《电子技术应用》

基于低功耗蓝牙的体感温度评价与穿衣指引

2017年电子技术应用第11期 作者:李 翀1,许武军1,2,范 红1,2
2017/11/28 13:50:00

李  翀1,许武军1,2,范  红1,2

(1.东华大学 信息科学与技术学院,上海201620;2.数字化纺织服装技术教育部工程研究中心,上海201620)


    摘  要: 天气预报中的体感温度反映了室外的冷暖度,而室内却缺乏一种实用的冷暖度测定方案。对于环境变化,人们容易因为穿衣不当而引发感冒,故设计了一套兼顾室外、室内的体感温度评价系统。利用网络爬虫抓取天气预报信息得到室外体感温度,使用温湿度传感器采集室内温湿度数据,低功耗蓝牙传输数据到安卓手机,由应用程序计算出室内体感温度,最后根据体感温度查询衣服数据库,即可得到室外、室内的冷暖度及适合穿着的衣服。实验证明,该系统具有较准确的评价结果。

    关键词: 体感温度;穿衣指引室内冷暖度;网络爬虫;BLE

    中图分类号: TN919.3

    文献标识码: A

    DOI:10.16157/j.issn.0258-7998.171128


    中文引用格式: 李翀,许武军,范红. 基于低功耗蓝牙的体感温度评价与穿衣指引[J].电子技术应用,2017,43(11):51-53,57.

    英文引用格式: Li Chong,Xu Wujun,Fan Hong,et al. Assessment of the apparent temperature and dressing guide based on Bluetooth low energy[J].Application of Electronic Technique,2017,43(11):51-53,57.

0 引言

    体感温度是在气温、湿度、风速、太阳辐射等多种气象因素综合作用下反映人体实际冷暖感受的参考温度[1]。室内与室外环境存在一定差异,体感温度也有所不同,人们往往在身体冷暖感觉改变时才作出穿衣调整,存在一定滞后性;老人和小孩对环境变化不敏感,抵抗力弱,更容易因为穿衣不当而引发疾病。本文介绍了一套体感温度评价系统,能显示室内及室外的气温、相对湿度以及体感温度等数据,提供了不同环境下的穿衣参考。

1 系统方案设计

    整个系统分为两部分,一是负责环境数据采集的硬件系统,二是负责数据处理的穿衣助手App软件系统。系统框图如图1所示。温湿度传感器DHT11采集室内环境的温湿度数据,由低功耗蓝牙(Bluetooth Low Energy,BLE)片上系统nRF51822无线传输数据,安卓手机穿衣助手App接收数据并计算体感温度,再由体感温度查询衣服数据库,最后显示室内环境下适合穿着的衣服。另外,App通过网络爬虫获取了室外的天气信息,并通过相同的方法得到室外环境下适合穿着的衣服。

qrs1-t1.gif

2 硬件设计

2.1 低功耗蓝牙片上系统nRF51822

    nRF51822是Nordic半导体公司开发的低功耗蓝牙片上系统,片内包含支持BLE协议的2.4 GHz射频收发器。单芯片即可完成主控制以及蓝牙通信功能,体积小巧,功耗极低,适合作为本系统的控制器和信号发射器。

2.2 温湿度传感器DHT11

    DHT11数字温湿度传感器模块能同时测量空气温度和相对湿度,它输出的是已校准的数字信号,硬件搭建简单,产品价格低廉,且测量范围和测量精度(如表1所示)均满足室内温湿度的测量需求,因此采用DHT11温湿度模块作为系统的传感器部分。

qrs1-b1.gif

3 软件部分设计

3.1 室外体感温度获取

    中央气象台官方网站提供了丰富的天气信息,使用网络爬虫技术可以抓取本系统所需的气象数据。网络爬虫是一种能自动访问互联网并抓取特定数据的程序,它一般由URL管理器、网页下载器和网页解析器等构成,运行流程如图2所示。在本系统中,App首先通过GPS定位获取当前所在城市,得到当地气象查询的网页链接URL,然后启动爬虫程序传入URL,URL管理器判定该URL未访问过,于是将其传入网页下载器进行网页的自动访问和下载,网页解析器再对下载到本地的网页进行分析,提取当前气温、相对湿度、体感温度等目标信息,最后App将这些数据呈现出来。

qrs1-t2.gif

3.2 蓝牙通信编程

    室内温湿度采集设备采集到温湿度数据后,使用蓝牙传输数据。发送数据前,需要先在通信双方建立蓝牙连接。室内温湿度采集系统是发送端,穿衣助手App是接收端。发送端打开广播,接收端开始扫描,蓝牙成功配对后,发送端进入循环发送模式,每隔5 s发送一次温湿度数据。接收端循环接收数据,每次数据更新后都会调用体感温度计算函数。室内温湿度采集设备的程序流程图如图3所示。

qrs1-t3.gif

3.3 室内体感温度与穿衣指数算法

    室内的体感温度主要取决于空气温度、相对湿度、风速和室内平均辐射温度这4种环境因素[2]。气温是最主要影响因素,在外界气温变化下,人体通过散热或产生热量维持自身体温恒定,从而产生冷热感受[3]。低湿度对体感温度的影响不大,但是湿度较高时,温度越高(越低),体感温度增加(减少)也越明显,即高温闷热,低温湿冷[4]。风速可以加快人体与周围环境的热交换,气温不变时,风速越大,降温效果越明显,体感温度越低[3]

    体感温度的计算方法有很多。朱学玲等提出的计算公式形式简单[3],但是方程系数是根据当地气候及人群的特点制定的,不具有普适性。Fanger教授提出的PMV指标综合考虑了热环境主要参数与人体的热感觉,是目前最通用的室内热环境评价指标[5],但是计算公式中的变量繁多,计算复杂且难以实际测量,不利于本系统实现。而由马盼等人提出的体感温度计算方法及相应舒适度划分[6],考虑了各地的纬度、月份等气候差异,普适性强,而且公式简洁,参量易于测量,因此本系统采用此模型来计算室内的体感温度。计算方法如下[6]

    先计算“最佳舒适温度”Ts:

qrs1-gs1-2.gif

式中Ta为空气温度(℃),RH为相对湿度(%),RHs为最适相对湿度(%),室内环境下认为RHs=50%,V为风速(m/s)。Ci(i=1,2,3,4)为常数,当Ta≥Ts时,C1=1,C2=0.05,C3=-1,C4=-0.03;当Ta<Ts时,C1=-1,C2=-0.013,C3=1,C4=0.01。

    在本系统中,纬度qrs1-gs1-2-x1.gif可由安卓手机GPS定位得到,空气温度Ta、相对湿度RH由温湿度传感器DHT11采集得到。把风速V作为人为调整项处理,因为室内环境下风速一般趋于零,在电风扇或空调开启时风速会发生显著变化,这属于人为调控带来的影响,也不便于传感器的测量,因此在App中风速档位W由用户自主选择,0~3一共4档分别对应了0、2、4、6(m/s)4种风速V。

    冷暖度以及适合穿着的衣服都可以从体感温度得到。把冷暖度划为11个等级,取变量Dt=22.7-Ts表示当地最适温度与理论最适温度的偏差,用来微调冷暖度的划分[6]。设穿衣指数为i(0≤i≤100),代表适合穿着的衣服的保暖度,i=100表示最保暖的衣服,i=0是最凉爽衣服,把穿衣指数i平均分为11段,即可与马盼等人提出的11个舒适度(这里表述为冷暖度)等级形成一一对应,对应关系如表2所示。

qrs1-b2.gif

3.4 数据库设计

    最后只要把计算得到的体感温度和穿衣指数与录入数据库中的衣服指数作匹配,即可查找到适合当前环境穿着的衣服以及对应的照片。采用SQLite数据库作为衣服数据的存储方式。SQLite是一个轻量级的、嵌入式的关系型数据库,可以方便地使用SQL语句实现数据的增加、修改、删除、查询、事务控制等操作,而且所有数据被集中保存到一个数据库文件中,方便对衣服数据集中管理。

    穿衣助手App程序流程图如图4所示。

qrs1-t4.gif

4 实验结果与分析

    在一间3人学生宿舍中由两名实验人员进行实验,考虑环境温度、湿度以及风速对体感温度的影响。实验者A坐在空调的出风口下,正好能吹到风;实验者B通过调整空调温度、风速,在空调出风口位置加水等方式改变环境的温湿度和风速,每次调整后待空调指示的室内温度稳定再记录App显示的温湿度数据、体感温度、冷暖度以及穿衣推荐,同时通知实验者B记录自身的冷暖感受。两位实验者保持相对独立,不能交换数据。实验结果如表3所示。

qrs1-b3.gif

    从表中的第1组与第2组、第4组与第5组数据可以看出,风速增大会降低湿度,同时人体感觉更冷。从第1组与第4组数据看出,湿度、风速不变下,温度升高,人体感觉变热,证明上述观测数据与前文分析的环境因素对人体冷暖感受的影响大致相符。从实验者冷暖感受与App的计算结果看出,本系统采用的体感温度的计算方法在高温段与低温段均能较准确地反映人体的冷暖感受。但是在第3组数据中,冷暖度判断出现了较大差异,说明对于空气温度Ta接近于最适温度Ts的情况,模型需要做出适当修正。

    图5是两张App截图,其中室内数据对应的是表3中的第5组实验数据。由图可见,室外实时气温是12.4 ℃,湿度较高(69%),人体感觉湿冷,因此体感温度较低,只有11.6 ℃,系统指出冷暖度为凉,推荐穿薄棉衣,与人体判断大致相符。室内由于开了空调且进行了加湿,温度为26 ℃,湿度为70%,人体感觉闷热,因此体感温度比气温要高(26.6 ℃),系统推荐穿薄衬衣或薄外套等春秋装,比人体判断稍微偏厚。

qrs1-t5.gif

5 结束语

    本文设计的体感温度评价与穿衣指引系统能提供室外和室内的冷暖度和穿衣参考。系统在硬件部分采用了低功耗蓝牙技术、成本低廉的温湿度传感器以及广泛使用的安卓手机,软件部分使用了高效准确的网络爬虫技术和简化的体感温度计算模型。整个系统在实现简单的同时不失较好的效果,能广泛应用于各种一般测量精度需求的环境。体感温度计算的准确性依赖于传感器精度和体感温度模型,而后者是关键,需要对大量实验数据进行分析,进一步修正体感温度计算公式,从而提高冷暖度评价的准确性。

参考文献

[1] 孙凤华,班显秀,齐丽丽.“体感”温度计算方法[J].气象科技,2002(5):282-283,303.

[2] 王沁芳,张波,王利芳.节能建筑中室内舒适度影响因素的分析[J].洁净与空调技术,2012(4):74-76.

[3] 朱学玲,任健.人体舒适度的分析与预报[J].气象与环境科学,2011(S1):131-134.

[4] STEADMAN R G.The assessment of sultriness.Part I:A temperature-humidity index based on human physiology and clothing science[J].Journal of Applied Meteorology,1979,18(7):861-873.

[5] 陆丽莉.室内热舒适度评价研究[D].合肥:安徽农业大学,2013.

[6] 马盼.基于“黄金分割率”的体感温度计算方法及相应舒适度划分[A].中国气象学会.创新驱动发展 提高气象灾害防御能力——S15气候环境变化与人体健康[C].中国气象学会,2013:11.

继续阅读>>