航站楼末端空调设备智能控制系统、方法、介质和设备与流程

本发明涉及中央空调节能、人工智能等技术领域，具体涉及一种航站楼末端空调设备智能控制系统、航站楼末端空调设备智能控制方法、介质和设备。

背景技术：

民用机场航站楼作为大型公共建筑的重要组成部分，具有建筑面积广、窗墙比大、人流量波动程度高、运营时间长、高能耗设备多等特点，其单位面积能耗远远高于其他大型公共建筑，拥有巨大的节能潜力。中央空调系统作为航站楼的主要用能设备，通常占航站楼建筑总能耗的40％以上，是航站楼建筑节能的重点对象。

目前，大型公共建筑中央空调冷源的节能技术已经日趋完善，但末端空调设备的节能优化控制却往往被人们所轻视，阻碍了建筑节能量的进一步提升。民用机场作为大型交通枢纽，其航站楼会划分有不同的供冷区域，末端设备运行时应该考虑不同供冷区域的实际情况，但由于缺乏相应的节能控制系统及方法，目前不同供冷区域末端空调设备多采用统一的人工调节方式，未考虑航班信息的变化，大部分区域存在“开机过早关机不及时”、“无人候机却持续供冷”等问题，未考虑人流量的变化，不同区域新风量均统一按照最大默认风量供应，如此不仅造成能源资源浪费严重，对于人体热舒适性也产生较大影响。

随着人工智能、深度学习、物联网等新技术的发展，大大降低了航班状态与人流量信息的获取难度，融合这些信息对航站楼不同供冷区域末端空调设备进行分区域智能化动态控制，对于进一步节约中央空调系统能源消耗具有十分重要的意义。

技术实现要素：

为克服现有技术存在的缺陷，本发明提供一种航站楼末端空调设备智能控制系统，末端空调设备控制中融合了动态的机场航班信息与人流量信息，将人工智能、深度学习、物联网等技术与空调节能优化控制相结合，在保证人体热舒适性的前提下，实现了航站楼末端空调设备分区域智能动态控制。

本发明的第二目的在于提供一种航站楼末端空调设备智能控制方法；

本发明的第三目的在于提供一种存储介质；

本发明的第四目的在于提供一种计算设备。

为了达到上述目的，本发明采用以下技术方案：

本发明提供一种航站楼末端空调设备智能控制系统，包括：本地服务器、控制模块、调节模块、传感器模块和图像采集模块，

所述图像采集模块与本地服务器连接，所述本地服务器与控制模块连接，所述控制模块与调节模块、传感器模块连接，

所述图像采集模块包括摄像头模组，用于采集各供冷区域的图像信息；

所述本地服务器用于航班信息在线查询与获取、供冷区域标记、乘客图像目标检测与人流量统计、参数计算与存储，以及将控制策略传输至控制模块；

所述传感器模块包括无线温度传感器和新风风速传感器，所述无线温度传感器用于测量各供冷区域室内温度，所述新风风速传感器用于测量新风口风速；

所述控制模块包括温度控制模块和新风量控制模块，用于接收传感器模块的室内温度及新风风速数据，传输测量数据至本地服务器，并接收本地服务器的控制策略，对调节模块进行动态调节；

所述调节模块包括多个冷冻水水阀、变频器和新风阀，所述冷冻水水阀控制冷冻水流量，所述变频器控制风机频率调节送风量，所述新风阀控制新风量。

作为优选的技术方案，所述本地服务器包括航班信息获取单元、供冷区域标记单元，人像信息检测识别单元，参数设置单元，控制策略处理单元；

所述航班信息获取单元：在网页信息中提取航班信息并存储在本地服务器中；

所述供冷区域标记单元：根据航班状态对登机口做特征标注，统计各个供冷区域登机口的特征标注，得到供冷区域特征标签；

所述人像信息检测识别单元：对有效的特征标签的供冷区域内乘客进行图像目标检测，识别图像中的人脸数量，得到对应供冷区域的人流信息；

所述参数设置单元：设置系统参数信息，包括末端空调设备初始开启时间、各个供冷区域的室内温度设定值、各供冷区域新风量至设定值、数据采集的间隔时间；

所述控制策略处理单元：根据收集的当前温度信息及新风口风速信息，生成相对应的温度调控及新风量调控策略。

为了到达上述第二目的，本发明采用以下技术方案：

一种航站楼末端空调设备智能控制方法，包括下述步骤：

s1：本地服务器查询获取不同供冷区域的初始航班信息，与商铺营业时间信息进行起始时间先后比较，设定对应供冷区域的末端空调设备初始开启时间；

s2：本地服务器定时获取不同供冷区域内的登机口航班信息，根据航班状态对登机口做特征标注，区分是否有人候机；

s3：本地服务器统计各个供冷区域登机口的特征标注，得到供冷区域特征标签，根据供冷区域特征标签调整各个供冷区域的室内温度设定值；

s4：根据供冷区域特征标签，标记有人候机的供冷区域，图像采集模块对有人候机的供冷区域进行图像采集，并将图像信息传输至本地服务器；

s5：本地服务器采用深度学习算法对供冷区域内乘客进行图像目标检测，识别图像中的人脸数量，得到对应供冷区域的人流信息p，将p乘以w(m³/(h·人))得到对应供冷区域的每小时新风量设定值；

s6：通过温度控制模块调节各供冷区域室内温度至设定值，通过新风量控制模块调节各供冷区域新风量至设定值；

s7：本地服务器查询并获取各供冷区域末位航班状态，若登机口无人候机，则关闭相应供冷区域的末端空调设备；

s8：重复步骤s2-s7，直到所有末端空调设备均已关闭。

作为优选的技术方案，步骤s1所述查询获取不同供冷区域的航班信息，具体步骤为：

s11：在相关网站查询当天航站楼的航班信息，航班信息包括初始航班信息、末位航班信息、航班编号、起飞时间、登机口和航班状态；

s12：通过网络爬虫抓取查询到的网页信息并下载到本地服务器中；

s13：通过正则表达式在网页信息中提取航班信息并存储在本地服务器中。

作为优选的技术方案，步骤s5所述本地服务器采用深度学习算法对供冷区域内乘客进行图像目标检测，其特征在于，具体步骤如下所述：

s51：图像采集模块获取供冷区域原始图像信息；

s52：原始图像信息经过选择性搜索提取出不同的候选区域框，本地服务器将所有候选区域框缩放到固定大小，并分割成网格；

s53：候选区域框中的图像逐个通过卷积神经网络模型提取图像特征；卷积神经网络中的分类器对提取的图像特征进行分类，得到属于人像的候选区域；

s54：统计人像候选框数量，得到供冷区域的人流量数据。

作为优选的技术方案，步骤s7中所述通过温度控制模块调节各供冷区域室内温度至设定值，具体步骤如下所述：

无线温度传感器采集各供冷区域室内温度点数据并传输至温度控制模块中，计算室内平均温度tr，判断供冷区域当前室内温度是否在设定温度范围内，即判断ts-et≤tr≤ts+et，其中ts为温度设定值，et为温度偏差，如果达到设定要求则结束供冷区域温度调控，否则进入下一步骤；

若供冷区域当前室内温度高于设定温度，则增加冷冻水水阀开度提高冷冻水流量，经过设定的间隔时间后再重新收集各供冷区域室内温度点数据，并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续增加冷冻水水阀开度，直到达到冷冻水水阀开度的上限值，进入下一步骤；

若供冷区域当前室内温度仍高于设定温度，则提高变频器频率增大末端空调设备送风量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续提高变频器频率，直到达到变频器频率的上限值；

若供冷区域当前室内温度低于设定温度，则降低变频器频率减少末端空调设备送风量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续降低变频器频率，直到达到变频器频率的下限值，进入下一步骤；

若供冷区域当前室内温度仍低于设定温度，则减小冷冻水水阀开度减少冷冻水流量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续减小冷冻水水阀开度，直到达到冷冻水水阀开度的下限值。

作为优选的技术方案，步骤s7中所述通过新风量控制模块调节各供冷区域新风量至设定值，具体步骤如下所述：

新风风速传感器采集供冷区域的新风口风速wi并传输至新风量控制模块，同时新风量控制模块获取新风阀开度数据并转化为新风口面积si，计算当前时刻新风量af＝wi×si，判断af是否在设定新风量范围内，判断as-ef≤af≤as+ef，其中as为新风量设定值，ef为新风量偏差，如果达到设定的新风量范围则结束新风量调控，否则进入下一步骤；

若供冷区域当前新风量低于设定新风量，则增加新风阀开度增大新风口面积，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续增加新风阀开度，直到达到新风阀开度上限，进入下一步骤；

若供冷区域当前新风量仍低于设定新风量，则提高变频器频率增加新风口风速，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续提高变频器频率，直到达到变频器频率上限；

若供冷区域当前新风量高于设定新风量，则降低变频器频率减小新风口风速，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续降低变频器频率，直到达到变频器频率下限，进入下一步骤；

若供冷区域当前新风量仍高于设定新风量，则减小新风阀开度减少新风口面积，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续减小新风阀开度，直到达到新风阀开度下限。

为了达到上述第三目的，本发明采用以下技术方案：

一种存储介质，存储有程序，所述程序被处理器执行时实现上述航站楼末端空调设备智能控制方法。

为了达到上述第四目的，本发明采用以下技术方案：

一种计算设备，包括处理器和用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述航站楼末端空调设备智能控制方法。

本发明与现有技术相比，具有如下优点和有益效果：

(1)本发明采用航班信息与商铺营业时间信息对末端空调设备进行合理化管理，实现各供冷区域末端设备智能开关机，避免了开机时间过早和关机时间过晚产生的能源浪费的问题。

(2)本发明采用航站楼使用时间内的动态航班信息对不同供冷区域末端空调设备进一步进行精细化管理和优化调节，避免出现“无人候机却持续供冷”的现象，实现分区域智能化动态控制，在保证室内人体热舒适性的基础上，进一步节约末端空调设备的使用能耗。

(3)本发明采用深度学习技术实现人流量实时统计，基于人流量信息实时优化各供冷区域的新风量，充分匹配各区域末端新风需求，避免新风的浪费，在满足室内人体热舒适性的基础上，减少了末端空调设备的能源消耗。

附图说明

图1为本发明实施例1航站楼末端空调设备智能控制系统结构图；

图2为图1调节模块与传感器模块的主要设备示意图；

图3为本发明实施例2航站楼末端空调设备智能控制方法流程图；

图4为本发明实施例2温度控制模块工作流程图；

图5为本发明实施例2新风量控制模块工作流程图。

1-无线温度传感器，2-摄像头模组，3-新风阀，4-新风风速传感器，5-表冷器，6-风机，7-冷冻水水阀，8-变频器。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例1

如图1所示，本实施例提供一种航站楼末端空调设备智能控制系统，其特征在于，包括：本地服务器、控制模块、调节模块、传感器模块和图像采集模块；

在本实施例中，所述图像采集模块通过现场网络总线与本地服务器连接，所述本地服务器通过交换机、转换器与控制模块连接，所述控制模块通过现场总线与调节模块、传感器模块进行通讯；

在本实施例中，所述图像采集模块包括摄像头模组2，安装在各候机区，用于采集各供冷区域的图像信息；

在本实施例中，所述本地服务器用于航班信息在线查询与获取、供冷区域标记、乘客图像目标检测与人流量统计、参数计算与存储，以及将控制策略进行智能动态优化后传输至控制模块；

在本实施例中，所述传感器模块包括多个无线温度传感器1和新风风速传感器4，如图2所示，无线温度传感器1安装在各候机区，用于测量各供冷区域室内温度，新风风速传感器4安装在新风口，用于测量新风口的风速；

在本实施例中，所述控制模块包括温度控制模块和新风量控制模块，用于采集传感器模块的测量数据，对调节模块进行动态调节以达到相应的控制要求，以及接收本地服务器设定的控制策略和向服务器传递测量数据；

在本实施例中，如图2所示，调节模块包括多个冷冻水水阀7、变频器8和新风阀3,本实施例中的表冷器5和风机6是风柜的内部部件，表冷器5用于冷冻水和热空气换热，风机6提供空气流动动力,冷冻水水阀7安装在冷冻水水管处，用于控制进入表冷器5中的冷冻水流量，变频器8安装在末端空调设备旁，用于控制风机6频率以调节送风量，新风阀3安装在新风入口处，用于控制新风量；

实施例2

如图3所示，本实施例还提供一种航站楼末端空调设备智能控制方法，包括下述步骤：

(1)本地服务器发出查询指令，获取各登机口初始航班与末位航班信息；

(1-1)本地服务器发出查询指令，在机场官方网站查询当天航站楼的航班信息，信息主要包括航空公司、航班编号、起飞时间、登机口、航班状态、目的地等；

(1-2)本地服务器通过网络爬虫抓取查询到的网页信息并下载至服务器中；

(1-3)本地服务器解析抓取到的内容，通过正则表达式在网页信息中提取所需要的航班信息并存储在服务器中；

(1-4)本地服务器对提取的信息进行分析与统计，获得不同供冷区域各登机口的航班信息；

(2)本地服务器通过对起飞时间的分析与统计，获得不同供冷区域初始航班起飞时间；本实施例进一步通过对起飞时间的分析与统计，获得供冷区域一、供冷区域二、供冷区域三的初始航班起飞时间分别为：9:45，7:20，8:35；

(3)本地服务器比较初始航班起飞时间与相应供冷区域商铺的开店时间，若初始航班起飞时间早于商铺的开店时间，则本地服务器设定该区域的末端空调设备开启时间为初始航班起飞时间前1小时，否则设定为开店时间前半小时；本实施例进一步得到本地服务器将初始航班起飞时间与商铺开店时间9:00进行比较，设定供冷区域一的末端空调设备开启时间为8:30，设定供冷区域二的末端空调设备开启时间为6:20，定供冷区域三的末端空调设备开启时间为7:35；本实施例利用航班信息与商铺营业时间信息对末端空调设备进行合理化管理，实现各供冷区域末端设备智能开关机，避免了开机时间过早和关机时间过晚产生的能源浪费的问题；

(4)通过本地服务器每隔半小时查询并获取未来1个小时内候机区各个登机口的航班信息；

(5)本地服务器对各个登机口的航班数量进行特征标注，将无航班的登机口标注为0，若有航班则进入下一步骤；

(6)本地服务器对有航班的登机口进一步进行特征标注，若航班状态为“候机”或“延误”代表此时登机口有人正在候机，标注为1，若航班状态为“登机”或“取消”代表此时登机口无人候机，标注为0；在本实施例进一步得到其中3号、4号和7号登机口无航班，因此标注为0，1号和5号登机口航班状态为“候机”，因此标注为1，2号登机口航班状态为“登机”，因此标注为0，6号登机口航班状态为“起飞”，因此标注为0；

(7)本地服务器将不同供冷区域登机口特征进行相加得到特征标签，若特征标签为0则调高该区域室内温度设定值并且停止新风供应，若特征标签大于0则设定该区域室内温度为默认值；在本实施例中进一步计算得到供冷区域一特征标签为1，设定该区域室内温度为26℃，供冷区域二特征标签为0，设定该区域室内温度为28℃并停止新风供应，供冷区域三特征标签为1，设定该区域室内温度为26℃；

(8)本地服务器向特征标签非0的供冷区域所对应的图像采集模块发出拍摄指令；

(9)通过图像采集模块拍摄多张供冷区域图像，并将图像信息传输回本地服务中；

(10)本地服务器基于深度学习技术对供冷区域内乘客进行图像目标检测，识别图像中的人脸数量，得到该供冷区域的人流量信息p，将p乘以w(m³/(h·人))得到该区域的每小时新风量设定值；在本实施例进一步得到供冷区域一的人流量为80，设定新风量为80×20＝1600(m³/h)，供冷区域三的人流量为110，设定新风量为110×20＝2200(m³/h)；

(10-1)本地服务器通过图像采集模块获取供冷区域图像信息；

(10-2)原始图像信息经由选择性搜索提取出不同的候选区域框；

(10-3)本地服务器将所有候选框缩放到固定大小，并将其分割成网格；

(10-4)候选框图像逐个通过卷积神经网络模型提取其图像特征；

(10-5)使用分类器对卷积神经网络提取的图像特征进行分类，得到属于人像的候选区域；

(10-6)本地服务器统计人像候选框数量，得到该供冷区域的人流量数据；

(11)通过温度控制模块调节各供冷区域室内温度至设定值，通过新风量控制模块调节各供冷区域新风量至设定值；

(12)本地服务器查询并获取各供冷区域末位航班状态，若为“登机”或“起飞”，则关闭该区域的末端空调设备；

(13)重复步骤(5)-步骤(12)，直到所有末端设备均已关闭。

本实施例利用深度学习技术实现人流量实时统计，基于人流量信息优化实时优化各供冷区域的新风量，充分匹配各区域末端新风需求，避免新风的浪费，在保证室内人体热舒适性的基础上，减少了末端空调设备的能源消耗；

如图4所示，本实施例步骤(11)中所述通过温度控制模块调节各供冷区域室内温度至设定值，具体步骤为：

无线温度传感器采集各供冷区域室内温度点数据并传输至温度控制模块中，计算室内平均温度tr，判断供冷区域当前室内温度是否在设定温度范围内，即判断ts-et≤tr≤ts+et，其中ts为温度设定值，et为温度偏差，如果达到设定要求则结束供冷区域温度调控，否则进入下一步骤；

若供冷区域当前室内温度高于设定温度，则增加冷冻水水阀开度提高冷冻水流量，经过设定的间隔时间后再重新收集各供冷区域室内温度点数据，并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续增加冷冻水水阀开度，直到达到冷冻水水阀开度的上限值，进入下一步骤；

若供冷区域当前室内温度仍高于设定温度，则提高变频器频率增大末端空调设备送风量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续提高变频器频率，直到达到变频器频率的上限值；

若供冷区域当前室内温度低于设定温度，则降低变频器频率减少末端空调设备送风量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续降低变频器频率，直到达到变频器频率的下限值，进入下一步骤；

若供冷区域当前室内温度仍低于设定温度，则减小冷冻水水阀开度减少冷冻水流量，经过设定的间隔时间后再重新收集供冷区域各室内温度点数据并计算室内平均温度tr，若已满足设定要求则结束温度调控，否则继续减小冷冻水水阀开度，直到达到冷冻水水阀开度的下限值。

如图5所示，本实施例步骤(11)中所述通过新风量控制模块调节各供冷区域新风量至设定值，具体步骤如下：

新风风速传感器采集供冷区域的新风口风速wi并传输至新风量控制模块，同时新风量控制模块获取新风阀开度数据并转化为新风口面积si，计算当前时刻新风量af＝wi×si，判断af是否在设定新风量范围内，判断as-ef≤af≤as+ef，其中as为新风量设定值，ef为新风量偏差，如果达到设定的新风量范围则结束新风量调控，否则进入下一步骤；

若供冷区域当前新风量低于设定新风量，则增加新风阀开度增大新风口面积，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续增加新风阀开度，直到达到新风阀开度上限，进入下一步骤；

若供冷区域当前新风量仍低于设定新风量，则提高变频器频率增加新风口风速，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续提高变频器频率，直到达到变频器频率上限；

若供冷区域当前新风量高于设定新风量，则降低变频器频率减小新风口风速，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续降低变频器频率，直到达到变频器频率下限，进入下一步骤；

若供冷区域当前新风量仍高于设定新风量，则减小新风阀开度减少新风口面积，经过设定的间隔时间后再计算供冷区域的新风量，若已满足设定的新风量范围则结束新风量调控，否则继续减小新风阀开度，直到达到新风阀开度下限。

本实施例在末端空调设备控制中融合了动态的机场航班信息与人流量信息，将人工智能、深度学习、物联网等技术与空调节能优化控制相结合，在保证人体热舒适性的前提下，实现了航站楼末端空调设备分区域智能动态控制。

实施例3

本实施例还提供一种存储介质，存储介质可以是rom、ram、磁盘、光盘等储存介质，该存储介质存储有一个或多个程序，所述程序被处理器执行时，实现实施例2的航站楼末端空调设备智能控制方法：

(1)本地服务器发出查询指令，获取各登机口初始航班与末位航班信息；

(1-1)本地服务器发出查询指令，在机场官方网站查询当天航站楼的航班信息，信息主要包括航空公司、航班编号、起飞时间、登机口、航班状态、目的地等；

(1-2)本地服务器通过网络爬虫抓取查询到的网页信息并下载至服务器中；

(1-3)本地服务器解析抓取到的内容，通过正则表达式在网页信息中提取所需要的航班信息并存储在服务器中；

(1-4)本地服务器对提取的信息进行分析与统计，获得不同供冷区域各登机口的航班信息；

(2)本地服务器通过对起飞时间的分析与统计，获得不同供冷区域初始航班起飞时间；本实施例进一步通过对起飞时间的分析与统计，获得供冷区域一、供冷区域二、供冷区域三的初始航班起飞时间分别为：9:45，7:20，8:35；

(3)本地服务器比较初始航班起飞时间与相应供冷区域商铺的开店时间，若初始航班起飞时间早于商铺的开店时间，则本地服务器设定该区域的末端空调设备开启时间为初始航班起飞时间前1小时，否则设定为开店时间前半小时；本实施例进一步得到本地服务器将初始航班起飞时间与商铺开店时间9:00进行比较，设定供冷区域一的末端空调设备开启时间为8:30，设定供冷区域二的末端空调设备开启时间为6:20，定供冷区域三的末端空调设备开启时间为7:35；本实施例利用航班信息与商铺营业时间信息对末端空调设备进行合理化管理，实现各供冷区域末端设备智能开关机，避免了开机时间过早和关机时间过晚产生的能源浪费的问题；

(4)通过本地服务器每隔半小时查询并获取未来1个小时内候机区各个登机口的航班信息；

(5)本地服务器对各个登机口的航班数量进行特征标注，将无航班的登机口标注为0，若有航班则进入下一步骤；

(6)本地服务器对有航班的登机口进一步进行特征标注，若航班状态为“候机”或“延误”代表此时登机口有人正在候机，标注为1，若航班状态为“登机”或“取消”代表此时登机口无人候机，标注为0；在本实施例进一步得到其中3号、4号和7号登机口无航班，因此标注为0，1号和5号登机口航班状态为“候机”，因此标注为1，2号登机口航班状态为“登机”，因此标注为0，6号登机口航班状态为“起飞”，因此标注为0；

(7)本地服务器将不同供冷区域登机口特征进行相加得到特征标签，若特征标签为0则调高该区域室内温度设定值并且停止新风供应，若特征标签大于0则设定该区域室内温度为默认值；在本实施例中进一步计算得到供冷区域一特征标签为1，设定该区域室内温度为26℃，供冷区域二特征标签为0，设定该区域室内温度为28℃并停止新风供应，供冷区域三特征标签为1，设定该区域室内温度为26℃；

(8)本地服务器向特征标签非0的供冷区域所对应的图像采集模块发出拍摄指令；

(9)通过图像采集模块拍摄多张供冷区域图像，并将图像信息传输回本地服务中；

(10)本地服务器基于深度学习技术对供冷区域内乘客进行图像目标检测，识别图像中的人脸数量，得到该供冷区域的人流量信息p，将p乘以w(m3/(h·人))得到该区域的每小时新风量设定值；在本实施例进一步得到供冷区域一的人流量为80，设定新风量为80×20＝1600(m³/h)，供冷区域三的人流量为110，设定新风量为110×20＝2200(m³/h)；

(10-1)本地服务器通过图像采集模块获取供冷区域图像信息；

(10-2)原始图像信息经由选择性搜索提取出不同的候选区域框；

(10-3)本地服务器将所有候选框缩放到固定大小，并将其分割成网格；

(10-4)候选框图像逐个通过卷积神经网络模型提取其图像特征；

(10-5)使用分类器对卷积神经网络提取的图像特征进行分类，得到属于人像的候选区域；

(10-6)本地服务器统计人像候选框数量，得到该供冷区域的人流量数据；

(11)通过温度控制模块调节各供冷区域室内温度至设定值，通过新风量控制模块调节各供冷区域新风量至设定值；

(12)本地服务器查询并获取各供冷区域末位航班状态，若为“登机”或“起飞”，则关闭该区域的末端空调设备；

(13)重复步骤(5)-步骤(12)，直到所有末端设备均已关闭。

实施例4

本实施例还提供一种计算设备，该计算设备包括该计算设备包括处理器和存储器，存储器存储有一个或多个程序，处理器执行存储器存储的程序时，实现上述的航站楼末端空调设备智能控制方法，该方法包括下述步骤：

(1)本地服务器发出查询指令，获取各登机口初始航班与末位航班信息；

(1-1)本地服务器发出查询指令，在机场官方网站查询当天航站楼的航班信息，信息主要包括航空公司、航班编号、起飞时间、登机口、航班状态、目的地等；

(1-2)本地服务器通过网络爬虫抓取查询到的网页信息并下载至服务器中；

(1-3)本地服务器解析抓取到的内容，通过正则表达式在网页信息中提取所需要的航班信息并存储在服务器中；

(1-4)本地服务器对提取的信息进行分析与统计，获得不同供冷区域各登机口的航班信息；

(2)本地服务器通过对起飞时间的分析与统计，获得不同供冷区域初始航班起飞时间；本实施例进一步通过对起飞时间的分析与统计，获得供冷区域一、供冷区域二、供冷区域三的初始航班起飞时间分别为：9:45，7:20，8:35；

(3)本地服务器比较初始航班起飞时间与相应供冷区域商铺的开店时间，若初始航班起飞时间早于商铺的开店时间，则本地服务器设定该区域的末端空调设备开启时间为初始航班起飞时间前1小时，否则设定为开店时间前半小时；本实施例进一步得到本地服务器将初始航班起飞时间与商铺开店时间9:00进行比较，设定供冷区域一的末端空调设备开启时间为8:30，设定供冷区域二的末端空调设备开启时间为6:20，定供冷区域三的末端空调设备开启时间为7:35；本实施例利用航班信息与商铺营业时间信息对末端空调设备进行合理化管理，实现各供冷区域末端设备智能开关机，避免了开机时间过早和关机时间过晚产生的能源浪费的问题；

(4)通过本地服务器每隔半小时查询并获取未来1个小时内候机区各个登机口的航班信息；

(5)本地服务器对各个登机口的航班数量进行特征标注，将无航班的登机口标注为0，若有航班则进入下一步骤；

(6)本地服务器对有航班的登机口进一步进行特征标注，若航班状态为“候机”或“延误”代表此时登机口有人正在候机，标注为1，若航班状态为“登机”或“取消”代表此时登机口无人候机，标注为0；在本实施例进一步得到其中3号、4号和7号登机口无航班，因此标注为0，1号和5号登机口航班状态为“候机”，因此标注为1，2号登机口航班状态为“登机”，因此标注为0，6号登机口航班状态为“起飞”，因此标注为0；

(7)本地服务器将不同供冷区域登机口特征进行相加得到特征标签，若特征标签为0则调高该区域室内温度设定值并且停止新风供应，若特征标签大于0则设定该区域室内温度为默认值；在本实施例中进一步计算得到供冷区域一特征标签为1，设定该区域室内温度为26℃，供冷区域二特征标签为0，设定该区域室内温度为28℃并停止新风供应，供冷区域三特征标签为1，设定该区域室内温度为26℃；

(8)本地服务器向特征标签非0的供冷区域所对应的图像采集模块发出拍摄指令；

(9)通过图像采集模块拍摄多张供冷区域图像，并将图像信息传输回本地服务中；

(10)本地服务器基于深度学习技术对供冷区域内乘客进行图像目标检测，识别图像中的人脸数量，得到该供冷区域的人流量信息p，将p乘以w(m3/(h·人))得到该区域的每小时新风量设定值；在本实施例进一步得到供冷区域一的人流量为80，设定新风量为80×20＝1600(m³/h)，供冷区域三的人流量为110，设定新风量为110×20＝2200(m³/h)；

(10-1)本地服务器通过图像采集模块获取供冷区域图像信息；

(10-2)原始图像信息经由选择性搜索提取出不同的候选区域框；

(10-3)本地服务器将所有候选框缩放到固定大小，并将其分割成网格；

(10-4)候选框图像逐个通过卷积神经网络模型提取其图像特征；

(10-5)使用分类器对卷积神经网络提取的图像特征进行分类，得到属于人像的候选区域；

(10-6)本地服务器统计人像候选框数量，得到该供冷区域的人流量数据；

(11)通过温度控制模块调节各供冷区域室内温度至设定值，通过新风量控制模块调节各供冷区域新风量至设定值；

(12)本地服务器查询并获取各供冷区域末位航班状态，若为“登机”或“起飞”，则关闭该区域的末端空调设备；

(13)重复步骤(5)-步骤(12)，直到所有末端设备均已关闭。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。