CN116157286A - 车辆舱室空气过滤器监测系统 - Google Patents

Abstract

一种舱室空气质量监测系统包括：通信界面，该通信界面被配置成接收表示车辆的舱室内空气质量的快照信息；和存储器，该存储器被配置成存储由通信界面接收的快照信息。舱室空气质量监测系统还包括处理电路，该处理电路被配置成对存储到存储器的快照信息进行分批以形成所分批的快照信息，使用所分批的快照信息作为输入来执行经训练的机器学习(ML)模型以获得包括舱室空气过滤器替换信息的模型输出，并且经由通信界面将模型输出传输到车辆的计算硬件。

Description

车辆舱室空气过滤器监测系统

技术领域

本公开总体涉及空气过滤领域。

背景技术

车辆废气、工业废气、烟气、灰尘、烟雾、气体、飞灰、烟灰、烟雾、气溶胶、烟气、雾、冷凝蒸气、诸如一般VOC(TVOC)和/或目标(特定VOC)的挥发性有机化合物(VOC)、或其他致污物在空气中的悬浮构成了改变受影响环境的空气质量的颗粒物质(PM)。降低空气质量的非PM致污物包括一氧化碳(CO)、铅、氮氧化物、地面臭氧或硫氧化物中的一者或多者。通过这种PM和/或非PM致污物的空气污染可能对环境中的人、动物或植物的健康造成危害或损害。多年来，由致污物降低空气质量所致的死亡人数和疾病发病率都有所上升。举例来说，特别是在人口密集的区域中对室外PM的意识日益增强，以及最近的大流行诸如COVID-19大流行，对表达“呼吸健康”的在线搜索在一年的跨度内已经增加400％以上。基于人们在车辆中耗费的时间量，人们容易暴露于空气致污物的环境是在车辆舱室中，以及车辆可能在其中行驶的空气污染环境。

发明内容

本公开描述了一种连接且集成的车辆舱室空气质量系统，其被配置成测量各种空气质量度量、摄取相关车辆数据、(直接或间接)交接云资源并且提供将过滤器状态和/或空气质量度量中的一者或两者输送给驾驶员和/或其他车辆乘员的唯一数据。本公开的系统还可向车辆提供其他先进反馈，和/或利用车辆的信息娱乐系统或者其他人机界面来向车辆乘员提供这种先进反馈。

在一些示例中，本公开的系统被配置成使用数据驱动方法定制舱室空气过滤器状态信息和/或舱室空气过滤器替换预测中的一者或两者。在一些示例中，本公开的系统可通过执行机器学习(ML)算法来生成个性化推荐，该ML算法基于各种标准(例如，web抓取的地理数据、偏好输入、车辆数据、空气质量传感器数据等)输出帮助驾驶员选择特定的舱室空气过滤器以最大化车载呼吸安全和空气质量的数据。以此方式，本公开的系统提供连接的安全解决方案，其利用云计算能力来向驾驶员通知可能值得注意的车辆舱室空气质量下降(或其风险)，或者另选地自动实现一个或多个补救措施来减轻或纠正所检测到的/所预测的空气质量下降。

本公开的系统通过将处理所监测数据的能力集成到车辆硬件中来向驾驶员提供改善的舱室空气过滤器监测能力。在一些示例中，本公开的系统可显示诸如空气质量增量(例如，舱室内对外部)的度量，以指示当前过滤器的有效性或者车辆舱室中的当前PM2.5或PM0.3暴露水平。本公开的系统是可扩展的，并且可以过滤技术不可知的方式应用。本公开的系统通过使用数据驱动分析来实现用于过滤器替换通知的被动和/或主动方法而提供潜在的安全改善，这可保护车辆乘员的呼吸健康和总体安康。乘员的安康可能受到诸如长时间段的污染物污染、由于空气纯净度和可见度水平引起的乘员认知能力等的多种舱室内空气状况的影响。本公开的被动干预方法包括经由车载显示系统(例如，车载信息娱乐系统、仪表板显示器等)提供通知或者经由移动电话应用程序或门户网站提供通知。本公开的主动干预方法包括自动控制车辆的加热、通风和空气调节(HVAC)和/或舱室空气过滤系统。

本公开的系统还可根据环境影响提供改善。通过对舱室内空气过滤器实现真实数据驱动的寿命测量和替换计划表，本公开的系统可最大化过滤器介质的使用，从而减少如果在真正值得替换之前以设定的基于时间的计划表替换过滤器所产生的浪费。这种环境影响在装备有更先进的过滤器的车辆的情况下是特别积极的，这些更先进的过滤器包括用于最佳过滤的多层特9材料，并且在处理时可能对环境具有更大的影响。

附图和以下描述中阐述了本公开的一个或多个示例的细节。根据说明书和附图以及权利要求书，本公开的其他特征、目标和优点将显而易见。

附图说明

图1是示出了包括执行本公开的舱室空气过滤器监测技术的部件的系统的框图。

图2是示出了本公开的各方面的框图，根据这些方面，系统可利用通过用户和环境输入的微粒感测来加强对车辆内部的某些微粒和污染物的检测。

图3A至图3F是用于基于所测量的传感器数据、车辆配置数据和外部数据流的组合得出不同结论的示例性决策树。

图4是示出了基于化学检测来检测非法物质或驾驶员受损的机制的框图，该机制通过与车辆的计算系统的集成来警告乘员或者禁止车辆移动。

图5示出了根据本公开的各方面的增量空气质量确定的基本用例。

图6示出了本公开的各方面，通过这些方面，系统可基于所感测到的车辆内状况和从车辆外部抓取的状况来优化车辆的电子控制单元(ECU)中的车辆调谐参数。

图7示出了实现舱室内气味感测的本公开的技术。

图8示出了涉及舱室内臭氧检测的本公开的各方面。

图9示出了用于测量VOC的舱室内存在和其他参数(一氧化碳等)的本公开的技术。

图10示出了涉及提供太阳强度(例如，紫外光强度)与舱室内空气质量的相关性以提供乘员空气质量评估和舱室空气过滤推荐的本公开的技术。

图11示出了涉及废气感测的本公开的各方面。

图12示出了本公开的各方面，这些方面使得系统能够在车辆舱室内的多个区域中自动进行空气质量测量，以提供空气质量方面的微环境改善，从而实现针对车辆乘员的标准化且改善的舱室环境。

具体实施方式

图1是示出了包括执行本公开的舱室空气过滤器监测技术的部件的系统的框图。图1的系统是本公开的系统的具体实施的一个非限制性示例，并且应当理解，本公开的系统与许多其他具体实施兼容。图1是通过汽车舱室的示例性环境来描述的，但是应当理解，本公开的系统可被配置成监测空气过滤器健康并且为其他环境(诸如飞机舱室、封闭的水运舱室或者其中局部空气质量可能影响人、动物等的健康或者安康的任何其他空间)提供过滤器替换推荐。PM和/或非PM空气致污物也可能具有不健康的影响诸如污染装备或电子部件(例如，HVAC装备)，并且可能对某些机械和装备(例如，HVAC系统、电子车载装备等)造成有害威胁。

一般来讲，图1的系统提供数据获取、监测、活动日志、报告、预测分析、警告生成以及可选地关于车辆的舱室空气过滤器的替换/订购。车辆配备有一个或多个传感器，该一个或多个传感器被配置成捕获与舱室空气过滤器的运行有关的数据。传感器不断地感测环境。图1的空气质量传感器直接连接到车辆的舱室空气质量系统。图1的车辆传感器读取值并且将这些值存储到图1所示的车辆系统的数字存储部件。图1所示的外部数据源表示传感器硬件和逻辑，该传感器硬件和逻辑被配置成从对应传感器网络连续收集数据并且将所收集的数据存储到一个或多个储存库以用于实时、基本上实时或者后续参考以及附加处理的潜在使用。

图1的舱室空气质量系统周期性地收集表示链接到舱室空气质量系统的数据源中的一些或全部数据源的快照信息。舱室空气质量系统可经由若干可能机制中的一个或多个可能机制来访问或接收快照信息的数据，这些可能机制包括但不限于到空气质量模块的直接连接/链路(有线或者无线)、经由符合一个或多个数据传输协议的数据链路、经由API函数调用、或者通过对数据馈送或管道的订阅。

舱室空气质量系统的数据聚合器聚集快照数据，并且对数据进行分批。数据聚合器还可执行对于所聚集的数据的进一步使用可能必要的任何预处理(例如，水平标准化、单位转化、转换等)。当处于空闲状态时，舱室空气质量系统的模型执行模块摄取从数据聚合器供应的数据，并且通过执行预成形的模型来处理数据。模型执行模块在完成模型执行的执行阶段时使所得的模型输出可用。

舱室空气质量系统可连续地、周期性地或者在特设的基础上向图1的基于云的监测系统传输数据。在各种示例中，舱室空气质量系统可将所聚集的传感器数据和/或模型输出数据中的一者或两者传输到基于云的监测系统，以便提供用于训练目的以及用于存储的多样化数据集，以用作用于给定车辆和/或空气过滤器寿命(或者其预测/预估)的历史概况数据。基于云的监测系统的模型训练单元(“模型训练”)可访问针对模型的一个或多个训练阶段收集的数据。基于云的监测系统的测试和验证单元可通过车辆UI/UX或者其他界面(例如，智能电话屏幕等)生成详细报告并将该详细报告输出给车主。

模型输出由车辆信息娱乐系统消耗，其中它可与其他测量结果和结果一起被存储以构建可通过车辆的车辆人机界面(HMI)或用户界面(UI/UX)显示的数据集。在一些示例中，本公开的系统可利用车载连接性来将数据中继到配备有HMI的另一设备诸如智能电话。在一些示例中，车辆可配备有使得能够在推荐的时间范围内订购适当的替换舱室空气过滤器的无缝用户体验的集成订购机制或界面。

图1示出了可处理从车辆信息娱乐系统的集成订购单元接收的任何订单的订单履行服务，在本公开的那些具体实施中，其中订购单元被集成到车辆中并且被启用。虽然图1示出了本公开的系统的一个可能的实施方案，但是应当理解，与本公开一致的其他实施方案可在云中执行模型并且使用数据链路来将输入数据传输到云/模型并且将所得输出从云返回到通信地耦接到车辆的集成计算系统的车辆信息娱乐系统/HMI或者其他HMI(例如，智能电话的HMI)。

本公开的系统可使用多个数据源中的一个或多个数据源。此类数据源可包括可被摄取到算法或者公式中以确定或计量舱室空气质量和/或预测过滤器状态(例如，当前舱室空气过滤器寿命和/或预期舱室空气过滤器寿命终止，其指示替换舱室空气过滤器的时间)的任何数据元。初始数据元可从包括传感器系统数据和/或车辆数据和/或外部数据的一个或多个源提取。

如本文所用，传感器系统数据可包括由安装到车辆中的空气质量系统包生成的任何数据，该空气质量系统包具有测量舱室空气质量的配置或预期目的。此组中的示例性传感器包括但不限于压力传感器、挥发性有机化合物(VOC)传感器(用于TVOC和/或特定VOC)、一氧化碳(CO)传感器和废气传感器中的一者或多者。这些传感器通常产生可直接用作到各种模型(例如，线性回归或者任何其他模型)的输入的原始传感器值。这些原始值还可在舱室空气质量传感器系统内被转换成人类可读数据或者以人类可理解的方式格式化的数据，以便经由HMI或者其他数据报告机制呈现此信息。

作为数据源的车辆数据可包括由车辆的另一系统或功能生成并且通过到舱室空气质量传感器系统的数据管道或连接而可用的任何传感器数据或数据元。此数据管道的一个示例是OpenXC^TM平台(http://openxcplatform.com/)。示例性车辆数据元包括车辆速度、窗户状态、HVAC状态(例如，模式、空气输出位置、新鲜/再循环等)、HVAC风扇速度、如由全球定位系统(GPS)坐标指示的位置、舱室内温度、外部温度、乘员数量、乘员位置等。在许多示例中，这些数据由瞬时值表示，并且舱室空气质量系统被配置成保持关于各种模型的历史值。可用数据还可根据诸如品牌、型号、型号年份、安装特征、包括/排除选项、内饰等级等车辆细节而变化。

作为数据源的外部数据涵盖由第三方提供的数据、从互联网抓取的数据、购自其他舱室空气质量系统用户的众包数据和/或由车辆的操作员直接录入的任何数据中的任何一者或多者。由第三方提供的数据的示例包括外部空气质量数据(例如，如购自AirNow(https://www.airnow.gov/)。Web抓取的数据的示例包括来自诸如Weather Underground(https://www.wunderground.com/)或者weather.com(https://weather.com/)的源的本地气象数据。另一示例是交通数据，诸如由一些运输部门(DOT)或者诸如INRIX(https://inrix.com/)或Here技术(https://www.here.com/)的第三方聚合器提供的指示拥塞和污染的数据。

许多网站和第三方提供者实现工具集以通过特化界面执行对其数据的查询，从而帮助实现数据递送的流线化。如果模型在执行阶段中需要数据，则本公开的舱室空气质量传感器系统可直接访问该数据，或者该数据可出于训练目的而被集成在基于云的监测系统中，或两者。这些数据源提供丰富的环境和位置特定的数据，其可通过提供针对诸如增量空气质量的度量的外部基准来改善系统的性能，增量空气质量指示舱室内空气质量与室外空气质量之间的比较分数。在一些示例中，这些度量可使用PM2.5测量结果或者舱室空气质量传感器系统能够计算的任何其他空气质量度量来形成。

由用户直接录入的数据可包括在形成针对舱室空气过滤器的寿命计算时可考虑的个性化偏好或灵敏度。例如，与车主、操作员或者已知乘客有关的过敏或哮喘状况可促使针对舱室空气过滤器进行不同的寿命计算，以便最小化对这些致敏个体的触发微粒或其他刺激物的暴露。以此方式，本公开的系统无论是在初始训练阶段还是在后续训练细化过程中都训练模型以智能地调整过滤器性能最小阈值水平。

如以上所讨论的，图1的系统结合了将从这些源收集的数据传输到云数据库(例如，如由图1的基于云的监测系统实现的)的功能性。通过保持针对每个车辆的历史日志(例如，在图1所示的历史数据库中)，基于云的监测系统使得能够针对过滤器寿命和过滤器质量实现更先进的算法。本公开的系统可根据诸如数据完整性/丰富性/完全性、对带宽和成本(传输和存储两者)的考虑、资源支出、迭代度量等的优先级来实现不同的数据传输技术。要发送的不同参数的数据频率和数量是可通过在新的配置释放/推送中的模型和数据策略更新或者通过基于机器学习模型的自动化数据策略来动态配置的参数，该机器学习模型在学习和测试不同频率或包括端值在内的数据集的影响之后优化输入数据要求。

本公开的系统可采用多种不同机制中的任一种机制来将空气质量传感器系统连接到云。在一个示例中，系统可利用车辆的遥测硬件来建立数据连接，以经由加密的或者安全的数据路径向传感器系统应用程序传输数据以及从传感器系统应用程序接收数据。在另一示例中，系统可通过利用舱室内连接(例如，

连接)来实现云连接性，以使用在车辆乘员的智能电话上运行的一个或多个应用程序，从而在利用智能电话的蜂窝数据连接或其他数据连接时使用智能电话作为中间设备。

在该示例中，空气质量传感器系统经由

连接将数据传输到智能电话应用程序，智能电话应用程序然后将数据(在预处理之后或者以未改变的形式)路由到基于云的监测系统。在另一示例中，系统通过利用车辆的/>

连接来实现云连接性。例如，当车辆在车库中或者在具有开放无线路由器可用性的另一位置处连接到无线路由器时，计算硬件可通过无线互联网连接将数据从应用程序传递到云。无论所利用的云连接性机制如何，在各种情况下，都可根据需要或在所有时间实现和保持安全、加密和数据完整性。

在一些用例场景中，应用程序可保持到云的连接以便在模型执行时利用第三方数据并且将所聚集的数据传送到基于云的监测系统的历史数据库中。通过基于连接性可用性、连接性带宽阈值等以分批方式实现存储和转发数据的能力，应用程序对于连接性丢失可有弹性。例如，在不良连接性的区域中，或者在节省蜂窝数据收费是期望结果的情况下，应用程序可在离开

连接区域之前高速缓存车辆周围的已知路线或范围，并且在部分行程期间使用高速缓存的数据。由此，本公开的系统可利用云计算能力，无论与云的实时或者近实时的数据通信是否可用。

在一些示例中，为了缓解无连接性的时段，本公开的系统可在近实时数据不可用时利用针对给定区域的平均值来估计某些值。这些估计可针对这种场景从第三方源预加载，或者可作为在在线数据库中随时间推移来自相同区域中的其他车辆的众包数据来收集。在一些此类情况下，本公开的系统可周期性地刷新所收集的关于车辆的数据。在实时数据不可用的情况下，这些估计有助于计算暴露水平和过滤器寿命。

在一些示例中，本公开的系统可使用众包应用程序生成数据(作为传感器系统的替代或补充)。在这种情况下，用户可主动地报告或者车辆计算逻辑可被动地报告影响舱室空气过滤器的使用的空气状况，诸如存在烟雾、化学品溢出、或者可能导致如在行驶的位置处观察到的差的空气质量的其他环境状况。根据连接性和/或带宽考虑，来自本公开的系统的任何输出可被存储并且在稍后时间进行中继。因为这些数据用于训练模型和/或改善经训练的模型以及用于保持历史记录，所以最终存储比上传的及时性更重要。

基于云的监测系统实现图1所示的系统的总体功能内的各种功能性。作为一个示例，基于云的监测系统提供用于分类和检索舱室空气质量信息、过滤器寿命数据、模型输出或者任何相关联的传感器数据或其他元数据中的一者或多者的数据存储库。数据库还可根据给定用例场景中的系统配置、数据的可用性等存储其他相关信息，诸如地理位置、时间戳、寿命预测等。基于云的监测系统还提供模型训练、测试、验证和优化、以及版本控制、部署流水线和部署历史。基于云的监测系统还可托管和支持算法开发功能性。可从历史数据库获得的数据集的强度使得能够评估新模型并且驱动应用机器学习和人工智能以提供作为复杂问题的解决方案的可靠输出的能力。

过滤器状态和状况计算使得应用程序能够更好地测量舱室空气过滤器有效性，并且针对舱室空气过滤器介质提供更准确的改变时间通知的预测。在许多场景中，由数据驱动计算和模型而不是纯粹的计划表和/或车辆行驶里程(VMT)来支持通知。通过利用一套传感器基础设施、环境状况和车辆系统数据，本公开的系统可生成关于何时替换舱室空气过滤器的定制推荐，并且通知用户舱室空气过滤器的有效性。为了提供这些数据驱动推荐和有效性分数，本公开的系统可动态地训练模型并且基于真实世界数据测试模型，这取决于数据可用性。

使用数据驱动方法而不是计划表来提示舱室空气过滤器替换的优点在于，关于过滤器质量的数据具有改善的精确度，并且在一些情况下具有更即时的可理解性。以此方式，本公开的系统可记录过滤器的有效性随时间推移的下降并且将该性能与同相同车辆兼容的其他可用过滤器介质进行比较。驱动和存储状况差异与所测量的过滤器寿命直接相关，其中过滤器介质质量是控制状况。如果过滤器替换纯粹基于时间或者基于里程的方案执行，则数据在过滤器介质本身的质量和功效方面是不精确的。基于性能，本公开的数据分类可潜在地将高质量过滤器介质与较低质量过滤器介质分开。因此，本公开的模型可被训练以推荐特定过滤器，这些特定过滤器已被证明在与候选车辆类似的驾驶状况和/或环境状况下具有更高的有效性或者更长的寿命。

本公开的用户界面(UI)用作用于整个系统的用户触摸点。系统使用UI向用户输出质量数据、图表、结论和推荐。此外，系统可使用UI来使得用户能够将信息和偏好输入到系统中。用户偏好的一个示例可通过将过敏或者化学灵敏度指示为到模型的输入数据来传达，经训练的模型可考虑这些输入数据以进一步定制和个性化输出。

系统还可使用UI来直接经由车辆的HMI硬件或者经由另一通信地耦接的设备诸如智能电话或平板计算机提供关于订购替换过滤器的细节。该模型可输出过滤器建议，这些过滤器建议突出车辆在先前过滤器的寿命期间所处的操作环境的最合适过滤器。诸如使用、地理位置、对不同颗粒或VOC的平均暴露的因素也可驱动更定制的过滤器推荐或过滤器选择选项列表(通过将该列表约束为可行或最相关的选项)。集成订购功能性也可沿循存储和转发过程以实现离线购买。通过创建这种类型的平滑用户体验，在一些情况下补充有关于在递送时如何安装新过滤器的指令，本公开的系统利用现有硬件的UI功能性来更快且更有效地改善过滤器选择和安装。

系统可经由用户界面呈现数据以基于所收集和所分析的传感器数据来推荐动作。例如，系统可由于差的空气质量超额(例如，由于在某天/时间在机器学习的通勤上的拥塞)等生成关闭车辆的窗户和/或启用舱室内空气再循环的建议。在另一示例中，系统可因为在舱室空气传感器系统中检测到的废气烟气而生成打开窗户的建议，从而有助于经由来自外部的气流和所得的通风来分散废气烟气。

在一些示例中，本公开的系统可通过经由车辆内的自动化控件自动地实现这些建议来使这些建议自动化。在这种情况下，例如，如果建议是打开窗户，则系统可利用车辆的电子窗户控件来自动地打开一个或多个窗户和/或天窗，并且可提供通知来解释所采取的动作。在一些情况下，在舱室空气过滤器状态或舱室内空气质量出现显著或者严重问题的情况下，系统可响应于接收到某些舱室空气质量传感器数据而触发对自动化支持系统(例如，由

提供的服务等)的呼叫。例如，如果检测到CO处于或高于阈值量，则系统可通知安全支持网络以检查驾驶员是否响应，从而潜在地避免附加的危险情况。在一些情况下，系统可传输数据以支持保险索赔或者证明由机械师或保险理算师建议的修理是合理的。

本公开的系统可基于个体偏好定制用户界面的整体外观、声音和感觉。数据可以不同的形式(例如，图表、百分比、阈值、颜色编码指示器、经由车辆的扬声器系统的音频输出、或者任何其他手段)呈现以输送由空气质量传感器数据和模型输出呈现的数据的含义、重要性和潜在影响。

图2是示出了本公开的各方面的框图，根据这些方面，系统可利用通过用户和环境输入的微粒感测来加强对车辆内部的某些微粒和污染物的检测。使用此数据(以及在一些情况下，污染物的权重)，本公开的系统可训练模型以相对准确地预测车辆舱室空气过滤器的寿命终止。在一些情况下，经训练的模型在执行阶段期间可向用户输出推荐以用新的舱室空气过滤器介质替换舱室空气过滤器。通过向用户提供基于健康信息和/或驾驶历史定制偏好的选项，本公开的基于传感器的系统可提供针对给定用户或车辆定制/个性化的警告和/或建议。

本公开的系统被配置成通过监测污染物含量并且预测舱室空气过滤器的寿命终止来改善车辆内部的空气质量。汽车内的空气有时可能比外部空气质量差十五倍。外部污染物通常通过空气通风口进入车辆，然后循环通过车辆舱室，从而导致内部严重污染。在一些情况下，过敏原也可在汽车舱室内部积累，并且可对那些内部的人造成问题。花粉、灰尘和其他常见的过敏原可通过打开的窗户、由乘员穿戴的衣服和鞋类等进入车辆。这些过敏原往往不被注意。因此，本公开描述了被编程为检测此类过敏原并且潜在地使得用户能够迅速地替换舱室空气过滤器和/或以其他方式清洁他们的车辆以解决过敏原相关问题的传感器技术。本公开的系统可利用环境、地理和/或健康数据中的一者或多者来检测污染物并且训练模型以建议在适当的时间替换过滤器，从而有助于可导致车辆舱室内的改善的或始终如一地更好的空气质量的努力。

如上所述，车辆内部的舱室空气过滤器通常被一定程度地随意替换。例如，当用户注意到堵塞的开始或进一步发展时，或者当对车辆里程达到一定度量做出反应时，用户可替换车辆的舱室空气过滤器。过滤器在不替换的情况下可持续数月或者甚至数年，从而导致车辆舱室内部的空气质量降低。差的舱室内空气质量会对车辆的驾驶员和乘客的健康产生负面影响。本公开的系统结合了被编程为检测如由用户输入的污染物含量的传感器技术，从而提供与当前使用的技术相比的针对舱室空气过滤器增强的、先进的寿命终止计算。

本公开的系统向用户提供在检测或者预测高污染物含量时推荐替换过滤器(例如，基于阈值或者其他技术)的更准确预测和报告，而不是集中于过滤器已经使用多长时间的时间方面。在一些示例中，系统结合自动填充或订购订阅服务，以有助于以及时且定期的方式替换舱室空气过滤器。因为本公开的模型使用机器学习来基于用户体验做出个性化推荐，所以在每个用户或每个车辆的基础上增强了推荐准确度。个性化传感器和模型系统导致车辆舱室内的改善空气质量，并且基于不同用户的健康概况、驾驶模式等来迎合这些用户。

通过将舱室空气质量系统集成到车辆中，操作员可接收指示舱室空气过滤器是否如制造商所期望的那样执行的信息，并且可潜在地看到关于舱室空气质量的实况数据，以既通知车辆舱室中的呼吸安全又做出与其车辆中的任何给定舱室空气过滤器的实际性能相关的所通知的舱室空气过滤器替换决定。在一些增强的具体实施中，本公开的模型可被训练和执行以检测高灰尘/霉菌含量并且推荐车辆内部进行深度清洁连同推荐舱室空气过滤器替换。为了用户可访问性，可训练和执行模型，以此方式使得通过集成到车辆中的信息娱乐系统传输这些预测和推荐。在一些示例中，本公开的技术可配备车辆的信息娱乐系统以从用户接收舱室空气过滤器替换订单，并且部分地或完全地处理这些替换订单。

通常，空气过滤器的替换取决于车辆里程(例如，每12,000英里至15,000英里)或者其他汽车系统的效率降低，并且舱室空气过滤器的替换不利用集中于智能地确定舱室空气过滤器的寿命终止或替换的技术。为了改善对车辆舱室空气过滤器的替换以及寿命终止的推荐和预测，本公开的系统使用利用用户输入和/或环境状况信息的定制或可定制传感器。通过使用广泛的一组所收集和所摄取的车辆和环境数据、以及从用户收集的数据和与驾驶历史相关的数据，本公开的系统可训练模型以创建相对准确的预测量度并且提示用户替换舱室空气过滤器。

本公开的系统使得能够将数据的组合馈送到模型中以产生数据驱动的过滤器有效性分数以及准确的寿命预测，从而向车辆操作员提供关于何时替换车辆的舱室空气过滤器的准确推荐。在训练模型以预测过滤器的寿命终止时，使用可定制数据可帮助在逐个情况的基础上做出准确预测。本公开的系统使得用户能够输入个人数据(例如，与呼吸问题或过敏相关的信息)，并且可配置传感器以对特定污染物/致污物设置优先级权重。

以此方式，本公开的系统可基于用户数据向特定污染物/致污物分配给定不同权重，从而根据依赖于舱室空气过滤器的特定用户而针对舱室空气过滤器提供更具代表性的寿命终止预测。另外，在一些实施方案中，给定行进历史和地理位置，本公开的系统可训练模型以便也基于常见污染物及其在那些区域中的水平来做出准确预测。一个特定的用例将利用车辆和用户数据连同预测数据来准确地确定舱室空气过滤器的寿命终止，并且提示用户替换舱室空气过滤器。同样，图2是本公开的系统的这种具体实施的示例。

下文详细介绍有助于过滤器的有效性计算和寿命预测的具体细节和数据组合的一些示例。一个示例是，与从运输部门(d₀T)或其他本地机构抓取的道路类型信息组合的车辆的地理位置，可针对车辆在泥土或砾石道路上行进的里程/时间百分比创建分数。另一示例是与存在于预定范围内的道路类型(例如，铺砌、沙砾、泥泞)组合的车辆操作基础(例如，家庭地址或者车库/停车位置)的地理位置，根据该地理位置，本公开的经训练的模型可创建车辆将经历更高程度或更低程度污染的可能性的加权分数，该模型可在舱室空气过滤器介质的寿命终止预测中使用该加权分数。另一示例是用于舱室空气过滤器介质罐的寿命终止的个性化模型，本公开的系统可通过考虑驾驶路线中的模式并且将这些模式与已知的和历史的环境状况(诸如道路类型、污染物水平、大气状况等中的一者或多者)进行比较来以增加的准确度水平动态地发展该个性化模型。

在另一示例中，本公开的系统可通过使用一种或多种类型的种子数据来发起个性化过滤器介质寿命终止。在一些示例中，种子数据可表示主用户的家庭地址或邮政编码、操作/驾驶的通常范围、对特定气载致污物的灵敏度水平等中的一者或多者(例如，单个或其任何组合)。在一些示例中，为了在初始阶段更准确地执行模型，系统可结合来自诸如在线地图和导航服务的源的历史行进信息(例如，如可经由内置GPS系统或利用智能电话的GPS能力的智能电话应用程序递送给驾驶员)。

在一些示例中，本公开的系统可抓取与室外空气质量相关的数据或者测量室外空气质量，并且将室外空气质量数据与针对任何特定分析物或PM尺寸的舱室内空气质量数据进行比较可提供用于计算舱室空气过滤器有效性的数据点。这些增量值可基于满足的某些车辆状况(例如，关闭所有窗户和天窗、新鲜空气或启用空调等)而在准确度上变化。车辆的舱室创建具有限定环境的一组已知参数(例如，体积、乘员、HVAC气流和过滤能力以及其他常数)的受控微环境。

在一些示例中，本公开的系统可将此信息与附加传感器数据(例如，温度、颗粒尺寸、VOC水平等)组合以潜在地开发准确描述环境和达到舱室中的空气质量的“健康”状态所需的过滤水平的模型。在一些示例中，本公开的系统还可将此信息与外部环境数据组合，以潜在地更准确预测何时将达到舱室空气过滤器的寿命终止和/或辨别舱室空气过滤器介质的当前状态。以此方式，本公开的系统可创建描述车辆的微环境的黑盒，但允许空气质量输入变量以进行准确的过滤器介质寿命终止预测。

在一些示例中，当在车辆中打开窗户和/或天窗时，本公开的系统可根据过滤器有效性分数忽略车载感测PM水平(或降低其重要性)。将窗户或天窗打开允许未过滤的外部空气自由移动到舱室中，从而降低过滤器有效性的测量准确度。过滤器介质寿命终止建模算法可用于预测其他舱室系统的劣化，因为传感器数据和/或预测准确度中的任何波动可与其他系统相关。例如，可检测防风雨密封件的故障或者风扇速度的降低。

通过摄取以上因素或因素组合中的一些或全部，本公开的系统可使得经训练的模型在处于执行阶段中时能够个性化特定车辆的寿命预测和过滤器有效性分数。通过以足够大的样本尺寸创建这些个性化预测的标测图，本公开的系统可最终构建可仅基于地理行进数据来提供针对不具有空气质量传感器系统的车辆的估计的数据集。以此方式，本公开的系统使得可基于针对预期过滤器寿命和过滤器有效性随时间推移的累积数据集来提供平均预测，该平均预测尽管不如实际具有安装在车辆中的舱室空气质量传感器系统那样准确，但是仍然比简单的时间计划表或车辆行驶里程大大地改善。

本公开的一些示例涉及遍布于车辆舱室或封闭的移动环境的各种传感器类型和/或传感器阵列的利用。这些传感器/传感器阵列可检测舱室内空气中的各种物质、气味和/或化学品中的一种或多种的压差或水平。传感器数据可与舱室内空气质量或室外空气质量以及其他舱室环境安全或舒适状况诸如微粒或烟气水平相关联，这将允许舱室空气质量监测系统通过警告或车辆系统的自动化控制进行响应。在一些示例中，本公开的系统可使用传感器组来实现对目标的更高灵敏度。在一些示例中，本公开的系统可组合来自不同传感器类型的数据集以得出增强的空气质量信息或关于车辆状态的补充信息。

在过去，炉过滤器主要用于降低家庭中的灰尘水平，并且过滤进入车辆舱室中的空气的想法直到21世纪才在很大程度上解决。尽管前所未有地关注室外空气质量，但舱室空气过滤器仍然是车辆中最被忽视的日常维护零件中的一者。车辆手册、修理店和在线来源推荐急剧变化的频率和症状以促使舱室空气过滤器替换。尽管车辆手册可能指示每10，000英里应替换舱室空气过滤器，但服务店可能针对同一车辆推荐15，000-30，000英里替换舱室空气过滤器，而其他人可能推荐每两次换油替换舱室空气过滤器。

一些在线指南推荐，当用户注意到他/她需要将风扇速度增加到似乎太高而不能实现预期结果时或者响应于检测到车辆舱室中的持久恶臭而替换舱室空气过滤器。一些推荐用模糊的指导方针(诸如如果车辆在泥土道路上行驶或者如果车辆在炎热和干燥的气候中大量使用，则“调整”舱室空气过滤器替换计划表)进行限定。

即使具有上述所有的可变性和模糊性，仍然没有使用监测实际空气质量和/或过滤器介质有效性的自动化系统来管理舱室空气过滤器替换以便提供基于传感器的过滤器寿命的测量以及基于个性化的每个车辆的舱室空气过滤器替换计划表的预测。如关于本公开的一些方面所描述的，利用集成到车辆中的舱室空气质量系统，操作员可确定车辆的舱室空气过滤器是否如制造商所期望的那样执行，并且可潜在地看到关于舱室空气质量的实况数据，以既通知车辆中的呼吸安全又做出与车辆中的任何给定舱室空气过滤器的实际性能相关的所通知的购买决定。

空气质量监测广泛地在室内环境和室外环境两者中执行，并且位置通常在诸如繁忙的道路、城市中心、学校或医院的人口密集区域中，以确定污染水平、提供趋势数据以及评估控制策略的有效性。传感器可被构建到被设计成在适用的情况下保护它们免受极端环境状况影响的站点中。家庭空气质量监测设备定尺寸成适配在桌面上，并且通常测量VOC、烟雾、花粉、霉菌、CO以及有时二氧化碳的水平。空气质量传感器可包括PM传感器，其中使用散射光信号对微粒进行光学计数或者测量质量浓度。通过使空气样本经过电化学电池来实现气相感测。

由于所监测的环境的移动性和典型的室外设置，监测车辆舱室中的舱室空气质量通常需要针对温度、湿度和振动极限的调整和额外保护。本文所述的系统可潜在地提供简化的传感器设计的优点，以确定舱室空气过滤器功效和相对空气质量。以此方式，本公开的系统允许紧凑的设计，这可简化鲁棒性的结合。根据本公开的各方面，多种配置中的附加PM和气体传感器可被集成以提供补充或增强数据以通知或改善舱室内空气质量测量。

当被提供为提供实时或近实时的空气质量度量的服务时，该技术支持正在进行的舱室空气过滤器质量维护。虽然主要关于作为示例的汽车舱室进行描述，但是应当理解，这些系统适用于并且有益于其他类型的车辆舱室，并且可关于航空(飞机舱室)、农业(例如，拖拉机舱室)、商业货车运输、军事(例如，运输车辆、战斗机车辆、干扰车辆等)、商业装运(例如，越洋装运)、封闭的船或者游艇舱室等使用。

通过支持用于舱室内空气质量测量的传感器平台，本公开的系统可启用通知或报告系统，并且可帮助驱动利用机器学习和数据分析的分析方法。本公开的这些系统还可有益于开发增强的过滤介质以提取从有机组分到无机组分的各种气载组分。

本公开标识可应用的硬件和该硬件可感测的可用分析物。本公开的系统可向这些传感器在本文所述的舱室空气质量传感器系统中操作时产生的数据添加唯-值，因为传感器测量结果可与从车辆状态收集的上下文数据以及所感测到或所摄取的环境数据组合。以新的且强大的方式分析的这些测量结果的组合可提供洞察并且实现在没有本文所述的系统的情况下将不可能的用例。

传感器类型的应用包括：可应用于舱室空气过滤器并且与舱室空气质量数据组合的过滤器寿命压力传感器；可被调谐以检测舱室空气中的酒精水平的呼气测醉器传感器(测量对重铬酸钾(K2Cr2O7)的反应的燃料电池或半导体传感器))；被设计用于建筑物中的房间的消毒和灭菌的臭氧检测技术，其可被修改并且出于相同目的被应用于舱室环境；还可用于确定舱室HVAC系统是否发生故障的臭氧检测器；或者如在个人UVR检测中使用的光致变色光学传感器，其可被应用于测量进入舱室环境的UVA和UVB射线，并且数据被馈送到空气质量监测系统用于附加度量。

下文描述传感器系统或者阵列的应用。不同的传感器类型可一起使用以形成在其用于监测和检测方面独一无二的传感器封装。例如，如果系统被配置成检测一些VOC或气体的痕量，则可基于具有不同材料类型的传感器对目标和干扰气体的灵敏度来创建传感器阵列，以有效地滤除干扰气体。本技术可应用于车辆环境中。辨别过滤的有效性和/或所感测到的分析物的来源的另一技术是进行增量测量。在这种情况下，利用相同类型的传感器测量车辆的内部和外部可根据车辆的状态揭示若干件事情。

上述提出的能够进行这种类型的测量的系统的一个优点在于，由于能够将车辆数据摄取到模型中，因此传感器系统知道车辆的状态。如果系统具有对诸如窗户状态、HVAC状态、车辆操作状态等的参数的访问权限，则系统可通过模型化输出应用和推断一组学习或另一组学习。数据可用于增强舱室空气质量测量。例如，废气烟气传感器可放置在舱室中和废气出口处两者。

将特定传感器的感测分布在车辆内的多个位置中提供关于所感测到的分析物的源和局部水平的附加信息。由两个完全一样的传感器进行共模测量可帮助减少噪声并且使得能够在某些驾驶状况下进行更准确的感测。还可根据车辆状态数据智能地启用或停用传感器，以确保收集相关数据。使用传感器阵列可提供所感测到的分析物的附加空间分辨率，或者指示该分析物的定向流动。

本公开还描述了可在上述舱室空气质量传感器系统中封装和执行的模型的各种实施方案。这些模型的目的是实现数据驱动方法，以将可见性赋予到车辆舱室内和车辆舱室外的空气质量状况中。示例性模型预测舱室空气过滤器的寿命终止，生成关于潜在泄漏的舱室密封件(挡风雨条)的预警，并且预测即将发生的风扇故障。本文描述了算法和决策树，其通过部署并集成到车辆的信息娱乐系统中的算法实现来自广泛的一组源的数据的更先进的洞察和唯一组合。

本公开描述了当呈现数据的唯一组合以供定制算法处理时可如何得出新洞察的若干示例。这些算法可在云中执行(例如，由图1的基于云的监测系统执行)或者以容器化版本(例如，以“黑盒”方式)部署到车辆中。这些算法可被不断地改善和部署，从而在持续的基础上改善由本公开的空气质量传感器系统提供的数据精确度。

由该系统提供的一个优点来自于将各种传感器组合在一起，通过算法处理所组合的传感器数据，以及从那些测量输出新的唯一洞察或衍生数据，这在没有这些不同传感器(或其子分组)的统一/联合/协同操作的情况下是不可能的。这些数据组合的示例包括以下中的一者或多者：将窗户定位数据与室内和室外PM计数相组合，以仅在窗户向上时计量过滤器有效性；组合所抓取的交通拥塞数据、室外PM或污染数据以及车载传感器空气质量数据，以确定车辆是否在EPA的污染物指南内操作；或者将压力数据、车辆行驶里程(VMT)、过滤器性能和环境暴露组合在一组所摄取的样本数据上以产生许多品牌和型号的产品的过滤器性能比较。

其他优点来自于利用从新数据组合得出的那些新数据元的设计应用。下文描述这些应用/用例的若干示例，并且其总体涉及以下中的一者或多者：仅基于相关数据点来定义过滤器有效性；感测与舱室空气质量相关的故障车辆部件(鼓风机风扇、门密封件、风扇控件、挡板等)；检测废气泄漏；产品比较；生成针对性能的产品声明；或者使用数据来设计新的过滤器类型以解决具有较差过滤器寿命或性能的区域或驱动概况。

本公开的系统可生成本公开的这些数据流并且通过在云中或者在车辆的计算基础设施(例如，链接到信息娱乐系统或者在信息娱乐系统中实现的计算基础设施)中的安全部署容器中操作一个或多个复杂模型和/或算法来实现本公开的这些应用。另外，本公开的系统可利用不同类型的模型策略，这取决于设想的努力目标和数据可用性的连续性。在一些示例中，本公开的系统可利用时间序列模型来进行预测，例如基于一组复杂的时间序列数据点。在这些示例中，通过考虑传感器值和增量传感器值如何随时间推移而变化，本公开的系统可测量/量化/估计舱室空气过滤器有效性并且预测舱室空气过滤器的寿命终止。如果时间序列数据不可用，则本公开的系统可实现经适当训练的模型以从单个测量结果导出舱室空气过滤器的所预测的寿命终止。

下文描述的是本公开的示例性算法，其用于获取基本传感器数据、细化所获取的数据以及将所细化的数据与其他所细化的数据值组合以满足一个或多个功能用例，在没有以此特定方式与上述的一个或多个数据组合来训练模型的能力的情况下不可能以另外的方式满足这些功能用例。在执行阶段中，此算法将一组环境数据点连同室内(例如，舱室内)空气质量数据点和车辆数据摄取到经训练的机器学习模型中，并且输出仅使用该一个数据组分配的过滤质量分数(而不是查看随时间推移的性能趋势)。

本公开的系统然后可执行另一算法，该算法取得单个过滤质量分数和车辆参数(例如，测量时的车辆品牌、型号、风扇速度和HVAC设置等中的一者或多者)并且得出过滤器寿命剩余量的预测。在一些示例中，预测可表达为百分比值、时间值或者以其他方式表达。

如果诸如平均每日或每周VMT、其他驾驶状况和/或驾驶员偏好(包括最小过滤器性能容差)中的一者或多者的数据被添加到预测算法并且在另一模型上被评估，则本公开的系统可得出什么日期应当替换舱室空气过滤器的个性化估计。

图3A至图3F是用于基于所测量的传感器数据、车辆配置数据和外部数据流的组合得出不同结论的示例性决策树。图3A至图3F所示的决策树是组合不同传感器数据以得出新数据元的示例，这些新数据元用于输入到另外的系统中、用于训练附加模型、或/和用于提示对车主/操作员的反馈。

图3A示出了根据本公开的各方面的内部模型与外部模型之间的比较。

图3A示出了根据本公开的各方面的内部模型与外部模型之间的比较。

图3B示出了用于基于机器学习的分析以控制一个或多个车辆系统的车辆度量与车辆状态信息的组合。

图3C示出了通知车辆操作员舱室空气过滤器已经达到其寿命终止的通知机制。

图3D示出了基于地理位置信息和道路类型(例如，泥土、砾石、铺砌等)的舱室空气过滤器的实时寿命终止预测。

图3E示出了初始模型的形成和动态更新模型以改善舱室空气过滤器的寿命终止预测。

图3F示出了组合传感器以与外部空气质量度量一起创建唯一获取阵列以创建基于机器学习的模型，该模型为舱室空气过滤器提供准确或相对准确的寿命终止预测。

以此方式，本公开的各方面涉及利用一套传感器、环境状况和车辆系统数据来创建关于何时替换舱室空气过滤器的个性化推荐并且向车辆操作员/乘员/车主通知舱室空气过滤器的有效性的系统。本文所述的动态模型使得系统能够提供这些数据驱动推荐和有效性分数。可使用各种数据诸如真实世界数据来测试本公开的动态模型以用于附加细化和训练。

使用本公开的数据驱动方法来提示舱室空气过滤器替换而不是一维的基于里程或基于时间的计划表的优点中的一个优点是，舱室空气过滤器质量相对快速地或者甚至可能立即变得明显。通过观察舱室空气过滤器的有效性随时间推移的下降并且将该性能与同特定车辆兼容的其他品牌或型号的舱室空气过滤器进行比较，在一定的粒度水平下，在过滤器质量中的驾驶和存储状况差异与所测量的过滤器寿命之间可得出直接相关性。限于纯粹基于计划表的舱室空气过滤器替换方案的数据使得难以探知先前安装的舱室空气过滤器在该计划表的持续时间内如何有效。本公开的数据驱动技术可将高质量过滤器制造商或过滤器型号与较差性能的制造商或型号分开。

另外，可根据本公开开发模型以推荐特定过滤器，这些特定过滤器已被证明在与候选车辆类似的驾驶状况和/或环境状况下具有更高的有效性/功效或者更长的寿命。符合本公开的另一种技术用于分析过滤的有效性和/或所感测到的分析物的源以获得增量测量结果以供进一步使用。在这种情况下，利用相同类型的传感器测量车辆的内部和外部的度量可根据车辆状态揭示若干因素。本文所述的一些系统配置的一个优点在于，系统可实现这种类型的增量测量，从而由于将车辆数据摄取到模型中的能力而向系统提供指示车辆的状态的信息。如果包括在训练数据中(或者潜在地用作执行阶段中的输入)的参数包括窗户状态、HVAC状态、车辆操作状态等中的一者或多者，则经训练的模型可通过模型化输出来应用和推断一组学习或者另一组学习。

在一些方面，本公开涉及一种车载舱室空气质量系统，其被装备以检测恶臭、非法物质、臭氧检测、VOC(诸如一氧化碳、二氧化碳、汽油蒸气、苯、甲苯、1，3-丁二烯、二甲苯、甲醛、乙二醇)或者其他致污物(诸如车辆废气、花粉、二氧化硫、二氧化氮)、微粒污染物(PM)、病毒和/或细菌生物组分等中的一者或多者。系统可将此数据与外部空气质量度量相关，并且可考虑与太阳强度(包括UV水平)和/或大气状况的相关性。

利用这些类型的空气质量信息，本公开的系统可发起或推荐要采取的不同车辆动作。示例包括防止车辆操作、生成即将发生的车辆系统故障的通知、向诸如电子控制单元(ECU)的车辆系统提供输入以改善性能和经济性、向操作员提供即将发生的系统维护的通知等。

在这些方面，本公开涉及在部署时通过监测舱室空气质量、通过过滤和HVAC自动化控制舱室空气质量以及提供关于车辆舱室内环境空气质量状况的乘员反馈来改善车辆乘员的安康的系统。在许多现实场景中，车辆内部的空气质量比外部空气差。存在于舱室内空气中的污染物可增加癌症、心脏病、免疫病症、血液病和各种其他疾病的潜在风险因素。降低车辆舱室中这些致污物的水平或者提供促使预防措施或补救动作的空气质量反馈可导致状态改善和更高程度的乘员安康。

除了改善车辆乘员的安康之外，本公开的系统可基于不同气味来提供关于车辆系统状况诸如由于电短路或燃烧电线而导致的电气故障的通知。本公开的通知方面可通过提示预防性或补救动作而基于附加空气质量度量提供改善的车辆性能和效率。在一些情况下，本公开的系统可使用舱室内数据和外部环境空气质量度量的组合来分析空气质量以用于附加建模。

利用集成到车辆中的本公开的舱室空气质量系统，操作员能够辨别舱室空气过滤器是否如制造商所预期/承诺的那样执行。本公开的系统还可使得操作员能够接收与舱室空气质量有关的实况数据或近实况数据，以既通知车辆中的呼吸安全又做出与车辆中的任何给定舱室空气过滤器的实际性能相关的所通知的过滤器替换决定。本公开的这些方面潜在地通过开发用于空气质量测量的具有通知和/或报告系统的传感器平台来解决新技术空间。这些系统可有助于开发能够利用机器学习和数据分析的分析方法，并且可能有助于开发增强的过滤介质以提取范围为从有机组分到无机组分的各种气载组分。

图4是示出了基于化学检测来检测非法物质或驾驶员受损的机制的框图，该机制通过与车辆的计算系统的集成来警告乘员或者禁止车辆移动。在一个或多个传感器被部署在车辆的舱室室内部以检测气载化合物的情况下，本公开的系统可确定是否存在被认为是非法的或者具有损害驾驶员以使不能够安全操作车辆的风险的气载化合物(并且在一些情况下，估计其浓度)。

在传感器部署在舱室中用于最佳检测的位置处的情况下，传感器可将数据中继到计算资源，在计算资源中，机器学习模型或类似算法针对预定义化合物和针对毒性水平两者分析数据。计算资源可使得结果经由车辆显示单元(例如，仪表板控件和/或经由信息娱乐HMI或者扬声器系统)显示给操作员。可选地，计算资源可向车辆控制系统馈送一个或多个指令以停用车辆或其离散子系统。在一些情况下，计算资源可记录此类型的数据以供将来分析或者训练细化。

图5示出了根据本公开的各方面的增量空气质量确定的基本用例。本公开的系统可通过抓取指示外部颗粒数量的数据(例如，来自web源或者来自其他源)并且将外部颗粒信息与由部署在舱室中的传感器提供的舱室内颗粒信息进行比较来实现与图5相关的技术。部署在车辆舱室内部的一个或多个传感器可针对诸如颗粒尺寸、过敏原、灰尘、烟雾以及其他气载污染物/致污物/刺激物的因素来检测气载化合物。当传感器部署在舱室中以此方式使得执行最佳检测时，来自传感器和来自外部空气质量资源的数据被中继到本公开的计算资源。计算资源可执行机器学习模型或类似算法，其比较和对比信息以输出当前空气测量结果、未来空气质量水平的预测、对舱室空气过滤介质寿命终止的预测和/或对当前舱室空气过滤器性能的分析中的一者或多者。

计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。如果确定过滤器介质处于其寿命终止，则本公开的计算资源还可传达替换选项，诸如安排与经销商的预约服务、订购新介质以进行自助(DIY)替换、或者特定于用户的环境状况(例如，当前的和基于ML预测预测的)的过滤器介质的选项或推荐。

图6示出了本公开的各方面，通过这些方面，系统可基于所感测到的车辆内状况和从车辆外部抓取的状况来优化车辆的电子控制单元(ECU)中的车辆调谐参数。来自车辆外部空气质量服务的数据被中继到计算资源。计算资源执行根据本公开的机器学习模型或类似算法以针对当前不可用于车辆的ECU的度量来分析外部空气质量。这些度量可包括诸如但不限于PM尺寸、烟雾和烟雾颗粒、水蒸气水平、臭氧、一氧化碳、二氧化碳和二氧化氮的数据。计算资源可将此数据的分析馈送到车辆的ECU，以基于当前环境状况改善过滤性能和/或排放性能。

图7示出了实现舱室内气味感测的本公开的技术。根据图7所示的技术，本公开的传感器和计算基础设施可检测指示任何腐烂物质(例如，遗忘的食物、烤架中的动物等)或者其他已知危害(电气火灾等)的气味，并且通知乘员所检测到的状况。部署在车辆舱室内部的一个或多个传感器可针对与腐烂的有机材料以及其他已知的危害(如电气火灾)相关的气味来检测气载化合物。传感器可以用于最佳检测性能的定位和取向(和/或相对定位/取向)部署在机舱中。

本公开的计算资源可消耗由传感器产生的数据，并且可执行将使用训练数据来比较和对比信息的机器学习模型或类似算法。此计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。在一些情况下，计算资源可将此类型的信息发送到车辆制造商、舱室空气过滤器制造商或者经销商以用于召回通知和服务调度。

图8示出了涉及舱室内臭氧检测的本公开的各方面。图8的技术可与确定材料(例如塑料)的使用寿命结合使用。例如，图8的技术可用于确定舱室空气过滤器介质是否/何时将由于臭氧而击穿或者将由于臭氧而在寿命/有效性方面以其他方式受到影响。作为另一示例，图8的技术可应用于测量内部材料的脱气并且由此确定/改善对舱室乘员的健康影响。

部署在车辆舱室内部的一个或多个传感器可检测臭氧水平。传感器可部署在舱室中，以便根据它们的定位和/或取向进行最佳检测。本公开的计算资源可消耗来自传感器和来自外部空气质量资源的数据。计算资源可执行本公开的机器学习模型或类似算法，其比较和对比信息以输出当前空气测量结果、未来空气质量水平的预测、对舱室空气过滤介质寿命终止的预测、对当前舱室空气过滤性能的分析和/或对乘员健康和安康的影响中的一者或多者。

计算资源还可执行附加分析，该分析确定臭氧对过滤器介质的影响以及对诸如塑料的除气的副产物对舱室材料的影响。此计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。在一些具体实施中，计算资源可将信息(或其部分)中继到制造商以用于产品研究和开发以供进一步使用。

图9示出了用于测量VOC的舱室内存在和其他参数(一氧化碳等)的本公开的技术。图9所示的技术使得本公开的系统能够扩展少数显著的VOC，如一氧化碳、二氧化碳和可能从汽油燃烧放出并且存在于车辆舱室中的任何其他蒸发蒸气。部署在车辆舱室内部的一个或多个传感器可检测VOC(包括一氧化碳、二氧化碳、汽油蒸气、苯、甲苯、1，3-丁二烯、二甲苯、甲醛和/或乙二醇中的一者或多者)的气载化合物。在一些情况下，传感器可检测车辆废气、花粉、二氧化硫、与衰变有机材料相关的二氧化氮以及与其他已知危害(如电气火灾)相关联的致污物。

传感器可部署在舱室中，以便诸如根据它们的定位和/或取向进行最佳检测。来自传感器的数据可中继到计算资源，该计算资源可执行本公开的机器学习模型或类似算法以将信息与关于已知VOC的经训练数据进行比较和对比。此计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。在一些具体实施中，本公开的计算资源可将此信息(或其离散部分)发送到制造商或经销商以用于召回通知和/或服务调度。

图10示出了涉及提供太阳强度(例如，紫外光强度)与舱室内空气质量的相关性以提供乘员空气质量评估和舱室空气过滤推荐的本公开的技术。部署在车辆舱室内部的一个或多个传感器可检测诸如UV强度的太阳强度水平。传感器可部署在舱室中，以便根据它们的定位和/或取向进行最佳检测。来自传感器的数据可中继到计算资源，该计算资源可执行本公开的机器学习模型或类似算法以将信息与关于已知太阳强度水平的经训练数据进行比较和对比。

此计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。在一些具体实施中，本公开的计算资源可将此信息(或其离散部分)发送到制造商或经销商以用于召回通知和/或服务调度。

图11示出了涉及废气感测的本公开的各方面。图11的废气感测方面使得本公开的系统能够感测从车辆的废气系统到车辆舱室中的泄漏或者从车辆附近的其他废气源到候选车辆的舱室中的泄漏。部署在车辆舱室内部的一个或多个传感器可检测来自车辆内部和外部两者的废气，其中传感器部署在舱室中用于最佳检测，诸如通过它们的定位和/或取向。来自传感器的数据可中继到计算资源，该计算资源可执行本公开的机器学习模型或类似算法以将信息与关于已知废气度量的经训练数据进行比较和对比。

此计算资源可实现本公开的技术以使得结果经由诸如信息娱乐显示器、舱室内扬声器系统、仪表板控件(例如，作为车辆的仪表板上的指示灯或图标)等的车载HMI输出给用户。在一些示例中，本公开的计算资源可将结果中继到诸如智能电话的移动设备，以通过车辆制造商的移动电话应用程序或门户网站或者经由舱室空气过滤器监测应用程序输出。在一些具体实施中，本公开的计算资源可将此信息(或其离散部分)发送到制造商或经销商以用于召回通知和/或服务调度。在一些情况下，本公开的计算资源可使用或使得其他系统能够使用此信息来禁止车辆操作以用于乘员的安康和安全。

图12示出了本公开的各方面，这些方面使得系统能够在车辆舱室内的多个区域中自动进行空气质量测量，以提供空气质量方面的微环境改善，从而实现针对车辆乘员的标准化且改善的舱室环境。一个或多个传感器可被部署在车辆的舱室内部以检测微环境空气质量，其中传感器被部署在舱室中用于最佳检测，诸如通过它们的定位和/或取向。来自传感器的数据可中继到计算资源，该计算资源可执行本公开的机器学习模型或类似算法以将信息与关于已知空气质量度量的经训练数据进行比较和对比。计算资源可将所执行的模型的结果馈送到车辆的HVAC和过滤系统以用于区域改善。以此方式，本公开的各方面可使整个车辆舱室的空气质量标准化，以改善乘员的健康和安康。

根据本公开的一些方面，计算资源可将车辆数据和度量与家庭空气质量监测数据集成。对于具有多个智能空气质量监测系统(例如，除家庭系统之外的多个车辆或车辆系统)的用户，本公开的集成技术可提供用于调查细节并且确保针对这些多个环境的适当过滤器选择的公共应用环境。为了实现集成，本公开的基于云的监测系统可存储来自可与集成的门户网站或者智能电话应用程序配对的车辆的数据，从而经由单个界面向用户提供组合的、合并的、集成的空气质量和过滤器数据。与智能电话应用程序或门户网站集成还将为车主提供查看与他们的车辆过滤器寿命相关的历史数据以及可能过于复杂、详细或精细而无法经由车辆仪表板或车载用户界面显示的潜在其他更多技术度量的机制。

根据本公开的一些方面，系统可利用车辆(例如，电动车辆)来过滤诸如车库或其他封闭空间的环境中的空气，或者过滤散发空气污染物的建筑物周围的区域中的空气。通常，车库和其他封闭的工作空间没有足够的通风，并且有时根本没有HVAC系统。这些也往往是在家庭和/或工作场所中包含最多化学品和VOC的空间。根据本公开的各方面，装备有空气过滤介质(例如，电或无污染或PZEV)的车辆可用作这种空间的过滤器。

本公开的系统可使得能够经由通过车辆HMI录入的设置来手动启用此功能性，或者可在由部署在车辆中的传感器硬件检测到有害物质或高(例如，如使用阈值所确定的)颗粒或VOC水平时自动接合。在这些示例中，本公开的系统在这些封闭环境中提供更清洁且更安全的空气。如果与任何智能电话应用程序或者其他数字媒体集成，则车辆传感器系统可向用户通知车辆中或车辆周围的空气质量问题。

在另一示例中，车辆可在进入车辆附近时输出(例如，经由显示器、声音或两者)预警或其他警告。车辆还可利用可用传感器模态(例如，闪烁灯、发声喇叭、推送通知等)中的一者将此信息输送给车辆外部的人以警告安全阈值或者存在于车辆周围的空间中的其他触发事件。

本公开的一些示例使得能够实现动态舱室空气清新剂。车辆中的空气清新剂有时被用户报告为太过强烈并且令人不快。本公开的计算系统可仅在需要时(例如，响应于关于图7描述的本公开的气味检测技术)动态地分配空气清新剂，或者计量清新剂分配以将清新剂水平(如经由气味注意到的)保持在微小的或期望的量值以改善乘员的舱室空气质量体验。

如果使用本文所述的传感器中的一个传感器在车辆的舱室中检测到某些微粒或气味，则本公开的系统可分配或调整空气清新剂或气味中和剂的存在或量值。在一些示例中，本公开的系统可由车辆基于多个参数(例如，用户偏好、选择最佳拟合以中和最近检测到的气味而不是掩盖、应用机器学习算法以预测最佳香味或组合等)智能地从多种空气清新剂气味(或其子集)中选择或者在多种空气清新剂气味(或其子集)之间定制组合。在这些示例中，本公开的系统可提供最佳的空气清新，同时对于车辆乘员不会太过强烈，同时改善现有的舱室内空气清新选项。

在一些示例中，本公开的各方面使得系统能够将舱室空气质量测量集成到个人健康跟踪设备。越来越多的个人通过智能手表和智能设备来跟踪健康和健康数据。许多蜂窝操作系统具有可链接来自许多源的数据的健康和安康应用程序。配备有本文所述的空气质量评估系统的车辆可向健康应用程序提供任何被跟踪分析物或化合物的暴露水平，以基于这些数据和其他所收集的传感器数据向用户提供呼吸和总体健康的更完整图片。在一些此类示例中，车辆还可监测用户附近的环境，并且收集和报告该信息作为此健康监测功能包的一部分。

除了处理器或处理电路之外，本公开的设备和系统还可包括各种类型的存储器。本公开的存储器设备或部件可包括计算机可读存储介质或计算机可读存储设备。在一些示例中，存储器包括短期存储器或长期存储器中的一者或多者。存储器可包括例如RAM、DRAM、SRAM、磁盘、光盘、闪存存储器、或EPROM或EEPROM的形式。在一些示例中，存储器用于存储程序指令以供与之通信地耦合的处理器或处理电路执行。存储器可以由在各种设备或系统上运行的软件或应用程序使用，以在程序执行期间暂时存储信息。

如果在软件中实施，那么该技术可至少部分地通过包括指令的计算机可读介质来实现，这些指令当在处理器中执行时执行上文所述方法中的一种或多种。计算机可读介质可包括有形计算机可读存储介质，并且可形成计算机程序产品的一部分，计算机程序产品可包括包装材料。计算机可读存储介质可包括随机访问存储器(RAM)诸如同步动态随机访问存储器(SDRAM)、只读存储器(ROM)、非易失性随机访问存储器(NVRAM)、电可擦可编程的只读存储器(EEPROM)、闪速(FLASH)存储器、磁性或光学的数据存储介质等。计算机可读存储介质还可包括非易失性存储设备，诸如硬盘、磁带、光盘(CD)、数字多用光盘(DVD)、蓝光光盘、全息数据存储介质或其他非易失性存储设备。

如本文所用的术语“处理器”可指适用于实施本文所述的技术的前述结构中的任一者或任何其他结构。此外，在一些方面，本文所述的功能可提供在被配置成用于执行本公开的技术的专用软件模块或硬件模块内。即使在软件中实施，该技术也可使用用于执行软件的硬件例如处理器、以及用于存储软件的存储器。在任何此类情况下，本文所述的计算机可定义能够执行本文所述的特定功能的特定机器。另外，该技术可在也可被视为处理器的一个或多个电路或逻辑元件中全面实施。

在一个或多个示例中，所述的功能可以硬件、软件、固件或它们的任何组合来实现。如果以软件实现，则这些功能可作为一个或多个指令或代码存储在计算机可读介质上或经由计算机可读介质传输，且由基于硬件的处理单元执行。计算机可读介质可包括计算机可读存储介质，其对应于诸如数据存储介质的有形介质，或通信介质，其包括例如根据通信协议促进将计算机程序从一处传送到另一处的任何介质。以该方式，计算机可读介质通常可对应于(1)非暂态的有形计算机可读存储介质或(2)通信介质，诸如信号或载波。数据存储介质可为可由一个或多个计算机或一个或多个处理器访问以检索用于实现本公开中所描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可包括计算机可读介质。

作为示例而非限制，此类计算机可读存储介质可包括RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储或其他磁存储设备、闪存或者可用来以指令或数据结构的形式存储期望的程序代码并且可由计算机访问的任何其他介质。而且，任何连接均被适当地称为计算机可读介质。例如，如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或无线技术如红外线、无线电和微波从网站、服务器或其他远程源传输指令，则同轴电缆、光纤电缆、双绞线、DSL或无线技术如红外线、无线电和微波包括在介质的定义中。然而，应当理解，计算机可读存储介质和数据存储介质不包括连接、载波、信号或其他暂态介质，而是针对非暂态的有形存储介质。所使用的磁盘和光盘包括压缩盘(CD)、激光光盘、光学盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中磁盘通常以磁的方式再现数据，而光盘通过激光以光学方式再现数据。上述的组合也应当包括在计算机可读介质的范围内。

指令可由一个或多个处理器诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其他等效集成或离散逻辑电路执行。因此，所使用的术语“处理器”可指任何前述结构或适用于实现所描述的技术的任何其他结构。此外，在一些方面，所描述的功能性可在专用硬件和/或软件模块内提供。而且，这些技术可完全在一个或多个电路或逻辑单元中实现。

本公开的技术可在包括无线手持机、集成电路(IC)或一组IC(例如，芯片集)的各种各样的设备或装置中实现。各种部件、模块或单元在本公开中进行了描述以强调被构造为执行所公开的技术的设备的功能方面，但是不一定需要通过不同的硬件单元来实现。相反，如上所述，各种单元组合可在硬件单元中组合或者通过包括如上所述的一个或多个处理器的互操作硬件单元的集合，结合合适的软件和/或固件来提供。

应当认识到，根据该示例，本文所述方法中的任一种的某些动作或事件可以不同的顺序实行，可一起添加、合并或省去(例如，不是所有所描述动作或事件对于方法的实践都是必需的)。此外，在某些示例中，动作或事件可例如通过多线程处理、中断处理或多个处理器同时而不是顺序地执行。

在一些示例中，计算机可读存储介质包括非暂态介质。在一些示例中，术语“非暂态”指示存储介质没有在载波或传播信号中体现。在某些示例中，非暂态存储介质存储可随时间改变的数据(例如，在RAM或高速缓存中)。

已描述了各种实施例。这些示例以及其他示例均在以下权利要求书的范围内。

Claims (14)

1.一种舱室空气质量监测系统，包括：

通信界面，所述通信界面被配置成接收表示车辆的舱室内空气质量的快照信息；

存储器，所述存储器被配置成存储由所述通信界面接收的所述快照信息；和

处理电路，所述处理电路被配置成：

对被存储到所述存储器的所述快照信息进行分批以形成所分批的快照信息；

使用所分批的快照信息作为输入执行经训练的机器学习(ML)模型以获得包括舱室空气过滤器替换信息的模型输出；以及

经由所述通信界面将所述模型输出传输到所述车辆的计算硬件。

2.根据权利要求1所述的舱室空气质量监测系统，其中所述处理电路被进一步配置成对所分批的快照信息执行水平标准化、单位转化或转换中的一者或多者以形成经预处理的快照信息，并且其中为了执行所述经训练的ML模型，所述处理电路被配置成使用所述经预处理的快照信息作为所述输入来执行所述经训练的ML模型。

3.根据权利要求1至2中任一项所述的舱室空气质量监测系统，其中所述处理电路被进一步配置成：

确定所述模型输出的所述舱室空气过滤器替换信息指示所述车辆应当进行舱室空气过滤器替换；以及

经由所述通信界面将舱室空气过滤器替换数据传输到所述车辆的所述计算硬件。

4.根据权利要求1至3中任一项所述的舱室空气质量监测系统，其中所述处理电路被进一步配置成经由所述通信界面将所述模型输出传输到移动计算设备。

5.根据权利要求1至4中任一项所述的舱室空气质量监测系统，其中所述快照信息包括所述车辆的所述舱室内空气质量与同所述车辆相关联的一个或多个位置处的室外空气质量之间的比较分数。

6.根据权利要求1至5中任一项所述的舱室空气质量监测系统，其中所述模型输出还包括关于所述车辆的所述舱室内空气质量的毒性信息。

7.根据权利要求1至6中任一项所述的舱室空气质量监测系统，其中所述舱室内空气质量信息包括与所述车辆内的一个或多个乘客的相应位置相关联的微环境空气质量信息。

8.根据权利要求1至7中任一项所述的舱室空气质量监测系统，其中所述舱室内空气质量信息包括关于所述车辆的所述舱室内空气质量的挥发性有机化合物(VOC)信息。

9.根据权利要求1至8中任一项所述的舱室空气质量监测系统，其中所述舱室内空气质量信息包括车辆废气信息。

10.根据权利要求9所述的舱室空气质量监测系统，其中所述车辆废气信息包括舱室内车辆废气测量结果。

11.根据权利要求10所述的舱室空气质量监测系统，其中所述车辆废气信息包括所述舱室内车辆废气测量结果与室外车辆废气测量结果之间的比较分数。

12.根据权利要求1至11中任一项所述的舱室空气质量监测系统，其中所述舱室内空气质量信息指示所述车辆的舱室内的紫外(UV)光强度。

13.根据权利要求1至12中任一项所述的舱室空气质量监测系统，其中所述舱室内空气质量信息指示所述车辆的舱室内的臭氧水平。

14.一种空气质量监测系统，包括：

界面，所述界面被配置成接收与车辆相关联的舱室内空气质量信息；

存储器，所述存储器与所述界面通信，所述存储器被配置成存储与所述车辆相关联的所述舱室内空气质量信息；以及

处理电路，所述处理电路与所述存储器通信，所述处理电路被配置成基于与所述车辆相关联的所述舱室内空气质量信息来确定针对所述车辆的舱室空气过滤器的寿命终止预测。

Images