CN116130102A - 睡眠环境数据的确定方法及装置、存储介质及电子装置 - Google Patents
睡眠环境数据的确定方法及装置、存储介质及电子装置 Download PDFInfo
- Publication number
- CN116130102A CN116130102A CN202211670287.XA CN202211670287A CN116130102A CN 116130102 A CN116130102 A CN 116130102A CN 202211670287 A CN202211670287 A CN 202211670287A CN 116130102 A CN116130102 A CN 116130102A
- Authority
- CN
- China
- Prior art keywords
- sleep environment
- sleep
- target
- data
- target object
- 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
- 230000007958 sleep Effects 0.000 title claims abstract description 419
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000002787 reinforcement Effects 0.000 claims abstract description 33
- 230000003860 sleep quality Effects 0.000 claims description 28
- 238000012806 monitoring device Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 5
- 229910052760 oxygen Inorganic materials 0.000 claims description 5
- 239000001301 oxygen Substances 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 10
- 230000001276 controlling effect Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000008667 sleep stage Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 206010062519 Poor quality sleep Diseases 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000009123 feedback regulation Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000036578 sleeping time Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Anesthesiology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Stored Programmes (AREA)
Abstract
本申请公开了一种睡眠环境数据的确定方法及装置、存储介质及电子装置,涉及智慧家庭技术领域,该睡眠环境数据的确定方法包括:获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。采用上述技术方案,解决了无法确定用户的最佳睡眠环境的问题。
Description
技术领域
本申请涉及智慧家庭技术领域,具体而言,涉及一种睡眠环境数据的确定方法及装置、存储介质及电子装置。
背景技术
随着智慧物联技术的不断发展,越来越多的人选择了智能家居,实时识别环境变化因素进而为用户提供舒适的居家环境,当前,用户在睡觉的时候,喜欢使用睡眠仪来监测自身的睡眠状况,但用户在拿到睡眠仪的睡眠报告以后,也仅仅只能通过睡眠报告得知自身睡眠质量的好坏,无法再进一步的进行其他操作,用户也无法通过睡眠仪来得知自身的最佳睡眠环境是怎样的。
针对相关技术中,无法确定用户的最佳睡眠环境的问题,目前尚未提出有效的解决方案。
因此,有必要对相关技术予以改良以克服相关技术中的所述缺陷。
发明内容
本发明实施例提供了一种睡眠环境数据的确定方法及装置、存储介质及电子装置,以至少解决无法确定用户的最佳睡眠环境的问题。
根据本发明实施例的一方面,提供一种睡眠环境数据的确定方法,包括:获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
在一个示例性的实施例中,获取目标对象的目标对象特征数据,包括:获取所述目标对象的性别、年龄、生活习惯类型;获取所述目标对象当前所处的目标区域的目标区域特征数据,包括:确定当前时间以及所述目标对象当前所处的目标区域的地理位置;根据所述当前时间和所述地理位置确定当前季节和当前天气,其中,所述目标区域特征数据包括所述地理位置、所述当前季节和所述当前天气。
在一个示例性的实施例中,根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据,包括:获取对象特征数据、区域特征数据与睡眠环境数据的对应关系;根据所述对应关系确定与所述目标对象特征数据和所述目标区域特征数据对应的初始睡眠环境数据。
在一个示例性的实施例中,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据,包括:在所述初始睡眠环境数据包括N个睡眠环境参数的参数值的情况下,通过以下方式确定所述N个睡眠环境参数中第i个睡眠环境参数的目标参数值,以得到目标睡眠环境数据,其中,所述i大于等于1,小于或等于N:增加所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续增加所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值增加至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续增加所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差;或降低所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续降低所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值降低至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续降低所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差。
在一个示例性的实施例中,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据,包括:在获取到所述目标对象发送的设备控制指令的情况,根据所述设备控制指令确定所述目标对象待调节的目标睡眠环境参数和对应的参数值,其中,所述设备控制指令为所述目标对象位于所述初始睡眠环境数据对应的睡眠环境下发送的指令;通过所述目标睡眠环境参数和对应的参数值对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据。
在一个示例性的实施例中,得到目标睡眠环境数据之后,所述方法还包括:获取所述目标对象的历史睡眠数据,其中,所述历史睡眠数据用于描述所述目标对象的历史睡眠周期;在睡眠监测装置通过所述历史睡眠数据确定所述目标对象在预设时间后进入第一睡眠状态的情况下,通过所述目标睡眠环境数据确定与所述第一睡眠状态相对应的第一睡眠环境数据,其中,所述目标睡眠环境数据包括睡眠周期中不同睡眠状态对应的睡眠环境数据;在预设时间后,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,以使所述预设时间后的睡眠环境为所述第一睡眠环境数据对应的睡眠环境。
在一个示例性的实施例中,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,包括:确定所述第一睡眠环境数据中的每个睡眠环境参数和对应的参数值;确定与所述每个睡眠环境参数对应的设备,并控制所述对应的设备根据所述对应的参数值调节当前睡眠环境中的所述每个睡眠环境参数;其中,所述睡眠环境参数至少包括:温度,湿度,光线强度,氧气含量,环境音量。
根据本发明实施例的另一方面,还提供了一种睡眠环境数据的确定装置,包括:获取模块,用于获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;第一确定模块,用于根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;第二确定模块,用于对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
根据本发明实施例的又一方面,还提供了一种计算机可读的存储介质,该计算机可读的存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述睡眠环境数据的确定方法。
根据本发明实施例的又一方面,还提供了一种电子装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,上述处理器通过计算机程序执行上述睡眠环境数据的确定方法。
通过本发明,根据目标对象的目标对象特征数据和所处目标区域的目标区域特征数据确定初始睡眠环境数据,并对初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在目标对象位于目标区域特征数据对应的目标区域时,目标睡眠环境数据对应的目标睡眠环境为目标对象的最佳睡眠环境。由于通过强化学习的方式来确定目标对象的最佳睡眠环境,进而解决了无法确定用户的最佳睡眠环境的问题,使得用户可以在最佳睡眠环境下睡觉,提高了用户的睡眠质量。
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,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是根据本申请实施例的一种睡眠环境数据的确定方法的硬件环境示意图;
图2是根据本发明实施例的睡眠环境数据的确定方法的流程图(一);
图3是现有调节睡眠环境的流程图;
图4是根据本发明实施例的睡眠环境数据的确定方法的流程图(二);
图5是根据本发明实施例的睡眠环境数据的确定方法的时序图;
图6是根据本发明实施例的睡眠环境数据的确定方法的整体框架图(一);
图7是根据本发明实施例的睡眠周期的示意图;
图8是根据本发明实施例的强化学习的原理图;
图9是根据本发明实施例的睡眠环境数据的确定方法的整体框架图(二);
图10是根据本发明实施例的睡眠环境数据的确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例的一个方面,提供了一种睡眠环境数据的确定方法。该睡眠环境数据的确定方法广泛应用于智慧家庭(Smart Home)、智能家居、智能家用设备生态、智慧住宅(IntelligenceHouse)生态等全屋智能数字化控制应用场景。可选地,在本实施例中,上述睡眠环境数据的确定方法可以应用于如图1所示的由终端设备102和服务器104所构成的硬件环境中。如图1所示,服务器104通过网络与终端设备102进行连接,可用于为终端或终端上安装的客户端提供服务(如应用服务等),可在服务器上或独立于服务器设置数据库,用于为服务器104提供数据存储服务,可在服务器上或独立于服务器配置云计算和/或边缘计算服务,用于为服务器104提供数据运算服务。
上述网络可以包括但不限于以下至少之一:有线网络,无线网络。上述有线网络可以包括但不限于以下至少之一:广域网,城域网,局域网,上述无线网络可以包括但不限于以下至少之一:WIFI(Wireless Fidelity,无线保真),蓝牙。终端设备102可以并不限定于为PC、手机、平板电脑、智能空调、智能烟机、智能冰箱、智能烤箱、智能炉灶、智能洗衣机、智能热水器、智能洗涤设备、智能洗碗机、智能投影设备、智能电视、智能晾衣架、智能窗帘、智能影音、智能插座、智能音响、智能音箱、智能新风设备、智能厨卫设备、智能卫浴设备、智能扫地机器人、智能擦窗机器人、智能拖地机器人、智能空气净化设备、智能蒸箱、智能微波炉、智能厨宝、智能净化器、智能饮水机、智能门锁等。
为了解决上述问题,在本实施例中提供了一种睡眠环境数据的确定方法,包括但不限于应用在上述服务器或终端中,图2是根据本发明实施例的睡眠环境数据的确定方法的流程图,该流程包括如下步骤:
步骤S202,获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
作为一种可选的示例,目标对象为用户。目标区域为目标对象的当前居住区域,例如:某某城市,某某县/区等等。目标区域特征数据可以用于反映目标区域在不同维度的特征。例如:位置,季节、天气等等。
作为一种可选的示例,获取目标对象的目标对象特征数据,包括:获取所述目标对象的性别、年龄、生活习惯类型。需要说明的是,生活习惯类型为通过分析目标对象的生活习惯数据从预先定义好的几种类型中选出的类型,生活习惯类型包括但不限于:经常进行高强度运动类型,经常进行低强度运动类型,经常饮用高蛋白食物类型,睡觉前长时间使用电子产品类型,睡觉前经常工作类型等等。目标对象的生活习惯类型。
需要说明的是,目标对象特征数据包括目标对象在不同维度的标签,可以用于描述目标对象的画像。
作为一种可选的示例,获取所述目标对象当前所处的目标区域的目标区域特征数据,包括:确定当前时间以及所述目标对象当前所处目标区域的地理位置;根据所述当前时间和所述地理位置确定当前季节和当前天气,其中,所述目标区域特征数据包括所述地理位置、所述当前季节和所述当前天气。
需要说明的是,当前时间包括当前的年份,月份,日期以及日期中的具体时刻(xx时xx分xx秒)。地理位置包括当前所在的省份、城市、区县、所在的房间位置、房间朝向等,还可以包括经纬度。当前季节包括:春、夏、秋、冬;当前天气包括:多云、晴天,阴天,小雨,小雪等等。
在本实施例中,通过时间和位置可以准确的确定用户当前所处的目标区域的目标区域特征数据。
步骤S204,根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
需要说明的是,初始睡眠环境数据包括多个睡眠环境参数对应的参数值;睡眠环境参数至少包括:温度,湿度,光线强度,氧气含量,环境音量。
作为一种可选的示例,上述步骤S204可以通过以下方式实现:获取对象特征数据、区域特征数据与睡眠环境数据的对应关系;根据所述对应关系确定与所述目标对象特征数据和所述目标区域特征数据对应的初始睡眠环境数据。
需要说明的是,对象特征数据和区域特征数据为一种泛指,目标对象特征数据和目标区域特征数据为一种特指,即目标对象特征数据为对象特征数据中的一种具体数据,目标区域特征数据为区域特征数据中的一种具体数据。例如,水果是一种泛指,而目标水果(水果)是一种特指。
需要说明的是,可以通过数据库来存储对象特征数据、区域特征数据与睡眠环境数据的对应关系,数据库中具有不同对象特征数据和不同区域特征数据对应的不同睡眠环境数据。需要说明的是,不同的对象特征数据对应的目标对象的最佳睡眠环境数据是不一样的,用户在不同区域特征数据对应的区域的最佳睡眠环境数据也是不一样的。进而通过目标对象特征数据和目标区域特征数据在数据库中可以尽可能找到接近用户的最佳睡眠环境的初始睡眠环境数据。
在本实施例中,通过上述方式可以快速准确的确定与目标对象特征数据和目标区域特征数据对应的初始睡眠环境数据,尽可能通过目标对象特征数据和目标区域特征数据确定接近用户的最佳睡眠环境的最佳睡眠环境数据,减少强化学习的时间。
步骤S206,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
作为一种可选的示例,可以通过强化学习模型和睡眠监测装置对初始睡眠环境数据进行强化学习,得到目标睡眠环境数据。示例性的,强化学习模型的原理如图8所示。
作为一种可选的示例,睡眠监测装置包括但不限于睡眠仪,用于监测用户的睡眠状态,得到睡眠报告,睡眠包括可以反映目标对象的睡眠质量。
作为一种可选的示例,上述步骤S206可以通过以下方式实现:
在所述初始睡眠环境数据包括N个睡眠环境参数的参数值的情况下,通过以下方式一或者方式二确定所述N个睡眠环境参数中第i个睡眠环境参数的目标参数值,以得到目标睡眠环境数据,其中,所述i大于等于1,小于或等于N:
方式一:增加所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续增加所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值增加至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续增加所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差;
作为一种可选的示例,睡眠监测装置可以得到用户的睡眠报告,可以通过睡眠报告中用户深睡眠的时长来确定用户的睡眠质量,其中,深睡眠时间越长,用户的睡眠质量越好。
方式二:降低所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续降低所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值降低至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续降低所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差。
需要说明的是,在增加或降低第i个睡眠环境参数的参数值的情况下,其他睡眠环境参数的参数值不发生改变。
也就是说,可以主动的对初始睡眠环境数据进行强化学习,调节每个睡眠环境参数的参数值,进而使得每个睡眠环境参数的参数值达到对应的目标值,得到目标睡眠环境数据。在本实施例中,采用上述方式,通过确定每个睡眠环境参数对应的目标参数值可以快速准确的确定目标睡眠环境数据。
在一个示例性的实施例中,上述步骤S206可以通过以下方式实现:在获取到所述目标对象发送的设备控制指令的情况,根据所述设备控制指令确定所述目标对象待调节的目标睡眠环境参数和对应的参数值,其中,所述设备控制指令为所述目标对象位于所述初始睡眠环境数据对应的睡眠环境下发送的指令;通过所述目标睡眠环境参数和对应的参数值对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据。
需要说明的是,上述方式可以收集用户在初始睡眠环境数据对应的睡眠环境下的对当前睡眠环境的反馈,通过用户的反馈被动对初始睡眠环境数据进行强化学习,进而能够更及时准确确定适合用户个性化的目标睡眠环境数据,以达到用户舒适居家的睡眠体验。
上述步骤,根据目标对象的目标对象特征数据和所处目标区域的目标区域特征数据确定初始睡眠环境数据,并对初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在目标对象位于目标区域特征数据对应的目标区域时,目标睡眠环境数据对应的目标睡眠环境为目标对象的最佳睡眠环境。由于通过强化学习的方式来确定目标对象的最佳睡眠环境,进而解决了无法确定用户的最佳睡眠环境的问题,使得用户可以在最佳睡眠环境下睡觉,提高了用户的睡眠质量。
在一个示例性的实施例中,在得到目标睡眠环境数据之后,还具有以下步骤S11-S13:
步骤S11:获取所述目标对象的历史睡眠数据,其中,所述历史睡眠数据用于描述所述目标对象的历史睡眠周期;
需要说明的是,历史睡眠数据可以通过睡眠监测装置得到的多个睡眠报告确定。目标对象的历史睡眠数据可以同于描述用户在使用睡眠监测装置以后,多久进入入睡期,多久进入浅睡期,多久进入深睡期。
步骤S12:在睡眠监测装置通过所述历史睡眠数据确定所述目标对象在预设时间后进入第一睡眠状态的情况下,通过所述目标睡眠环境数据确定与所述第一睡眠状态相对应的第一睡眠环境数据,其中,所述目标睡眠环境数据包括睡眠周期中不同睡眠状态对应的睡眠环境数据;
需要说明的是,睡眠状态包括:入睡期、浅睡期、深睡期。第一睡眠状态为睡眠状态中的其中一个。睡眠周期用于描述用户在不同睡眠状态对应的时间,以及睡眠状态的转化情况。具体的,睡眠周期如图7所示。
步骤S13:在预设时间后,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,以使所述预设时间后的睡眠环境为所述第一睡眠环境数据对应的睡眠环境。
在本实施例中,可以通过提前能够提前预知用户下一睡眠状态的到来,进而提前准备好相应的睡眠环境数据。避免用户睡觉热醒了或者冻醒了。
在一个示例性的实施例中,上述步骤S13可以通过以下步骤S131-S133实现:
步骤S131:确定所述第一睡眠环境数据中的每个睡眠环境参数和对应的参数值;例如,第一睡眠环境数据包括:温度23度,湿度50%。
步骤S132:确定与所述每个睡眠环境参数对应的设备,并控制所述对应的设备根据所述对应的参数值调节当前睡眠环境中的所述每个睡眠环境参数;
需要说明的是,每个睡眠环境参数对应的设备是用于控制环境中对应的睡眠环境参数的设备,例如,当第一睡眠环境数据为{温度23度,湿度50%}的情况下,则对应的设备为空调,加湿器,除湿器等等。控制空调将当前环境温度调节到23度,在当前环境湿度大于50%的情况下,则使用除湿器使得当前环境湿度为50%,在当前环境温度小于50%的情况下,则使用加湿器使得当前环境湿度为50%。
需要说明的是,所述睡眠环境参数至少包括:温度,湿度,光线强度,氧气含量,环境音量。在本实施例中,通过与智能家居的实时联动,能够更加精准的给用户自动调节适合睡眠环境,让用户无感的享受到舒适的睡眠环境,提高了用户的睡眠体验和睡眠质量。
显然,上述所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。为了更好的理解上述方法,以下结合实施例对上述过程进行说明,但不用于限定本发明实施例的技术方案,具体地:
在一个可选的实施例中,当前用户在睡觉的时候,如果感到不适,则用户起床手动调节设备,直到当前睡眠环境满足用户的要求,具体流程如图3所示。而本发明是针对用户室内环境实时自动调节,通过获取的用户特征信息(相当于上述目标对象特征数据),提供相关智能调节服务,是一种鉴于温度、湿度、光照等环境因素,科学推算每个人最舒适的睡眠环境,突出实时识别环境变化,并且结合用户习惯实时调控空调、窗帘控制室内的温度、湿度、采光等。详细操作步骤如下:
第一步:获取用户智能家居环境数据与用户属性数据,获取用户行为相关的“五元组”数据,其中重点是要获取五元组中上下文的环境相关数据。
第二步:根据上述五元组的客观条件,从客观数据转换为主观上认知,确定出每个城市每天的温度、湿度、光照强度变化曲线。
第三步:根据认知数据进行决策执行,实时记录用户在每个睡眠阶段的适合环境,并且经过强化学习,能够提前预知下一睡眠阶段的到来,提前准备好相应的温度湿度等环境因素。
第四步:获取用户在不同温度、湿度、光照、噪音等环境变化时对应的行为反馈,包括但不限于语音控制反馈、APP反馈、设备控制反馈以及屏端反馈等。
第五步:结合天时(天气、日出日落)、地理(省市县、家庭空间位置)以及人和(人为控制的反控信息),形成客观条件+主观意识形态相结合,最终形成千人千面的适合每个人的睡眠的用户需求。
需要说明的是,五元组集合主要是对行为的全面描述,包括:用户信息Who:u(u_1,u_2,u_3,…,u_n),时间信息When:t(t_1,t_2,t_3,…,t_n),地址信息Where:a(a_1,a_2,a_3,…,a_n),意图信息What:i(i_1,i_2,i_3,…,i_n),上下文信息Context:(c_1,c_2,c_3,…,c_n)。
用户信息集合:u(x)表示用户特征,u(u_1,u_2,u_3,…,u_n)表示用户的第1到k个特征。例如用户年龄、用户性别、角色等特征,用于推荐相应人群的最佳睡眠参数初始化。
时间属性信息集合:t(x)表示时间属性,t(t_1,t_2,t_3,…,t_n)表示时间的第1到k个属性。例如时间包含年、月、日、小时段信息等属性。
地址信息集合:a(x)表示地址特征,a(a_1,a_2,a_3,…,a_n)表示地址的第1到k个特征。例如省份、城市、区县、房间位置、房间朝向等特征。
意图信息集合:i(x)表示,表示用户意图信息,i(i_1,i_2,i_3,…,i_n)标识用户的不同意图。意图包括用户在下一阶段的睡眠状态。
上下文信息集合:c(c_1,c_2,c_3,…,c_n)表示,表示行为信息、天气信息、紫外线、设备状态信息等。
需要说明的是,图4示意出了一种流程图。通过五元组用户阶段的睡眠数据来预测下一阶段的睡眠数据,进而精准控制设备。
作为一种可选的示例,图5示意出了根据五元组行为数据控制用户睡眠环境的时序图。作为一种可选的示例,具有以下部分:
1、上下文环境信息处理
1.1对现有的五元组用户睡眠阶段数据进行清洗、标准化,以“空间”、“睡眠阶段”,“地址”,“温度”,“地理位置”,“朝向”为主元素数据格式,并且对用户的历史动作进行排序,获得数据结构如下表1所示。
表1
空间 | 睡眠阶段 | 季节 | 地理位置 | 温度(度) | 湿度 | 人物 |
卧室1 | 清醒 | 春 | 北京市 | 23 | 50% | 爸爸 |
卧室1 | 浅睡 | 夏 | 青岛市 | 24 | 55% | 妈妈 |
卧室1 | 深睡 | 秋 | 济南市 | 25 | 60% | 爷爷 |
卧室2 | 熟睡 | 冬 | 三亚市 | 26 | 65% | 奶奶 |
1.2根据室内的灯具、窗帘、音箱等综合因素,判断出用户当天的睡眠时间点以及睡眠阶段相应的不同环境因素,通过强化学习算法,将适应不同阶段的环境因素进行强化学习,以适应用户不同阶段的睡眠。
作为一种可选的示例,本申请实施例的改善用户的睡眠环境的整体框架图如图6所示。
1.3调研研究南北方不同季节下的最佳睡眠环境,结合用户自身历史的睡眠习惯数据做出初始化最佳睡眠环境,示例性的,如下表2所示。
表2
2、收集智慧窗帘场景下用户控制设备的行为反馈;示例性的,如下表3所示:
表3
语音反馈 | APP反馈 | 设备反馈 |
太亮了 | 窗帘打开 | 窗帘左转 |
太暗了 | 窗帘关闭 | 窗帘右转 |
太热了 | 打开空调 | 空调设置21度启动 |
太干了 | 启动加湿功能 | 空调加湿功能启动 |
根据历史数据统计出用户反馈和决策之间的偏差,也就是用户个体对环境因素的差异,从而计算出每个人的温度、湿度、光照决策系数,用户画像里会根据用户的反馈,不断计算出用户的环境敏感系数,当下次决策时,会根据标准的决策乘以个人的环境敏感系数,得到最终的执行决策,实时根据用户的每个睡眠周期阶段,给每个用户提供适合他们自己的室内睡眠环境。其中,用户环境敏感系数公式:W=用户反馈调控/标准执行决策。具体的,如下表4所示:
表4
3、对用户历史各种环境下的舒适光照强度进行强化,示例性的,强化学习模型如图8所示。
统计用户在不同季节下的最适宜睡眠环境因素,以及收集用户的反馈,及时的进行强化学习,动态调整用户不同情况下的睡眠偏好因素,能够更及时准确推荐调整适合用户个性化的环境因素,以达到用户舒适居家的睡眠体验。
作为一种可选的示例,图9示意出了本申请实施例的另一种整体框架图。下表5示意出了最终确定的睡眠环境数据。
表5
需要说明的是,本申请实施例将每个用户作为分析对象,对历史的睡眠曲线进行统计分析,每次进行单因素变化,找出用户不同因素对睡眠曲线的影响,依次来实时调整用户的最佳睡眠环境,构建用户行为体系,找到每个用户的睡眠敏感点,习惯虽然会潜移默化的变化,这种方法能适应各种环境下的睡眠需求,并且不断的强化学习进行优化。
此外,本申请按照五元组上下文信息,将用户的睡眠敏感点进行个性化排序,找出每个人在各种环境下的最舒睡眠环境,以此提前自动调整睡眠环境(温度、湿度、光照等)舒适用户,提前预判用户的睡眠周期下的不同环境变化,减少用户因为外界环境变化中断睡眠因素,让用户更好的睡眠体验,改善用户身体健康。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例的方法。
在本实施例中还提供了一种睡眠环境数据的确定装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的设备较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图10是根据本发明实施例的睡眠环境数据的确定装置的结构框图,该装置包括:
获取模块1002,用于获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
第一确定模块1004,用于根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
第二确定模块1006,用于对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
上述装置,根据目标对象的目标对象特征数据和所处目标区域的目标区域特征数据确定初始睡眠环境数据,并对初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在目标对象位于目标区域特征数据对应的目标区域时,目标睡眠环境数据对应的目标睡眠环境为目标对象的最佳睡眠环境。由于通过强化学习的方式来确定目标对象的最佳睡眠环境,进而解决了无法确定用户的最佳睡眠环境的问题,使得用户可以在最佳睡眠环境下睡觉,提高了用户的睡眠质量。
在一个示例性的实施例中,获取模块1002,还用于通过以下方式获取目标对象的目标对象特征数据:获取所述目标对象的性别、年龄、生活习惯类型;获取模块,还用于通过以下方式获取所述目标对象当前所处目标区域的目标区域特征数据:确定当前时间以及所述目标对象当前所处目标区域的地理位置;根据所述当前时间和所述地理位置确定当前季节和当前天气,其中,所述目标区域特征数据包括所述地理位置、所述当前季节和所述当前天气。
在一个示例性的实施例中,第一确定模块1004,还用于获取对象特征数据、区域特征数据与睡眠环境数据的对应关系;根据所述对应关系确定与所述目标对象特征数据和所述目标区域特征数据对应的初始睡眠环境数据。
在一个示例性的实施例中,第二确定模块1006,还用于在所述初始睡眠环境数据包括N个睡眠环境参数的参数值的情况下,通过以下方式确定所述N个睡眠环境参数中第i个睡眠环境参数的目标参数值,以得到目标睡眠环境数据,其中,所述i大于等于1,小于或等于N:增加所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续增加所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值增加至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续增加所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差;或降低所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续降低所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值降低至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续降低所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差。
在一个示例性的实施例中,第二确定模块1006,还用于在获取到所述目标对象发送的设备控制指令的情况,根据所述设备控制指令确定所述目标对象待调节的目标睡眠环境参数和对应的参数值,其中,所述设备控制指令为所述目标对象位于所述初始睡眠环境数据对应的睡眠环境下发送的指令;通过所述目标睡眠环境参数和对应的参数值对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据。
在一个示例性的实施例中,上述装置还包括控制模块,用于在得到目标睡眠环境数据之后,获取所述目标对象的历史睡眠数据,其中,所述历史睡眠数据用于描述所述目标对象的历史睡眠周期;在睡眠监测装置通过所述历史睡眠数据确定所述目标对象在预设时间后进入第一睡眠状态的情况下,通过所述目标睡眠环境数据确定与所述第一睡眠状态相对应的第一睡眠环境数据,其中,所述目标睡眠环境数据包括睡眠周期中不同睡眠状态对应的睡眠环境数据;在预设时间后,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,以使所述预设时间后的睡眠环境为所述第一睡眠环境数据对应的睡眠环境。
在一个示例性的实施例中,控制模块,还用于确定所述第一睡眠环境数据中的每个睡眠环境参数和对应的参数值;确定与所述每个睡眠环境参数对应的设备,并控制所述对应的设备根据所述对应的参数值调节当前睡眠环境中的所述每个睡眠环境参数;其中,所述睡眠环境参数至少包括:温度,湿度,光线强度,氧气含量,环境音量。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述存储介质可以被设置为存储用于执行以下步骤的计算机程序:
S1,获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
S2,根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
S3,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
S2,根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
S3,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种睡眠环境数据的确定方法,其特征在于,包括:
获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
2.根据权利要求1所述的方法,其特征在于,
获取目标对象的目标对象特征数据,包括:获取所述目标对象的性别、年龄、生活习惯类型;
获取所述目标对象当前所处的目标区域的目标区域特征数据,包括:确定当前时间以及所述目标对象当前所处的目标区域的地理位置;根据所述当前时间和所述地理位置确定所述目标区域的当前季节和当前天气,其中,所述目标区域特征数据包括所述地理位置、所述当前季节和所述当前天气。
3.根据权利要求1所述的方法,其特征在于,根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据,包括:
获取对象特征数据、区域特征数据与睡眠环境数据的对应关系;
根据所述对应关系确定与所述目标对象特征数据和所述目标区域特征数据对应的初始睡眠环境数据。
4.根据权利要求1所述的方法,其特征在于,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据,包括:
在所述初始睡眠环境数据包括N个睡眠环境参数的参数值的情况下,通过以下方式确定所述N个睡眠环境参数中第i个睡眠环境参数的目标参数值,以得到目标睡眠环境数据,其中,所述i大于等于1,小于或等于N:
增加所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续增加所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值增加至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续增加所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差;或
降低所述第i个睡眠环境参数的参数值,并通过睡眠监测装置监测所述目标对象在对应睡眠环境下的睡眠质量;在监测所述目标对象的睡眠质量变好的情况下,继续降低所述第i个睡眠环境参数的参数值,直到将所述第i个睡眠环境参数的参数值降低至目标参数值;其中,在所述第i个睡眠环境参数的参数值为目标参数值的情况下,继续降低所述第i个睡眠环境参数的参数值会导致所述目标对象的睡眠质量变差。
5.根据权利要求1所述的方法,其特征在于,对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据,包括:
在获取到所述目标对象发送的设备控制指令的情况,根据所述设备控制指令确定所述目标对象待调节的目标睡眠环境参数和对应的参数值,其中,所述设备控制指令为所述目标对象位于所述初始睡眠环境数据对应的睡眠环境下发送的指令;
通过所述目标睡眠环境参数和对应的参数值对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据。
6.根据权利要求1所述的方法,其特征在于,得到目标睡眠环境数据之后,所述方法还包括:
获取所述目标对象的历史睡眠数据,其中,所述历史睡眠数据用于描述所述目标对象的历史睡眠周期;
在睡眠监测装置通过所述历史睡眠数据确定所述目标对象在预设时间后进入第一睡眠状态的情况下,通过所述目标睡眠环境数据确定与所述第一睡眠状态相对应的第一睡眠环境数据,其中,所述目标睡眠环境数据包括睡眠周期中不同睡眠状态对应的睡眠环境数据;
在预设时间后,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,以使所述预设时间后的睡眠环境为所述第一睡眠环境数据对应的睡眠环境。
7.根据权利要求6所述的方法,其特征在于,根据第一睡眠环境数据控制设备集合中的设备执行目标操作,包括:
确定所述第一睡眠环境数据中的每个睡眠环境参数和对应的参数值;
确定与所述每个睡眠环境参数对应的设备,并控制所述对应的设备根据所述对应的参数值调节当前睡眠环境中的所述每个睡眠环境参数;
其中,所述睡眠环境参数至少包括:温度,湿度,光线强度,氧气含量,环境音量。
8.一种睡眠环境数据的确定装置,其特征在于,包括:
获取模块,用于获取目标对象的目标对象特征数据,以及获取所述目标对象当前所处的目标区域的目标区域特征数据;
第一确定模块,用于根据所述目标对象特征数据和所述目标区域特征数据确定初始睡眠环境数据;
第二确定模块,用于对所述初始睡眠环境数据进行强化学习,得到目标睡眠环境数据;其中,在所述目标对象位于所述目标区域特征数据对应的目标区域时,所述目标睡眠环境数据对应的目标睡眠环境为所述目标对象的最佳睡眠环境。
9.一种计算机可读的存储介质,其特征在于,所述计算机可读的存储介质包括存储的程序,其中,所述程序运行时执行权利要求1至7中任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为通过所述计算机程序执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670287.XA CN116130102A (zh) | 2022-12-24 | 2022-12-24 | 睡眠环境数据的确定方法及装置、存储介质及电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211670287.XA CN116130102A (zh) | 2022-12-24 | 2022-12-24 | 睡眠环境数据的确定方法及装置、存储介质及电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116130102A true CN116130102A (zh) | 2023-05-16 |
Family
ID=86294838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211670287.XA Pending CN116130102A (zh) | 2022-12-24 | 2022-12-24 | 睡眠环境数据的确定方法及装置、存储介质及电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116130102A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117672542A (zh) * | 2023-12-01 | 2024-03-08 | 浙江雷矩医疗器械有限公司 | 一种基于个性化数据分析的睡眠环境调节***及方法 |
-
2022
- 2022-12-24 CN CN202211670287.XA patent/CN116130102A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117672542A (zh) * | 2023-12-01 | 2024-03-08 | 浙江雷矩医疗器械有限公司 | 一种基于个性化数据分析的睡眠环境调节***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108488987B (zh) | 空气调节设备的控制方法、存储介质和设备 | |
Hansen et al. | How building design and technologies influence heat-related habits | |
US20180195752A1 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
CN114237069B (zh) | 室内环境控制方法、装置、***及存储介质 | |
US11334933B2 (en) | Method, system, and manufacture for inferring user lifestyle and preference information from images | |
CN115826428B (zh) | 家居设备的控制方法和装置、存储介质及电子装置 | |
CN109883016B (zh) | 一种空气舒适度调节方法和设备 | |
CN116130102A (zh) | 睡眠环境数据的确定方法及装置、存储介质及电子装置 | |
CN111561764A (zh) | 用于新风***的控制方法、装置及存储介质 | |
JP6358541B2 (ja) | 空気環境制御装置、空気環境制御システム、プログラム | |
CN109425075A (zh) | 空气调节装置及其舒适度确定方法和可读存储介质 | |
CN110286600B (zh) | 智能家居操作***的场景设置方法及装置 | |
CN111240220B (zh) | 一种设备的控制方法和装置 | |
CN112782990A (zh) | 一种智能设备的控制方法、装置、存储介质及电子设备 | |
CN109373499B (zh) | 空调控制方法及装置 | |
CN107883520B (zh) | 基于空调设备的提醒方法及装置、终端 | |
CN115481315B (zh) | 推荐信息的确定方法和装置、存储介质及电子装置 | |
CN116540590A (zh) | 节能方案的推荐方法和装置、存储介质及电子装置 | |
Ferrari et al. | Thermal comfort approaches and building performance | |
WO2023165051A1 (zh) | 身份确定方法、存储介质及电子装置 | |
CN114397826B (zh) | 一种智能家居控制方法、***和装置 | |
CN116339163A (zh) | 控制指令的发送方法和装置、存储介质及电子装置 | |
CN110598916A (zh) | 一种用户行为模型的构建方法及*** | |
CN117762032B (zh) | 基于场景适应和人工智能的智能设备控制***及方法 | |
CN112503731B (zh) | 控制空调设备的方法及装置、空调设备 |
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 |