CN106527168A - AllJoyn联动控制冲突解决方法、触发器及服务器 - Google Patents

Abstract

本发明公开了一种AllJoyn联动控制冲突解决方法、触发器及服务器，所述方法包括：触发器接收智能家电设备上报的事件，确定事件对应的联动规则以及当前已触发的联动规则；触发器检测事件对应的联动规则的设备操作是否与当前已触发的联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息；触发器按照服务器反馈的联动规则进行智能家电设备控制。本发明所述方法中，当联动规则间存在设备操作冲突时，将冲突的规则上报至服务器，由服务器侧通过机器学习的方式确定冲突解决方案，并根据服务器侧反馈的冲突解决方案进行智能家电设备的控制，冲突解决过程更为智能化。

Description

AllJoyn联动控制冲突解决方法、触发器及服务器

技术领域

本发明涉及智能家居领域，尤其涉及一种AllJoyn联动控制冲突解决方法、触发器及服务器。

背景技术

在智能家居的实际应用场景中，往往需要使用联动控制。如果需要联动控制，则需要预先设置联动规则。联动规则是指某个设备状态发生改变或者是某一事件的发生与否，与其他的智能设备的行为之间定义的一对一或一对多的规则。前者，即“某个设备状态发生改变或者是某一事件的发生与否”作为触发条件，当符合该触发条件时，就触发后者“其他的智能设备的行为”。

联动控制是指，如果某一个智能设备状态发生了改变、某一事件的发生与预先设置的联动规则的触发条件相匹配，则会触发该联动规则，执行规则对应的设备行为。比如，如果预先设置联动规则“温度低于20℃，就打开空调”，那么，如果温度传感器检测到温度低于20℃，就打开空调。联动控制可以有效地减少用户操作的重复性和复杂性，可以有效地提高整个智能家居系统运行的效率，提升用户体验。

AllJoyn中提供了一种events and action的联动机制。由事件event与设备操作action配对作为联动规则，当event发生时，与规则匹配的action就会被触发。event是AllJoyn中带有描述信息的信号，这些描述信息在AllJoyn中主要是向用户描述该信号所传达的某一现象或是结果。在events and action联动机制中，events作为触发源，匹配到规则库中保存的events之后调用对应的actions。一个event可以对应一个或多个action，当一个event对应多个action时，本质上还是有多个联动规则，只不过这些联动规则的event是相同的。也就是说，当相应的event发生后，与之相对应的action便会被同时触发。action是AllJoyn中带有描述信息的Method，这些描述信息在AllJoyn中主要是向用户描述该方法对应的操作和行为。在AllJoyn中，action主要是充当响应器，即在系统中出现某一event时，触发某一个或一些特定的设备行为。

现有的关于联动控制冲突检测和解决的方案是：当家电在联动场景发生并发控制冲突时，根据联动操作剩余时间与并发控制执行时间，以及相应控制设备的优先级，确定所述家电的操作权归属。控制设备的优先级包括第一优先级和第二优先级；所述第一优先级基于所述控制设备的用户身份；所述第二优先级基于所述控制设备的位置，处于本地位置的控制设备的优先级高于处于远程位置的控制设备的优先级。

这种方案的执行步骤如下：

(1)接收来自第二控制设备的操作第二家电设备的信令；判断所述第二家电设备是否处于第一控制设备发起的家电联动序列中并等待执行，如果是，则所述第二家电设备发生并发控制冲突。

(2)获取所述第一控制设备发起的家电联动序列中位于所述第二家电设备之前的家电设备的操作剩余时间。

(3)获取所述第二控制设备发起的对所述第二家电设备的操作的计划执行时间。

(4)当所述操作剩余时间大于或等于所述计划执行时间时，比较所述第一控制设备与所述第二控制设备的第一优先级；如果所述第一控制设备与所述第二控制设备的第一优先级不同，则所述第二家电设备的操作权归属于第一优先级高的控制设备。

(5)如果所述第一控制设备与所述第二控制设备的第一优先级相同，则获取所述第一控制设备和第二控制设备的位置信息，根据获取的位置信息确定所述第一控制设备和第二控制设备的第二优先级。

(6)如果所述第一控制设备与所述第二控制设备的第二优先级不同，则所述第二家电设备的操作权归属于第二优先级高的控制设备。

(7)当所述操作剩余时间小于所述计划执行时间时，比较所述第一控制设备与所述第二控制设备的第一优先级；如果所述第一控制设备与所述第二控制设备的第一优先级不同，则所述第二家电设备的操作权归属于第一优先级高的控制设备。

(8)如果所述第一控制设备与所述第二控制设备的第一优先级相同，则所述第二家电设备的操作权归属于所述第一控制设备。

与该方法相关的装置包括冲突判断单元和操作权归属确定单元。这二者相互连接，前者用于判断家电在联动场景是否发生并发控制冲突，后者则根数上述方法步骤确定第二家电设备的操作权归属。

对于现有方案，主要存在以下几个缺点：

(1)由于上述方案是根据控制设备的第一和第二优先级来确定家电设备操作权的归属，则对于第一和第二优先级相同的控制设备就无法判断家电设备操作权的归属。例如，在冬天，用户设置了三条联动规则，分别为“若温度低于10℃，则打开空调制热”、“若空调被打开，则关闭窗户”、“若室内甲醛浓度超过0.05mg/m³，则开窗通风”设想以下场景：

某天，温度传感器检测到室内温度低于10℃，则按照第一条联动规则，打开空调制热；空调被打开后，按照第二条联动规则，窗户被关闭；但是此时室内的甲醛传感器检测到甲醛浓度为0.06mg/m³，大于第三条标准中设定的0.05mg/m³，按照第三条联动规则，此时应该开窗通风。

在上述场景中，两个联动规则对于“是否开窗”这一行为产生了冲突。

在该场景中，温度传感器、甲醛传感器属于控制设备，若二者均属于同一用户，则二者具有相同的第一优先级；而从所属场景来看，二者又明显都属于本地设备，这样二者又具有相同的第二优先级。因此，在该种情况下，现有方案明显不能确定家电操作权的归属。

(2)现有方案是从设备角度来确定家电操作权的归属，并没有将用户的使用习惯等方面的因素考虑其中，用户难以获得较好的用户体验。获取设备的优先级的方法相对固定和机械，在如今以用户体验为主导的智能家居领域显然不能称为“智能”。

发明内容

鉴于上述问题，提出了本发明以便提供一种解决上述问题的AllJoyn联动控制冲突解决方法、触发器及服务器。

依据本发明的一个方面，提供一种AllJoyn联动控制冲突解决方法，包括：

触发器接收智能家电设备上报的事件，确定所述事件对应的联动规则以及当前已触发的联动规则；

触发器检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息；

触发器按照所述服务器反馈的联动规则进行智能家电设备控制。

依据本发明的另一个方面，提供一种AllJoyn联动控制冲突解决方法，包括：

服务器接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

服务器在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

服务器根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，并将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

服务器将所述输出结果对应的联动规则的规则信息发送到所述触发器。

依据本发明的第三个方面，提供一种用于联动控制的AllJoyn触发器，包括：

事件接收模块，用于接收智能家电设备上报的事件；

冲突检测模块，用于确定所述事件对应的联动规则以及当前已触发的联动规则，并检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，并按照所述服务器反馈的联动规则进行智能家电设备控制；所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息。

依据本发明的第四个方面，提供一种服务器，包括：

消息接收模块，用于接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

模型训练模块，用于在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

预判模块，用于根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，并将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

消息发送模块，用于将所述输出结果对应的联动规则的规则信息发送到所述触发器。

本发明有益效果如下：

本发明所述方案，通过预先收集用户的使用习惯数据形成训练样本，并利用训练样本对设定的机器学习模型进行训练，利用训练好的模型可以给出更符合该用户使用习惯的冲突解决方案，这种冲突解决方案不会出现如现有技术方案中所述的不能确定操作归属权的问题，另外，机器学习的训练样本是从用户处获得的，根据这些样本进行训练，可以有效地根据用户习惯，获得针对于特定用户的最佳操作，明确显示了智能家居中“智能”的理念。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1为本发明第一实施例提供的一种AllJoyn联动控制冲突解决方法的流程图；

图2为本发明第二实施例提供的一种AllJoyn联动控制冲突解决方法的流程图；

图3为本发明第三实施例提供的一种AllJoyn触发器的结构框图；

图4为本发明第四实施例提供的一种服务器的结构框图；

图5为本发明第五实施例提供的AllJoyn联动控制冲突解决系统的架构图；

图6为本发明第五实施例所述系统实现联动控制冲突解决的流程图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

本发明实施例提出一种AllJoyn联动控制冲突解决方法、触发器及服务器，本发明通过预先收集用户的使用习惯数据形成训练样本，并利用训练样本对设定的机器学习模型进行训练，并利用训练好的模型可以给出更符合该用户使用习惯的冲突解决方案，这种冲突解决方案不会出现如现有技术方案中所述的不能确定操作归属权的问题，另外，机器学习的训练样本是从用户处获得的，根据这些样本进行训练，可以有效地根据用户习惯，获得针对于特定用户的最佳操作，明确显示了智能家居中“智能”的理念。

下面通过几个具体实施例对本发明的实施过程进行详细阐述。

在本发明第一实施例中，提供一种AllJoyn联动控制冲突解决方法，应用于用于联动控制的触发器，如图1所示，所述方法包括如下步骤：

步骤S101，触发器接收智能家电设备上报的事件，确定所述事件对应的联动规则以及当前已触发的联动规则；

步骤S102，触发器检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息；

步骤S103，触发器按照所述服务器反馈的联动规则进行智能家电设备控制。

在本发明的一个可选实施例中，触发器中为每一个联动规则设置了一个“状态”的属性，该属性有两个值，分别是“激活”与“非激活”，当一个联动规则被触发，则该规则的“状态”属性被设置为“激活”，否则，“状态”属性设置为“非激活”。若某个联动规则的触发event在某段时间内都有效，那么该规则在这段时间内的“状态”属性都是“激活”。

在该实施例下，确定当前已触发的联动规则的方式，包括：检测存储的各联动规则的状态，确定状态为激活状态的联动规则为当前已触发的联动规则。

进一步地，在该实施例下，触发器按照服务器反馈的联动规则进行智能家电设备控制后，还包括：确定服务器反馈的联动规则是否为所述事件对应的联动规则，若是，则将所述事件对应的联动规则设为激活状态，以及将与所述事件对应的联动规则存在设备操作冲突的联动规则设为非激活状态；否则，不作状态调整。

在本发明的一个可选实施例中，触发器在联动规则被触发且不存在设备操作冲突的情况下，还向服务器发送样本数据，以触发服务器进行训练样本的收集。具体的，本实施例中：

触发器在检测到不存在设备操作冲突时，根据确定的所述事件对应的联动规则，进行智能家电设备控制，并将所述事件对应的联动规则的规则信息作为样本数据上报至所述服务器。

进一步地，本发明实施例中，触发器发送至服务器的规则信息可以为联动规则的触发事件和设备操作；或者，为预先定义的联动规则的唯一标识信息。其中，当规则信息为预先定义的联动规则的唯一标识信息时，需要在服务器侧存储唯一标识与联动规则的对应关系表。

综上可知，本发明实施例所述方法中，当两个联动规则控制冲突时，触发器将冲突信息上报至服务器，由服务器侧确定冲突解决方案，并根据服务器侧反馈的冲突解决方案进行智能家电设备的控制。

在本发明的第二实施例中提供一种AllJoyn联动控制冲突解决方法，应用于服务器侧，如图2所示，所述方法包括如下步骤：

步骤S201，服务器接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

步骤S202，服务器在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

步骤S203，服务器根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

步骤S204，服务器将所述输出结果对应的联动规则的规则信息发送到所述触发器。

本发明实施例中，由于冲突检测及其解决的实时性，要求本发明中的机器学习模型不能太复杂，以避免算法运行产生的延时过大。本实施例中，采用的机器学习模型包括：逻辑回归算法模型，或者，神经网络算法模型。当然，本领域技术人员也可以根据需求灵活选择其他算法模型，本发明不对采用何种算法模型进行唯一限定。

进一步地，本发明实施例中，智能家居系统中的传感器部署在一个或多个智能家居设备中。当有需要时，服务器向各传感器发送通知消息，要求上报传感器数据。当然，本发明实施例也不排除由触发器在上报冲突通知时一同携带各传感器的数据。

本发明实施例中，所述传感器上报的数据可以但不限于为：温度、湿度、空气质量、环境声音和光照强度。当然，本实施例只是列举了传感器数据的几个具体示例，本领域技术人员可以根据自身需求进行灵活的增加或减少，本发明不对其具体数据类型进行限定。

进一步地，本发明实施例中，与所述联动规则信息对应的训练样本包括：每次所述联动规则被触发时，根据所述触发器所属智能家居系统中的传感器上报的数据确定的输入特征量和用于表征所述联动规则的期望输出特征量。

进一步地，本发明实施例中，服务器收集训练样本的方式包括但不限于为：

方式一：触发器在联动规则被触发后且未发生联动规则冲突时上报的样本数据，所述样本数据包括：触发器触发的联动规则的规则信息。服务器接收到所述触发器发送的携带有联动规则的规则信息的样本数据，根据所述触发器所属智能家居系统中的传感器当前上报的数据，提取输入特征量，并将该输入特征量和用于表征所述样本数据中的联动规则的期望输出特征量作为训练样本存入所述训练样本库。

方式二：服务器将确定的所述输入特征量和用于表征发送到所述触发器的联动规则的期望输出特征量，作为样本数据存入所述训练样本库。

在本发明的一个具体实施例中，服务器在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练的过程如下：

服务器接收到冲突的通知消息后，获取发生冲突的多个规则对应的训练样本。每个训练样本是由输入特征量和期望输出特征量组成的。在本实施例中，考虑的输入特征量主要有：某规则被触发时的温湿度、空气质量、环境声音、光照强度等。

本实施例中，假设联动规则1和联动规则2发生冲突，对应的训练样本分别有n组和m组，输入特征量均为k个。联动规则1的n个训练样本分别为(x₁₁,x₁₂,...,x_1k,1)，(x₂₁,x₂₂,...,x_2k,1)，…，(x_n1,x_n2,...,x_nk,1)。联动规则2的m个训练样本分别为(y₁₁,y₁₂,...,y_1k,0)，(y₂₁,y₂₂,...,y_2k,0)，…，(y_m1,y_m2,...,y_mk,0)。上述训练样本均由k+1项组成，其中前k作为输入特征量，最后一项只有两个取值0和1，作为期望输出，即代表两种联动规则。

使用上述训练集进行训练，无论是使用逻辑回归算法还是简单神经网络算法，其实质都是对k个特征量进行加权，并对加权得到的结果进行简单的函数映射，输出0或者1。训练的过程就是确定k个特征量的最优权值的过程。根据确定的权值，针对此次的输入的k个特征量的值，可以确定在当前的输入下，输出的结果为0还是1，即输出的结果为规则1还是规则2。

在本发明的又一可选实施例中，服务器将输出结果对应的联动规则的规则信息发送到触发器后，还向智能控制终端发送冲突提示消息，该提示消息中携带设备操作相冲突的两个联动规则，以及服务器已给出的解决方案(即服务器向触发器反馈的联动规则信息)。

智能控制终端侧的用户若不同意该解决方案，则通过智能控制终端手动设置应该执行的联动规则，发送给触发器，使触发器按智能控制终端发送的联动规则进行联动控制。

进一步地，本发明实施例中，机器学习模型输出结果的准确度是与训练样本的数量相关的，即，当训练样本较少时，输出结果的可信度也较低，相反的，当训练样本较多时，输出结果的可信度相对较高。

所以，在利用本发明实施例所述方法进行冲突解决时，使用前期会受到样本量的限制，输出的结果可能不够准确，所以，本发明实施例中给出如下解决方案：

服务器在预置的训练样本库中确定与所述联动规则信息对应的训练样本后，先判断得到的训练样本的数量是否达到设定的阈值，若已达到，继续进行处理；若未达到，则将冲突信息发送至智能控制终端，由用户选择冲突解决方案，并将用户选择的冲突解决方案反馈至触发器。

综上可知，本实施例所述方法，通过收集用户的使用习惯数据得到训练样本，根据训练样本对设定的机器学习模型进行训练，并利用训练好的模型进行冲突规则的判断，从而给出更符合该用户使用习惯的冲突解决方案，这种冲突解决方案不会出现如现有技术方案中所述的不能确定操作归属权的问题，另外，机器学习的训练样本是从用户处获得的，根据这些样本进行训练，可以有效地根据用户习惯，获得针对于特定用户的最佳操作，明确显示了智能家居中“智能”的理念。

在本发明的第三实施例中，提供一种用于联动控制的AllJoyn触发器，该触发器是联动控制管理的抽象功能模块，该触发器的实现可以在智能终端侧，也可以在网关侧。如图3所示，所述触发器包括：

事件接收模块310，用于接收智能家电设备上报的事件；

冲突检测模块320，用于确定所述事件对应的联动规则以及当前已触发的联动规则，并检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，并按照所述服务器反馈的联动规则进行智能家电设备控制；所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息。

基于上述结构框架及实施原理，下面给出在上述结构下的几个具体及优选实施方式，用以细化和优化本发明所述触发器的功能，以使本发明方案的实施更方便，准确。具体涉及如下内容：

本发明实施例中，触发器将联动规则存储在规则引擎330中，规则引擎330为每一个联动规则设置了一个“状态”的属性，该属性有两个值，分别是“激活”与“非激活”，当一个联动规则被触发，该规则的“状态”属性被设置为“激活”，否则，“状态”属性设置为“非激活”。若某个联动规则的触发event在某段时间内都有效，那么该规则在这段时间内的“状态”属性都是“激活”。

在该实施例下，冲突检测模块320，通过检测规则引擎330存储的各联动规则的状态，确定状态为激活状态的联动规则为当前已触发的联动规则。

进一步地，在该实施例下，冲突检测模块320，还用于在按照所述服务器反馈的联动规则进行智能家电设备控制后，确定所述服务器反馈的联动规则是否为所述事件对应的联动规则，若是，则通知规则引擎330将所述事件对应的联动规则设为激活状态，以及将与所述事件对应的联动规则存在设备操作冲突的联动规则设为非激活状态；否则，不作状态调整。

在本发明的一个可选实施例中，在联动规则被触发且没有设备操作冲突的情况下，还向服务器发送样本数据，以触发服务器进行训练样本的收集。具体的，本实施例中，冲突检测模块320，还用于在检测到不存在控制冲突时，根据确定的所述事件对应的联动规则，进行智能家电设备控制，并将所述事件对应的联动规则的规则信息作为样本数据上报至所述服务器。

进一步地，本发明实施例中，发送至服务器的规则信息可以为联动规则的触发事件和设备操作；或者，为预先定义的联动规则的唯一标识信息。其中，当规则信息为预先定义的联动规则的唯一标识信息时，需要在服务器侧存储唯一标识与联动规则的对应关系表。

综上可知，本发明实施例所述触发器，当两个联动规则控制冲突时，将冲突信息上报至服务器，由服务器侧确定冲突解决方案，并根据服务器侧反馈的冲突解决方案进行智能家电设备的控制。

在本发明的第四实施例中，提供一种服务器，如图4所示，包括：

消息接收模块410，用于接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

模型训练模块420，用于在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

预判模块430，用于根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

消息发送模块440，用于将所述输出结果对应的联动规则的规则信息发送到所述触发器。

基于上述结构框架及实施原理，下面给出在上述结构下的几个具体及优选实施方式，用以细化和优化本发明所述服务器的功能，以使本发明方案的实施更方便，准确。具体涉及如下内容：

本发明实施例中，所述机器学习模型包括但不限于为：逻辑回归算法模型，或者，神经网络算法模型。

进一步地，本发明实施例中，与所述联动规则信息对应的训练样本包括：每次所述联动规则被触发时，根据所述触发器所属智能家居系统中的传感器上报的数据确定的输入特征量和用于表征所述联动规则的期望输出特征量。

进一步地，本发明实施例中，所述传感器上报的数据包括但不限于为如下数据中的一个或多个：温度、湿度、空气质量、环境声音和光照强度。

进一步地，本发明实施例中：

所述消息接收模块410，还用于在接收到所述触发器发送的携带有联动规则的规则信息的样本数据时，根据所述触发器所属智能家居系统中的传感器当前上报的数据，提取输入特征量，并将该输入特征量和用于表征所述样本数据中的联动规则的期望输出特征量作为训练样本存入所述训练样本库；

和/或，所述消息发送模块440，还用于将确定的所述输入特征量和用于表征发送到所述触发器的联动规则的期望输出特征量，作为样本数据存入所述训练样本库。

可选地，本发明实施例中，消息发送模块440，还用于将所述输出结果对应的联动规则的规则信息发送到所述触发器后，向智能控制终端发送冲突提示消息，该提示消息中携带有设备操作相冲突的两个联动规则，以及服务器已给出的解决方案。

本实施例所述服务器，由于其基本相似与第二实施例所述的方法，所以，描述的比较简单，相关之处参见方法实施例的部分说明即可。

综上可知，本实施例所述服务器，通过收集用户的使用习惯数据，对设定的机器学习模型进行训练，并利用训练好的模型进行冲突规则的判断，从而给出更符合该用户使用习惯的冲突解决方案，这种冲突解决方案不会出现如现有技术方案中所述的不能确定操作归属权的问题，另外，机器学习的训练样本是从用户处获得的，根据这些样本进行训练，可以有效地根据用户习惯，获得针对于特定用户的最佳操作，明确显示了智能家居中“智能”的理念。

在本发明第五实施例中，提供一种AllJoyn联动控制冲突解决系统，包括：智能控制终端、events-action触发器、云端(等同于在前所述的服务器)和智能家居设备，这四部分之间的模块关系图如图5所示。具体的：

events-action触发器是该方案的核心部分之一，其主要功能有：

1，实时获取智能家居设备的状态，匹配相关的联动规则。

2，events-action触发器的规则引擎，用于存储用户设置的events and action联动规则，且为每一个联动规则设置了一个“状态”的属性，该属性有两个值，分别是“激活”与“非激活”，当一个联动规则被触发，该规则的“状态”属性被设置为“激活”，否则，“状态”属性设置为“非激活”。若某个联动规则的触发event在某段时间内都有效，那么该规则在这段时间内的“状态”属性都是“激活”。

3，增加了冲突检测模块，用于进行联动规则的冲突检测，并将冲突的相关信息发送到云端。

4，接收云端提供的合理解决方案，触发对应的智能家居设备进行对应的操作。

云端是该方案的另一个核心部分，其主要功能有：

1，负责机器学习算法的运行以及存储和收集训练集数据。

2，存储用户设置的各种联动规则以及每一种联动规则对应的训练集。

本发明实施例中，events-action触发器的冲突检测以及向云端的反馈的过程如下：

events-action触发器获取的某个智能家居设备的状态与某个联动规则的触发event相匹配，假设该触发event为event1，根据联动规则，对应的操作为action1，操作对象为智能家居设备1。则events-action触发器会在规则引擎中寻找操作对象同样为智能家居设备1、但执行的操作不是action1的其他“激活”联动规则。如果找到了这样的联动规则，说明发生了冲突。

events-action触发器检测到冲突时，会向云端发送与冲突相关的数据，包括当前触发的联动规则的event、action和发生冲突的其他联动规则的event、action。根据这些信息，云端可以确定使用哪些训练样本进行训练，并在当前的场景下产生最合理的执行方案。

本实施例中，智能家居设备，如智能洗衣机、智能冰箱等，其主要功能有：

1，与智能终端进行交互。厂商事先在设备内部写入描述性语言，当设备连接到网关之后，将状态消息及可调用的功能等通过网关发送到智能终端设备，这样用户就可以根据这些信息设置所需的联动规则。

2，与位于智能控制终端或网关上的events-action触发器进行信息交互。智能家电设备将自身的状态等信息实时发送给events-action触发器，并且在events-action触发器根据联动规则执行某个方法时，智能家居设备进行相关的操作。

本实施例中，智能控制终端与网关相连，与events-action触发器、智能家居设备进行交互。与events-action触发器的交互包括：用户通过智能终端设备设置所需的联动规则。与智能家居设备的交互包括：通过网关获取智能家居设备的可用的状态信息和可执行的操作，并将这些信息呈现给用户，以便于用户进行联动规则的设置。

下面结合图6对本实施例所述系统实现联动控制冲突解决的过程进行详细说明，具体流程如下：

1，智能控制终端和智能家电设备连接到网关。

2，智能控制终端通过网关获取智能家电设备的可用的设备状态和可执行的设备操作。比如对于温度传感器来说，智能控制终端通过网关可以获取“温度”这一特征值；对于窗户，智能控制终端可以获得开窗和关窗的操作。

3，用户通过智能控制终端设置新的联动规则，并通过智能控制终端将设置好的联动规则发送到events-action触发器中的规则引擎中。

4，events-action触发器不断监测智能家电设备的状态，并将智能家电设备发生的事件与设置的规则中的触发事件进行匹配；

5，events-action触发器监测到某个设备1发生的event1与某个联动规则的触发event相匹配；

6，events-action触发器按照规则确定event1对应设备3的action1操作。

7，events-action触发器在执行action1操作之前，检查规则引擎中查找是否存在操作对象同样为设备3、但执行其他action操作的处于“激活”状态的规则。如果没有这样的规则，判定没有发生冲突，执行步骤8；否则，判定发生冲突，执行步骤9；

8，events-action触发器对设备3执行action1；

9，events-action触发器将冲突的规则信息发送到云端；

10，云端接收到两个规则对应的events和action信息后，在已有的训练样本中查找与这两个规则对应的训练样本，使用这些训练样本训练逻辑回归算法中各个特征量的权值或者是神经网络中各层网络之间的权值。

11，云端根据触发器所属智能家居系统中的传感器当前上报的数据，确定输入特征量，并将输入特征量输入到已训练的算法模型中，获得当前情况下的算法输出，即应该执行哪一个联动规则，并将这一信息发送到events-action触发器；

12，events-action触发器根据联动规则，调用相应的方法执行对应的操作。例如，在背景技术所述的场景中，假设云端通过简单神经网络算法，认为当前应该执行规则“若室内甲醛浓度超过0.05mg/m³，则开窗通风”，将该规则发送到events-action触发器之后，触发器选择让窗户依然处于开窗通风的状态，冲突得以解决。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

总之，以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (22)

1.一种AllJoyn联动控制冲突解决方法，其特征在于，包括：

触发器接收智能家电设备上报的事件，确定所述事件对应的联动规则以及当前已触发的联动规则；

触发器检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息；

触发器按照所述服务器反馈的联动规则进行智能家电设备控制。

2.如权利要求1所述的方法，其特征在于，

所述确定当前已触发的联动规则，包括：检测存储的各联动规则的状态，确定状态为激活状态的联动规则为当前已触发的联动规则。

3.如权利要求2所述的方法，其特征在于，所述按照所述服务器反馈的联动规则进行智能家电设备控制后，还包括：

确定所述服务器反馈的联动规则是否为所述事件对应的联动规则，若是，则将所述事件对应的联动规则设为激活状态，以及将与所述事件对应的联动规则存在设备操作冲突的联动规则设为非激活状态；否则，不作状态调整。

4.如权利要求1所述的方法，其特征在于，所述规则信息包括：联动规则对应的触发事件和设备操作。

5.如权利要求1至4任意一项所述的方法，其特征在于，所述方法还包括：

所述触发器在检测到不存在冲突时，根据确定的所述事件对应的联动规则，进行智能家电设备控制，并将所述事件对应的联动规则的规则信息作为样本数据上报至所述服务器。

6.一种AllJoyn联动控制冲突解决方法，其特征在于，包括：

服务器接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

服务器在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

服务器根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，并将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

服务器将所述输出结果对应的联动规则的规则信息发送到所述触发器。

7.如权利要求6所述的方法，其特征在于，所述与所述联动规则信息对应的训练样本包括：每次所述联动规则被触发时，根据所述触发器所属智能家居系统中的传感器上报的数据确定的输入特征量和用于表征所述联动规则的期望输出特征量。

8.如权利要求6所述的方法，其特征在于，还包括：

所述服务器接收到所述触发器发送的携带有联动规则的规则信息的样本数据，根据所述触发器所属智能家居系统中的传感器当前上报的数据，提取输入特征量，并将该输入特征量和用于表征所述样本数据中的联动规则的期望输出特征量作为训练样本存入所述训练样本库；

和/或，所述服务器将确定的所述输入特征量和用于表征发送到所述触发器的联动规则的期望输出特征量，作为样本数据存入所述训练样本库。

9.如权利要求6或7或8所述的方法，其特征在于，所述传感器上报的数据包括如下数据中的一个或多个：温度、湿度、空气质量、环境声音和光照强度。

10.如权利要求6所述的方法，其特征在于，所述服务器将输出结果对应的联动规则的规则信息发送到所述触发器后，还包括：向智能控制终端发送冲突提示消息，该提示消息中携带有设备操作相冲突的两个联动规则，以及服务器已给出的解决方案。

11.如权利要求6或7或8或10所述的方法，其特征在于，所述机器学习模型包括：逻辑回归算法模型，或者，神经网络算法模型。

12.一种用于联动控制的AllJoyn触发器，其特征在于，包括：

事件接收模块，用于接收智能家电设备上报的事件；

冲突检测模块，用于确定所述事件对应的联动规则以及当前已触发的联动规则，并检测所述事件对应的联动规则的设备操作是否与当前已触发的某联动规则的设备操作相冲突，并在冲突时，向服务器发送冲突通知消息，并按照所述服务器反馈的联动规则进行智能家电设备控制；所述冲突通知消息中携带有设备操作相冲突的各联动规则的规则信息。

13.如权利要求12所述的触发器，其特征在于，

所述冲突检测模块，具体用于检测存储的各联动规则的状态，确定状态为激活状态的联动规则为当前已触发的联动规则。

14.如权利要求13所述的触发器，其特征在于，还包括：

所述冲突检测模块，还用于在按照所述服务器反馈的联动规则进行智能家电设备控制后，确定所述服务器反馈的联动规则是否为所述事件对应的联动规则，若是，则将所述事件对应的联动规则设为激活状态，以及将与所述事件对应的联动规则存在设备操作冲突的联动规则设为非激活状态；否则，不作状态调整。

15.如权利要求12所述的触发器，其特征在于，所述规则信息包括：联动规则对应的触发事件和设备操作。

16.如权利要求12至15任意一项所述的触发器，其特征在于，所述冲突检测模块，还用于在检测到不存在冲突时，根据确定的所述事件对应的联动规则，进行智能家电设备控制，并将所述事件对应的联动规则的规则信息作为样本数据上报至所述服务器。

17.一种服务器，其特征在于，包括：

消息接收模块，用于接收到触发器发送的冲突通知消息，解析所述消息得到消息中携带的设备操作相冲突的各联动规则的规则信息；

模型训练模块，用于在根据用户的使用习惯得到的训练样本库中确定与所述联动规则信息对应的训练样本，并利用确定的训练样本，对设定的机器学习模型进行训练；

预判模块，用于根据所述触发器所属智能家居系统中的传感器当前上报的数据，确定所述机器学习模型的输入特征量，并将所述输入特征量输入到已训练的机器学习模型中，得到机器学习模型的输出结果；

消息发送模块，用于将所述输出结果对应的联动规则的规则信息发送到所述触发器。

18.如权利要求17所述的服务器，其特征在于，所述与所述联动规则信息对应的训练样本包括：每次所述联动规则被触发时，根据所述触发器所属智能家居系统中的传感器上报的数据确定的输入特征量和用于表征所述联动规则的期望输出特征量。

19.如权利要求17所述的服务器，其特征在于，所述消息接收模块，还用于在接收到所述触发器发送的携带有联动规则的规则信息的样本数据时，根据所述触发器所属智能家居系统中的传感器当前上报的数据，提取输入特征量，并将该输入特征量和用于表征所述样本数据中的联动规则的期望输出特征量作为训练样本存入所述训练样本库；

和/或，所述消息发送模块，还用于将确定的所述输入特征量和用于表征发送到所述触发器的联动规则的期望输出特征量，作为样本数据存入所述训练样本库。

20.如权利要求17或18或19所述的服务器，其特征在于，所述传感器上报的数据包括如下数据中的一个或多个：温度、湿度、空气质量、环境声音和光照强度。

21.如权利要求17所述的服务器，其特征在于，所述消息发送模块，还用于将所述输出结果对应的联动规则的规则信息发送到所述触发器后，向智能控制终端发送冲突提示消息，该提示消息中携带有设备操作相冲突的两个联动规则，以及服务器已给出的解决方案。

22.如权利要求17或18或19或21所述的服务器，其特征在于，所述机器学习模型包括：逻辑回归算法模型，或者，神经网络算法模型。