本发明涉及跟踪用户暴露于空气污染的情况，优选地但不唯一涉及跟踪用户暴露于空气污染物的方法和用于跟踪用户暴露于空气污染物的装置。
背景技术：
众所周知，长期暴露于多种类型的空气污染与主要疾病的风险增加和死亡率增加有关。由于不可能完全避免暴露于空气污染，因此许多政府机构公布时间平均阈值，其限定可接受的暴露限度。例如，中国标准gb3095-2012规定24小时时间段内细颗粒物pm2.5的水平为35μg/m3，而世界卫生组织who空气质量指南设定pm2.5的限值为10μg/m3(作为年平均值)和25μg/m3(作为24小时平均值)。其他污染物如o3和no2的平均暴露水平在各个不同的周期设定：例如who指南将o3暴露值设定10μg/m3(作为8小时平均值)，而no2暴露值设定40μg/m3作为年平均值，但1小时平均值设为200μg/m3。
根据环境监测站的数据，实时(或接近实时)的空气质量信息越来越公开地可用，这些环境监测站通常由政府机构设立和运营，经常用于协助遵从环境立法。例如，http://aqicn.org网站发布世界各城市的实时空气质量信息，包括这些城市内特定传感器站点的污染物水平。虽然高质量的数据可以从公共监测站获得，但这些监测站的空间覆盖范围相对较低，而且污染浓度的不确定性随着与监测站距离的增加而增加。为了增加覆盖范围，可以使用其他连接的传感器并公开广播其数据。
例如，在其他地方越来越多地发现空气质量传感器，例如在商业建筑中，它们通常用于需求控制的通风设备，以及在私人住宅中，在这些地方空气净化器开始出现。这样的空气净化器可以具有集成的传感器，其可以将他们的数据发送到安装在用户设备，例如智能手机上的应用(app)。
但是，与环境监测站相比，其他来源提供的数据质量无法得到保证。例如，对于集成到商用空气净化系统中的传感器，数据的质量可能取决于制造商、品牌和型号。同样，使用可穿戴式传感器的人可能会广播空气质量测量结果，但结果将很大程度上取决于传感器的位置和传感器的质量。
因此，一个普遍的问题是，在共享空气污染数据的情况下，数据的质量是未知的，不能得到保证。
us2015/005901公开了为多个传感器设备建立传感器注册表并通过交叉检查与类似位置中的其他设备的读数的一致性来向这些设备分配质量等级。
即使可以根据公开可用的空气质量数据检查各个特定地点的空气质量值，人们也很难确定他们的个体暴露，以确保其符合公布的准则限制。当人穿过不同的室内和室外位置移动时，这会变得更加困难，室内和室外位置的特征通常在于具有自己的污染物概况(profiles)和浓度。
对于特定的目标群体，如呼吸道疾病患者，跟踪暴露对预防疾病恶化至关重要。
联邦环境局(umweltbundesamt)2013年9月1日的文件：“dasluftmessnetzdesumweltbundesamtes”公开了一种用于跟踪人类暴露于空气污染物的方法，其中使用了多个由联邦环境局和合作伙伴运营的emep(欧洲监测和评估计划)环境监测站。
技术实现要素：
本发明的目的是提供一种用于跟踪用户暴露于空气污染物的方法和装置，其基本上减轻或克服了上述问题中的一个或多个问题。
本发明由独立权利要求限定。从属权利要求限定有利的实施例
根据本发明，提供了一种用于跟踪用户暴露于空气污染物的方法，包括：从一个或多个用户位置处的多个空气质量数据源接收污染物信息；确定所述多个数据源中的至少一个的权重，权重表示来自相应数据源的污染物信息的质量，基于权重从多个数据源中选择数据源，以及汇总来自所选数据源的污染物信息以确定用户在预定时间段内的暴露。
通过在预定时间内汇总准确和可靠的污染物信息，用户能够将他们的个人暴露与公布的阈值进行比较。
该方法可以有利地包括选择具有最高权重作为表示最准确的数据的数据源。通过在多个数据源中选择最高权重的，总体暴露数据中的总体不准确性可以保持尽可能低。
该方法可以进一步包括根据来自具有相同权重的数据源的污染物信息针对污染物水平计算平均值。在多个数据源被分配相同的权重的情况下，可以计算平均水平，这可以提高准确性。
该方法可以包括不选择具有低于预定阈值的权重的数据源。换句话说，该方法可以包括仅选择具有高于预定阈值的权重的数据源。有利地，认为不可靠的空气质量数据可以从暴露计算中排除。
确定多个数据源中的至少一个的权重可以包括接收预定的权重信息。有利的是，该方法可以重新使用先前确定的权重信息，从而避免需要重新计算。预定的权重信息也可以更可靠，因为它可能已经从许多不同的测量中计算出来。
预定权重信息可以通过接收至少一个数据源的识别信息，将识别信息发送到远程服务器，并且接收与识别信息对应的至少一个数据源的预定权重信息来获得。
例如，在与数据源相关联的每个传感器具有唯一的id的情况下，该唯一的id可以由传感器发送并由用户使用，例如由用户的移动设备上的应用，例如从基于云的服务器获取该传感器的权重信息。
然后，当传感器计算出新的权重时，该权重与唯一id一起可以由用户上传到远程服务器，例如基于云的服务，以使其可以随后被其他设备使用。通过将权重上传到远程服务器，可以根据大量用户的权重及时达成共识权重。
有利地，确定多个数据源中的至少一个的权重可以包括基于关于数据源类型的信息，诸如与数据源相关联的传感器的传感器型号，来确定数据源的权重。由于相同传感器型号的单元可能按照相同的标准构建，因此具有相似的数据准确性和可靠性，因此可以将权重分配给这种型号，而无需与已知的标准传感器进行单独比较。
为了基于传感器类型或型号建立权重，该方法可以包括将具有相同传感器类型的多个不同传感器中的每一个的污染物信息与来自与高质量污染物信息相关联的预定数据源的污染物信息进行比较，计算传感器类型的传感器质量的程度，传感器质量的程度与权重相关联的，并且基于所计算的传感器质量的程度将权重分配给给定的传感器类型。
有利地，确定数据源的权重可以包括将来自未加权数据源的第一污染物信息与来自与高质量污染物信息相关联的预定数据源的第二污染物信息进行比较，并且基于比较结果将权重分配给未加权数据源。
因此，未加权数据源与标准数据源进行了有效比较，以便可以准确确定其权重。预定数据源可以是已知或认证的用于产生高质量数据的环境监测站。一旦将未加权的数据源与标准进行比较，它本身可以用作标准数据源来对未加权的数据源进行分类，从而建立一个质量相互测量的数据源网络。
因此，可以从用户的周围收集污染物信息，同时利用高空间覆盖率扩充传感器池，其质量已经依靠其他已知的高质量数据源进行了验证。
未加权数据源的权重可以基于未加权数据源与预定数据源之间的距离来确定。例如，如果次传感器的空气质量数据与主传感器的数据匹配在一个给定的阈值范围内，在主传感器(例如，已知的环境监测系统)的第一预定半径范围内的次传感器可以被加权与主传感器同样的权重。在次传感器位于比第一预定半径更远的第二预定半径内的情况下，权重可以被降低以反映由于距主传感器的距离增加而引起的不确定性。
该方法可以进一步包括接收关于未加权数据源周围的环境的补充信息以确定第一污染物信息是否有效。例如，当传感器位于室内时，其相对于附近室外传感器的读数的有效性可能取决于通向外部的窗户是否打开。如果提供有关窗户状态的补充信息，则可以使用此信息来确定读数是否可相当。设想其他类型的补充环境信息，例如温度或湿度信息，其可以指示两个传感器是否处于相同的环境中。
有利地，汇总污染物信息可以包括针对多个位置中的每一个确定来自污染物信息的污染物浓度，确定暴露于污染物浓度的持续时间并在多个位置上求和。这允许整体暴露量被计算并显示给用户。
可以针对污染浓度被认为在区段内保持恒定的多个区段中的每个区段计算暴露量，从而潜在地简化了暴露量的计算。
暴露计算还可以考虑例如由健身监测应用或心率传感器确定的用户呼吸率。通过监测用户在暴露于污染物时的呼吸/呼吸率，可以对用户的污染物暴露进行更精确的估计。通过呼吸传感器收集的数据可以被跟踪用户暴露于空气污染物的方法用来提高其准确性。
根据本发明的实施例，用于跟踪用户暴露于空气污染物的方法还包括确定对象/用户的呼吸率的步骤。在这个步骤中，确定用户吸入了多少空气(体积)。在该实施例中，汇总污染物信息的步骤进一步包括考虑呼吸率数据并通过还使用该呼吸率数据来确定对空气污染物的暴露对于对象/用户的影响。
在传感器提供给定时间段的平均污染物浓度的情况下，例如每小时，可以通过随后例如在比如互联网的公共来源上查看相关时间的污染物浓度来确定暴露时间的污染物浓度。
本领域技术人员将理解，所描述的方法可以由计算机程序执行，例如运行在移动设备上的应用，例如，一款能够使用gps芯片跟踪用户移动的智能手机。该计算机程序当由设备的处理器执行时被安排执行所描述的方法。
诸如呼吸传感器或其他身体状况传感器之类的其它装置可以用于进一步提高随着时间的推移确定用户暴露于污染物的准确性。
根据本发明的另一方面，提供了一种用于跟踪用户暴露于空气污染物的装置，包括：接收器，被配置为接收来自一个或多个用户位置处的多个数据源的污染物信息，以及处理器，所述处理器被配置为确定所述多个数据源中的每一个的权重，所述权重表示来自相应数据源的污染物信息的质量，并且基于所述权重从所述多个数据源中选择污染物信息，所述处理器进一步被配置为汇总来自所选数据源的污染物信息以确定用户在预定时间段内的暴露。
根据本发明的实施例，接收器还被配置为接收用户的呼吸率，并且处理器还被配置为考虑呼吸率来确定用户的暴露。考虑到呼吸率进一步增加了确定用户暴露的准确性。
该装置可以是移动设备，例如运行应用的智能手机。备选地，该设备可以是专用的污染监测器，使用硬件和软件的组合来实现其功能。
通过提供可以在任何给定时间段内汇总污染信息的装置，其可以是用户可编程的，用户可以将他们的暴露与公布的暴露极限信息进行比较。
该装置可以包括gps模块，其被配置为提供将与给定位置处的污染物信息相关联的位置数据。gps模块可以有利地用于确定距离数据源的距离。
该装置还可以包括身体状况传感器，用于向装置提供关于用户身体状况的数据。身体状况传感器可以是能够感测用户吸入的空气量的呼吸传感器。这增加了确定用户暴露于污染物的准确性。这种呼吸传感器可以无线耦合到该装置。
接收器可以包括被配置为接收由数据源广播的污染物信息的短程接收器。它也可以被配置为接收用户的身体状况数据，例如，呼吸率。例如，短程接收器可以是蓝牙或低功率蓝牙接收器，或者可以通过任何其他通信协议(包括wifi，zigbee等)接收通信的接收器。该装置可以包括用于在靠近传感器时从传感器获得数据的nfc近场通信系统。
参考下文描述的实施例，本发明的这些和其他方面将变得显而易见并得以阐明。
附图说明
现在将参考附图仅以举例的方式描述本发明的实施例，其中：
图1示出了根据一个实施例的表述执行用于确定用户暴露的步骤的顺序的流程图；
图2示出了示意性示出多种不同类型的传感器的位置的图；
图3示出了根据一个实施例的系统；
图4示出了根据一个实施例的划分为段以允许暴露跟踪的地图。
具体实施方式
参照图1，描述了用于确定用户暴露于空气污染物的方法，并且粗略地包括从一个或多个用户位置处的多个空气质量数据源接收污染物信息(s1)，确定多个数据源中的至少一个的权重，所述权重表示来自相应数据源的污染物信息的质量，基于所述权重从所述多个数据源中选择数据源(s3)，并汇总来自选定数据源的污染物信息(s4)来确定用户在预定时间段内的暴露量。
当然可以使用许多不同的加权方案。在本公开中，示例性加权方案分配0和5之间的权重范围。对具有非常高质量的数据源给予权重5，例如环境监测站提供从最先进的专业设备获取的数据，如用于pm2.5监测的beta衰减监视器(bam)。在范围的另一端，0表示暴露估计期间可以被系统忽略的不可靠数据。商业数据源，例如商用建筑物中使用的传感器，可以被赋予4的权重。不必然是这样的情况，即家中用户自己的传感器可能本质上比商用传感器不可靠，应该给予较低的评分。一般来说，家用传感器和商用传感器之间不会有重叠，因此这些传感器可以与商用传感器相同的权重。用户自己的个人可穿戴传感器通常比其他来源更可信。
图2是示出多个传感器的位置的示意地图。它用于演示如何确定传感器权重。
参考图2，在示意地图1上示出了多个传感器m1-mn，sx，sy，sz以及用户设备10，该用户设备10运行用于执行暴露跟踪的程序或应用11(图3中所示)。多个第一传感器m1，m2，...，mn表示例如由政府机构运行的环境监测站，其提供关于空气质量的高质量信息，例如常见污染物如pm2.5，pm10，no2，o3等。这些信息可以通过例如互联网进行广播和显示。该信息还可以在本地广播或以其他方式发送，使得用户设备10能够使用包括文本、wifi、蓝牙、低能量蓝牙、zigbee、ibeacon、nfc等的任何适当技术来接收广播。例如，移动设备上的wifi扫描仪程序接收来自各种传感器的空气质量信息以及信号的功率指数。功率指数可以用作用户到wifi设备距离的指标。如果接收到多个信号，则可以使用wifi位置的几何重构来对传感器的位置进行三角测量。可以使用例如公钥/私钥加密来加密传感器信息，使得接收者可以验证信号实际上来自所声称的传感器类型。
示出了多个第二传感器sx，sy，sz。符号sx，sy，sz表示不同类型或型号的传感器。例如，sx代表不同位置的不同传感器单元，但都是相同的传感器型号。这些传感器代表在商业场所、私人住宅等中发现的传感器，集成到连接的空气净化器的传感器，所连接的传感器箱的传感器或用于特定的污染物的所连接的独立传感器。每种传感器类型的特征在于其特定的质量特性，例如精度、可靠性、传感器间变化、检测极限等。
假定在环境监测站处的第一传感器m1，m2，m3的接近半径(例如50-500m)内的污染物浓度(由图2中的虚线圆圈a1，a2，a3所示)是均匀的。因此，区域a1中位于该半径内的第二传感器sxa1提供的污染物浓度应该显示与从环境监测站m1获得的浓度相同的浓度。来自两个传感器m1，sxa1的数据之间的良好一致性(例如达到百分之几的一致性)表明相应的传感器型号x的质量良好。当来自两个传感器的值显著不同时，指示质量差的数据。
但是，需要考虑传感器环境和位置的差异。第二传感器sxa1可以位于例如阳台上的传感器箱中，因此它将暴露于外部空气。另一方面，如果第二传感器sxa1位于室内，则预计传感器值将显著不同。在这种情况下，可以提供补充信息，其可以指示例如窗户当前是否打开。例如，温度或湿度信息可能被广播，并且该补充信息的分析将指示窗户是否打开，以及因此第一和第二传感器提供的空气质量信息之间的比较是否有效。
在基于相同传感器型号x的传感器单元sx存在与环境监测站m1-n足够接近的情况下，传感器型号x的传感器质量d的程度可使用以下关系来定义：
其中
并且
这里，m1，m2和m3是从图2所示的环境监测站获得的数据。sxa1，sxa2和sxa3是从位于区域a1，a2和a3中的型号x的传感器获得的数据。字母m和字母s上方的横杆表示平均值。
可以使用相同的方法来计算其他传感器型号sy和sz的传感器质量d的程度。
为了给新评估的传感器分配权重w，可以应用以下关系作为示例：
表1
因此可以将权重应用于传感器型号，使得不在区域a1，a2或a3内的传感器sx仍然与特定权重相关联，以指示来自那些传感器的数据的准确性。例如，这可能适用于图2中标记为sx1的传感器。应当理解的是，相同的原理适用于将权重分配给大量不同的传感器型号，尽管图中仅示出了三个。
再次参考图2，在传感器sz1不接近诸如环境监测站m1的已知高质量数据源的情况下，传感器仍然可以通过参考已给予另一个传感器的权重而给予权重。例如，在图2中，可以预期传感器sx1，sz1足够接近以提供相同的读数，如虚线区域aa1所示。因此，可以在来自传感器sz1和sx1的污染物信息之间进行比较，并且如果它们匹配到预定阈值内，则传感器sz1可以被赋予与传感器sx1相同的权重，传感器sx1凭借其是型号类型x具有权重。
现在参照图3描述传感器权重可以被分配的过程。
参照图3，在移动设备10的处理器12上运行的程序或应用11接收来自多个传感器20，21，22的信息。该信息包括污染物数据(例如包括污染物类型、值和测量单位)、传感器的gps坐标、数据点的时间戳和采样持续时间(例如，对于1小时平均值)、传感器类型(例如制造商和型号、传感器id)以及任何其他传感器属性(例如污染物水平的预期变化)。应当理解，并非所有的字段都是必不可少的，并且它们取决于传感器的类型。传感器至少可以仅指示污染物的值(假设一个测量单位)。应用11检查是否有任何连接的传感器是可信传感器。例如，第一传感器20可以通过其传感器id指示它是环境监测站(m1)并且因此是可信传感器。应用11为该传感器20分配权重5。备选地，应用11经由远程服务器系统(例如基于云的服务13)，检查传感器id，并且该服务通知应用11第一传感器20是环境监测站。在另一替代实施例中，传感器型号信息被用于经由基于云的服务13检查权重。
作为示例，假设第一传感器20是可信传感器并且针对第二传感器21预定的加权信息不可用，则应用11从第一和第二传感器20，21接收gps信息。根据该信息，应用11确定传感器20，21位于基本相同的区域a内。结果，应用11比较第一和第二传感器的污染物水平信息。如果这些匹配到预定阈值内，则应用11将与第一传感器20相同的权重分配给第二传感器21。
第三传感器22可以是例如可穿戴式或移动式传感器。如果可用的话，传感器id或传感器型号可以针对云服务器13处保存的记录进行检查以确定权重信息是否可用。如果没有这样的信息可用，并且第三传感器22没有足够接近可靠的数据源来执行污染物信息的比较，或者如果这样的比较显示差匹配，则可以指定低权重。
本领域技术人员将会理解，检查和分配给传感器的权重的过程可以是如下的连续过程，在围绕地图行进时以众包方式由众多设备执行。可以考虑来自所有设备的反馈以为地理区域中的所有传感器提供权重，从而在远程服务器(或基于云的服务器)13上建立加权传感器的地图。
现在将参照图4描述跟踪用户的个人暴露的过程。
图4示出了与图2类似的分成多个区段31至36的地图。每个区段与一个或多个传感器相关联。某些区段内可能没有任何传感器。用户设备10在地图上的点x和y之间移动，例如通过标记为31，32，33，36的区段。跟踪用户暴露于空气污染的原理是对于每个区段，假定污染物浓度在整个区段均匀。在一个实施例中，首先例如基于来自移动设备内的gps模块14(在图3中示意性示出)的gps数据来确定用户的移动设备10占据了哪个区段。然后再次基于gps数据或者基于传感器相对接近的测定来确定位于相同区段内的传感器，例如因为传感器数据在诸如蓝牙的短程通信协议上可用。
用户设备10从位于同一区段内的传感器接收多个信号。例如，当用户设备10在第二区段32内时，确定三个传感器41，42和43在该区段内。例如，通过将所接收的传感器id传输到远程服务器并从远程服务器接收预定的权重信息来确定每个传感器的权重，如图3所示。在替代实施例中，权重信息可以是通过使用上述技术在飞行中确定。例如，在确定未分类的传感器42，例如与用户设备10相同的区段内的移动或可佩戴的传感器，接近环境监测站m9(其不需要在同一区段内)的情况下，来自未分类传感器42和所述站m9的污染物信息可以进行比较以确定要赋予未分类传感器42的权重。
一旦已知区段内每个传感器的权重，就选择具有最高权重的传感器来提供污染物浓度信息。例如，在一个传感器具有比任何其他传感器更高的权重的情况下，来自该传感器的污染物信息由暴露跟踪应用11使用。在多个传感器具有相同最高权重的情况下，来自每个传感器的污染物浓度信息可以被平均。
在给定区段内没有可用传感器的情况下，可以使用来自相邻区段中的传感器的数据，同样基于最高的权重信息。再次基于gps数据或其他计算，可以基于用户设备与相邻段中的传感器之间的距离来考虑额外的权重因子。
在一个替代实施例中，这些区段以用户的gps位置为中心，并且基于传感器gps或短程通信数据，仅考虑位于预定半径内的传感器。
再次参考图4，当用户从x移动到y时，他们的移动设备10记录他们的位置和在该区段内花费的时间。通过从最高权重的数据源接收该数据，污染物的浓度也如上所述是已知的。因此可以通过以下方式计算每个区段的暴露：
花费在区段内的时间*每单位时间内区段内的污染物浓度
等式1
针对所经过的每个区段进行计算，并且总和用作总暴露量。
通过考虑这些因素，诸如例如由健身应用确定的、由心率测量等估计的用户呼吸率，可以进一步增强该计算。在这种情况下，暴露量由下式计算：
花费在区段内的时间*单位时间内区段内的污染物浓度*呼吸率
等式2
本领域技术人员应当理解，上面的计算取决于污染物浓度如何呈现。例如，如果污染物浓度以前一小时的平均暴露量表示，那么如果用户在该区段内花费了20分钟，则其暴露量可以计算为所引用暴露量的三分之一。某些数据来源维持历史暴露数据。由于在前一时间段给出的暴露数据事实上在用户处于该区段内时是过时的，因此可以通过在稍后的时间点(例如一个小时后)获取暴露数据来获得来自这些源的数据的更精确的估计，使用传感器的唯一id来获取数据，例如通过互联网。
本领域技术人员应当理解，所描述的暴露跟踪方法可以被实现为移动设备上的程序或应用，例如但不限于智能手机或平板电脑，或者专用污染测量设备。技术人员很好地理解用于在智能设备或专用设备上实现该方法的硬件和软件要求。
所描述的上述实施例仅仅是说明性的，并非旨在限制本发明的技术方法。尽管参照优选实施例详细描述了本发明，但本领域技术人员将理解，在不脱离本发明的技术方法的精神和范围的情况下，本发明的技术方法可被修改或等同替换这也将落入本发明权利要求的保护范围内。在权利要求中，词语“包括”不排除其他元素或步骤，并且不定冠词“一”或“一个”不排除多个。权利要求中的任何参考符号不应被解释为限制范围。