据外媒报道，美国密歇根大学迪尔伯恩分校（UM-Dearborn）计算机和信息科学助理教授Mohamed Abouelenien曾经进入测谎领域，打造了基于人脸热成像的预测模型，也在有关人类警觉性的领域做过类似的研究，而且这种技术在自动驾驶汽车领域非常热门。

而最近Mohamed Abouelenien教授的一项研究跟人类生理学中一个特别主观的感觉：“热舒适度”有关。当人们挤在一个共同的空间，如家里、办公室或者车内，人们可能对于怎样的温度比较舒适很难达到精确的共识。而且很多人会发现，单一的温度设置不能让每个人都感到舒适，可能会引发一场有关温度调节器的拉锯战。

在汽车领域可能更容易实现定制化，而且现在很多车型都为乘客提供方法，让他们在半独立于司机的情况下，控制自己所处环境的情况。不过，Abouelenien与密歇根大学弗林特分校（UM-Flint）机械工程副教授Mihai Burzo合作，尝试将该概念提升几个层次。现在，他们正在研发一个系统，可以自动探测每个人的“热舒适度”水平，然后不断地调整热环境。

Abouelenien和Burzo收集了50个研究对象的“热不适”数据，并开始了试验。他们将研究对象放置在一个封闭的环境中，大致模拟了汽车车厢的情况，然后记录了在各种温度条件下，研究对象的各种生理数据。例如，采用一台热成像摄像头详细记录下研究对象的面部温度，采用另外三个传感器收集有关呼吸速率、皮肤温度以及50多种其他生理特征信息。与此同时，研究对象也会描述他们在各种条件下的热舒适度如何。这一点很重要，可以让Abouelenien和Burzo将此类主观体验与传感器信息联系起来，从数据角度对“冷”或“热”有一个概念。

随后，该团队创建了一个基于机器学习的计算机模型，以创建“决策边界”，即确定特定个人的“适居带”。在该边界的一边，模型会表示生理传感器显示这个人可能正觉得寒冷；在边界的另一边，模型会表示这个人觉得太热了。

然后，Abouelenien和Burzo测试了该模型，并进行了第二次试验，再次将研究对象置于各种条件下，询问他们的热舒适水平，跟前一次一样，原来的系统也会记录研究对象的生理数据。

不过，这一次，该模型可以采用数据预测研究对象的反应，结果令人非常震惊。在某些情况下，尤其是寒冷时，该模型在90%以上的情况下，对研究对象的感觉做出了正确的预测。换句话说，该模型了解研究对象的感觉。

Abouelenien表示，此种技术很明显会首先应用于汽车座舱，他们的算法可以指导HVAC系统（暖通空调系统）自动进行调整。能够用于汽车的另一个原因是驾驶员或乘客会保持一个相对不变的位置，让传感器能够感知一个固定的目标。此外，除了能够带来舒适性，此类得到算法指导的温度调节器比由驾驶员控制的温度调节器效率更高，由此节约来的能源最终可能有助于改善电动汽车的续航里程。

至于是否可以将该技术应用于家庭或办公室，Abouelenien表示目前尚未实现。主要挑战在于，人们在此类环境中会经常移动，因此该系统需要一个更大的传感器网络。不过，Abouelenien也表示，也不难实现。研究人员发现最能够指示热舒适度的设备 – 热成像摄像头的价格已经下跌很多，下一个目标是寻找方法，采用非接触式传感器收集生理数据，即无需接触到人类就可收集到数据。（文中图片均来自密歇根大学迪尔伯恩分校）

返回第一电动网首页 >