JP2023511478A - 列車車両用空気調和方法、装置、記憶媒体及びプログラム製品 - Google Patents
列車車両用空気調和方法、装置、記憶媒体及びプログラム製品 Download PDFInfo
- Publication number
- JP2023511478A JP2023511478A JP2022527144A JP2022527144A JP2023511478A JP 2023511478 A JP2023511478 A JP 2023511478A JP 2022527144 A JP2022527144 A JP 2022527144A JP 2022527144 A JP2022527144 A JP 2022527144A JP 2023511478 A JP2023511478 A JP 2023511478A
- Authority
- JP
- Japan
- Prior art keywords
- concentration
- air
- total number
- bacterial colonies
- seat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000004378 air conditioning Methods 0.000 title claims abstract description 16
- 238000009423 ventilation Methods 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 38
- 239000000809 air pollutant Substances 0.000 claims abstract description 28
- 238000013507 mapping Methods 0.000 claims abstract description 26
- 231100001243 air pollutant Toxicity 0.000 claims abstract description 23
- 238000005259 measurement Methods 0.000 claims abstract description 21
- 230000001580 bacterial effect Effects 0.000 claims description 70
- 238000012360 testing method Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000356 contaminant Substances 0.000 claims description 10
- 241000282461 Canis lupus Species 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000000813 microbial effect Effects 0.000 abstract description 25
- 238000011109 contamination Methods 0.000 abstract description 17
- 238000009792 diffusion process Methods 0.000 abstract description 4
- 244000005700 microbiome Species 0.000 description 12
- 230000001364 causal effect Effects 0.000 description 5
- 238000013500 data storage Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 241000233866 Fungi Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000004887 air purification Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012864 cross contamination Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007918 pathogenicity Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000000746 purification Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
- C12Q1/06—Quantitative determination
-
- 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
- B60H1/00357—Air-conditioning arrangements specially adapted for particular vehicles
- B60H1/00371—Air-conditioning arrangements specially adapted for particular vehicles for vehicles carrying large numbers of passengers, e.g. buses
-
- 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
-
- 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
- B60H1/008—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 the input being air quality
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D27/00—Heating, cooling, ventilating, or air-conditioning
- B61D27/009—Means for ventilating only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- 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)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Organic Chemistry (AREA)
- Mechanical Engineering (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Genetics & Genomics (AREA)
- Pathology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Microbiology (AREA)
- Toxicology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Dispersion Chemistry (AREA)
- Epidemiology (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
Abstract
Description
第1としては、新型空気品質検出装置及び浄化装置の取付である。例えば、公開第CN101885338A号の特許出願には、周波数変換型サイクロン集塵器及び高効率フィルタなどを備える列車空調換気システムのインテリジェントサンプリング検出及び空気浄化装置が提案されている。公開第CN105172818A号の特許出願には、上筐体と、上筐体と相互に係合される下筐体とを備える列車専用の空気清浄機が提案されている。
第2としては、大気汚染物の検出に基づく車両環境調節方法である。公開第CN110239577A号の特許出願には、基本データ取得モジュール、列車外部空気品質予測モジュール、列車内部空気品質予測モジュール及び換気戦略策定モジュールを備える車内の汚染された環境における列車乗員健康保護システム及びその方法が提案されている。公開第CN104608785A号の特許出願には、高速列車空調システムのインテリジェント管理方法が提案されている。
1) 列車の給気口、排気口及び座席でのPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度、及び細菌コロニー総数を検出するステップと、
2) 車両内の各測定ポイントでのPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度及び細菌コロニー総数に基づいて、測定ポイントである各微小環境ユニット内の細菌コロニー総数Dと大気汚染物濃度dとのマッピング関係を確立するステップと、
3) 時間長がN分間の実測された大気汚染物濃度データセットを選択して、前記マッピング関係に基づいて細菌コロニー総数を計算し、
4) 前記マッピング関係及び検定結果集合に基づいて、全ての座席検出ポイントの非線形記述モデルライブラリを取得するステップと、
5) 列車の全ての給気口、排気口の換気速度を灰色オオカミオプティマイザの入力とし、さまざまな換気速度における給気口/排気口での細菌コロニー総数のフィッティング結果を計算し、前記フィッティング結果を前記非線形記述モデルライブラリの入力とし、各座席での細菌コロニー総数のフィッティング結果を取得し、前記各座席での細菌コロニー総数のフィッティング結果を利用して全ての給気口及び排気口の換気速度を決定するステップと、を含む。
A、連続したM個の履歴時刻内の現在微小環境ユニットの空気汚染物濃度及び細菌コロニー総数の指標データセットを読み取って、前記データセットをトレーニングセットとテストセットに分けることと、
B、ディープビリーフネットワークを用いて微生物-空気汚染物モデルを構築し、空気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とし、前記ディープビリーフネットワークをトレーニングすることと、
C、前記テストセットをトレーニング後のディープビリーフネットワークの入力とし、テストセットにおける記述精度が最も高い1組のパラメータを該微小環境ユニットの微生物-空気汚染物マッピングモデルとして選択することと、
D、全ての微小環境ユニットがトラバースされるまで上記ステップA~Cを繰り返し、合計m+n+p個の検出ポイント内の細菌コロニー総数と空気汚染物とのマッピング関係を取得し、m、n、pがそれぞれ給気口、排気口及び座席の検出ポイントの数であることと、を含む。
I) 連続したP個の履歴時刻での座席、給気口、排気口のPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度を読み取って、前記マッピング関係に基づいて該連続したP個の履歴時刻内の各検出ポイントの細菌コロニー総数を計算することと、
IV) 全ての座席検出ポイントがトラバースされるまでステップI)~III)を繰り返し、全ての座席検出ポイントの非線形記述モデルライブラリを取得し、前記非線形記述モデルライブラリが全ての座席検出ポイント及び給気口/排気口での細菌コロニー総数の対応関係の集合であることと、を含む。
i) 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定することと、
ii) k番目の給気口/排気口の細菌コロニー総数を最小二乗フィッティングして、細菌コロニー総数
iii) 全ての給気口及び排気口がトラバースされるまでステップi)及びステップii)を繰り返し、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
1) 本発明は列車車両の微生物に対して検出及び分析処理を行う。各測定ポイント間の微生物の拡散状況に応じて換気システムを調節し、更に乗客の位置するエリアの微生物汚染指標を低減する。該方法は鉄道列車の空気品質制御に指導的な役割を果たす。
2) 本発明は微生物汚染と大気汚染物濃度とのマッピング関係について研究し、微生物検出のリアルタイム性の問題を効果的に解決し、列車車両内の微生物汚染のリアルタイム制御を確保することができる。
3) 本発明は給気口、排気口及び座席の複数の測定ポイントをまとめて検出する方式を用い、車両内部環境の大気汚染物及び微生物の分布状況を効果的に記述し、検出結果の実際の空間分布状況に対する表現の真実性を確保することができる。
4) 本発明の方法は異なる測定ポイント間の微生物時系列データに対して因果検定を行うことにより、更に乗客の位置する座席に緊密に関連する測定ポイントを選別して後続のモデリングに用いられ、測定ポイントの空間次元圧縮を実現し、提供されたデータ特徴に比較的強い特性評価能力を持たせる。
5) 本発明はディープニューラルネットワークを用いて微生物-大気汚染物濃度と座席-給気口/排気口微生物との非線形マッピング関係を記述し、その記述精度が確保される。
6) 本発明は多目的最適化方法を用いて各座席での細菌コロニー総数を最小化し、乗客の位置するエリアの微生物汚染を全体的に最適にし、換気システムの調節過程による一部のエリアが二次汚染される現象を回避する。
列車車両の内部には、PM2.5、PM10、CO、NO2、SO2及びO3の6種類の大気汚染物、並びに細菌、真菌、ウィルスなどの微生物汚染が含まれる。微生物は空気品質状況に緊密に関連し、一般的に、空気中の細菌コロニー総数が病原性微生物(細菌、真菌、ウィルス)の存在確率と正相関し、従って、本特許は細菌コロニー総数を指標として微生物の病原性を判断する。列車車両の複数の給気口、排気口及び座席にTS WES-C空気汚染物検出器(PM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度を測定し、リアルタイムに検出する)及びアンダーソン衝突型空気微生物サンプラー(細菌コロニー総数を測定するために、微生物を48h培養する必要がある)を配置する。
車両の測定ポイントの履歴汚染データに基づいて、モデルを確立して各微小環境ユニット内の細菌コロニー総数Dと大気汚染物濃度dとのマッピング関係を学習する。具体的なモデリング過程は以下のとおりである。
A1:微小環境ユニットを選定し、連続した200個の履歴時刻内の該微小環境ユニットの大気汚染物濃度及び細菌コロニー総数の指標データセットを読み取る。
A2:データセットを分割する。上記データセットは連続した200個の履歴時刻を含み、1~160時刻でのデータをトレーニングセットとし、161~200時刻でのデータをテストセットとする。
A3:ディープビリーフネットワークを用いて微生物-大気汚染物モデルを構築し、大気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とする。ディープビリーフネットワークの層数は5分割交差検証を用いて決定され、選択範囲が[1,2,3,4,5]である。
A4:トレーニング済みのディープビリーフネットワークに対してテストセットにおいてモデル検定を行い、テストセットにおける記述精度が最も高い1組のパラメータを該微小環境ユニットの微生物-大気汚染物マッピングモデルとして選択する。
A5:全ての微小環境ユニット(即ち検出ポイント)がトラバースされるまでA1~A4を行い、合計m+n+p個の検出ポイント内の細菌コロニー総数と大気汚染物とのマッピング関係
微生物の車両における空間分布及び拡散状況は空気運動の影響を受け、各測定ポイント間の細菌コロニー総数はデータレベルで因果関係がある。各車両に対して、座席及び各給気口、排気口での細菌コロニー総数時系列の因果関係を分析する。
各座席検出ポイントに対してその関連する給気口/排気口の非線形記述モデルを確立し、具体的なモデリング過程は以下のとおりである。
B1:連続した100個の履歴時刻での座席、給気口、排気口PM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度を読み取って、ステップ2で取得されたマッピング関係に基づいて、連続した100個の履歴時刻内の各測定ポイントの細菌コロニー総数を計算する。
B2:データセットを分割する。上記データセットは連続した100個の履歴時刻を含み、1~60時刻でのデータをトレーニングセットとし、61~80時刻でのデータを検証セットとし、81~100時刻のデータをテストセットとする。
B5:全ての座席検出ポイントがトラバースされるまでA1~A4を行い、全ての座席検出ポイントの非線形記述モデルライブラリ
C1:全ての給気口/排気口での細菌コロニー総数が換気速度に従って変化する関係を推計する。以下のステップに応じて行う。
1) 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定し、タイムスタンプ-換気速度-細菌コロニー総数のデータフォーマットでデータ記憶プラットホームに記録する。
2) k番目の給気口/排気口を最小二乗フィッティングして、細菌コロニー総数
3) 全ての給気口及び排気口がトラバースされるまで以上のステップを繰り返し、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
C2:多目的最適化モデルを確立し、具体的な実施詳細は以下のとおりである。
1) 最適化アルゴリズムを選択して初期スーパーパラメータを設定し、即ち、多目的灰色オオカミ最適化を用いてリーダー選択メカニズム及びアーカイブストレージメカニズムを組み込んで収束能力を向上させる(MIRJALILI S, SAREMI S, MIRJALILI S M, et al.Multi-objective grey wolf optimizer [J]. Expert Systems With Applications, 2016, 47:106-19.)。多目的灰色オオカミ最適化における検索個体群数、最大反復回数、アーカイブサイズはそれぞれ200、100及び50として設定される。
2) 最適化変数は全ての給気口及び排気口の換気速度vであり、変数の検索範囲は、lk≦vk≦ukの式を満足し、
ここで、ukとlkがそれぞれk番目の給気口/排気口の換気速度の上限と下限である。
3) C1で取得された給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング方法に基づいて、さまざまな換気速度における給気口/排気口の細菌コロニー総数のフィッティング結果を計算する。取得された細菌コロニー総数をB5で取得された座席検出ポイントの非線形記述モデルライブラリに入力し、各座席での細菌コロニー総数のフィッティング結果を出力する。各座席での細菌コロニー総数のフィッティング結果を同時に最小化することを最適化目標として設定し、最適化関数は、
4) 多目的最適化(MIRJALILI S, SAREMI S, MIRJALILI S M, et al. Multi-objective grey wolf optimizer [J]. Expert Systems With Applications, 2016, 47: 106-19.)を実行し、且つ反復回数Itr=1を記録する。全ての検索結果の最適化関数値を計算し、且つ非劣解を選択してファイルに書き込む。
5) 検索経路を更新して、新しい換気速度検索結果を生成する。
6) 検索回数をIt=It+1とし、更新されたItが最大反復回数よりも小さい場合、ステップ4)に戻し、そうでない場合、多目的最適化アルゴリズムを終了して、最終的にアーカイブされる非劣解セットNSを出力する。
7) 非劣解のテストセットにおける表現性能を評価し、評価指標は座席での細菌コロニー総数についての全ての座席の細菌コロニー総数の累積フィッティング結果及び分散(Var)の組み合わせであり、
評価指標を最小にする非劣解NS*=arg min Eを選択し、前記非劣解は全ての給気口及び排気口の換気速度を決定することに用いられる。
Claims (10)
- 列車車両用空気調和方法であって、
1) 列車の給気口、排気口及び座席でのPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度、及び細菌コロニー総数を検出するステップと、
2) 車両内の各測定ポイントでのPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度、及び細菌コロニー総数に基づいて、測定ポイントである各微小環境ユニット内の細菌コロニー総数Dと大気汚染物濃度dとのマッピング関係を確立するステップと、
3) 時間長がN分間の実測された大気汚染物濃度データセットを選択して、前記マッピング関係に基づいて細菌コロニー総数を計算し、
4) 前記マッピング関係及び検定結果集合に基づいて、全ての座席検出ポイントの非線形記述モデルライブラリを取得するステップと、
5) 列車の全ての給気口、排気口の換気速度を灰色オオカミオプティマイザの入力とし、さまざまな換気速度における給気口/排気口での細菌コロニー総数のフィッティング結果を計算し、前記フィッティング結果を前記非線形記述モデルライブラリの入力とし、各座席での細菌コロニー総数のフィッティング結果を取得し、前記各座席での細菌コロニー総数のフィッティング結果を利用して全ての給気口及び排気口の換気速度を決定するステップと、を含むことを特徴とする列車車両用空気調和方法。 - ステップ2)において、各微小環境ユニット内の細菌コロニー総数Dと大気汚染物濃度dとのマッピング関係を確立することについての具体的な実現過程は、
A、連続したM個の履歴時刻内の現在微小環境ユニットの空気汚染物濃度及び細菌コロニー総数の指標データセットを読み取って、前記指標データセットをトレーニングセットとテストセットに分けることと、
B、ディープビリーフネットワークを用いて微生物-空気汚染物モデルを構築し、空気汚染物濃度をディープビリーフネットワークの入力とし、同一時刻での細菌コロニー総数をディープビリーフネットワークの出力とし、前記ディープビリーフネットワークをトレーニングすることと、
C、前記テストセットをトレーニング後のディープビリーフネットワークの入力とし、テストセットにおける記述精度が最も高い1組のパラメータを該微小環境ユニットの微生物-空気汚染物マッピングモデルとして選択することと、
D、全ての微小環境ユニットがトラバースされるまで上記ステップA~Cを繰り返し、合計m+n+p個の検出ポイント内の細菌コロニー総数と空気汚染物とのマッピング関係を取得し、m、n、pがそれぞれ給気口、排気口及び座席の検出ポイントの数であることと、を含むことを特徴とする請求項1に記載の列車車両用空気調和方法。 - ステップ4)の具体的な実現過程は、
I) 連続したP個の履歴時刻での座席、給気口、排気口のPM2.5濃度、PM10濃度、CO濃度、NO2濃度、SO2濃度、O3濃度を読み取って、前記マッピング関係に基づいて該連続したP個の履歴時刻内の各検出ポイントの細菌コロニー総数を計算することと、
IV) 全ての座席検出ポイントがトラバースされるまでステップI)~III)を繰り返し、全ての座席検出ポイントの非線形記述モデルライブラリを取得し、前記非線形記述モデルライブラリが全ての座席検出ポイント及び給気口/排気口での細菌コロニー総数の対応関係の集合であることと、を含むことを特徴とする請求項3に記載の列車車両用空気調和方法。 - ステップ5)において、さまざまな換気速度における給気口/排気口の細菌コロニー総数のフィッティング結果を計算することについての具体的な実現過程は、
i) 換気速度を等間隔で加速して、対応の換気速度における細菌コロニー総数を測定することと、
ii) k番目の給気口/排気口の細菌コロニー総数を最小二乗フィッティングして、細菌コロニー総数
iii) ステップi)及びステップii)を繰り返し、全ての給気口及び排気口をトラバースして、全ての給気口及び排気口の細菌コロニー総数が換気速度に従って変化する多項式フィッティング結果
- メモリと、プロセッサと、メモリに記憶されるコンピュータプログラムとを備えるコンピュータ装置であって、
前記プロセッサが前記コンピュータプログラムを実行することにより、請求項1~7のいずれか1項に記載の方法のステップを実現することを特徴とするコンピュータ装置。 - コンピュータプログラム/命令が記憶されるコンピュータ可読記憶媒体であって、
前記コンピュータプログラム/命令がプロセッサにより実行されるとき、請求項1~7のいずれか1項に記載の方法のステップを実現することを特徴とするコンピュータ可読記憶媒体。 - コンピュータプログラム/命令を含むコンピュータプログラム製品であって、
該コンピュータプログラム/命令がプロセッサにより実行されるとき、請求項1~7のいずれか1項に記載の方法のステップを実現することを特徴とするコンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011616109.X | 2020-12-30 | ||
CN202011616109.XA CN112680501B (zh) | 2020-12-30 | 2020-12-30 | 基于微生物的列车车厢空气调控方法、系统及存储介质 |
PCT/CN2021/122732 WO2022142569A1 (zh) | 2020-12-30 | 2021-10-09 | 列车车厢空气调控方法、装置、存储介质及程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023511478A true JP2023511478A (ja) | 2023-03-20 |
JP7360218B2 JP7360218B2 (ja) | 2023-10-12 |
Family
ID=75453516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022527144A Active JP7360218B2 (ja) | 2020-12-30 | 2021-10-09 | 列車車両用空気調和方法に用いる評価方法、装置、記憶媒体及びプログラム製品 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20230366004A1 (ja) |
JP (1) | JP7360218B2 (ja) |
CN (1) | CN112680501B (ja) |
WO (1) | WO2022142569A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112680501B (zh) * | 2020-12-30 | 2023-02-24 | 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 |
CN114088476B (zh) * | 2021-10-21 | 2022-11-04 | 上海交通大学 | 自适应采集控制的气溶胶病毒采集富集装置及方法 |
CN114254249B (zh) * | 2022-03-01 | 2022-05-17 | 深圳市今典建筑科技有限公司 | 一种空间区域健康指数确定方法及系统 |
CN115115293B (zh) * | 2022-08-31 | 2023-01-31 | 安徽逸天科技有限公司 | 一种基于大数据的公共交通环境监测分析管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09311617A (ja) * | 1996-05-23 | 1997-12-02 | Tokyo Met Gov Chikatetsu Kensetsu Kk | 地下空間における空気調和・換気シミュレータ |
US20100168499A1 (en) * | 2006-08-18 | 2010-07-01 | Drexel University | Method and device for air disinfection and sterilization |
CN203404859U (zh) * | 2013-07-11 | 2014-01-22 | 惠觅宙 | 一种空气除味净化湿化装置 |
CN103557579A (zh) * | 2013-11-14 | 2014-02-05 | 江苏万全科技有限公司 | 一种室内环境监测系统及其监测方法 |
CN106564512A (zh) * | 2016-11-08 | 2017-04-19 | 武汉理工大学 | 一种列车车厢空气质量监控调节系统 |
JP2018514436A (ja) * | 2015-04-14 | 2018-06-07 | オブチェストヴォ エス オグラニチェンノイ オトヴェツトヴェンノスチュ“オーテックス リミテッド” | 車両換気システム |
US20180356113A1 (en) * | 2015-05-15 | 2018-12-13 | Obschestvo S Ogranichennoi Otvetstvennostiyu "Autex Ltd." | Ventilation system for building and vehicle interiors |
CN110239577A (zh) * | 2019-07-25 | 2019-09-17 | 中南大学 | 一种车内污染环境下列车乘员健康防护系统及其方法 |
CN210241813U (zh) * | 2019-03-04 | 2020-04-03 | 上海市肺科医院 | 一种洁净手术室空气品质在线实时可视化的监控装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9109981B2 (en) * | 2013-03-15 | 2015-08-18 | Aircuity, Inc. | Methods and apparatus for indoor air contaminant monitoring |
CN106004347B (zh) * | 2016-05-31 | 2018-12-21 | 重庆长安汽车股份有限公司 | 车内空气质量控制系统及方法 |
CN106644866A (zh) * | 2016-12-28 | 2017-05-10 | 重庆金鑫科技产业发展有限公司 | Pm2.5空气检测器及pm2.5空气检测系统 |
CN110334452B (zh) * | 2019-07-09 | 2021-03-16 | 中南大学 | 一种智慧农业大气污染物浓度分层次预警方法 |
CN110361505B (zh) * | 2019-07-25 | 2021-06-22 | 中南大学 | 一种车外大气污染环境下列车乘员健康预警系统的方法 |
CN110333325B (zh) * | 2019-08-02 | 2021-09-17 | 中南大学 | 一种大气污染环境下列车运行防护方法及系统 |
CN110395286B (zh) * | 2019-08-02 | 2020-08-07 | 中南大学 | 一种列车车内空气品质监测与通风调控方法、系统 |
CN112680501B (zh) * | 2020-12-30 | 2023-02-24 | 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 |
-
2020
- 2020-12-30 CN CN202011616109.XA patent/CN112680501B/zh active Active
-
2021
- 2021-10-09 WO PCT/CN2021/122732 patent/WO2022142569A1/zh active Application Filing
- 2021-10-09 US US18/267,450 patent/US20230366004A1/en active Pending
- 2021-10-09 JP JP2022527144A patent/JP7360218B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09311617A (ja) * | 1996-05-23 | 1997-12-02 | Tokyo Met Gov Chikatetsu Kensetsu Kk | 地下空間における空気調和・換気シミュレータ |
US20100168499A1 (en) * | 2006-08-18 | 2010-07-01 | Drexel University | Method and device for air disinfection and sterilization |
CN203404859U (zh) * | 2013-07-11 | 2014-01-22 | 惠觅宙 | 一种空气除味净化湿化装置 |
CN103557579A (zh) * | 2013-11-14 | 2014-02-05 | 江苏万全科技有限公司 | 一种室内环境监测系统及其监测方法 |
JP2018514436A (ja) * | 2015-04-14 | 2018-06-07 | オブチェストヴォ エス オグラニチェンノイ オトヴェツトヴェンノスチュ“オーテックス リミテッド” | 車両換気システム |
US20180356113A1 (en) * | 2015-05-15 | 2018-12-13 | Obschestvo S Ogranichennoi Otvetstvennostiyu "Autex Ltd." | Ventilation system for building and vehicle interiors |
CN106564512A (zh) * | 2016-11-08 | 2017-04-19 | 武汉理工大学 | 一种列车车厢空气质量监控调节系统 |
CN210241813U (zh) * | 2019-03-04 | 2020-04-03 | 上海市肺科医院 | 一种洁净手术室空气品质在线实时可视化的监控装置 |
CN110239577A (zh) * | 2019-07-25 | 2019-09-17 | 中南大学 | 一种车内污染环境下列车乘员健康防护系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230366004A1 (en) | 2023-11-16 |
WO2022142569A1 (zh) | 2022-07-07 |
CN112680501A (zh) | 2021-04-20 |
CN112680501B (zh) | 2023-02-24 |
JP7360218B2 (ja) | 2023-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7360218B2 (ja) | 列車車両用空気調和方法に用いる評価方法、装置、記憶媒体及びプログラム製品 | |
WO2021012982A1 (zh) | 一种车外大气污染环境下列车乘员健康预警系统及其方法 | |
WO2021012983A1 (zh) | 一种车内污染环境下列车乘员健康防护系统及其方法 | |
CN111798051A (zh) | 基于长短期记忆神经网络的空气质量时空预测方法 | |
CN108268935B (zh) | 一种基于时序循环神经网络的pm2.5浓度值预测方法及系统 | |
CN108197731B (zh) | 一种基于共同训练的机动车尾气遥测与车检结果一致性方法 | |
EP3932773A1 (en) | In-train air quality monitoring and ventilation control method and system | |
CN107402586A (zh) | 基于深度神经网络的溶解氧浓度控制方法及系统 | |
CN109086946A (zh) | 一种常规能源和新能源公交车辆的污染气体排放预测方法 | |
CN112734186B (zh) | 列车车厢空气微生物污染实时评估方法、系统及存储介质 | |
CN112036075A (zh) | 一种基于环境监测数据关联关系的异常数据判定方法 | |
CN114858976A (zh) | 一种工业园区大气质量智能分析方法及系统 | |
CN110309609B (zh) | 一种基于粗糙集和wnn的建筑室内空气品质评价方法 | |
CN110555551A (zh) | 一种智慧城市的空气质量大数据管理方法及系统 | |
CN111177939A (zh) | 一种基于深度学习的列车空气制动系统制动缸压力预测方法 | |
CN111242357A (zh) | 基于神经网络学习的列车车载设备故障预测方法及装置 | |
Jiang et al. | A multisensor cycle-supervised convolutional neural network for anomaly detection on magnetic flux leakage signals | |
CN115544919A (zh) | 一种气流体污染物排放源的溯源方法及装置 | |
CN109376903B (zh) | 一种基于博弈神经网络的pm2.5浓度值预测方法 | |
CN111125907A (zh) | 一种基于混合智能模型的污水处理氨氮软测量方法 | |
CN111814976B (zh) | 一种空调系统传感器故障误差再学习方法及系统 | |
CN116538286A (zh) | 一种计及nvh特性的商用车换挡系统及方法 | |
CN115587650A (zh) | 中短期分时段大气常规污染物多目标混合预测方法 | |
CN102445521B (zh) | 基于多传感器数据融合确定室内有害气体污染程度的方法 | |
CN113505160A (zh) | 一种基于卷积深度神经网络的机动车尾气排放估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220511 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230620 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230908 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230919 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230922 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7360218 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |