CN112106143A - 衣着热舒适度预测系统 - Google Patents
衣着热舒适度预测系统 Download PDFInfo
- Publication number
- CN112106143A CN112106143A CN201980031250.2A CN201980031250A CN112106143A CN 112106143 A CN112106143 A CN 112106143A CN 201980031250 A CN201980031250 A CN 201980031250A CN 112106143 A CN112106143 A CN 112106143A
- Authority
- CN
- China
- Prior art keywords
- article
- user
- sensor
- information
- processor
- 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.)
- Withdrawn
Links
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D1/00—Garments
- A41D1/002—Garments adapted to accommodate electronic equipment
-
- A—HUMAN NECESSITIES
- A41—WEARING APPAREL
- A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
- A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
- A41D13/002—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with controlled internal environment
- A41D13/005—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with controlled internal environment with controlled temperature
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Textile Engineering (AREA)
- Physical Education & Sports Medicine (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Environmental & Geological Engineering (AREA)
- Mathematical Analysis (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Pure & Applied Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种方法,该方法包括接收由嵌入在衣着制品中的传感器生成的传感器信息。方法包括至少部分地基于传感器信息来确定热舒适度得分,热舒适度得分指示衣着制品的用户在未来时间将感到舒适的概率。方法还包括基于热舒适度得分来确定衣着制品的用户在未来时间是否可能感到舒适。方法还包括响应于确定衣着制品的用户在未来时间不太可能感到舒适而执行操作。
Description
技术领域
本公开整体涉及衣着制品和与衣着制品的使用相关的计算系统。
背景技术
衣着制品通常被设计为使制品的用户在寒冷的温度下保持温暖或使用户在温暖的温度下保持凉爽。在许多情况下,用户可能无意中选择穿戴未针对天气或用户的活动设计的衣着制品。此外,用户可能未认识到他或她太热或太冷,直到他或她的核心温度不再在安全和/或舒适的温度范围内。
发明内容
本公开描述了用于预测穿戴衣着制品的人的热舒适度的技术。例如,描述了衣着制品的各种具体实施,其包括与计算装置(例如,移动电话、服务器系统等)通信的一个或多个传感器。计算装置被配置为确定特定衣着制品的用户(例如,穿戴衣着制品的个体)在未来时间可能处于舒适温度还是不舒适温度。计算装置可至少部分地基于由传感器生成的信息来确定用户在未来时间是否可能感到舒适。例如,传感器可监测用户的生理特性(例如,心率、汗液、体温等)或环境特性(例如,空气温度、湿度等)。作为另一个示例,计算装置可基于用户信息来确定用户是否可能感到舒适。例如,计算装置可(例如,经由用户输入)接收指示用户在过去的某个时间是否感到舒适的历史用户舒适度信息以及对应的历史传感器信息,并且可基于当前传感器信息、历史传感器信息和对应的历史舒适度信息来确定用户在未来是否可能感到舒适。在一些示例中,计算装置基于关于由用户穿戴的制品的信息(例如,制品的材料类型、制品的年限等)来确定用户是否可能感到舒适。通过预测用户在未来的某个时间穿戴制品时是否可能感到舒适,计算装置可减小用户的核心体温达到不舒适或不安全水平的可能性,这可改善穿戴衣着制品的用户的健康和/或安全性。在一些示例中,计算装置可以基于与该用户相关联的历史用户信息来预测用户是否可能感到舒适,这可使得计算装置能够基于单独用户的容忍度和健康来定制预测,从而可为单独用户提供更准确的预测。
在一个示例中,方法包括由至少一个处理器接收由嵌入在衣着制品中的传感器生成的传感器信息。方法还包括由至少一个处理器至少部分地基于传感器信息来确定热舒适度得分,该热舒适度得分指示穿戴衣着制品的个体在未来时间将感到舒适的概率。方法还包括由至少一个处理器基于热舒适度得分来确定衣着制品的用户在未来时间是否可能感到舒适。方法包括响应于确定衣着制品的用户在未来时间不太可能感到舒适而执行操作。
在另一个示例中,一种系统包括:衣着制品,该衣着制品包括传感器;至少一个处理器;以及存储器。存储器包括指令,该指令在由至少一个处理器执行时使得至少一个处理器:接收由传感器生成的传感器信息;以及至少部分地基于传感器信息来确定热舒适度得分,该热舒适度得分指示衣着制品的用户在未来时间将感到舒适的概率。指令的执行还使得至少一个处理器基于热舒适度得分来确定衣着制品的用户在未来时间是否可能感到舒适;以及响应于确定衣着制品的用户在未来时间不太可能感到舒适而执行操作。
附图和以下描述中示出了本公开的一个或多个示例的细节。根据说明书和附图以及权利要求书,本公开的其他特征、目标和优点将显而易见。
附图说明
图1是示出根据本公开的各种技术的示例性系统的框图,该示例性系统被配置为预测衣着制品的用户在未来时间是否将感到舒适。
图2是示出根据本公开的各种技术的示例性计算装置的框图,该示例性计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。
图3是示出根据本公开的各种技术的示例性计算装置的框图,该示例性计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。
图4是示出根据本公开的各种技术的示例性计算装置的框图,该示例性计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。
图5是示出根据本公开的各种技术的由一个或多个计算装置执行的示例性操作的流程图,该计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。
具体实施方式
图1是示出根据本公开的一个或多个方面的示例性系统的框图,该示例性系统被配置为预测衣着制品的用户在未来时间是否将感到舒适。图1的系统100包括制品102,该制品包括制品计算装置110。在该示例中,系统100还包括热性能预测平台(TPPP)112、用户计算装置114和远程计算装置116。
用户计算装置114和远程计算装置116是计算装置的示例,诸如智能电话、计算机化可穿戴装置(例如,手表、眼镜、戒指、项链等)、膝上型电脑、台式电脑或任何其他类型的计算装置。在一些示例中,用户计算装置114和远程计算装置116被配置为经由网络(诸如网络104)发送和接收信息(也称为数据)。
网络104表示任何公共或私人通信网络,例如,蜂窝、LAN、网状网络和/或用于在计算系统、服务器和计算装置之间传输信息的其他类型的网络。网络104可向计算装置(诸如制品102的制品计算装置110、TPPP 112和计算装置114、116)提供对互联网的访问,并且可允许计算装置彼此通信。制品计算装置110、TPPP 112和计算装置114、116可各自使用相应的网络链路诸如链路105A-105D(统称为“网络链路105”)来可操作地耦接到网络104。网络链路105可以是任何类型的网络连接,诸如有线或无线连接。
在一些示例中,系统100的一个或多个计算装置可在信息不穿过网络104的情况下与另一个计算装置交换信息。例如,制品计算装置110可使用直接链路106A来与用户计算装置114进行通信。类似地,用户计算装置114可经由直接链路106B与远程计算装置116通信。直接链路106A、106B可以是使得两个计算装置能够直接通信(即,不需要网络交换机、集线器、或其他中间网络装置)的任何通信协议或机制,诸如Wi-Fi近场通信等。
制品102可包括可由人或动物穿戴的任何类型的衣着,诸如夹克、衬衫、长裤或裤子、手套、帽子、鞋子等。制品102包括一个或多个传感器,诸如传感器108A-108C(统称为传感器108)。传感器108可包括一个或多个移动传感器(例如,加速度计、陀螺仪等)、温度传感器(例如,热敏电阻器)、光传感器(例如,环境光传感器)、湿度传感器(例如,湿度计)、位置传感器(例如,GPS)、压力传感器(例如,气压、触摸传感器)、心率传感器或任何其他类型的传感器。传感器108可生成指示所感测的用户生理特性(例如,心率、呼吸速率、体温、汗液的存在或量、运动等)和/或环境特性(例如,空气温度、湿度、位置等)的传感器信息并且可输出传感器信息。传感器108可位于制品102的各种位置处。例如,在图1的示例中,制品102被示出为长袖衣服(例如,夹克、毛衣、运动衫等),并且传感器108可位于手腕、躯干和领口附近。在其他示例中,传感器102可位于制品的覆盖用户的腹、手、腿、踝、脚等的区域处。在一些示例中,传感器108可位于制品102的内表面、制品102的外表面(例如,前表面或后表面)、制品102的内部部分(例如,在内表面和外表面之间)或其中的任何组合上。
制品102可包括一个或多个温度控制装置109。在一些示例中,温度控制装置109包括用于直接影响制品102的内部上的温度的主动温度控制装置(例如,加热元件或冷却元件)。作为另一个示例,温度控制装置109可包括间接影响制品102的内部上的温度的被动温度控制装置,诸如孔控制装置111。孔控制装置包括拉锁、拉带(例如,围绕罩、腕部、腰部等的拉带)或用于控制进出制品102的气流的其他装置。
在一些示例中,制品计算装置110和用户计算装置114各自包括相应的舒适度预测模块120A、120B(统称为“舒适度预测模块120”)。尽管未示出,但TPPP 112和/或远程计算装置116可包括与计算装置110、114类似的部件或模块。模块120可使用驻留在计算装置110、114中和/或在计算装置处执行的硬件、硬件和固件、硬件和软件、或硬件、软件和固件的混合物来执行所述的操作。计算装置110、114可通过一个或多个处理器或多个装置来执行模块120。计算装置110、114可作为在底层硬件上执行的虚拟机来执行模块120。模块120可作为操作系统或计算平台的一个或多个服务来执行。模块120可作为一个或多个可执行程序在计算平台的应用层处来执行。
舒适度预测模块120可确定用户在未来穿戴制品102时可能感到舒适还是不舒适。在一些示例中,舒适度预测模块120确定用户在穿戴制品102时,在特定未来时间(例如,距当前时间2小时、下午3点等)是否可能感到舒适。作为另一个示例,舒适度预测模块120确定用户在穿戴制品102时不太可能感到舒适的未来时间。例如,舒适度预测模块120可以确定用户在穿戴制品102时,可能在未来时间(例如,在当前时间的约30分钟内)从感到舒适转变为感到不舒适。舒适度预测模块120通过确定热舒适度得分并将热舒适度得分与阈值舒适度得分进行比较来确定制品102的用户(例如,穿戴制品102的个体)在穿戴制品102时,在未来时间是否可能感到舒适。
在一些示例中,舒适度预测模块120确定热舒适度得分,该热舒适度得分指示制品102的用户在未来时间将感到舒适(例如,用户不是太热或太冷)的概率。舒适度预测模块120可以基于穿戴制品102的用户的用户生理特性(例如,心率、呼吸速率、体温等)、环境特性(例如,空气温度、湿度、环境光等)、由用户穿戴的制品的属性(例如,制品的材料类型、制品的年限等)、用户信息(例如,历史舒适度信息、用户活动信息等)或其中的任何组合来确定热舒适度得分。
例如,舒适度预测模块120可以至少部分地基于从安装在穿戴制品102内的一个或多个传感器108接收的传感器信息来确定热舒适度得分。在一些示例中,传感器108生成指示用户的生理特性和/或环境特性的传感器信息。例如,传感器108A可包括温度传感器,该温度传感器检测用户的体温、制品102外部的温度(例如,环境空气温度)、制品102内部的温度(例如,穿戴者的身体和制品102的内表面之间的空气温度)或其中的组合。舒适度预测模块120A可以从传感器108A接收温度信息,并且可以基于所接收的温度信息来确定热舒适度得分。例如,舒适度预测模块120A可以在温度为第一温度时分配相对较高的热舒适度得分(例如,100分中的90分,这可指示制品102的用户可能感到舒适),并且可以在温度增加时(例如,这可指示用户可能不舒适地变热)或在温度减少时(例如,这可指示用户可能不舒适地变冷)分配不同(例如,较低)的热舒适度得分。
在一些示例中,制品计算装置110可将由传感器108中的一个或多个传感器生成的传感器信息发送到另一个计算装置(诸如用户计算装置114)以用于处理。用户计算装置114可例如接收传感器信息并且可确定热舒适度得分。例如,用户计算装置114的舒适度预测模块120B以与针对制品计算装置110的舒适度预测模块120A所述的方式类似的方式确定热舒适度得分。
在一些示例中,舒适度预测模块120基于设置在制品102的内(也称为内部)表面上的一个或多个传感器、设置在制品102的外(也称为外部)表面上的一个或多个传感器、设置在制品102的内表面和外表面之间的一个或多个传感器或其中的组合来确定或分配热舒适度得分。例如,舒适度预测模块120可从设置在制品102的外表面上的环境光传感器接收环境光信息,并且从设置在制品102的内表面和外表面之间的热通量传感器接收热通量信息。例如,当环境光传感器检测到更多的光时(例如,当处于暴露的阳光中时),制品102的用户可能感觉更舒适,使得当来自环境光传感器的环境光信息指示更高水平的光时,舒适度预测模块120可以分配更高的热舒适度得分。在一些情况下,当热通量传感器检测到在制品102的内表面和外表面之间传递的相对少量的热量(例如,这可指示制品102的用户没有损失或获得热量)时,制品102的用户可感觉更舒适。例如,舒适度预测模块120可以在来自热通量传感器的热通量信息指示通过制品102的相对少量的热耗散时分配第一热舒适度得分,并且在热通量信息指示不同(例如,更高)量的热耗散时分配第二(例如,更低)热舒适度得分。在一些示例中,舒适度预测模块120接收由另一个计算装置的传感器(诸如用户计算装置114的传感器(例如,加速度计))生成的传感器信息(例如,作为由制品102的传感器108生成的传感器信息的补充或替代),并且可以基于此类传感器信息分配热舒适度得分。
在一些示例中,舒适度预测模块120可以至少部分地基于存储在数据结构中的信息(诸如历史传感器信息、历史用户信息、制品信息或其中的组合)来确定热舒适度得分。例如,舒适度预测模块120可以通过查询数据结构或数据存储来接收历史信息。舒适度预测模块120可以部分地基于历史信息与当前传感器信息的比较来分配热舒适度得分。例如,舒适度预测模块120可以查询数据结构以识别历史传感器信息类似于当前传感器信息的实例,并且基于这些实例的历史用户舒适度信息来确定用户在类似的先前实例中是否感到舒适。类似地,在一些示例中,舒适度预测模块120接收指示制品属性(例如,年限、材料类型等)的制品信息(例如,通过查询数据结构),并且基于制品信息来分配热舒适度得分。在一些示例中,舒适度预测模块120基于来自其他计算装置的信息(诸如预报的天气信息(例如,从TPPP112接收))来确定热舒适度得分。例如,舒适度预测模块120可以对天气提供方查询天气信息,并且基于当前温度、预报的稍后温度或两者来分配热舒适度得分。
舒适度预测模块120可以确定热舒适度得分是否满足(例如,大于或等于)阈值舒适度得分。舒适度预测模块120可以通过查询存储器装置来确定阈值舒适度得分(例如,阈值舒适度得分可以是硬编码的)。在一些示例中,舒适度预测模块120动态地确定阈值舒适度得分。例如,舒适度预测模块120可以基于从一个或多个传感器108接收的信息来确定阈值舒适度得分。例如,当用户身体不活动时,用户可能相对更容易感觉到冷,但是当身体活动时,用户可能不太容易感觉到冷。舒适度预测模块120可以响应于确定移动信息指示用户相对不活动(例如,不进行身体活动)而分配较高阈值舒适度得分,或者响应于确定移动信息指示用户身体活动而分配较低阈值舒适度得分。
在一些示例中,舒适度预测模块120响应于确定热舒适度得分满足(例如,大于或等于)阈值舒适度得分而确定或预测用户在未来时间穿戴制品102时可能感到舒适。类似地,舒适度预测模块120可以响应于确定热舒适度得分不满足(例如,小于)阈值舒适度得分而确定或预测用户在未来时间不太可能感到舒适。
响应于确定或预测用户在未来时间穿戴制品102时不太可能感到舒适,舒适度预测模块120使得计算装置执行一个或多个操作。在一些示例中,一个或多个操作包括输出指示预测到个体在未来的某个时间不太可能感到舒适的通知。作为一个示例,舒适度预测模块120可以将通知输出到制品102的输出装置(例如,图形、音频和/或触觉用户接口装置)。例如,制品计算装置110的舒适度预测模块120A可将通知输出到制品102的音频装置,使得音频装置可输出指示用户在未来时间不太可能感到舒适的可听警报。作为另一个示例,用户计算装置114的舒适度预测模块120B可输出通知以供用户计算装置114显示。例如,用户计算装置114可输出包括通知的图形用户界面(GUI),诸如GUI 122。在图1所示的示例中,用户计算装置114输出GUI 122,该GUI包括指示制品102的用户是否可能感到舒适的警报。例如,警报可包括指示制品102的用户在未来的预先确定的时间(例如,下午5点)不太可能感到不舒适的消息。作为另一个示例,警报可包括消息,该消息指示制品102的用户被预测为感到不舒适的特定时间(例如,个体可能从感到舒适转变为感到不舒适的近似时间)。在一些示例中,警报包括附加信息,诸如指示用户的当前活动水平、制品102的类型、温度(例如,外部空气温度和/或内部温度)的信息。
在另一个示例中,舒适度预测模块120可以向另一个计算装置输出指示个体不太可能感到舒适的通知。例如,制品计算装置110的舒适度预测模块120A可向用户计算装置114输出通知。用户计算装置114可接收通知并输出指示通知的图形用户界面(GUI)。例如,如图1所示,用户计算装置114可输出GUI 122。类似地,用户计算装置114的舒适度预测模块120B可向远程计算装置116输出通知,使得远程计算装置116的输出装置可向远程计算装置116的用户输出警报(例如,图形、听觉、触觉)。这样,远程计算装置116的用户(例如,工人的监管人)可接收到制品102的用户(例如,工人)可能感到不舒适的通知并且采取行动以改善工人舒适度和安全性。
此外,制品计算装置110可响应于预测到个体不太可能感到不舒适而执行一个或多个操作,诸如调整制品102的操作。在一些示例中,制品计算装置110调整(例如,自动地)制品102的至少一个温度控制装置109。例如,制品计算装置110可自动激活温度控制装置(例如,加热或冷却装置)。例如,制品计算装置110可打开、关闭或以其他方式调整制品102的加热或冷却装置的温度。作为另一个示例,制品计算装置110可自动输出调整孔控制装置111(诸如拉锁或拉带)的命令。例如,制品计算装置110可输出致动(例如,打开或闭合)拉链或调整(例如,收紧)拉绳的命令。在一些示例中,孔控制装置111可接收命令并响应于接收到命令而调节(例如,打开、关闭、收紧、松开等)孔控制装置111。
在一些示例中,制品计算装置110和/或用户计算装置114可向TPPP 112发送信息,从TPPP 112接收信息,或两者。例如,制品计算装置110、用户计算装置114或两者可将传感器信息发送到TPPP 112。TPPP 112可存储针对多个用户和制品102的传感器信息。在一些示例中,TPPP 112可存储用户信息(例如,指示用户在各种时间是否感到不舒适的历史用户信息)。TPPP 112可向舒适度预测模块120发送信息,诸如对应于制品102的隔离等级(例如,R值)、天气信息(例如,当前和/或预测的温度信息)或可用于生成热舒适度得分的任何其他信息。在一些示例中,TPPP 112确定热舒适度得分,确定热舒适度得分是否满足阈值舒适度得分,并且响应于确定热舒适度得分不满足阈值舒适度得分而输出通知(例如,输出到制品计算装置110、用户计算装置114和/或远程计算装置116)。
以这种方式,本公开的技术使得计算装置能够预测特定衣物制品的用户在未来的某个点可能感到舒适还是不舒适。通过响应于确定个体可能不舒适而自动执行操作(例如,输出通知和/或调整至少一个温度控制装置),计算装置可减小个体的核心体温达到不舒适或不安全水平的可能性,这可改善衣着制品的用户的健康和/或安全性。
图2是示出根据本公开的各种技术的示例性制品计算装置的框图,该示例性制品计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。图2仅示出制品计算装置110的一个特定示例。制品计算装置110的许多其他示例可以在其他实例中使用,并且可以包括图2所示的部件的子集和/或可包括图2中未示出的附加部件。
制品计算装置110可在逻辑上被划分为控制环境202和硬件228。硬件228可包括一个或多个硬件部件,该一个或多个硬件部件为在控制环境202中执行的部件提供操作环境。控制环境202可包括操作系统224,该操作系统可以或可以不以比在控制环境202中执行的其他部件更高的权限操作。
如图2所示,硬件228包括一个或多个处理器230、通信单元232、电源234、存储部件236、输入部件240、输出部件242和传感器244。处理器230、通信单元232、电源234、存储部件236、输入部件232、输出部件242和传感器244可各自通过一个或多个通信信道250互连。通信信道250可将部件230、部件232、部件234、部件236、部件240、部件242和部件244中的每个部件互连以用于部件间通信(物理地、通信地和/或操作地)。在一些示例中,通信信道250可包括硬件总线、网络连接、一个或多个过程间通信数据结构或用于在硬件和/或软件之间传送数据的任何其他部件。
一个或多个处理器230可在制品计算装置110内实现功能和/或执行指令。例如,处理器230可接收并执行由存储部件236存储的指令,该指令提供包括在控制环境202中的部件的功能。由处理器230执行的这些指令可导致制品计算装置110在程序执行期间在存储部件236内存储和/或修改信息。处理器230可执行控制环境202中的部件的指令,以根据本公开的技术来执行一个或多个操作。也就是说,包括在用户控制环境202中的部件能够由处理器230操作以执行本文描述的各种功能。
制品计算装置110的一个或多个通信单元232可通过传输和/或接收数据与外部装置进行通信。例如,制品计算装置110可使用通信单元232以在无线电网络诸如蜂窝无线电网络上传输和/或接收无线电信号。通信单元232的示例包括网络接口卡(例如,诸如以太网卡)、光收发器、射频收发器或可发送和/或接收信息的任何其他类型的装置。通信单元232的其他示例可包括存在于移动装置中的2G、3G、4G、和无线电以及通用串行总线(USB)控制器等。
制品计算装置110包括电源234。在一些示例中,电源234可以是电池。电源234可向制品计算装置110的一个或多个部件提供电力。电源234的示例可包括但不一定限于具有锌-碳、铅-酸、镍镉(NiCd)、镍金属氢化物(NiMH)、锂离子(Li离子)和/或锂离子聚合物(Li离子聚合物)化学物质的电池。在一些示例中,电源234可具有有限的容量(例如,1000mAh-2000mAh)。
制品计算装置110内的一个或多个存储部件236可存储用于在制品计算装置110的操作期间进行处理的信息。在一些示例中,存储装置238是临时存储器,这意味着存储部件236的主要目的不包括长期存储。制品计算装置110上的存储部件236可被配置用于信息的短期存储,如易失性存储器,并因此如果被停用则不保留所存储的内容。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)以及本领域已知的其他形式的易失性存储器。
在一些示例中,存储部件236也包括一个或多个计算机可读存储介质。存储部件236可被配置为与易失性存储器相比存储更大量的信息。存储部件236还可被配置用于长期存储信息作为非易失性存储空间并且在激活/关闭循环之后保留信息。非易失性存储器的示例包括闪存存储器或者电可编程存储器(EPROM)或电可擦可编程存储器(EEPROM)的形式。存储部件236可以存储与控制环境202中包括的部件相关联的程序指令和/或数据。
制品计算装置110的一个或多个输入部件240可接收输入。仅举几个示例,输入的示例为触觉、音频、动力学和光学输入。在一个示例中,制品计算装置110的输入部件240包括图像捕获装置(例如,相机)、音频捕获装置(例如,麦克风)、存在敏感输入装置(例如,触摸板)或用于检测来自人类或机器的输入的任何其他类型的装置。
制品计算装置242的一个或多个输出部件110可生成输出。输出的示例为触觉、音频和视频输出。在一些示例中,制品计算装置110的输出部件242包括显示装置、音频装置、振动装置或用于向人类或机器生成输出(例如,触觉、音频和/或视觉输出)的任何其他类型的装置。在一些示例中,输出部件242可与制品计算装置110集成。在其他示例中,输出部件242可在物理上位于制品计算装置110的外部并与制品计算装置分离,但是可通过有线或无线通信可操作地耦接到制品计算装置110。
传感器244可包括一个或多个移动传感器248A、温度传感器248B、水分传感器248C、光传感器248D或热通量传感器248E。传感器248A-248E(统称为传感器248)可监测计算装置110附近的环境并生成指示所感测的环境特性和/或用户生理特性(例如,空气温度、体温、湿度、汗液、运动、心率、呼吸率等)的传感器信息。
移动传感器248A可包括一个或多个加速度计、陀螺仪等。移动传感器248A生成指示制品计算装置110在至少一个平面(例如,x、y和/或z)中的移动(例如,加速度)的信息。温度传感器248B可包括一个或多个热敏电阻器、电阻温度计、热电偶或任何其他模拟或数字温度传感器。温度传感器248B可生成指示衣着制品(例如,图1的制品102)的内部温度、衣着制品外部的温度或两者的信息。类似地,水分传感器248C(例如,湿度传感器,诸如湿度计、汗液传感器等)可生成指示制品102内部、制品102外部或两者的水分的信息。光传感器248D(例如,环境光传感器)可生成指示制品102外部的环境光的量的信息。另外,热通量传感器248E可生成指示在制品102的外部和内部之间传递的能量或热量的量的信息。
传感器244可连续地输出传感器信息或者可周期性地(例如,以规则或不规则的间隔)输出传感器信息。例如,传感器244可响应于接收到输出传感器信息(例如,来自传感器监测模块222)的命令而输出传感器信息。响应于针对传感器信息的命令而输出传感器信息可相对于传感器244连续输出传感器信息的示例改善电池寿命。
控制环境202包括控制逻辑204和数据206。如图2所示,控制逻辑204在控制环境202中执行。控制逻辑204包括舒适度预测模块220和传感器监测模块222。数据206包括一个或多个数据存储。数据存储可以结构或非结构化形式存储数据。示例性数据存储可以为关系数据库管理系统、在线分析处理数据库、表格或用于存储数据的任何其他合适的结构中的任何一种或多种。如图2所示,数据206可包括传感器信息数据存储232A、用户信息数据存储232B和制品属性数据存储232C。
根据本公开的方面,传感器监测模块222可从传感器244中的一个或多个传感器接收传感器信息。在一些示例中,传感器监测模块222连续地从传感器244中的一个或多个传感器接收传感器信息。作为另一个示例,传感器监测模块222可周期性地(例如,以规则或不规则的间隔)从传感器244中的一个或多个传感器接收传感器信息。例如,传感器监测模块222可以通过以规则间隔(例如,每分钟一次)、以不规则间隔(例如,响应于来自舒适度预测模块120A的对更新的传感器信息的请求)或其中的组合查询传感器244来接收传感器信息。在一些示例中,传感器监测模块222可被动地接收传感器信息(例如,在不查询传感器244的情况下)。
在一些示例中,传感器监测模块222可将指示传感器信息的信息存储到传感器信息数据存储232A。指示传感器信息的信息可包括传感器信息本身、传感器信息的概要、传感器信息的子集或描述传感器信息的其他信息。在一些示例中,传感器监测模块222可将与传感器信息相关联的元数据存储到传感器信息数据存储232A。例如,传感器监测模块222可从温度传感器248B接收温度信息,并且存储指示接收到温度信息的时间的时间戳和指示该时间的温度的值。
传感器监测模块222可将传感器信息的指示输出到舒适度预测模块120A、用户计算装置114、远程计算装置116、TPPP 112或其中的组合。传感器监测模块222可以自动地或响应于接收到对信息的请求(例如,来自舒适度预测模块120A)而输出传感器信息的指示。在一些示例中,传感器244可能以规则或不规则的间隔输出传感器信息。以这种方式,传感器监测模块222可以管理来自传感器244的传感器信息和舒适度预测模块120A(和/或计算装置114、116或TPPP 112)的转移。通过管理传感器信息的转移,传感器监测模块222可减小制品计算装置110和其他计算装置之间的网络流量,并且可增加制品计算装置110的电池寿命(例如,通过减小收集和/或转移数据的频率)。
根据本公开的方面,舒适度预测模块120A可确定(例如,预测)衣着制品(例如,制品102)的用户在未来(例如,未来的某个时间,晚于当前时间)是否可能舒适地穿戴一个或多个衣着制品(例如,图1的制品102)。例如,舒适度预测模块120可以确定个体在穿戴制品102时可能感到不舒适的未来时间(例如,个体可能从感到舒适转变为感到不舒适的时间)。作为另一个示例,舒适度预测模块120可以确定个体在特定的未来时间(例如,下午5点、从现在起的3小时等)可能感到舒适还是不舒适。如本公开通篇所用,“时间”是指时间段,诸如一分钟、几分钟、一小时等,而不是瞬间。
在一些示例中,舒适度预测模块120至少部分地基于热舒适度得分来确定个体在穿戴制品102时在未来时间是否可能感到舒适。舒适度预测模块120可至少部分地基于从传感器244中的一个或多个传感器接收的传感器信息和一个或多个规则的集合来确定热舒适度得分。在一些示例中,规则的集合是预先确定的或预编程的(例如,硬编码的)。
在一些示例中,舒适度预测模块120A基于动态生成的规则来确定热舒适度得分。例如,舒适度预测模块120A可以使用机器学习(例如,k均值聚类、SVM聚类、或其他机器学习技术)来动态地生成规则,以生成表示多个环境特性和/或用户生理特性以及用户舒适度水平的至少一个模型。在一些示例中,舒适度预测模块120A可以至少部分地基于传感器信息来训练至少一个模型。例如,传感器信息数据存储232A可包括由传感器244在当前时间之前的时间生成的历史传感器信息。
舒适度预测模块120A可以基于存储在用户信息数据存储232B中的用户信息和/或存储在制品属性数据存储232C中的制品信息来训练至少一个模型。在一些示例中,并且用户信息数据存储232B可包括在当前时间之前的时间(例如,经由用户输入)接收的历史用户信息。在一些示例中,用户信息包括历史用户舒适度信息和历史用户活动信息。例如,历史用户舒适度信息可指示用户在当前时间之前(例如,一周前)的时间是否感到舒适,或者用户在先前时间的舒适度(例如,高、中、低)。在一些示例中,历史用户舒适度信息包括温度控制装置使用信息。例如,当开始感觉不舒适时,用户可手动激活如图1所示的制品102的一个或多个温度控制装置109,使得温度控制装置使用信息可指示用户在先前的时间是否感到舒适。在一些示例中,温度控制装置使用信息包括指示制品102的一个或多个温度控制装置109何时被激活(例如,由用户手动激活或去激活)、温度控制装置109的使用持续时间等的信息。通过基于用户信息(例如,历史用户舒适度信息,诸如温度控制装置使用信息)来训练至少一个模型,至少一个模型可以更好地预测用户是否和/或何时可能感觉舒适。
舒适度预测模块120A可以基于历史用户活动信息来训练至少一个模型。历史用户活动信息可包括关于用户在该先前时间的活动的信息,诸如用户在该先前时间是大体身体活动的还是大体静止的,或者用户在该先前时间进行的用户身体活动的类型(例如,跑步、步行等)。关于用户在该先前时间穿戴的衣着制品102的制品信息(例如,衣着类型,诸如T恤、长袖衬衫等)、制品102的材料的类型(例如,棉、羊毛等)、制品102的年限、产品标识符(例如,通用产品代码(UPC))等。在一些示例中,制品计算装置110可以经由用户输入接收制品信息,并且/或者制品信息可以预先存储在制品属性数据存储232C中(例如,在制造时)。
舒适度预测模块120A可以将模型应用于传感器信息和存储在用户信息数据存储232B中的历史用户信息。例如,舒适度预测模块120A可以将模型应用于当前传感器信息、历史传感器信息和历史用户舒适度信息,以预测制品102的用户在穿戴制品102时在未来的时间是否可能感到舒适。换句话讲,模型可接收由传感器244在当前时间生成的传感器信息,并且可输出对用户在未来的特定时间是否可能舒适地穿戴制品102的预测或对用户何时不太可能感到舒适的预测。
作为一个示例,舒适度预测模块120A将模型应用于当前传感器信息以识别历史传感器信息类似于当前传感器信息的实例,并且基于这些实例的历史用户舒适度信息来确定用户在类似的先前实例中是否感到舒适。例如,舒适度预测模块120A可以在当前时间从第一传感器(例如,温度传感器248B)接收温度信息并且从另一个传感器(例如,水分传感器248C)接收水分信息(例如,湿度信息),并且将模型应用于当前传感器信息、历史传感器信息和历史用户信息以确定热舒适度得分。例如,当温度为75℉并且露点为50℉时,至少一个模型可指示用户通常在长时间段内保持舒适。在此类示例中,舒适度预测模块120A可以针对给定温度(例如,75℉)和湿度(例如,50℉的露点)分配相对高的热舒适度得分(例如,100分中的90分,这可以指示制品102的用户可能感到舒适)。作为另一个示例,舒适度预测模块120A可以将至少一个模型应用于不同的传感器信息(例如,指示55℉的温度和50℉的露点),并且可以分配不同的(例如,更低的)热舒适度得分(例如,100分中的40分)。
舒适度预测模块120可基于传感器信息与和传感器信息相关联的阈值的比较来确定热舒适度得分。例如,当温度传感器248B检测到制品102外部的温度(例如,环境空气温度)或制品102内部的温度(例如,穿戴者的身体和制品102的内表面之间的空气温度)时,传感器信息可包括温度信息。在此类示例中,舒适度预测模块120A可以基于所接收的温度信息和温度阈值来确定热舒适度得分。例如,舒适度预测模块120A可以在温度等于阈值温度(例如,70℉)时或在温度处于由上温度阈值(例如,70℉)和下温度阈值(例如,60℉)限定的温度范围内时分配相对高的热舒适度得分(例如,100分中的90分,这可以指示制品102的用户可能感到舒适)。舒适度预测模块120A可以在温度增加到高于温度阈值时(例如,这可以指示用户可能不舒适地变热)或者在温度减少到低于温度阈值时(例如,这可以指示用户可能不舒适地变冷)分配较低的热舒适度得分。
在一些示例中,舒适度预测模块120A动态地确定一个或多个温度阈值。例如,舒适度预测模块120A可以基于从移动传感器248A接收的移动信息来确定温度阈值。例如,舒适度预测模块120A可以基于移动信息来确定用户进行身体活动(例如,体育活动或锻炼,诸如跑步、步行、举重、瑜伽等),并且可以响应于确定用户进行身体活动(例如,跑步)而分配阈值温度。在一些示例中,舒适度预测模块120A可以响应于确定用户进行身体活动而将阈值温度设置为特定温度(例如,60℉)或设置阈值温度范围(例如,在55℉和65℉之间)。例如,历史用户信息可包括对衣着制品的用户是否进行身体活动以及个体此时是否感到舒适的指示。在此类示例中,舒适度预测模块120A可以将模型应用于在当前时间生成的传感器信息和历史用户信息,以生成当前时间的热舒适度得分。
在一些示例中,舒适度预测模块120A可至少部分地基于关于特定衣着制品的信息来确定热舒适度得分。例如,舒适度预测模块120A可以基于由个体穿戴的制品102的类型、制品102的年限、制品102的材料类型等来确定热舒适度得分。例如,舒适度预测模块120A可以接收由用户穿戴的特定制品102的指示(例如,经由用户计算装置114处的用户输入),并且可以向制品属性数据存储232C查询关于制品102的信息(例如,购买或制造的年份、材料类型等)。例如,舒适度预测模块120可在制品102老化时分配较低的热舒适度得分(例如,因为制品102的隔离属性可能随时间推移而劣化)。类似地,在一些示例中,不同类型的材料可具有不同的热属性(例如,不同的R值),使得用户舒适度模块120A可基于制品102的材料类型来确定热舒适度得分。例如,舒适度预测模块120A可以在制品102的材料类型是第一材料类型(例如,棉)时分配第一热舒适度得分,并且在材料类型是不同的材料类型(例如,羊毛)时分配不同(例如,更高)的热舒适度得分。
响应于确定热舒适度得分,舒适度预测模块120A可以确定热舒适度得分是否满足(例如,大于或等于)阈值舒适度得分。在一些示例中,舒适度预测模块120A响应于确定热舒适度得分满足(例如,大于或等于)阈值舒适度得分而确定或预测用户在未来时间可能舒适地穿戴制品102。类似地,舒适度预测模块120A可以响应于确定热舒适度得分不满足(例如,小于)阈值舒适度得分而确定或预测用户在未来时间不太可能感到舒适。
响应于确定或预测用户在穿戴制品102时在未来时间不太可能感到舒适,舒适度预测模块120A可以使计算装置执行一个或多个操作。在一些示例中,一个或多个操作包括输出指示预测到个体在未来的某个时间不太可能感到舒适的通知。作为一个示例,舒适度预测模块120A可以将通知输出到制品102的输出装置(例如,图形、音频和/或触觉用户接口装置)或输出到另一个计算装置(例如,用户计算装置114和/或远程计算装置116)。
在一些示例中,一个或多个操作包括调整衣着制品的温度控制装置的操作。例如,舒适度预测模块120A可以自动激活加热装置。例如,当加热装置包括在电流通过时生成热量的电阻线时,制品计算装置110可输出使得通过绝缘线的电流致使加热装置输出热量的命令。
图3是示出根据本公开的各种技术的示例性计算装置的框图,该示例性计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。图3仅示出用户计算装置114的一个特定示例。用户计算装置114的许多其他示例可以在其他实例中使用,并且可以包括图3所示的部件的子集并且/或者可包括图3中未示出的附加部件。
用户计算装置114可在逻辑上被划分为控制环境302和硬件328。硬件328可包括一个或多个硬件部件,该一个或多个硬件部件为在控制环境302中执行的部件提供操作环境。控制环境302可包括操作系统324,该操作系统可以或可以不以比在控制环境302中执行的其他部件更高的权限操作。
如图3所示,硬件328包括一个或多个处理器330、通信单元332、电源334、存储部件336、输入部件340、输出部件342和传感器344。处理器330、通信单元332、电源334、存储部件336、输入部件332、输出部件342和传感器344可各自通过一个或多个通信信道250互连。通信信道250可将部件330、部件332、部件334、部件336、部件340、部件342和部件344中的每个部件互连以用于部件间通信(物理地、通信地和/或操作地)。在一些示例中,通信信道250可包括硬件总线、网络连接、一个或多个过程间通信数据结构或用于在硬件和/或软件之间传送数据的任何其他部件。处理器330、通信单元332、电源334、存储部件336、输入部件340、输出部件342和传感器344可类似于图2的处理器230、通信单元232、电源234、存储部件236、输入部件232、输出部件242和传感器244并且包括类似于其的功能。因此,为了简洁起见,省略了对处理器330、通信单元332、电源334、存储部件336、输入部件340、输出部件342和传感器344的描述。
控制环境包括控制逻辑304和数据306。数据306可包括传感器信息数据存储332A、用户舒适度信息数据存储332B和制品属性数据存储332C,其可分别包括类似于传感器信息数据存储232A、用户舒适度信息数据存储232B和制品属性数据存储232C的信息,如参考图2所述。在一些示例中,控制逻辑306包括舒适度预测模块120B。舒适度预测模块120B可以包括图1和图2所述的舒适度预测模块120A的功能。
根据本公开的方面,舒适度预测模块120B可以输出图形用户界面以用于显示,该图形用户界面包括来自用户计算装置114的用户的请求信息的图形元素(例如,文本框、单选按钮等)。在一些示例中,图形用户界面可包括请求指示用户在第一时间是否感到舒适的用户舒适度信息的图形元素。例如,图形用户界面可包括标记为“非常舒适”、“稍微舒适”或“不舒适”的多个单选按钮。在一些示例中,图形用户界面包括请求用户活动信息的图形元素,该用户活动信息指示用户在第一时间是否是身体活动的或者用户进行哪种类型的活动。例如,图形用户界面可包括标记为“跑步”、“步行”、“滑雪”、“其他锻炼”或“放松”的单选按钮。在一些示例中,图形用户界面包括请求关于用户穿戴的一个或多个衣着制品的制品信息的一个或多个图形元素。例如,图形用户界面可包括使得用户能够选择材料类型、年限、制造、制品类型(例如,衬衫、裤子、长袖衬衫、短袖衬衫等)的菜单。舒适度预测模块120B可以将GUI信息输出到输出部件342(例如,显示装置),使得输出部件342将GUI信息作为图形用户界面显示。
用户计算装置114可在第一时间接收指示用户信息和/或制品信息的用户输入。例如,计算装置114的用户可输入指示用户在第一时间是否舒适(或者用户在第一时间的舒适程度)的用户舒适度信息(例如,通过选择GUI的图形元素)、指示用户在第一时间是否是身体活动的或者用户进行何种类型的活动的用户活动信息、指示关于用户在第一时间穿戴的一个或多个衣着制品的信息的制品信息或其中的任何组合。舒适度预测模块120B可接收用户信息和/或制品信息,并且将信息分别存储在用户舒适度数据存储332B或制品属性数据存储332C中。
在一些示例中,在晚于第一时间的第二时间(例如,在第一时间之后若干小时),舒适度预测模块120B可以预测用户是否可能在未来(例如,第三)时间舒适地穿戴一个或多个衣着制品(例如,图1的制品102)。舒适度预测模块120B可能以类似于参考图1和图2所述的舒适度预测模块120A的方式确定用户在未来时间是否可能舒适地穿戴制品102。例如,舒适度预测模块120B可以接收由一个或多个传感器(例如,制品计算装置110的传感器244和/或用户计算装置114的传感器344)在第二时间生成的传感器信息。在一些示例中,在第二时间生成的传感器信息可被称为当前传感器信息。舒适度预测模块120B可以至少部分地基于在第二时间生成的传感器信息来确定用户在未来的第三时间是否可能感到舒适。在一些示例中,舒适度预测模块120B可以将规则的集合应用于当前传感器信息,以确定指示用户在未来时间将感到舒适的概率的热舒适度因子。例如,舒适度预测模块120B可以通过将由机器学习生成的一个或多个模型应用于当前传感器信息来分配热舒适度得分。在一些示例中,舒适度预测模块120B可以将一个或多个模型应用于当前传感器信息和存储在数据存储332A处的历史传感器信息(例如,由一个或多个传感器在先前时间生成和接收的传感器信息)、存储在数据存储332B处的历史用户信息(例如,在先前时间接收的用户舒适度信息和/或用户活动信息)、存储在数据存储332C处的制品信息或其中的组合。
在一些示例中,舒适度预测模块120B可基于与多个衣着制品相关联的信息来确定用户在未来时间是否可能感到舒适。例如,舒适度预测模块120B可以(例如,经由图形用户界面)接收指示用户正在穿戴一组衣着制品(例如,运动衫、夹克、雪裤和靴子)的用户输入的指示,可接收关于该组制品中的多个制品(例如,运动衫和夹克)的信息,并且可基于与多个制品相关联的信息来确定热舒适度得分。例如,舒适度预测模块120B可以确定用户在穿戴夹克和运动衫时可能在较长时间段内保持温暖。
响应于在第二时间确定与未来的第三时间相关联的热舒适度得分,舒适度预测模块120B可以确定热舒适度得分是否满足(例如,大于)阈值舒适度得分。在一些示例中,舒适度预测模块120B响应于确定热舒适度得分不满足(例如,小于)热舒适度得分而确定用户在穿戴制品102时在未来时间不太可能感到舒适。在一些示例中,舒适度预测模块120B响应于确定热得分满足(例如,大于)阈值舒适度得分而确定用户在穿戴制品102时在未来时间可能感到舒适。
在一些示例中,舒适度预测模块120B响应于确定用户在未来时间不太可能感到舒适而执行至少一个操作。例如,舒适度预测模块120B可以向另一个计算装置(例如,图1的远程计算装置116)输出指示用户在未来时间不太可能感到舒适的通知(例如,作为文本消息、电子邮件等)。作为另一个示例,舒适度预测模块120B可以经由用户计算装置114的输出部件(例如,显示装置、音频装置)输出通知(例如,视觉、听觉等)。在一些示例中,舒适度预测模块120B向制品计算装置110输出通知或命令。例如,舒适度预测模块120B可以向图1的制品102输出调整制品102的温度控制装置109的操作的命令。例如,命令可包括激活加热装置或冷却装置的命令,使得制品102可更好地调节用户的温度和舒适度水平。
图4是提供根据本公开的各种技术的示例性TPPP的操作透视图的框图,该示例性TPPP被配置为预测衣着制品的用户在未来时间是否将感到舒适。TPPP 112可被配置为与多个衣着制品402A-402N(统称为“制品402”)、多个计算装置414A-414N(统称为“计算装置414”)或其中的组合通信。制品402可为图1的制品102的示例。计算装置414可以是图1的用户计算装置114和/或远程计算装置116的示例。在图4的示例中,TPPP 112的部件根据实现本公开的技术的多个逻辑层进行布置。每个层可由包括硬件、硬件和软件、硬件和固件或其中的组合的一个或多个模块实现。
在图4中,制品402和计算装置414可经由接口层464与TPPP 112通信。计算装置414通常执行客户端软件应用程序,诸如桌面应用程序、移动应用程序和web应用程序。计算装置414的示例可包括便携式或移动计算装置(例如,智能手机、可佩戴计算装置、平板电脑)、膝上型计算机、台式计算机、智能电视平台以及服务器,仅举几个例子。
如本公开中进一步描述,制品402(直接地或经由计算装置414)与TPPP 112进行通信,以提供从嵌入式传感器和其他监测电路获取的信息流,并且可从TPPP 112接收警报、配置信息和其他通信。在计算装置414上执行的客户端应用程序可与TPPP 112进行通信,以发送和接收由服务468检索、存储、生成和/或以其他方式处理的信息。例如,客户端应用程序可请求和编辑存储在TPPP 112处和/或由该TPPP管理的信息(例如,传感器信息、用户信息和/或制品信息)。在一些示例中,计算装置414的客户端应用程序可请求预测的热舒适度得分。在一些示例中,客户端应用程序可输出(例如,用于显示)从TPPP 112接收的信息,以使此类信息对计算装置414的用户可视化。如下文进一步说明和描述,TPPP 112可以向客户端应用程序提供信息,该客户端应用程序在用户界面中输出该信息(例如,音频、图形等)。
在计算装置414上执行的客户端应用程序可被实现用于不同平台,但是包括类似或相同的功能。例如,客户端应用程序可以是被编译为在操作系统(例如,台式或移动操作系统)上运行的应用程序。作为另一个示例,客户端应用程序可以是web应用程序,诸如显示从TPPP 112接收的web页面的web浏览器(例如,在一些示例中,TPPP 112可表示“云”计算系统)。在web应用程序的示例中,TPPP 112可接收来自web应用程序(例如,web浏览器)的请求、处理请求并往回向web应用程序发送一个或多个响应。以这种方式,网页的收集、客户端侧处理的web应用程序以及由TPPP 112执行的服务器侧处理共同提供执行本公开的技术的功能。以这种方式,客户端应用程序根据本公开的技术使用TPPP 112的各种服务,并且这些应用程序可在各种不同的计算环境(例如,仅举几个例子,衣着制品的嵌入式电路或处理器、桌面操作系统、移动操作系统或web浏览器)内操作。
如图4所示,TPPP 112包括接口层464,该接口层表示由TPPP 112呈现和支持的应用程序编程接口(API)或协议接口集。接口层464最初从制品402和/或计算装置414中的任一者接收消息以便在TPPP 112处进一步处理。因此,接口层464可提供在计算装置414上执行的客户端应用程序可用的一个或多个接口。在一些示例中,接口可以是通过网络进入的应用程序编程接口(API)。接口层464可用一个或多个web服务器实现。一个或多个web服务器可接收传入请求,将来自请求的信息处理和/或转发到服务468,并且基于从服务468接收的信息来向初始发送请求的客户端应用程序提供一个或多个响应。在一些示例中,实现接口层464的该一个或多个web服务器可包括运行环境以部署提供一个或多个接口的程序逻辑。如下文进一步所述,每个服务可提供可经由接口层464访问的一组一个或多个接口。
在一些示例中,接口层464可提供使用HTTP方法与服务进行交互和操纵TPPP 112的资源的代表性状态传输(RESTful)接口。在此类示例中,服务468可生成JavaScriptObjectNotation(JSON)消息,接口层464将JavaScriptObjectNotation(JSON)消息发送回提交初始请求的客户端应用程序。在一些示例中,接口层464提供使用简单对象访问协议(SOAP)的web服务来处理来自客户端应用程序的请求。在其他示例中,接口层464可使用远程过程调用(RPC)来处理来自计算装置414的请求。在从客户端应用程序接收到使用一个或多个服务468的请求时,接口层464向包括服务468的应用层466发送信息。
如图4所示,TPPP 112还包括应用层466,该应用层表示用于实现TPPP 112的大部分底层操作的服务468的集合。应用层466接收从客户端应用程序接收的请求中所包括的信息,并且根据由这些请求调用的服务468中的一者或多者来进一步处理该信息。应用层466可被实现为在一个或多个应用服务器(例如,物理或虚拟机)上执行的一个或多个离散软件服务。也就是说,应用服务器提供用于执行服务468的运行环境。在一些示例中,如上所述的功能接口层464和应用层466的功能可在同一服务器处实现。
应用层466可包括一个或多个独立的软件服务468,例如作为一个示例,经由逻辑服务总线470通信的过程。服务总线470通常表示诸如通过发布/订阅通信模型允许不同的服务将消息发送到其他服务的逻辑互连或一组接口。例如,服务468中的每个服务可基于针对相应服务设定的标准来订阅具体类型的消息。当服务发布服务总线470上特定类型的消息时,订阅该类型消息的其他服务将接收消息。以这种方式,服务468中的每个可彼此传送信息。作为另一个示例,服务468可使用套接字或其他通信机制以点对点的方式进行通信。在描述服务468中的每个服务的功能之前,本文简单地描述层。
TPPP 112的数据层472表示数据储存库,该数据储存库使用一个或多个数据储存库(也称为数据存储)474为TPPP 112中的信息提供持久性。数据储存库通常可以是存储和/或管理数据的任何数据结构或软件。数据储存库的示例包括但不限于关系数据库、多维数据库、地图和散列表,仅举几个例子。可使用关系数据库管理系统(RDBMS)软件来实现数据层472以管理数据储存库474中的信息。RDBMS软件可管理一个或多个数据储存库474,使用结构化查询语言(SQL)可访问该一个或多个数据储存库。一个或多个数据库中的信息可使用RDBMS软件来存储、检索和修改。在一些示例中,可使用对象数据库管理系统(ODBMS)、在线分析处理(OLAP)数据库或其他合适的数据管理系统来实现数据层472。
如图4所示,每个服务468A-468F(“服务468”)以模块化形式在TPPP 112内实现。虽然针对每个服务被示出为单独的模块,但是在一些示例中,两个或更多个服务的功能性可组合到单个模块或部件中。服务468中的每一个服务可在硬件、硬件和软件、硬件和固件或其中的组合中实现。此外,服务468可被实现为单独的装置、单独的虚拟机或容器、进程、线程或通常用于在一个或多个物理处理器上执行的软件指令。
在一些示例中,服务468中的一个或多个服务可各自提供通过接口层464暴露的一个或多个接口。因此,计算装置414的客户端应用程序可调用服务468中的一个或多个服务的一个或多个接口来执行本公开的技术。
根据本公开的技术、服务468可以包括事件处理平台,该事件处理平台包括事件端点前端468A、事件选择器468B、事件处理器468C、通知服务468E和流分析服务468F。事件端点前端468A作为用于接收和发送到制品402和计算装置414的通信的前端接口操作。在一些情况下,事件端点前端468A可被实现为衍生的多个任务或作业以接收事件流469(例如,信息流)的单独入站通信。例如当接收事件流469时,事件端点前端468A可衍生使入站通信(称为一个事件)快速入队和关闭通信会话的任务,从而提供高速处理和可缩放性。每个传入通信可例如承载由嵌入在各种制品402内的传感器和/或由计算装置414的传感器生成的传感器信息、用户信息(例如,用户舒适度信息和/或用户活动信息)、制品信息或其中的组合。事件端点前端468A和制品402和/或计算装置414之间交换的通信可以是实时的或伪实时的,这取决于通信延迟和连续性。
事件选择器468B对经由前端468A从制品402和/或计算装置414接收的事件流469进行操作,并且基于规则或分类来确定与传入事件相关联的优先级。基于优先级,事件选择器468B将这些事件入队以便由事件处理器468C进行后续处理。
一般来讲,事件处理器468C对传入事件流进行操作以更新数据储存库474内的事件数据474A。一般来讲,事件数据474A可包括从制品402获得的传感器信息的全部或其子集。例如,在一些情况下,事件数据474A可包括从制品402的传感器(例如,从温度传感器、光传感器等,如参考图1的传感器108所述)获得的整个数据样本流。在其他情况下,事件数据474A可包括此类数据的子集,例如,与特定时间段或制品402的活动相关联。
事件处理器468C可创建、读取、更新和删除存储在数据储存库474中的信息。数据储存库474可能以结构化或非结构化形式存储信息。示例性数据储存库可以为关系数据库管理系统、在线分析处理数据库、表格或用于存储数据的任何其他合适的结构中的任何一种或多种。例如,传感器信息数据存储474A可包括由多个制品402的传感器生成的传感器信息。用户信息数据存储474B可包括与传感器信息相关联的用户信息。类似地,制品属性数据存储474C可包括与传感器信息和用户信息相关联的制品信息。例如,制品属性数据存储474C可包括制品标识符(例如,UPC代码)、制品类型(例如,T恤、长袖衬衫、夹克等)、制品的材料类型(例如,羊毛、棉等)、制品的年限等。
事件处理器468C可关联(例如,链接)传感器信息、用户信息和/或制品信息。换句话讲,数据存储474可(例如,经由关系数据库)关联由制品402中的特定制品的传感器在先前时间生成的传感器信息、在先前时间的与特定制品的用户相关联的对应用户信息、以及与特定制品相关联的制品信息。作为一个示例,数据存储474可以包括由制品402A的传感器在6月1日生成的加速度信息、与在6月1日穿戴制品402A的特定用户相关联的对应用户信息,以及制品402A的制品信息。类似地,数据存储474可包括由制品402B的传感器在6月5日生成的加速度信息、与在6月5日穿戴制品402B的另一个用户相关联的对应用户信息,以及制品402B的制品信息等。
事件选择器468B将传入事件流引导到流分析服务468F,该流分析服务被配置为执行对传入事件流的深度处理以执行实时分析。流分析服务468F可例如被配置为在接收到事件流时实时处理和比较多个事件流469。分析服务468F可接收并处理来自启用的制品402和/或计算装置414的许多入站事件流(例如,可能的数百或数千个事件流),以预测特定个体在穿戴制品402中的一个或多个制品时在未来时间是否可能感到舒适。
根据本公开的方面,TPPP 112可确定一个或多个制品402的用户在穿戴一个或多个制品402时在未来时间是否可能感到舒适。例如,流分析服务468F可至少部分地基于事件流469中的传感器信息来确定与一个或多个制品402的用户相关联的热舒适度得分。响应于确定热舒适度得分,流分析服务468F可确定一个或多个制品402的用户在未来的某个时间是否可能感到舒适。
流分析服务468F基于规则的集合来确定热舒适度得分。在一些示例中,规则的集合是预编程的。作为另一个示例,流分析服务468F可使用机器学习来动态地生成规则集合,以生成表示多个环境特性和/或用户生理特性以及用户舒适度水平的至少一个模型。可用于生成至少一个模型的示例性机器学习技术可包括各种学习方式诸如监督学习、无监督学习和半监督学习。算法的示例性类型包括贝叶斯算法、聚类算法、决策树算法、正则化算法、回归算法、基于实例的算法、人工神经网络算法、深度学习算法、降维算法等。具体算法的各种示例包括贝叶斯线性回归、提升决策树回归和神经网络回归、反向传播神经网络、Apriori算法、K均值聚类、k-最近邻(kNN)、学习矢量量化(LVQ)、自我-组织地图(SOM)、局部加权学习(LWL)、岭回归、最小绝对收缩和选择算子(LASSO)、弹性网络和最小角度回归(LARS)、主成分分析(PCA)和主成分回归(PCR)。
在一些示例中,流分析服务468F至少部分地基于存储在传感器信息数据存储474A中的传感器信息和存储在用户信息数据存储474B中的用户信息来训练至少一个模型。例如,当环境空气温度在由上温度阈值和下温度阈值界定的阈值温度范围内时,流分析服务468F可应用模型并且至少部分地基于传感器信息和用户信息来确定各种制品402的用户趋于在更长时间内保持舒适或更舒适。
流分析服务468F可至少部分地基于存储在制品属性数据存储474C中的制品信息来训练至少一个模型。例如,流分析服务468F可应用该模型并确定用户在某些类型的材料中趋于更舒适或在更长时间内保持舒适。作为另一个示例,流分析服务468F可应用模型,并且确定当制品402达到阈值年限时,用户更快地变得不舒适。
流分析服务468F可基于一个或多个模型来(例如,实时或近似实时地)确定一个或多个制品402的用户在未来的时间是否可能舒适地穿戴一个或多个制品402。流分析服务468F可将模型应用于传感器信息、用户信息、制品信息或其中的任何组合以确定热舒适度得分。
例如,流分析服务468F通过将模型应用于由一个或多个制品402的传感器在当前时间生成的传感器信息、存储在传感器信息数据存储474A中的传感器信息(例如,在先前时间生成并存储),以及存储在用户信息数据存储474B中的用户信息(例如,在先前时间存储)来确定热舒适度得分。换句话讲,一个或多个模型可接收由给定衣着制品402的一个或多个传感器在当前时间生成的传感器信息,并且可输出预测的热舒适度得分,其指示用户在未来时间可能感到舒适的概率。例如,当传感器信息包括湿度信息时,流分析服务468F应用模型并且确定湿度在相对低的温度(例如,低于阈值温度,诸如50℉)下对用户舒适度具有相对较小的影响,并且湿度在温度增加(例如,增加到高于阈值温度)时更加影响用户舒适度。因此,流分析服务468F可接收由制品402中的特定制品在当前时间生成的传感器信息,并且基于将模型应用于当前时间的传感器信息、存储在数据存储474B中的用户信息(例如,历史用户舒适度信息)以及存储在数据存储474A中的传感器信息来确定与在当前时间穿戴特定衣着制品402的用户相关联的热舒适度得分。
在一些示例中,流分析服务468F至少部分地基于存储在制品属性数据存储474C中的制品信息来确定热舒适度得分。例如,TPPP 112可接收由特定制品402的一个或多个传感器在当前时间生成的传感器信息和关于特定制品的制品信息(例如,制品的年限、制品的材料类型等)。流分析服务468F可将一个或多个模型应用于在当前时间生成的传感器信息、与特定制品相关联的制品信息、存储在数据存储474A中的传感器信息,以及存储在数据存储474C中的制品信息,并且可输出预测的热舒适度得分。
在一些示例中,在当前传感器信息由特定制品402A生成时,流分析服务468F可通过将模型应用于仅与制品402A的用户相关联的信息(传感器信息、用户信息和/或制品信息)来生成热舒适度得分。换句话讲,热舒适度得分可基于不与其他制品402的用户相关联的信息。在一些示例中,流分析服务468F通过将模型应用于与多个相应制品402的多个用户相关联的信息来生成热舒适度得分。换句话讲,热舒适度得分可基于与制品402的一组用户相关联的信息(例如,传感器信息、用户信息和/或制品信息)。
响应于确定热舒适度得分,流分析服务468F可确定热舒适度得分是否满足(例如,大于或等于)阈值舒适度得分。流分析服务468F可通过查询存储器装置来确定阈值舒适度得分(例如,阈值舒适度得分可以是硬编码的)。在一些示例中,流分析服务468F以类似于参考图1和图2的舒适度预测模块120A描述的技术的方式动态地确定阈值舒适度得分。
流分析服务468F可响应于确定热舒适度得分满足(例如,大于或等于)阈值舒适度得分而确定用户在穿戴一个或多个制品102时在未来时间可能感到舒适。类似地,流分析服务468F可响应于确定热舒适度得分不满足(例如,小于)阈值舒适度得分而确定用户在穿戴一个或多个制品102时在未来时间不太可能感到舒适。
响应于确定或预测用户在未来时间不太可能感到舒适,通知服务468E可使得计算装置执行一个或多个操作。例如,通知服务468E可输出指示预测到个体在未来的某个时间不太可能感到舒适的通知。作为一个示例,通知服务468E可向制品402A的计算装置和/或一个或多个计算装置414输出通知。以这种方式,制品402A和/或一个或多个计算装置414可接收通知并且输出指示用户在未来时间不太可能感到舒适的警报。例如,计算装置414中的一个计算装置可输出包括指示用户在未来时间不太可能感到舒适的警报的GUI。例如,通知服务468E可输出通知以用于在一个或多个计算装置414的显示装置处作为图形用户界面显示。例如,通知可使得计算装置414中的计算装置显示包括仪表板、警报、报告等的图形用户界面。此类信息可提供关于穿戴一个或多个制品402的一个或多个个体的舒适度水平的各种见解。
在一些示例中,通知服务468E可向制品402A的一个或多个温度控制装置输出命令,以响应于确定个体被预测为感到不舒适而调整温度控制装置的操作。在一些示例中,命令可包括自动激活加热装置的命令。例如,当加热装置包括在电流通过时生成热量的电阻线时,通知服务468E可命令制品402(例如,直接地或经由计算装置414中的一个计算装置)输出通过绝缘线的电流以使得加热装置输出热量。
图5是示出由一个或多个计算装置执行的示例性操作的流程图,该计算装置被配置为预测衣着制品的用户在未来时间是否将感到舒适。虽然图5所示的步骤是与本公开相关联的示例性步骤,但在阅读本公开后,步骤顺序的变化和附加步骤对于本领域技术人员将是显而易见的。仅为了便于说明,参考图1的系统100描述图5的方法,然而其他示例性系统可执行该方法。
方法包括由至少一个处理器接收由嵌入在衣着制品102中的至少一个传感器108生成的传感器信息(500)。例如,制品102的至少一个传感器108可生成传感器信息并且将传感器信息输出到制品计算装置110,使得制品计算装置110可接收传感器信息。作为另一个示例,用户计算装置114、远程计算装置116、TPPP 112或其中的任何组合可(例如,直接或间接地)从制品计算装置110接收传感器信息。
方法包括由至少一个处理器至少部分地基于传感器信息来确定热舒适度得分,该热舒适度得分指示衣着制品的用户在未来时间将感到舒适的概率(502)。例如,制品计算装置110可确定热舒适度得分。作为另一个示例,用户计算装置114、远程计算装置116、TPPP112或其中的任何组合可响应于接收到传感器信息而确定热舒适度得分。在一些示例中,至少一个处理器通过将规则的集合应用于传感器信息来确定热舒适度得分。规则的集合可以由至少一个处理器使用机器学习来预先编程或动态生成。在一些实施例中,至少一个处理器至少部分地基于用户信息(例如,历史用户舒适度信息、用户活动信息等)和/或制品信息(例如,年限、材料类型等)来确定热舒适度得分。
至少一个处理器可基于热舒适度得分来预测衣着制品的用户在未来时间是否可能感到舒适(504)。例如,至少一个处理器可确定用户在未来某个时间是否可能感到舒适,或者确定用户不太可能感到舒适的时间(例如,用户可能从感到舒适转变为感到不舒适的大致时间)。制品计算装置110、用户计算装置114、远程计算装置116、TPPP 112或其中的任何组合的至少一个处理器可将热舒适度得分与阈值舒适度得分进行比较。当热舒适度得分满足(例如,大于或等于)阈值舒适度得分时,至少一个处理器可预测用户在未来时间可能感到舒适。当热舒适度得分不满足阈值舒适度得分时,至少一个处理器可预测用户在未来时间不太可能感到舒适。
方法包括响应于确定衣着制品的用户在未来时间不太可能感到舒适(504的“否”分支)而执行至少一个操作(506)。在一些示例中,执行至少一个操作包括输出指示用户在未来时间不太可能感到舒适的通知。例如,制品计算装置110可将通知输出到另一个计算装置(例如,用户计算装置114)。作为另一个示例,用户计算装置114可经由计算装置114的输出装置输出通知(例如,作为图形用户界面)。
响应于确定用户可能感到舒适(504的“是”分支),方法包括返回(500)。换句话讲,至少一个处理器可继续接收传感器信息并且至少部分地基于新接收的传感器信息来更新热舒适度得分。
虽然制品计算装置110、用户计算装置114和TPPP 112被描述为确定用户在未来时间是否可能感到舒适,但在一些示例中,计算装置110、用户计算装置114和/或TPPP 112可基于如上所述的类似信息和规则来推荐衣着制品。例如,制品计算装置110可从一组衣着制品中确定可能使用户针对一组给定条件保持舒适的一个或多个衣着制品。例如,制品计算装置110可接收对识别可能使用户在未来时间段期间保持舒适的一个或多个衣着制品的辅助的请求。制品计算装置110可接收请求,该请求可包括与未来时间段相关联的信息,诸如指示时间段的信息(例如,指示日期、时间量、时间窗口,诸如下午12点至下午5点等)、指示用户在该未来时间段要执行的身体活动的信息、该未来时间段期间的预报天气的天气信息等。制品计算装置110可基于所接收的信息来确定可能使用户在该时间段期间保持舒适的一个或多个衣着制品。制品计算装置110可将上述规则应用于任何类型的信息(例如,历史传感器信息、历史用户信息、制品信息等)以识别一个或多个制品。例如,制品计算装置110可将一个或多个模型应用于历史用户舒适度信息、历史传感器信息、制品信息以及与未来时间段相关联的信息。模型可输出可能使得用户能够在未来时间段期间保持舒适的一个或多个衣着制品。例如,制品计算装置110可应用该模型并输出识别一组制品的信息,这组制品可单独地或组合地使得用户能够在未来时间段期间保持舒适。
虽然已参考具体的示例性实施方案对本公开的方法和系统进行了描述,但本领域的普通技术人员将容易认识到,在不脱离本公开的实质和范围的情况下,可对本公开进行各种修改和变型。
在优选实施方案的具体描述中参考了附图,这些附图示出了可实践本发明的具体实施方案。例示的实施方案并非旨在详尽列举根据本发明的所有实施方案。应当理解,在不脱离本发明范围的情况下,可利用其他实施方案,并且可进行结构性或逻辑性的改变。因此,不能认为以下的详细描述具有限制意义,并且本发明的范围由所附权利要求书限定。
除非另外指明,否则本说明书和权利要求书中所使用的表达特征尺寸、量和物理特性的所有数在所有情况下均应理解成由术语“约”修饰。因此,除非有相反的说明,否则在上述说明书和所附权利要求书中列出的数值参数均为近似值,这些近似值可根据本领域的技术人员利用本文所公开的教导内容来寻求获得的期望特性而变化。
除非内容另外明确指明,否则如本说明书和所附权利要求书中所使用的,单数形式“一个/种”和“所述”涵盖了具有多个指代物的实施方案。除非内容另外明确指明,否则如本说明书和所附权利要求书中使用的,术语“或”一般以其包括“和/或”的意义采用。
若在本文使用空间相关的术语,包括但不限于“近侧”、“远侧”、“下部”、“上部”、“下方”、“下面”、“上面”、和“在顶部上”,则用于方便描述一个或多个元件相对于另一个元件的空间关系。除了附图中描绘和本文所述的特定取向外,此类空间相关的术语涵盖装置在使用或操作时的不同取向。例如,如果图中所描绘的对象翻转或倒转,则先前描述为在其他元件下面或下方的部分就应当在这些其他元件上面或在其顶部上。
如本文所用,例如当元件、部件或层被描述为与另一元件、部件或层形成“一致界面”,或在“其上”、“连接到其”、“与其耦接”、“堆叠在其上”或“与其接触”,则可为直接在其上、直接连接到其、直接与其耦接、直接堆叠在其上或直接与其接触,或者例如居间的元件、部件或层可在特定元件、部件或层上,或连接到其、耦接到其或与其接触。例如,当元件、部件或层例如被称为“直接在”另一元件“上”、“直接连接到”另一元件、“直接与”另一元件“耦接”或“直接与”另一元件“接触”时,不存在居间的元件、部件或层。可在多种计算机装置中实施本公开的技术,该计算机装置为诸如服务器、膝上型计算机、台式计算机、笔记本电脑、平板计算机、手持式计算机、智能电话等。任何部件、模块或单元均被描述来强调功能方面,并且不一定需要由不同的硬件单元来实现。本文所述的技术还可在硬件、软件、固件、或他们的任何组合中实施。作为模块、单元或部件描述的任何特征可一起实施在集成式逻辑装置中或者可作为分立但彼此协作的逻辑装置来独立实施。在一些情况下,可将各种特征实施为集成电路装置,诸如集成电路芯片或芯片组。另外,尽管本说明书通篇描述了多种不同的模块,其中许多模块执行唯一的功能,但可将所有模块的所有功能组合到单个模块中,或者进一步拆分到其他附加的模块中。本文所述的模块仅是示例性的,并且被如此描述的目的是为了更容易理解。
如果在软件中实施,那么该技术可至少部分地通过包括下述指令的计算机可读介质来实现,该指令当在处理器中执行时执行上文所述方法中的一种或多种。计算机可读介质可包括有形计算机可读存储介质并且可形成计算机程序产品的一部分,计算机程序产品可包括包装材料。计算机可读存储介质可包括随机访问存储器(RAM)诸如同步动态随机访问存储器(SDRAM)、只读存储器(ROM)、非易失性随机访问存储器(NVRAM)、电可擦可编程的只读存储器(EEPROM)、闪速(FLASH)存储器、磁性或光学的数据存储介质等。计算机可读存储介质还可包括非易失性存储装置,诸如硬盘、磁带、光盘(CD)、数字多用光盘(DVD)、蓝光光盘、全息数据存储介质或其他非易失性存储装置。
如本文所用的术语“处理器”可指适用于实施本文所述的技术的前述结构中的任一者或任何其他结构。此外,在一些方面,本文所述的功能可提供在被配置用于执行本公开的技术的专用软件模块或硬件模块内。即使在软件中实施,该技术也可使用用于执行软件的硬件例如处理器、以及用于存储软件的存储器。在任何此类情况下,本文所述的计算机可定义能够执行本文所述的特定功能的特定机器。另外,该技术可在也可被视为处理器的一个或多个电路或逻辑元件中全面实施。
Claims (20)
1.一种方法,所述方法包括:
由至少一个处理器接收由嵌入在衣着制品中的传感器生成的传感器信息;
由所述至少一个处理器至少部分地基于所述传感器信息来确定热舒适度得分,所述热舒适度得分指示所述衣着制品的用户在未来时间将感到舒适的概率;
由所述至少一个处理器基于所述热舒适度得分来确定所述衣着制品的所述用户在所述未来时间是否可能感到舒适;以及
响应于确定所述衣着制品的所述用户在所述未来时间不太可能感到舒适而执行操作。
2.根据权利要求1所述的方法,其中执行所述操作包括:
由所述至少一个处理器输出指示该个体在所述未来时间不太可能感到舒适的通知。
3.根据权利要求1至2中任一项所述的方法,其中执行所述操作包括:
调整所述衣着制品的部件。
4.根据权利要求3所述的方法,其中调整所述部件包括自动激活所述衣着制品的加热装置或冷却装置。
5.根据权利要求1至4中任一项所述的方法,其中确定所述热舒适度得分还基于一个或多个预先确定的规则的集合。
6.根据权利要求1至4中任一项所述的方法,所述方法还包括:
在第一时间接收指示用户的用户舒适度的用户舒适度信息;
其中确定所述热舒适度得分包括:
由所述至少一个处理器并且在晚于所述第一时间的第二时间将模型应用于至少所述传感器信息和所述用户舒适度信息以确定所述热舒适度得分。
7.根据权利要求1至4中任一项所述的方法,其中确定所述热舒适度得分包括:
由所述至少一个处理器基于将模型应用于所述传感器信息以及从多个用户接收的用户舒适度信息来确定所述热舒适度得分,
其中从所述多个用户中的每个用户接收的所述用户舒适度信息指示相应用户在早于当前时间的相应时间的用户舒适度。
8.根据权利要求1至7中任一项所述的方法,其中确定所述热舒适度得分还基于所述衣着制品的材料类型。
9.根据权利要求1至8中任一项所述的方法,其中确定所述热舒适度得分还基于所述衣着制品的年限。
10.根据权利要求1至9中任一项所述的方法,其中所述传感器是第一传感器,其中所述方法包括:
由所述至少一个处理器接收由嵌入在衣着制品中的第二传感器生成的传感器信息,
其中确定所述热舒适度得分基于由所述第一传感器和所述第二传感器生成的信息。
11.根据权利要求10所述的方法,其中所述第一传感器设置在所述衣着制品的第一表面上,并且所述第二传感器设置在所述衣着制品的不同的第二表面上或设置在所述衣着制品的内表面和外表面之间。
12.根据权利要求1至11中任一项所述的方法,其中所述传感器包括以下中的一者或多者:
温度传感器,
湿度传感器,
移动传感器,
热通量传感器,
心率传感器,或
环境光传感器。
13.一种系统,所述系统包括:
衣着制品,所述衣着制品包括传感器;
至少一个处理器;和
存储器,所述存储器包括指令,所述指令在由所述至少一个处理器执行时使得所述至少一个处理器:
接收由所述传感器生成的传感器信息;
至少部分地基于所述传感器信息来确定热舒适度得分,所述热舒适度得分指示所述衣着制品的用户在未来时间将感到舒适的概率;
基于所述热舒适度得分来确定所述衣着制品的用户在所述未来时间是否可能感到舒适;以及
响应于确定所述衣着制品的用户在所述未来时间不太可能感到舒适而执行操作。
14.根据权利要求13所述的系统,其中所述指令的执行通过使得所述至少一个处理器执行以下操作来使得所述至少一个处理器执行所述操作:
输出指示所述制品的用户在所述未来时间不太可能感到舒适的通知。
15.根据权利要求13至14中任一项所述的系统,其中所述指令的执行通过使得所述至少一个处理器执行以下操作来使得所述至少一个处理器执行所述操作:
调整所述衣着制品的部件。
16.根据权利要求13至15中任一项所述的系统,其中所述指令的执行还使得所述至少一个处理器在第一时间接收指示用户舒适度的用户舒适度信息;
其中所述指令的执行通过至少使得所述至少一个处理器在晚于所述第一时间的第二时间将模型应用于至少所述传感器信息以确定所述热舒适度得分来使得所述至少一个处理器确定所述热舒适度得分。
17.根据权利要求13至16中任一项所述的系统,其中所述指令的执行使得所述至少一个处理器还基于将模型应用于所述传感器信息和从多个用户接收的用户舒适度信息来确定所述热舒适度得分,
其中从所述多个用户中的每个用户接收的所述用户舒适度信息指示相应用户在早于当前时间的相应时间的用户舒适度。
18.根据权利要求13至17中任一项所述的系统,其中所述传感器包括以下中的一者或多者:
温度传感器,
水分传感器,
移动传感器,
热通量传感器,
心率传感器,或
环境光传感器。
19.根据权利要求13至18中任一项所述的系统,其中所述衣着制品包括所述存储器和所述至少一个处理器。
20.一种计算机可读存储介质,所述计算机可读存储介质包括指令,所述指令在由计算装置的至少一个处理器执行时使得所述至少一个处理器执行根据权利要求1至12中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862669124P | 2018-05-09 | 2018-05-09 | |
US62/669,124 | 2018-05-09 | ||
PCT/IB2019/053643 WO2019215561A1 (en) | 2018-05-09 | 2019-05-03 | Apparel thermal comfort prediction system |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112106143A true CN112106143A (zh) | 2020-12-18 |
Family
ID=66951988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980031250.2A Withdrawn CN112106143A (zh) | 2018-05-09 | 2019-05-03 | 衣着热舒适度预测系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210241125A1 (zh) |
EP (1) | EP3791399A1 (zh) |
CN (1) | CN112106143A (zh) |
TW (1) | TW202001928A (zh) |
WO (1) | WO2019215561A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10678279B2 (en) | 2012-08-01 | 2020-06-09 | Tendril Oe, Llc | Optimization of energy use through model-based simulations |
US9310815B2 (en) | 2013-02-12 | 2016-04-12 | Tendril Networks, Inc. | Setpoint adjustment-based duty cycling |
US20200401907A1 (en) * | 2019-06-24 | 2020-12-24 | International Business Machines Corporation | Using artificial intelligence for analysis of environmental conditions, clothing options, and personal thermal comfort for intelligent clothing options |
US11149975B2 (en) * | 2019-07-24 | 2021-10-19 | Uplight, Inc. | Adaptive thermal comfort learning for optimized HVAC control |
IL268998B2 (en) * | 2019-08-29 | 2023-02-01 | Ofer Nidam | Inflatable item |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2005040300A1 (ja) * | 2003-10-29 | 2007-03-15 | 出光興産株式会社 | 蓄熱材組成物 |
US8908928B1 (en) * | 2010-05-31 | 2014-12-09 | Andrew S. Hansen | Body modeling and garment fitting using an electronic device |
US10445792B2 (en) * | 2014-01-31 | 2019-10-15 | Ent. Services Development Corporation Lp | Comfort-based garment management |
HK1221113A2 (zh) * | 2016-03-21 | 2017-05-19 | Clim8 Ltd | 種溫度調節系統和種用於溫度調節系統的控制器 |
US20200229514A1 (en) * | 2016-06-02 | 2020-07-23 | The North Face Apparel Corp. | Smart sensing apparel |
US10180688B2 (en) * | 2016-06-13 | 2019-01-15 | International Business Machines Corporation | Optimization through use of conductive threads and biometric data |
US10418605B2 (en) * | 2017-03-31 | 2019-09-17 | Intel Corporation | Embedded formation of wearable and flexible batteries |
-
2019
- 2019-05-03 EP EP19731789.4A patent/EP3791399A1/en not_active Withdrawn
- 2019-05-03 CN CN201980031250.2A patent/CN112106143A/zh not_active Withdrawn
- 2019-05-03 US US17/053,915 patent/US20210241125A1/en active Pending
- 2019-05-03 WO PCT/IB2019/053643 patent/WO2019215561A1/en unknown
- 2019-05-08 TW TW108115820A patent/TW202001928A/zh unknown
Also Published As
Publication number | Publication date |
---|---|
US20210241125A1 (en) | 2021-08-05 |
TW202001928A (zh) | 2020-01-01 |
WO2019215561A1 (en) | 2019-11-14 |
EP3791399A1 (en) | 2021-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112106143A (zh) | 衣着热舒适度预测系统 | |
Ometov et al. | A survey on wearable technology: History, state-of-the-art and current challenges | |
Liu et al. | Personal thermal comfort models with wearable sensors | |
Aryal et al. | A comparative study of predicting individual thermal sensation and satisfaction using wrist-worn temperature sensor, thermal camera and ambient temperature sensor | |
Forbes et al. | Fall prediction using behavioural modelling from sensor data in smart homes | |
US20230140011A1 (en) | Learning mode for context identification | |
US10347108B2 (en) | Monitoring user activity using wearable motion sensing device | |
US9763049B2 (en) | Contextual information usage in systems that include accessory devices | |
CN204520644U (zh) | 有数据能力的缚带中的电力管理 | |
KR102126147B1 (ko) | 스마트 감지 의복 | |
US10980491B1 (en) | Trend analysis for hydration monitoring | |
Chiang et al. | A green cloud-assisted health monitoring service on wireless body area networks | |
Perumal et al. | Internet of things centric-based multiactivity recognition in smart home environment | |
US11172818B1 (en) | Streaming analytics of human body movement data | |
Sucharitha et al. | Revolution in IoT: Smart wearable technology | |
US20230179983A1 (en) | Preventative workplace injury alerting system utilizing mmwave 5g positional localization | |
US20220330833A1 (en) | Individualized heat acclimatization | |
Thakur et al. | A multilayered contextually intelligent activity recognition framework for smart home | |
Larab et al. | A sustainable software architecture for home care monitoring applications | |
Singh et al. | BGR Images-Based Human Fall Detection Using ResNet-50 and LSTM | |
Carra et al. | Smart home for seniors: Opportunities and challenges for AI | |
He et al. | An IMU dataset for human thermal comfort activities identification: Experimental designs and applications | |
Aiswaryadevi et al. | Artificial Intelligence and IoT Framework for the Health Monitoring System | |
KR20230021041A (ko) | 의류 및 사이즈 추천 방법 및 그 방법을 수행하기 위한 서버 | |
Baid | Wearables: Technology That Can Be Worn |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20201218 |
|
WW01 | Invention patent application withdrawn after publication |