基于多变量传感器节点的占用率估计实验数据集
数据来源：互联网公开数据
标签：房间占用,环境传感器,机器学习,数据采集,传感器校准,非侵入式测量,温度,光线,声音,二氧化碳,被动红外
数据概述：
本数据集包含在一个6米×4.6米房间内进行的占用估计实验数据。实验装置由7个传感器节点和1个边缘节点组成，传感器节点以星形配置将数据每30秒通过无线收发器传输到边缘节点。在数据采集期间未使用任何HVAC系统。
实验使用了五种不同类型的非侵入式传感器：温度、光线、声音、二氧化碳和数字被动红外（PIR）。其中，二氧化碳、声音和PIR传感器需要手动校准。二氧化碳传感器通过将其置于清洁环境中超过20分钟并拉低零点校准引脚（HD引脚）超过7秒来进行零点校准。声音传感器是一个带有可变增益模拟放大器的麦克风，其输出为模拟信号，由微控制器的ADC读取为电压值。通过调整与放大器增益相连的电位器来确保最高灵敏度。PIR传感器有两个可调电位器：一个用于调整灵敏度，另一个用于调整检测到运动后输出保持高电平的时间。这两个电位器均设置为最大值。传感器节点S1-S4配备了温度、光线和声音传感器；S5配备了二氧化碳传感器；S6和S7各配备了1个PIR传感器，安装在天花板边缘，角度设置以最大化传感器的运动检测视场。
数据在4天内以受控方式进行采集，房间内的占用人数在0到3人之间变化。房间内的人数通过手动记录作为基准。
数据用途概述：
该数据集适用于房间占用估计、环境监测和机器学习模型训练等多种场景。研究人员可以利用此数据开发和评估基于机器学习的占用估计方法；设施管理者可以使用数据优化能源管理和人员调度；传感器技术开发者可以利用数据改进传感器性能。此外，该数据集也适合用于教育培训，帮助学习者理解传感器数据采集和处理的基本原理。
