一种智慧城市地铁空调温度调节方法及物联网系统与流程

1.本说明书涉及车内环境控制技术领域，尤其涉及一种智慧城市地铁空调温度调节方法及物联网系统。


背景技术：

2.在地铁、火车、公交等公共交通工具中，为了给乘客提供舒适的乘坐环境，一般都设置有温湿度调节系统。但是，由于车厢内部空间较大，车厢内部人员分散不均，导致车厢内部温湿度波动较大。而且当车辆停靠站台打开车门后，一方面车厢内的环境会与外界环境流通，另一方面上下车的人流量较大，车厢内部人员数量多变，会导致车厢内部的温湿度很难维持稳定。因此本技术提出一种可以及时、准确地对车厢内温湿度进行调控的智慧城市地铁空调温度调节方法及物联网系统。


技术实现要素：

3.本说明书一个或多个实施例提供一种智慧城市地铁空调温度调节方法，所述方法基于智慧城市地铁空调温度调节物联网系统的管理平台执行，所述方法包括：基于至少一个采集装置，获取所述地铁的多个车厢的车厢内外的温度数据和湿度数据；其中，所述至少一个采集装置包括至少一个第一采集装置和至少一个第二采集装置，所述至少一个第一采集装置安装于车厢内第一预设位置处，且相邻两个所述至少一个第一采集装置间的距离满足第一预设条件；所述至少一个第二采集装置安装于站台内第二预设位置处，且相邻两个所述至少一个第二采集装置间的距离满足第二预设条件；基于所述温度数据和所述湿度数据，确定所述多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，所述控制指令用于控制温度调节设备和通风设备。
4.本说明书一个或多个实施例提供一种智慧城市地铁空调温度调节物联网系统，所述系统包括管理平台；所述管理平台被配置为执行以下操作：通过至少一个采集装置获取地铁的多个车厢的车厢内外的温度数据和湿度数据；其中，所述至少一个采集装置包括至少一个第一采集装置和至少一个第二采集装置，所述至少一个第一采集装置安装于车厢内第一预设位置处，且相邻两个所述至少一个第一采集装置间的距离满足第一预设条件；所述至少一个第二采集装置安装于站台内第二预设位置处，且相邻两个所述至少一个第二采集装置间的距离满足第二预设条件；通过第一确定模块基于所述温度数据和所述湿度数据，确定所述多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，所述控制指令用于控制温度调节设备和通风设备；通过温度调节设备调节所述多个车厢内的温度；以及通过通风设备调节所述多个车厢内的湿度。
附图说明
5.本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其
中：
6.图1是根据本说明书一些实施例所示的智慧城市地铁空调温度调节物联网系统的示例性结构示意图；
7.图2是根据本说明书一些实施例所示的地铁空调温度调节物联网系统的示例性模块图；
8.图3是根据本说明书一些实施例所示的地铁空调温度调节方法的示例性流程图；
9.图4是根据本说明书一些实施例所示的确定初始制冷功率和初始通风量的示例性流程图；
10.图5是根据本说明书一些实施例所示的确定制冷功率调整值和通风量调整值的示例性流程图；
11.图6是根据本说明书一些实施例所示的预测模型的示意图。
具体实施方式
12.为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
13.应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
14.如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
15.本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
16.图1是根据本说明书一些实施例所示的智慧城市地铁空调温度调节物联网系统的示例性结构示意图。
17.物联网系统是一种包括用户平台、服务平台、管理平台、传感网络平台、对象平台中部分或全部平台的信息处理系统。用户平台是实现用户感知信息获取和控制信息生成的功能平台。服务平台可以实现连接管理平台和用户平台，起着感知信息服务通信和控制信息服务通信的功能。管理平台可以统筹、协调各功能平台(如用户平台、服务平台)之间的联系和协作。管理平台汇聚着物联网运行体系的信息，可以为物联网运行体系提供感知管理和控制管理功能。传感网络平台是对传感通信进行管理的功能平台。在一些实施例中，传感网络平台可以连接管理平台和对象平台，实现感知信息传感通信和控制信息传感通信的功能。对象平台是感知信息生成的功能平台。
18.物联网系统中信息的处理可以分为用户感知信息的处理流程及控制信息的处理流程。控制信息可以是基于用户感知信息而生成的信息。在一些实施例中，控制信息可以包括用户需求控制信息，用户感知信息可以包括用户查询信息。其中，感知信息的处理是由对象平台获取感知信息，并通过传感网络平台传递至管理平台。用户需求控制信息则是由管理平台通过服务平台传输至用户平台，进而实现提示信息发送的控制。
19.如图1所示，智慧城市地铁空调温度调节物联网系统100包括：依次交互的用户平台110、服务平台120、管理平台130、传感网络平台140、对象平台150。
20.用户平台110是以用户为主导的平台，可以用于与用户进行交互，包括获取用户的需求以及将信息反馈给用户等。用户可以包括地铁管理人员等。
21.在一些实施例中，用户平台110被配置为终端设备。例如，终端设备可以包括移动设备、平板计算机等或其任意组合。在一些实施例中，用户平台110可以用于接收信息和/或指令。例如，用户平台110可以将城市各地铁运营线对应的地铁车厢温度调节方案反馈给用户，便于用户查询、管理。
22.在一些实施例中，用户平台110可以用于向下与服务平台120进行交互，包括：下发地铁车厢空调温度调节方案查询指令至服务平台120，接收服务平台120上传的地铁车厢空调温度调节方案并反馈给用户等。
23.服务平台120是用于为用户提供查询服务的平台。例如，用户可以通过服务平台120查询地铁车厢空调温度调节方案等。
24.在一些实施例中，服务平台120可以包括多个独立的分平台，多个独立的分平台各自独立运行和处理数据，并直接与上下功能平台进行交互。
25.在一些实施例中，服务平台120的多个分平台分别对应不同的地铁运营线路。例如，服务分平台1对应地铁1号线，服务分平台2对应地铁2号线等。在一些实施例中，不同的服务分平台可以独立接收用户平台110的各种指令，并独立反馈各种信息、数据等。
26.在一些实施例中，服务平台120还可以用于与用户平台110和管理平台130进行交互，包括：接收用户平台110下发的地铁车厢空调温度调节方案查询指令；下发地铁车厢空调温度调节方案查询指令至管理平台130的各个分平台；接收管理平台130的各个分平台上传的地铁车厢空调温度调节方案并上传至用户平台110等。
27.管理平台130是统筹、协调各功能平台之间的联系和协作，汇聚着物联网全部的信息，为物联网运行体系提供感知管理和控制管理功能的平台。例如，管理平台130可以用于响应用户的查询需求，将智慧城市地铁空调温度调节方案上传至服务平台120。在一些实施例中，管理平台130还可以用于执行智慧城市地铁空调温度调节方法。例如，管理平台130可以对传感网络平台上传的地铁车厢的相关数据进行处理，确定不同地铁线路对应的空调温度调节方案等。其中，地铁车厢的相关数据可以包括环境数据(如，温度、湿度)、人流量数据(如，上下车人数)等。
28.在一些实施例中，管理平台130可以包括多个分平台。管理平台130的多个分平台可以基于不同的地铁运营线路划分(如，管理分平台1对应地铁1号线、管理分平台2对应地铁2号线等)，并与服务平台120的多个服务分平台一一对应。例如，管理分平台1对应服务分平台1，管理分平台2对应服务分平台2等。
29.在一些实施例中，管理平台130还可以用于与服务平台120和传感网络平台140进
行交互，包括：管理平台130的各分平台接收对应的服务分平台下发的地铁车厢空调温度调节方案查询指令；下发获取地铁车厢相关数据指令至对应的传感网络分平台；接收对应的传感网络分平台上传的地铁车厢相关数据并进行处理；上传地铁车厢空调温度调节方案至对应的服务分平台。
30.传感网络平台140是用于连接智慧城市地铁空调温度调节物联网系统管理平台130和对象平台150，起着感知信息传感通信和控制信息传感通信的功能平台。在一些实施例中，传感网络平台140可以被配置为通信网络和物联网网关。
31.在一些实施例中，传感网络平台140可以包括多个分平台。传感网络平台140的各个分平台可以基于不同的地铁运营线路划分(如，传感网络分平台1对应地铁1号线、传感网络分平台2对应地铁2号线等)，并与管理平台130的多个管理分平台一一对应。例如，传感网络分平台1对应管理分平台1，传感网络分平台2对应管理分平台2等。在一些实施例中，传感网络平台140的各分平台可以从对应的地铁运营线路的对象分平台获取地铁车厢数据。例如，传感网络分平台1可以从地铁1号线对应的对象分平台获取地铁1号线各地铁车厢的相关数据等。
32.在一些实施例中，传感网络平台140还可以用于与管理平台130和对象平台150进行交互，包括：传感网络平台140的各分平台接收对应的管理分平台下发的获取地铁车厢相关数据指令；下发获取地铁车厢相关数据指令至对应的对象分平台；接收对应的对象分平台上传的地铁车厢相关数据；上传地铁车厢相关数据至对应的管理分平台。
33.对象平台150是用于获取地铁车厢相关数据的平台。在一些实施例中，对象平台150可以被配置为各类数据采集设备。例如，摄像设备、温度计、湿度计等。其中，不同的设备配置有唯一的标识，便于部署在不同的地铁运营线路进行管理。
34.在一些实施例中，对象平台150可以包括多个对象分平台。多个对象分平台的不同分平台分别对应一条地铁运营线路，包括部署在对应的运营线的站点、地铁车厢内的设备等。例如，对象分平台1对应地铁1号线的站点和车厢内的摄像设备、温度计、湿度计等各种采集设备。
35.在一些实施例中，对象平台150还可以用于与传感网络平台140进行交互，包括：对象平台150的各分平台接收对应的传感网络分平台下发的获取地铁车厢相关数据指令；上传地铁车厢相关数据至对应的传感网络分平台。
36.在一些实施例中，不同的地铁运营线路对应的不同的“服务分平台—管理分平台—传感网络分平台—对象分平台”为各自独立的分支，可以并行、独立地处理相关数据和指令，并独立反馈至用户平台110。
37.在一些实施例中，智慧城市地铁空调温度调节物联网系统100通过多个独立的分支对不同地铁运营线的地铁车厢的相关数据进行处理，可以减少数据处理压力，同时可以使城市各地铁运营线独立管理各自的地铁车厢的温度优化方案，针对性地对不同线路的地铁空调温度进行调节，获得更好的效果。
38.需要注意的是，以上对于智慧城市地铁空调温度调节物联网系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的用户平台、服
务平台、管理平台、传感网络平台、对象平台可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个存储模块，各个模块也可以分别具有各自的存储模块。诸如此类的变形，均在本说明书的保护范围之内。
39.图2是根据本说明书一些实施例所示的地铁空调温度调节物联网系统的示例性模块图。如图2所示，在一些实施例中，系统模块200可以包括采集装置210、第一确定模块220、温度调节设备230、通风设备240、参考数据库建立模块250、第二确定模块260、第三确定模块270以及图像监测装置280。
40.在一些实施例中，系统模块200的各模块(例如采集装置210、第一确定模块220、温度调节设备230、通风设备240等)可以通过管理平台130进行调控或者信息传递。例如，管理平台130可以通过至少一个采集装置210获取地铁的多个车厢的车厢内外的温度数据和湿度数据。又例如，管理平台130还可以通过第一确定模块220基于温度数据和湿度数据，确定多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，控制指令用于控制温度调节设备230和通风设备240。关于管理平台130与系统模块200的各模块之间的联系具体可参照后文相关描述。
41.采集装置210可以用于采集地铁的多个车厢的车厢内外的温度数据和湿度数据。在一些实施例中，采集装置210的数量至少为一个。在一些实施例中，至少一个采集装置210可以包括至少一个第一采集装置211和至少一个第二采集装置212。第一采集装置211可以用于采集地铁的车厢内部的温度数据与湿度数据。第二采集装置212可以用于采集地铁车厢外部的温度数据与湿度数据。在一些实施例中，第二采集装置212可以用于采集地铁的站台内的温度数据与湿度数据。
42.第一确定模块220可以基于温度数据和湿度数据，确定多个车厢的制冷功率调整值和通风量调整值，并生成控制指令。
43.温度调节设备230可以调节多个车厢内的温度。在一些实施例中，温度调节设备230可以包括但不限于空调、制冷器、加热器等。
44.通风设备240是指可以对地铁车厢内的湿度进行调节的设备，包括直接调节湿度的设备(例如加湿器、除湿器等)与间接调节湿度(例如排风扇等)的设备。在一些实施例中，地铁的多个车厢可以通过通风设备240与外界环境(例如站台、地铁隧道等)进行气体交换，通过将车厢内气体排出以及将外界气体引入车厢的方式，对车厢内的气体进行置换，从而调节车厢内的湿度。在一些实施例中，通风设备240可以包括排气扇等换气装置。在一些实施例中，通风设备240也可以包括直接对车厢内的湿度进行调控的设备，例如加湿器、除湿器等。
45.参考数据库建立模块250用于建立参考数据库。在一些实施例中，参考数据库中可以包括多个参考温度数据和多个参考湿度数据，以及多个参考温度数据和多个参考湿度数据各自对应的参考制冷功率和参考通风量。在一些实施例中，管理平台130还可以基于温度数据和湿度数据构建温度向量和湿度向量；以及，基于温度向量和湿度向量通过参考数据库进行向量匹配，确定温度向量和湿度向量对应的初始制冷功率和初始通风量。关于参考数据库、参考温度数据、参考湿度数据、参考制冷功率、参考通风量、温度向量、湿度向量、初始制冷功率和初始通风量的具体内容，请参照图4及其相关描述。
46.第二确定模块260可以基于初始制冷功率和初始通风量，通过预测模型预测多个
车厢的温度变化数据和湿度变化数据。
47.第三确定模块270可以基于温度变化数据和湿度变化数据确定控制指令。其中控制指令包括确定制冷功率调整值和通风量调整值。在一些实施例中，管理平台130还可以进一步用于：通过第三确定模块270基于温度变化数据和湿度变化数据构建温度变化向量和湿度变化向量；以及，通过第三确定模块270基于温度变化向量和湿度变化向量，通过参考数据库进行向量匹配，确定温度变化向量和湿度变化向量对应的制冷功率调整值和通风量调整值。
48.图像监测装置280可以对地铁车厢内外的人流量数据进行采集。管理平台130可进一步通过图像监测装置280获取人流量数据；以及，通过第三确定模块270基于人流量数据确定多个车厢的制冷功率调整值和通风量调整值及生成控制指令。关于人流量数据的具体内容，请参照图5及其相关描述。
49.图3是根据本说明书一些实施例所示的地铁空调温度调节方法的示例性流程图。下面呈现的流程300的操作意图是说明性的。在一些实施例中，可以利用一个或以上未描述的附加操作和/或未讨论的一个或以上操作来完成该过程。另外，图3中示出的和下面描述的流程300的操作的顺序不旨在是限制性的。如图3所示，流程300包括下述步骤：
50.步骤310，基于至少一个采集装置，获取地铁的多个车厢的车厢内外的温度数据和湿度数据。
51.在一些实施例中，地铁的多个车厢，可以是指地铁的全部车厢。在一些实施例中，地铁的多个车厢，也可以是指地铁的部分车厢，例如可以不包括地铁的驾驶室或控制室等。
52.在一些实施例中，温度数据可以是指当前时间段(即截止当前时间点之前的连续一段时间)环境温度。例如，车厢内的温度数据，可以是指当前车厢截至当前时间点前一个小时的环境温度数据等。
53.在一些实施例中，湿度数据可以是指当前时间段(即截止当前时间点之前的连续一段时间)的环境湿度。例如，车厢外(即站台)的湿度数据，可以是指站台当前时间点前三个小时的环境湿度数据等。
54.在一些实施例中，温度数据和湿度数据也可以是指当前时刻的环境温度或湿度。
55.在一些实施例中，采集装置210可以用于采集地铁的多个车厢的车厢内外的温度数据和湿度数据。在一些实施例中，采集装置210的数量至少为一个。在一些实施例中，采集装置210可以包括但不限于红外温度传感器、气体温度传感器、辐射温度传感器等可以采集环境温度的仪器，以及采集装置210还可以包括但不限于毛发湿度计、干湿球湿度计、露点湿度计、库伦湿度计等可以采集环境湿度的仪器。在一些实施例中，采集装置210可以包括温湿计。
56.在一些实施例中，至少一个采集装置210可以包括至少一个第一采集装置211和至少一个第二采集装置212。第一采集装置211的数量与第二采集装置212的数量可以相同或不同，第一采集装置211的结构或原理可以与第二采集设备212的结构或原理相同或不同。
57.第一采集装置211可以用于采集地铁的车厢内部的温度数据与湿度数据。在一些实施例中，至少一个第一采集装置211安装于车厢内第一预设位置处，且相邻两个第一采集装置211间的距离满足第一预设条件。
58.在一些实施例中，地铁的每个车厢中可以设置有至少一个第一采集装置211，以对
地铁的每个车厢的温度数据与湿度数据进行采集。在一些实施例中，第一预设位置可以是预先设定的第一采集装置211的安装位置。第一预设位置可以是车厢内温度和湿度容易变化的位置，例如，第一预设位置可以包括车厢上侧车门附近、靠近和远离通风口的位置、座位上方位置等。
59.在一些实施例中，第一预设位置可以是固定不变的，也可以根据实际情况改变。在一些实施例中，第一预设位置的数量可以与第一采集装置211的数量相同或不同。
60.在一些实施例中，相邻的两个第一采集装置211间的距离满足第一预设条件，以提升第一采集装置211的数据(例如温度数据、湿度数据等)准确性。在一些实施例中，相邻两个第一采集装置211之间的距离，可以是指同一车厢内相邻两个第一采集装置211之间的距离，也可以是指不同车厢的相邻两个第一采集装置211之间的距离。
61.相邻的两个第一采集装置211之间的距离过小，可能导致采集数据的区域接近，既浪费了资源，导致第一采集装置211的利用率不高，还有可能由于采集的数据相似不能充分反映车厢内整体情况，对最终数据的准确性造成影响。而相邻的两个第一采集装置211之间的距离过大，可能导致两个第一采集装置211之间存在部分区域的数据未被采集到，部分数据可能不具有代表性，进而影响最终数据的准确性。因此，第一预设条件可以是预设的范围区间，如在预设的距离范围内。示例性地，第一预设条件可以是xxxm-xxxm，即相邻两个第一采集装置211之间的距离为xxxm-xxxm。
62.第二采集装置212可以用于采集地铁车厢外部的温度数据与湿度数据。在一些实施例中，第二采集装置212可以用于采集地铁的站台内的温度数据与湿度数据。
63.在一些实施例中，至少一个第二采集装置212安装于站台内第二预设位置处，且相邻两个第二采集装置212间的距离满足第二预设条件。在一些实施例中，地铁的每个站台中均可以设置有至少一个第二采集装置212，以对地铁的每个站台的温度数据与湿度数据进行采集。
64.在一些实施例中，第二预设位置可以是站台内，温度和湿度数据具有代表性的位置，例如，可以包括靠近地铁停靠的一侧的上方、楼梯口、电梯口等。第二预设位置可以是预先设定的，也可以是临时确定的。在一些实施例中，第二预设位置可以是固定不变的或可变的。在一些实施例中，第二预设位置的数量可以与第二采集装置212的数量相同或不同。
65.在一些实施例中，相邻的两个第二采集装置212之间的距离满足第二预设条件，以提升第二采集装置212的数据(例如温度数据、湿度数据等)准确性。在一些实施例中，相邻的两个第二采集装置212之间的距离，是指同一站台内的相邻的两个第二采集装置212之间的距离。相邻的两个第二采集装置212之间的距离过小，会导致采集到的数据失真，对最终采集数据的准确性造成影响。因此，第二预设条件可以是预设的范围区间，例如不小于预设的距离阈值。示例性地，第二预设条件可以是不小于xxxm，即相邻的两个第二采集装置212之间的距离不小于xxxm。
66.步骤320，基于温度数据和湿度数据，确定多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，控制指令用于控制温度调节设备和通风设备。关于温度调节设备和通风设备的相关说明请参见图2对应的说明。
67.在一些实施例中，制冷功率是指温度调节设备230的工作功率。其中，在温度调节设备230处于加热模式时，制冷功率也可以被称为加热功率。
68.在一些实施例中，制冷功率调整值可以是指温度调节设备230的目标制冷功率与当前制冷功率的变化值。例如，制冷功率调整值可以是增大0.2kw、减小0.5kw等。在一些实施例中，目标制冷功率是指温度调节设备230将车厢内的温度调整至预设温度的工作功率。当前制冷功率是指温度调节设备230的当前时间点的工作功率。
69.在一些实施例中，通风量是指地铁车厢在单位时间内与外界环境置换空气的总量，即通风设备240的工作功率。在一些实施例中，当通风设备240还包括加湿器、除湿器等直接调控湿度的设备时，通风量也可以是指通风设备240增湿或除湿的工作功率。
70.通风量调整值可以是指通风设备240的目标通风量与当前通风量的变化值。例如，通风量调整值可以是增大15m3/h、减小10m3/h等。在一些实施例中，目标通风量是指通风设备240将车厢内的湿度调整至预设湿度的工作功率。当前通风量是指通风设备240当前时间点的工作功率。
71.在一些实施例中，控制指令是指控制调整地铁空调制冷功率和/或通风设备通风量的指令。在一些实施例中，控制指令可以包括制冷功率调整值与通风量调整值。例如，控制指令可以是地铁空调制冷功率增大0.5kw，通风设备通风量增加10m3/h等。管理平台130可以根据控制指令对温度调节设备230与通风设备240进行控制，使温度调节设备230与通风设备240的工作功率分别根据对应的制冷功率调整值、通风量调整值进行改变，从当前的工作功率调整至目标工作功率，从而对车厢内的温度与湿度进行调控。
72.在一些实施例中，基于温度数据和湿度数据，确定多个车厢的制冷功率调整值和通风量调整值，并生成控制指令可以包括：基于温度数据和湿度数据构建温度向量和湿度向量；基于温度向量和湿度向量通过参考数据库进行向量匹配，确定温度向量和湿度向量对应的初始制冷功率和初始通风量。具体参照图4及流程400。在确定初始制冷功率与初始通风量之后，还可以再基于初始制冷功率与初始通风量确定制冷功率调整值、通风量调整值及控制指令。具体参照图5及流程500。
73.应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
74.本说明书的一些实施例可以通过至少一个采集装置210对车厢内外的温度数据与湿度数据进行采集，并通过管理平台130基于温度数据与湿度数据确定制冷功率调整值与通风量调整值、生成控制指令，使得温度调控设备230与通风设备240可以及时、准确地对车厢内的环境温度与湿度进行调控，提升车厢内人员的舒适度。
75.图4是根据本说明书一些实施例所示的确定初始制冷功率和初始通风量的示例性流程图。如图4所示，流程400包括下述步骤：
76.步骤410，基于温度数据和湿度数据构建温度向量和湿度向量。
77.在一些实施例中，管理平台130可以基于地铁车厢内外的温度数据构建对应的温度向量，并基于湿度数据构建对应的湿度向量。温/湿度向量的特征信息可以包括采集位置信息、采集时间点、温/湿度的大小等。其中，采集位置数据是指温/湿度数据采集位置的信息，例如第一预设位置或第二预设位置、车厢内或站台内等。采集时间点是指温/湿度数据采集的具体时刻，例如中午十二点三十五分等。
78.温度向量是指基于车厢的温度数据构建的向量。基于温度数据构建温度向量的方
式可以有多种。例如，基于对应温度数据的温度特征(x，y，z)构建的特征向量p，其中，温度特征(x，y，z)可以表示对应温度的位置数据为x、时间点为y、且温度为z。湿度向量也是基于车厢的湿度数据构建的向量，湿度向量的构建方式可以参照温度向量的构建方式。
79.步骤420，基于温度向量和湿度向量通过参考数据库进行向量匹配，确定温度向量和湿度向量对应的初始制冷功率和初始通风量。
80.在一些实施例中，管理平台130可以基于温度向量与湿度向量，通过参考数据库初步确定温度数据所对应的制冷功率(即初始制冷功率)，以及通过参考数据库初步确定湿度数据所对应的通风量(即初始通风量)。在一些实施例中，确定初始制冷功率与初始通风量之后，管理平台130可以基于初始制冷功率与初始通风量确定制冷功率调整值、通风量调整值及控制指令，以使得温度调节设备230与通风设备240可以准确地对车厢内的温度及湿度进行调控。具体参照图5及流程500。
81.在一些实施例中，参考数据库可以是由管理平台130通过参考数据库第二确定模块260建立的。参考数据库可以包括参考数据。参考数据可以包括人工输入数据和历史记录数据。其中，历史记录数据是指当前时间段之前记录的数据，历史记录数据可以从其他相关元器件获取。例如，当参考数据包括温度数据时，历史记录温度数据可以从采集装置210获取，或者从储存有相关数据的储存器或处理器获取。人工输入数据可以是指用户主动输入的数据。参考数据库可以对历史数据进行记录、保存或分析，以供后续使用。
82.在一些实施例中，参考数据库可以包括多个参考温度数据与多个参考湿度数据。其中，参考温度数据与参考湿度数据可以是当前时间段之前车厢内外对应的温度数据与湿度数据。参考温度数据与参考湿度数据可以是第一采集装置211和/或第二采集装置212采集到的，也可以是用户人工输入的。
83.在一些实施例中，参考数据库可以包括参考制冷功率与参考通风量。其中参考制冷功率是指在对应的参考温度数据下，温度调节设备230的制冷功率。参考通风量是指在对应的参考湿度数据下，通风设备240的通风量。
84.在一些实施例中，参考数据库也可以包括参考温度向量与参考湿度向量。参考温度向量与参考湿度向量的构建方式可以参照温度向量。
85.管理平台130可以分别计算温度向量与参考温度向量之间的距离以及湿度向量与参考湿度向量之间的距离，从而确定初始制冷功率与初始通风量。例如，将与温度向量之间的距离满足第三预设条件的参考温度向量作为目标温度向量，将与湿度向量之间的距离满足第四预设条件的参考湿度向量作为目标湿度向量，将目标温度向量对应的参考制冷功率与目标湿度向量对应的参考通风量作为温度向量对应的初始制冷功率和湿度向量对应的初始通风量。第三预设条件与第四预设条件可以根据情况设定。例如，第三预设条件和/或第四预设条件可以是向量距离最小或向量距离小于距离阈值等。
86.由于在不同季节、不同天气的情况下，对于同一温度数据，温度调节设备230调节温度难度不一样，因此温度调节设备230的制冷功率也可能不同；对于同一湿度数据，通风设备240调节湿度的难度不一样，因此通风设备240的通风量也可能不同。因此，在一些实施例中，在确定初始制冷功率与初始通风量时，还需要综合考虑季节数据与天气数据。
87.在一些实施例中，温/湿度向量的特征信息还可以包括季节数据与天气数据，季节数据与天气数据是指温/湿度数据采集时外界环境的季节与天气状况，例如采集数据时外
界环境的季节为夏季、天气为暴雨等。此时，基于对应温度数据的温度特征(x，y，z，m，n)构建的特征向量p，其中，温度特征(x，y，z，m，n)可以表示对应温度的位置数据为x、时间点为y、温度为z、季节为m、天气为n。对应的，参考数据库还可以包括参考季节数据与参考天气数据。参考季节数据与参考天气数据可以是指当前时间段之前外界环境的季节数据与天气数据。参考温度向量、湿度向量、参考湿度向量的构建方式可以参照温度向量的构建方式。
88.本说明书的一些实施例可以通过参考数据库基于温度数据与湿度数据确定初始制冷功率与初始通风量，通过向量匹配的方式可以方便、快捷地确定温度数据对应的初始制冷功率以及湿度数据对应的初始通风量，丰富的数据积累，增强了确定的初始制冷功率与初始通风量的准确性。
89.图5是根据本说明书一些实施例所示的确定制冷功率调整值和通风量调整值的示例性流程图。在一些实施例中，流程500可以由智慧城市地铁空调温度调节物联网系统100的管理平台130执行。如图5所示，流程500包括下述步骤。
90.步骤510，基于初始制冷功率和初始通风量，通过预测模型预测多个车厢的温度变化数据和湿度变化数据，预测模型为机器学习模型。
91.温度变化数据是指某一地铁车厢在采集时间点之后的多个时间点的温度变化情况。该温度变化情况可以通过采集时间之后的温度数据体现。例如，温度变化数据可以是某一车厢从采集时间点、第k1分钟、第k2分钟和第k3分钟的温度变化数据为(10℃,15℃,18℃,17℃)，表明该车厢在采集时间点之后第k1分钟时温度上升5℃，第k2分钟时温度上升3℃，第k3分钟时温度下降1℃等。
92.湿度变化数据是指某一地铁车厢在采集时间点之后的多个时间点的湿度变化情况。例如，湿度变化数据可以是某一地铁车厢从采集时间点、第k1分钟、第k2分钟和第k3分钟的温度变化数据为(45％,55％,59％,54％)，表明该车厢在采集时间点之后第k1分钟时湿度增加10％，第k2分钟时湿度增加4％，第k3分钟时湿度减少5％等。
93.在一些实施例中，温度变化数据和湿度变化数据可以由地铁管理人员基于天气(如，气温、空气湿度等)、人流量等数据确定。例如，气温升高、人流量增大，地铁温度数据可能变大。又例如，空气湿度增大，地铁车厢的湿度数据可能增大等。
94.在一些实施例中，地铁车厢的温度变化数据和湿度变化数据还可以基于预测模型确定。其中，预测模型为机器学习模型。关于预测模型的详细说明可以参见图6及其相关部分。
95.步骤520，基于温度变化数据和湿度变化数据确定控制指令，控制指令包括确定制冷功率调整值和通风量调整值。
96.在一些实施例中，制冷功率调整值和通风量调整值可以基于以下子步骤确定：
97.步骤521，基于温度变化数据和湿度变化数据构建温度变化向量和湿度变化向量。
98.温度变化向量是指某一地铁运营线路在采集时间点之后多个时间点的温度变化数据所对应的向量。例如，温度变化向量可以表示为(t1，t2，t3，
…
，tn)。其中，向量中的每个元素分别表示不同时间点的地铁车厢的温度变化数据对应的温度变化向量。例如，t1表示采集时间点之后第k1分钟时的多个地铁车厢的温度变化数据对应的向量，tn表示采集时间点之后第kn分钟时的多个地铁车厢的温度变化数据对应的向量等。
99.在一些实施例中，多个时间点的温度变化向量中的至少一个可以包括多个地铁车
厢在该时间点的温度变化数据。例如，t1可以表示为(t
11
，t
12
，t
13
，
…
，t
1m
)，tn可以表示为(t
n1
，t
n2
，t
n3
，
…
，t
nm
)。其中，t
11
，t
12
，t
13
，
…
，t
1m
分别表示在采集时间点之后第k1分钟时第1个、第2个、第3个、
…
、第m个车厢对应的温度变化数据；t
n1
，t
n2
，t
n3
，
…
，t
nm
分别表示在采集时间点之后第kn分钟时第1个、第2个、第3个、
…
、第m个车厢对应的温度变化数据等。
100.湿度变化向量是指某一地铁运营线路在采集时间点之后多个时间点的湿度变化数据所对应的向量。例如，湿度变化向量可以表示为(w1，w2，w3，
…
，wn)。其中，向量中的每个元素分别表示不同时间点的地铁车厢的湿度变化数据对应的湿度变化向量。例如，w1表示采集时间点之后第k1分钟时的多个地铁车厢的湿度变化数据对应的向量，wn表示采集时间点之后第kn分钟时的多个地铁车厢的湿度变化数据对应的向量等。
101.在一些实施例中，多个时间点的湿度变化向量中的至少一个可以包括多个地铁车厢在该时间点的湿度变化数据。例如，w1可以表示为(w
11
，w
12
，w
13
，
…
，w
1m
)，wn可以表示为(w
n1
，w
n2
，w
n3
，
…
，w
nm
)。其中，w
11
，w
12
，w
13
，
…
，w
1m
分别表示在采集时间点之后第k1分钟时第1个、第2个、第3个、
…
、第m个车厢对应的湿度变化数据；w
n1
，w
n2
，w
n3
，
…
，w
nm
分别表示在采集时间点之后第kn分钟时第1个、第2个、第3个、
…
、第m个车厢对应的湿度变化数据等。
102.步骤522，基于温度变化向量和湿度变化向量，通过参考数据库进行向量匹配，确定温度变化向量和湿度变化向量对应的制冷功率调整值和通风量调整值。
103.在一些实施例中，基于温度变化向量和湿度变化向量，通过参考数据库进行向量匹配包括：基于温度变化向量和湿度变化向量确定预测数据；基于预测数据确定目标向量(包括目标温度向量和目标湿度向量，具体参见图4对应描述)。
104.预测数据是指采集时间点后的多个时间点的温度、湿度、天气等数据变化后由预测模型进行预测获得的数据。在一些实施例中，预测数据可以包括预测温度数据、预测湿度数据等。
105.预测温度数据是指当天气、人流量等发生变化后，由预测模型进行预测获得的温度数据。在一些实施例中，预测温度数据可以基于采集设备采集的当前温度数据和温度变化向量确定。例如，地铁1号线采集的多个地铁车厢对应的当前温度数据可以用向量表示为ta，温度变化向量为(t1，t2，t3，
…
，tn)，则地铁1号线的多个地铁车厢在采集时间点之后的k1，k2，
…
，kn等多个时间点对应的预测温度数据可以用向量表示为(ta+t1，ta+t2，ta+t3，
…
，ta+tn)。
106.预测湿度数据是指当天气、人流量等发生变化后，由预测模型进行预测获得的湿度数据。在一些实施例中，预测湿度数据可以基于采集设备采集的当前湿度数据和湿度变化向量确定。例如，地铁1号线采集的多个地铁车厢对应的当前湿度数据可以用向量表示为wa，湿度变化向量为(w1，w2，w3，
…
，wn)，则地铁1号线的多个地铁车厢在采集时间点之后的k1，k2，
…
，kn等多个时间点对应的预测湿度数据可以用向量表示为(wa+w1，wa+w2，wa+w3，
…
，wa+wn)。
107.目标向量是指与预测数据满足向量距离最小或向量距离小于预设距离阈值等条件的参考数据所对应的向量。关于参考数据、参考数据库的相关说明可以参见图4及其相关部分。
108.在一些实施例中，管理平台可以将目标向量对应的参考制冷功率和参考通风量确定为预测制冷功率和预测通风量。其中，预测制冷功率和预测通风量是指预测温度数据和
预测湿度数据所对应的地铁空调制冷功率和通风设备的通风量。
109.在一些实施例中，制冷功率调整值和通风量调整值可以基于初始制冷功率、初始通风量和预测制冷功率、预测通风量确定。例如，制冷功率调整值可以是预测制冷功率和初始制冷功率的差值，通风量调整值可以是预测通风量和初始通风量的差值等。
110.在一些实施例中，制冷功率调整值和通风量调整值还可以与人流量相关。在一些实施例中，管理平台130可以基于图像监测装置280获取人流量数据。
111.人流量数据是指地铁车厢和/或地铁车站站台的人流量的相关数据。在一些实施例中，人流量数据可以包括地铁车厢内人数、车站站台前候车人数等。
112.在一些实施例中，人流量数据还可以包括地铁车厢内人员和车站站台前候车人员的性别和年龄数据等。
113.在一些实施例中，人流量数据可以基于图像监测装置280获取的图片、视频等信息，通过机器学习模型(例如，卷积神经网络模型等)或人物检测、图像识别等多种算法确定。例如，地铁车厢内人数、车站站台前候车人数可以基于人物检测算法确定。又例如，地铁车厢内人员和车站站台前候车人员的性别和年龄数据可以基于图像识别技术确定等。
114.在一些实施例中，人流量数据可以用于确定多个车厢的制冷功率调整值和通风量调整值以及生成控制指令。例如，不同的人流量数据可能对应不同的预测温度变化数据和湿度变化数据，对应的地铁车厢空调制冷功率和通风量也可能不同等。又例如，不同年龄、性别的人群对温度、湿度的感受可能不同(例如，男性比女性可能更喜好较低的温度，年轻人可能比老年人更喜好较低的温度等)。管理平台130可以基于统计数据选择最适合当前人流量数据的控制指令等。
115.在本说明书的一些实施例中，基于预测温度变化数据和湿度变化数据，通过参考向量以及参考数据库确定地铁车厢空调制冷功率调整量和通风量调整量，可以在一定程度上提高数据处理效率。
116.应当注意的是，上述有关流程500的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程500进行范围之内。
117.图6是根据本说明书一些实施例所示的预测模型的示意图。如图6所示，预测模型600可以包括第一提取层610、第二提取层620、第一预测层650、第二预测层660等。
118.预测模型600是用于预测地铁车厢温度变化数据和湿度变化数据的模型。在一些实施例中，预测模型可以是机器学习模型。例如，预测模型可以包括循环神经网络模型(recurrent neural network,rnn)、神经网络模型(neural networks，nn)、深度神经网络模型(deep neural networks，dnn)等或其任意组合。
119.第一提取层610可以用于基于温度数据获取温度变化特征。在一些实施例中，第一提取层的输入可以包括温度数据610-1，输出可以包括温度变化特征610-2。
120.温度数据610-1可以包括多个采集装置采集的地铁车厢不同位置的温度数据。关于温度数据的更多说明可以参见图3。
121.温度变化特征610-2是指截至采集时间点的多个不同时间点的温度数据变化的特征。例如，温度变化特征(a，b，c，
…
)中的不同元素分别表示采集时间点之前的q1、q2、q3等多个不同时间点的温度数据情况(例如，在采集时间点之前的q1时间点的温度为a℃，q2时间点
的温度为b℃等)。在一些实施例中，温度变化特征可以反映地铁车厢温度数据的变化趋势(如，下降、升高等)以及变化的速度(如，下降3℃每小时，上升1℃每小时)等。
122.第二提取层620可以用于基于湿度数据获取湿度变化特征。在一些实施例中，第二提取层的输入可以包括湿度数据620-1，输出可以包括湿度变化特征620-2。
123.湿度数据620-1可以包括多个采集装置采集的地铁车厢不同位置的湿度数据。关于湿度数据的更多说明可以参见图3。
124.湿度变化特征620-2是指截至采集时间点的多个不同时间点的湿度数据变化的特征。例如，湿度变化特征(x，y，z，
…
)中的不同元素分别表示采集时间点之前的q1、q2、q3等多个不同时间点的湿度数据变化情况(例如，采集时间点之前的q1时间点的湿度数据为x％，采集时间点之前的q2时间点的湿度数据为y％等)。在一些实施例中，湿度变化特征可以反映地铁车厢湿度数据的变化趋势(如，下降、升高等)以及变化的速度(如，下降5％每小时，上升3％每小时)等。
125.第一预测层650可以用于预测地铁车厢的温度变化数据(即后续多个时间点的温度数据)。在一些实施例中，第一预测层的输入包括温度变化特征610-2、湿度变化特征620-2、初始制冷功率630、初始通风量640等，输出可以包括温度变化数据650-1。
126.第二预测层660可以用于预测地铁车厢的湿度变化数据(即后续多个时间点的湿度数据)。在一些实施例中，第二预测层的输入包括温度变化特征610-2、湿度变化特征620-2、初始制冷功率630、初始通风量640等，输出可以包括湿度变化数据660-1。
127.关于温度变化特征、湿度变化特征、初始制冷功率、初始通风量、温度变化数据等的相关说明可以参见前文相关部分。
128.在一些实施例中，预测模型600的第一预测层650和第二预测层660的输入还可以包括人流量数据670。
129.在一些实施例中，预测模型600的输入包括人流量数据670可以提高模型输出的准确度，并同时使基于模型输出结果确定的控制指令可以更好地适配更多的乘客，获得更好的效果。
130.在一些实施例中，预测模型600可以基于大量的历史数据，通过第一提取层610、第二提取层620、第一预测层650以及第二预测层660联合训练确定。
131.历史数据可以包括训练样本和训练标签。训练样本包括多组历史时刻前的温度数据和湿度数据、历史制冷功率、历史通风量。在一些实施例中，训练样本还可以包括历史人流量数据。训练标签可以包括第一训练标签和第二训练标签。
132.第一训练标签是指第一预测层650对应的训练标签。在一些实施例中，第一训练标签可以包括该历史时刻后的实际温度变化数据(即该历史时刻后的多个时间点的实际温度数据)。在一些实施例中，第一训练标签可能包括多组，变化多组训练样本中的至少一组可能和多组第一训练标签存在对应关系。例如，一组历史开启设备前的温度数据和湿度数据、历史制冷功率、历史通风量的训练样本对应的第一训练标签可以是以该历史制冷功率、历史通风量运行地铁空调和通风设备后的温度数据等。
133.第二训练标签是指第二预测层660对应的训练标签。在一些实施例中，第二训练标签可以包括该历史时刻后的实际湿度变化数据(即该历史时刻后的多个时间点的实际湿度数据)。在一些实施例中，第二训练标签可能包括多组，多组训练样本中的至少一组可能和
多组第二训练标签存在和第一训练标签与训练样本之间类似的对应关系，具体说明可以参见上文相关部分。
134.在一些实施例中，训练样本和训练标签可以基于历史地铁运行数据人为采集获取。
135.在一些实施例中，第一提取层610和第二提取层620输出的温度变化特征和湿度变化特征可以作为第一预测层650和第二预测层660的输入。联合训练的过程包括：将训练样本中的历史时刻前的温度数据610-1输入第一提取层610，以获得温度变化特征610-2；将训练样本中的历史时刻前的湿度数据620-1输入第二提取层620，以获得湿度变化特征620-2；将第一提取层610和第二提取层620输出的温度变化特征610-2和湿度变化特征620-2、历史制冷功率、历史通风量以及历史人流量数据输入第一预测层650，以获得第一预测层650的输出；将第一提取层610和第二提取层620输出的温度变化特征610-2和湿度变化特征620-2、历史制冷功率、历史通风量以及历史人流量数据输入第二预测层，以获得第二预测层660的输出；将第一预测层650输出的温度变化数据650-1以及第一训练标签输入第一损失函数；将第二预测层660输出的湿度变化数据660-1以及第二训练标签输入第二损失函数；基于第一损失函数更新第一预测层650，第二损失函数更新第二预测层660直至满足预设条件，以获取训练好的预测模型600。其中，预设条件可以包括损失函数小于阈值、收敛，或训练周期达到阈值等。
136.在本说明书的一些实施例中，预测模型可以比较准确、快速地预测不同车厢的温度和湿度变化情况，从而实现提前对地铁空调和通风设备进行管理，以使乘客获得更好的乘车体验。
137.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
138.同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
139.此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
140.同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要
求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
141.一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有
±
20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
142.针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
143.最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

技术特征：
1.一种智慧城市地铁空调温度调节方法，其特征在于，所述方法基于智慧城市地铁空调温度调节物联网系统的管理平台执行，所述方法包括：基于至少一个采集装置，获取所述地铁的多个车厢的车厢内外的温度数据和湿度数据；其中，所述至少一个采集装置包括至少一个第一采集装置和至少一个第二采集装置，所述至少一个第一采集装置安装于车厢内第一预设位置处，且相邻两个所述至少一个第一采集装置间的距离满足第一预设条件；所述至少一个第二采集装置安装于站台内第二预设位置处，且相邻两个所述至少一个第二采集装置间的距离满足第二预设条件；基于所述温度数据和所述湿度数据，确定所述多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，所述控制指令用于控制温度调节设备和通风设备。2.根据权利要求1所述的方法，其特征在于，所述智慧城市地铁空调温度调节物联网系统包括用户平台、服务平台、所述管理平台、传感网络平台和对象平台；所述用户平台用于：下发地铁车厢空调温度调节方案查询指令至所述服务平台，接收所述服务平台上传的地铁车厢空调温度调节方案并反馈给用户；所述服务平台用于：接收所述用户平台下发的所述地铁车厢空调温度调节方案查询指令，下发所述地铁车厢空调温度调节方案查询指令至所述管理平台，接收所述管理平台上传的所述地铁车厢空调温度调节方案并上传至所述用户平台；所述管理平台用于：接收所述服务平台下发的所述地铁车厢空调温度调节方案查询指令，下发获取地铁车厢相关数据指令至所述传感网络平台，接收所述传感网络平台上传的地铁车厢相关数据并进行处理，上传所述地铁车厢空调温度调节方案至所述服务平台；所述传感网络平台用于：接收所述管理平台下发的所述获取地铁车厢相关数据指令，下发所述获取地铁车厢相关数据指令至所述对象平台，接收所述对象平台上传的所述地铁车厢相关数据，上传所述传感网络平台的所述地铁车厢相关数据至所述管理平台；所述对象平台用于：接收所述传感网络平台下发的所述获取地铁车厢相关数据指令，上传所述地铁车厢相关数据至所述传感网络平台。3.根据权利要求1所述的方法，其特征在于，所述基于所述温度数据和所述湿度数据，确定所述多个车厢的制冷功率调整值和通风量调整值，包括：基于所述温度数据和所述湿度数据构建温度向量和湿度向量；基于所述温度向量和所述湿度向量通过参考数据库进行向量匹配，确定所述温度向量和所述湿度向量对应的初始制冷功率和初始通风量。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：基于所述初始制冷功率和所述初始通风量，通过预测模型预测所述多个车厢的温度变化数据和湿度变化数据，所述预测模型为机器学习模型；基于所述温度变化数据和所述湿度变化数据确定所述控制指令，所述控制指令包括确定所述制冷功率调整值和所述通风量调整值。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于图像监测装置获取人流量数据，所述人流量数据包括所述地铁的车厢内人数车站、站台前候车人数以及性别和年龄数据，所述人流量数据用于确定所述多个车厢的所述制冷功率调整值和所述通风量调整值及生成所述控制指令。6.一种智慧城市地铁空调温度调节物联网系统，其特征在于，包括：所述系统包括管理
平台；所述管理平台被配置为执行以下操作：通过至少一个采集装置获取地铁的多个车厢的车厢内外的温度数据和湿度数据；其中，所述至少一个采集装置包括至少一个第一采集装置和至少一个第二采集装置，所述至少一个第一采集装置安装于车厢内第一预设位置处，且相邻两个所述至少一个第一采集装置间的距离满足第一预设条件；所述至少一个第二采集装置安装于站台内第二预设位置处，且相邻两个所述至少一个第二采集装置间的距离满足第二预设条件；通过第一确定模块基于所述温度数据和所述湿度数据，确定所述多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，所述控制指令用于控制温度调节设备和通风设备；通过温度调节设备调节所述多个车厢内的温度；以及通过通风设备调节所述多个车厢内的湿度。7.根据权利要求6所述的系统，其特征在于，所述智慧城市地铁空调温度调节物联网系统还包括用户平台、服务平台、传感网络平台和对象平台；所述用户平台用于：下发地铁车厢空调温度调节方案查询指令至所述服务平台，接收所述服务平台上传的地铁车厢空调温度调节方案并反馈给用户；所述服务平台用于：接收所述用户平台下发的所述地铁车厢空调温度调节方案查询指令，下发所述地铁车厢空调温度调节方案查询指令至所述管理平台，接收所述管理平台上传的所述地铁车厢空调温度调节方案并上传至所述用户平台；所述管理平台用于：接收所述服务平台下发的所述地铁车厢空调温度调节方案查询指令，下发获取地铁车厢相关数据指令至所述传感网络平台，接收所述传感网络平台上传的地铁车厢相关数据并进行处理，上传所述地铁车厢空调温度调节方案至所述服务平台；所述传感网络平台用于：接收所述管理平台下发的所述获取地铁车厢相关数据指令，下发所述获取地铁车厢相关数据指令至所述对象平台，接收所述对象平台上传的所述地铁车厢相关数据，上传所述传感网络平台的所述地铁车厢相关数据至所述管理平台；所述对象平台用于：接收所述传感网络平台下发的所述获取地铁车厢相关数据指令，上传所述地铁车厢相关数据至所述传感网络平台。8.根据权利要求6所述的系统，其特征在于，所述管理平台还用于：基于所述温度数据和所述湿度数据构建温度向量和湿度向量；以及，基于所述温度向量和所述湿度向量通过参考数据库进行向量匹配，确定所述温度向量和所述湿度向量对应的初始制冷功率和初始通风量。9.根据权利要求8所述的系统，其特征在于，所述管理平台还用于：通过第二确定模块基于所述初始制冷功率和所述初始通风量，通过预测模型预测所述多个车厢的温度变化数据和湿度变化数据，所述预测模型为机器学习模型；通过第三确定模块基于所述温度变化数据和所述湿度变化数据确定所述控制指令，所述控制指令包括确定所述制冷功率调整值和所述通风量调整值。10.根据权利要求6所述的系统，其特征在于，所述管理平台还用于：通过图像监测装置获取人流量数据，所述人流量数据包括所述地铁的车厢内人数、车站站台前候车人数以及性别和年龄数据，通过所述第三确定模块基于所述人流量数据确定所述多个车厢的所述制
冷功率调整值和所述通风量调整值及生成所述控制指令。

技术总结
本说明书实施例提供一种智慧城市地铁空调温度调节方法及物联网系统，该方法包括：基于至少一个采集装置，获取地铁多个车厢内外的温度数据和湿度数据；其中，至少一个采集装置包括至少一个第一采集装置和至少一个第二采集装置，至少一个第一采集装置安装于车厢内第一预设位置处，且相邻两个至少一个第一采集装置间的距离满足第一预设条件；至少一个第二采集装置安装于站台内第二预设位置处，且相邻两个至少一个第二采集装置间的距离满足第二预设条件；基于温度数据和湿度数据，确定多个车厢的制冷功率调整值和通风量调整值，并生成控制指令，控制指令用于控制温度调节设备和通风设备。设备。设备。


技术研发人员：邵泽华 向海堂 权亚强
受保护的技术使用者：成都秦川物联网科技股份有限公司
技术研发日：2022.12.14
技术公布日：2023/6/26