建造环境(BERL)课题组在中科院一区期刊《Science of Total Environment》(JCR Q1, IF=10.754)发表综述论文，讨论了通过物联网改善IAQ在未来建筑中的机遇与挑战。

作者：戴希磊（新加坡国立大学）、商文哲（天津大学）、刘俊杰（天津大学，通信作者）、薛敏（天津大学）、王聪聪（北京建筑大学）

一. 摘要

IAQ传感器和云技术的快速发展使建筑室内环境物联网系统大量应用，并用来改善IAQ营造健康和低碳建筑，本文总结了最新的室内环境物联网、数据挖掘、数字孪生以及其他智慧应用进展，并提出未来的机遇和挑战，以人为本的新型物联网是未来的趋势。

二. 背景

在物联网技术的支持下，人们已经可以实现不同设备之间的无线通信。这种便捷的通信技术使得交通、能源和建筑领域在远程监测和控制等方面取得了显著进步。在建造环境领域，商用室内空气质量（IAQ）传感器近年来也取得了重大改进。它们可以将监测信息通过物联网技术汇集到云服务器。近年来，有大量研究采用商用室内空气质量传感器和物联网技术进行室内空气质量的日常监测。随着物联网技术在室内空气质量控制领域的研究逐步深入，对近期相关研究进行综述研究，总结已经取得的进展及未来的机遇和挑战是十分必要的。

 三. 主要结果

1. 检索关键词

本文的主要检索关键词包括{“indoor air quality” OR “IAQ”} AND {“internet of thing” OR “IoT” OR “machine learning”}。近年来，相关关键词的文章数量呈显著增长趋势。

图1：不同年份的相关文章数量

图2：所综述文章标题及摘要的关键词分析

2.  室内空气质量物联网的开发与应用

近年来，开发或应用物联网平台以开展室内空气质量研究的发文量呈现增长趋势。据统计，每个监测单元成本约为1200元（约170美元）。目前所开发的室内空气质量物联网平台多以监测为主要功能，仅有9.1%的平台集成了数据驱动技术用于室内空气质量的预测或设备的优化控制等功能。目前可用的商用传感器已经覆盖了《WHO global air quality guidelines》中提及的污染物和部分《WHO guidelines for indoor air quality》中的污染物。其中，CO2和PM2.5最受关注。需要注意的是，这些传感器的实际测量精度会受到实际环境的影响。因此，在使用前需要针对典型使用环境对这些传感器进行校准。

图3：综述文章中监测的污染物频次

图4总结了近期采用物联网平台进行长期室内空气质量监测的研究。可以看出，室内空气质量物联网平台已经广泛地应用于住宅、学校、医院等场所的室内空气质量监测。

图4：采用物联网平台进行室内空气质量长期监测的相关研究

3. 数据挖掘

图5展示了室内空气质量预测的相关研究所采用的模型及其输入输出。较多研究关注PM2.5、PM10和CO2浓度的预测。使用较多的模型包括随机森林、ANN和LSTM。从之前的研究可以看出，关于PM2.5和CO2浓度的预测已经可以达到不错的精度。同时，LSTM在时间序列方面的预测通常具有更好的表现效果。因此，若涉及对未来PM2.5浓度的预测，推荐采用LSTM模型。另一方面，通过统计模型的输入参数可以看出，在进行预测时，室内外环境参数是最为普遍的输入参数。这些参数大多数可以通过物联网平台收集得到。因此可以推论，这些预测模型可以很好地集成到室内空气物联网平台用于提供更丰富的室内空气质量信息。

图5：室内空气质量预测模型解析

4.优化控制

总结了部分通过数据驱动模型优化通风系统的研究工作，这些技术在提高室内空气质量的同时降低能耗方面表现出巨大潜力。由于这些策略通常依赖大数据进行训练，因此将它们与物联网平台集成是最大化发挥其性能的好方法。一般来说，通过实施这些先进的通风系统控制策略可以降低能耗。但是，过度追求节能可能会影响对室内空气改善的效果。因此，在优化通风系统控制的策略时，需要根据每个建筑环境的具体情况，在能源效率和改善空气质量之间取得平衡。

另一方面，室内空气质量物联网平台能够为这些控制算法提供一些重要输入参数，包括室内/室外PM浓度、温度和CO2浓度等。通过集成室内空气质量平台和建筑管理系统的信息，可以获取这些控制技术所需的大部分信息。由此可以推论，现阶段已经具备将这些控制策略集成到室内空气质量物联网平台的基本条件，能够为通风系统提供更好的控制策略。

5. 讨论

数字孪生技术用于室内空气质量控制：近年来，数字孪生的概念受到工业界和学术界的广泛关注。在室内空气质量控制领域，建筑室内环境是一个实际系统，室内空气质量物联网平台则是对应的孪生系统。为了真正落实数字孪生技术在室内空气质量控制领域的应用，下一步工作应推广通风系统与室内空气质量平台的双向通讯，使得通风系统能够根据孪生系统的指令进行相应的优化控制。目前，只有少数研究开始开发应用于室内空气质量控制的数字孪生系统。另一方面，需要进一步增强控制模型性能以减少不确定性以及开发主动学习策略实现可靠的控制模型自主进化。

可解释、可迁移的人工智能技术：人工智能技术在室内空气质量预测及通风系统的优化控制方面已经取得了重要进展。未来研究应侧重于数据驱动模型的可解释性和可迁移性，以提高数字孪生技术在室内环境营造的可靠性和可扩展性。

本文引用格式

Dai, X., Shang, W., Liu, J., Xue, M., & Wang, C. (2023). Achieving better indoor air quality with IoT systems for future buildings: Opportunities and challenges. Science of The Total Environment, 895, 164858.

稿件编辑：戴希磊

稿件审核：刘俊杰、田媛、何明桐