2.1 Metoder för igenkänning av människor
3.2.2 Fortsatt testning
Men tanke på de utslag som bland annat temperatursensorn gav blev tanken att testa uppkopplingen i ett mindre rum för att få snabbare utslag. Detta test utför- des i ett rum på Cybercom på 5 m2 med stängd dörr. Rummet har ingen extra luftkonditionering.
Figur 3.20:En bild av testrummet.
Datorn har visat att även den ger inverkan på rummets temperatur. Ett försök visade att inträde av en person med dator precis som det förväntades gav ökning av temperaturen i telefonrummet. Senare på dagen testades även inträde utan dator. Datorn visade sig då öka derivatan för temperaturen jämfört med om en dator inte var med.
3.2 Implementation 37
PIR
PIR-sensorn har visat sig fungera mycket bra och ger mycket sällan felaktiga sig- naler när ingen är i rummet. Dock har den fluktuerande värden då en person är i rummet. Detta är förväntat då PIR-sensorn endast ger utslag då den uppfattar rörelse. Enda problemen som uppkommit har varit i tidig testning då sensorn har känt av solljus och att den fysiskt förflyttats. I figur 3.21 presenteras en testning av sensorn.
Figur 3.21:Testning av PIR-sensorn i ett 5 m2stort rum. X-axel = Tid [minuter]
Y-axel = Rörelsedetekteringar [st/samplingsperiod] Maxdetekteringar= 3 st/samplingsperiod
Mindetekteringar= 0 st/samplingsperiod
Blå linje = Närvaro av en person i rummet om hög Röd linje = Antalet detekteringar/samplingsperiod
Tidigt i testningen insågs potentialen med PIR-sensorn. Den gör näst intill aldrig fel och kan på ett billigt och effektivt sätt påvisa närvaro av en människa. Tanken från början var att installera denna sensor vid ingången till ett rum för att mar- kera att något händer. Sedan skulle de andra sensorerna få avgöra om en person har gått in eller ut ur rummet.
38 3 Metod
Temperatur
Figur 3.22:Testning av temperatursensorn i ett 5 m2stort rum utan dator. X-axel = Tid [minuter]
Y-axel = Temperatur [◦C] Maxtemp = 20,65◦C
Mintemp= 20,38◦C
Blå linje = Närvaro av en person i rummet om hög Röd linje = Temperatur
Detta test utfördes med endast en person i rummet utan medhavd dator. Var 15e minut är markerad på x-axeln, men också viktiga händelser:
• 0 min: Inträde i rummet av en person • 4 min: Temperaturen börjar stiga • 20 min: Utträde ur rummet av en person
• 23 min: Temperaturen når sitt toppvärde och börjar sedan sjunka • 45 min: Temperaturen har sjunkit och börjar plana ut
Mellan 0-20 min:
∆temp = 20,58 - 20,46 = 0,12◦C
Mellan 20-23 min:
∆temp = 20,65 - 20,58 = 0,07◦
3.2 Implementation 39
Figur 3.23:Testning av temperatursensorn i ett 5 m2stort rum med dator. X-axel = Tid [minuter]
Y-axel = Temperatur [◦C] Maxtemp= 20,45◦C
Mintemp= 19,87◦C
Blå linje = Närvaro av en person i rummet om hög Röd linje = Temperatur
Detta test utfördes med endast en person i rummet men den här gången med dator. Var 15e minut är markerad på x-axeln, men också viktiga händelser:
• 15 min: Inträde i rummet av en person • 21 min: Temperaturen börjar stiga • 35 min: Utträde ur rummet av en person
• 45 min: Temperaturen når sitt toppvärde och börjar sedan sjunka • 60 min: Temperaturen har sjunkit
Mellan 15-35 min:
∆temp= 20,27 - 19,88 = 0,39◦C Mellan 35-45 min:
∆temp= 20,45 - 20,27 = 0,18◦
40 3 Metod
Jämförelse temperatur
Skillnaden om en person har med sig en dator in i rummet eller inte påverkar resultatet. Därför har temperaturförändringen testats med enbart en dator utan närvaro av en person i testrummet. Testet kan ses i figur 3.24 och skillnaderna presenteras i tabell 3.3.
Figur 3.24:Testning av temperatursensorn i ett 5 m2stort rum med endast dator.
X-axel = Tid [minuter] Y-axel = Temperatur [◦
C] Maxtemp = 20,75◦C
Mintemp= 20,51◦C
Blå linje = Endast en dator i rummet om hög Röd linje = Temperatur
Mellan 23-43 min:
∆temp = 20,75 - 20,53 = 0,22◦C
[◦C] ∆tempn ∆tempf ∆temptot En person utan dator 0,12 0,07 0,19 En person med dator 0,39 0,18 0,57 Endast dator 0,22 0,00 0,22
Tabell 3.3:Temperaturskillnader med, utan och endast dator i testrummet. ∆tempn= Total temperaturskillnad vid närvaro av värmekälla
∆tempf = Total temperaturskillnad vid frånvaro av värmekälla ∆temptot = Total temperaturskillnad på grund av värmekälla
3.2 Implementation 41
Det syns tydligt ett samband mellan temperaturskillnaden i rummet beroende på om en dator är med eller inte. Vanligtvis i ett kontorsrum så använder personer en dator för att jobba. Alltså upptäcks exteriöra karaktärsdrag, som presenterats i teoridelen.
Om en person lämnar sitt rum för en längre stund så stänger den förmodligen av sin dator. Alternativt går datorn ned i viloläge och på så sätt slutar generera lika stor andel värme.
Tiden för närvaro i rummet under båda testerna var lika lång för att kunna utföra en rättvisande testning. Vad som syns är att stigtiden efter att personen gått ut ur rummet varierar beroende på om den haft en dator eller inte. Från att utan en dator endast stiga med 0,07◦C i 3 minuter till att fortsätta stiga med 0,18◦C i 10 minuter om personen haft en dator. Detta kan ha flera anledningar:
• Derivatan var under stigtiden högre med en dator och därav tar det längre tid för Kalmanfiltret att rätta sig själv under frånvaron på grund av varian- sen det förväntar sig.
• Rummet har värmts upp så pass mycket att det blir ett eftersläp på tempe- ratursensorn, som därav fortsätter att öka även vid frånvaro.
• Avståndet värmekällan befinner sig från sensorn är större och därav tar det längre tid innan temperaturskillnaden märks.
42 3 Metod
Ljud
Ljudsensorn hade i tidigare test krånglat då den var uppkopplad mot det övri- ga systemet, därför har olika presentationer av datan testats. Detta på grund av att ljudsensorn hinner sampla ljudet ett flertal gånger under perioden innan Ar- duinon presenterar datan. Dock fungerar inte detta parallellt och den kan inte konstant lyssna efter händelser. Därför har tre metoder testats, en där toppvärde- na för mätningarna på en sekund medelvärdesbildats, se figur 3.25. En där den största av mätvärdena valts och en där maxvärdena för mätningarna gått över ett Kalmanfilter. Kalmanfiltret användes för att se om det gick att se en trend över ljudnivån då det var närvaro. I alla test användes toppvärdet under samplingsin- tervallet på en sekund.
Figur 3.25:Testning av ljudsensorn i ett 5 m2stort rum.
X-axel = Tid [minuter] Y-axel = Spänning [V] Maxljud = 672,2 = 3,28 V
Minljud= 604,8 = 2,95 V
Blå linje = Närvaro av en person i rummet om hög Röd linje = Ljudnivå
Arduinon läser analog spänning på 0 till 5 V från analog ingång som AD-omvandlas till ett värde från 0 till 1024. Vilket ger en upplösning på 4,88 mV per bit. Att da- ta presenteras i denna form är främst pågrund av att spänningen ändrats under projektets gång och för att undvika att göra onödiga logaritmiska beräkningar i mikroprocessorn. Vilket krävs för att omvandla indatan till dB. Att omvandla till dB är inte nödvändigt då främsta syftet är att se skillnaden i ljudnivå och det är främst skillnaderna som tyder på närvaro.
3.2 Implementation 43
Vut =
Vin· Digitalrepresentation
1024 (3.7)
Med användning av formel 3.7 beskrivs denna omvandling från ett analogt vär- de till en digital representation. Vid en digital representation om 600 samt en inspänning på 5 V får man
Vut =
5 · 600
1024 = 2, 93V (3.8)
vilket kan relateras till max- och minvärdena för ljudnivån ovan.
Koldioxid
Gassensorn har vid upprepade tillfällen ökat efter en person trädit in i testrum- met, dock har den även vid några tillfällen sjunkit. Testrummet skulle kunna ha dålig ventilation, det kan även bero på att gassensorn inte bara mäter koldioxid och på så sätt är en opålitlig sensor.
Figur 3.26:Testning av koldioxidsensorn i ett 5 m2stort rum. X-axel = Tid [minuter]
Y-axel = Koldioxidhalt [V] MaxCO2= 651,5 = 3,18 V
MinCO2= 545,1 = 2,66 V
Blå linje = Närvaro av en person i rummet om hög Röd linje = Koldioxidhalt
Koldioxidhalt presenteras vanligtvis ippm, anledningarna till att den här presen-
teras i volt är flera. Under implementationen har spänningsnivåerna på kopp- lingsplattan varierat. Detta på grund av att fler komponenter har kopplats till
44 3 Metod
Arduinon under projektets gång.
Gassensorn är känslig och ska spänningsmatas med 5±0,1 V. Eftersom spänning- en varierat i större grad än så, så har också koldioxidsensorn gett väldigt olika resultat. En kalibrering i början av implementationen var alltså onödig och un- der denna testning valdes det istället att presentera resultatet i volt. Förhållandet mellanppm koldioxid och volt är linjärt för sensorn vilket betyder att grafen fort-
farande presenterar ett rättvisande resultat.
Med tanke på att inandningsluften innehåller cirka 0,04 % koldioxid medan ut- andningsluften innehåller cirka 4 % koldioxid [Seppänen et al., 1999] så borde koldioxidhalten endast öka vid närvaro. Om en luftkonditionering finns i rum- met kan koldioxidhalten sänkas. Som känt så binder växter koldioxid genom sin fotosyntes, denna andel har dock ansetts så liten att den kan försummas.
Vad som alltså borde synas i ett icke luftkonditionerat rum är att halten koldi- oxid ökar vid närvaro av en människa, och sedan planar ut utan att sjunka när personen lämnar rummet. Detta för att ingenting tar bort halten koldioxid, den kan endast öka.
Som figur 3.26 visar så fortsätter koldioxidhalten i luften att öka även efter att personen lämnat rummet. Vad som tydligt syns är dock att halten ökar efter cir- ka 6 minuter av mänsklig närvaro. På så sätt kan koldioxidhalten hjälpa till att konfirmera att en människa är närvarande i rummet.
Fukt
Fuktsensorn har under projektets gång fungerat väldigt dåligt. De olika kapaci- tansvärdena som blir uppmätta varierar väldigt mycket vilket leder till ett orim- ligt resultat. Problemet kan ligga i att skillnaden i kapacitans är för liten för en Arduino att mäta. Efter mycket testning lyckades sensorn under en viss period producera acceptabla resultat. Eftersom detta inte händer regelbundet har den- na sensor med tiden uteslutits ur arbetet. En enklare fuktsensor skulle kunna tillföras till arbetet i efterhand för att få en rättvisande bild av luftkvaliteten i ett rum.
3.2 Implementation 45
Ljus
Ljussensorn har visat sig sjunka under dagen, vilket är ganska naturligt då det fanns ett fönster i rummet och ljuset utomhus sjunker under dagen. Vid ett par tillfällen har det gått att se samband vid händelser så som inpassage eller utpas- sage. Detta skulle kunna bero på skuggor från människor eller andra objekt som flyttas i rummet.
Figur 3.27:Testning av ljussensorn i ett 5 m2stort rum. X-axel = Tid [minuter]
Y-axel = Ljusnivå [%] Maxljus= 67,45 %
Minljus= 65,00 %
Blå linje = Närvaro av en person i rummet om hög Röd linje = Ljusnivå
I övrigt ger ljussensorn satisfierande resultat och används i programmet för att detektera plötsliga förändringar av solljus.
46 3 Metod
3.3
Utvärdering
I denna del så presenteras arbetet kring att beräkna oddsen att någon är i rum- met vid olika händelser. Dessa data är baserat på den utförliga testning som har utförts.
Mängden data är 648 samplingar, där någon var i rummet under 70 samplingar vilket också betyder att rummet var tomt under 578 samplingar. Andelen närvaro var därav 10,8 % av hela den totala samplingstiden.
3.3.1
Dataanalys
PIR-sensor
[%] Detektering Ingen detektering Vid närvaro 25/70 = 35,71 45/70 = 64,29 Vid frånvaro 0/578 = 0,00 578/578 = 100,00 Tabell 3.4:Data för olika händelser med PIR-sensorn.
I tabell 3.4 kan man se att vid närvaro av en person har PIR-sensorn aktiverats av minst en detektering 25 av 70 samplingsperioder, vilket motsvarar 35,71 % av fallen. Därav har den inte aktiverats för detektering trots att någon varit i rum- met 45 av 70 samplingsperioder.
Vid frånvaro har sensorn aldrig aktiverats av detektering. På grund av detta så har oddsen för närvaro blivit 100 % om sensorn ger en detektering, se tabell 3.5 på sidan 47. Eftersom sensorn inte gett en detektering 45 av 70 samplingsperi- oder, trots att den borde det, så leder det till att oddsen för närvaro om ingen detektering sker är 39,13 %. Detta värde kan tyckas vara högt men har kommit till på grund av sensorns förmåga att inte framkalla en detektering trots att en sådan förväntas.
Oddsn =
Detekteringn
Detekteringn+ Detekteringf
(3.9) Där Detekteringn står för andelen detekteringar vid närvaro av en person och
Detekteringf för andelen detekteringar vid frånvaro av en person. Enligt 3.9 blir
uträkningen för oddsen
Oddsn=
35, 71
35, 71 + 0, 00 = 1, 00 (3.10) vilket motsvarar att oddsen för närvaro vid detektering är 100 %. Oddsen för frånvaro kan beräknas på samma sätt men beräknas enklast med
3.3 Utvärdering 47
då oddsen för närvaro och frånvaro vid en detektering måste kunna adderas till 100 %.
För att beräkna oddsen för närvaro och frånvaro då ingen detektering sker kan man på liknande sätt som i formel 3.9 erhålla
Oddsn=
64, 29
64, 29 + 100, 00 = 39, 13 (3.12) där Oddsni det här fallet syftar på oddsen för närvaro vid ingen detektering.
[%] Detektering Ingen detektering Odds för närvaro 100,00 39,13
Odds för frånvaro 0,00 60,87
Tabell 3.5:Oddsen för olika händelser med PIR-sensorn.
Med hjälp av formel 3.9 och dess motsvarighet vid ingen detektering (3.12) samt formel 3.11 så kan tabell 3.5 skapas. I tabellen presenteras de totala oddsen för närvaro och frånvaro av en person vid detektering och ingen detektering.
Temperatursensor
Samma beräkningar som presenterades för PIR-sensorn har använts för alla sen- sorer. Utstickande data presenteras löpande men beräkningarna anses nu under- förstådda.
[%] Ökar Stillastående Minskar
Vid närvaro 60/70 = 85,71 10/70 = 14,29 0/70 = 0,00 Vid frånvaro 20/578 = 3,46 368/578 = 63,67 190/578 = 32,87
Tabell 3.6:Data för olika händelser med temperatursensorn.
Som tabell 3.6 visar har temperaturen aldrig minskat under testningen vid närva- ro. Mestadels stiger temperaturen under närvaro, samt sjunker eller är stillastå- ende vid frånvaro.
[%] Ökar Stillastående Minskar Odds för närvaro 96,12 18,33 0,00 Odds för frånvaro 3,88 81,67 100,00 Tabell 3.7:Oddsen för olika händelser med temperatursensorn.
Utstickande i tabell 3.7 är att den valda metoden leder till att om temperaturen minskar så blir oddsen för närvaro 0 %. Detta på grund av att temperaturen en- bart ökat eller varit stillastående under närvaro. Detta kan anses vara ett alldeles för lågt värde, vilket diskuteras i kapitel 5.
48 3 Metod
Koldioxidsensor
[%] Ökar Stillastående Minskar
Vid närvaro 65/70 = 92,86 0/70 = 0,00 5/70 = 7,14 Vid frånvaro 395/578 = 68,34 0/578 = 0,00 183/578 = 31,66
Tabell 3.8:Data för olika händelser med koldioxidsensorn.
Av de 648 samplingsperioder som undersökts har aldrig koldioxidhalten stått helt stilla mellan två samplingsperioder, se tabell 3.8, trots att ett Kalmanfilter är implementerat på denna sensor. Som tidigare påvisats i kapitel 3.2.2 är att koldioxidhalten ökar mycket även vid frånvaron av en person i ett rum. Derivatan för ökningen är större vid närvaro, därav blir oddsen för närvaro i tabell 3.9 större än vid frånvaro om koldioxidhalten ökar.
[%] Ökar Stillastående Minskar
Odds för närvaro 57,61 - 18,40
Odds för frånvaro 42,39 - 81,60
Tabell 3.9:Oddsen för olika händelser med koldioxidsensorn.
Eftersom sensorn aldrig gett ett stillastående värde mellan två samplingsperio- der kan inga odds för detta presenteras i tabell 3.9. Om ett stillastående värde i framtiden sker så jämförs värdet i stället med samplingsperioden föregående den jämlika samplingen. Detta för att få en riktning på sensorn och ge den ett odds som motsvarar antingen en ökning eller minskning.
Peaksensor
Peaksensorn är vad som tidigare refererats till som mikrofonelement/ljudsensor. Genom testningen har denna metod ansetts vara den bästa då personer som vistas i rummet kan tillföra plötsliga ljud som är enkla att urskilja från andra mycket mindre ljud.
[%] Peak Ingen peak
Vid närvaro 4/70 = 5,71 66/70 = 94,29 Vid frånvaro 1/578 = 0,17 577/578 = 99,83 Tabell 3.10:Data för olika händelser med peaksensorn.
Som tabell 3.10 visar så har fyra peakar/toppar upptäckts vid närvaro och endast en topp har upptäckts vid frånvaro. Eftersom testningen utfördes i ett rum där alla anställda på Cybercom har tillträde så kan denna topp trots allt vara skapad av en människa. Ingen annan sensor har dock gett utslag vid denna tidpunkt och därför är värdet inkluderat i beräkningarna.
3.3 Utvärdering 49
[%] Peak Ingen peak
Odds för närvaro 97,11 48,57 Odds för frånvaro 2,89 51,43
Tabell 3.11:Oddsen för olika händelser med peaksensorn.
Oddsen för att en person är närvarande vid en topp är väldigt stora. Utan den uppmätta toppen vid frånvaro hade detta värde varit 100 %. Plötsliga ljud från omgivningen utanför testrummet kan dock förekomma och därför känns oddsen rimliga. Som tabell 3.11 också visar är oddsen för närvaro relativt hög trots att ingen topp skett. Detta är på grund av att det kommer så pass få toppvärden under närvaron. Om det under närvaron hade varit fler utmärkande toppar så hade detta odds varit betydligt lägre.
Ljussensor
Ljussensorn bidrar inte med några konstanta odds på grund av att det inte finns några tydliga samband mellan ljusnivån och närvaron av en person. Sensorn har dock ett annat användningsområde, som tidigare nämnts, att användas som fel- hantering för temperatursensorn.
Om en ökning av temperaturen sker så jämförs denna ökning med ökningen av solljus i rummet. Om det har blivit en stor ökning av ljusnivån i samband med temperaturökningen så bortses temperaturförändringen från oddsberäkningen. Av 3889 värden från ljussensorn utförda vid olika dagar och tidpunkter på dagen så är den lägsta uppmätta ljusnivån 56,30 %, då var klockan närmare 18:00. Efter det så släcks lysena på Cybercom automatiskt, ljusnivån gick då ner med över 30 %. Med hjälp av denna data kan det lägsta oddset för närvaro räknas ner på grund av att ingen anses vara i rummet om det är släckt. Gränsen sattes med en liten säkerhetsmarginal; om ljusnivån är under 50 % så sänks oddset relativt ljusnivån.
Fuktsensor
På grund av de dåliga resultaten samt att inget samband setts mellan fuktigheten och närvaro så har sensorn inte inkluderats i oddsberäkningen av närvaron.