CN110046316A - 一种小区用户家庭数据分析方法及系统 - Google Patents

Abstract

本发明公开了一种小区用户家庭数据分析方法及系统，包括用户终端、多个联网设备和后台服务器，用户终端和后台服务器之间采用发布‑订阅消息处理机制进行通信，用户家中的所有联网设备和后台服务器之间采用发布‑订阅消息处理机制进行通信，后台服务器分析同一小区的所有联网设备的运行数据，并分析同类集合的联网设备的运行数据，然后向用户终端推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。从而通过发布‑订阅消息处理机制对同一小区的家庭联网设备进行数据分析，以提高小区内同类联网设备的智能化及自学习能力。

Description

一种小区用户家庭数据分析方法及系统

技术领域

本发明涉及智能小区技术领域，尤其涉及一种小区用户家庭数据分析方法及系统。

背景技术

随着物联网技术的高速发展及城市化的快速建设，几乎每个新开售楼盘均为每户家庭铺设了光纤，即使一些旧小区，通过附近无线基站也能定位出家庭用户所在的小区；同时，几乎每个家庭均能够连接至外部网络，家庭内部智能联网设备也与日俱增；然而，智能化及相应消息数据局限于对应家庭用户与各自家庭智能设备间互联互通，小区家庭间相互孤立，有很多家庭智能设备的有用数据并未充分发挥作用，也影响了机器自学习的想象空间。现有的智能设备和后台服务器采用请求/回应消息处理机制，应用间耦合厉害，时间上一个应用或设备发送请求，另一个应用或应用必需处理完成后回应，效率低，数据量大时，后台服务器负荷重，延时造成用户体验差。

发明内容

本发明的一个目的在于提出一种小区用户家庭数据分析方法，通过发布-订阅消息处理机制对同一小区的家庭联网设备进行数据分析，以提高小区内同类联网设备的智能化及自学习能力。

本发明的另一个目的在于提出一种小区用户家庭数据分析系统，通过发布-订阅消息处理机制对同一小区的家庭联网设备进行数据分析，以提高小区内同类联网设备的智能化及自学习能力。

为达此目的，本发明采用以下技术方案：

一种小区用户家庭数据分析方法，应用于对小区用户的联网设备进行控制，包括用户终端、多个联网设备和后台服务器，用户终端和后台服务器之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备和后台服务器之间采用发布-订阅消息处理机制进行通信，包括以下步骤：

用户家庭定位步骤，先定位出用户家庭的联网设备的详细位置，然后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

设备划分步骤，用户通过用户终端对家中的联网设备进行划分：将属于同一个房间的联网设备划分在同一个集合中，并以该房间名称对该集合进行命名，还通过用户终端记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器；

统计分析步骤，所述后台服务器分析同一小区的所有联网设备的运行数据，并分析同类集合的联网设备的运行数据，然后向用户终端推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

优选地，所述各个联网设备能耗排行表通过统计同一小区的所有联网设备能耗，同种联网设备按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备运行时长在该小区的排名和各个联网设备用电量在该小区的排名。

优选地，所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备的各个运行参数平均值，然后筛选出用户家庭中各个联网设备在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户通过用户终端选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，所述用户终端还对各个联网设备在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

优选地，联动方案自学习步骤，所述后台服务器统计同一小区的所有家庭的联网设备联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端，用户通过用户终端选择是否执行所述同组中最多家庭执行的联动方案；

设备采购推荐步骤，所述后台服务器统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端。

优选地，所述用户家庭定位步骤具体为先通过信号基站定位出直接连接至信号基站的联网设备的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备的详细位置，最后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

所述用户终端和后台服务器之间、以及联网设备和后台服务器之间均采用MQTT通信协议；

所述后台服务器为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。

优选地，一种小区用户家庭数据分析系统，应用于对小区用户的联网设备进行控制，包括用户终端、多个联网设备和后台服务器，用户终端和后台服务器之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备和后台服务器之间采用发布-订阅消息处理机制进行通信；

所述用户终端包括：

用户家庭定位模块，用于先定位出用户家庭的联网设备的详细位置，然后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

设备划分模块，用于对家中的联网设备进行划分：将属于同一个房间的联网设备划分在同一个集合中，并以该房间名称对该集合进行命名，记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器；

所述后台服务器包括：

统计分析模块，用于分析同一小区的所有联网设备的运行数据，并分析同类集合的联网设备的运行数据，然后向用户终端推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

优选地，所述各个联网设备能耗排行表为通过统计同一小区的所有联网设备能耗，同种联网设备按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备运行时长在该小区的排名和各个联网设备用电量在该小区的排名。

优选地，所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备的各个运行参数平均值，然后筛选出用户家庭中各个联网设备在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户终端还用于选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，和对各个联网设备在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

优选地，所述后台服务器还包括：

联动方案自学习模块，用于统计同一小区的所有家庭的联网设备联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端，用户通过用户终端选择是否执行所述同组中最多家庭执行的联动方案；

和设备采购推荐模块，用于统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端。

优选地，所述用户家庭定位模块，具体用于先通过信号基站定位出直接连接至信号基站的联网设备的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备的详细位置，最后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

所述用户终端和后台服务器之间、以及联网设备和后台服务器之间均采用MQTT通信协议；

所述后台服务器为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。

所述小区用户家庭数据分析方法，用户终端和后台服务器之间、以及联网设备和后台服务器之间采用发布-订阅消息处理机制进行通信，发布者只管发布消息，订阅者只管相应订阅信息的到来，将发布者和订阅者在时间及空间上隔离，让发布者和订阅者有更多时间处理其它信息，双方负荷大大减少。

所述用户家庭定位步骤通过对用户家庭的联网设备的定位，将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器，以便后台服务器对整个小区的联网设备的运行数据进行统计和分析。由于每个小区的具体情况各不相同，因此非同一小区的数据不一定有参考意义，因此所述小区用户家庭数据分析方法仅关注同一小区的联网设备的数据，从而后台服务器设置在各个小区中，而非将全国各地联网设备的数据收集至同一个后台服务器中，避免了后台服务器的运行压力大甚至出现崩溃的现象。

附图说明

附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。

图1是本发明其中一个实施例的小区用户家庭数据分析系统结构示意图；

图2是本发明其中一个实施例的小区用户家庭数据分析流程图。

其中：用户终端1；联网设备2；后台服务器3。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。

实施例一

本实施例的小区用户家庭数据分析方法，应用于对小区用户的联网设备进行控制，如图1所示，包括用户终端1、多个联网设备2和后台服务器3，用户终端1和后台服务器3之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备2和后台服务器3之间采用发布-订阅消息处理机制进行通信，如图2所示，包括以下步骤：

用户家庭定位步骤，先定位出用户家庭的联网设备2的详细位置，然后通过联网设备2的位置信息将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3；

设备划分步骤，用户通过用户终端1对家中的联网设备2进行划分：将属于同一个房间的联网设备2划分在同一个集合中，并以该房间名称对该集合进行命名，还通过用户终端1记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器3；

统计分析步骤，所述后台服务器3分析同一小区的所有联网设备2的运行数据，并分析同类集合的联网设备2的运行数据，然后向用户终端1推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

所述小区用户家庭数据分析方法，用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间采用发布-订阅消息处理机制进行通信，发布者只管发布消息，订阅者只管相应订阅信息的到来，将发布者和订阅者在时间及空间上隔离，让发布者和订阅者有更多时间处理其它信息，双方负荷大大减少。

所述用户家庭定位步骤通过对用户家庭的联网设备2的定位，将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3，以便后台服务器3对整个小区的联网设备2的运行数据进行统计和分析。由于每个小区的具体情况各不相同，因此非同一小区的数据不一定有参考意义，因此所述小区用户家庭数据分析方法仅关注同一小区的联网设备2的数据，从而后台服务器3设置在各个小区中，而非将全国各地联网设备2的数据收集至同一个后台服务器3中，避免了后台服务器3的运行压力大甚至出现崩溃的现象。

所述设备划分步骤对用户的联网设备2按其所在房间进行划分，例如将厨房的所有联网设备2划分在同一个集合中，并将该集合命名为厨房集合；并且对房间的使用者进行记录，例如某个房间是家中小孩的睡房，则将小孩睡房的联网设备2和小孩信息绑定存储，小孩信息可以为性别、年龄、体重、身高、学历和健康状况等，如此类推对各个房间的使用者进行记录；同时记录家中所有成员信息，例如家庭成员有哪些，成员架构、成员年龄、职业等；以便于后台服务器3根据房间类型、使用者信息和家中成员信息对整个小区的联网设备2运行数据进行分类，从而为用户提供适合用户家庭的个性化、精准化的数据分析和优化方案。

所述统计分析步骤可统计出用户家庭某个联网设备2在所属小区的能耗排名，以便于用户了解家中的联网设备2能耗是否合理；并且可通过分析整个小区的联网设备2的运行数据，得出用户家庭各个集合的联网设备参数优化方案，利用小区的大数据分析，提高小区内同类联网设备2的智能化及自学习能力。所述用户终端1为手机、应用APP、平板电脑、智能手表等。

优选地，所述各个联网设备能耗排行表通过统计同一小区的所有联网设备2能耗，同种联网设备2按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备2运行时长在该小区的排名和各个联网设备2用电量在该小区的排名。联网设备2的能耗包括用电量、用水量、待机时长和运行时长等。

优选地，所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备2的各个运行参数平均值，然后筛选出用户家庭中各个联网设备2在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户通过用户终端1选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，所述用户终端1还对各个联网设备2在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

通过计算出各个集合的各个联网设备2的各个运行参数平均值，可以基于运行参数平均值和能耗排名筛选出小区中同类集合且使用者信息类似情况下的各个联网设备2最优工作模式，从而为同类集合且使用者信息类似的用户提供最合理的联网设备参数优化方案。例如，统计出同一小区中信息类似的婴儿睡房的空调平均温度值、空气净化器的平均开启时间节点等，然后筛选出信息类似的婴儿睡房的空调最优工作模式和空气净化器最优工作模式，从而生成信息类似的婴儿睡房的空调参数优化方案和空气净化器参数优化方案，为信息类似的婴儿睡房的联网设备2参数设置提供最合理科学建议。所述各个集合的联网设备参数优化方案由用户通过用户终端1选择是按周、月、季度或年进行统计，并且用户可根据实际情况通过用户终端1对所述各个集合的联网设备参数优化方案进行调整，使用灵活，用户终端1还可对优化后的能耗排名进行预测以为用户设置联网设备参数提供数据参考，预测方法为收集小区所有用户优化后的模拟排名。

优选地，如图2所示，还包括以下步骤：

联动方案自学习步骤，所述后台服务器3统计同一小区的所有家庭的联网设备2联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备2联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端1，用户通过用户终端1选择是否执行所述同组中最多家庭执行的联动方案；

设备采购推荐步骤，所述后台服务器3统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端1。

所述联动方案自学习步骤先根据家中成员信息相似度来对同一小区的所有家庭的联网设备2的联动方案进行归类，有利于为用户提供适合用户家庭的个性化、精准化的数据分析；然后分析出同组中最多家庭执行的联动方案，为同类家庭的联网设备2的联动方案提供参考，为同类家庭给出更多合理的联动场景方案建议。例如，将成员为爸爸、妈妈和儿子，爸爸为30岁的程序员，妈妈为29岁的教师，和儿子为5岁的幼儿园学生的家庭的联动方案划分在同一组中，寻找出同类家庭执行量最多的联动方案。所述联动方案包括门锁联动开关灯、洗衣机联动晾衣架等。

同理，所述设备采购推荐步骤也是先根据使用者信息相似度来对同一小区的各个集合的联网设备清单进行归类，有利于为用户提供适合用户家庭的个性化、精准化的数据分析；然后分析出同组中最多家庭使用的联网设备清单，为同类家庭的联网设备2采购提供合理的参考建议。例如，将信息类似的主人卫生间的联网设备清单划分在同一组中，寻找出同类的主人卫生间使用量最多的联网设备清单。所述联网设备清单为该房间具备的所有联网设备2的名称和设备信息，所述设备信息包括厂家名称、型号等。

优选地，所述用户家庭定位步骤具体为先通过信号基站定位出直接连接至信号基站的联网设备2的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备2的详细位置，最后通过联网设备2的位置信息将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3；

所述用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间均采用MQTT通信协议；

所述后台服务器3为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。

通过信号基站和家中网关的双重定位，大大提高联网设备2的位置信息的准确性。

所述用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间均采用MQTT通信协议；而非基于请求/回应的消息处理机制，减轻网络臃肿，让发布者和订阅者有更多时间处理其它信息，双方负荷大大减少。所述后台服务器3为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器，从而建立小区分布式平台，将小区数据备份于各个小区分布式平台中，提高用户操作的流畅性。所述网关部署有分布式的MQTT服务器，从而使家中所述网关拥有与后台服务器3等同的数据、设备处理逻辑，使家中所述网关可根据接收的控制请求消息产生相关的控制命令，实现对家中联网设备2的智能控制。

实施例二

本实施例的小区用户家庭数据分析系统，应用于对小区用户的联网设备进行控制，如图1所示，包括用户终端1、多个联网设备2和后台服务器3，用户终端1和后台服务器3之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备2和后台服务器3之间采用发布-订阅消息处理机制进行通信；

所述用户终端1包括：

用户家庭定位模块，用于先定位出用户家庭的联网设备2的详细位置，然后通过联网设备2的位置信息将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3；

设备划分模块，用于对家中的联网设备2进行划分：将属于同一个房间的联网设备2划分在同一个集合中，并以该房间名称对该集合进行命名，记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器3；

所述后台服务器3包括：

统计分析模块，用于分析同一小区的所有联网设备2的运行数据，并分析同类集合的联网设备2的运行数据，然后向用户终端1推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

所述小区用户家庭数据分析系统，用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间采用发布-订阅消息处理机制进行通信，发布者只管发布消息，订阅者只管相应订阅信息的到来，将发布者和订阅者在时间及空间上隔离，让发布者和订阅者有更多时间处理其它信息，双方负荷大大减少；

所述用户家庭定位模块通过对用户家庭的联网设备2的定位，将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3，以便后台服务器3对整个小区的联网设备2的运行数据进行统计和分析。由于每个小区的具体情况各不相同，因此非同一小区的数据不一定有参考意义，因此所述小区用户家庭数据分析系统仅关注同一小区的联网设备2的数据，从而后台服务器3设置在各个小区中，而非将全国各地联网设备2的数据收集至同一个后台服务器3中，避免了后台服务器3的运行压力大甚至出现崩溃的现象。

所述设备划分模块对用户的联网设备2按其所在房间进行划分，例如将厨房的所有联网设备2划分在同一个集合中，并将该集合命名为厨房集合；并且对房间的使用者进行记录，例如某个房间是家中小孩的睡房，则将小孩睡房的联网设备2和小孩信息绑定存储，小孩信息可以为性别、年龄、体重、身高、学历和健康状况等，如此类推对各个房间的使用者进行记录；同时记录家中所有成员信息，例如家庭成员有哪些，成员架构、成员年龄、职业等；以便于后台服务器3根据房间类型、使用者信息和家中成员信息对整个小区的联网设备2运行数据进行分类，从而为用户提供适合用户家庭的个性化、精准化的数据分析和优化方案。

所述统计分析模块可统计出用户家庭某个联网设备2在所属小区的能耗排名，以便于用户了解家中的联网设备2能耗是否合理；并且可通过分析整个小区的联网设备2的运行数据，得出用户家庭各个集合的联网设备参数优化方案，利用小区的大数据分析，提高小区内同类联网设备2的智能化及自学习能力。所述用户终端1为手机、应用APP、平板电脑、智能手表等。

优选地，所述各个联网设备能耗排行表为通过统计同一小区的所有联网设备2能耗，同种联网设备2按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备2运行时长在该小区的排名和各个联网设备2用电量在该小区的排名。联网设备2的能耗包括用电量、用水量、待机时长和运行时长等。

优选地，所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备2的各个运行参数平均值，然后筛选出用户家庭中各个联网设备2在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户终端1还用于选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，和对各个联网设备2在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

通过计算出各个集合的各个联网设备2的各个运行参数平均值，可以基于运行参数平均值和能耗排名筛选出小区中同类集合且使用者信息类似情况下的各个联网设备2最优工作模式，从而为同类集合且使用者信息类似的用户提供最合理的联网设备参数优化方案。例如，统计出同一小区中信息类似的婴儿睡房的空调平均温度值、空气净化器的平均开启时间节点等，然后筛选出信息类似的婴儿睡房的空调最优工作模式和空气净化器最优工作模式，从而生成信息类似的婴儿睡房的空调参数优化方案和空气净化器参数优化方案，为信息类似的婴儿睡房的联网设备2参数设置提供最合理科学建议。所述各个集合的联网设备参数优化方案由用户通过用户终端1选择是按周、月、季度或年进行统计，并且用户可根据实际情况通过用户终端1对所述各个集合的联网设备参数优化方案进行调整，使用灵活，用户终端1还可对优化后的能耗排名进行预测以为用户设置联网设备参数提供数据参考。

优选地，所述后台服务器3还包括：

联动方案自学习模块，用于统计同一小区的所有家庭的联网设备2联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备2联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端1，用户通过用户终端1选择是否执行所述同组中最多家庭执行的联动方案；

和设备采购推荐模块，用于统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端1。

所述联动方案自学习模块先根据家中成员信息相似度来对同一小区的所有家庭的联网设备2的联动方案进行归类，有利于为用户提供适合用户家庭的个性化、精准化的数据分析；然后分析出同组中最多家庭执行的联动方案，为同类家庭的联网设备2的联动方案提供参考，为同类家庭给出更多合理的联动场景方案建议。例如，将成员为爸爸、妈妈和儿子，爸爸为30岁的程序员，妈妈为29岁的教师，和儿子为5岁的幼儿园学生的家庭的联动方案划分在同一组中，寻找出同类家庭执行量最多的联动方案。所述联动方案包括门锁联动开关灯、洗衣机联动晾衣架等。

同理，所述设备采购推荐模块也是先根据使用者信息相似度来对同一小区的各个集合的联网设备清单进行归类，有利于为用户提供适合用户家庭的个性化、精准化的数据分析；然后分析出同组中最多家庭使用的联网设备清单，为同类家庭的联网设备2采购提供合理的参考建议。例如，将信息类似的主人卫生间的联网设备清单划分在同一组中，寻找出同类的主人卫生间使用量最多的联网设备清单。所述联网设备清单为该房间具备的所有联网设备2的名称和设备信息，所述设备信息包括厂家名称、型号等。

优选地，所述用户家庭定位模块，具体用于先通过信号基站定位出直接连接至信号基站的联网设备2的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备2的详细位置，最后通过联网设备2的位置信息将同属于一个小区的联网设备2的运行数据上传至该小区的后台服务器3；

所述用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间均采用MQTT通信协议；

所述后台服务器3为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。

通过信号基站和家中网关的双重定位，大大提高联网设备2的位置信息的准确性。

所述用户终端1和后台服务器3之间、以及联网设备2和后台服务器3之间均采用MQTT通信协议；而非基于请求/回应的消息处理机制，减轻网络臃肿，让发布者和订阅者有更多时间处理其它信息，双方负荷大大减少。所述后台服务器3为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器，从而建立小区分布式平台，将小区数据备份于各个小区分布式平台中，提高用户操作的流畅性。所述网关部署有分布式的MQTT服务器，从而使家中所述网关拥有与后台服务器3等同的数据、设备处理逻辑，使家中所述网关可根据接收的控制请求消息产生相关的控制命令，实现对家中联网设备2的智能控制。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (10)

1.一种小区用户家庭数据分析方法，其特征在于，应用于对小区用户的联网设备进行控制，包括用户终端、多个联网设备和后台服务器，用户终端和后台服务器之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备和后台服务器之间采用发布-订阅消息处理机制进行通信，包括以下步骤：

用户家庭定位步骤，先定位出用户家庭的联网设备的详细位置，然后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

设备划分步骤，用户通过用户终端对家中的联网设备进行划分：将属于同一个房间的联网设备划分在同一个集合中，并以该房间名称对该集合进行命名，还通过用户终端记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器；

统计分析步骤，所述后台服务器分析同一小区的所有联网设备的运行数据，并分析同类集合的联网设备的运行数据，然后向用户终端推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

2.根据权利要求1所述的小区用户家庭数据分析方法，其特征在于：所述各个联网设备能耗排行表通过统计同一小区的所有联网设备能耗，同种联网设备按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备运行时长在该小区的排名和各个联网设备用电量在该小区的排名。

3.根据权利要求1所述的小区用户家庭数据分析方法，其特征在于，所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备的各个运行参数平均值，然后筛选出用户家庭中各个联网设备在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户通过用户终端选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，所述用户终端还对各个联网设备在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

4.根据权利要求1所述的小区用户家庭数据分析方法，其特征在于，还包括以下步骤：

联动方案自学习步骤，所述后台服务器统计同一小区的所有家庭的联网设备联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端，用户通过用户终端选择是否执行所述同组中最多家庭执行的联动方案；

设备采购推荐步骤，所述后台服务器统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端。

5.根据权利要求1所述的小区用户家庭数据分析方法，其特征在于：

所述用户家庭定位步骤具体为先通过信号基站定位出直接连接至信号基站的联网设备的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备的详细位置，最后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

所述用户终端和后台服务器之间、以及联网设备和后台服务器之间均采用MQTT通信协议；

所述后台服务器为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。

6.一种小区用户家庭数据分析系统，其特征在于：应用于对小区用户的联网设备进行控制，包括用户终端、多个联网设备和后台服务器，用户终端和后台服务器之间采用发布-订阅消息处理机制进行通信，用户家中的所有联网设备和后台服务器之间采用发布-订阅消息处理机制进行通信；

所述用户终端包括：

用户家庭定位模块，用于先定位出用户家庭的联网设备的详细位置，然后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

设备划分模块，用于对家中的联网设备进行划分：将属于同一个房间的联网设备划分在同一个集合中，并以该房间名称对该集合进行命名，记录该房间的使用者以及家中成员信息，继而生成并发送设备划分表至所述后台服务器；

所述后台服务器包括：

统计分析模块，用于分析同一小区的所有联网设备的运行数据，并分析同类集合的联网设备的运行数据，然后向用户终端推送用户家庭的各个联网设备能耗排行表和各个集合的联网设备参数优化方案。

7.根据权利要求6所述的小区用户家庭数据分析系统，其特征在于：所述各个联网设备能耗排行表为通过统计同一小区的所有联网设备能耗，同种联网设备按照能耗从小至大对各个用户家庭进行排名来生成，所述各个联网设备能耗排行表包括净水设备用水量在该小区的排名，各个联网设备运行时长在该小区的排名和各个联网设备用电量在该小区的排名。

8.根据权利要求6所述的小区用户家庭数据分析系统，其特征在于：所述各个集合的联网设备参数优化方案的生成过程为：先通过计算各个集合的各个联网设备的各个运行参数平均值，然后筛选出用户家庭中各个联网设备在同类集合且使用者信息类似情况下的最优工作模式，所述最优工作模式的选择标准包括各个运行参数趋向所述运行参数平均值和能耗排名靠前，从而生成所述各个集合的联网设备参数优化方案；

用户终端还用于选择是否执行所述各个集合的联网设备参数优化方案，以及对所述各个集合的联网设备参数优化方案进行调整，和对各个联网设备在执行所述各个集合的联网设备参数优化方案后的能耗排名进行预测。

9.根据权利要求6所述的小区用户家庭数据分析系统，其特征在于，所述后台服务器还包括：

联动方案自学习模块，用于统计同一小区的所有家庭的联网设备联动方案，然后根据各个家庭的家中成员信息相似度，将家中成员信息相似度高的联网设备联动方案划分在同一组中，分析出同组中最多家庭执行的联动方案并将其推送至同组的所有家庭的用户终端，用户通过用户终端选择是否执行所述同组中最多家庭执行的联动方案；

和设备采购推荐模块，用于统计同一小区的所有家庭的各个集合的联网设备清单，然后根据使用者信息相似度，对同一个集合中的使用者信息相似度高的联网设备清单划分在同一组中，分析出同组中最多家庭使用的联网设备清单并将其推送至同组的所有家庭的用户终端。

10.根据权利要求6所述的小区用户家庭数据分析系统，其特征在于：

所述用户家庭定位模块，具体用于先通过信号基站定位出直接连接至信号基站的联网设备的区域位置，然后通过家中网关的通信IP地址，定位出直接连接家中网关的联网设备的详细位置，最后通过联网设备的位置信息将同属于一个小区的联网设备的运行数据上传至该小区的后台服务器；

所述用户终端和后台服务器之间、以及联网设备和后台服务器之间均采用MQTT通信协议；

所述后台服务器为kafka分布式服务器，用户家中所述网关部署有分布式的MQTT服务器，所述分布式的MQTT服务器为EMQ服务器或VerneMQ服务器。