Beräkningar

För att beräkna den totala sannolikheten för närvaro följs en enkel princip. San- nolikheten för de olika sensorerna kan anta ett antal olika värden, beroende på hur sensorerna beter sig. Om till exempel temperatursensorn ökar från en samp- lingsperiod till nästa så sätts P (T emp) till 96,12 %. Sannolikheterna medelvärdes- bildas för att ge en total sannolikhet för detektering baserat på statistiska data, N i formel 3.13 är därav antalet sensorer som är med i beräkningen.

50 3 Metod

Ptot =

P (P I R) + P (T emp) + P (CO2) + P (P eak)

N (3.13)

Enligt formel 3.13 så har det totala oddset för närvaro ett max- och minvärde:

Ptotmax= 1, 00 + 0, 9612 + 0, 5761 + 0, 9711

4 = 0, 8771 = 87, 71% (3.14)

Ptotmin=

0, 3913 + 0, 00 + 0, 1840 + 0, 4857

4 = 0, 2653 = 26, 53% (3.15)

Enligt denna metod kan den totala sannolikheten för närvaro i ett rum presen- teras mellan 26,53 - 87,71 %. Begränsningarna i säkerheten grundar sig i de test som utförts på systemet och de sannolikheter testerna medfört.

Med hjälp av ljussensorn och antagandet att ingen är i rummet om det är släckt kan den undre gränsen på 26,53 % sänkas ytterligare.

3.3.3

Energi

För att spara energi när systemet inte används, så används Arduinons inbyggda

sleep mode för att sänka energiförbrukningen. Då Arduinon går in i sleep mode, så

stängs ävenWiFi-modulen ESP8266 av för att ytterligare spara energi. Tanken är

att det skall göra så att systemet får bättre energiproportionalitet [Barroso and Hölzle, 2007].

Vilket leder till att systemet behöver konsumera mindre energi då den knappt används. Arduinon träder in i sleep mode när systemet konsekvent konstaterat

det är mycket låg odds för närvaro. Den går endast ur dettasleep mode då PIR-

sensorn detekterat närvaro och skickat ett externt avbrott. Detta för att stänga av så mycket funktioner som möjligt på Arduinon, en klocka kräver att ytterligare funktionalitet skulle vara igång på det övriga systemet.

En annan stor energibov i systemet är ESP8266, som konsumerar upp till 215 mA. För att spara energi så stängs denna av helt under större delen av samplings- perioden.

4

Resultat

4.1

Förstudie

Denna del är dedikerad till att presentera resultaten och de viktigaste besluten som fattades när alla sensorer sammanfogades.

För PIR-sensorn var ett avgörande beslut att generera ett avbrott vid detektering. Genom detta så kan de andra sensorerna avläsas som vanligt till att det genere- ras ett avbrott och sedan så återgår programmet till att avläsa sensorerna där den slutade. Om ingen detektering skett under en viss tid kan också systemet gå ner isleep mode för att spara energi, Arduinon kan sedan väckas med ett avbrott. Flö-

desschemat för hela systemet kan ses i figur A.1 i Appendix.

Att använda ett Kalmanfilter har lett till att sensorvärdena blir otroligt mycket mer värdefulla. Dels så försvinner transienter, störningar och felaktiga mätvär- den. Men också så kan en tydligare trend visas med hjälp av filtret. Denna trend har lett till att arbetet med att se samband och att utföra oddsberäkningen har blivit mycket simplare.

Temperatursensorns viktigaste attribut är dess känslighet och stabilitet. Genom arbetets gång har temperatursensorn visats ge ett oväntat gott resultat, detta till stor del tack vare dess höga känslighet. Ett liknande system med enbart en tem- peratursensor borde enligt de utförda testningarna vara möjlig.

Mikrofonen har inte gett ett lika bra resultat som förväntat. Störningar har bi- dragit till att sensorn har varit svår att arbeta med. Genom att enbart detektera toppvärden som sticker ut från mängden har ändå mikrofonen gett ett positivt inslag till systemet.

52 4 Resultat

Koldioxidsensorn har visat ett resultat, men är tyvärr väldigt långsam. Över lag har sensorn gett ett positivt resultat som hjälpt till i att detektera mänsklig när- varo.

Fuktsensorn har gett ett dåligt resultat. På grund av att den är för svår att im- plementera med en Arduino så har inget konkret resultat kunnat ges. I denna rapport kan därför ingen koppling mellan mänsklig närvaro och luftfuktighet påvisas.

Fotoresitorn har inte gett ett resultat i sig utan har enbart varit viktig för att konfirmera temperatursensorns utslag. Temperatursensorn är förmodligen den viktigaste komponenten i systemet och därav har fotoresistorn varit positiv ge- nom sitt bidrag.

WiFi har visat sig vara en energikrävande process. Valet av ESP8266 har till slut

gett ett positivt resultat då det gett ett system som är uppkopplat och smidigt. Genom att använda WiFi så kan också en plats övervakas utan att man är där

eftersom man kan titta på Internet.

Räknaren har varit viktig i testningen av systemet på det sättet som det har ut- förts. Utan räknaren så skulle inget facit ha funnits på hur många personer som befinner sig i rummet under en testning. Till slut gavs ett mycket bra och trovär- digt utslag från räknaren.

Sampling sker kontinuerligt i intervall på cirka 30 sekunder, detta för att ge bra mätvärden, och för att mikrofonen kontinuerligt behöver samplas. Enda undan- taget då det inte samplas är då värden skickas till Thingspeak för lagring eller då Arduinon går isleep mode.

4.2

Implementation

Denna testning som presenteras som ett resultat utfördes i ett rum på 5 m2med närvaro av endast en person åt gången, alternativt var rummet tomt. Testerna har utförts flertalet gånger och de grafer som visas beskriver hur sensorvärdena age- rat gång på gång. Därav anses dessa grafer beskriva en trend för sensorerna och presenteras därför som ett resultat. Värdena är presenterade två gånger per mi- nut i samtliga kommande grafer. Den blå linjen representerar antalet människor i rummet som antingen var en eller noll personer.

4.2 Implementation 53

4.2.1

Temperatur

I figur 4.1 visas sambandet mellan temperaturen och mänsklig närvaro i ett rum. Där temperaturen beskrivs av den röda linjen och närvaro av en människa med den blå linjen.

Figur 4.1:Resultatet av temperatursensorn med och utan närvaro. X-axel = Tid [minuter]

Y-axel = Temperatur [◦C] Tempmax= 20,44◦C

Tempmin= 19,79◦C

Blå linje = Närvaro av en person i rummet om hög Röd linje = Temperatur

En person vistades i rummet i 27 minuter från 18 minuter in i testet till 45 minu- ter in. Rummet var tomt mellan minut 45 och 69. Därefter befann sig en person i rummet i 23 minuter från minut 69 till 92.

Det anses bevisat att temperaturen i ett litet rum:

• Ökar efter några minuter av mänsklig närvaro i rummet. • Hålls konstant eller ökar i flertalet minuter efter utgång. • Sjunker efter mindre än 10 minuter av mänsklig frånvaro.

Som bevis att temperaturskillnaden inte har något samband med solljuset i rum- met presenteras figur 4.2. Skillnaden mellan figur 4.1 och 4.2 är att den senare också visar ljusnivån i rummet.

54 4 Resultat

Figur 4.2:Resultatet av temperatursensorn med och utan närvaro, samt re- sultatet av ljussensorn.

X-axel och primär y-axel = Samma som figur 4.1 Sekundär y-axel = Ljusnivå [%]

Ljusmax= 79,18 %

Ljusmin= 67,55 %

Blå linje = Närvaro av en person i rummet om hög Röd linje = Temperatur

4.2 Implementation 55

Som ytterligare en säkerställning av sensorns funktion presenteras figur 4.3. Vad som syns väldigt tydligt är den stora ökningen av temperaturen om en person kommer in i rummet. Skillnaden i temperatur mellan båda testningarna är rela- tivt stor trots att omständigheterna var desamma. Testet utfördes i samma rum vid båda närvaroperioderna, med en person och medhavd dator.

Figur 4.3:Resultatet av temperatursensorn med två olika närvaroperioder. X-axel = Tid [minuter]

Y-axel = Temperatur [◦C] Tempmax= 20,45

◦

C Tempmin= 19,87◦C

Blå linje = Närvaro av en person i rummet om hög Röd linje = Temperatur

56 4 Resultat

4.2.2

PIR

Figur 4.4:Resultatet av PIR-sensorn med och utan närvaro. X-axel = Tid [minuter]

Y-axel = Rörelsedetekteringar [st/samplingsperiod] Detekteringmax= 5 st/samplingsperiod

Detekteringmin= 0 st/samplingsperiod

Blå linje = Närvaro av en person i rummet om hög Röd linje = Detekteringar/samplingsperiod

Som man tydligt kan se i figur 4.4 ger PIR-sensorn endast utslag om en männi- ska befinner sig i rummet. Även om en människa befinner sig i rummet behöver den nödvändigtvis inte röra sig framför sensorn och därmed ge utslag. Därför ses även vissa perioder där sensorn inte har gett utslag trots att en människa befinner sig i rummet.

Antalet detekteringar skiljer sig också åt mellan samplingsperioderna. Vid 5 de- tekteringar har någon rört sig framför sensorn 5 gånger under loppet av 30 sekun- der (samplingsperioden). Vid 0 detekteringar under tiden en person var i rummet har personen antingen suttit väldigt stilla alternativt inte varit inom synfältet för sensorn.

Sensorn har placerats så att den ska täcka en så stor del av rummet som möjligt men inte vara riktad rakt mot dörren. Detta på grund av att det vid dörren i det aktuella rummet sitter en glasruta som leder till att en detektering framkallas trots att någon bara passerar utanför rummet.

4.2 Implementation 57

Den maximala tiden som sensorn inte gav utslag trots att någon vistades i rum- met var i 11 minuter (mellan minut 31 och 42).

Figur 4.5:Resultatet av PIR-sensorn med två olika närvaroperioder. X-axel = Tid [minuter]

Y-axel = Rörelsedetekteringar [st/samplingsperiod] Detekteringmax= 5 st/samplingsperiod

Detekteringmin= 0 st/samplingsperiod

Blå linje = Närvaro av en person i rummet om hög Röd linje = Detekteringar/samplingsperiod

Figur 4.5 finns för att bevisa PIR-sensorns funktion. Vad som tydligt syns är att sensorn aldrig gett ett utslag utanför områdena för närvaro. Alltså är säkerheten att någon är i rummet lika stor vid 1 som vid 5 detekteringar per samplingsperi- od.

58 4 Resultat

4.2.3

Koldioxid

Figur 4.6:Resultatet av koldioxidsensorn med två olika närvaroperioder. X-axel = Tid [minuter]

Y-axel = Koldioxidhalt [ppm] MaxCO2= 1154 ppm

MinCO2= 833 ppm

Blå linje = Närvaro av en person i rummet om hög Röd linje = Koldioxidhalt

Om en person kommer in i rummet så ökar koldioxidhalten. På derivatan kan man se en skillnad på om någon är i rummet eller inte då derivatan är större vid närvaro än vid frånvaro.

4.2 Implementation 59

4.2.4

Peaksensor

Figur 4.7:Resultatet av ljudsensorn med två olika närvaroperioder. X-axel = Tid [minuter]

Y-axel = Ljudnivå [V] Maxljud= 952 = 4,65 V

Minljud = 630 = 3,08 V

Blå linje = Närvaro av en person i rummet om hög Röd linje = Ljudnivå

De toppvärden som här är uppmätta är skapade vid in- och utgång ur rummet. Det är just vid dessa perioder då man kan anta att en människa borde göra som mest ljud. Spiken som återges vid frånvaro i figur 4.7 kan vara ett felvärde och detta har påpekats tidigare i rapporten.

60 4 Resultat

4.3

Utvärdering

Med hjälp av ekvation 3.13 på sidan 50 så kan en total oddsberäkning av att en eller flera personer vistas i ett rum utföras. På grund av metoden som oddset har valt att beräknas med och datat som oddset grundar sig på så erhålls ett max- och ett minvärde för det totala oddset. Detta beräknades på sidan 50 och konstatera- des som

Ptotmax= 87, 71 %

Ptotmin= 26, 53 %

De begränsningar som denna metod för med sig och alternativa metoder presen- teras i kapitel 5.

Vad som kan hjälpa till att minska Ptotmin som finns för oddset är ljussensorn.

Under normal drift bistår den temperatursensorn med information om solljuset. Vid kvällstid kan ljussensorn säkerställa att det är släckt och då ge ytterligare säkerhet i frågan om det är någon person i rummet eller inte.

4.3.1

Frågeställningar

De frågeställningar som presenterades i början av rapporten besvaras i denna del.

Hur kan olika sensorer användas för att detektera mänsklig närvaro i ett kontorsrum?

Genom att kombinera flertalet olika sensorer så kan dess individuella utslag vid mänsklig närvaro kombineras för att bidra till ett gemensamt resultat. Genom att använda sig av statistiska data från flertalet testningar så har olika sannolikheter för att en sensor beter sig på ett visst sätt beräknats.

Varje sensor kan befinna sig i flera olika stadier. Till exempel kan en PIR-sensor befinna sig i två stadier; detektering eller ingen detektering. Temperatursensorn har därav tre stadier; ökning, stillastående eller minskning. Genom att titta på hur ofta till exempel en ökning skett under en testning vid närvaro gentemot hur ofta det skett vid frånvaro kan den påtalade sannolikheten beräknas.

Genom att jämföra mätvärden med varandra från två samplingsperioder i serie kan varje sensor anta ett av dessa stadier. Beroende på vilket stadie en sensor antar så blir den resulterade totala sannolikheten annorlunda.

4.3 Utvärdering 61

Vilka sensorer är användbara för att åstadkomma detta?

De sensorer som visat sig vara användbara listas här i ordning av användbarhet: • PIR-sensor

• Temperatursensor • Koldioxidsensor • Mikrofon

Där de två förstnämnda har gett det absolut bästa resultatet.

Till vilken procentuell sannolikhet kan det bevisas att det finns mänsklig närvaro i rummet?

Den högsta sannolikheten som kan presenteras med hjälp av den valda metoden är 87,71 %. Metoden medförde också en undre gräns som blev 26,53 %. Med hjälp av ljussensorn kan den lägsta nivån bli ännu lägre. Att ge ett specifikt odds för detta förlorar dock vetenskapligheten då det måste hittas på ett lämpligt värde för minskningen. Klart är i alla fall att den undre gränsen borde ligga väldigt nära 0 %.

Vilka metoder kan man använda för att sänka energiförbrukningen i Arduinon?

För att sänka energiförbrukningen i Arduinon så går det att stänga av delar av systemet som inte används. Detta kommer leda till en bättre energiproportiona- litet, förutsatt att perioden då den är avstängd är tillräckligt lång för att täcka kostnaden för uppstart.

Man kan också sänka samplingsgraden eller klockfrekvensen i systemet och på så vis minska tiden då systemet behöver arbeta.

En annan lösning är att byta komponenter mot mer energieffektiva versioner, ex- emplevis så drar ESP8266 mycket energi, detta skulle kunna minskas om den utbyttes mot något energisnålare som en trådad länk eller Bluetooth-modul för att kommunicera med databasen.

Vilken samplingsgrad på sensorerna behövs för att på ett så energisnålt sätt som möjligt presentera tillförlitlig data?

Systemet behöver sampla kontinuerligt, eftersom mikrofonen kräver att ljudet samplas konstant. Därför så blir det svårt för systemet att gå in i någon form av viloläge.

5

Diskussion

5.1

Resultat

Datan från PIR-sensorn har aktiverats på rörelse precis som förväntat. Det som varit mer beundransvärt är att den inte avläst fel vid något testtillfälle. Exem- pelvis reagerade PIR-sensorn under implementationen på solljus, dock har detta inte skett under testning vilket lett till att PIR-sensorn uppvisar mycket god san- nolikhet för närvaro vid detektering.

Temperatursensorn ger rimlig data som förväntats då människor skulle kunna ses som mänskliga element. Värt att notera är att skillnaden som uppkommer inte skulle vara mätbar om inte termometern hade haft en sådan god precision, detta var dock något som förutsattes innan start. Sensorn som användes hade en precision på 0,01◦C, mindre än detta hade troligvis inte gett ett adekvat resultat då skillnaderna visade sig ligga runt 0,1◦C.

Ljussensorn har gett låga samband med närvaro då den varit igång. Det var dock förväntat då den främst implementerades för att temperatursensorn inte skulle öka pågrund av att solen lös på den. Ett samband som gick att se var då sensorn fick vara igång under natten. Under natten var det ingen närvaro och därför går det att förutsätta att det inte är någon närvaro eller mycket låg odds för det då ljusnivån är som lägst.

Koldioxidsensorn ökade precis som förväntat då människor var närvarande. Det som var förvånansvärt var att den bara fortsatte öka under en väldigt lång period. Ljudsensorn gav som förväntat en högre ljudnivå då det var närvaro i rummet, dock var det största topparna över förväntan. Dock att skillnaden mellan brus

64 5 Diskussion

och normalt tal var så liten var förvånansvärt dåligt.

5.2

Metod

5.2.1

Energi

Under delar av projektets gång har det varit problem med spänningsmatning där det uppkommit spänningsfall på systemet och mätvärden som förändras. Detta har varit en stor felkälla under projektets gång och att implementera en dedi- kerad spänningskälla hade troligvis förhindrat spänningsfall vid hög belastning och systemet skulle få mer enhetlighet.

Att introducera en specialdesignad strömkälla skulle också öppna för möjlighe- terna till att introducera ett bättresleep mode där många enheter helt skulle kun-

na stängas av. Istället för det nuvarande systemet där endastWiFi-modulen helt

stängs av under viloläget och Arduinon som delvis stängs av. Detta skulle ex- empelvis kunna åstadkommas med spänningsregulatorer samt strömbrytare för delar av kretsen. Den enda nackdelen är att det krävs inköp av en rad nya kompo- nenter och tid för implementation. Dock skulle detta kunna ge en avsevärt bättre energiproportionalitet för systemet om det implementerades på ett bra sätt. Samplingsgraden på systemet är för närvarande den högsta möjliga vilket egentli- gen inte borde vara nödvändigt för de flesta sensorerna. Då det inte sker speciellt extrema skillnader i exempelvis temperatur under intervallet på en minut. Pro- blematiken ligger hos ljudsensorn som kräver konstant sampling av ljudet, detta pågrund av att den annars kan missa ljudpulser vid nuvarande metod. Vilket le- der till att det inte går att stänga av och gå in i sleep mode under korta perioder

som det annars skulle gå att göra om man utelämnat ljudsensorn. PIR-sensorn klarar sig runt detta då den går att köra avbrottsbaserat, vilket leder till att den kör parallellt med övrig mjukvara. Om ljudsensorn exkluderats från systemet ha- de detta kunnat leda till en lägre samplingsgrad och ett energisnålare system. Eventuellt om det hade gått att få ljudsensorn att vara avbrottsbaserad, exempel- vis med en extern krets, hade det också gått att få ner samplingsgraden.

Det skulle eventuellt gå att byta utWiFi mot något energisnålare som Bluetooth

eller ZigBee om sensormodulen var uppkopplad mot en dator eller annan nod dedikerad för att skicka data till Internet. Detta valdes bort på grund av att det skulle innebära extra komplexitet och eventuella felkällor för systemet samtidigt som det inte tillför så mycket då sensormodulen använder spänningsmatning från vägguttag. Det hade varit viktigare för systemet om sensormodulen drivits av batteri, då det per automatik innebär att energisnålhet får högre prioritet för modulen i sig. I detta fallet så spelar det inte speciellt stor roll var energin spen- deras och på så sätt ligger fokuset mer på den totala energiförbrukningen. Om det är miljösensorn eller en dator som skickar data till Internet spelar på så sätt mindre roll.

5.2 Metod 65

5.2.2

Sensorer

Att byta till en mer exklusiv koldioxidsensor hade varit en stor tillgång för sy- stemet då gassensorn HS-135 känner av flera olika gaser och ger indikationer på en kombination av dessa. Den tar också förhållandevis lång tid att starta upp. Eventuellt hade det underlättat att ha en bättre sensor vid sidan om gassensorn HS-135 för kalibrering och på så sätt få en uppfattning om när, var och hur myc- ket den fluktuerar från sanningen. Att använda en dyrare sensor hade dock helt gått bort från originaltanken med billiga sensorer. Det hade exempelvis gått att köpa en värmekamera för samma pris, vilket hade kunnat ge betydligt bättre in- dikationer på närvaro som nämnts i teoridelen, dock hade idén med luftkvalitet försvunnit. Att använda en dyrare sensor vid sidan om gassensorn HS-135 hade fortfarande varit enligt syftet med systemet och kunnat hjälpa till avsevärt i pro- cessen.

Systemet har inte en detekteringsgrad på 100 %, ett sätt att öka detta skulle kun- na vara med aningen mer sofistikerade sensorer. Kameror är en mycket bra källa för detektering av mänsklig närvaro, detta hade kunnat vara en tillgång för syste- met som hade kunnat få ytterligare detekteringsgrad. Problemet med kameror är att de kräver mycket sampling och möjligen en bättre processor. Dock går det att få förhållandevis simpla kameror till ett relativt lågt pris, det hade dock fyllt ungefär samma funktion som PIR-sensorn. Detta på grund av att en kamera med subtraktionstekniken kollar på rörelse och skillnad mellan bilder. Vilket skulle leda till att den i princip får vad PIR-sensorn gör med skillnaderna i infrarött ljus. Den största fördelen skulle kunna vara att det skulle kunna gå att urskilja ansikten på människor som sitter stilla. Problemet med ansiktsdetektering är att det kräver mycket behandling av bilder samt att lagringsutrymmet skulle behöva bli större. Detta skulle medföra att en avsevärt mycket bättre processor skulle be- hövas. Det skulle också kunna ses som mycket integritetskränkande att kameror sparar data från individer i ett rum och laddar upp detta till Internet.

Fuktsensorn i systemet skulle troligvis behöva bytas, då den skickat underliga

In document Persondetektering i inomhusmiljö med enkla sensorer (Page 69-86)