,其可测量所述一或多个传感器节点中的每一者的所述覆盖区域中的所述一或多种空中浮游污染物的所述存在、所述浓度或这两者,其中每一固定传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器;
可移动传感器基地,其可沿着一路径移动,沿着所述路径所述可移动传感器基地可收集来自至少一个固定传感器基地或至少一个传感器节点的覆盖区域的样本;
数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合到所述一或多个固定传感器基地、所述一或多个传感器节点及所述可移动传感器基地;及
其中所述一或多个固定传感器基地、所述一或多个传感器节点及所述可移动传感器基地可将其测量传递至所述数据中心,且其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地的两者的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
2.根据权利要求1所述的感测网络,其中每一固定传感器基地可收集环绕所述固定传感器基地的基地覆盖区域中的空气样本,且其中所述基地覆盖区域与所述至少一个传感器节点的所述覆盖区域重叠,使得由所述固定传感器基地收集的样本可被视为代表在所述至少一个传感器节点的所述覆盖区域中收集的样本。
3.根据权利要求1所述的感测网络,其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地的两者的所述测量用于重新校准所述一或多个传感器节点。
4.根据权利要求1所述的感测网络,其中所述可移动传感器基地、所述一或多个固定传感器基地及所述一或多个传感器节点可以无线方式、以有线方式或以这两种方式通信地耦合至所述数据中心。
5.根据权利要求1所述的感测网络,其中所述一或多个传感器节点可以无线方式、以有线方式或以两种方式通信地耦合至所述可移动传感器基地及所述一或多个固定传感器基地,使得所述一或多个传感器节点可经由所述可移动传感器基地或所述一或多个固定传感器基地的至少一者通信地耦合至所述数据中心。
6.根据权利要求1所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以规定的固定频率或规定的时间周期收集每一传感器节点的所述覆盖区域处或周围的空气样本。
7.根据权利要求6所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以依据所述一或多个传感器节点的漂移速率而定的频率或时距收集每一传感器节点的所述覆盖区域处或周围的空气样本。
8.根据权利要求1所述的感测网络,其中所述一或多种空中浮游污染物包括有机或无机化学物、空中浮游微粒物质PM、重金属致污物或空中浮游生物致污物。
9.一种感测网络,其包括:
一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中的一或多种空中浮游污染物的存在、浓度或这两者;
可移动传感器基地,其可沿着路径移动,沿着所述路径所述可移动传感器基地可收集来自所述一或多个传感器节点的至少一者的覆盖区域的样本,其中所述可移动传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器;及
数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合至所述一或多个固定传感器基地及所述可移动传感器基地;
其中所述一或多个传感器节点及所述可移动传感器基地可将其测量传递至所述数据中心,且其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地两者的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
10.根据权利要求9所述的感测网络,其中所述可移动传感器基地可收集环绕所述可移动传感器基地的基地覆盖区域中的空气样本,且其中所述基地覆盖区域与所述至少一个传感器节点的所述覆盖区域重叠,使得在所述基地覆盖区域所收集的样本可被视为代表在所述至少一个传感器节点的所述覆盖区域中收集的样本。
11.根据权利要求9所述的感测网络,其中所述可移动传感器基地的所述测量用于重新校准所述一或多个传感器节点。
12.根据权利要求9所述的感测网络,其中所述可移动传感器基地及所述一或多个传感器节点可以无线方式、以有线方式或以两种方式通信地耦合至所述数据中心。
13.根据权利要求12所述的感测网络,其中所述一或多个传感器节点可以无线方式、以有线方式或以两种方式通信地耦合至所述可移动传感器基地,使得所述一或多个传感器节点可经由所述可移动传感器基地或所述疑惑多个固定传感器基地的至少一者通信地耦合至所述数据中心。
14.根据权利要求9所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以规定的固定频率或规定的特定时间周期收集每一传感器节点的所述覆盖区域处或周围的空气样本。
15.根据权利要求9所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以依据所述一或多个传感器节点的漂移速率而定的频率或时间期间收集每一传感器节点的所述覆盖区域处或周围的空气样本。
16.根据权利要求9所述的感测网络,其中所述一或多种空中浮游污染物包括有机或无机化学物、空中浮游微粒物质PM、重金属致污物或空中浮游生物致污物。
17.一种感测网络,其包括:
一或多个传感器节点,其中每一传感器节点包含气体传感器,所述气体传感器可测量环绕所述传感器节点的覆盖区域中的一或多种空中浮游污染物的存在、浓度或这两者;
一或多个固定传感器基地,其可测量所述一或多个传感器节点中的每一者的所述覆盖区域中的所述一或多种空中浮游污染物的所述存在、所述浓度或这两者,其中每一传感器基地包含具有比每一传感器节点中的气体传感器更高的准确度及更高的灵敏度的气体传感器,且其中至少一个固定传感器基板具有一或多个取样管,所述至少一个固定传感器基地可透过所述一或多个取样管从多个传感器节点的所述覆盖区域收集样本;及
数据中心,其包括一或多个服务器,所述一或多个服务器通信地耦合至所述一或多个固定传感器基地、所述一或多个固定传感器节点及所述移动传感器基地;
其中所述一或多个固定传感器基地及所述一或多个传感器节点可将其测量传递至所述数据中心,且其中所述一或多个固定传感器基地的所述测量由所述一或多个服务器用作参考以校正所述一或多个传感器节点的所述测量。
18.根据权利要求17所述的感测网络,其进一步包括可移动传感器基地,其可沿着路径移动,沿着所述路径所述可移动传感器基地可收集来自至少一个固定传感器基地或至少一个传感器节点的覆盖区域的样本。
19.根据权利要求18所述的感测网络,其中所述可移动传感器基地、所述一或多个固定传感器基地或所述可移动传感器基地及所述一或多个固定传感器基地的两者的所述测量用于重新校准所述一或多个传感器节点。
20.根据权利要求18所述的感测网络,其中所述可移动传感器基地、所述一或多个固定传感器基地及所述一或多个传感器节点可以无线方式、以有线方式或以两种方式通信地耦合至所述数据中心。
21.根据权利要求18所述的感测网络,其中所述一或多个传感器节点可以无线方式、以有线方式或以两种方式通信地耦合至所述可移动传感器基地及所述一或多个固定传感器基地,使得所述一或多个传感器节点可经由所述可移动传感器基地或所述一或多个固定传感器基地的至少一者通信地耦合至所述数据中心。
22.根据权利要求18所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以规定的固定频率或规定的时间周期收集每一传感器节点的所述覆盖区域处或周围的空气样本。
23.根据权利要求18所述的感测网络,其中所述可移动传感器基地或所述一或多个固定传感器基地以依据所述一或多个传感器节点的漂移速率而定的频率或时距收集每一传感器节点的所述覆盖区域处或周围的空气样本。
24.根据权利要求17所述的感测网络,其中所述一或多种空中浮游污染物包括有机或无机化学物、空中浮游微粒物质PM、重金属致污物或空中浮游生物致污物。
25.根据权利要求17所述的感测网络,其中所述一或多个传感器节点的每一者可为室内的或户外的,且所述一或多个固定传感器基地的每一者可为室内的或户外的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210692787.7A CN115102989B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662423033P | 2016-11-16 | 2016-11-16 | |
US62/423,033 | 2016-11-16 | ||
US15/810,409 | 2017-11-13 | ||
US15/810,409 US11047839B2 (en) | 2016-11-16 | 2017-11-13 | Smart sensing network |
CN202210692787.7A CN115102989B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
PCT/US2017/061605 WO2018093792A1 (en) | 2016-11-16 | 2017-11-14 | Smart sensing network |
CN201780075261.1A CN110121875B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780075261.1A Division CN110121875B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115102989A true CN115102989A (zh) | 2022-09-23 |
CN115102989B CN115102989B (zh) | 2024-03-12 |
Family
ID=62108402
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780075261.1A Active CN110121875B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
CN202210692787.7A Active CN115102989B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780075261.1A Active CN110121875B (zh) | 2016-11-16 | 2017-11-14 | 智能感测网络 |
Country Status (7)
Country | Link |
---|---|
US (3) | US11047839B2 (zh) |
EP (1) | EP3542521B1 (zh) |
JP (2) | JP2019536188A (zh) |
KR (2) | KR20220148932A (zh) |
CN (2) | CN110121875B (zh) |
TW (3) | TWI764120B (zh) |
WO (1) | WO2018093792A1 (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11047839B2 (en) | 2016-11-16 | 2021-06-29 | TricornTech Taiwan | Smart sensing network |
CN107219157A (zh) * | 2017-07-29 | 2017-09-29 | 山东诺方电子科技有限公司 | 一种利用社会车辆进行大气颗粒物监测系统 |
CN108834151A (zh) * | 2018-05-30 | 2018-11-16 | 西安理工大学 | 一种海洋环境中无线传感网的覆盖方法 |
CN109242062B (zh) * | 2018-09-06 | 2021-09-03 | 重庆云力网通科技有限公司 | 一种社会征信系统的实现方法 |
FR3090881B1 (fr) * | 2018-12-19 | 2023-10-20 | Elichens | Procédé de calibration d'un capteur de gaz |
US20220205967A1 (en) * | 2019-05-22 | 2022-06-30 | Molex, Llc | Systems and methods for placing networked sensors within a facility for fugitive emissions monitoring |
CN110312225B (zh) * | 2019-07-30 | 2022-06-03 | 平顶山学院 | 一种无线传感器硬件装置 |
JP7202989B2 (ja) * | 2019-08-23 | 2023-01-12 | 東京瓦斯株式会社 | センサ保守システム、情報処理装置、および、プログラム |
US20210215654A1 (en) * | 2020-01-08 | 2021-07-15 | Richard M. COSTANZO | System and Method for Multidimensional Gas Sensing and Localization |
CN111239338A (zh) * | 2020-01-19 | 2020-06-05 | 徐州工业职业技术学院 | 开放式空气质量监测系统 |
KR102377148B1 (ko) * | 2020-09-03 | 2022-03-23 | (주)누리플렉스 | 스마트 쿼런틴 그리드 시스템 및 방법 |
DE102021105014A1 (de) | 2021-03-02 | 2022-09-08 | Dräger Safety AG & Co. KGaA | Verfahren zur Auswertung von Daten wenigstens eines mobilen und eines stationären Gasmessgeräts sowie System zur Überwachung mindestens einer Gaskonzentration |
CN115358432B (zh) | 2022-10-14 | 2023-02-07 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5832411A (en) * | 1997-02-06 | 1998-11-03 | Raytheon Company | Automated network of sensor units for real-time monitoring of compounds in a fluid over a distributed area |
JP2004108857A (ja) * | 2002-09-17 | 2004-04-08 | Horiba Ltd | 大気汚染モニタリングシステム |
CN1871528A (zh) * | 2003-09-17 | 2006-11-29 | 输入输出公司 | 单站无线地震数据采集方法和设备 |
CN202471958U (zh) * | 2012-03-19 | 2012-10-03 | 河北工业大学 | 一种突发灾害性事故快速定位系统 |
WO2014164547A1 (en) * | 2013-03-13 | 2014-10-09 | Aclima Inc. | Distributed sensor system with remote sensor nodes and centralized data processing |
US20150253300A1 (en) * | 2012-09-20 | 2015-09-10 | C.R.D. Centro Ricerche Ducati Trento S.R.L. | System and method for monitoring atmospheric pollution |
US20160138993A1 (en) * | 2013-06-11 | 2016-05-19 | Koninklijke Philips N.V. | A method of calibrating a sensor |
US20160290979A1 (en) * | 2015-03-31 | 2016-10-06 | International Business Machines Corporation | System and method for air-pollutant source-localization using parked motor vehicles |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11142128A (ja) * | 1997-11-07 | 1999-05-28 | Earthnics Corp | 放射線厚さ計 |
US6334059B1 (en) | 1999-01-08 | 2001-12-25 | Trueposition, Inc. | Modified transmission method for improving accuracy for e-911 calls |
JP2001289811A (ja) * | 2000-02-03 | 2001-10-19 | Nippon Koden Corp | ガスセンサおよびガスセンサシステム |
US6701772B2 (en) * | 2000-12-22 | 2004-03-09 | Honeywell International Inc. | Chemical or biological attack detection and mitigation system |
US7233781B2 (en) | 2001-10-10 | 2007-06-19 | Ochoa Optics Llc | System and method for emergency notification content delivery |
US8152991B2 (en) | 2005-10-27 | 2012-04-10 | Nanomix, Inc. | Ammonia nanosensors, and environmental control system |
US7360461B2 (en) * | 2004-09-23 | 2008-04-22 | Aircuity, Inc. | Air monitoring system having tubing with an electrically conductive inner surface for transporting air samples |
EP1987459B1 (en) * | 2006-02-21 | 2016-09-28 | URECSYS - Urban Ecology Systems - Indoor Air Quality Management Ltd. | A system and a method for assessing and reducing air pollution by regulating airflow ventiilation |
US7835043B2 (en) | 2006-09-06 | 2010-11-16 | Hewlett-Packard Development Company, L.P. | Imaging device and calibration method therefor |
JP5476632B2 (ja) * | 2010-05-11 | 2014-04-23 | 公立大学法人大阪府立大学 | 水晶振動子用コーティング液、ガス検出素子、エチレン検出素子およびガス検出素子の製造方法 |
BR112013010283B1 (pt) | 2010-11-01 | 2022-05-17 | Koninklijke Philips N.V. | Método de calibração de um sensor de ar de um dispositivo de tratamento de ar e dispositivo de tratamento de ar |
EP2570807B1 (de) | 2011-09-16 | 2015-10-28 | Siemens Schweiz AG | Prüfgerät zur Feldkalibrierung eines Gasmelders |
US8717161B1 (en) * | 2011-11-21 | 2014-05-06 | Crook W. Gary | Lockout for hydrogen sulfide monitoring system |
TWI498553B (zh) | 2012-03-01 | 2015-09-01 | Univ Nat Taipei Technology | 無線空氣品質監控系統及空氣品質預測方法 |
US20130278427A1 (en) | 2012-04-22 | 2013-10-24 | Michael Setton | Method and system for visually reporting a local environmental condition |
US10859474B2 (en) | 2013-02-28 | 2020-12-08 | TricornTech Taiwan | Real-time on-site gas analysis network for ambient air monitoring and active control and response |
US9297748B2 (en) * | 2013-03-13 | 2016-03-29 | Aclima Inc. | Distributed sensor system with remote sensor nodes and centralized data processing |
US9291608B2 (en) * | 2013-03-13 | 2016-03-22 | Aclima Inc. | Calibration method for distributed sensor system |
US10139383B2 (en) * | 2013-12-02 | 2018-11-27 | TricornTech Taiwan | Real-time air monitoring with multiple sensing modes |
JP6375629B2 (ja) * | 2014-01-28 | 2018-08-22 | 富士通株式会社 | ガスセンサ及びその製造方法 |
CN104251808A (zh) * | 2014-09-16 | 2014-12-31 | 苏州弗莱希智能科技有限公司 | 一种高准确度pm2.5的检测装置 |
JP6409567B2 (ja) * | 2014-12-25 | 2018-10-24 | 株式会社デンソー | ガスセンサ |
CN204649241U (zh) * | 2015-06-02 | 2015-09-16 | 深圳市万联智慧电子有限公司 | Pm2.5监测仪及其环境监测系统 |
CN106053724B (zh) * | 2016-05-25 | 2018-01-02 | 深圳市欧瑞博电子有限公司 | 基于云计算的气体传感器精度补偿方法及装置 |
US11047839B2 (en) | 2016-11-16 | 2021-06-29 | TricornTech Taiwan | Smart sensing network |
-
2017
- 2017-11-13 US US15/810,409 patent/US11047839B2/en active Active
- 2017-11-14 KR KR1020227036648A patent/KR20220148932A/ko not_active Application Discontinuation
- 2017-11-14 WO PCT/US2017/061605 patent/WO2018093792A1/en unknown
- 2017-11-14 JP JP2019547223A patent/JP2019536188A/ja active Pending
- 2017-11-14 KR KR1020197015512A patent/KR102458890B1/ko active IP Right Grant
- 2017-11-14 CN CN201780075261.1A patent/CN110121875B/zh active Active
- 2017-11-14 CN CN202210692787.7A patent/CN115102989B/zh active Active
- 2017-11-14 EP EP17871447.3A patent/EP3542521B1/en active Active
- 2017-11-16 TW TW109111005A patent/TWI764120B/zh active
- 2017-11-16 TW TW110123101A patent/TWI818273B/zh active
- 2017-11-16 TW TW106139699A patent/TWI713801B/zh active
-
2021
- 2021-06-21 US US17/352,966 patent/US11788997B2/en active Active
-
2023
- 2023-10-16 US US18/487,337 patent/US20240036017A1/en active Pending
-
2024
- 2024-01-11 JP JP2024002280A patent/JP2024056685A/ja active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5832411A (en) * | 1997-02-06 | 1998-11-03 | Raytheon Company | Automated network of sensor units for real-time monitoring of compounds in a fluid over a distributed area |
JP2004108857A (ja) * | 2002-09-17 | 2004-04-08 | Horiba Ltd | 大気汚染モニタリングシステム |
CN1871528A (zh) * | 2003-09-17 | 2006-11-29 | 输入输出公司 | 单站无线地震数据采集方法和设备 |
CN202471958U (zh) * | 2012-03-19 | 2012-10-03 | 河北工业大学 | 一种突发灾害性事故快速定位系统 |
US20150253300A1 (en) * | 2012-09-20 | 2015-09-10 | C.R.D. Centro Ricerche Ducati Trento S.R.L. | System and method for monitoring atmospheric pollution |
WO2014164547A1 (en) * | 2013-03-13 | 2014-10-09 | Aclima Inc. | Distributed sensor system with remote sensor nodes and centralized data processing |
US20160138993A1 (en) * | 2013-06-11 | 2016-05-19 | Koninklijke Philips N.V. | A method of calibrating a sensor |
US20160290979A1 (en) * | 2015-03-31 | 2016-10-06 | International Business Machines Corporation | System and method for air-pollutant source-localization using parked motor vehicles |
Non-Patent Citations (1)
Title |
---|
王宏记;李中华;: "基于物联网技术的跨区域气象环境污染监测系统", 计算机测量与控制, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
US20240036017A1 (en) | 2024-02-01 |
CN110121875A (zh) | 2019-08-13 |
TW202044177A (zh) | 2020-12-01 |
US11047839B2 (en) | 2021-06-29 |
US20210311005A1 (en) | 2021-10-07 |
TW201826205A (zh) | 2018-07-16 |
TWI818273B (zh) | 2023-10-11 |
CN110121875B (zh) | 2022-06-24 |
WO2018093792A1 (en) | 2018-05-24 |
JP2019536188A (ja) | 2019-12-12 |
TW202207142A (zh) | 2022-02-16 |
TWI713801B (zh) | 2020-12-21 |
KR102458890B1 (ko) | 2022-10-24 |
KR20190073519A (ko) | 2019-06-26 |
EP3542521A4 (en) | 2020-10-07 |
US20180136180A1 (en) | 2018-05-17 |
US11788997B2 (en) | 2023-10-17 |
CN115102989B (zh) | 2024-03-12 |
EP3542521B1 (en) | 2023-08-23 |
EP3542521A1 (en) | 2019-09-25 |
KR20220148932A (ko) | 2022-11-07 |
JP2024056685A (ja) | 2024-04-23 |
TWI764120B (zh) | 2022-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110121875B (zh) | 智能感测网络 | |
Hasenfratz et al. | On-the-fly calibration of low-cost gas sensors | |
EP2973488B1 (en) | Distributed sensor system with remote sensor nodes and centralized data processing | |
US9297748B2 (en) | Distributed sensor system with remote sensor nodes and centralized data processing | |
CN108984960B (zh) | 一种挥发性有机污染快速精确定位及采样布点方法 | |
US20120109583A1 (en) | Logistically Enabled Sampling System | |
EP2115479A1 (en) | Method and system for detecting and monitoring emissions | |
KR20150143453A (ko) | 주위 공기 모니터링 및 능동 제어 및 대응을 위한 실시간 현장의 기체 분석 네트워크 | |
US20240003686A1 (en) | Hyper-local mapping of environmental conditions | |
Hasenfratz et al. | Model-driven accuracy bounds for noisy sensor readings | |
WO2023042222A1 (en) | Sensor network for ambient air quality monitoring | |
CA3241429A1 (en) | Method for leak source location investigation | |
Robert et al. | SnO2 gas sensors and geo-informatics for air pollution monitoring |
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 | ||
CB02 | Change of applicant information |
Address after: 8th Floor, No. 6, 868 Zhongzheng Road, Zhonghe District, New Taipei City, Taiwan, China, China Applicant after: Tricorntech Corp. Address before: C, 18 Siyuan street, Zhong Zheng District, Taipei, Taiwan, China Applicant before: TRICORNTECH Corp. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |