CN117872786A - 智能家居控制方法、装置、设备及存储介质 - Google Patents
智能家居控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117872786A CN117872786A CN202311811157.8A CN202311811157A CN117872786A CN 117872786 A CN117872786 A CN 117872786A CN 202311811157 A CN202311811157 A CN 202311811157A CN 117872786 A CN117872786 A CN 117872786A
- Authority
- CN
- China
- Prior art keywords
- home
- data
- equipment
- intelligent
- household
- 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 45
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 230000019771 cognition Effects 0.000 claims abstract description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 5
- 238000002372 labelling Methods 0.000 claims description 5
- 231100000279 safety data Toxicity 0.000 claims description 4
- 230000005611 electricity Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 239000003344 environmental pollutant Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Selective Calling Equipment (AREA)
Abstract
本公开涉及智能家居技术领域，提供了智能家居控制方法、装置、设备及存储介质。该方法包括：通过分布式传感网络获取各个数据源的智能家居数据，数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；对不同数据源对应的智能家居数据进行融合认知，更新数字家庭模型，数字家庭模型是对服务对象、家居设备以及家居空间数字化表示的虚拟模型；基于更新后的数字家庭模型，生成设备运行决策并按照设备运行决策控制家居设备的运行模式。实现全方位智能数据的信息感知和融合，为智能家居***的智能决策提供更全面、准确的数据和信息支撑，使智能家居***可以更好地适应用户地生活方式和习惯，提高用户生活的便利性和舒适性。
Description
技术领域
本申请涉及智能家居技术领域，特别涉及一种智能家居控制方法、装置、设备及存储介质。
背景技术
智能感知作为智能家居***的重要组成部分，使得智能家居***可以实时获取和处理家居的各种信息，包括用户画像、用户行为、智能设备状态、家居环境等信息，从而根据这些信息进行***的调节和设备控制。
但是由于上述各类信息存在分散化和碎片化的特点，导致家居***难以进行信息的收集，从而造成数据来源较少、数据缺失或者准确度较低等问题，并且无法通过单一渠道和收集方式完成数据的整合，因此目前急需一种多源分布式的信息感知***，以提升智能家居***的智能化程度。
发明内容
本申请提供了一种智能家居控制方法、装置、设备及存储介质，能够为智能家居***的智能决策提供更全面、准确的数据和信息支撑。该技术方案如下：
本公开实施例的第一方面，提供了一种智能家居控制方法，包括：
通过分布式传感网络获取各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；
对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；
基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
可选的，所述通过分布式传感网络获取各个数据源的智能家居数据，包括：
通过所述家居空间中的传感器获取所述智能家居数据；
和/或，
接收所述家居设备采集到的所述智能家居数据；
和/或，
基于所述服务对象通过设备交互端进行的交互操作获取所述智能家居数据。
可选的，所述服务对象对应的智能家居数据包括画像数据、生理状态数据以及家居习性数据；所述家居设备对应的智能家居数据包括运行状态数据、设备能耗数据以及网络连接数据；所述家居空间对应的智能家居数据包括环境数据以及安全数据。
可选的，所述对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，包括：
基于主动学习的知识智能标注技术以及小样本学习的知识抽取技术，对不同数据源对应的所述智能家居数据进行关联标识，更新所述数字家庭模型。
可选的，所述基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式之后，所述方法还包括：
向***控制端发送所述智能家居数据以及所述家居设备的运行模式，所述***控制端用于通过中控界面展示所述智能家居数据以及所述家居设备当前的运行模式。
可选的，所述基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式，包括：
基于更新后的数字家庭模型以及所述服务对象的智能家居数据，生成各个服务对象对应的所述设备运行决策；
基于所述当前处于所述家居空间内的服务对象，确定目标设备运行决策，并基于所述目标设备运行决策控制所述家居设备的运行模式。
本公开实施例的第二方面，提供了一种智能家居控制装置，包括：
获取模块，用于通过分布式传感网络获取各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；
更新模块，用于对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；
控制模块，用于基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
本公开实施例的第三方面，提供了一种智能家居***，所述智能家居***包括传感器设备、家居设备以及后台服务器；
所述传感器设备和所述家居设备用于采集各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、所述家居设备以及家居空间中的至少一种；
所述后台服务器用于通过分布式传感网络获取所述智能家居数据；对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
本公开实施例的第四方面，提供了一种电子设备，包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序，该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第五方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。
本公开实施例的第六方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序或指令，该计算机程序或指令被处理器执行时实现上述方法的步骤。
本申请提供的技术方案至少包括以下有益效果：
本申请提供的智能家居控制方法、装置、设备及存储介质，通过建立全屋全要素、分布式的传感网络，聚合全屋的服务对象、家居设备和家居空间在内的数字家庭模型，实现全方位智能数据的信息感知和融合，为智能家居***的智能决策提供更全面、准确的数据和信息支撑，使智能家居***可以更好地适应用户地生活方式和习惯，提高用户生活的便利性和舒适性。
附图说明
为了更清楚地说明本公开实施例中的技术方案，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，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
图1是根据本公开实施例提供的智能家居控制方法的一个应用场景的示意图；
图2是根据本公开实施例提供的一种智能家居控制方法的一些实施例的流程图；
图3是根据本公开实施例提供的另一种智能家居控制方法的另一些实施例的流程图；
图4是根据本公开实施例提供的一种中控界面的示意图；
图5是根据本公开实施例提供的一种智能家居***的***框架图；
图6是根据本公开实施例提供的一种智能家居控制装置的简易结构示意图；
图7是根据本公开实施例提供的电子设备的示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关本公开相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的***、装置、模块或单元进行区分，并非用于限定这些***、装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的智能家居控制方法的一个应用场景的示意图。
在图1的应用场景中，首先，电子设备101可以接收家居设备102、传感器设备103上传的智能家居数据，对获取到的数据融合感知并构建数字家庭模型，最终基于数字家庭模型，为智能家居***提供更全面智能的智能家居决策。
需要说明的是，上述电子设备101可以是硬件，也可以是软件。当电子设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当电子设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的电子设备和家居设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的电子设备或家居设备。
继续参考图2，其示出了根据本公开的智能家居控制方法的一些实施例的流程200。该方法可以由图1中的电子设备101来执行。该智能家居控制的方法，包括以下步骤：
步骤201，通过分布式传感网络获取各个数据源的智能家居数据，数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种。
在一些实施例中，智能家居控制方法的执行主体(如图1所示的电子设备101)可以通过有线连接方式或无线连接方式连接目标设备，该电子设备可以设置在智能家居***的后台服务器中，也可以设置在用户的移动终端内。
需要指出的是，上述无线连接方式可以包括但不限于3G/4G/5G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(Ultra WideBand)连接、以及其他现在已知或将来开发的无线连接方式。
电子设备首先通过分布式传感网络进行智能家居数据和信息的多源分布式感知和收集。其中，“多源”是指对智能家居***日常家居生活中的人、物、场信息的全收集。
具体而言，人即智能家居***的服务对象，主要包括日常家庭成员；物即智能家居***中的家居设备，例如空气净化器、智能冰箱、电视、空调、灯具等；场即家居空间，是指智能家居***所对应的物理环境，家居设备分布在家居空间中，服务对象在家居空间内活动。智能家居数据的数据源主要包括以上三类。
“分布式”是指针对不同的信息源，需通过不同的数据采集方式采集智能家居数据。例如温度、湿度等数据可以通过传感器采集并上报，设备状态数据可以由家居设备直接上传后台。
步骤202，对不同数据源对应的智能家居数据进行融合认知，更新数字家庭模型，数字家庭模型是对服务对象、家居设备以及家居空间数字化表示的虚拟模型。
基于上述步骤中多源分布式的人、物、场信息的收集，电子设备进行数据的多源融合和多维融合，搭建数据家庭模型。
其中，多源融合是指将各种数据源产生的数据进行关联融合，例如对于数字家庭模型中“环境”的描述，将整合温湿度传感器数据、空气净化器的各种污染物数值以及用户对于环境的习性设置参数等。
多维融合是指数字家庭模型需要对用户数据、设备数据、环境数据、活动数据等多种维度的数据进行建模和分析。
数字家庭模型是指基于多源分布式感知技术的数据和信息所构建的涵盖数字用户、数字设备以及数字空间在内的数字虚拟家庭，即对服务对象、家居设备以及家居空间数字化表示的虚拟模型。在该模型下，智能家居***的各种相关要素可以通过数字化的形式呈现，为智能家居***决策提供更全面和可靠的数据支撑。
步骤203，基于更新后的数字家庭模型，生成设备运行决策并按照设备运行决策控制家居设备的运行模式。
电子设备基于更新后的数字家庭模型，能够优化智能家居***的决策。面相智能家居的决策技术，主要融合了智能家居领域的知识图谱体系，以及感知到的智能家居数据，从数据中提取与决策相关的特征，如时间序列特征、文本特征、图像特征等，选择合适的机器学习模型或深度学习模型，推理用户意图，并在理解用户意图后，根据数字家庭模型，行程可解释性的智能决策。
电子设备基于全屋感知和推理决策模型算法，能够实现场景服务标识、场景任务多目标规划、场景任务自动生成等，最终转化为场景下设备需要执行的各项设定。
例如通过分析近期家庭成员的用电习惯，电子设备可以预测未来的用电需求，并自动调整家居设备的运行模式，从而提高用电效率节省电能。再比如通过分析近期家居空间的空气质量变化情况，可以分阶段调节空气净化器、加湿器等设备的运行模式。
综上所述，本申请提供的智能家居控制方法，通过建立全屋全要素、分布式的传感网络，聚合全屋的服务对象、家居设备和家居空间在内的数字家庭模型，实现全方位智能数据的信息感知和融合，为智能家居***的智能决策提供更全面、准确的数据和信息支撑，使智能家居***可以更好地适应用户地生活方式和习惯，提高用户生活的便利性和舒适性。
继续参见图3，其示出了根据本公开的智能家居控制方法的一些实施例的流程200。该方法可以由图1中的电子设备101来执行。该智能家居控制的方法，包括以下步骤：
步骤301，通过家居空间中的传感器获取智能家居数据。
步骤302，接收家居设备采集到的智能家居数据。
步骤303，基于服务对象通过设备交互端进行的交互操作获取智能家居数据。
在一种可能的实施方式中，电子设备可执行上述步骤301至步骤303中的一种或多种进行数据采集。服务对象对应的智能家居数据包括画像数据、生理状态数据以及家居习性数据；家居设备对应的智能家居数据包括运行状态数据、设备能耗数据以及网络连接数据；家居空间对应的智能家居数据包括环境数据以及安全数据。
本申请实施例针对不同的信息源特点，提供了不同的收集方式，主要包括：
传感器收集：通过分布在家居空间中的专业传感器采集智能家居数据。传感器采集到数据后可通过物联网上传至电子设备。例如，通过温湿度传感器采集空间中的温度和湿度，通过人体红外传感器采集人体温度、用户位置等数据。
设备收集：通过分布在家居空间中的家居设备收集智能家居数据。家居设备可通过接口向电子设备上报智能家居数据。例如基于空气净化器自带的PM2.5检测功能采集家居空间内空气PM2.5含量，基于智能插座采集各个家居设备的用电量，通过网关设备获取网络信号强度和设备流量数据等。
交互端收集：主要通过智能家居应用程序界面、中控面板、智能语音等交互方式，采集用户对于各个家居设备的设置参数、控制指令以及操作习惯等信息，以及长期采集家庭成员的画像数据等。比如某用户习惯晚上7点左右开启空调并调整至26℃。
步骤304，基于主动学习的知识智能标注技术以及小样本学习的知识抽取技术，对不同数据源对应的智能家居数据进行关联标识，更新数字家庭模型。
数字家庭模型的构建基于智能家居***的感知功能和体系，模拟大脑感知、认知、决策和执行过程。其中，数据认知的主要方式是基于主动学习的只知识智能标注、基于小样本学习的知识抽取等技术，从而形成覆盖智能家居相关全领域(比如衣食住行、健康、住房环境等)的知识图谱体系，并实现对各领域的多维语义关联标识，行程家居中人-物-场的画像刻画，为后续的推理决策奠定知识基础。
步骤305，基于更新后的数字家庭模型，生成设备运行决策并按照设备运行决策控制家居设备的运行模式。
步骤305的具体实施方式可以参考上述步骤202，本申请实施例在此不再赘述。
步骤306，向***控制端发送智能家居数据以及家居设备的运行模式，***控制端用于通过中控界面展示智能家居数据以及家居设备当前的运行模式。
在一种可能的实施方式中，本申请实施例中电子设备能够为用户提供可视化信息展示。具体的，如图4所示，可为用户提供基于不同空间和不同功能***的数字化信息展示。比如针对全屋、卧室、厨房、卫浴等不同空间的数据展示，包括空间的环境状况、设备运行状况等，以及针对全屋能源、空气、照明、安防等不同功能***的数据展示，比如全屋设备的耗电排行、全屋空气的质量数据等。
可选的，***控制端可以是用户的移动终端，也可以是设置在家居空间中的设备集中控制器等设备。该***控制端同样属于家居设备，能够为电子设备提供智能家居数据。用户可基于中控界面展示的信息，通过该界面进行设备控制操作。
本申请实施例中，本申请提供的智能家居控制方法，通过建立全屋全要素、分布式的传感网络，聚合全屋的服务对象、家居设备和家居空间在内的数字家庭模型，实现全方位智能数据的信息感知和融合，为智能家居***的智能决策提供更全面、准确的数据和信息支撑，并为用户提供全屋可视化信息展示，以提升智能家居***的智能化程度。
在一种可能的实施方式中，本申请实施例中的智能家居***可针对不同的服务对象指定个性化的设备运行决策，并根据当前位于家居空间内的服务对象执行相应的决策。
上述步骤203还可以包括如下步骤：
步骤一，基于更新后的数字家庭模型以及服务对象的智能家居数据，生成各个服务对象对应的设备运行决策。
步骤二，基于所述当前处于所述家居空间内的服务对象，确定目标设备运行决策，并基于所述目标设备运行决策控制所述家居设备的运行模式。
在一种可能的实施方式中，电子设备可针对每个服务对象相关的智能家具数据，分别针对每个服务对象生成对应的设备运行决策。电子设备可实时感知当前处于家居空间中的目标服务对象，从而确定目标设备运行决策。可选的，电子设备可基于各个目标服务对象所在的子空间(例如卧室、厨房)分别确定各个子空间对应的目标设备运行决策。
例如，服务对象A习惯将空调温度设置为26℃，服务对象B习惯将空调温度设置为23℃，则电子设备将服务对象A所在的卧室内空调的运行温度调整为26℃，将服务对象B所在的客厅内空调的运行温度设置为23℃。
再比如，基于服务对象C的健康数据确定其对空气中的污染物较为敏感，则在服务对象C处于家居空间内时自动开启空气净化器。
综合上述各个实施例，请参考图5，下面通过一个具体实施例来进一步介绍本公开：
S1：智能家居数据和信息的多源分布式感知和收集。
其中“多源”是指对智能家居***对于日常家居生活中的人、物、场信息的全收集。具体而言：
人：主要是家庭成员的数据信息，包括成员基础画像信息(如性别、年龄等)、活动习惯(如作息规律、设备设置偏好、环境感受喜好等)、健康信息(身高、体重、心率、睡眠曲线等)。
物：主要是智能设备的数据信息，包括设备运行状态信息(开/关/运行模式/运行参数等)、设备耗能信息(如用电、用水、用煤等信息)、设备网络连接状态等。
场：主要是家居环境信息，包括温度、湿度、含氧量、污染物(颗粒物、气体物、微生物)、安全信息(水、电、煤、盗等)。
“分布式”是指针对不同的信息源特点，提供不同的收集方式，包括：
传感器收集：通过分布在全屋的专业传感器(如水浸传感器、温湿度传感器、人体红外传感器等)。
设备收集：分布在全屋的设备数据收集(如空气净化器自带PM2.5检测、智能插座对电量数据的收集、AP网关对网络信号强度、流量数据的收集等)
交互端收集：主要通过智能家居APP、中控面板、智能语音等交互方式，采集用户对于家居***和设备的设置、指令、操控习惯信息数据，如用户习惯于晚上7点开启空调至26°、开启静音模式等，以及家庭成员长期跟踪的画像特征数据等。
S2：融合感知和构建数字家庭模型。
基于S1多源分布式的人-物-场信息收集，进行信息和数据的多源融合和多维融合，最终搭建数字家庭模型，其中：
多源融合：如数字家庭模型中的“环境”描述，将整合温湿等传感器的数据、空气净化器的各种污染物数值数据、以及用户对于环境的习惯性参数设置等，
多维融合：是指数字家庭模型需要包括家庭成员数据、设备数据、环境数据、活动数据等多种维度的数据建模和分析。
数字家庭模型：数字家庭模型是指基于多源分布式感知技术的数据和信息，所构建的涵盖数字人、数字设备、数字空间在内的数字虚拟家庭，在该模型下，智能家居的各种主要相关要素可以通过数字化呈现，可以为智能家居***决策提供更全面和可靠的数据支撑。
S3：基于数字家庭模型，可以为智能家居***提供更全面智能的智能家居决策，以及全屋可视化信息展示，其中：
智能家居决策：数字家庭模型利用数据分析和机器学习技术，能够优化智能家居***的决策。例如，通过分析家庭成员的用电习惯，智能家居***可以预测未来的用电需求，并自动调整家电的运行模式，从而提高用电效率。
全屋可视化信息展示：为用户提供基于空间和不同功能***的数字化展示，如针对全屋、卧室、厨房、卫浴等空间的数据展示，包括空间的环境状况、设备运行状况等，以及针对全屋能源、空气、光照、安防等不同功能***的数据展示，如全屋设备的耗电排行、全屋空气的质量数据等。
下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。
进一步参考图6，作为对上述各图上述方法的实现，本公开提供了智能家居控制装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应。
如图6所示，一些实施例的智能家居控制装置包括：
获取模块601，用于通过分布式传感网络获取各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；
更新模块602，用于对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；
控制模块603，用于基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
在一些实施例的一些可选的实现方式中，所述获取模块601，还用于：
通过所述家居空间中的传感器获取所述智能家居数据；
和/或，
接收所述家居设备采集到的所述智能家居数据；
和/或，
基于所述服务对象通过设备交互端进行的交互操作获取所述智能家居数据。
在一些实施例的一些可选的实现方式中，所述服务对象对应的智能家居数据包括画像数据、生理状态数据以及家居习性数据；所述家居设备对应的智能家居数据包括运行状态数据、设备能耗数据以及网络连接数据；所述家居空间对应的智能家居数据包括环境数据以及安全数据。
在一些实施例的一些可选的实现方式中，所述更新模块602，还用于：
基于主动学习的知识智能标注技术以及小样本学习的知识抽取技术，对不同数据源对应的所述智能家居数据进行关联标识，更新所述数字家庭模型。
在一些实施例的一些可选的实现方式中，所述装置还包括：
发送模块，用于向***控制端发送所述智能家居数据以及所述家居设备的运行模式，所述***控制端用于通过中控界面展示所述智能家居数据以及所述家居设备当前的运行模式。
在一些实施例的一些可选的实现方式中，所述控制模块603，还用于：
基于更新后的数字家庭模型以及所述服务对象的智能家居数据，生成各个服务对象对应的所述设备运行决策；
基于所述当前处于所述家居空间内的服务对象，确定目标设备运行决策，并基于所述目标设备运行决策控制所述家居设备的运行模式。
可以理解的是，该装置中记载的诸模块与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置及其中包含的模块，在此不再赘述。
本申请实施例还提供了一种智能家居***，所述智能家居***包括传感器设备、家居设备以及后台服务器；
所述传感器设备和所述家居设备用于采集各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、所述家居设备以及家居空间中的至少一种；
所述后台服务器用于通过分布式传感网络获取所述智能家居数据；对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序或指令，该计算机程序或指令包含用于执行流程图所示的方法的程序代码。需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种智能家居控制方法，其特征在于，包括：
通过分布式传感网络获取各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；
对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；
基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
2.根据权利要求1所述的方法，其特征在于，所述通过分布式传感网络获取各个数据源的智能家居数据，包括：
通过所述家居空间中的传感器获取所述智能家居数据；
和/或，
接收所述家居设备采集到的所述智能家居数据；
和/或，
基于所述服务对象通过设备交互端进行的交互操作获取所述智能家居数据。
3.根据权利要求2所述的方法，其特征在于，所述服务对象对应的智能家居数据包括画像数据、生理状态数据以及家居习性数据；所述家居设备对应的智能家居数据包括运行状态数据、设备能耗数据以及网络连接数据；所述家居空间对应的智能家居数据包括环境数据以及安全数据。
4.根据权利要求1至3任一所述的方法，其特征在于，所述对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，包括：
基于主动学习的知识智能标注技术以及小样本学习的知识抽取技术，对不同数据源对应的所述智能家居数据进行关联标识，更新所述数字家庭模型。
5.根据权利要求1至3任一所述的方法，其特征在于，所述基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式之后，所述方法还包括：
向***控制端发送所述智能家居数据以及所述家居设备的运行模式，所述***控制端用于通过中控界面展示所述智能家居数据以及所述家居设备当前的运行模式。
6.根据权利要求1至3任一项所述的方法，其特征在于，所述基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式，包括：
基于更新后的数字家庭模型以及所述服务对象的智能家居数据，生成各个服务对象对应的所述设备运行决策；
基于所述当前处于所述家居空间内的服务对象，确定目标设备运行决策，并基于所述目标设备运行决策控制所述家居设备的运行模式。
7.一种智能家居控制装置，其特征在于，包括：
获取模块，用于通过分布式传感网络获取各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、家居设备以及家居空间中的至少一种；
更新模块，用于对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；
控制模块，用于基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
8.一种智能家居***，其特征在于，所述智能家居***包括传感器设备、家居设备以及后台服务器；
所述传感器设备和所述家居设备用于采集各个数据源的智能家居数据，所述数据源包括智能家居***的服务对象、所述家居设备以及家居空间中的至少一种；
所述后台服务器用于通过分布式传感网络获取所述智能家居数据；对不同数据源对应的所述智能家居数据进行融合认知，更新数字家庭模型，所述数字家庭模型是对所述服务对象、所述家居设备以及所述家居空间数字化表示的虚拟模型；基于更新后的所述数字家庭模型，生成设备运行决策并按照所述设备运行决策控制所述家居设备的运行模式。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并且可以在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311811157.8A CN117872786A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311811157.8A CN117872786A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117872786A true CN117872786A (zh) | 2024-04-12 |
Family
ID=90585736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311811157.8A Pending CN117872786A (zh) | 2023-12-26 | 2023-12-26 | 智能家居控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117872786A (zh) |
-
2023
- 2023-12-26 CN CN202311811157.8A patent/CN117872786A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10697662B2 (en) | Automated adjustment of an HVAC schedule for resource conservation | |
| US11781770B2 (en) | User interfaces for schedule display and modification on smartphone or other space-limited touchscreen device | |
| Jo et al. | Intelligent smart home energy efficiency model using artificial TensorFlow engine | |
| US20180195752A1 (en) | Air-conditioning control method, air-conditioning control apparatus, and storage medium | |
| CN106288191B (zh) | 处理并报告用于网络连接恒温器控制的hvac***的使用信息 | |
| CN105045234A (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
| CN106383450A (zh) | 一种基于大数据的智能家居用户行为分析***及方法 | |
| CN107562023A (zh) | 基于用户行为习惯的智能家居管控*** | |
| WO2016077598A1 (en) | Data processing systems and methods for smart hub devices | |
| CN110989370B (zh) | 智能家居交互控制方法及控制*** | |
| CN110308661A (zh) | 基于机器学习的智能设备控制方法及装置 | |
| KR101182050B1 (ko) | 전력 관리 단말기 및 전력 관리 장치 | |
| CN109883016A (zh) | 一种空气舒适度调节方法和设备 | |
| CN114442697A (zh) | 一种温度控制方法、设备、介质及产品 | |
| US20220019186A1 (en) | Method and system for smart environment management | |
| KR102561210B1 (ko) | 스마트홈 환경에서 ａｒ 기술을 활용한 슬립테크 제어를 위한 장치 및 방법 | |
| CN114690658A (zh) | 设备控制方法、装置、设备、***和存储介质 | |
| CN112015106A (zh) | 一种智慧家居控制***和控制方法 | |
| CN117872786A (zh) | 智能家居控制方法、装置、设备及存储介质 | |
| Oliveira et al. | Behaviour analysis in smart spaces | |
| CN114296356A (zh) | 一种智能温度控制装置及控制方法 | |
| EP4336784A1 (en) | Method and apparatus for controlling environment adjusting apparatus, and intelligent environment adjusting system | |
| CN117075566B (zh) | 能耗优化方法、装置、设备及计算机可读存储介质 | |
| CN117889531A (zh) | 空气调节方法、装置、设备及存储介质 | |
| Davidovic et al. | Designing adaptable smart home environment based on resident's activity |
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 |