Datenvisualisierung

Daten zu visualisieren, mit denen im Normalfall nicht so häufig gearbeitet werden ist eine besondere Herausforderung in der Datenvisualisierung. Daher orientieren wir uns an gängigen Zeit/Werte Diagrammen, um eine gewohnte Darstellung für den Betrachter zu schaffen.

Wir stellen auf der x-Achse, von Tagesbeginn bis Tagesende die Zeit dar.

Datenvisualisierung x-Achse = Zeit
Datenvisualisierung x-Achse = Zeit

Die Werte selbst werden in der y-Achse dargestellt, inklusive der Beschriftung welcher Wert verwendet wird. Bei der co2-Messung handelt es sich um ppm (parts per million) bzw. stellt Volumen-% dar. Daher übernehmen wir bei unseren Messungen und Warnungen bereits empfohlene Werte, die wir auf verschiedenen Plattformen als gängige Richtwerte identifiziert haben.

Datenvisualisierung y-Achse = Wertebereich
Datenvisualisierung y-Achse = Wertebereich

Raumluft.org bietet eine sehr gute Übersicht von empfohlenen Richtwerten.

  • 1000 ppm sollten nicht überschritten werden, ohne mit Leistungseinbußen arbeiten zu können.
  • 1400 ppm für akzeptable Raumluft.

Darum haben wir unsere Grenzen etwas tiefer gelegt und sollen den Benutzern von IoT AirClean als Orientierung dienen. Das heißt, die Benutzer sollen bei bestimmten Richtwerten handeln.

  • 400 ppm Frischluft, kein Handlungsbedarf
  • 800 ppm in Ordnung, normaler Arbeitsbereich
  • 1200 ppm „schlecht„, Werte im Auge behalten
  • 1600 ppm Handlungsbedarfsgrenze

Alle Werte darüber ollten in einer Lern- und Arbeitsumgebung vermieden werden. Desungeachtet stehen die Farben im Text als Anlehnung zu unseren aktuellen visuellen Aufbereitung. Dabei haben wir uns eine Ampel als Vorbild genommen.

Lüften erkennen in der Datenvisualisierung

Unsere Aufzeichnungen unserer Test-Umgebungen bieten einen guten ersten Einblick, wie wir in Zukunft Lüften erkennen können. Folglich bietet die Darstellung eine Grundlage für unsere Erkennungsalgorithmen. Dabei zeigt das Diagramm eine komplette Tagesaufzeichnung und stellt sehr deutlich die einzelnen Lüftungshandlungen dar. Die stark abfallenden Täler in der Verlaufsgrafik (hellgrün dargestellt) zeigen, dass im Raum ein Fenster geöffnet worden ist.

Lüften erkennen in der Datenvisualisierung
Lüften erkennen in der Datenvisualisierung

Leave a comment

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.