通过调节气流通风来估计和减少空气污染的系统和方法

专利名称：通过调节气流通风来估计和减少空气污染的系统和方法
技术领域：
本发明大体上涉及在给定环境中监测空气污染的领域，且更准确地说涉及 用于估计局部空气污染趋势且用于以常规方式根据空气污染测量来优化建筑物 气流通风的条件的系统和方法。
背景技术：
室内空气污染的问题的严重性并不低于室外的污染，因为室外污染扩散到 建筑物的空间中，且因为在建筑物内部存在散发污染到建筑物自身的有限体积 中的许多空气污染源。本发明并非特定关于处理空气污染物，且其适合用于处 理超细微粒和很小的气体污染物，所述气体污染物是最常见、最危险且最致癌 性的污染物。

发明内容
所揭示的是用于使用至少一个空气污染监测站和至少一个计算中心来估计 城市地区的不同位置中的绝对或相对空气污染程度和空气污染趋势的方法。所 述方法包含从所述城市地区中的至少一个位置以常规方式实时连续收集空气污 染数据和识别日常频繁空气污染波动，且将所述数据传输到至少一个计算中心。 所述方法还包括以下步骤执行识别关于所述城市地区的不同位置之间的空气 污染程度趋势的同步的预备阶段；以及基于所述预备阶段，分析所述计算中心
中的所述数据，且估计所述相同城市地区的不包括监测站的至少一个位置中的 空气污染程度。
所述预备阶段进一步包括以下步骤从所述城市地区中的第二位置收集空 气污染趋势；以及由所述计算中心分析关于所述相同城市地区的所述位置处的 空气污染趋势的差异的模式、规律性和依赖性。方法视情况发送信息到封闭环 境(例如建筑物或车辆)中的自动通风调节单元或发送到位于城市地区中的人 员。
方法还包括从城市地区中的至少一个位置收集关于介入因数的数据。所述 介入因数包括影响空气污染的浓度、扩散和分散的参数，且将所述介入因数的 数据传输到所述计算中心。根据来自远程监测站的数据和所述介入因数来估计 所述城市地区的不包括监测站的区中的所述空气污染趋势。所述介入因数视情 况包括每一监测站与每一位置之间的距离、风向、风速、温度、地形、大气压、湿度、这些参数关于每一位置的角度或向量以及空气的成分和日光强度。
所述方法视情况还包括步骤在监测相同城市地区的至少两个不同位置中 的空气污染程度时，计算用于确定在估计不包括监测站的每一位置的空气污染 趋势中每一监测站的相对影响的因数。针对监测站与位置的每一可能配对的因 数是根据介入因数来计算的。
将经分析数据传输到所述城市地区中的接收者。所述经分析的数据与所述 接收者周围的实时相对空气污染程度有关。所述经分析的数据包括关于用来自 外部的空气使封闭环境通风的命令。所述命令是根据与所述封闭环境的每一位 置的相对空气污染程度的计算阈值相比所述封闭环境周围的相对空气污染程度 的当前估计而确定的。所述计算依赖于根据预测算法(例如学习算法)对空气 污染程度的预测。
所述阈值由所述计算中心根据先前通风时间点的相对污染程度来确定。在 计算阀值时，所述方法测量所述封闭环境的每两次连续通风之间的时间间隔， 且在计算所述阈值时将所述时间间隔考虑在内，其中所述时间间隔越长所述阈
值越高。每两个连续通风命令之间的最大时间间隔是在每一自动通风调节单元 内或由计算中心根据每一封闭环境的相关参数来预界定的。
所述方法还测量所述封闭环境中的空气组分，且在所述阈值的计算中将此 数据考虑在内，其中所述封闭环境中的空气组分的较好组成允许较低的阈值。 所述封闭环境的位置是视情况实时识别的。定位过程是使用全球定位系统(GPS)
或蜂窝式装置的位置识别来进行的。
所述通风命令是根据所述封闭环境的特征来确定的。所述封闭环境的所述 特征视情况包括所述封闭环境内部的体积、人口和活动程度。
方法视情况还包括从所述封闭环境接收反馈信息且相应地调整所述计算的 步骤。所述自动通风调节单元视情况包括C02传感器，且在C02程度超过预界定
的阈值时激活来自外部的气流通风。
还揭示的是一种为了优化封闭环境的气流通风条件而监测和估计城市地区 中的空气污染的日常程度或相对程度的系统。所述系统包含固定或移动空气污 染监测站，其置于城市地区中用于连续监测其位置处的空气污染程度的常规波
动。系统还包括第二监测站，其操作以用于对关于所述相同城市地区的不同 位置之间的空气污染程度趋势的同步的预备识别；以及中央优化控制计算中心，
其用于收集和分析从所述监测站接收的空气污染数据。此信息由计算中心通过 第一通信网络收集，且控制命令通过第二通信网络发送到所述封闭环境中的接
6收者。所述控制命令包括通风模式数据。
接收者可位于城市地区的不包括监测站的区中。接收者可以是自动通风调 节单元或位于所述城市地区内的人员。定位系统(例如GPS单元；蜂窝式通信 单元)可用以确定接收者的位置。所述系统包括针对用于预测空气污染程度相 对较低的规则时间点的周期性测量和估计的算法。
自动通风调节单元控制用来自外部的空气使所述封闭环境通风。自动通风 调节单元视情况还包括用于在预定时间之后激活来自所述外部的气流通风的计
时器。自动通风调节单元视情况进一步包括C02传感器，其允许在C02程度超过
预界定的阈值时激活来自所述外部的气流通风。
第二监测站收集关于介入因数的信息。所述介入因数包括影响空气污染的 浓度、扩散和分散的参数。


将通过参看附图的本文实施例的随后描述而更清楚理解被视为本发明的标 的物，所述实施例的描述仅以举例的方式且仅用于本发明的说明性论述的目的， 其中
图l是说明在相同城市地区(特拉维夫(Tel-Aviv))的不同位置中的空气 污染的所测量波动的图2是本发明的实施例操作的环境的示意性说明；
图3是在本发明的实施例的组件之间的信息流动的示意性说明；
图4是根据本发明的实施例作为优化控制计算中心中的网格的城市地区的 图形表示的图示说明；
图5是说明根据本发明的实施例的折衷函数的操作的图6是说明在由本发明的实施例实现时建筑物内的空气污染程度相比较建 筑物外部的空气污染的图7是根据本发明的实施例的对建筑物中的气流和气流通风控制单元的操 作的两个状态的说明；
图8是说明在六个不同城市地区中空气污染程度的日常最大平均值相比较 日常最小平均值的图9是说明在相同城市地区(伦敦(London))的十七个不同日子中空气污 染程度波动的图；图IO是说明在相同城市地区(海法(Haifa))的一整年的空气污染波动的
图11是说明在相同城市地区(伦敦)的四个不同日子中空气污染程度波动 的叠加的图。
附图与描述内容一起使所属领域的技术人员了解本发明可如何在实践上实施。
无需尝试比本发明的基础理解所必需更详细地展示本发明的结构细节。
应了解为了说明的简单性和清晰性，图中所示的元件不一定按比例绘制。 举例来说，为了清晰性，所述元件中的一些的尺寸可相对于其它元件而放大。 此外，在认为适当时，参考数字可在附图中重复以指示相应或类似的元件。
具体实施例方式
本发明是用于在城市地区中监测空气污染程度以用于传输空气污染数据且 用于根据所述数据来优化建筑物的气流通风条件的系统和方法。术语气流通风 在本文指代从外部到建筑物中(而不包括内部空气)的气流通风；术语气流循 环指代室内空气通风。所揭示系统和方法供应关于局部空气污染程度或相对程 度(即当前空气污染程度相对于先前空气污染程度)的实时数据。所揭示系统 和方法利用空气污染程度的波动以便在日常基础上达到建筑物内部的空气污染 程度的最佳减少。
实施例是本发明的实例或实施方案。"一个实施例"、"实施例"或"一些实 施例"的多次出现并不必须全部指代相同实施例。尽管可在单个实施例的上下 文中描述本发明的各种特征，但所述特征也可分别或以任何适当的组合来提供。 相反，尽管本发明为了清晰性可在本文中在独立实施例的上下文中描述，但本 发明也可在单个实施例中实施。
在说明书中对"一个实施例"、"实施例"、"一些实施例"或"其它实施例" 的引用意指结合所述实施例描述的特定特征、结构或特性包括在本发明的至少 一个实施例但不一定是全部实施例中。应了解本文所利用的措词和术语不应理 解为限制性，而是仅用于描述性目的。
本发明的教示的原理和使用可参看所附描述、附图和实例来更好地理解。 应了解，本文所陈述的细节并不构成对本发明的应用的限制。此外，应了解， 本发明可通过各种方式来进行或实践，且本发明可在除了以下描述中所概述的 实施例之外的实施例中实施。
应了解，术语"包括"、"包含"、"由…组成"以及其语法变体并不排除添加一个或一个以上组件、特征、步骤或整体或其群组，且所述术语应理解为指 定组件、特征、步骤或整体。短语"基本上由…组成"和其语法变体在本文中 使用时不应理解为排除额外组件、步骤、特征、整体或其群组，而是额外特征、 整体、步骤、组件或其群组并未在实质上改变所主张组合物、装置或方法的基 础和新颖特性。
如果说明书或权利要求书提到"额外"元件，其并不排除存在一个以上额 外元件。应了解当权利要求书或说明书提到"一"元件时，此引用并不理解为 仅存在一个所述元件。应了解当说明书陈述组件、特征、结构或特性"可"或 "可能"被包括时，并不要求包括特定组件、特征、结构或特性。
在适用时，尽管状态图、流程图或两者均可用以描述实施例，但本发明并 不限于那些图或相应的描述。举例来说，流程不需要移动经过每一个所说明的 框或状态，或不需要采用与所说明和所描述的顺序准确相同的顺序。
本发明的方法可通过手动地、自动地或其组合来执行或完成所选择的步骤 或任务而实施。术语"方法"指代用于完成给定任务的方式、手段、技术和程 序，包括但不限于本发明所属领域的实践者所已知或者容易从已知方式、手段、 技术和程序开发出的那些方式、手段、技术和程序。在权利要求书和说明书中 呈现的描述、实例、方法和材料不应理解为限制性而是仅仅说明性的。
本文所使用的技术和科学术语的含义应由本发明所属领域的技术人员一般 理解，除非另有定义。本发明可使用等效于或类似于本文所描述内容的方法和 材料来在测试或实践中实施。
如本文所使用的术语"底部"、"下方"、"顶部"和"上方"不一定指示"底 部"组件在"顶部"组件下方，或"下方"的组件的确在另一组件"下方"或 "上方"的组件的确在另一组件"上方"。因而，方向、组件或两者可在空间中 翻转、旋转、移动、放置在对角线定向或位置、水平或垂直放置、或类似地修 改。因此，应了解术语"底部"、"下方"、"顶部"和"上方"可在本文中仅用 于示范性目的，以说明某些组件的相对定位或放置，从而指示第一和第二组件 或两者。
在本说明书中参考或提及的任何公开案(包括专利、专利申请案和文章) 在此以如同每一个别公开案经特定和个别地指示为并入本文的程度全文并入本 说明书中。另外，在本发明的一些实施例的描述中对任何参考的引用或识别不 应理解为承认此参考可用作本发明的现有技术。
此系统和方法的主要目的之一是界定通风的最佳时间，以便通过使用每一建筑物周围的空气污染程度的不定、连续且有效波动，以常规方式来达到室内 空气质量的显著和持续改善。达到此目的不需要系统保持每一建筑物周围的绝 对空气污染程度，因为界定通风的最佳时间的决定性因数是相对空气污染程度 的波动趋势而不是建筑物本身的绝对程度。
所揭示系统和方法的以上所提及的功能需要对每一建筑物周围的相对空气 污染程度以及其趋势的实时评估。所建议的系统和方法可在整个城市地区中使 用仅一个或几个监测站来估计不同位置的实际或相对空气污染程度，此监测站 可提供关于实际污染程度或仅仅相对污染程度的数据。根据本发明，为了估计 城市的不同位置的相对空气污染程度，监测站不必位于那些特定位置中。此外， 所建议的系统和方法可使用仅一个处理中心来界定整个城市地区的不同位置的 通风的最佳时间。
所建议的系统和方法是基于城市空气污染的空气污染数据分析和特征化。 这些开发呈现了具有重要生态优势的独特方法，使得系统能够有效处理多种污 染物且甚至能够处理目前技术水平(经设计用于改善室内空气质量)不能过滤 的小的气体污染物和超细微粒。细微粒、超细微粒和气体污染物是最常见且最 危险的污染物。然而，所建议的解决方法可与经设计用以改善室内空气质量的 其它产品一起工作，例如过滤器和净化器，且所述解决方法也可改良这些产品 的效率和耐久性。通过使用此技术，客户可通过每月仅仅几美元的成本来改善
其健康状态。
本发明的实施例提供有效的解决方法，其显著降低实时评估局部空气污染 趋势或程度的成本、通信信道和所需传输的成本以及气流通风控制的调节单元 的成本。因此，本发明的实施例可提供承担得起的气流通风控制装置用于从小 房间到复杂的大型建筑物的任何建筑类型。在本文中使用术语建筑物指代任何 种类的结构、公寓、办公室等等。
从遍布世界的所选择城市收集的经验数据证明且建立了每天重复出现的重 大波动(空气污染程度的增加和降低)。结果展示在大多数城市平均每天有多个 时间空气污染程度降至当天最高程度的十分之一的值。在一些城市中，污染最
严重与最干净的时间点之间的平均差异高达30倍以上。
图8是说明在六个不同城市地区中空气污染程度的日常最大平均值与日常 最小平均值相比较的图。对于城市伦敦、洛杉矶(Los Angeles)、特拉维夫和 海法，取样覆盖跳过周末和假日的整年(否则，间隔22天取样)，这是因为周 末和假日中的工业活动和交通是相对低的。在纽约城(New York City)，取样 覆盖大致连续的一个半月。在香港(Hong Kong)，数据覆盖一整年。图8证明了在六个不同城市地区的每天的重大波动的重复出现。所有城市无论取样的差 异如何均展示类似图案的事实强调了空气污染程度的显著波动在每天重复出现 的主张。
图9是说明在城市伦敦监测时在覆盖一整年的十七个取样日子(间隔22天 取样)的周期中的空气污染程度的显著波动的重复出现的图。图io是说明在城 市海法的一整年的测量波动的图。如图所示，空气污染波动在整年中重复出现。 另外，众多波动(尤其在冬天)超过图IO中的呈现的最大程度。空气污染程度 的特征在于每天发生的不可预测的、连续、频繁且显著的波动。图H是说明这 些不定波动的图。此图展示在城市伦敦的四个不同日子测量的空气污染波动。 如图11的图表中的数据所说明，空气污染程度并未展示任何规律性。
空气污染波动并未根据预定周期来发生。因此，没有方法来准确预测特定 位置中连续时间点的空气污染程度值。尽管存在一些经设计以预测空气污染程 度的系统原型(例如，神经网络)，但这些方法不能有效地处理变化，其不够敏 感来检测局部不规则性，其不准确且不适合用于以高分辨率来分析空气污染。 举例来说，这些系统不能识别在几分钟和几十分钟内的空气污染趋势和程度的 差异。最终，这些系统将来可服务于所建议的系统和方法，但现在没有方法来 准确预测从现在起的几分钟、几十分钟或几个月中的任何单个时间点的污染程 度的改变如何。
使用空气污染波动来将建筑物的通风安排到最佳时间引起了两个主要问 题第一，存在可行性和应用问题。举例来说，空气污染波动不是周期的或预 定的。因此，需要系统和方法来决定是否在某一时间点或等到下一时间点进行 通风，以便达到建筑物中的最佳空气质量。
第二问题是用于每一建筑物的这些系统的高成本。仅专业监测站足够敏感 来有效、实时且以高分辨率来检测空气污染程度的主要变化。然而，专业监测 站的成本是至少每单元数千美元，且每一建筑物需要监测站的持续专业操作。 使大型、昂贵且专业的监测站定位在每一建筑物的周围是不实际的。另外，必 须在监测站与计算机之间建立连接，所述计算机必须根据能够估计用于通风的 最干净适当时间点的程序来工作。
空气污染波动并非周期或预定的，且城市的不同部分可展示不同程度的空 气污染。然而，所揭示的系统和方法利用了以下事实根据对空气污染监测站 所累积的数据执行的分析，城市地区根据其空气污染趋势往往包括大的均质的 环境。在许多情况下可能的是整个城市地区将根据空气污染趋势而成为单个环 境。空气污染趋势的类似之处是空气污染程度增加或降低的时间的类似，以及
1最小和最大值的时间的类似。换句话说，虽然在单个城市地区的不同位置可在 任何单个时间点具有不同的空气污染程度，但在不同位置的所监测程度的波动 倾向于一致。
图1是说明在城市特拉维夫的四个不同区在六天的周期内监测时的所监测 空气污染程度的图。从此图容易可见，尽管在四个监测站中测量到不同的污染 程度，但所测量趋势在所有区域是主要相同的，且最小程度(例如点130、 140 和150)和最大程度(例如点100、 110和120) —致。虽然一些区可能彼此不 同步，但相同城市地区的两个不同区可能在其空气污染趋势的差异方面展示可 看出的模式或规律性。由发明者进行的研究己展示这些发现是城市地区的空气 污染程度的波动的特征。
基于这些发现且由于此系统和方法的主要目的是识别这些极端点(最大和 最小两者)以找到一天中的最佳时间用于使建筑物通风，所揭示的系统和方法 建议利用此现象。另外，所揭示的系统和方法经设计以识别关于城市地区的不 同部分之间的空气污染趋势的差异的模式和规律性并且利用此现象。
图2是根据本发明的实施例的位于城市地区中的主系统组件的示意性说明。 本发明的实施例由优化控制计算中心230和若干空气污染监测站210构成，所 述空气污染监测站210为移动的或固定的且位于相同城市地区200的不同区中。 同样在城市地区200中的是客户建筑物220，其气流通风由简单的调节单元240 来调节。值得注意的是计算中心230的数目和监测站210的数目显著小于气流 通风由系统控制的建筑物的数目。更显著的是，单个优化控制计算中心230可 服务于若干城市地区。考虑到空气污染监测站210通常是系统中最昂贵的组件 的事实，系统的此特征显著地降低了其实施成本，因为其对于每一大城市地区 仅需要一个或几个监测站210。
图3是根据本发明的实施例的系统组件之间的信息流的示意性说明。空气 污染监测站210监测其所定位的位置处的空气污染程度，且经由网络300将此 数据实时传送到优化控制计算中心230。可连续地或以短时间间隔来监测空气污 染等级。其它数据源可服务于优化控制计算中心230。网络300可以是专用私有 网络、蜂窝式数据网络、因特网或任何其它类型的数据通信网络。所接收的数 据在优化控制计算中心230中存储和分析。经由网络310来执行优化控制计算 中心230与调节单元240之间的通信。网络310可以是专用私有网络、蜂窝式 数据网络、因特网或任何其它类型的数据通信网络。
所建议的系统和方法可通过使用接受的空气污染标记物(例如N0x)或其它 种类的污染物来估计空气污染程度。因此所建议的系统和方法可根据规范化指
12数来工作。
在由空气污染趋势的类似之处界定的环境中，可能在已知一个位置的空气 污染趋势的情况下粗糙地评估在另一个位置中的空气污染趋势。相同城市地区 中的两个不同位置之间的空气污染趋势的类似之处的程度取决于若干因数，例 如距离、凤向、风速、温度等等。已知这些因数及其值的情况下，可能通过监 测相同城市地区内的其它位置的空气污染趋势来优化对不同位置的空气污染趋 势的评估。
优化控制计算中心230持有城市地区200的详细地图。所预订建筑物的准 确位置标记在地图上。图4是在优化控制计算中心230的处理单元中看见的城 市地区200的详细地图的说明。在地图400中，例如通过将城市划分为方块网 格且标记空气污染监测单元210的准确位置来最初将城市地区200划分为若干 主要区。主要区的大小可根据城市中空气污染趋势的均质性来确定在均质城 市中需要较少的主要区，因为其主要区是较大的。系统使每一建筑物220与建 筑物所属城市地区200的主要区相关联。基于从监测单元210实时接收的数据， 系统持有关于其主要区(例如，主要区B2、 C4、 D-E2和F3-4)中的空气污染程 度的数据。估计城市地区200的没有空气污染监测单元210的主要区(例如主 要区C2、 D3和F2)中的空气污染。根据来自城市地区中的所有监测站210的数 据来计算和优化这些主要区中的空气污染程度的估计，然而从每一站210接收 的数据的相对权重是根据所述站距给定主要区的距离且将己知影响空气污染程 度和扩散的其它所测量因数考虑在内来确定的，所述因数例如风向和风速、温 度、地形、大气压和湿度等等。许多因数可由监测站来测量，且其它因数可直 接在优化控制计算中心更新。此优化过程在预备阶段执行且可在系统的操作期 间周期性地执行，从而使得能够在不包括监测站的位置中估计实际的空气污染 的程度。
对于主要区与监测站的每一可能配对来计算特定的因数。所述因数确定在 估计主要区中的空气污染趋势时每一站相对于其它站的相对影响。从不同监测 站接收的因数的值乘以主要区与监测站的每一可能配对的特定因数。接着计算 来自所有监测站的所接收相乘值的总和并除以因数的总和，以便确定不同主要 区中的相对空气污染程度。由于单个或少量的计算中心230可服务于城市地区 200，所以计算的复审、算法的改进和调整、城市地图和监测站位置的更新以及 额外参数的更新可全部在在中心执行。
另外，在不具有固定监测站的区中使用移动监测站的周期测量允许供应关 于所述区中的准确污染程度的数据。此使得计算中心能够在监测站未放置在所
13述区时估计所述区中的绝对污染程度，且将污染趋势的所计算估计与所测量值 进行比较，且相应地校正计算算法。根据本发明的一个实施例，移动监测站可 定位在公交运输车辆上，例如电车或轻轨。因此，移动监测站跟随贯穿城市地 区的规则路线，且可以预编程的时间间隔来传输空气污染数据。由于城市地区200的所有区中的空气污染程度的波动是不以任何方式为周 期性或可预测的，所以系统利用优化算法来确定用于建筑物通风的最佳时间。 为了确保最佳结果且确保建筑物在存在最少空气污染的时间点通风，系统比较 建筑物所在的区中的任何时间点的当前估计相对空气污染程度，且将其与所述 建筑物的最近几次气流通风的相对空气污染程度进行比较。因此，来自优化控 制计算中心的通风命令对于每一区可以是特定的。确定每一建筑物的最佳通风时间依赖于三个算法建筑物的相关污染值算法、 一个时间单位的污染程度算法和折衷函数(compromising function)。所有三个算法都可更新或改变。建筑物的相关污染值是根据在最近通风期间进入特定区的建筑物中的空气 污染的相对程度来确定的。建筑物的相关污染值取决于两个连续测量之间的时 间单位。在确定建筑物的相关污染值时室外通风实际上发生时的时间单位的权 重取决于此时间单位的现状。随着进行更多的通风命令，先前的时间单位的值 变得与估计建筑物的当前污染值的相关性越来越小。在存在空气污染数据的更 新的任何时间点，计算中心230对于每一区估计现在的相对污染值是否小于或 等于建筑物的相关污染值。来自外部的通风在污染的所测量值小于或等于"建 筑物的相关污染值"时被激活或继续进行。为了确保对空气污染程度相对较低的时间的最佳利用且避免建筑物未通风 的长时间周期，系统还操作折衷函数。此函数表示建筑物的相关污染值与当前 污染程度之间的所需关系。根据此函数，随着时间经过最后一次通风，需要建 筑物的相关污染值与当前空气污染程度之间的较小关系以便起始来自外部的通 风。因此，将相对较高的污染程度确定为足够低以将当前时间界定为通风的时 间。 一旦激活建筑物中的通风，就更新那些建筑物的相关污染值且重新计算折 衷函数。可使用替代函数来确定对建筑物通风的适当时间，且其参数可被修改和更 新。举例来说，可使用利用经设计以预测空气污染程度的学习算法的网络(例 如，神经网络)以便改进系统的反应时间以及其寻找室外通风的最佳时间的能 力。最佳通风时间也可根据用于预测空气污染程度相对较低的规则时间(例如 九个小时)的周期性测量和估计来确定。图5是说明折衷函数的操作的图。线500标记建筑物220所在的区中的相对空气污染程度，区510标记气流通风调节单元240作用且激活建筑物220中 的气流通风的时间周期。线520表示根据折衷函数的所计算值，其标记气流通 风调节单元240可被给定命令以开始气流通风的最大空气污染程度。线520的 程度是根据最近的通风(例如，点a、 c和e)中的建筑物的相关污染值的程度 来确定的。根据此说明中展示的折衷函数，线520保持恒定持续预定的时间间 隔1\，且接着随着时间前进到T2而逐渐增加。 一旦空气污染程度降低到线520 所标记的最大程度(例如点b、 e和g)，空气通风调节单元240就被给定命令以 开始再次操作。因此，虽然点f和g的空气污染程度相同，但气流通风调节单 元240仅被给定命令以在点g操作，因为点f在线520上方。可关于不同季节 中的不同条件(例如，不同天气条件)来更新折衷函数。图6是说明在由上述算法实现时建筑物中的空气污染程度相比较建筑物外 部的空气污染的图。线500说明建筑物外部的空气污染程度，且线600说明建 筑物内部的空气污染程度。线610标记建筑物外部的空气污染程度的平均值， 且线620标记建筑物内部的空气污染程度的平均值。如从图容易可见，建筑物 外部的平均空气污染程度610显著高于建筑物内部的平均空气污染程度620。通风调节命令发送到区中的每一客户。在每一客户建筑物220处安装廉价 且简单的通风调节机构240。例如开始或停止的命令操作建筑物中的通风过程。 另外，系统可发送中间命令，其调节通风的程度，例如增加或减少通风。专业监测站是所建议系统和方法中的最昂贵项目。因此需要尽可能的减少 其数目。在城市的大区域中的空气污染程度趋势的类似性使得可能减少监测站 的数目。在不同的区在其空气污染趋势方面同步的城市中， 一个监测站将足以 覆盖大区域且甚至可用于整个城市地区。此系统和方法改进且减少了空气污染程度和其它参数的数据收集点与大量 通风机构之间的通信路径上的数据传送负载。从不同位置和来源收集空气污染 数据和其它参数的一个处理中心(计算中心)的利用使得每一客户能够从单个 来源接收简单的数据，即已经处理成纯数据或指令的数据。使用一个处理中心 减轻了客户包括局部处理单元的需要。此系统和方法不需要将专业监测站放在 每一建筑物的前方和每一区中，且不需要将许多处理器集成在每个客户的每个 通风机构中。此系统和方法仅提供一个计算中心，其确定是否发送命令到每一 建筑物处的简单调节单元240。此外，不需要由客户的设备来接收不同种类且来 自不同来源的未处理信息。此系统和方法因此不需要将许多处理器集成在每个 客户的每个通风机构中。因此，防止了到达客户设备的通信信道中的数据的连 续业务的过载。这降低了所建议解决方法的成本和复杂性。为了进一步降低成本且增加系统的效率，展示同步空气污染趋势的不同的 主要区可经统一以形成较大的次要区。此处，估计空气污染趋势和针对每一次 要区的中心优化这些估计足以建立位于次要区中的每一建筑物的空气污染趋 势。监视主要区到次要区的分组并且可重新布置次要区。如上所述，通过使用 移动监测站来检査划分为次要区的效率，所述移动监测站用作空气污染趋势的 估计的质量控制。作为此过程的结果，根据空气污染程度或相对程度的波动出 现的同步而将城市地区划分为若干区，且界定关于不同区之间的波动出现的差 异的规律性的模式。计算中心识别关于不同次要区之间的空气污染趋势的差异的模式或规律 性。如果这些经识别出，那么可通过使用相同监测站来估计不同次要区中的空 气污染趋势来实现进一步效率。系统的比例如下单个到若干监测站和单个计算中心，而单个计算机可服 务于不同的城市。这些设施可服务每个城市的多达数百个次要区和域以及数千 到几百万个客户。所建议的系统和方法可远程不同种类的调节通风系统和空调系统的活动以 便减少室内空气污染。其可经调整为且作为独立的产品售卖，作为可集成在客 户的通风和空调系统中的机构售卖，或作为空调和通风系统的生产线中的内建 机构(例如芯片)售卖。因此，所建议的系统和方法可与未连接到任何种类的 空调系统的通风系统一起工作。根据从计算中心发送到调节单位240的命令，系统调节在内部空气循环与来自外部的气流之间切换的阀或排气孔。为了降低仅具有内部循环的建筑物中 的空气污染程度，通风系统可与调节来自外部的气流的替代阀或排气孔集成。图7是建筑物中的气流与气流通风调节单元的操作的两个状态的说明。在 状态700中，通风开口 710闭合且建筑物720内部的空气循环730。在状态750 中，通风开口 760打开，通风机活动，且来自外部780的新鲜空气流入770。气 流通风调节单元240调节开口 710、 760的状态。如果发现当前空气污染程度等 于或小于根据折衷函数所计算的值，那么系统发送命令到调节单元240以开始、 继续或增加气流通风。假设发现当前空气污染程度高于根据折衷函数所计算的 值，那么系统发送命令到调节单元240以停止或减少气流通风。自治通风机构经设计以忽略外部的空气污染程度，且将调节新鲜空气进入 建筑物的流动。此机构含有计时器，其可即使在未从控制中心接收到指令的情 况下操作室外通风。根据局部参数和条件，自治通风机构可调节来自外部的气 流。这些局部参数可包括对两次各自连续气流通风激活之间的时间量的时间限16制。在安装或配置阶段，自治通风机构可经编程以计算距最后的通风激活的时 间，且如果未接收到来自中央计算中心的命令就在预定时间之后自动激活通风。 在优化控制计算中心用以操作来自外部的通风的每次决策之后，向计时器装入 额外延迟时间。延迟时间是根据由计算中心确定的最近室外通风的持续时间乘 以将建筑物的需要特征化的"延迟系数"来累积的。在需要频繁通风的建筑物 中，可确定延迟系数的较小的值，因此延迟时间较短。延迟系数的值由系统的 技术人员在系统的安装期间确定，且系统也限定最大延迟时间的极限。客户可在其想要比平常更频繁的室外通风时限制且减少计时器中编程的延 迟吋间。客户不能够增加技术人员所限定的延迟时间，但能够关闭通风系统。根据本实施例的另一实施方案，自治通风机构不仅可由计时器激活，而且 可由基于集成在通风系统中的传感器所测量的室内C02浓度的另一机构来激活。 小的C02传感器连接到通风机构。C02传感器测量建筑物内部的C02程度，且通知 自治通风机构C02程度何时超过预定阈值，因为相对高的C02程度指示需要来自 外部的空气的通风。自治通风机构可接着激活气流通风以减少建筑物内部的C02程度。根据本发明的一个实施例，反馈环路放置在计算中心230与调节单元240 之间。计算中心可接收关于来自每个建筑物220中的调节单元240的气流通风 的信息。计算中心也可接收关于封闭环境内部的空气污染源的活动和操作的信 息，例如烹饪设备的操作。计算中心借此可检查特定建筑物中的操作的效率。 计算中心也可接收例如建筑物的大小、建筑物的主要活动时间、建筑物的所需 要的气流通风频率及其气流通风速率的静态信息以及关于从最后的通风以后经 过的时间及其长度的动态信息。优化控制计算中心230还持有关于每个建筑物220中的所有气流通风调节 单元240的信息。对于每一单元240，计算中心230持有其在城市地区的位置和 其所安置的建筑物的类型。关于每一调节单元的气流通风数据包括例如建筑物 的大小、建筑物中的主要活动时间、建筑物的所需要的气流通风频率及其气流 通风速率的静态信息以及关于从最后的通风以后经过的时间及其长度的动态信 息。根据此数据，且根据空气污染波动，计算中心230发送气流通风命令，主 要命令开始或停止建筑物220中的气流通风程序。在图解说明6中，时间间隔T,的长度和T2的梯度比率可根据建筑物静态参 数来确定，例如建筑物的大小、其气流通风能力、其估计最小和最大人口密度 以及一天中其人口最密集的时段。举例来说，用于大型办公建筑物(其预期在 中午时人口密集且其中的通风较差)的折衷函数将经编程以在白天期间具有相对短的T,和尖锐梯度的T2，从而确保在建筑物被充分占用时频繁通风。另一方 面，用于具有良好通风速率和中等程度的人口密度的建筑物的折衷函数可经编 程以具有较长的T,和较适度梯度的T2。根据本发明的另一实施例，所揭示系统可经调试以操作用于任何种类的车 辆，例如小汽车、公交车、火车和停泊在海港的船只。为此目的，将全球定位 系统(GPS)单元或蜂窝式单元安装在车辆中。在每个预定时间间隔，所述单元 传输车辆的位置到计算中心230。计算中心230接着根据车辆关于每一城市地区 的区(如由计算中心230所限定)的相关位置来确定是否使用空气对车辆的内 部进行通风。 一般来说，计算中心230根据车辆周围的所测量污染程度在从外 部通风与循环之间切换。根据本发明的另一实施例，将计算结果直接发送到系统的用户而非自动气 流通风调节单元240。用户的位置可由用户手动地确定。或者，根据现有技术已 知的方法，用户的位置可根据用户所携带的蜂窝式移动装置的地理位置来识别， 例如蜂窝式电话或GPS单元。将用户的位置传送到计算中心230。计算中心230 将关于其当前位置处的空气污染程度趋势和通风的最佳时间点的消息传输给用 户。视情况使用任何类型的电子消息传递系统来实时发送这些消息，所述电子 消息传递系统例如短消息服务(SMS)消息、即时消息、电子邮件消息、多媒体 消息服务(MMS)消息等等。系统的用户也可通过专用网站或使用任何类型的电 子消息传递系统询问系统来实时接收关于不同位置的污染程度的空气污染数据 和通风的最佳时间。因此，用户可决定何时对其住宅、办公室或其在任何时间 地所处的任何地方进行通风。虽然已关于有限数目的实施例描述了本发明，但不应将这些实施例解释为限制本发 明的范围，而是作为所述实施例中的一些的范例。所属领域的技术人员将预想也在 本发明的范围内的其它可能变化、修改和应用。因此，本发明的范围不应由迄今所 描述的内容来限制，而是由所附权利要求书及其法律等效物来限制。因此，应了解 本发明的替代、修改和变化应解释为属于所附权利要求书的范围和精神之内。
权利要求
1.一种用于使用至少一个空气污染监测站和至少一个计算中心来估计城市地区的不同位置的空气污染程度和空气污染趋势的方法，所述方法包含以下步骤从所述城市地区中的至少一个位置以常规方式实时连续收集空气污染数据和识别日常频繁空气污染波动；将所述数据传输到至少一个计算中心；执行识别关于所述城市地区的不同位置之间的空气污染程度趋势的同步的预备阶段；基于所述预备阶段，分析所述计算中心中的所述数据，且估计所述相同城市地区的至少一个位置中的空气污染程度，其中所述相同城市地区不包括监测站。
2. 根据权利要求1所述的方法，其中所述空气污染程度是相对程度。
3. 根据权利要求1所述的方法，其中所述预备阶段进一步包括以下步骤 从所述城市地区中的第二位置收集空气污染趋势；由所述计算中心分析关于所述相同城市地区的所述位置处的空气污染趋势的差异的 模式、规律性和依赖性。
4. 根据权利要求1所述的方法，其进一步包含以下步骤从所述城市地区中的至少一个位置连续收集关于介入因数的数据，其中所述介入因数 包括影响空气污染的浓度、扩散和分散的参数；将所述介入因数的所述数据传输到所述计算中心；根据来自远程监测站的数据和所述介入因数来估计所述不包括监测站的城市地区的 空气污染趋势。
5. 根据权利要求4所述的方法，其中所述介入因数至少包括以下之一每一监测站与 每一位置之间的距离，风向，风速，温度，地形，大气压，湿度，这些参数相对于每一位 置的角度或向量，空气的成分和日光强度。
6. 根据权利要求4所述的方法，进一步包含一个计算因数的步骤所述的因数在监测 所述相同城市地区中的至少两个不同位置中的空气污染程度时，用于确定在估计不包括监 测站的每一位置的空气污染趋势中每一监测站的相对影响；对于每一监测站与每一位置的每一可能配对的所述因数是根据以下进行计算的每一 监测站与每一位置之间的距离，风向，风速，温度，地形，大气压，湿度，这些参数相对 于每一可能监测站和位置配对之间的每一位置或每条线的角度或向量，空气的成分和日光 强度。
7. 根据权利要求1所述的方法，进一步包含将所述经分析的数据传输到所述城市地区 中的至少一个接收者的步骤，其中所述经分析的数据与所述接收者周围的实时相对空气污 染程度有关。
8. 根据权利要求7所述的方法，其中所述经分析的数据包括用来自外部的空气给封闭 环境通风的命令。
9. 根据权利要求8所述的方法，其中所述命令是通过将所述封闭环境的周围的相对空 气污染程度与所述封闭环境的每一位置的相对空气污染程度的计算阈值相比的当前估计 而确定的。
10. 根据权利要求9所述的方法，其中所述阈值由所述计算中心根据先前通风时间点 的相对污染程度来确定的。
11. 根据权利要求10所述的方法，进一步包括以下步骤 测量所述封闭环境的每两次连续通风之间的时间间隔；在计算所述阈值时将所述时间间隔考虑在内，其中所述时间间隔越长所述阈值越高。
12. 根据权利要求8所述的方法，其中每两个连续通风命令之间的最大时间间隔是根 据每一封闭环境的相关参数来预先确定的。
13. 根据权利要求8所述的方法，其中所述接收者是以下至少之一所述封闭环境中 的自动通风调节单元，位于所述城市地区中的人员。
14. 根据权利要求9所述的方法，进一步包含以下步骤 测量所述封闭环境中的空气组分；在计算所述阈值时将所述封闭环境中的所述测量空气组分考虑在内，其中所述封闭环 境中的空气组分的较好组成允许较低的阈值。
15. 根据权利要求8所述的方法，其中所述封闭环境的位置是实时识别的。
16. 根据权利要求14所述的方法，其中所述定位过程是使用以下至少之一进行的 全球定位系统(GPS)、蜂窝式装置的位置识别。
17. 根据权利要求8所述的方法，其中所述封闭环境至少是以下其中之一 建筑物，车辆。
18. 根据权利要求1所述的方法 的预测。
19. 根据权利要求18所述的方法
20. 根据权利要求8所述的方法 定的。
21. 根据权利要求20所述的方法 部的体积、人口和活动程度。
22. 根据权利要求8所述的方法 整所述计算的步骤。
23. 根据权利要求13所述的方法，其中所述自动通风调节单元包括C02传感器，所述 方法进一步包括当C02程度超过预界定的阈值时允许激活来自所述外部的气流通风的步骤。
24. —种为了优化封闭环境的气流通风条件而监测和估计城市地区中的空气污染的日，其中所述计算依赖于根据预测算法对空气污染程度，其中所述预测算法基于学习算法。，其中所述通风命令是根据所述封闭环境的特征来确，其中所述封闭环境的所述特征包括所述封闭环境内，进一步包含从所述封闭环境接收反馈信息并相应调常程度或相对程度的系统，所述系统包含至少一个第一空气污染监测站，其位于所述城市地区中用于连续监测其位置处的所述 空气污染程度的常规波动；至少一个第二监测站，其操作用于对所述相同城市地区的不同位置之间的空气污染程 度趋势作出同步的预备识别；中央优化控制计算中心，其用于收集和分析从所述监测站通过第一通信网络接收的空 气污染数据，并通过第二通信网络发送控制命令到所述封闭环境中的接收者，其中所述控 制命令包括通风模式数据。
25. 根据权利要求24所述的系统，其中至少一个接收者的位置不包括监测站。
26. 根据权利要求24所述的系统，其中所述接收者至少是以下其中之一 自动通风调节单元、位于所述城市地区内的人员。
27. 根据权利要求26所述的系统，进一步包括确定所述接收者位置的定位系统。
28. 根据权利要求27所述的系统，其中所述定位系统至少是以下其中之一 全球定位系统(GPS)单元；蜂窝式通信单元。
29. 根据权利要求26所述的系统，其中所述自动通风调节单元控制来自外部的空气使 所述封闭环境通风。
30. 根据权利要求24所述的系统，其中所述封闭环境至少是以下其中之一 建筑物、车辆。
31. 根据权利要求24所述的系统，其中所述监测站是移动的。
32. 根据权利要求24所述的系统，进一步包括用于收集关于介入因数的信息的至少一 个监测站，其中所述介入因数包括影响空气污染的浓度、扩散和分散的参数。
33. 根据权利要求24所述的系统，进一步包括用于预测空气污染程度相对较低的规则 时间点的周期性测量和估计的算法。
34. 根据权利要求26所述的系统，其中所述自动通风调节单元进一步包括用于在预定 时间之后激活来自所述外部的气流通风的计时器。
35. 根据权利要求26所述的系统，其中所述自动通风调节单元进一步包括C02传感器， 所述C02传感器允许在C02程度超过预界定的阈值时激活来自所述外部的气流通风。
36. 根据权利要求26所述的系统，其中所述监测站提供关于相对空气污染程度的数据。
37. 根据权利要求24所述的系统，其中所述命令是通过将所述封闭环境的周围的相对 空气污染程度与所述封闭环境的每一位置的相对空气污染程度的计算阈值相比的当前估 计而确定的。
全文摘要
本发明公开了通过调节气流通风来估计和减少空气污染的系统和方法，根据所在地区空气污染程度来监测城市地区中的空气污染程度从而优化建筑物的气流通风条件。本发明实时供应关于局部空气污染程度或相对程度(即当前空气污染程度相对于先前空气污染程度)的数据。所揭示的系统和方法利用空气污染程度的波动来达到建筑物内部的空气污染程度的最佳降低。所述系统界定通风的最佳时间，以便通过使用对每一建筑物周围(尤其是不包括监测站的位置)的空气污染程度的不定、连续且有效波动的测量，以常规方式达到室内空气质量的显著和持续改善。
文档编号G01N7/00GK101542266SQ200780006002
公开日2009年9月23日 申请日期2007年2月14日 优先权日2006年2月21日
发明者巴萨·内尔 申请人:G.R.G专利有限公司;巴萨·内尔