據外媒報道，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曾經進入測謊領域，打造了基于人臉熱成像的預測模型，也在有關人類警覺性的領域做過類似的研究，而且這種技術在自動駕駛汽車領域非常熱門。

而最近Mohamed Abouelenien教授的一項研究跟人類生理學中一個特別主觀的感覺：“熱舒適度”有關。當人們擠在一個共同的空間，如家里、辦公室或者車內，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調節器的拉鋸戰。

在汽車領域可能更容易實現定制化，而且現在很多車型都為乘客提供方法，讓他們在半獨立于司機的情況下，控制自己所處環境的情況。不過，Abouelenien與密歇根大學弗林特分校（UM-Flint）機械工程副教授Mihai Burzo合作，嘗試將該概念提升幾個層次。現在，他們正在研發一個系統，可以自動探測每個人的“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。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Abouelenien和Burzo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，他們的算法可以指導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，讓傳感器能夠感知一個固定的目標。此外，除了能夠帶來舒適性，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經下跌很多，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。（文中圖片均來自密歇根大學迪爾伯恩分校）