CN110457650A - 宜居设计生成方法、装置、介质及电子设备 - Google Patents
宜居设计生成方法、装置、介质及电子设备 Download PDFInfo
- Publication number
- CN110457650A CN110457650A CN201910601889.1A CN201910601889A CN110457650A CN 110457650 A CN110457650 A CN 110457650A CN 201910601889 A CN201910601889 A CN 201910601889A CN 110457650 A CN110457650 A CN 110457650A
- Authority
- CN
- China
- Prior art keywords
- livable
- design
- model
- cases
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000013461 design Methods 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000012417 linear regression Methods 0.000 claims description 35
- 238000012549 training Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 6
- 238000002372 labelling Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 241000613118 Gryllus integer Species 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
- G06Q50/165—Land development
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种宜居设计生成方法、装置、介质及电子设备，所述方法包括：获得宜居设计模型，所述宜居设计模型利用宜居设计案例构建，所述宜居设计模型用于计算使得用户体验值最大且满足约束条件的一组变量的值，其中所述一组变量的值对应一个宜居设计；获取客户的约束条件，利用所述宜居设计模型生成满足所述客户的约束条件的宜居设计。本发明可以自动、高效地生成满足客户需求的宜居设计。此外，本发明还可利用区块链，保证了所存储的信息的安全性和可靠性，从而有力促进了区块链技术在养老社区老人宜居设计方面的有效推广。
Description
技术领域
本发明涉及住宅设计技术领域，具体而言，涉及一种宜居设计生成方法、装置、介质及电子设备。
背景技术
面对全球老龄化浪潮，老人居住环境受到越来越多的关注，同时出现了越来越多的养老社区。养老社区老人宜居设计(后文简称为宜居设计)由设计人员在地理位置、交通情况、房屋面积、家居设计、生态环境等方面进行设计，以满足不同地域不同老人的需求。
对于设计人员来说，针对老人需求给出养老社区老人宜居设计方案需要消耗大量的时间和精力，使得生成宜居设计方案的效率较低。在已有养老社区老人宜居设计案例的基础上，如何高效、自动地生成满足老人需求的宜居设计并推送给设计人员，同时保证养老社区老人宜居设计案例的存储安全，是当前需要解决的问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
为解决上述现有技术中存在的问题，根据本发明的一个实施例，提供一种宜居设计生成方法，包括：
获得宜居设计模型，所述宜居设计模型利用宜居设计案例构建，所述宜居设计模型用于计算使得用户体验值最大且满足约束条件的一组变量的值，其中所述一组变量的值对应一个宜居设计；
获取客户的约束条件，利用所述宜居设计模型生成满足所述客户的约束条件的宜居设计。
上述方法中，所述宜居设计模型的构建包括以下步骤：
获取宜居设计案例；
从每个宜居设计案例中提取预定的多个特征，形成与每个宜居设计案例对应的特征向量，并且由所有宜居设计案例对应的特征向量形成特征矩阵；
获取每个宜居设计案例的用户体验值，并且由所有宜居设计案例的用户体验值形成目标向量；
构建线性回归模型，利用所述特征矩阵和目标向量训练所述线性回归模型；
根据训练所述线性回归模型得到的参数构建所述宜居设计模型。
上述方法中，所述线性回归模型表示如下：
z＝a1*x1+a2*x2+…+ak*xk
其中，k表示从每个宜居设计案例提取的特征的数量，xi(1≤i≤k)表示从每个宜居设计案例提取的第i个特征，z表示宜居设计案例的用户体验值，ai(1≤i≤k)表示需要训练的第i个特征的参数。
上述方法中，所述宜居设计模型为整数规划模型，其目标函数表示如下：
max(Z)＝a1*x1+a2*x2+…+ak*xk
其中，ai(1≤i≤k)为训练所述线性回归模型得到的参数，Z表示用户体验值，所述目标函数用于计算使得该函数右边值最大并且满足约束条件的变量x1…xk的值，所得到的变量x1…xk的值对应一个宜居设计。
上述方法中，从每个宜居设计案例中提取预定的多个特征之后，还要将非数值形式的特征转换为数值形式的特征；以及将连续变化的数值形式的特征进行标签化操作。
上述方法还可以包括：对宜居设计的生成过程进行评估；以及根据评估结果调整所述宜居设计模型的参数。
上述方法中，所述预定的多个特征包括：地理位置、交通出行情况、居住面积、房屋采光、内饰颜色以及家具设计。
上述方法还可以包括：构建区块链节点和区块链网络；定义基于区块链的信息存储和认证的数据结构；将宜居设计案例上传至区块链；以及，在构建了所述宜居设计模型之后，将所述宜居设计模型上传至区块链。
根据本发明的一个实施例，还提供一种宜居设计生成装置，包括：
模型获取模块，用于获得宜居设计模型，所述宜居设计模型利用宜居设计案例构建，所述宜居设计模型用于计算使得用户体验值最大且满足约束条件的一组变量的值，其中所述一组变量的值对应一个宜居设计；
宜居设计生成模块，用于获取客户的约束条件，利用所述宜居设计模型生成满足所述客户的约束条件的宜居设计。
根据本发明的一个实施例，还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述宜居设计生成方法。
根据本发明的一个实施例，还提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现上述宜居设计生成方法。
本发明实施例提供的技术方案可以包括以下有益效果：
本发明一方面根据存储的已有养老社区老人宜居设计案例自动、高效地生成满足客户需求的宜居设计。另一方面，本发明通过将养老社区宜居设计案例的相关信息上传至区块链中进行存储，保证了所存储的信息的安全性和可靠性，从而有力促进了区块链技术在养老社区老人宜居设计方面的有效推广。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
图1示意性示出了根据本发明一个实施例的宜居设计生成方法的流程图；
图2示意性示出了根据本发明一个实施例的构建宜居设计模型的方法的流程图；
图3示意性示出了根据本发明一个实施例的利用宜居设计模型生成满足约束条件的宜居设计的方法的流程图；
图4示意性示出了根据本发明另一个实施例的宜居设计生成方法的流程图；
图5示意性示出了根据本发明的一个实施例的宜居设计生成装置的框图；
图6示意性示出了根据本发明另一个实施例的宜居设计生成装置的框图；
图7示出了适于用来实现本发明实施例的电子设备的计算机***的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本发明的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本发明的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
图1示意性地示出了根据本发明一个实施例的宜居设计生成方法的流程图，概括而言，该宜居设计生成方法用于根据宜居设计历史案例，生成满足客户约束条件(即需求)的宜居设计方案。该宜居设计生成方法的执行主体是具有计算功能的电子设备，如客户端、服务器等。
现参照图1，描述该宜居设计生成方法的各个步骤：
步骤S101.获得宜居设计模型，该宜居设计模型例如是整数规划模型，该整数规划模型利用例如存储在区块链中的宜居设计案例构建，其用于计算使得用户体验值最大并且满足客户的约束条件的一组变量的值，所述一组变量的值对应一个宜居设计。
参见图2，根据本发明的一个实施例，步骤S101包括如下的子步骤：
步骤S1011.将宜居设计案例上传至区块链。
在本实施例中，利用区块链技术来存储由个人或公司/企业(例如，经营养老社区的保险公司、企业、相关机构等)上传的宜居设计案例的各种信息，从而可以利用区块链哈希指针的交易链数据结构、加密学的哈希计算以及加密学数字签名的机制来实现信息存储的可靠性和不易篡改性，并且可以通过多层次证据确认来实现不同个体交易方之间的信任问题。
在本实施例中，每个宜居设计案例可以包含如下的信息：养老社区的地理位置、当地气候、当地习惯、交通出行情况、居住面积(包括房间大小)、房屋采光、内饰颜色、家具设计、阳台设计、其他辅助设计等等。个人或公司/企业可以先向区块链上传宜居设计的原始方案，待根据客户需求反馈进行改进之后，再将客户需求反馈和改进后的方案上传至区块链。在其他实施例中，还可以向区块链上传用于证明相关信息的音频、视频和图像等材料。
进一步地，还可以向区块链上传宜居设计案例的用户体验值，例如，采集客户对宜居设计的评价反馈，获得该宜居设计案例的用户体验值，体验值的取值范围可以为[0,10]，其中0表示最不满意，而10表示最满意。
这样，通过区块链来存储宜居设计案例的相关信息，可以实现对这些信息的隐私保护，同时实现这些信息的可追溯和不易篡改等。
步骤S1012.从区块链中获取所存储的宜居设计案例。
步骤S1013.从每个宜居设计案例中提取预定的多个特征，形成与每个宜居设计案例对应的特征向量，由所有宜居设计案例对应的特征向量形成特征矩阵。
根据本发明的一个实施例，在步骤S1013中从每个宜居设计案例中提取k(k为大于1的整数)个特征。例如，假设从区块链中获取到n个宜居设计案例，则对于第i(1≤i≤n)个宜居设计案例，提取其k个特征x1,x2,…,xk，形成该依据设计案例的特征向量Xi＝[x1,x2,…,xk]。优选地，对于每个宜居设计案例可以提取如下六个特征：地理位置x1、交通出行情况x2、居住面积x3、房屋采光x4、内饰颜色x5和家具设计x6，从而形成特征向量Xi＝[x1,x2,…,x6]。
本领域技术人员应理解，从宜居设计案例中提取的一些特征可能是非数值形式的，而另一些特征可能是数值形式的。非数值形式的特征例如包括：地理位置(该特征的描述可以是市区、近郊、远郊等)，交通出行情况(该特征的描述可以是交通发达、欠发达、出行不便等)，房屋采光(该特征的描述可以是充足、不充足)。为实施后面的步骤，针对非数值形式的特征需要进行数值化操作，例如，首先将非数值形式的特征进行编码，再进行标签化操作。其中，所述编码操作用于将非数值描述的特征转换为数值描述的特征，标签化操作用于将特征进行归类。另外，对于连续变化的数值形式的特征(例如居住面积)，可以首先为居住面积按数值大小划分为几个类别，然后根据居住面积所属类别对居住面积进行标签化操作。
在对区块链中存储的每个宜居设计案例提取特征后，将所有宜居设计案例对应的特征向量组合成特征矩阵M＝[X1；X2；…；Xn]，其中，Xi(1≤i≤n)表示第i个宜居设计案例的特征向量，n表示所有宜居设计案例的个数。
步骤S1014.获取每个宜居设计案例的用户体验值，由所有宜居设计案例的用户体验值形成目标向量。
如前所述，还可以在区块链中存储依据设计案例的用户体验值。在步骤S1014中，首先从区块链中获取所存储的每个宜居设计案例对应的用户体验值zi(1≤i≤n)，并且例如上文所述，用户体验值的取值范围为[0,10]。随后，由所有宜居设计案例的用户体验值形成目标向量Z＝[z1,z2,…,zn]，n表示所有宜居设计案例的个数。
步骤S1015.构建线性回归模型，利用所形成的特征矩阵和目标向量训练该线性回归模型。
线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。本发明实施例通过构建线性回归模型，并且用先前统计的特征矩阵和目标向量来训练该线性回归模型，从而得到用户体验值与多个特征之间的关系。根据一个实施例，所构建的线性回归模型表示如下：
z＝a1*x1+a2*x2+…+ak*xk
其中，k表示从每个宜居设计案例提取的特征的数量，z表示宜居设计案例的用户体验值，x1…xk表示从每个宜居设计案例提取的k个特征，a1…ak为需要训练的参数。其中，ai(1≤i≤k)表示需要训练的第i个特征的参数。
将特征矩阵M作为输入、目标向量Z作为输出，通过拟合算法对上述线性回归模型进行训练，从而得到参数a1…ak。
步骤S1016.根据训练线性回归模型得到的参数构建整数规划模型。
根据本发明一个实施例，所述整数规划模型的目标函数表示如下：
max(Z)＝a1*x1+a2*x2+…+ak*xk
其中，a1…ak是步骤S1024中训练得到的参数；变量x1…xk为要计算的一组变量，其分别代表k个特征，这k个特征对应一套宜居设计方案；Z表示用户体验值。上述目标函数用于计算使得用户体验值最大(即该函数右边的值最大)并且满足客户的约束条件的变量x1…xk的值。
步骤S1017.将构建的整数规划模型上传至区块链。
步骤S1018.获取构建的整数规划模型。
应理解，宜居设计案例和整数规划模型也可以存储在其他数据库中。此外，当检测到宜居设计案例更新后，可以从区块链或其他数据库重新获取宜居设计案例并重新训练模型，然后将更新后的模型上传至区块链或其他数据库中。
再参见图1，其中，步骤S102.获取客户的约束条件，利用所构建的整数规划模型生成满足该约束条件的宜居设计。参见图3，步骤S102包括如下子步骤：
步骤S1021.获取客户对整数规划模型中的每个特征(x1…xk)的约束条件(即对整数规划模型中每个要计算的变量的约束条件，或者称为客户需求)。举例而言，客户可以设置每个特征对应的取值范围。
步骤S1022.利用所构建的整数规划模型，计算使得用户体验值最大并且满足客户的约束条件的一组特征，即变量x1…xk的值。
步骤S1023.根据计算得到的一组特征(x1…xk的值)生成对应的宜居设计。
例如，得到的一组特征指示地理位置为市区、交通出行情况为交通发达、居住面积为小并且采光充足等等。
步骤S1024.将生成的宜居设计提供给设计人员，并且将生成的宜居设计作为宜居设计案例存储到区块链中。
进一步地，还可以采集客户对该宜居设计案例的反馈，根据用户的反馈更改宜居设计并且向区块链上传更改后的宜居设计。另外，还可以采集客户对该宜居设计案例的用户体验值，并且将用户体验值上传到区块链。
表1以提取宜居设计案例中的六个特征为例，示出了本发明实施例的宜居设计生成方法的基本算法流程：
表1
根据上述实施例，一方面通过将养老社区宜居设计案例的相关信息上传至区块链中进行存储，保证了所存储的信息的安全性和可靠性；另一方面，根据区块链中存储的养老社区老人宜居设计案例自动、高效地生成满足客户需求的宜居设计，从而有力促进了区块链技术在养老社区老人宜居设计方面的有效推广。
在上述实施例中，利用已经构建好的区块链来存储宜居设计案例的相关信息，而在实际应用中，需要先构建区块链节点和区块链网络来实现宜居设计案例的相关信息的存储。另外，为进一步提高宜居设计模型的可用性，可以对宜居设计的生成过程进行评估，并且根据评估结果来调整宜居设计模型中的参数。有鉴于此，根据本发明的另一个实施例，还提供一种宜居设计生成方法，该方法的执行主体是具有计算功能的电子设备，如客户端、服务器等。
图4示意性地示出了根据本发明一个实施例的宜居设计生成方法的流程图，现参照图4，详细描述该宜居设计生成方法的各个步骤：
步骤S201.构建区块链节点和区块链网络。
具体地，在步骤S201中，以集团/公司(例如，经营养老社区的保险公司、相关机构或企业等)的基层营业机构为最小的区块链节点，由一个或多个集团/公司参与养老社区老人宜居设计相关区块链网络的构建。
步骤S202.定义基于区块链的信息存储和认证的数据结构。
在本实施例中，按照预先定义的数据结构、信息存储方式或协议在区块链中存储和认证信息，从而保证信息存储和处理的高效率。具体的数据结构实例如表2所示，其中，哈希指针Kdkd49kdkkdkdkkdatcgmpq链接到宜居设计案例的相关信息在区块链中的位置；哈希指针Asdfkkpgtuvwxyztttyz链接到用于存储所生成的宜居设计的位置。
表2
步骤S203.将宜居设计案例上传至区块链。
步骤S204.根据区块链中存储的宜居设计案例构建宜居设计模型，该宜居设计模型例如是整数规划模型，该整数规划模型用于计算使得用户体验值最大并且满足客户的约束条件的一组变量的值，所述一组变量的值对应一个宜居设计(具体参见图2中步骤S1012-S1016)。根据本发明的一个实施例，可以将构建的整数规划模型上传至区块链进行存储。
步骤S205.从区块链中获取构建的整数规划模型。
步骤S206.获取客户的约束条件，利用所构建的整数规划模型生成满足该约束条件的宜居设计。
此外，将生成的宜居设计提供给设计人员，并且将生成的宜居设计作为宜居设计案例存储到区块链中。进一步地，还可以采集客户对该宜居设计案例的反馈，根据用户的反馈更改宜居设计并且向区块链上传更改后的宜居设计。另外，还可以采集客户对该宜居设计案例的用户体验值，并且将用户体验值上传到区块链。
步骤S207.对宜居设计的生成过程进行评估，根据评估结果调整宜居设计模型中的参数。
具体地，在步骤S207中可以评估生成宜居设计的及时性、有效性和准确性。例如，线性回归模型训练参数的准确性可以通过MSE(均方误差)来进行评估，并且所生成的宜居设计的准确性可以根据用户的反馈来评估。随后，可以跟据评估的结果调整宜居设计模型的参数(如上述的参数a1…ak)；或者，可以根据新加入区块链的宜居设计案例来重新训练线性回归模型从而得到新的参数。由此，提高了宜居设计模型的可用性，从而可以促进区块链技术在养老社区老人宜居设计方面的有效推广。
以下结合附图介绍本发明的装置实施例。
图5示意性地示出了根据本发明一个实施例的宜居设计生成装置500的框图。
参见图5，宜居设计生成装置500包括模型获取模块501和宜居设计生成模块502。
其中，模型获取模块501用于获得宜居设计模型，该宜居设计模型例如是整数规划模型，该整数规划模型利用宜居设计案例构建，该整数规划模型用于计算使得用户体验值最大并且满足客户的约束条件的一组变量的值，所述一组变量的值对应一个宜居设计；宜居设计生成模块502用于获取客户的约束条件，利用所构建的整数规划模型生成满足该约束条件的宜居设计。
由于本实施例的宜居设计生成装置的各个功能模块与上文结合图1-3描述的宜居设计生成方法实施例的步骤对应，因此对于本装置实施例中未披露的细节，请参照结合图1-3描述的宜居设计生成方法的实施例。
图6示意性地示出了根据本发明另一个实施例的宜居设计生成装置600的框图。
参见图6，该宜居设计生成装置600包括：区块链构建模块601，数据结构定义模块602，上传模块603，模型构建模块604，模型获取模块605，宜居设计生成模块606，以及评估及调整模块607。
其中，区块链构建模块601用于构建区块链节点和区块链网络；数据结构定义模块602用于定义基于区块链的信息存储和认证的数据结构；上传模块603用于将宜居设计案例上传至区块链；模型构建模块604用于根据区块链中存储的宜居设计案例构建宜居设计模型，该宜居设计模型例如是整数规划模型，该整数规划模型用于计算使得用户体验值最大并且满足客户的约束条件的一组变量的值，所述一组变量的值对应一个宜居设计，模型构建模块604还用于将构建的整数规划模型上传至区块链进行存储；模型获取模块605用于获取构建的整数规划模型；宜居设计生成模块606用于获取客户的约束条件，利用所构建的整数规划模型生成满足该约束条件的宜居设计；评估及调整模块607用于对宜居设计的生成过程进行评估，根据评估结果调整宜居设计模型中的参数。
由于本实施例的宜居设计生成装置600的各个功能模块与上文结合图4描述的宜居设计生成方法实施例的步骤对应，因此对于本装置实施例中未披露的细节，请参照结合图4描述的宜居设计生成方法的实施例。
根据本发明的一个实施例，还提供一种适于用来实现本发明实施例的电子设备的计算机***的结构示意图。参见图7，计算机***700包括总线705，耦合到总线705的设备之间可以快速地传输信息。处理器701与总线705耦合，用于执行由计算机程序代码所指定的一组动作或操作，处理器701可以单独地或者与其他设备组合实现为机械、电、磁、光、量子或者化学部件等。
计算机***700还包括耦合到总线705的存储器703，存储器703(例如，RAM或者其他动态存储设备)存储可由计算机***700改变的数据，包括实现上述实施例所述的宜居设计生成方法的指令或计算机程序。当处理器701执行该指令或计算机程序时，使得计算机***700能够实现上述实施例中描述的宜居设计生成方法，例如，可以实现如图1-4中所示的各个步骤。存储器703还可以存储处理器701执行指令或计算机程序期间产生的临时数据，以及***操作所需的各种程序和数据。计算机***700还包括耦合到总线705的只读存储器702以及非易失性储存设备708，例如磁盘或光盘等，用于存储当计算机***700被关闭或掉电时也能持续的数据。
计算机***700还包括诸如键盘、传感器等的输入设备706，以及诸如阴极射线管(CRT)、液晶显示器(LCD)、打印机等的输出设备707。计算机***700还包括耦合到总线705的通信接口704，通信接口704可以提供对外部设备的单向或双向的通信耦合。例如，通信接口704可以是并行端口、串行端口、电话调制解调器或者局域网(LAN)卡。计算机***700还包括耦合到总线705的驱动设备709以及可拆卸设备710，诸如磁盘、光盘、磁光盘、半导体存储器等等，其根据需要安装在驱动设备709上，以便于从其上读出的计算机程序根据需要被安装入储存设备708。
根据本发明的另一个实施例，还提供一种计算机可读介质，该计算机可读介质可以是上述计算机***700中所包含的，也可以是单独存在而未装配入该计算机***700中的。该计算机可读介质承载有一个或者多个计算机程序或者指令，当所述一个或者多个计算机程序或者指令被处理器执行时，使得该计算机***700实现上述实施例中所述的宜居设计生成方法。需要说明的是，计算机可读介质指的是向处理器701提供数据的任意介质，这种介质可以采取任意形式，包括但不限于，计算机可读存储介质(例如，非易失性介质、易失性介质)以及传输介质。其中，非易失性介质诸如包括光盘或磁盘，例如储存设备708；易失性介质例如包括存储器704。传输介质例如包括同轴电缆、铜线、光纤电缆以及在没有电缆和线缆的情况下通过空间的载波，例如声波和电磁波，包括无线电、光和红外波。计算机可读介质的一般形式包括：软盘、柔性盘、硬盘、磁带、任意其它磁介质、CD-ROM、CDRW、DVD、任意其它光介质、穿孔卡片、纸带、光标记表单、具有孔或其它光可识别标识的图案的任意其它物理介质、RAM、PROM、EPROM、FLASH-EPROM、任意其它存储器芯片或磁带盒、载波、或计算机可读取的任意其它介质。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种宜居设计生成方法，包括：
获得宜居设计模型，所述宜居设计模型利用宜居设计案例构建，所述宜居设计模型用于计算使得用户体验值最大且满足约束条件的一组变量的值，其中所述一组变量的值对应一个宜居设计；
获取客户的约束条件，利用所述宜居设计模型生成满足所述客户的约束条件的宜居设计。
2.根据权利要求1所述的方法，其中，所述宜居设计模型的构建包括以下步骤：
获取宜居设计案例；
从每个宜居设计案例中提取预定的多个特征，形成与每个宜居设计案例对应的特征向量，并且由所有宜居设计案例对应的特征向量形成特征矩阵；
获取每个宜居设计案例的用户体验值，并且由所有宜居设计案例的用户体验值形成目标向量；
构建线性回归模型，利用所述特征矩阵和目标向量训练所述线性回归模型；
根据训练所述线性回归模型得到的参数构建所述宜居设计模型。
3.根据权利要求2所述的方法，其中，所述线性回归模型表示如下：
z＝a1*x1+a2*x2+…+ak*xk
其中，k表示从每个宜居设计案例提取的特征的数量，xi(1≤i≤k)表示从每个宜居设计案例提取的第i个特征，z表示宜居设计案例的用户体验值，ai(1≤i≤k)表示需要训练的第i个特征的参数。
4.根据权利要求3所述的方法，其中，所述宜居设计模型为整数规划模型，其目标函数表示如下：
max(Z)＝a1*x1+a2*x2+…+ak*xk
其中，ai(1≤i≤k)为训练所述线性回归模型得到的参数，Z表示用户体验值，所述目标函数用于计算使得该函数右边值最大并且满足约束条件的变量x1…xk的值，所得到的变量x1…xk的值对应一个宜居设计。
5.根据权利要求2-4中任一项所述的方法，其中，
从每个宜居设计案例中提取预定的多个特征之后，还要将非数值形式的特征转换为数值形式的特征；以及
将连续变化的数值形式的特征进行标签化操作。
6.根据权利要求2-4中任一项所述的方法，还包括：
对宜居设计的生成过程进行评估；以及
根据评估结果调整所述宜居设计模型的参数。
7.根据权利要求2-4中任一项所述的方法，还包括：
构建区块链节点和区块链网络；
定义基于区块链的信息存储和认证的数据结构；
将宜居设计案例上传至区块链；以及
在构建了所述宜居设计模型之后，将所述宜居设计模型上传至区块链。
8.一种宜居设计生成装置，包括：
模型获取模块，用于获得宜居设计模型，所述宜居设计模型利用宜居设计案例构建，所述宜居设计模型用于计算使得用户体验值最大且满足约束条件的一组变量的值，其中所述一组变量的值对应一个宜居设计；
宜居设计生成模块，用于获取客户的约束条件，利用所述宜居设计模型生成满足所述客户的约束条件的宜居设计。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
10.一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行时，使得所述电子设备实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910601889.1A CN110457650B (zh) | 2019-07-05 | 2019-07-05 | 宜居设计生成方法、装置、介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910601889.1A CN110457650B (zh) | 2019-07-05 | 2019-07-05 | 宜居设计生成方法、装置、介质及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110457650A true CN110457650A (zh) | 2019-11-15 |
| CN110457650B CN110457650B (zh) | 2023-12-22 |
Family
ID=68482117
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910601889.1A Active CN110457650B (zh) | 2019-07-05 | 2019-07-05 | 宜居设计生成方法、装置、介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110457650B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656876A (zh) * | 2021-08-19 | 2021-11-16 | 深圳须弥云图空间科技有限公司 | 自动化柜体模型生成方法、装置、介质及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490977A (zh) * | 2017-09-25 | 2017-12-19 | 深圳市斑点猫信息技术有限公司 | 智能家居的控制模型训练方法、控制方法及装置 |
| CN108984904A (zh) * | 2018-07-17 | 2018-12-11 | 北京理工大学 | 一种基于深度神经网络的家居设计方法 |
-
2019
- 2019-07-05 CN CN201910601889.1A patent/CN110457650B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107490977A (zh) * | 2017-09-25 | 2017-12-19 | 深圳市斑点猫信息技术有限公司 | 智能家居的控制模型训练方法、控制方法及装置 |
| CN108984904A (zh) * | 2018-07-17 | 2018-12-11 | 北京理工大学 | 一种基于深度神经网络的家居设计方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113656876A (zh) * | 2021-08-19 | 2021-11-16 | 深圳须弥云图空间科技有限公司 | 自动化柜体模型生成方法、装置、介质及电子设备 |
| CN113656876B (zh) * | 2021-08-19 | 2024-04-30 | 深圳须弥云图空间科技有限公司 | 自动化柜体模型生成方法、装置、介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110457650B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11706645B2 (en) | Systems and methods for communications node upgrade and selection | |
| US20210089878A1 (en) | Bayesian nonparametric learning of neural networks | |
| Staid et al. | Generating short‐term probabilistic wind power scenarios via nonparametric forecast error density estimators | |
| CN108353034A (zh) | 用于数据中心基础设施监测的架构 | |
| US11928583B2 (en) | Adaptation of deep learning models to resource constrained edge devices | |
| CN112118551B (zh) | 设备风险识别方法及相关设备 | |
| CN110516748A (zh) | 业务处理方法、装置、介质及电子设备 | |
| CN109064212A (zh) | 商品价格预测方法及装置 | |
| CN109634833A (zh) | 一种软件缺陷预测方法和装置 | |
| CN108416500B (zh) | 一种基于pddl多星协同任务规划方法、设备及存储设备 | |
| Guo et al. | Optimisation methods for dispatch and control of energy storage with renewable integration | |
| Bagheri et al. | Adaptive‐robust multi‐resolution generation maintenance scheduling with probabilistic reliability constraint | |
| Shariat Torbaghan et al. | Investigating the impact of unanticipated market and construction delays on the development of a meshed HVDC grid using dynamic transmission planning | |
| CN109034657A (zh) | 基于区块链的流程路径寻找方法、装置、介质及电子设备 | |
| Samanlioglu et al. | An Integrated Fuzzy Best‐Worst‐TOPSIS Method for Evaluation of Hotel Website and Digital Solutions Provider Firms | |
| CN110457650A (zh) | 宜居设计生成方法、装置、介质及电子设备 | |
| CN113708376B (zh) | 电力***概率最优潮流计算方法、***、设备及存储介质 | |
| Hong et al. | Development of EV charging templates: an improved K‐prototypes method | |
| Samuel et al. | Application of metaheuristic algorithms for solving real-world electricity demand forecasting and generation expansion planning problems | |
| CN116957260A (zh) | 基于用车需求预测的承接商车辆智能调配方法 | |
| Jaber et al. | Future smart grids creation and dimensionality reduction with signal handling on smart grid using targeted projection | |
| CN113723712B (zh) | 风电功率预测方法、***、设备及介质 | |
| CN108171396B (zh) | 检测和删除Petri网业务流程中结构冗余的方法及装置 | |
| Håberg et al. | Distributed balancing energy activation and exchange optimisation | |
| CN112989558A (zh) | 基于多目标优化的电力业务质量匹配优化方法及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |