CN113495119A - 智能终端及智能家居空气环境评估方法 - Google Patents
智能终端及智能家居空气环境评估方法 Download PDFInfo
- Publication number
- CN113495119A CN113495119A CN202010192517.0A CN202010192517A CN113495119A CN 113495119 A CN113495119 A CN 113495119A CN 202010192517 A CN202010192517 A CN 202010192517A CN 113495119 A CN113495119 A CN 113495119A
- Authority
- CN
- China
- Prior art keywords
- evaluation result
- air
- user
- data
- cleanliness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 193
- 230000003749 cleanliness Effects 0.000 claims abstract description 113
- 230000036541 health Effects 0.000 claims abstract description 111
- 238000001514 detection method Methods 0.000 claims description 20
- 239000003570 air Substances 0.000 description 299
- WSFSSNUMVMOOMR-UHFFFAOYSA-N Formaldehyde Chemical compound O=C WSFSSNUMVMOOMR-UHFFFAOYSA-N 0.000 description 72
- 230000006399 behavior Effects 0.000 description 72
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 60
- 239000001569 carbon dioxide Substances 0.000 description 30
- 229910002092 carbon dioxide Inorganic materials 0.000 description 30
- 230000004060 metabolic process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000007726 management method Methods 0.000 description 7
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 239000008103 glucose Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 208000019693 Lung disease Diseases 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000003862 health status Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- WSFSSNUMVMOOMR-NJFSPNSNSA-N methanone Chemical compound O=[14CH2] WSFSSNUMVMOOMR-NJFSPNSNSA-N 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 210000001525 retina Anatomy 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 206010061218 Inflammation Diseases 0.000 description 1
- -1 PM2.5 Chemical compound 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004887 air purification Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000012855 volatile organic compound Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0073—Control unit therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
- G01N33/0065—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means using more than one threshold
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0068—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a computer specifically programmed
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明是关于一种智能终端及智能家居空气环境评估方法,涉及物联网技术领域,用以解决现有技术中仅参考空气参数而忽略用户的特征而造成的评估空气环境不准确的问题,本发明包括:获取处于室内的用户的特征数据;根据特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级;根据室内的空气舒适类数据和用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;通过得到的舒适度评估结果和/或洁净度评估结果,确定智能家居空气环境评估结果。由于本发明实施例通过用户个性化的特征数据,得到智能家居空气环境评估结果,提高了评价结果的准确性。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种智能终端及智能家居空气环境评估方法。
背景技术
随着生活水平的日益提高,人们对室内空气环境的健康舒适需求的关注度越来越高。对于开展室内空气环境的研究来说,提供用户查看的室内空气环境的健康舒适程度的报告是非常重要的。
目前已提出的室内空气环境的评价方法主要为将采集到的温度、相对湿度等相关的空气参数传感数据为基础,从舒适等级、健康等级或洁净等级、安全等级等多个角度对室内空气环境进行评价。
然而,在同一室内空气环境下,不同年龄段或同一年龄段但处于不同运动状态或健康状态的用户,对空气环境的舒适健康感受或要求是不一样的。例如,夏天空调处于制冷模式时,其他空气参数一样的情况下,中青年感觉舒适的温度(如25摄氏度),对于老年人来说偏冷;其他空气参数一样的情况下,二氧化碳浓度高于1000ppm的环境对于健康的中青年是可以接受的,但是对于患有肺部疾病的中青年会存在呼吸上的不适,不能在此环境下长时间活动。
所以,现有的室内空气环境的评价方法的过程忽略了用户的个性化,导致得到的室内空气环境的健康舒适程度的报告准确率比较低。
发明内容
本发明提供一种智能终端及智能家居空气环境评估方法,能够通过用户的特征数据,得到智能家居空气环境评估结果,体现了用户个性化对结果的影响,提高了评价结果的准确性。
第一方面,本发明实施例提供的一种智能终端,包括:采集单元、处理器和显示单元;
所述采集单元,用于获取处于室内的用户的特征数据;
所述处理器,用于根据所述特征数据,确定对应的用户行为状态PMV(PredictedMean Vote,预测平均评价)参数和/或空气健康判断标准等级;
根据室内的空气舒适类数据和所述用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;
通过得到的所述舒适度评估结果和/或所述洁净度评估结果,确定智能家居空气环境评估结果;
所述显示单元,用于显示智能家居空气环境评估结果。
上述智能终端,通过获取的处于室内的用户的特征数据,能够动态的计算出用户行为状态PMV参数,并通过用户行为状态PMV参数确定出舒适度,和/或,根据特征数据能够确定出动态的空气健康判断标准等级,并通过空气健康判断标准等级确定出洁净度评估结果,然后能够通过得到的舒适度评估结果和/或洁净度评估结果,确定智能家居空气环境评估结果,本发明能够在用户的特征数据的影响下确定出智能家居空气环境评估结果,从而提高了报告准确率。
在一种可能的实现方式中,所述处理器,具体用于:
将多种类型的空气健康类数据与对应类型的所述空气健康判断标准等级进行比较,得到对应的洁净度等级;
从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
上述智能终端,通过判断多种类型的空气健康类数据与对应类型的空气健康判断标准等级进行比较,得到对应的洁净度等级,并从这些等级中,选择表证空气质量最差的洁净度等级作为最终的洁净度等级评估结果,这样可以使得尽可能最大限度的进行后续的清洁工作,从而提高了空气的质量。
在一种可能的实现方式中,所述处理器,具体用于通过以下其中一种方式实现所述舒适度评估结果和所述洁净度评估结果,确定所述智能家居空气环境评估结果:
将所述舒适度评估结果乘以舒适度权值加上所述洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果;
将所述舒适度评估结果与所述洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
上述智能终端,介绍了两种确定智能家居空气环境评估结果的方式,一种方式为将舒适度评估结果和洁净度评估结果进行加权处理,得到智能家居空气环境评估结果,另一种方式为将舒适度评估结果和洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果,本发明提供了多种方式确定智能家居空气环境评估结果,提高了确定智能家居空气环境评估结果的便捷性。
在一种可能的实现方式中,所述采集单元具体用于:
通过特征检测设备检测处于室内的用户的特征数据;或
响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
上述智能终端,在采集用户的特征数据时,当智能终端与特征检测设备相连时,可以通过特征检测设备检测处于室内的用户的特征数据,当智能终端没有与特征检测设备相连,或者智能终端不能通过特征检测设备检测处于室内的用户的特征数据时,可以从选择一种用户类型的特征数据作为处于室内的用户的特征数据,本发明能够从多种方式采集用户的特征数据,从而避免获取不到用户的特征数据的情况发生。
在一种可能的实现方式中,所述处理器,具体用于:
确定用户行为状态PMV基础值;
根据所述特征数据中的用户行为状态数据确定调整比值;
根据所述调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
上述智能终端,在确定用户行为状态PMV基础值,然后采用用户的行为状态数据对用户行为状态PMV基础值进行调整,从而能够使得用户在不同的行为状态下具有的行为状态PMV参数不同,提高了评估的准确性。
第二方面,本发明实施例提供的一种智能家居空气环境评估方法,应用于智能终端,包括:
获取处于室内的用户的特征数据;
根据所述特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级;
根据室内的空气舒适类数据和所述用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;
通过得到的所述舒适度评估结果和/或所述洁净度评估结果,确定所述智能家居空气环境评估结果。
在一种可能的实现方式中,当获取到多种类型的空气健康类数据时,所述根据室内的空气健康类数据和所述空气健康判断标准等级表,确定洁净度评估结果,包括:
将多种类型的空气健康类数据与对应类型的所述空气健康判断标准等级进行比较,得到对应的洁净度等级;
从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
在一种可能的实现方式中,通过以下其中一种方式实现所述舒适度评估结果和所述洁净度评估结果,确定所述智能家居空气环境评估结果:
将所述舒适度评估结果乘以舒适度权值加上所述洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果;
将所述舒适度评估结果与所述洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
在一种可能的实现方式中,获取处于室内的用户的特征数据,包括:
通过特征检测设备检测处于室内的用户的特征数据;或
响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
在一种可能的实现方式中,所述根据所述特征数据,确定对应的用户行为状态PMV参数,包括:
确定用户行为状态PMV基础值;
根据所述特征数据中的用户行为状态数据确定调整比值;
根据所述调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
第三方面,本申请还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理单元执行时实现第二方面所述智能家居空气环境评估方法的步骤。
另外,第二方面至第三方面中任一种实现方式所带来的技术效果可参见第一方面中不同实现方式所带来的技术效果,此处不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理,并不构成对本发明的不当限定。
图1是本发明实施例提供的一种智能终端的结构框图;
图2是本发明实施例提供的一种智能终端的外表结构框图;
图3是本发明实施例提供的一种智能家居空气环境评估方法的流程示意图;
图4是本发明实施例提供的一种智能终端工作时的系统图;
图5是本发明实施例提供的一种得到舒适度评估结果的工作流程图;
图6是本发明实施例提供的一种得到洁净度评估结果的工作流程图;
图7是本发明实施例提供的一种根据青年模式得到智能家居空气环境评价结果在用户界面的示意图;
图8是本发明实施例提供的一种根据老人静享得到智能家居空气环境评价结果在用户界面的示意图;
图9是本发明实施例提供的一种根据全家共享得到智能家居空气环境评价结果在用户界面的示意图;
图10是本发明实施例提供的智能家居空气环境控制的总的流程框图;
图11是本发明实施例提供的另一种智能终端的结构框图。
具体实施方式
为了使本领域普通人员更好地理解本发明的技术方案,下面将结合附图,对本发明实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本发明实施例中术语“智能家电”是微处理器、传感器技术、网络通信技术引入家电设备后形成的家电产品。
3、本发明实施例术语“云端服务端”是为智能家电服务的,服务的内容诸如向智能家电提供资源,保存智能家电数据。
本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案,并不构成对于本发明实施例提供的技术方案的限定,本领域普通技术人员可知,随着新应用场景的出现,本发明实施例提供的技术方案对于类似的技术问题,同样适用。其中,在本发明的描述中,除非另有说明,“多个”的含义。
本发明实施例提供一种智能终端,下面以智能终端100为例对实施例进行具体说明。应该理解的是,图1所示智能终端100仅是一个范例,并且智能终端100可以具有比图1中所示的更多的或者更少的部件,可以组合两个或多个的部件,或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
图1中示例性示出了根据示例性实施例中智能终端100的硬件配置框图。如图1所示,智能终端100包括:射频(radio frequency,RF)电路110、存储器120、显示单元130、摄像头140、传感器150、无线保真(Wireless Fidelity,Wi-Fi)模块160、处理器170、蓝牙模块180、以及电源190等部件。
RF电路110可用于在收发信息或通话过程中信号的接收和发送,可以接收基站的下行数据后交给处理器170处理;可以将上行数据发送给基站。通常,RF电路包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等器件。
存储器120可用于存储软件程序及数据。处理器170通过运行存储在存储器120的软件程序或数据,从而执行智能终端100的各种功能以及数据处理。存储器120可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。存储器120存储有使得智能终端100能运行的操作系统。本申请中存储器120可以存储操作系统及各种应用程序,还可以存储执行本申请实施例所述方法的代码。
显示单元130可用于接收输入的数字或字符信息,产生与智能终端100的用户设置以及功能控制有关的信号输入,具体地,显示单元130可以包括设置在智能终端100正面的触摸屏131,可收集用户在其上或附近的触摸操作,例如点击按钮,拖动滚动框等。
显示单元130还可用于显示由用户输入的信息或提供给用户的信息以及终端100的各种菜单的图形用户界面(graphical user interface,GUI)。具体地,显示单元130可以包括设置在智能终端100正面的显示屏132。其中,显示屏132可以采用液晶显示器、发光二极管等形式来配置。显示单元130可以用于显示本申请中所述的各种图形用户界面。
例如,用户可以通过显示单元130输入用户的特征数据,使得处理器能够通过用户输入的特征数据,得到空气环境评价结果。
其中,触摸屏131可以覆盖在显示屏132之上,也可以将触摸屏131与显示屏132集成而实现智能终端100的输入和输出功能,集成后可以简称触摸显示屏。本申请中显示单元130可以显示应用程序以及对应的操作步骤。
摄像头140可用于捕获静态图像或视频。物体通过镜头生成光学图像投射到感光元件。感光元件可以是电荷耦合器件(charge coupled device,CCD)或互补金属氧化物半导体(complementary metal-oxide-semiconductor,CMOS)光电晶体管。感光元件把光信号转换成电信号,之后将电信号传递给处理器170转换成数字图像信号。
智能终端100还可以包括至少一种传感器150,比如湿度传感器151、温度传感器152、二氧化碳检测器153、PM2.5检测器154、甲醛检测器155。
Wi-Fi属于短距离无线传输技术,智能终端100可以通过Wi-Fi模块160帮助用户收发电子邮件、浏览网页和访问流媒体等,它为用户提供了无线的宽带互联网访问。
处理器170是智能终端100的控制中心,利用各种接口和线路连接整个终端的各个部分,通过运行或执行存储在存储器120内的软件程序,以及调用存储在存储器120内的数据,执行智能终端100的各种功能和处理数据。在一些实施例中,处理器170可包括一个或多个处理单元;处理器170还可以集成应用处理器和基带处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,基带处理器主要处理无线通信。可以理解的是,上述基带处理器也可以不集成到处理器170中。本申请中处理器170可以运行操作系统、应用程序、用户界面显示及触控响应,以及本申请实施例所述的处理方法。另外,处理器170与显示单元130耦接。
蓝牙模块180,用于通过蓝牙协议来与其他具有蓝牙模块的蓝牙设备进行信息交互。例如,智能终端100可以通过蓝牙模块180与同样具备蓝牙模块的可穿戴电子设备(例如智能手表)建立蓝牙连接,从而进行数据交互。
智能终端100还包括给各个部件供电的电源190(比如电池)。电源可以通过电源管理系统与处理器170逻辑相连,从而通过电源管理系统实现管理充电、放电以及功耗等功能。智能终端100还可配置有电源按钮,用于终端的开机和关机,以及锁屏等功能。
该智能终端100能够通过用户的特征数据以及空气环境的相关数据,确定智能家居空气环境评估结果,并显示给用户查看,结合图2所示,为该智能终端的外形结构,该智能终端100中包括检测多种类型的空气环境数据和用户的特征数据的功能。在启动智能终端中的检测功能后,即可以获取用户的特征数据以及空气环境的相关数据。
基于上述介绍的智能终端,本发明实施例提供了一种智能家居空气环境评估方法,结合图3所示,具体包括如下步骤:
S300:获取处于室内的用户的特征数据。
S301:根据特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级。
S302:根据室内的空气舒适类数据和用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和空气健康判断标准等级。
S303:确定洁净度评估结果,通过得到的舒适度评估结果和/或洁净度评估结果,确定智能家居空气环境评估结果。
通过上述介绍,本发明实施例提供的智能家居空气环境评估方法中确定智能家居空气环境评估结果的方式,可以为三种方式。第一种方式为:根据特征数据,确定对应的用户行为状态PMV参数。根据室内的空气舒适类数据和用户行为状态PMV参数,确定舒适度评估结果。通过得到的舒适度评估结果,确定智能家居空气环境评估结果。
第二种方式为:根据特征数据,确定对应的空气健康判断标准等级。根据室内的空气健康类数据和空气健康判断标准等级,确定洁净度评估结果。通过得到的洁净度评估结果,确定智能家居空气环境评估结果。
第三种方式为:根据特征数据,确定对应的用户行为状态PMV参数和空气健康判断标准等级。根据室内的空气舒适类数据和用户行为状态PMV参数,确定舒适度评估结果。根据室内的空气健康类数据和空气健康判断标准等级,确定洁净度评估结果。通过得到的舒适度评估结果和洁净度评估结果,确定智能家居空气环境评估结果。
本发明实施例通过上述的介绍的智能家居空气环境评估方法,无论是通过舒适度评估结果确定的智能家居空气环境评估结果,还是通过洁净度评估结果确定的智能家居空气环境评估结果,还是通过舒适度评估结果和洁净度评估结果确定的智能家居空气环境评估结果,从而体现了个性化的智能家居空气环境评估结果,提高了报告准确率。
通过上述介绍内容可知,最终得到智能家居空气环境评估结果,首先需要获取室内的用户的特征数据、空气舒适类数据以及空气健康类数据,然后确定舒适度评估结果和/或洁净度评估结果。
首先介绍如何获取室内的用户的特征数据、空气舒适类数据以及空气健康类数据。其中,空气舒适类数据以及空气健康类数据均为空气环境数据。主要是由于计算舒适度评估结果和洁净度评估结果时,所采用的空气环境数据的类型不同,所以将空气环境数据的所有类型分为两大类,其中一大类为空气舒适类数据,另一大类为空气健康类数据。
其中,空气舒适类数据为关于用户舒适的空气环境数据;空气健康类数据为关于用户健康的空气环境数据。
举一个例子,当所有类型的空气环境数据包括:温度、相对湿度、空气流速、二氧化碳浓度、PM2.5浓度、甲醛浓度、TVOC浓度时,则空气舒适类数据为:温度、相对湿度、空气流速,空气健康类数据为二氧化碳浓度、PM2.5浓度、甲醛浓度、TVOC浓度。
对于获取空气环境数据:
如图1所示的智能终端中,在可以启动智能终端中的检测功能,获取到多种类型的空气环境数据。智能终端与检测多种类型的空气环境数据的相关设备进行连接,在连接后,从检测多种类型的空气环境数据的相关设备处获取多种类型的空气环境数据。当然,如果智能终端的检测功能没有办法检测到所有类型的空气环境数据,则智能终端与能够检测到不能通过智能终端检测的类型的空气环境数据的相关设备相连,通过智能终端自身以及能够检测到不能通过智能终端检测的类型的空气环境数据的相关设备,获取到所有类型的空气环境数据。
其中,智能终端可以为智能家电,进一步的,可以为与空气环境相关的常见家电,例如,空调、新风系统、加湿器、空气净化器等。智能家电多会检测与其相关的空气环境数据,例如,空调检测室内的温度、湿度以及风速,空气净化器检测二氧化碳浓度、PM2.5(fineparticulate matter,细颗粒物)浓度、甲醛浓度和TVOC(Total Volatile OrganicCompounds,总挥发性有机物)浓度等等。
当智能终端为空调时,则需要检测二氧化碳浓度、PM2.5浓度、甲醛浓度和TVOC浓度这些类型的空气环境数据的相关设备与空调相连,从而能够获取全部类型的智能终端。
当智能终端为空气检测设备时,其中空气检测设备是指不被嵌入其他智能设备中的,独立安装或摆放的空气参数测量设备,可以是测量单个类型的空气环境数据的设备(例如温度传感器),也可以是同时测量多种类型的空气环境数据的设备(例如温湿度PM2.5等多合一传感器)。
其中,用户的特征数据包括用户年龄、性别、身高、体重等表征用户基本特征的数据、以及静坐/行走/平躺/运动等行为状态的数据,健康/患有某种疾病等健康状态的数据。
对于获取处于室内的用户的特征数据的方式:
1、通过特征检测设备检测处于室内的用户的特征数据。
具体来说:
用户的年龄、性别、身高、体重等表征用户基本特征的数据的获取方式为:通过输入设备,用户直接进行输入。
静坐/行走/平躺/运动等行为状态的数据的获取方式可以为:通过智能摄像头,拍摄室内的用户的行为状态。
健康/患有某种疾病等健康状态的数据的获取方式可以为:通过智能血压计、血糖仪等智能测量设备能够将测量结果直接上传。
2、响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
智能终端中存储多个用户类型对应的特征数据,例如当智能终端用于评估一个住着4口人的三室一厅的房子时,智能终端可以预选获取4口人的特征数据,将每一口人的特征数据单独保存,例如,4口人包括母亲、父亲、孩子、老人,母亲的特征数据,父亲的特征数据,孩子的特征数据,老人的特征数据。
当老人处于室内时,用户可以选择老人的特征数据,当父亲处于室内时,用户可以选择父亲的特征数据,当母亲处于室内时,用户可以选择母亲的特征数据,当孩子处于室内时,用户可以选择孩子的特征数据。
综上所述,当智能终端不包括检测用户的特征数据以及空气环境的相关数据的功能时,例如,智能终端为手机。则该种智能终端在工作时,该智能终端100与检测用户的特征数据的相关设备以及检测空气环境数据的相关设备进行连接,结合图4所示,示出了该种智能终端在工作时的系统图,检测用户的特征数据的相关设备为输入设备、智能摄像头、智能血压计、血糖仪等智能测量设备,摄像头401和血糖计402(图4中仅有摄像头和血糖计为例进行说明),通过摄像头401拍摄的图片获取用户行为状态,通过血糖计402获取用户血糖,检测空气环境数据的相关设备为五种传感器合一的空气检测设备403,五种传感器为:湿度传感器、温度传感器、二氧化碳检测器、PM2.5检测器、甲醛检测器。
当然,如果智能终端的检测功能没有办法检测到所有类型的空气环境数据和用户的特征数据时,则智能终端与能够检测到不能通过智能终端检测的类型的空气环境数据和用户的特征数据的相关设备相连,通过智能终端自身以及能够检测到不能通过智能终端检测的类型的空气环境数据和用户的特征数据的相关设备,获取到所有类型的空气环境数据和用户的特征数据。
获取完成室内的用户的特征数据、空气舒适类数据以及空气健康类数据之后,首先介绍如何确定舒适度评估结果。
结合图5所示,示出了确定了舒适度评估结果的流程图,该流程包括:
S500:获取室内的用户的特征数据和空气舒适类数据;
S501:根据特征数据,确定对应的用户行为状态PMV参数;
S502:根据空气舒适类数据和用户行为状态PMV参数,得到舒适度评估结果。
由上可知,由于舒适度评估结果是通过PMV模型得到的,首先介绍PMV模型。
PMV是预测平均评价,根据人体热平衡计算的。当人体内部产生的热等于在环境中散失的热量时,人处于热平衡状态。PMV指数可通过估算人体活动的代谢率及服装的隔热值获得,同时还需有以下的环境参数:空气温度、平均辐射温度、相对空气流速及空气湿度。
PMV模型是根据PMV得到,PMV的计算公式可以为:
PMV=(0.303×exp(-0.036×M)+0.0275)×[6.8167+0.4523×M+3.054×Pa+0.0173×M×Pa)+0.0014×M×ta-3.9×10-8×fcl×(Tcl^4-Tmrt^4)-fcl×hc×(tcl-ta)] (1)
其中,与人体相关的参数包括:
M:人体新陈代谢量69.8W/m2(该值为正常人体处于静坐或步行时的平均代谢量,随着运动量的增加,人体运动代谢量升高;同时该值可根据性别进行区分:男性平均代谢量默认取值80.1W/m2,女性为64.3W/m2.)。
W:机械功,该值与机械效率相关,默认取值为0。
fcl:衣着系数,即服装的外表面积与其包裹的体表面积之比。可由服装热阻Ic计算得到,fcl=1+0.2Ic,Ic与服装本身相关。
服装热阻值Ic:服装热阻是指反映服装保温性能的参数。其值与服装导热系数成反比。单位为clo。1clo=0.155m·K/W。各种服装的热阻值有实测数据可查用。它与周围环境温度、风速和人体散热量有密切关系。
与环境相关的参数包括:
ta:周围空气温度,可由仪器设备测得。
tmrt:辐射温度,默认等于空气温度。Tmrt=tmrt+273.15=ta+273.15。
Pa:水蒸气分压力,可由饱和水蒸汽压力*相对湿度RH(relative humidity)算得,其中不同温度下的饱和水蒸气压力可查表获得,该表为通用表。
hc:对流换热系数,与空气流速va相关。空气自然对流时,hc取值区间[3,10]。hc与空气流速va的对应转换关系为:
hc=max(2.38×(tcl-ta)^0.25,12.1×(va)^0.5) (2)
Tcl:着装人体表面温度,Tcl=tcl+273.15,tcl可由以下公式算得:
tcl=35.7-0.028×M-Ic×{3.96×10-8×fcl×[(tcl+273.15)^4-(tmrt+273.15)^4]+fcl×hc×(tcl-ta)} (3)
从PMV模型中可以看出,PMV参数分为用户行为状态PMV参数和环境PMV参数。
环境PMV参数为周围空气温度、辐射温度、水蒸气分压力、对流换热系数。
如上述所示,环境PMV参数为通过室内的空气舒适类数据计算得到。
用户行为状态PMV参数为人体新陈代谢量、服装热阻值以及着装人体表面温度。
如上述所示,用户行为状态PMV参数为通过用户的特征数据计算得到。
当用户在静坐、行走、平躺、运动时,身体发出的热量也不同,则会影响人体新陈代谢量、服装热阻值以及着装人体表面温度这些参数。基于此,本发明实施例提供了一种根据特征数据,确定对应的用户行为状态PMV参数的方法,具体为:
确定用户行为状态PMV基础值;
根据特征数据中的用户行为状态数据确定调整比值;
根据调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
其中,用户行为状态PMV基础值为用户在没有进行任何行为状态下的数值,当用户进行运动后,将用户运行后产生的热量确定为调整比值,调整用户行为状态PMV基础值,从而能够得到对应的用户行为状态PMV参数。
举一个示例,以人体新陈代谢量为例,当用户行为状态数据为静坐时,可以确定调整比例为1,即不作调整;用户行为状态数据为行走时,产生的热量会比静坐的时候大,则确定调整比例为1.2,即将用户行为状态PMV基础值乘以1.2得到用户行为状态PMV参数;当用户行为状态数据为平躺,用户的新陈代谢会下降,则确定调整比例为0.8,即将用户行为状态PMV基础值乘以0.8得到用户行为状态PMV参数;当用户行为状态数据为运动时,用户的新陈代谢会大比例的上降,则确定调整比例为1.5,即将用户行为状态PMV基础值乘以1.5得到用户行为状态PMV参数。其中,当运行的方式不同时,调整比例也会随着变化,对此,本发明并不做具体限制。
另外,确定用户行为状态PMV基础值的方式为,根据用户的年龄、性别、身高、体重、服饰等表征用户基本特征的部分或全部数据,确定用户行为状态PMV基础值。
例如,上述提到的人体新陈代谢量,根据年龄、性别、身高、体重,确定人体新陈代谢量,即用户行为状态PMV基础值。
服装热阻值,根据服饰的特点,例如,材质、长度等特征,根据实测数据进行查找,确定用户穿着当前服饰的服装热阻值,即用户行为状态PMV基础值。
着装人体表面温度,即根据人体新陈代谢量和服装热阻值,以及其他参数(参考上述tcl公式),得到着装人体表面温度,即用户行为状态PMV基础值。
将计算得到的环境PMV参数和用户行为状态PMV参数,输入到PMV模型中,确定舒适度评估结果。
其中,结合图6所示,确定洁净度评估结果的过程为:
S600:获取室内的用户的特征数据和空气健康类数据。
S601:根据特征数据,确定对应的空气健康判断标准等级。
对于上述过程,对于每一个特征数据来说,对应的空气健康判断标准等级不同。例如,结合表1~3,表1示出了年龄在50岁以上的健康老人的空气健康判断标准等级。表2示出了年龄在50岁以下15岁以上的健康年轻人的空气健康判断标准等级。表3示出了年龄在50岁以上的老人患有肺部疾病的空气健康判断标准等级。
表1
优 | 良 | 差 | 严重 | |
PM2.5(ug/m<sup>3</sup>) | <30 | [30,70) | [70,145) | >=145 |
甲醛(mg/m<sup>3</sup>) | <0.07 | [0.07,0.09) | [0.09,0.25) | >=0.25 |
二氧化碳(ppm) | <400 | [400,900) | [900,2000) | >=2000 |
表2
优 | 良 | 差 | 严重 | |
PM2.5(ug/m<sup>3</sup>) | <35 | [35,75) | [75,150) | >=150 |
甲醛(mg/m<sup>3</sup>) | <0.08 | [0.08,0.1) | [0.1,0.3) | >=0.3 |
二氧化碳(ppm) | <500 | [500,1000) | [1000,2000) | >=2000 |
表3
从上述表1~表2可以看出,不同的年龄段,多种类型的空气健康类数据对应类型的空气健康判断标准等级不同,从表1和表3可以看出,同一年龄段,身体健康与患有肺部疾病的空气健康类数据对应类型的空气健康判断标准等级也不同。
需要注意的是,对于表1~表3中介绍的等级,优、良、差、严重,并不是本发明对洁净度等级做出的具体限定,仅为示例性的。
综上可知,本发明实施例用户的特征数据包括用户年龄、性别、身高、体重等表征用户基本特征的数据、以及健康/患有某种疾病等健康状态的数据,确定对应的空气健康判断标准等级,其中,患有不同的疾病,对应的空气健康判断标准等级也是不同的,例如:患有上呼吸道炎症的和患有肺部疾病的,因为对不同类型的空气健康类数据敏感度不同,所以,对应的空气健康判断标准等级也不同。
S602:将多种类型的空气健康类数据与对应类型的空气健康判断标准等级进行比较,得到对应的洁净度等级。
S603:从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
具体来说,每一种类型的空气健康类数据与对应这种类型的空气健康判断标准等级进行比较,查看这种类型的空气健康类数据在哪个空气健康判断标准等级上,在哪个空气健康判断标准等级,确定这种类型的空气健康类数据的洁净度等级,依次类推,所有的类型的空气健康类数据均判断完成后,从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
例如,多种类型的空气健康类数据为二氧化碳、PM2.5、甲醛。确定的空气健康判断标准等级为老人患有肺部疾病,如表3中所述的标准等级。则确定当前的二氧化碳数属于对应二氧化碳的空气健康判断标准等级的哪个等级;确定当前的PM2.5属于对应PM2.5的空气健康判断标准等级的哪个等级;确定当前的甲醛属于对应甲醛的空气健康判断标准等级的哪个等级。例如,二氧化碳数为优,PM2.5为良,甲醛为差,则选择甲醛对应的洁净度等级作为最终的洁净度评估结果。这样用户可以知道当前环境比较差,需要加大进行空气净化。
当智能家居空气环境评估结果是通过舒适度评估结果与洁净度评估结果计算得到的时,可以通过多种方式实现,以下列举两个方式作为说明:
方式一:将舒适度评估结果乘以舒适度权值加上洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果。
将PMV模式得到数值,与表征空气质量最差的洁净度等级,利用百分制,将其转换为100以内的数值,其中数值越大说明空气质量越好,例如,当表征空气质量最差的洁净度等级为良时,则换成百分制之后,为80。
同时由于不同的用户对舒适度以及洁净度具有不同的要求,所以,需要对确定出来的舒适度评估结果和洁净度评估结果进行加权处理,从而能够得到最终的智能家居空气环境评估结果。
方式二:将舒适度评估结果与洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
依然可以采用百分制来确定,确定舒适度评估结果与洁净度评估结果中的那个数值比较大,从而确定数值大的作为智能家居空气环境评估结果。
将PMV模式得到数值,转化为舒适度等级,形如表1~3所示,确定等级中等级较小的作为智能家居空气环境评估结果。其中,等级越小表征的空气质量越差。
结合上述介绍,本发明实施例在实际应用过程的工作过程,在一个房子内,可以安装有多个智能终端,每个智能终端可以确定安装在的室内的空气环境评价结果,例如,一个房子分为主卧、次卧、客厅,根据主卧的空气环境数据以及主卧内的用户的特征数据,确定主卧的空气环境评价结果,依次,可以分别得到主卧、次卧、客厅对应的三个室内的空气环境评价结果。另外,当智能终端可以为一个,在多个室内安装有特征检测设备以及空气环境数据监测设备,一个用户可以选择每种房间的每个用户模式,并得到房间的空气环境评价结果。具体为:获取室内的空气舒适类数据和空气健康类数据,用户通过选择用户类型,每个用户类型对应不同的用户的特征数据,然后通过获取到的特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级,根据室内的空气舒适类数据和用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和空气健康判断标准等级,确定每一个类型的空气健康类数据的一个等级,从多个等级中选择其中一个等级作为洁净度评估结果;通过得到的舒适度评估结果和/或洁净度评估结果,确定智能家居空气环境评估结果。
以下结合附图进行具体说明:
结合图7所示,用户选择用户模式为青年模式,则根据青年模式的特征数据,得到对应的空气健康判断标准等级,根据检测得到PM2.5为12ug/m3、甲醛为0mg/m3、二氧化碳为558PPM,与对应的空气健康判断标准等级进行判断,得到对应的PM2.5的等级为优、甲醛的等级为优、二氧化碳的等级为优,将空气健康类数据以及判断的等级均显示在智能终端的显示屏上。同时,根据PM2.5的等级为优、甲醛的等级为优、二氧化碳的等级为优,确定洁净度评价结果也为优。再根据检测得到空气舒适类数据,温度为24度和相对湿度为40%,根据温度为24度和相对湿度为40%,按照预设的标准,例如,温度标准23~26度为舒适,相对湿度的标准为20%~40%为舒适,确定当前室内的温度和相对湿度的等级结果,即温度的等级为舒适,相对湿度的等级为舒适,并将温度、相对湿度以及其当前室内的数值,以及对应的等级均进行显示。然后温度为24度和相对湿度为40%,以及青年模式的特征数据,确定舒适度评价结果。将舒适度评价结果和洁净度评价结果结合,确定空气环境评估结果,即可以为舒适。
通过上述介绍,可以在智能终端上显示空气环境评估结果、以及室内的空气环境数据,温度、相对湿度、PM2.5、甲醛、二氧化碳的具体数值、以及等级结果。在具体显示时:对于温度、相对湿度等每一项空气舒适类数据以及舒适度评价结果,通过不同颜色及文字表征单项空气舒适类数据的等级,例如:
温度:红色表示热,橙色表示偏热,绿色表示舒适,蓝色表示偏冷;
相对湿度:红色表示严重,橙色表示潮湿,绿色表示舒适,蓝色表示干燥;
甲醛、二氧化碳、PM2.5等等每一项空气健康类数据以及洁净度评价结果:红色表示严重污染,橙色表示差,绿色表示优,蓝色表示良;
总的空气环境评价结果的程度:红色表示极差,橙色表示一般,绿色表示优,蓝色表示良。
结合图8所示,用户在次卧中选择用户模式为老人静享,则根据老人静享的特征数据,得到对应的空气健康判断标准等级,根据检测得到PM2.5为12ug/m3、甲醛为0mg/m3、二氧化碳为480PPM,与对应的空气健康判断标准等级进行判断,得到对应的PM2.5的等级为优、甲醛的等级为优、二氧化碳的等级为优,可以看出由于老人静享与青年模式的不同,对应不同数值时,得到的结果也不同,例如,老人静享的二氧化碳在480PPM时为优,青年模式在558PPM时就可以为优,将空气健康类数据以及判断的等级均显示在智能终端的显示屏上。同时,根据PM2.5的等级为优、甲醛的等级为优、二氧化碳的等级为优,确定洁净度评价结果也为优。再根据检测得到空气舒适类数据,温度为28度和相对湿度为30%,根据温度为28度和相对湿度为30%,按照预设的标准,例如,老人的温度标准25~30度为舒适,相对湿度的标准为20%~30%为舒适,确定当前室内的温度和相对湿度的等级结果,即温度的等级为舒适,相对湿度的等级为舒适,并将温度、相对湿度以及其当前室内的数值,以及对应的等级均进行显示。然后温度为28度和相对湿度为30%,以及老人静享的特征数据,确定舒适度评价结果。将舒适度评价结果和洁净度评价结果结合,确定空气环境评估结果,即可以为舒适。
结合图9所示,用户在次卧中选择用户模式为全家共享,则根据全家共享的特征数据,得到对应的空气健康判断标准等级,根据检测得到PM2.5为20ug/m3、甲醛为0mg/m3、二氧化碳为600PPM,与对应的空气健康判断标准等级进行判断,得到对应的PM2.5的等级为优、甲醛的等级为优、二氧化碳的等级为良,同时,确定洁净度评价结果也为良。再根据检测得到空气舒适类数据,温度为25度和相对湿度为20%,根据温度为25度和相对湿度为30%,按照预设的标准,例如,全家人的温度标准24~28度为舒适,相对湿度的标准为20%~30%为舒适,确定当前室内的温度和相对湿度的等级结果,即温度的等级为舒适,相对湿度的等级为舒适,并将温度、相对湿度以及其当前室内的数值,以及对应的等级均进行显示。然后温度为28度和相对湿度为30%,以及全家共享的特征数据,确定舒适度评价结果。将舒适度评价结果和洁净度评价结果结合,确定空气环境评估结果,即可以为舒适。
图10为智能家居空气环境控制的总的流程框图。
由图10中可以看出,本发明实施例的室内空气环境控制方法的流程框图可以包括智能终端采集的数据部分、第三方数据部分、智慧空气服务部分以及空气设备部分。其中,智慧空气服务部分包括个性化舒适喜好分析模型、洁净度模型、舒适度模型、多维智能控制模块以及设备管理模块。
下面对该框图中的各部分进行详细说明。
一、智能终端采集的数据部分。
智能终端部分可以包括四恒控制器、智能手机以及数字视网膜传感器。
其中四恒温控器用于进行PMV等级、室内温度、室内湿度以及室内风速档位等具体参数的调节,四恒控制器自带五合一传感器,可以采集温度、湿度、PM2.5、二氧化碳、甲醛;智能手机,可以通过手机上安装的APP设置用户信息,比如家庭地址、性别、年龄等信息,还可以对PMV等级、室内温度、室内湿度以及室内风速档位等具体参数进行调节;数字视网膜传感器,可以用于识别用户和用户的行为,比如该用户属性为老人、儿童或青年,用户行为为睡觉、行走、看书等。
二、第三方数据部分。
第三方数据可以通过网页得到天气预报、地域、节气、空气质量等数据,也可以是由空气设备的传感器采集的传感数据,比如智能空调采集的温度和湿度、智能加湿器采集的湿度、智能新风机采集的风速。
三、个性化舒适喜好分析模型。
个性化喜好分析模型,根据采集到的数据建立训练样本,通过筛选合适的机器学习方法,构建用户个性化舒适喜好分析模型,然后根据当前用户在当前时间、当前室内环境和当前室外环境下,推荐符合该用户喜好的PMV等级、温度、湿度和空气速度,下述称为预测的参数设置。
这里的采集到的数据,是由上述的控制器和手机APP采集到用户设置的数据、数字视网膜传感器采集到的用户识别和行为识别结果、空气设备的传感器采集到的室内温度、室内湿度、室内空气流速、室外温度、室外湿度等数据。
建立的训练样本,将室内温度、室内湿度、室内空气流速、室外温度、室外湿度、用户识别结果、用户行为识别结果、地域、季节作为输入,将用户设置的PMV等级、温度、湿度、风速作为输出。
机器学习方法比如KNN、SVM、BP神经网络等算法,在实施中,可以先使用每种算法构建一个模型,根据每个模型输出的预测的用户设置值的准确率,判断使用哪种算法。
四、舒适度模型。
以PMV模型为基础,结合地域、季节等因素,针对不同用户群体、不同运动状态,细分多场景智能模式,比如全家畅享、老人静享、儿童乐享、舒适运动等,根据大量数据和实验,获得每个智能模式下对应的PMV等级及其对应的温度、湿度、风速的参数范围,将风速范围作为空气设备运行的公共参数。
根据空气设备采集到的室内温度、室内湿度、室内空气流速等传感数据,使用PMV模型,实时评价室内空气环境舒适度,如果室内空气环境舒适度不符合用户期望值,则发出异常警告,并通知多维智能控制模块进行空气设备运行参数的调节。
五、洁净度模型。
以《室内空气质量标准》为参考,以甲醛、二氧化碳和PM2.5三大空气质量因子为评价指标,采集空气设备(智能新风机、智能空气净化器、四恒控制器等)的设备传感数据,实时监控室内空气质量。每种空气质量因子都有一个阈值,如果采集到的空气质量因子的浓度超出阈值,则判定为洁净度异常。
如果洁净度异常,则发出异常警告,并通知多维智能控制模块进行设备调节。
六、多维智能控制模块。
1、多维智能控制模块接收到个性化舒适喜好分析模型输入的预测设置参数时,根据空气设备的运行参数以及空气设备采集的当前数据,重新计算满足用户需求的温度、湿度和风速的设置参数,基于模糊控制算法进行参数调整,并进行设备控制。
2、多维智能控制模块接收到舒适度模型异常报警时,根据空气设备的运行参数以及空气设备采集的当前数据,重新计算满足用户需求的温度、湿度和风速的设置参数,基于模糊控制算法进行参数调整,并进行设备控制。
3、多维智能控制模块接收到洁净度模型异常报警时,控制智能新风机和智能空气净化器实现洁净度达标。由于智能新风机和智能空气净化器的风速、室外天气情况以及空气质量会对室内舒适度产生影响,因此需要根据异常类型和洁净度等级,根据空气设备的运行参数以及空气设备采集的当前数据,重新计算满足用户需求的温度、湿度和风速的设置参数,基于模糊控制算法进行参数调整,并进行设备控制。
洁净度等级可以分为合格、良、优,用户可以对洁净度等级进行设置。
洁净度模型会对室内空气参数(PM2.5、二氧化碳、甲醛)进行监控及等级评定,例如室内二氧化碳浓度,会有污染、合格、良、优等等级划分。
当监控到某一项或多项空气参数不满足用户洁净度等级要求时,系统会根据异常类型和空气设备状态,确定该调节哪个设备,同时考虑调节空气设备引起的室内空气环境舒适度的波动,系统会重新计算满足用户需求的温度、湿度和风速设置参数,使室内环境一直处于用户期望的舒适度等级。
例如,当用户设置房间内洁净度等级要求为良,检测到二氧化碳浓度高于等级良的要求时,系统会通过调节智能新风机的风速来降低二氧化碳浓度,但是风速增大后会影响室内环境的舒适度等级,因此要以用户设置的舒适度等级为目标值,重新计算该等级下风速增大的情况下,温度、湿度对应的调节方案,使最终的温度、湿度、风速设置值对应的舒适度等级逼近用户设置的舒适度等级。
七、设备管理模块。
设备管理模块用于将空气设备的当前运行参数上报给多维智能控制模块;接收解析多维智能控制模块下发的控制命令,并下发给各空气设备。
八、空气设备部分。
各空气设备接收设备管理模块下发的控制命令,根据该控制命令对运行参数进行调节。
本发明实施例提供的一种智能终端的框图,结合图11所示,该智能终端100包括:采集单元1110、处理器170和显示单元130;
所述采集单元1110,用于获取处于室内的用户的特征数据;
所述处理器170,用于根据所述特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级;
根据室内的空气舒适类数据和所述用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;
通过得到的所述舒适度评估结果和/或所述洁净度评估结果,确定智能家居空气环境评估结果;
所述显示单元130,用于显示智能家居空气环境评估结果。
可选的,所述处理器170,具体用于:
将多种类型的空气健康类数据与对应类型的所述空气健康判断标准等级进行比较,得到对应的洁净度等级;
从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
可选的,所述处理器170,具体用于通过以下其中一种方式实现所述舒适度评估结果和所述洁净度评估结果,确定所述智能家居空气环境评估结果:
将所述舒适度评估结果乘以舒适度权值加上所述洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果;
将所述舒适度评估结果与所述洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
可选的,所述采集单元1110具体用于:
通过特征检测设备检测处于室内的用户的特征数据;或
响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
可选的,所述处理器170,具体用于:
确定用户行为状态PMV基础值;
根据所述特征数据中的用户行为状态数据确定调整比值;
根据所述调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器,上述指令可由智能终端的处理器执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明实施例还提供一种计算机程序产品,当所述计算机程序产品在电子设备上运行时,使得所述智能终端执行实现本发明实施例上述任意一项智能家居空气环境评估方法。
本领域技术人员在考虑说明书及实践这里发明的发明后,将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (10)
1.一种智能终端,其特征在于,包括:采集单元、处理器和显示单元;
所述采集单元,用于获取处于室内的用户的特征数据;
所述处理器,用于根据所述特征数据,确定对应的用户行为状态预测平均评价PMV参数和/或空气健康判断标准等级;
根据室内的空气舒适类数据和所述用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;
通过得到的所述舒适度评估结果和/或所述洁净度评估结果,确定智能家居空气环境评估结果;
所述显示单元,用于显示智能家居空气环境评估结果。
2.根据权利要求1所述的智能终端,其特征在于,所述处理器,具体用于:
将多种类型的空气健康类数据与对应类型的所述空气健康判断标准等级进行比较,得到对应的洁净度等级;
从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
3.根据权利要求1所述的智能终端,其特征在于,所述处理器,具体用于通过以下其中一种方式实现所述舒适度评估结果和所述洁净度评估结果,确定所述智能家居空气环境评估结果:
将所述舒适度评估结果乘以舒适度权值加上所述洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果;
将所述舒适度评估结果与所述洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
4.根据权利要求1~3任一项所述的智能终端,其特征在于,所述采集单元具体用于:
通过特征检测设备检测处于室内的用户的特征数据;或
响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
5.根据权利要求1所述的智能终端,其特征在于,所述处理器,具体用于:
确定用户行为状态PMV基础值;
根据所述特征数据中的用户行为状态数据确定调整比值;
根据所述调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
6.一种智能家居空气环境评估方法,其特征在于,应用于智能终端,包括:
获取处于室内的用户的特征数据;
根据所述特征数据,确定对应的用户行为状态PMV参数和/或空气健康判断标准等级;
根据室内的空气舒适类数据和所述用户行为状态PMV参数,确定舒适度评估结果和/或根据室内的空气健康类数据和所述空气健康判断标准等级,确定洁净度评估结果;
通过得到的所述舒适度评估结果和/或所述洁净度评估结果,确定所述智能家居空气环境评估结果。
7.根据权利要求6所述的智能家居空气环境评估方法,其特征在于,当获取到多种类型的空气健康类数据时,所述根据室内的空气健康类数据和所述空气健康判断标准等级表,确定洁净度评估结果,包括:
将多种类型的空气健康类数据与对应类型的所述空气健康判断标准等级进行比较,得到对应的洁净度等级;
从多种类型的空气健康类数据得到的洁净度等级中,选择表征空气质量最差的洁净度等级作为洁净度评估结果。
8.根据权利要求6所述的智能家居空气环境评估方法,其特征在于,通过以下其中一种方式实现所述舒适度评估结果和所述洁净度评估结果,确定所述智能家居空气环境评估结果:
将所述舒适度评估结果乘以舒适度权值加上所述洁净度评估结果乘以洁净度权值,生成智能家居空气环境评估结果;
将所述舒适度评估结果与所述洁净度评估结果进行对比,将表征空气质量较差的评估结果作为智能家居空气环境评估结果。
9.根据权利要求6~8任一项所述的智能家居空气环境评估方法,其特征在于,获取处于室内的用户的特征数据,包括:
通过特征检测设备检测处于室内的用户的特征数据;或
响应用户选择的用户类型,确定用户选择的用户类型对应的特征数据作为处于室内的用户的特征数据,其中所述智能终端中存储多个用户类型对应的特征数据。
10.根据权利要求6所述的智能家居空气环境评估方法,其特征在于,所述根据所述特征数据,确定对应的用户行为状态PMV参数,包括:
确定用户行为状态PMV基础值;
根据所述特征数据中的用户行为状态数据确定调整比值;
根据所述调整比值,调整用户行为状态PMV基础值,得到对应的用户行为状态PMV参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192517.0A CN113495119A (zh) | 2020-03-18 | 2020-03-18 | 智能终端及智能家居空气环境评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010192517.0A CN113495119A (zh) | 2020-03-18 | 2020-03-18 | 智能终端及智能家居空气环境评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113495119A true CN113495119A (zh) | 2021-10-12 |
Family
ID=77993282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010192517.0A Pending CN113495119A (zh) | 2020-03-18 | 2020-03-18 | 智能终端及智能家居空气环境评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113495119A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114646125A (zh) * | 2022-03-18 | 2022-06-21 | 青岛海尔空调器有限总公司 | 用于修正热舒适度模型的方法、装置及存储介质 |
CN116149199A (zh) * | 2023-04-17 | 2023-05-23 | 深圳市多美达数码科技有限公司 | 一种智能家居设备控制方法、智能网关及智能设备 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980084648A (ko) * | 1997-05-23 | 1998-12-05 | 윤종용 | 공기조화기의 토출기류 제어장치 및 그 방법 |
CN102865644A (zh) * | 2012-10-22 | 2013-01-09 | 四川虹微技术有限公司 | 空调自动调节工作模式的方法 |
CN103607490A (zh) * | 2013-10-19 | 2014-02-26 | 广东欧珀移动通信有限公司 | 一种移动终端、服务器及检测空气质量的方法 |
CN104930657A (zh) * | 2015-06-16 | 2015-09-23 | 惠州Tcl移动通信有限公司 | 一种空调个性化调节的方法及系统 |
CN106770972A (zh) * | 2017-01-16 | 2017-05-31 | 北京晶海科技有限公司 | 一种居室内空气质量评价系统及方法 |
CN106895881A (zh) * | 2017-03-30 | 2017-06-27 | 广东欧珀移动通信有限公司 | 室内环境监测方法及移动终端 |
CN107280637A (zh) * | 2016-04-20 | 2017-10-24 | 真毅环境科技有限公司 | 个人健康状态预测及评价的方法、装置和系统 |
CN110671795A (zh) * | 2019-11-29 | 2020-01-10 | 北方工业大学 | 一种基于人工智能的宜居环境系统及其使用方法 |
CN112032985A (zh) * | 2020-07-24 | 2020-12-04 | 奇酷互联网络科技(深圳)有限公司 | 一种空调的调节方法、调节系统以及智能终端、存储介质 |
-
2020
- 2020-03-18 CN CN202010192517.0A patent/CN113495119A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR19980084648A (ko) * | 1997-05-23 | 1998-12-05 | 윤종용 | 공기조화기의 토출기류 제어장치 및 그 방법 |
CN102865644A (zh) * | 2012-10-22 | 2013-01-09 | 四川虹微技术有限公司 | 空调自动调节工作模式的方法 |
CN103607490A (zh) * | 2013-10-19 | 2014-02-26 | 广东欧珀移动通信有限公司 | 一种移动终端、服务器及检测空气质量的方法 |
CN104930657A (zh) * | 2015-06-16 | 2015-09-23 | 惠州Tcl移动通信有限公司 | 一种空调个性化调节的方法及系统 |
CN107280637A (zh) * | 2016-04-20 | 2017-10-24 | 真毅环境科技有限公司 | 个人健康状态预测及评价的方法、装置和系统 |
CN106770972A (zh) * | 2017-01-16 | 2017-05-31 | 北京晶海科技有限公司 | 一种居室内空气质量评价系统及方法 |
CN106895881A (zh) * | 2017-03-30 | 2017-06-27 | 广东欧珀移动通信有限公司 | 室内环境监测方法及移动终端 |
CN110671795A (zh) * | 2019-11-29 | 2020-01-10 | 北方工业大学 | 一种基于人工智能的宜居环境系统及其使用方法 |
CN112032985A (zh) * | 2020-07-24 | 2020-12-04 | 奇酷互联网络科技(深圳)有限公司 | 一种空调的调节方法、调节系统以及智能终端、存储介质 |
Non-Patent Citations (1)
Title |
---|
刘冰玉: "地铁车厢环境空气质量研究", 《中国知网》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114646125A (zh) * | 2022-03-18 | 2022-06-21 | 青岛海尔空调器有限总公司 | 用于修正热舒适度模型的方法、装置及存储介质 |
CN114646125B (zh) * | 2022-03-18 | 2024-05-24 | 青岛海尔空调器有限总公司 | 用于修正热舒适度模型的方法、装置及存储介质 |
CN116149199A (zh) * | 2023-04-17 | 2023-05-23 | 深圳市多美达数码科技有限公司 | 一种智能家居设备控制方法、智能网关及智能设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110454930B (zh) | 人体最佳热舒适度估算方法、设备及空调控制方法和装置 | |
JP4265682B2 (ja) | 情報集計装置、情報集計装置の集計方法、およびそのプログラムを記録した記録媒体 | |
US11076758B2 (en) | Controlling devices based on physiological measurements | |
WO2020258779A1 (zh) | 空调器的控制方法及控制系统 | |
JP5491891B2 (ja) | 機器マネージメント装置およびプログラム | |
WO2017008321A1 (zh) | 基于智能可穿戴设备行为感知的智能家庭能源管理方法 | |
CN106500276B (zh) | 智能模块和智能空调器 | |
US20160047565A1 (en) | Personalized ambient temperature management | |
CN105387557A (zh) | 用于控制室内温度和湿度的方法和装置 | |
CN108758996A (zh) | 空调器及其控制方法、控制装置和可读存储介质 | |
CN106980266A (zh) | 智能家电控制系统及方法 | |
CN111336652A (zh) | 信息处理方法以及信息处理装置 | |
EP2581677A1 (en) | Energy management apparatus | |
CN113495119A (zh) | 智能终端及智能家居空气环境评估方法 | |
CN203810634U (zh) | 室内舒适性状态获取装置、空调器和移动终端 | |
CN108592347A (zh) | 空调器及其控制方法、控制装置和可读存储介质 | |
US11359969B2 (en) | Temperature regulation based on thermal imaging | |
CN110207336A (zh) | 多联机的控制方法、控制装置及可读存储介质 | |
CN106895881B (zh) | 室内环境监测方法及移动终端 | |
CN112178785A (zh) | 一种空调器除湿控制方法及除湿控制设备 | |
CN113494756A (zh) | 终端及室内空气调节方法 | |
KR102373682B1 (ko) | 환경 제어 장치, 환경 제어 시스템 및 환경 제어 방법 | |
CN105373850A (zh) | 一种推荐空调安装位置的装置、方法和系统 | |
CN115218358B (zh) | 一种室内空气环境调节方法和设备 | |
US20230011020A1 (en) | Hvac performance monitoring method |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211012 |
|
RJ01 | Rejection of invention patent application after publication |