每年夏季，特別是在武漢這種火爐城市，地鐵車廂內搭載溫度傳感器的空調，總是飽受市民抱怨。同一溫度下，有乘客覺著冷，有乘客則喊熱，對此，市民總是無法達到一個共識。據蓋世汽車報道稱，最近，美國密歇根大學迪爾伯恩分校（UM-Dearborn）計算機和信息科學助理教授Mohamed Abouelenien的一項研究，便跟人類生理學中這個特別主觀的感覺：“熱舒適度”有關。

當人們擠在一個共同的空間，如地鐵、家里、辦公室或車內，人們可能對于怎樣的溫度比較舒適，很難達到精確的共識。而且很多人會發現，單一的溫度設置不能讓每個人都感到舒適，可能會引發一場有關溫度傳感器調節設備的拉鋸戰。

目前，Abouelenien與密歇根大學弗林特分校機械工程副教授Mihai Burzo合作，研發一個系統，可自動探測每個人的“熱舒適度”水平，然后不斷地調整熱環境。

Abouelenien和Burzo收集了50個研究對象的“熱不適”數據，并開始了試驗。他們將研究對象放置在一個封閉的環境中，大致模擬了汽車車廂的情況，然后記錄了在各種溫度條件下，研究對象的各種生理數據。

熱成像攝像頭傳感器記錄研究對象的面部溫度數據，資料圖

例如，采用一臺熱成像攝像頭詳細記錄下研究對象的面部溫度，采用另外三個傳感器收集有關呼吸速率、皮膚溫度，以及50多種其他生理特征信息。與此同時，研究對象也會描述他們在各種條件下的熱舒適度如何。這一點很重要，可以讓兩位研究者將此類主觀體驗與傳感器信息聯系起來，從數據角度對冷或熱有一個概念。

隨后，該團隊創建了一個基于機器學習的計算機模型，以創建“決策邊界”，即確定特定個人的“適居帶”。在該邊界的一邊，模型會表示生理傳感器顯示這個人可能正覺得寒冷；在邊界的另一邊，模型會表示這個人覺得太熱了。

然后，Abouelenien和Burzo測試了該模型，并進行了第二次試驗，再次將研究對象置于各種條件下，詢問他們的熱舒適水平，跟前一次一樣，原來的系統也會記錄研究對象的生理數據。

不過，這一次，該模型可以采用數據預測研究對象的反應，結果令人非常震驚。在某些情況下，尤其是寒冷時，該模型在90%以上的情況下，對研究對象的感覺做出了正確的預測。換句話說，該模型了解研究對象的感覺。

Abouelenien表示，此種技術很明顯會首先應用于汽車座艙，他們的算法可指導HVAC系統（暖通空調系統）自動進行調整。能夠用于汽車的另一個原因是駕駛員或乘客會保持一個相對不變的位置，讓傳感器感知一個固定的目標。此外，除能夠帶來舒適性，此類得到算法指導的溫度調節器，比由駕駛員控制的溫度調節器效率更高，由此節約來的能源，最終可能有助于改善電動汽車的續航里程。

至于是否可以將該技術應用于家庭或辦公室，Abouelenien表示目前尚未實現。主要挑戰在于，人們在此類環境中會經常移動，因此，該系統需要一個更大的傳感器網絡。不過，Abouelenien也表示，也不難實現。研究人員發現最能夠指示熱舒適度的設備熱成像攝像頭的價格已下跌很多。因此，他們的下一個目標是尋找方法，采用非接觸式傳感器收集生理數據，即無需接觸到人類就可收集到數據。