Bij PLEQ denken we dat zeer nauwkeurige sensortechnologie de basis vormt voor diverse smart campus use cases, met name voor onderwijsruimten. Maar wat is hoge nauwkeurigheid? Hoe stellen we het vast? In deze blogpost nemen we je mee in ons perspectief op sensornauwkeurigheid voor bezetting- en benuttingssensoren.
Bart Valks
Bezetting en benutting meten
Laten we beginnen met wat we precies willen meten. Met behulp van sensortechnologie willen we de bezetting en benutting van ruimtes op uw campus in kaart brengen. Deze worden als volgt gedefinieerd:
Bezetting is de tijd dat een ruimte in gebruik is ten opzichte van de beschikbaarheid.
Benutting is het aantal personen dat de ruimte gebruikt ten opzichte van de capaciteit.
Op het niveau van een enkele meting betekent dit dat we de volgende variabelen willen begrijpen:
Bezetting: Is de ruimte in gebruik (ja of nee)?
Benutting: Hoeveel mensen gebruiken de ruimte (aantal personen)?
Van meerdere metingen naar statistieken voor lessen of vergaderingen
Met real-time metingen moeten we vervolgens meerdere metingen samenvoegen om de bezetting en benutting van vergaderingen of lessen te bepalen. Stel dat een les een uur duurt. Als de sensor elke minuut meet, moeten we de bezetting en benutting van die les afleiden uit 60 metingen!
Met behulp van sensoren voor het tellen van personen beginnen we met het in kaart brengen van het aantal aanwezigen gedurende een hele les. Dit ziet eruit zoals in het onderstaande voorbeeld: het aantal personen begint bij 46, bereikt een piek van 116 en daalt na 50 minuten tot bijna 0.
Vervolgens sluiten we het begin en einde van de les uit: omdat mensen op deze momenten de ruimte in en uit lopen, zijn deze tellingen waarschijnlijk niet representatief voor het werkelijke aantal deelnemers. Van alle metingen nemen we de meting met het hoogste aantal deelnemers om de benuttingsgraad van de activiteit te bepalen.
Na het in kaart brengen van de benuttingsgraad bepalen we de bezettingsgraad door te kijken naar het percentage tijd dat de les onder een drempelwaarde van de verwachte groepsgrootte ligt. In het voorbeeld van een grote geplande groepsgrootte nemen we een drempelwaarde van 5%. De geplande groepsgrootte is 210: dit betekent dat als de groepsgrootte onder de 10 komt, de ruimte niet meer als in gebruik wordt beschouwd. In het voorbeeld is de ruimte tussen 11:00 en 12:00 in gebruik, maar de bezetting ligt tussen 12:00 en 12:30 onder de drempelwaarde. De bezettingsgraad van deze activiteit is daarom ongeveer 67%.
De nauwkeurigheid van real-time metingen versus handmatige tellingen
De mogelijkheid om meerdere metingen te gebruiken om de bezetting en benutting van activiteiten te bepalen, is een van de grote voordelen van real-time metingen ten opzichte van handmatige metingen. Als je slechts één handmatige meting per uur of twee uur per ruimte kunt uitvoeren, kun je de bezetting en benutting van elke les gemakkelijk onder- of overschatten. Bovendien is het niet mogelijk om binnen een lesuur een late starttijd of vroege eindtijd te detecteren. In het vorige voorbeeld zou een handmatige meting die om 11:40 langskomt tot een totaal andere conclusie komen dan om 12:00! Daardoor is de nauwkeurigheid van realtime metingen voor het bepalen van de bezetting en benutting aanzienlijk hoger dan bij handmatige metingen – mits de sensor natuurlijk nauwkeurig is.
Het beoordelen van de sensornauwkeurigheid
Dit brengt ons bij het onderwerp sensornauwkeurigheid. Nauwkeurigheid wordt als volgt gedefinieerd:
Nauwkeurigheid meet hoe dicht de gegevens bij de werkelijke waarde liggen door de gemeten waarde te vergelijken met de werkelijke waarde (ook wel de referentiewaarde genoemd).
Normaal gesproken wordt de nauwkeurigheid van een benuttingssensor beoordeeld door handmatige metingen uit te voeren op een specifiek tijdstip (bijvoorbeeld 16:03) en deze metingen te vergelijken met de meting die de sensor op hetzelfde tijdstip of het dichtstbijzijnde tijdstip rapporteert. Ons doel met de sensor is echter niet om het aantal personen te meten, maar om de benutting van de ruimte te bepalen. Daarom vergelijken we het resulterende benuttingsgetal in plaats van alleen het aantal personen. Dit heeft als bijkomend voordeel dat rekening wordt gehouden met de grootte van de ruimte: om dezelfde nauwkeurigheid te bereiken, heeft een sensor in een ruimte met 30 zitplaatsen een kleinere foutmarge dan een sensor (of een set sensoren) in een ruimte met 500 zitplaatsen.
Met behulp van de gemiddelde absolute fout (in Engels: Mean Absolute Error, afgekort MAE) hebben we de nauwkeurigheidstests van onze sensoren in vier instellingen vergeleken. De onderstaande tabel toont de resultaten per kamergrootte. Zoals je kunt zien, leveren onze sensoren bezettingsmetingen met een nauwkeurigheid van 91-99% voor verschillende kamergroottes.
Kamergrootte | # Kamers | # Metingen | MAE | Nauwkeurigheid % (1 – MAE) |
10 | 4 | 56 | 4,5% (0,45 persoon) | 96,5% |
16 | 2 | 97 | 8,8% (1,4 persoon) | 91,2% |
30 | 1 | 47 | 4,9% (1,5 persoon) | 95,1% |
138 | 1 | 36 | 1,2% (1,7 persoon) | 98,8% |
500 | 1 | 46 | 1,2% (5,8 persoon) | 98,8% |
Met sensordata van hoge nauwkeurigheid kun je met zekerheid beslissingen nemen in je roostering en over je campus. Wil je meer weten over sensornauwkeurigheid? Laat een bericht achter op info@pleqcampus.nl!
