我想知道是否有人试图使用当前的CO2值在一个房间中检测一个房间中大约有多少人，这将如何可能和准确？
#1 楼
@jsotola的评论（之类的：“听起来像机器学习可以完成的事情”）可能是正确的答案，但我将对此稍作扩展。它至少取决于以下内容因素：
房间的大小
人数
人们正在从事的活动类型
房间的通风量（窗户/空调/ ...）
使用的传感器的精度和响应时间
传感器的数量和位置
我过去使用CO2传感器的数据来粗略估算房间的占用率对于一个房间，我当时并没有沿着机器学习的道路走下去，而是使用诸如二氧化碳变化率之类的指标作为指标（越多的人，价值增长越快）。但是，如果我再做一次，我可能会开始收集数据以用作培训材料。
将数据与另一个传感器融合也可能是值得的。相对湿度传感器，因为它也可能同时增加。
#2 楼
似乎已经对此进行了一些研究-通过代理感应：基于室内CO2浓度的占用率检测描述了加州大学伯克利分校开发的一种模型，用于基于CO2浓度检测占用率。我们提出了一个链接模型，该模型基于基于数据的模型（由耦合的偏微分
方程（PDE）–常微分方程（ODE）系统。
他们的模型显然比他们测试的其他机器学习模型更准确：
通过代理感测，基于空气中的CO2测量值推断房间中的乘员数量
胜过各种机器学习算法，并获得0.6569（分数人）的整体均方误差，而贝叶斯网的最佳
替代方法是1.2061（分数人）。
算法1本文中的（p。3）可能会为如何实施与其类似的系统提供一些指导，考虑到CO2传感器的简单性，这似乎令人惊讶地可靠。