CN110471301A - 一种基于用户行为的智能家居服务推荐***及方法 - Google Patents
一种基于用户行为的智能家居服务推荐***及方法 Download PDFInfo
- Publication number
- CN110471301A CN110471301A CN201910786659.7A CN201910786659A CN110471301A CN 110471301 A CN110471301 A CN 110471301A CN 201910786659 A CN201910786659 A CN 201910786659A CN 110471301 A CN110471301 A CN 110471301A
- Authority
- CN
- China
- Prior art keywords
- data
- smart home
- user
- service recommendation
- behavior
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000007613 environmental effect Effects 0.000 claims abstract description 33
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 claims description 12
- 238000013481 data capture Methods 0.000 claims description 9
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 229910021529 ammonia Inorganic materials 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 239000002245 particle Substances 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 claims description 2
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 9
- 238000004378 air conditioning Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Selective Calling Equipment (AREA)
Abstract
本发明提供一种基于用户行为的智能家居服务推荐***及方法,涉及智能家居技术领域,包括:数据采集模块,用于实时采集当前时间,各智能家居设备的运行状态数据以及外界的环境数据;数据预处理模块,用于根据预设规则对运行状态数据和环境数据分别进行数据预处理得到具有预设格式的有效数据;数据预测模块,用于根据预先生成的用户行为模型、当前时间以及有效数据对用户行为进行预测,得到各智能家居设备被控制的成功率;数据推送模块,用于将各智能家居设备按照成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的智能家居设备生成相应的推荐列表推送至用户。本发明使得智能家居设备的控制简单化,有效提升用户的家居体验。
Description
技术领域
本发明涉及智能家居技术领域,尤其涉及一种基于用户行为的智能家居服务推荐***及方法。
背景技术
近年来,随着移动互联网的快速发展以及智能硬件、可穿戴设备等物联网设备在人们日常生活中的逐渐普及,智能化的概念受到更多消费者的青睐。作为物联网技术在家庭和生活环境中的一个重要应用,智能家居受到了产业界、学术界的广泛关注。智能家居主要以住宅为平台,通过物联网技术连接家居中的设备,提供家电控制、远程控制、环境监测、危险预警、安全监控等多种智能化家庭服务。在我国,智能家居正处于飞速发展阶段,智能家居生产企业越来越重视对行业市场的研究,特别是对企业发展环境和客户需求趋势变化的深入研究,一大批国内优秀的智能家居品牌迅速崛起。
现有技术中,智能家居的实际应用还停留在表面阶段,更多强调物联、家电控制等,如用手机APP控制家里所有电灯的开关,无人在家时扫地机器人自动打扫卫生等,所以现有的智能家居***仍然停留在简单的电器开关控制上。智能家居设备由用户进行主动控制,即智能家居设备执行操作需要用户远程控制或由用户预设触发条件,使得用户控制方式更加灵活,但其本质仍然是用户主动控制,其繁琐的触发条件输入增加了智能家居设备的使用复杂度与学习成本,僵化的逻辑控制更难以适应多变的家居环境。目前智能家居还不能很好的体现其智能所在,对用户行为的预测不够精确,无法结合用户的具体情况为用户制定科学合理的生活规划,也在一定程度上限制了智能家居的发展。
发明内容
针对现有技术中存在的问题,本发明提供一种基于用户行为的智能家居服务推荐***,预先设置若干智能家居设备,所述智能家居服务推荐***具体包括:
数据采集模块,用于实时采集当前时间,以及对应于所述当前时间的各所述智能家居设备的运行状态数据以及外界的环境数据并输出;
数据预处理模块,连接所述数据采集模块,用于根据预设规则对所述运行状态数据和所述环境数据分别进行数据预处理得到具有预设格式的有效数据;
数据预测模块,分别连接所述数据采集模块和所述数据预处理模块,用于根据预先生成的用户行为模型、所述当前时间以及所述有效数据对用户的行为进行预测,得到各所述智能家居设备被控制的成功率;
数据推送模块,连接所述数据预测模块,用于将各所述智能家居设备按照所述成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的所述智能家居设备生成相应的推荐列表推送至所述用户。
优选的,所述智能家居设备包括不可调模式设备和可调模式设备,
则所述运行状态数据包括所述不可调模式设备处于开启状态或者关闭状态,所述可调模式设备处于开启状态或关闭状态,以及所述可调模式设备处于开启状态时所处的模式以及所述模式对应的属性值。
优选的,所述环境数据包括室内环境数据和室外环境数据。
优选的,所述室内环境数据包括光强,和/或温度,和/或湿度,和/或PM2.5,和/或含氧量,和/或CO2浓度,和/或甲醛浓度,和/或空气流速,和/或可吸入颗粒,和/或苯,和/或氨,和/或TVOC。
优选的,所述室外环境数据包括天气现象,和/或温度,和/或气压,和/或相对湿度,和/或能见度,和/或风向,和/或风速,和/或云量。
优选的,还包括模型构建模块,连接所述数据预测模块,所述模型构建模块具体包括:
数据获取单元,用于获取所述用户的历史控制行为数据;
所述历史控制行为数据包括所述用户对各所述智能家居设备的控制行为,以及对应所述控制行为的所述环境数据;
数据预处理单元,连接所述数据获取单元,用于对所述环境数据进行预处理得到有效环境数据;
向量生成单元,分别连接所述数据获取单元和所述数据预处理单元,用于根据所述用户的每一次所述控制行为以及对应的所述有效环境数据,生成相应的控制行为向量;
数据训练单元,连接所述向量生成单元,用于对各所述控制行为向量进行训练得到所述用户行为模型。
优选的,采用线性回归的方式对各所述控制行为向量进行训练得到所述用户行为模型。
优选的,还包括移动终端,连接所述数据推送模块,所述移动终端搭载一应用程序,用于通过所述应用程序实时查看所述推荐列表,并根据所述推荐列表控制对应的各所述智能家居设备。
一种基于用户行为的智能家居服务推荐方法,应用于以上任意一项所述的基于用户行为的智能家居服务推荐***,所述智能家居服务推荐方法具体包括以下步骤:
步骤S1,所述智能家居服务推荐***实时采集当前时间,以及对应于所述当前时间的各所述智能家居设备的运行状态数据以及外界的环境数据并输出;
步骤S2,所述智能家居服务推荐***根据预设规则对所述运行状态数据和所述环境数据分别进行数据预处理得到具有预设格式的有效数据;
步骤S3,所述智能家居服务推荐***根据预先生成的用户行为模型、所述当前时间以及所述有效数据对用户行为进行预测,得到各所述智能家居设备被控制的成功率;
步骤S4,所述智能家居服务推荐***将各所述智能家居设备按照所述成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的所述智能家居设备生成相应的推荐列表推送至所述用户。
优选的,还包括所述用户行为模型的生成过程,具体包括:
步骤A1,所述智能家居服务推荐***获取所述用户的历史控制行为数据;
所述历史控制行为数据包括所述用户对所述智能家居设备的控制行为,以及对应所述控制行为的所述环境数据;
步骤A2,所述智能家居服务推荐***对所述环境数据进行预处理得到有效环境数据;
步骤A3,根据所述用户的每一次所述控制行为以及对应的所述有效环境数据,生成相应的控制行为向量;
步骤A4,所述智能家居服务推荐***对各所述控制行为向量进行训练得到所述用户行为模型。
上述技术方案具有如下优点或有益效果:基于行为模型预测用户需要的家居服务并推荐给用户,动态挖掘用户的行为习惯,无需用户自行预设智能家居设备的触发条件,使得智能家居设备的控制简单化,有效提升用户的家居体验。
附图说明
图1为本发明的较佳的实施例中,一种基于用户行为的智能家居服务推荐***的结构示意图;
图2为本发明的较佳的实施例中,一种基于用户行为的智能家居服务推荐方法的流程示意图;
图3为本发明的较佳的实施例中,用户行为模型的生成过程的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式,只要符合本发明的主旨,则其他实施方式也可以属于本发明的范畴。
本发明的较佳的实施例中,基于现有技术中存在的上述问题,现提供一种基于用户行为的智能家居服务推荐***,预先设置若干智能家居设备,如图1所示,智能家居服务推荐***具体包括:
数据采集模块1,用于实时采集当前时间,以及对应于当前时间的各智能家居设备的运行状态数据以及外界的环境数据并输出;
数据预处理模块2,连接数据采集模块1,用于根据预设规则对运行状态数据和环境数据分别进行数据预处理得到具有预设格式的有效数据;
数据预测模块3,分别连接数据采集模块1和数据预处理模块2,用于根据预先生成的用户行为模型、当前时间以及有效数据对用户行为进行预测,得到各智能家居设备被控制的成功率;
数据推送模块4,连接数据预测模块3,用于将各智能家居设备按照成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的智能家居设备生成相应的推荐列表推送至用户。
具体地,本实施例中,用户室内预先设置有若干智能家居设备,上述运行状态数据为各智能家居设备上报采集的信息数据,该信息数据包括智能家居设备当前处于开启状态还是关闭状态,以及智能家居设备中可调模式设备在开启状态时所处的模式以及该模式对应的属性值;上述环境数据包括室内环境数据和室外环境数据,其中,室内环境数据由设置于用于室内的智能家居传感类设备上报采集的信息数据,室外环境数据由第三方天气数据公司提供,其中运行状态数据及环境数据中均包含有该运行状态数据和环境数据采集的时间,即当前时间。
本实施例中,预先生成有用户行为模型,该用户行为模型的输入数据为上述得到的当前时间以及数据预处理后得到的有效数据,该用户行为模型的输出数据为各智能家居设备有可能被控制的成功率,该成功率用于预测用户可能的控制行为,并通过将各智能家居设备按照成功率由高到低的顺序进行排序,将排序靠前的各智能家居设备的控制服务推送至用户,方便用户实施控制行为,无需用户自行预设智能家居设备的触发条件,使得智能家居设备的控制简单化,有效提升用户的家居体验。
本发明的一个较佳的实施例中,上述数据采集模块1实时采集得到的当前时间为早上七点,对应于当前时间的各智能家居设备的状态数据为空调设置26度,外界的环境数据为阴天、能见度低、室外温度为23度,根据预先生成的用户行为模型以及数据采集模块1采集得到的数据预测用户可能会控制各智能家居设备的成功率,本实施例中,将预测成功率排序靠前的三个智能家居设备生成相应的推荐列表,并推送至用户的移动终端6,该预测成功率排序靠前的三个智能家居设备分别为窗帘、顶灯和空调。
本发明的另一个较佳的实施例中,上述数据采集模块1实时采集得到的当前时间为早上七点,对应于当前时间的各智能家居设备的状态数据为空调设置26度,外界的环境数据为晴天、阳光明媚、室外温度为30度,根据预先生成的用户行为模型以及数据采集模块1采集得到的数据预测用户可能会控制各智能家居设备的成功率,本实施例中,将预测成功率排序靠前的三个智能家居设备生成相应的推荐列表,并推送至用户的移动终端6,该预测成功率排序靠前的三个智能家居设备分别为窗帘、背景音乐和加湿器。
本发明的另一个较佳的实施例中,上述数据采集模块1实时采集得到的当前时间为中午十二点,对应于当前时间的外界的环境数据为晴天、天气炎热、室外温度为36度、室内卧室温度为35度,且由于客厅新做了一个木制展架,设置于客厅的智能家居传感类设备检测到室内甲醛浓度较高;根据预先生成的用户行为模型以及数据采集模块1采集得到的数据预测用户可能会控制各智能家居设备的成功率,本实施例中,将预测成功率排序靠前的三个智能家居设备生成相应的推荐列表,并推送至用户的移动终端6,该预测成功率排序靠前的三个智能家居设备分别为卧室窗帘、卧室空调和客厅新风。
本发明的另一个较佳的实施例中,上述数据采集模块1实时采集得到的当前时间为下午两点,对应于当前时间的外界的环境数据为晴转雷阵雨、强风、室外温度为30度、室内卧室温度为25度,根据预先生成的用户行为模型以及数据采集模块1采集得到的数据预测用户可能会控制各智能家居设备的成功率,本实施例中,将预测成功率排序靠前的三个智能家居设备生成相应的推荐列表,并推送至用户的移动终端6,该预测成功率排序靠前的三个智能家居设备分别为阳台晾衣架、卧室窗帘和卧室空调。
本发明的较佳的实施例中,智能家居设备包括不可调模式设备和可调模式设备,
则运行状态数据包括不可调模式设备处于开启状态或者关闭状态,可调模式设备处于开启状态或关闭状态,以及可调模式设备处于开启状态时所处的模式以及模式对应的属性值。
具体地,本实施例中,对于不可调模式设备,由于用户对其进行控制时,只能控制其开启或者关闭,如窗帘的开启或者关闭。因此其对应的运行状态数据为该不可调模式设备当前处于开启状态或者关闭状态,若该不可调模式设备在推荐列表中,则用户根据当前需求对该不可调模式设备的运行状态进行相应改变,即当前处于开启状态调整为关闭状态,或当前处于关闭状态调整为开启状态。
本实施例中,对于可调模式设备,由于用户对其进行控制时,除了能够控制其开启或者关闭,还能对其模式和属性值进行调节,如空调,除了能够开启或关闭,还能够对其进行制冷模式或制热模式的调节,同时能够对其温度属性值进行调节。因此其对应的运行状态数据为该可调模式设备当前处于开启状态或者关闭状态,以及处于开启状态时所处的模式和属性值。若该可调模式设备在推荐列表中,则用户根据当前需求对该可调模式设备的运行状态进行相应改变,包括对其进行开启或闭合,以及调整模式或属性值。
本发明的较佳的实施例中,环境数据包括室内环境数据和室外环境数据。
本发明的较佳的实施例中,室内环境数据包括光强,和/或温度,和/或湿度,和/或PM2.5,和/或含氧量,和/或CO2浓度,和/或甲醛浓度,和/或空气流速,和/或可吸入颗粒,和/或苯,和/或氨,和/或TVOC。
具体地,本实施例中,室内环境数据包括但不限于光强、温度、湿度、PM2.5、含氧量、CO2浓度、甲醛浓度、空气流速、可吸入颗粒、苯、氨和TVOC其中的一项或多项数据。
本发明的较佳的实施例中,室外环境数据包括天气现象,和/或温度,和/或气压,和/或相对湿度,和/或能见度,和/或风向,和/或风速,和/或云量。
具体地,本实施例中,室外环境数据包括但不限于天气现象、温度、气压、相对湿度、能见度、风向、风速和云量其中的一项或多项数据。
本发明的较佳的实施例中,还包括模型构建模块5,连接数据预测模块3,模型构建模块5具体包括:
数据获取单元51,用于获取用户的历史控制行为数据;
历史控制行为数据包括用户对各智能家居设备的控制行为,以及对应控制行为的环境数据;
数据预处理单元52,连接数据获取单元,用于对环境数据进行预处理得到有效环境数据;
向量生成单元53,分别连接数据获取单元51和数据预处理单元52,用于根据用户的每一次控制行为以及对应的有效环境数据,生成相应的控制行为向量;
数据训练单元54,连接向量生成单元53,用于对各控制行为向量进行训练得到用户行为模型。
具体地,本实施例中,上述控制行为向量可以表示为:
其中,用于表示控制行为向量,d1,d2,d3用于表示设置于用户室内的三个智能家居设备,t用于表示当前时间,Temin用于表示室内温度,Hin用于表示室内湿度,PM用于表示室内PM2.5,w用于表示室外天气现象,P用于表示室外气压,Temout用于表示室外温度。在历史控制行为数据中,若控制行为向量中的其中一个智能家居设备被控制了,则对应于智能家居设备被控制的真实成功率为1,若该智能家居设备没有被控制,则对应于智能家居设备被控制的真实成功率为0。在对各控制行为向量进行训练得到用户行为模型的过程中,不断对用户行为模型进行修正,使得用户行为模型输出的预测成功率逐渐贴合于真实成功率,最终得到具有较高预测准确度的用户行为模型,用于后续智能家居设备的控制服务推荐。
本发明的较佳的实施例中,采用线性回归的方式对各控制行为向量进行训练得到用户行为模型。
本发明的较佳的实施例中,还包括移动终端6,连接数据推送模块4,移动终端6搭载一应用程序,用于通过应用程序实时查看推荐列表,并根据推荐列表控制对应的各智能家居设备。
一种基于用户行为的智能家居服务推荐方法,应用于以上任意一项的基于用户行为的智能家居服务推荐***,如图2所示,智能家居服务推荐方法具体包括以下步骤:
步骤S1,智能家居服务推荐***实时采集当前时间,以及对应于当前时间的各智能家居设备的运行状态数据以及外界的环境数据并输出;
步骤S2,智能家居服务推荐***根据预设规则对运行状态数据和环境数据分别进行数据预处理得到具有预设格式的有效数据;
步骤S3,智能家居服务推荐***根据预先生成的用户行为模型、当前时间以及有效数据对用户行为进行预测,得到各智能家居设备被控制的成功率;
步骤S4,智能家居服务推荐***将各智能家居设备按照成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的智能家居设备生成相应的推荐列表推送至用户。
本发明的较佳的实施例中,还包括用户行为模型的生成过程,如图3所示,具体包括:
步骤A1,智能家居服务推荐***获取用户的历史控制行为数据;
历史控制行为数据包括用户对智能家居设备的控制行为,以及对应控制行为的环境数据;
步骤A2,智能家居服务推荐***对环境数据进行预处理得到有效环境数据;
步骤A3,根据用户的每一次控制行为以及对应的有效环境数据,生成相应的控制行为向量;
步骤A4,智能家居服务推荐***对各控制行为向量进行训练得到用户行为模型。
以上所述仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (10)
1.一种基于用户行为的智能家居服务推荐***,其特征在于,预先设置若干智能家居设备,所述智能家居服务推荐***具体包括:
数据采集模块,用于实时采集当前时间,以及对应于所述当前时间的各所述智能家居设备的运行状态数据以及外界的环境数据并输出;
数据预处理模块,连接所述数据采集模块,用于根据预设规则对所述运行状态数据和所述环境数据分别进行数据预处理得到具有预设格式的有效数据;
数据预测模块,分别连接所述数据采集模块和所述数据预处理模块,用于根据预先生成的用户行为模型、所述当前时间以及所述有效数据对用户行为进行预测,得到各所述智能家居设备被控制的成功率;
数据推送模块,连接所述数据预测模块,用于将各所述智能家居设备按照所述成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的所述智能家居设备生成相应的推荐列表推送至所述用户。
2.根据权利要求1所述的智能家居服务推荐***,其特征在于,所述智能家居设备包括不可调模式设备和可调模式设备,
则所述运行状态数据包括所述不可调模式设备处于开启状态或者关闭状态,所述可调模式设备处于开启状态或关闭状态,以及所述可调模式设备处于开启状态时所处的模式以及所述模式对应的属性值。
3.根据权利要求1所述的智能家居服务推荐***,其特征在于,所述环境数据包括室内环境数据和室外环境数据。
4.根据权利要求3所述的智能家居服务推荐***,其特征在于,所述室内环境数据包括光强,和/或温度,和/或湿度,和/或PM2.5,和/或含氧量,和/或CO2浓度,和/或甲醛浓度,和/或空气流速,和/或可吸入颗粒,和/或苯,和/或氨,和/或TVOC。
5.根据权利要求3所述的智能家居服务推荐***,其特征在于,所述室外环境数据包括天气现象,和/或温度,和/或气压,和/或相对湿度,和/或能见度,和/或风向,和/或风速,和/或云量。
6.根据权利要求1所述的智能家居服务推荐***,其特征在于,还包括模型构建模块,连接所述数据预测模块,所述模型构建模块具体包括:
数据获取单元,用于获取所述用户的历史控制行为数据;
所述历史控制行为数据包括所述用户对各所述智能家居设备的控制行为,以及对应所述控制行为的所述环境数据;
数据预处理单元,连接所述数据获取单元,用于对所述环境数据进行预处理得到有效环境数据;
向量生成单元,分别连接所述数据获取单元和所述数据预处理单元,用于根据所述用户的每一次所述控制行为以及对应的所述有效环境数据,生成相应的控制行为向量;
数据训练单元,连接所述向量生成单元,用于对各所述控制行为向量进行训练得到所述用户行为模型。
7.根据权利要求6所述的智能家居服务推荐***,其特征在于,采用线性回归的方式对各所述控制行为向量进行训练得到所述用户行为模型。
8.根据权利要求1所述的智能家居服务推荐***,其特征在于,还包括移动终端,连接所述数据推送模块,所述移动终端搭载一应用程序,用于通过所述应用程序实时查看所述推荐列表,并根据所述推荐列表控制对应的各所述智能家居设备。
9.一种基于用户行为的智能家居服务推荐方法,其特征在于,应用于如权利要求1-8中任意一项所述的基于用户行为的智能家居服务推荐***,所述智能家居服务推荐方法具体包括以下步骤:
步骤S1,所述智能家居服务推荐***实时采集当前时间,以及对应于所述当前时间的各所述智能家居设备的运行状态数据以及外界的环境数据并输出;
步骤S2,所述智能家居服务推荐***根据预设规则对所述运行状态数据和所述环境数据分别进行数据预处理得到具有预设格式的有效数据;
步骤S3,所述智能家居服务推荐***根据预先生成的用户行为模型、所述当前时间以及所述有效数据对用户行为进行预测,得到各所述智能家居设备被控制的成功率;
步骤S4,所述智能家居服务推荐***将各所述智能家居设备按照所述成功率由高到低的顺序进行排序,并根据排序靠前的预设数量的所述智能家居设备生成相应的推荐列表推送至所述用户。
10.根据权利要求9所述的智能家居服务推荐方法,其特征在于,还包括所述用户行为模型的生成过程,具体包括:
步骤A1,所述智能家居服务推荐***获取所述用户的历史控制行为数据;
所述历史控制行为数据包括所述用户对所述智能家居设备的控制行为,以及对应所述控制行为的所述环境数据;
步骤A2,所述智能家居服务推荐***对所述环境数据进行预处理得到有效环境数据;
步骤A3,根据所述用户的每一次所述控制行为以及对应的所述有效环境数据,生成相应的控制行为向量;
步骤A4,所述智能家居服务推荐***对各所述控制行为向量进行训练得到所述用户行为模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910786659.7A CN110471301A (zh) | 2019-08-23 | 2019-08-23 | 一种基于用户行为的智能家居服务推荐***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910786659.7A CN110471301A (zh) | 2019-08-23 | 2019-08-23 | 一种基于用户行为的智能家居服务推荐***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110471301A true CN110471301A (zh) | 2019-11-19 |
Family
ID=68512109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910786659.7A Pending CN110471301A (zh) | 2019-08-23 | 2019-08-23 | 一种基于用户行为的智能家居服务推荐***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110471301A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286150A (zh) * | 2020-10-15 | 2021-01-29 | 珠海格力电器股份有限公司 | 一种智能家居设备管理方法、装置、***及存储介质 |
CN112782988A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市微网力合信息技术有限公司 | 一种基于物联网的智能家居窗帘的控制方法 |
CN112987590A (zh) * | 2021-04-29 | 2021-06-18 | 中家院(北京)检测认证有限公司 | 基于环境规律智能分析的智慧家庭控制方法及*** |
CN113625583A (zh) * | 2021-08-25 | 2021-11-09 | 施勒智能科技(上海)股份有限公司 | 一种设备控制方法、***及可读存储介质 |
CN114740745A (zh) * | 2022-04-25 | 2022-07-12 | 深圳市联合同创科技股份有限公司 | 一种智能家居控制方法及终端 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104834223A (zh) * | 2015-05-08 | 2015-08-12 | 丰唐物联技术(深圳)有限公司 | 一种信息推送方法及装置 |
US20150227118A1 (en) * | 2014-02-11 | 2015-08-13 | Oracle International Corporation | Smart home learning system including user behavior |
CN106383450A (zh) * | 2016-11-10 | 2017-02-08 | 北京工商大学 | 一种基于大数据的智能家居用户行为分析***及方法 |
CN106707783A (zh) * | 2016-12-30 | 2017-05-24 | 中科同德(北京)生态科技有限公司 | 一种记录用户行为习惯的knx总线控制方法和*** |
CN107562023A (zh) * | 2017-08-01 | 2018-01-09 | 上海电机学院 | 基于用户行为习惯的智能家居管控*** |
CN107665230A (zh) * | 2017-06-21 | 2018-02-06 | 海信集团有限公司 | 用于智能家居控制的用户行为预测模型的训练方法及装置 |
CN109298640A (zh) * | 2018-08-09 | 2019-02-01 | 北京奇虎科技有限公司 | 一种智能设备的管理方法及装置 |
CN109752960A (zh) * | 2017-11-08 | 2019-05-14 | 中兴通讯股份有限公司 | 一种智能家居联动控制方法及装置 |
-
2019
- 2019-08-23 CN CN201910786659.7A patent/CN110471301A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150227118A1 (en) * | 2014-02-11 | 2015-08-13 | Oracle International Corporation | Smart home learning system including user behavior |
CN104834223A (zh) * | 2015-05-08 | 2015-08-12 | 丰唐物联技术(深圳)有限公司 | 一种信息推送方法及装置 |
CN106383450A (zh) * | 2016-11-10 | 2017-02-08 | 北京工商大学 | 一种基于大数据的智能家居用户行为分析***及方法 |
CN106707783A (zh) * | 2016-12-30 | 2017-05-24 | 中科同德(北京)生态科技有限公司 | 一种记录用户行为习惯的knx总线控制方法和*** |
CN107665230A (zh) * | 2017-06-21 | 2018-02-06 | 海信集团有限公司 | 用于智能家居控制的用户行为预测模型的训练方法及装置 |
CN107562023A (zh) * | 2017-08-01 | 2018-01-09 | 上海电机学院 | 基于用户行为习惯的智能家居管控*** |
CN109752960A (zh) * | 2017-11-08 | 2019-05-14 | 中兴通讯股份有限公司 | 一种智能家居联动控制方法及装置 |
CN109298640A (zh) * | 2018-08-09 | 2019-02-01 | 北京奇虎科技有限公司 | 一种智能设备的管理方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286150A (zh) * | 2020-10-15 | 2021-01-29 | 珠海格力电器股份有限公司 | 一种智能家居设备管理方法、装置、***及存储介质 |
CN112286150B (zh) * | 2020-10-15 | 2021-09-14 | 珠海格力电器股份有限公司 | 一种智能家居设备管理方法、装置、***及存储介质 |
CN112782988A (zh) * | 2020-12-30 | 2021-05-11 | 深圳市微网力合信息技术有限公司 | 一种基于物联网的智能家居窗帘的控制方法 |
CN112987590A (zh) * | 2021-04-29 | 2021-06-18 | 中家院(北京)检测认证有限公司 | 基于环境规律智能分析的智慧家庭控制方法及*** |
CN112987590B (zh) * | 2021-04-29 | 2021-08-20 | 中家院(北京)检测认证有限公司 | 基于环境规律智能分析的智慧家庭控制方法及*** |
CN113625583A (zh) * | 2021-08-25 | 2021-11-09 | 施勒智能科技(上海)股份有限公司 | 一种设备控制方法、***及可读存储介质 |
CN114740745A (zh) * | 2022-04-25 | 2022-07-12 | 深圳市联合同创科技股份有限公司 | 一种智能家居控制方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110471301A (zh) | 一种基于用户行为的智能家居服务推荐***及方法 | |
Chen et al. | Butler, not servant: A human-centric smart home energy management system | |
CN102705957B (zh) | 办公建筑中央空调逐时冷负荷在线预测方法及*** | |
CN115249094B (zh) | 一种基于大数据的建筑能效管理和优化方法 | |
CN108873729A (zh) | 基于大数据的人工智能家居环境管理*** | |
JP6280485B2 (ja) | 省エネルギ支援システムおよび省エネルギ支援方法 | |
CN108054749B (zh) | 一种非侵入式电力负荷分解方法及装置 | |
CN105320184A (zh) | 建筑室内环境智能监控*** | |
KR20180072468A (ko) | 빅데이터기반 사용자의 지능형 냉방 및 난방 서비스 제공 방법 | |
CN113902582A (zh) | 一种楼宇综合能源负荷预测方法及*** | |
CN110308661A (zh) | 基于机器学习的智能设备控制方法及装置 | |
Wang et al. | A review of load forecasting of the distributed energy system | |
CN102841592A (zh) | 基于无线互联技术的温棚控制*** | |
CN109163423A (zh) | 智能新风***的控制方法、控制器和可读存储介质 | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制***及方法 | |
CN114997508A (zh) | 基于多能互补的大棚用电优化方法及*** | |
CN103529771B (zh) | 一种基于数据分析的家庭智能能耗调控*** | |
CN109358522A (zh) | 一种基于云计算与大数据的智能家居控制方法及装置 | |
TWI327056B (zh) | ||
CN205862184U (zh) | 一种智能窗*** | |
Martinez-Gil et al. | Modeling user behavior through electricity consumption patterns | |
CN107421083A (zh) | 一种家用空调的温度管理*** | |
Mengyao et al. | Intelligent product art design based on smart equipment and machine learning algorithm: practice effect and trend analysis | |
Zhang | Embedded device energy consumption prediction system based on machine learning optimization | |
Badhoutiya et al. | Technology Assisted Smart and Sustainable Workspace |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |
|
RJ01 | Rejection of invention patent application after publication |