CN110059819B - 器件的工作控制方法、装置、系统、控制设备及存储介质 - Google Patents

Abstract

本发明实施例提供一种器件的工作控制方法、装置、系统、控制设备及存储介质，该方法包括：获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；根据所述当前舒适数据控制所述目标器件。本发明实施例可实现目标器件智能化的工作控制。

Description

器件的工作控制方法、装置、系统、控制设备及存储介质

技术领域

本发明涉及数据处理技术领域，具体涉及一种器件的工作控制方法、装置、系统、控制设备及存储介质。

背景技术

日常生活工作中，用户经常会使用到水龙头、空调、加湿器、风扇等器件，这些器件的目标工作值将对用户的体感产生影响；例如水龙头的出水目标温度，空调的目标制热温度或目标制冷温度，将对用户的体感温度产生影响，加湿器的目标湿度，将对用户的体感湿度产生影响。用户对这些器件的目标工作值的变化较为敏感，为使得用户具有较为舒适的体验，使得这些器件能够针对用户调节目标工作值，对于用户感官而言极为重要。

目前的器件工作控制方式主要是由用户在每次使用器件时，设定器件的工作值实现；然而，用户对于舒适数值的感官受多种因素的影响，并不固定，这就导致用户在使用器件时需要经常性的调整器件的工作值，导致器件的工作控制并不智能，因此如何实现器件智能化的工作控制，成为了本领域技术人员需要考虑的问题。

发明内容

有鉴于此，本发明实施例提供一种器件的工作控制方法、装置、系统、控制设备及存储介质，以实现器件智能化的工作控制。

为实现上述目的，本发明实施例提供如下技术方案：

一种器件的工作控制方法，包括：

获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

根据所述当前舒适数据控制所述目标器件。

本发明实施例还提供一种器件的工作控制装置，包括：

当前特征数据获取模块，用于获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

输入模块，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

控制模块，用于根据所述当前舒适数据控制所述目标器件。

本发明实施例还提供一种器件的工作控制系统，包括：目标器件，用户身份感应器，控制设备，及服务器；

其中，所述服务器用于，预先训练目标用户相应的舒适数据预测模型；

所述身份感应器，用于在目标器件被使用时，采集当前使用目标器件的用户身份信息，并传输至控制设备；

所述控制设备，用于从服务器预下载所述目标用户相应的舒适数据预测模型；根据所述用户身份信息识别当前使用目标器件的用户的身份；若所识别的身份表示目标用户，获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；根据所述当前舒适数据控制所述目标器件；

所述目标器件，用于调整目标工作值与所述当前舒适数据相应。

本发明实施例还提供一种控制设备，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以实现上述所述的器件的工作控制方法的步骤。

本发明实施例还提供一种存储介质，所述存储介质存储有适于处理器执行的程序，以实现上述所述的器件的工作控制方法的步骤。

基于上述技术方案，本发明实施例提供的器件的工作控制方法，通过以每次预测的舒适数据趋于，目标用户每次使用目标器件相应的目标工作值为目标，预先训练出目标用户相应的舒适数据预测模型；从而在目标用户当前使用目标器件时，可获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据；进而根据所述当前舒适数据控制所述目标器件，使得目标器件以所述当前舒适数据为目标工作值进行工作，实现了目标器件智能化、准确的工作控制。

附图说明

为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的舒适数据预测模型的训练方法流程图；

图2为本发明实施例提供的舒适数据预测模型的训练示例图；

图3为本发明实施例提供的器件的工作控制方法的流程图；

图4为本发明实施例提供的器件的工作控制方法的应用示例图；

图5为本发明实施例提供的器件的工作控制方法的另一应用示例图；

图6为本发明实施例提供的器件的工作控制方法的再一应用示例图；

图7为本发明实施例提供的器件的工作控制系统的架构示例图；

图8为本发明实施例提供的器件的工作控制装置的结构框图；

图9为本发明实施例提供的器件的工作控制装置的另一结构框图；

图10为本发明实施例提供的器件的工作控制装置的再一结构框图；

图11为本发明实施例提供的器件的工作控制装置的又一结构框图；

图12为本发明实施例提供的控制设备的硬件结构框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

本发明实施例提供的器件的工作控制方法，可基于人工智能针对各用户进行体感舒适数值的预测，以所预测的体感舒适数值来控制目标器件的工作，使得目标器件的目标工作值与所预测的体感舒适数值相应；本发明实施例所指的目标器件可以是水龙头(一般与热水器相连)、空调、加湿器等任一种。

例如，本发明实施例可在用户用水时，基于人工智能针对各用户进行舒适水温的预测，从而控制水龙头出水温度与所预测的舒适水温相应；可在用户使用空调时，基于人工智能针对各用户进行空调制热温度的预测，使得空调的目标制热温度与所预测的舒适温度相应，控制环境温度达到目标制热温度；可以理解的是，水龙头，空调、加湿器等任一器件的工作控制方式，与本发明实施例提供的器件的工作控制方法的原理是一致的。

在本发明实施例中，针对各用户，可预先训练出各用户使用目标器件相应的舒适数据预测模型，从而在某一用户使用目标器件时，可调用该用户相应的舒适数据预测模型，进行该用户相应的当前舒适数据的预测，当前舒适数据包括所预测的用户当前的体感舒适数值；以根据所述当前舒适数据控制目标器件，使得目标器件的目标工作值与所预测的当前舒适数据相应，即目标器件的目标工作值与用户当前的体感舒适数值相应；

例如，针对用户用水的情况，可预先训练出各用户相应的舒适水温预测模型，在某一用户用水时，调用该用户相应的舒适水温预测模型，进行该用户相应的舒适水温的预测，从而控制水龙头的出水温度与所预测的舒适水温相应；又如，针对用户使用空调暖风的情况，可预先训练出各用户相应的舒适温度预测模型，在某一用户使用空调暖风时，调用该用户相应的舒适温度预测模型，进行该用户相应的舒适温度的预测，从而控制空调的目标制热温度与所预测的舒适温度相应。

为便于描述，下面以使用目标器件的某一用户称为目标用户，进行本发明实施例提供的器件的工作控制方法的说明。

可选的，本发明实施例可预先针对目标用户，进行使用目标器件相应的舒适数据预测模型的训练；作为一种可选实现，图1示出了舒适数据预测模型的训练方法流程，图1所示训练方法可针对目标用户进行相应的舒适数据预测模型的训练，各用户相应的舒适数据预测模型的训练可依此参照；本发明实施例提供的舒适数据预测模型的训练方法可由控制设备；控制设备可以是服务器侧实现，也可由用户侧实现(如可由家居网关、智能音箱等执行)，参照图1，本发明实施例提供的舒适数据预测模型的训练流程可以包括：

步骤S100、获取目标用户每次使用目标器件相应的目标工作值，及相应的特征数据。

在目标器件每一次被使用时，本发明实施例可识别使用目标器件的用户身份，并在识别使用目标器件的用户身份表示目标用户时，获取目标用户每次使用目标器件相应的目标工作值，及相应的特征数据。

可选的，用户身份的识别方式可通过装载在目标器件(如目标器件的使用按钮、使用遥控器等)的指纹采集器实现，通过采集使用目标器件的用户指纹，将采集的用户指纹与目标用户的指纹进行匹配，来识别使用目标器件的用户身份；当然，身份识别方式还可通过用户佩戴的智能手环等预先绑定了用户身份的智能穿戴式设备实现，目标器件可以通过蓝牙等无线通信方式与该智能穿戴式设备连接，获知用户身份；当然，用户的智能手机等移动设备上可安装有特定的app(应用程序)，并可与目标器件进行蓝牙或NFC等方式的无线通信，从而得知用户身份；当然，还可设置图像采集设备，通过人脸识别等方式获知用户身份。

可选的，在目标用户每次使用目标器件时，本发明实施例可记录目标用户使用目标器件的目标工作值；同时，收集目标用户每次使用目标器件相应的特征数据；即在目标用户某一次使用目标器件时，本发明实施例可记录收集目标用户该次使用目标器件的目标工作值，及相应的该次使用目标器件的特征数据，从而以此形成目标用户每次使用目标器件相应的目标工作值，及相应的特征数据。

需要说明的是，目标用户一次使用目标器件的目标工作值是指，目标用户一次使用目标器件时，目标器件所相应的目标工作值；如目标用户一次使用目标器件后，目标器件的工作值在该次使用时不被调整时所相应的工作值；例如目标用户在一次用水时，如果出水温度正好适宜，目标用户未对其进行温度调节，则认为出水温度是该次用水时的目标工作值，而如果用户对出水温度进行了调节(如使用冷热水调节阀进行了水温调节)，则认为调节后不再调整时的温度是该次用水时的目标工作值；一般可认为，在一次使用目标器件时，目标器件的工作值不被调整的时间超过预定时间时的工作值，认为是一次使用目标器件相应的目标工作值。

在记录得到目标用户一次使用目标器件相应的目标工作值时，还需记录该次相应的特征数据；可选的，一次使用目标器件相应的特征数据可以包括如下至少一种：使用目标器件时的地理位置，室内环境数据，室外环境数据等；可选的，特征数据所包含的内容越多，则最终训练得出的舒适数据预测模型的准确性越高，但本发明实施例也可支持上述至少一种内容作为特征数据的情况。

可选的，室内环境数据所包含的内容可以根据目标器件所影响的用户体感类型而定；例如目标器件为水龙头，其出水温度将对用户的体感温度产生影响，则室内环境数据可以包括室内温度；如果目标器件为加湿器，加湿器的目标湿度，将对用户的体感湿度产生影响，则室内环境数据可以包括室内湿度；当然如果目标器件的工作可对用户的体感温度和湿度产生影响，则室内环境数据可以包括室内温度和湿度。同理，室外环境数据所包含的内容可同理参照。

可以理解是的，使用目标器件时的地理位置可通过基于wifi(无线保真)、DGPS(差分全球定位系统)等的地理位置探测器，或基于无线网络通信的地理位置的方式确定；使用目标器件时的室内环境数据可通过室温传感器、室内湿度感应器等设置于室内的感应器确定；使用目标器件时的室外温度可通过室外温度采集器等设置于室外的感应器确定，也可通过服务器发送的室外环境数据确定；

显然，一次使用目标器件相应的特征数据除包含上述描述的至少一种内容外，还可以包含使用目标器件时的时间、目标用户最近在社交网络发布的心情状态(如使用目标器件前的一定时间内，目标用户最近在社交网络发布的心情状态)等至少一种。

步骤S110、至少以目标用户一次使用目标器件相应的特征数据，作为一次训练输入，得到每次的训练输入及相应的目标器件的目标工作值。

可选的，训练输入可以认为是训练舒适数据预测模型所使用的输入数据，本发明实施例可至少以目标用户一次使用目标器件相应的特征数据，作为一次训练输入，即一次训练输入至少包括目标用户一次使用目标器件相应的特征数据；可选的，本发明实施例还可在一次训练输入中加入目标用户的历史设定的目标工作值(如目标用户历史设定的温度值、湿度值等)，目标用户偏好的目标器件的工作值(如目标用户偏好的温度值、湿度值等)等，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值等，从而结合社交网络进一步精准判断目标用户所偏好的目标器件的工作值。

可选的，目标用户的历史设定的目标工作值可由目标用户事先设定；目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值等可由网络通信获取，而目标用户的好友可以认为是目标用户在社交网络上的好友，可通过目标用户的社交网络确定。

需要说明的是，训练输入的内容越多则最终训练得出的舒适数据预测模型的准确性越高；但本发明实施例也支持特征数据作为训练输入的情况。

在确定了每次的训练输入后，可将每次的训练输入与目标用户每次使用目标器件相应的目标工作值相关联，从而得到每次的训练输入及相应的目标器件的目标工作值。

步骤S120、将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的舒适数据趋于，相应的目标器件的目标工作值为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件，得到目标用户相应的舒适数据预测模型。

可选的，本发明实施例基于人工智能方式所训练的舒适数据预测模型，可是以机器学习模型为基础；机器学习模型可选用逻辑回归模型、SVM(支持向量机)模型、决策树、GBDT(梯度提升树)模型、深度神经网络模型等。

在确定每次的训练输入，并将每次的训练输入关联上相应的目标器件的目标工作值后，本发明实施例可在一次训练时，输入一次训练输入；以基于该次训练输入预测的舒适数据趋于，该次训练输入相应的目标器件的目标工作值为目标(即以最小化基于该次训练输入预测的舒适数据，与该次训练输入相应的目标器件的目标工作值的差值为目标)，进行一次机器学习模型的参数更新；从而以此将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的舒适数据趋于，相应的目标器件的目标工作值为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件(迭代次数达到最大，或，预测的舒适数据与相应的目标器件的目标工作值的差值不再变化)，训练得到目标用户相应的舒适数据预测模型。

可选的，图1所示的训练过程可以由服务器侧执行，服务器可基于采集的数据和机器学习算法，针对各用户使用目标器件的情况进行舒适数据预测模型的训练，并在机器学习算法更新时，进行训练的调整。

基于图1所示训练方法，以目标器件为水龙头为例，目标用户相应的舒适水温预测模型的训练示例可如图2所示，目标用户相应的舒适水温预测模型可以是目标器件为水龙头时，目标用户相对应的舒适数据预测模型的一种表现形式；图2所示的训练逻辑和原理与图1所示流程相一致，但图2所示场景仅为示例说明，不应对本发明产生保护范围的局限。

如图2所示，当目标用户打开水龙头时，水龙头的开关上设置的指纹采集器将采集目标用户的指纹并传输至所连接的控制设备，控制设备可通过采集的指纹识别出目标用户，并收集目标用户此次用水时的地理位置(如控制设备可基于wifi、DGPS等技术实现地理位置的采集)，室内温度(如控制设备可采集室温传感器采集的室内温度)，室外温度(如控制设备可采集室外温度采集器采集的室外温度)等特征数据，以及此次用水时的使用温度(可能是目标用户调节冷热水调节阀后的温度，也可能是水龙头的出水温度；此次用水时的使用温度可以认为是，此次目标器件相应的目标工作值)；

控制设备以上述方式收集目标用户每次用水的使用温度，及相应的特征数据，并传输至服务器；

服务器调取目标用户本地设置的历史温度设定值，温度偏好值等，以及目标用户的好友的地理位置，历史温度设定值，温度偏好值等，结合目标用户每次用水相应的特征数据，形成每次的训练输入；将每次的训练输入与目标用户每次用水的使用温度相关联；

服务器在一次训练时，将一次的训练输入作为机器学习模型的输入，并以机器学习模型基于一次的训练输入所预测的水温趋于，目标用户该次用水的使用温度为目标，进行一次机器学习模型的更新；从而将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的水温趋于，相应的目标用户用水的使用温度为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件，训练得到目标用户相应的舒适水温预测模型。

图2所示是基于目标器件为水龙头所进行的目标用户相应的舒适数据预测模型的训练，显然，也可在目标器件为饮水机、目标器件为热水器、目标器件为空调、目标器件为加湿器等情况下适用，训练原理与上述描述一致。

图2所示训练示例是在服务器侧执行的，而本发明实施例提供的器件的工作控制方法可同样由服务器侧执行实现，也可是用户侧从服务器侧下载适于目标用户的舒适数据预测模型后，由用户侧实现器件的工作控制方法；当然，本发明实施例也可由用户侧实现舒适数据预测模型的训练，但基于数据的保密，同一用户的舒适数据预测模型在不同带温对象的使用装置间的同步等考虑，优选在服务器侧实现舒适数据预测模型的训练。

基于所训练得到的目标用户相应的舒适数据预测模型，本发明实施例可在目标用户每次使用目标器件时，进行相应的舒适数据的预测，从而减少用户手动调节目标器件的工作值的次数，实现智能化、准确的器件的工作控制。

可选的，图3示出本发明实施例提供的器件的工作控制方法的流程图，图3所示方法可应用于控制设备，控制设备可以选用服务器侧，也可应用于用户侧实现，参照图3，本发明实施例提供的器件的工作控制方法可以包括：

步骤S200、获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态。

可选的，在目标器件被使用时，本发明实施例可识别当前使用目标器件的用户的身份；可选的，可通过装载在目标器件上的指纹采集器，采集当前使用目标器件的用户的指纹信息，然后交由控制设备完成身份识别；当然，也可是服务器侧基于指纹采集器采集的指纹信息，完成身份识别；可选的，本发明实施例还可使用其他的身份识别方式，示例说明可如图1步骤S100的介绍部分所示，此处不再赘述。

在识别当前使用目标器件的用户的身份表示目标用户时，本发明实施例可获取目标用户当前使用目标器件相应的当前特征数据(即目标用户相应的当前特征数据)；当前特征数据可以包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，目标用户最近在社交网络发布的心情状态等。

可选的，室内环境数据和室外环境数据所包含的内容可以根据目标器件所影响的用户体感类型而定。

可选的，一般而言，训练舒适数据预测模型时所使用的特征数据的内容应多于，舒适数据预测时所使用的特征数据的内容；优选的，训练舒适数据预测模型时所使用的特征数据的内容，与舒适数据预测时所使用的特征数据的内容相一致；当然，在舒适数据预测模型支持缺失信息预测的情况下，舒适数据预测时所使用的特征数据的内容，可相比于训练舒适数据预测模型时所使用的特征数据的内容存在缺失。

可选的，目标用户相应的当前特征数据的获取方式，可与图1所示的舒适数据预测模型训练时，特征数据的获取方式相参照。

步骤S210、至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型基于所述目标用户使用目标器件时的历史特征数据训练得到。

在获取目标用户相应的当前特征数据后，可至少将所述当前特征数据输入所述目标用户相对应的舒适数据预测模型，从而获取到与所述目标用户相应的当前舒适数据。

可选的，本发明实施例可至少根据所述当前特征数据确定预测所用的当前预测输入；示例的，本发明实施例还可在当前预测输入中加入目标用户的历史设定的目标工作值(如目标用户历史设定的温度值、湿度值等)，目标用户偏好的目标器件的工作值(如目标用户偏好的温度值、湿度值等)等，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值等；

即可将所述当前特征数据，目标用户的历史设定的目标工作值，目标用户偏好的目标器件的工作值，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值等输入所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据。

其中，所述舒适数据预测模型基于所述目标用户使用目标器件时的历史特征数据训练得到；具体的，舒适数据预测模型可是以每次预测的舒适数据趋于，目标用户每次使用目标器件相应的目标工作值为目标而训练得到；从而使得所述舒适数据预测模型每次预测的舒适数据，可趋于目标用户每次使用目标器件相应的目标工作值。

步骤S220、根据所述当前舒适数据控制所述目标器件。

可选的，本发明实施例可在确定所述目标用户相应的当前舒适数据后，向目标器件输出包含所述当前舒适数据的控制指令，从而根据所述当前舒适数据控制所述目标器件，使得目标器件调整目标工作值与所述当前舒适数据相应，实现目标器件的工作控制。

可选的，在本发明实施例中，目标用户除指代具体的个人外，还可以是某一家庭等；即目标用户可以是具体的个人用户，也可以是包括至少一个用户的家庭用户、单位用户等。

本发明实施例提供的器件的工作控制方法包括：获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型基于所述目标用户使用目标器件时的历史特征数据训练得到；根据所述当前舒适数据控制所述目标器件。

本发明实施例提供的器件的工作控制方法，通过以每次预测的舒适数据趋于，目标用户每次使用目标器件相应的目标工作值为目标，预先训练出目标用户相应的舒适数据预测模型；从而在目标用户当前使用目标器件时，可获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据；进而根据所述当前舒适数据控制所述目标器件，使得目标器件以所述当前舒适数据为目标工作值进行工作，实现了目标器件智能化、准确的工作控制。

需要说明的是，基于图3所示方法所预测的当前舒适数据是趋于目标器件当前相应的目标工作值，但仍可能存在预测出当前舒适数据后，用户再行手动调节目标器件的工作值的情况，因此此时所获取的调节后的工作值和预测的当前舒适数据可再进一步作为模型参数更新的依据，来进一步训练和优化目标用户相应的舒适数据预测模型；

例如在用水场景下，基于目标用户相应的舒适数据预测模型所预测的舒适水温，与目标用户的实际使用水温可能存在差异，那么用户就会通过手动调节水阀来调节实际水温达到想要的使用温度；此时，可将用户最终用水的使用温度与所预测的舒适温度，发送给服务器来作为修正信息，以最终的用水温度与所预测的舒适温度的差值，来进一步更新模型参数。

需要进一步说明的是，本发明实施例还可与移动端app相结合，实现信息查看和设置调整；例如，目标用户的手机等智能设备上可以安装特制的移动端app，用于查看目标用户的历史设定的目标工作值，目标用户偏好的目标器件的工作值等信息，并且也可以手动设置和调整这些信息，用以辅助和补足训练输入和预测输入。

进一步，下载安装app通常需要较多的流量和移动端存储空间；作为替换，本发明实施例可通过小程序、公众号、服务号、绑定设备、开通功能和服务等形式，轻量级地实现上述的信息查看和设置调整功能，或者向用户主动推送相关信息。

作为一种补充方式，如果本发明实施例在进行舒适温度预测时，无法收集到目标用户相应的当前特征数据(无论是因为设备故障还是因为数据缺失)，则本发明实施例可获取最近的设定时间段内(可取几个小时以内或一天内)目标器件的平均工作值，将所述平均工作值作为所预测的舒适数据；

而本发明实施例在进行舒适数据预测时，如果收集到的目标用户相应的当前特征数据存在信息缺失，则可在离线训练的过程中，人为地构造缺失数据集合(包括恒定缺失与随机缺失)，针对目标用户训练多个舒适数据预测模型，每个舒适温度预测模可以对应目标用户某种固定模式的信息缺失情况(例如，缺失室内环境数据和/或室外环境数据情况下的舒适数据预测模型等)。当收集到的目标用户相应的当前特征数据，出现某种模式的信息缺失时，可对应地调用该信息缺失模式下的目标用户相对应的舒适数据预测模型，得到所预测的当前舒适数据。当然，如果所使用的机器学习模型可以在一定程度上自动容忍信息缺失的情况，则也可针对目标用户训练容忍信息缺失的舒适数据预测模型，来实现当前舒适数据的预测；

相应的，若获取的目标用户相应的当前特征数据存在信息缺失，则在调用预训练的目标用户相应的舒适数据预测模型时，可调用在所缺失的信息相应的信息缺失模式下，预训练的目标用户相应的舒适数据预测模型，其中，一种信息缺失模式对应一预训练的目标用户相应的舒适数据预测模型。

基于本发明实施例提供的器件的工作控制方法，下面以目标器件为水龙头，对水龙头的出水温度进行控制为例，对本发明实施例提供的器件的工作控制方法的应用示例进行介绍，图4示出了用水场景下，舒适水温控制方法的应用示例说明；图4所示说明内容的原理可与图3所示流程相一致，但图4所示场景仅为示例说明，不应对本发明产生保护范围的局限；

如图4所示，当目标用户旋转水龙头开关时，水龙头的开关上设置的指纹采集器将采集目标用户的指纹并传输至所连接的控制设备，控制设备可通过采集的指纹识别出目标用户，并收集目标用户此次用水时的地理位置，室内温度，室外温度等当前特征数据；

控制设备调取目标用户本地设置的历史温度设定值，温度偏好值等(这些数据可存储在本地数据库)，以及，获取到目标用户的好友的地理位置，历史温度设定值，温度偏好值等，结合目标用户此次用水时的当前特征数据，形成当前预测输入；

控制设备调用从服务器侧预下载的目标用户的舒适水温预测模型，将当前预测输入作为舒适水温预测模型的输入，由舒适水温预测模型预测出目标用户的当前舒适水温，从而实现目标用户的当前舒适水温的预测；

控制设备控制目标器件的出水温度与所预测的当前舒适水温相应；可选的，控制设备可以是控制目标器件的水温加热控制器将水龙头的出水温度控制到所预测的当前舒适水温。

可选的，水龙头一般设置有冷热水调节阀，其是通过调节冷热水流量来控制混合后的出水温度；本发明实施例可设置冷水管道水温探测器(探测冷水管道水温)、热水管道水温探测器(探测热水管道水温)、出水口水温探测器(探测出水口水温)、热水阀门开口控制器和冷水阀门开口控制器等部件；控制设备预测出目标用户的当前舒适水温后，可将所预测的当前舒适水温发送给水口头的水温加热控制器(如PID控制器)，由PID(比例-积分-微分)控制器采用经典的PID控制方法(不限于此方式)，根据水龙头的冷水管道水温，热水管道水温，热水阀门开口和冷水阀门开口，控制出水口水温维持在所预测的当前舒适水温。

需要说明的是，水龙头所连接的管道内的水温的调节可能存在一段延时时间，无法一打开就是所预测的当前舒适水温，基于此，本发明实施例还可考虑在出水口位置加一个水温加热装置，直接由控制设备控制该水龙头的水温加热控制器，根据所预测的当前舒适水温，控制出水温度。

进一步，图5示出了应用示例的补充内容，在预测出目标用户的当前舒适水温，并控制水龙头的出水温度达到预测的当前舒适水温后，如果目标用户手动调节了水龙头，对出水温度进行了调节，则可认为所预测的当前舒适水温与目标用户实际需要的用水温度还存在一些差距，因此控制设备还可记录目标用户手动调节后的用水温度，并通过无线网络通信模型发送至服务器，以便由服务器进一步对目标用户的舒适水温预测模型的参数进行更新。

显然，图4所示的目标器件为水龙头的场景，仅是本发明实施例提供的器件的工作控制方法的一种示例，本发明实施例也可在饮水机的出水场景(目标器件为饮水机)、热水器的出水场景(目标器件为热水器)、空调暖风(目标器件为空调)的出风场景、加湿器的空气加湿(目标器件为加湿器)等情况下适用，原理与上述描述一致。

可选的，如图6所示的再一应用示例，在本发明实施例中，目标用户相应的舒适数据预测模型的训练可由服务器执行，当前舒适数据的预测可由用户侧执行；用户侧通过向服务器上传目标用户每次使用目标器件时的数据，以由服务器侧实现目标用户相应的舒适数据预测模型的训练，用户侧可下载训练后的目标用户相应的舒适数据预测模型，以在用户侧实现舒适温度预测；

同时，目标用户相应的舒适数据预测模型可在目标用户使用同一类型的目标器件时进行同步；比如训练后的目标用户相应的舒适数据预测模型，可同步到不同场所的控制设备中，如图6所示，可在目标用户的家中的水龙头相应的控制设备中，进行目标用户相应的舒适数据预测模型的设置，也可在目标用户的公司的水龙头相应的控制设备中，进行目标用户相应的舒适数据预测模型的设置，以使得目标用户任何时候到任何地方，打开水龙头后出水温度趋于目标用户想要的使用温度，而无需目标用户进行水温的手动调节。

可选的，作为一种可选实现，图7示出了应用本发明实施例提供的器件的工作控制方法的一种可选系统的架构示例，如图7所示，该系统可以包括：目标器件01(如水龙头、空调、车载暖气等)，用户身份感应器02(如设置于目标器件表面的指纹采集器)，控制设备03，服务器04；其中，目标器件，用户身份感应器，控制设备位于用户侧；

其中，服务器可基于控制设备采集的目标用户每次使用目标器件的数据，预先训练出目标用户相应的舒适数据预测模型；控制设备可预先从服务器下载目标用户相应的舒适数据预测模型；

身份感应器可用于，在目标器件被使用时，采集当前使用目标器件的用户身份信息，并传输至控制设备；

控制设备可用于，根据所述用户身份信息识别当前使用目标器件的用户的身份；若所识别的身份表示目标用户，获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据；根据所述当前舒适数据控制所述目标器件；

所述目标器件可用于，根据所述控制设备的控制，将目标工作值调整为与所述当前舒适数据相应。

示例的，以用水场景为例，目标器件的温度加热控制器可采用PID控制方法，根据冷水管道水温，热水管道水温，热水阀门开口和冷水阀门开口，控制出水口水温维持在所预测的舒适温度；或者，可控制出水口位置设置的水温加热装置，将出水温度控制在所预测的舒适温度。

进一步，控制设备还可用于，在目标用户调节目标器件的工作值后，记录调节后的工作值与所预测的当前舒适数据；并将调节后的工作值与所预测的当前舒适数据发送给服务器，由服务器根据调节后的工作值与所预测的当前舒适数据的差值，更新目标用户相应的舒适数据预测模型的参数。

进一步，根据当前特征数据的内容，系统中还可在用户侧设置地理位置探测器、室外温度采集器、室温传感器等部件。

基于本发明实施例提供的器件的工作控制方法，可控制目标器件的目标工作值与所预测的当前舒适数据相应，减少用户手动调节目标器件的工作值的次数(如减少用户手动调节热水供应端和热水使用端的按钮、阀门等次数)，实现目标器件的智能化的工作控制；进一步，基于训练得到的目标用户相应的舒适数据预测模型，无论是通过用户侧还是服务器侧进行当前舒适数据的预测，均可使得目标用户在任何时候、任何地方使用目标器件时，减少用户手动调节目标器件的工作值的次数。同时，若将本发明实施例提供的器件的工作控制方法应用在饮水机场景下，则可实现用户饮水时的入口水温能够智能调节到用户想要的舒适饮水温度，极大方便用户生活。

下面对本发明实施例提供的器件的工作控制装置进行介绍，下文描述的器件的工作控制装置可应用于控制设备，控制设备可以是用户侧设备(如家居网关、智能音箱等)，也可由服务器实现，具体可视实际情况而定。下文描述的器件的工作控制装置，可以认为是控制设备为实现本发明实施例提供的器件的工作控制方法，所需设置的程序模块。下文描述的器件的工作控制装置的内容，可与上文描述的器件的工作控制方法的内容相互对应参照。

图8为本发明实施例提供的器件的工作控制装置的结构框图，该器件的工作控制装置可应用于控制设备，控制设备可以是用户侧设备，也可能是服务器，具体可视实际情况而定；参照图8，本发明实施例提供的器件的工作控制装置可以包括：

当前特征数据获取模块100，用于获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

输入模块200，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

控制模块300，用于根据所述当前舒适数据控制所述目标器件。

可选的，所述目标用户相对应的舒适数据预测模型的训练过程包括：

获取目标用户每次使用目标器件相应的目标工作值，及相应的特征数据；

至少以目标用户一次使用目标器件相应的特征数据，作为一次训练输入，得到每次的训练输入及相应的目标工作值；

将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的舒适数据，与相应的目标工作值的差值最小化为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件，得到目标用户相对应的舒适数据预测模型。

可选的，上述目标用户相应的舒适数据预测模型的训练过程可由控制设备执行，无论是控制设备由用户侧实现，还是有服务器侧实现；当然，作为一种可选实现，控制设备可由用户侧实现，目标用户相应的舒适数据预测模型的训练过程可由服务器侧执行实现。

可选的，输入模块200，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，可以具体包括：

结合所述当前特征数据，目标用户的历史设定的目标工作值，用户偏好的目标器件的工作值，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值，确定当前预测输入；将所述当前预测输入作为所述目标用户相对应的舒适数据预测模型的输入。

可选的，图9示出了本发明实施例提供的器件的工作控制装置的另一结构框图，结合图8和图9所示，该器件的工作控制装置还可以包括：

指令输出模块400，用于向所述目标器件输出控制指令，以使所述目标器件的目标工作值与所述当前舒适数据相应。

可选的，进一步，图10示出了本发明实施例提供的器件的工作控制装置的再一结构框图，结合图9和图10所示，该器件的工作控制装置还可以包括：

记录模块500，用于在目标用户调节目标器件的工作值后，记录调节后的工作值与所述当前舒适数据，以根据所述调节后的工作值与所述当前舒适数据相应的差值，更新所述舒适数据预测模型的参数。

可选的，如果舒适数据预测模型的训练由控制设备执行，则上述根据所述调节后的工作值与所述当前舒适数据相应的差值，更新所述舒适数据预测模型的参数的过程，也可由控制设备执行实现；当然，作为一种可选实现，若控制设备由用户侧实现，舒适数据预测模型的训练由服务器侧执行，则上述根据所述调节后的工作值与所述当前舒适数据相应的差值，更新所述舒适数据预测模型的参数的过程，可由服务器侧执行实现。

可选的，图11示出了本发明实施例提供的器件的工作控制装置的又一结构框图，结合图8和图11所示，该器件的工作控制装置还可以包括：

平均工作值输出模块600，用于若无法收集到目标用户相应的当前特征数据，获取最近的设定时间段内所述目标器件的平均工作值，将所述平均工作值作为所预测的当前舒适数据。

可选的，若目标用户相应的当前特征数据存在信息缺失，则输入模块200，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，可具体包括：

调用在所缺失的信息相应的信息缺失模式下，预训练的目标用户相应的舒适数据预测模型；其中，一种信息缺失模式对应一预训练的目标用户相应的舒适数据预测模型；

至少将所述当前特征数据输入，所调用的舒适数据预测模型。

上述描述的器件的工作控制装置可应用于控制设备，控制设备可选用服务器实现，也可是用户侧设备实现；可选的，控制设备的一种可选硬件结构可如图12所示，包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；

其中，处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。

存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器；

存储器3存储有程序，处理器1可调用存储器3存储的程序，以实现上述描述的器件的工作控制方法的步骤；

可选的，所述程序可用于：

获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

根据所述当前舒适数据控制所述目标器件。

可选的，所述程序的细化功能和扩展功能，可参照上文相应部分的描述。

本发明实施例还提供一种存储介质，该存储介质存储有适于处理器执行的程序，以实现上述描述的器件的工作控制方法的步骤。

可选的，所述程序的功能可参照上文相应部分的描述。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (13)

1.一种器件的工作控制方法，其特征在于，包括：

获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

根据所述当前舒适数据控制所述目标器件；

若目标用户相应的当前特征数据存在信息缺失，则所述至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型包括：

调用在所缺失的信息相应的信息缺失模式下，预训练的目标用户相应的舒适数据预测模型；其中，一种信息缺失模式对应一预训练的目标用户相应的舒适数据预测模型；

至少将所述当前特征数据输入所调用的舒适数据预测模型。

2.根据权利要求1所述的器件的工作控制方法，其特征在于，所述目标用户相对应的舒适数据预测模型的训练过程包括：

获取目标用户每次使用目标器件相应的目标工作值，及相应的特征数据；

至少以目标用户一次使用目标器件相应的特征数据，作为一次训练输入，得到每次的训练输入及相应的目标工作值；

将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的舒适数据，与相应的目标工作值的差值最小化为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件，得到目标用户相对应的舒适数据预测模型。

3.根据权利要求1-2任一项所述的器件的工作控制方法，其特征在于，所述至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型包括：

结合所述当前特征数据，目标用户的历史设定的目标工作值，目标用户偏好的目标器件的工作值，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值，确定当前预测输入；将所述当前预测输入作为所述目标用户相对应的舒适数据预测模型的输入。

4.根据权利要求1所述的器件的工作控制方法，其特征在于，所述根据所述当前舒适数据控制所述目标器件包括：

向所述目标器件输出控制指令，以使所述目标器件的目标工作值与所述当前舒适数据相应。

5.根据权利要求1所述的器件的工作控制方法，其特征在于，还包括：

在目标用户调节目标器件的工作值后，记录调节后的工作值与所述当前舒适数据，以根据所述调节后的工作值与所述当前舒适数据相应的差值，更新所述舒适数据预测模型的参数。

6.根据权利要求1所述的器件的工作控制方法，其特征在于，还包括：

若无法收集到目标用户相应的当前特征数据，获取最近的设定时间段内所述目标器件的平均工作值，将所述平均工作值作为所预测的当前舒适数据。

7.一种器件的工作控制装置，其特征在于，包括：

当前特征数据获取模块，用于获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；

输入模块，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；

控制模块，用于根据所述当前舒适数据控制所述目标器件；

若目标用户相应的当前特征数据存在信息缺失，则所述输入模块，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，具体包括：

调用在所缺失的信息相应的信息缺失模式下，预训练的目标用户相应的舒适数据预测模型；其中，一种信息缺失模式对应一预训练的目标用户相应的舒适数据预测模型；

至少将所述当前特征数据输入所调用的舒适数据预测模型。

8.根据权利要求7所述的器件的工作控制装置，其特征在于，所述目标用户相对应的舒适数据预测模型的训练过程包括：

获取目标用户每次使用目标器件相应的目标工作值，及相应的特征数据；

至少以目标用户一次使用目标器件相应的特征数据，作为一次训练输入，得到每次的训练输入及相应的目标工作值；

将每次的训练输入依次的输入机器学习模型，以基于每次的训练输入预测的舒适数据，与相应的目标工作值的差值最小化为目标，迭代的更新机器学习模型的参数，直至达到迭代收敛条件，得到目标用户相对应的舒适数据预测模型。

9.根据权利要求8所述的器件的工作控制装置，其特征在于，所述输入模块，用于至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，具体包括：

结合所述当前特征数据，目标用户的历史设定的目标工作值，用户偏好的目标器件的工作值，以及目标用户的好友的地理位置、历史设定的目标工作值、偏好的目标器件的工作值，确定当前预测输入；将所述当前预测输入作为所述目标用户相对应的舒适数据预测模型的输入。

10.根据权利要求7所述的器件的工作控制装置，其特征在于，所述控制模块，用于根据所述当前舒适数据控制所述目标器件，具体包括：

指令输出模块，用于向所述目标器件输出控制指令，以使所述目标器件的目标工作值与所述当前舒适数据相应；

所述器件的工作控制装置还包括：

记录模块，用于在目标用户调节目标器件的工作值后，记录调节后的工作值与所述当前舒适数据，以根据所述调节后的工作值与所述当前舒适数据相应的差值，更新所述舒适数据预测模型的参数。

11.一种器件的工作控制系统，其特征在于，包括：目标器件，用户身份感应器，控制设备，及服务器；

其中，所述服务器用于，预先训练目标用户相应的舒适数据预测模型；

所述身份感应器，用于在目标器件被使用时，采集当前使用目标器件的用户身份信息，并传输至控制设备；

所述控制设备，用于从服务器预下载所述目标用户相应的舒适数据预测模型；根据所述用户身份信息识别当前使用目标器件的用户的身份；若所识别的身份表示目标用户，获取目标用户相应的当前特征数据，所述当前特征数据至少包括如下至少一种：当前地理位置，当前室内环境数据，当前室外环境数据，当前时间，以及目标用户最近在社交网络发布的心情状态；至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型，获取与所述目标用户相应的当前舒适数据，其中所述舒适数据预测模型至少基于所述目标用户使用目标器件时的历史特征数据训练得到；根据所述当前舒适数据控制所述目标器件；

所述目标器件，用于调整目标工作值与所述当前舒适数据相应；

若目标用户相应的当前特征数据存在信息缺失，则所述至少将所述当前特征数据输入训练得到的与所述目标用户相对应的舒适数据预测模型包括：

调用在所缺失的信息相应的信息缺失模式下，预训练的目标用户相应的舒适数据预测模型；其中，一种信息缺失模式对应一预训练的目标用户相应的舒适数据预测模型；

至少将所述当前特征数据输入所调用的舒适数据预测模型。

12.一种控制设备，其特征在于，包括：至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以实现权利要求1-6任一项所述的器件的工作控制方法的步骤。

13.一种存储介质，其特征在于，所述存储介质存储有适于处理器执行的程序，以实现权利要求1-6任一项所述的器件的工作控制方法的步骤。

Images