随着国民经济的全面发展,人们的住宿方式日趋多样化,酒店、民宿、公寓等O2O住房受到越来越多的青睐,通过移动APP在线上平台看房和选房,线下直接拎包入住。然而与其相关的空气质量问题不容小觑,近年来,因O2O住房空气质量问题而引起的健康事故层出不迭,其关键在于用户在选择住房时无法准确、全面获知其空气质量。鉴于此,本文设计了一种便携式的O2O住房空气质量检测与评价系统。住客可在入住后持检测设备对该住房空气质量进行检测并将结果上传至数据共享平台供其他住客查看,也可通过该平台查看他人上传的住房空气质量信息,实现检测数据共享。系统的空气质量检测终端用于采集O2O住房室内常见的环境参数如温度、湿度、甲醛、PM2.5和PM10;实时数据经检测终端的GPRS模块传输至服务器(底层依赖Apache Tomcat,以Spring MVC+Spring+MyBatis的软件架构设计)的Redis数据库中使用算法实时评价;服务器将实时检测数据和相应评价结果通过WebSocket长连接通道发送给建立对应连接的客户端APP;APP实时显示检测数据和评价结果,并可上传检测结果至其数据共享平台,该平台具有多样性显示、多条件筛选与排序的功能,通过该平台,住客可直观获知O2O住房的空气质量情况;后台管理与监测系统用于管理系统用户,以及在线设备实时数据和位置的动态监测。系统采用基于K近邻的模糊层次分析算法进行空气质量评价,利用层次分析法确定室内环境下甲醛、PM2.5和PM10的影响权重。为了结合检测数据评价的时效性和准确性,实验发现解模糊化时常用的面积中心法(信息利用率高)和最大隶属度法(计算简单,实时性强)在隶属度集合最大与次大值间距过小时所得评价结果不一致。为此本文使用K近邻构建分类模型,以各指标实际数据和隶属度向量为输入,解模糊化结果为输出,进行模型训练,最终确定系统解模糊化策略。最后通过在不同模拟环境下,利用多种常用算法进行空气质量评价,结合实际数据,对比验证本系统综合评价算法的客观性;并对系统的各个模块进行功能测试和验证,测试和验证结果表明系统能够完成设计的目标。