CN114183898B - 新风机系统预约方法、装置、系统、电子设备及存储介质 - Google Patents
新风机系统预约方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114183898B CN114183898B CN202111484084.7A CN202111484084A CN114183898B CN 114183898 B CN114183898 B CN 114183898B CN 202111484084 A CN202111484084 A CN 202111484084A CN 114183898 B CN114183898 B CN 114183898B
- Authority
- CN
- China
- Prior art keywords
- fan system
- space
- fresh air
- new fan
- reservation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004891 communication Methods 0.000 claims description 58
- 210000002569 neuron Anatomy 0.000 claims description 40
- 238000003062 neural network model Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 17
- 230000001276 controlling effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 8
- 230000001105 regulatory effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 210000002364 input neuron Anatomy 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 210000004205 output neuron Anatomy 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012956 testing procedure Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/0001—Control or safety arrangements for ventilation
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Chemical & Material Sciences (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本申请涉及一种新风机系统预约方法、装置、系统、电子设备及存储介质,该新风机系统预约方法包括:接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;在所述预约时间控制所述目标新风机系统开启。本申请中,接收到预约请求后,根据该预约请求中的目标新风机系统的标识以及预约时间,在该预约时间控制目标新风机系统开启,减少新风机系统不间断运行造成的资源浪费,节省能源。
Description
技术领域
本申请涉及通信技术领域,尤其涉及一种新风机系统预约方法、装置、系统、电子设备及存储介质。
背景技术
新风机系统是一种能将室内污浊空气排出室外,将室外新鲜空气经过杀菌,消毒、过滤等措施后输入到室内的空气净化设备,其使用场所包括商务写字楼,车站,医院、会展中心等人群密集的地方。现有技术中,新风机系统一般用于提醒空气质量是否超标,或者通过较多的新风机系统,基于大数据分析对空气质量的变化进行较为精准的预测。但是,在上述过程中,新风机系统不间断运行,在新风机系统的使用场所种无人时,可能会造成资源浪费,增加较多的不必要的能源消耗。
发明内容
本申请提供了一种新风机系统预约方法、装置、系统、电子设备及存储介质,以解决新风机系统不间断运行造成资源浪费,能源消耗较大的问题。
第一方面,本申请提供了一种新风机系统预约方法,该新风机系统预约方法包括:
接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;
在所述预约时间控制所述目标新风机系统开启。
可选地,在所述预约时间控制所述目标新风机系统开启之前,还包括:
获取待预约的新风机系统;
确定所述目标新风机系统属于所述待预约的新风机系统。。
可选地,获取待预约的新风机系统,包括:
获取新风机系统所在空间的信息以及空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;
根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统。
可选地,所述根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统,包括:
根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;
根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;
获取预约查询请求后,根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;
所述预约查询请求包括目标空间信息、所述预约时间、目标空气质量等级以及预期的第一参数中的至少一项。
可选地,所述新风机系统所在空间的信息包括曾经使用新风机系统所在空间的至少一个用户的评分;
所述根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数,包括:
将所述新风机系统所在空间的信息与所述空气质量信息输入预设评分模型,得到新风机系统所在空间的预测评分;
根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数。
可选地,所述根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数,包括:
确定预测评分与每一用户的评分之间的误差系数,得到至少一个误差系数;
若所述至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且所述预测评分高于所述新风机系统所在空间的初始评分,则调高新风机系统所在空间的第一参数的取值;
若所述至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且所述预测评分低于所述新风机系统所在空间的初始评分,则调低新风机系统所在空间的第一参数的取值。
可选地,所述根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数,还包括:
确定用户对使用的新风机系统所在空间的评分与用户所使用的新风机系统所在空间的预测评分之间的目标误差系数;
将待预约的新风机系统所在空间的数量与所述目标误差系数之间的比值,确定为第二参数;
根据新风机系统所在空间的第一参数与第二参数的差值,调低新风机系统所在空间的第一参数的取值。
可选地,所述方法还包括:
根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数;
将新风机系统所在空间的信息、空气质量信息以及用户对使用的新风机系统所在空间的评分输入所述神经网络模型中进行模型训练,确定神经网络模型中输入层的偏置、神经网络模型中隐藏层的偏置以及参数矩阵,得到所述预设评分模型。
可选地,根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数,包括:
确定输入层的神经元个数与输出层的神经元个数的和,并确定所述和与预设系数的乘积;
将训练样本数量与所述乘积的比值,确定为神经网络模型的隐藏层的神经元个数。
第二方面,本申请提供了一种新风机系统预约装置,所述新风机系统预约装置包括:
接收模块,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;
控制模块,用于在所述预约时间控制所述目标新风机系统开启。
第三方面,本申请提供了一种新风机系统预约系统,
所述系统包括服务器以及新风机系统;所述服务器与所述新风机系统之间通信连接;
所述服务器,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;在所述预约时间控制所述目标新风机系统开启;所述目标新风机系统为所述新风机系统中的至少一个。
可选地,所述服务器包括预约模块;
所述预约模块,用于获取待预约的新风机系统;确定所述目标新风机系统属于所述待预约的新风机系统。
可选地,所述新风机系统包括通信模块,所述服务器包括第一接口与第二接口;
所述通信模块,用于将空气质量信息发送给所述服务器,或者,将所述空气质量信息与新风机系统所在空间的信息发送给所述服务器;
所述第一接口,用于获取所述新风机系统所在空间的信息;
所述第二接口,用于获取所述空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;
所述预约模块,用于根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统。
可选地,所述服务器还包括空气质量预测模块与评分模块;
所述空气质量预测模块,用于根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;
所述评分模块,用于根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;
所述预约模块,用于获取预约查询请求,并根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;所述预约查询请求包括目标空间信息、所述预约时间、目标空气质量等级以及预期的第一参数中的至少一项。
可选地,所述新风机系统还包括室内空气检测器以及室外空气检测器;
其中,室内空气检测器,用于检测新风机系统所在空间内的室内空气质量信息,并发送给所述通信模块;室外空气检测器,用于检测新风机系统所在空间外的室外空气质量信息,并发送给所述通信模块;
所述通信模块,用于将空气质量信息发送给所述服务器,所述空气质量信息包括所述通信模块从所述室内空气检测器接收到的室内空气质量信息,以及从所述室外空气检测器接收到的所述室外空气质量信息。
可选地,所述系统还包括用户设备:
所述用户设备,用于发送所述预约请求以及所述预约查询请求给所述服务器。
第四方面,本申请提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现第一方面任一项实施例所述的新风机系统预约方法的步骤。
第五方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的新风机系统预约方法的步骤。
本申请实施例提供的上述技术方案与现有技术相比具有如下优点:
本申请实施例提供的该新风机系统预约方法,在接收到预约请求后,根据预约请求中的目标新风系统的标识以及预约时间,在该预约时间控制目标新风机系统开启,减少新风机系统不间断运行造成的资源浪费,节省能源。
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。
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,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种新风机系统预约方法的流程示意图一;
图2为本申请实施例提供的一种新风机系统预约方法的流程示意图二;
图3为本申请实施例提供的一种调整新风机系统所在空间的第一参数的过程的示意图;
图4为本申请实施例提供的一种神经网络的结构的示意图;
图5为本申请实施例提供的一种新风机系统预约装置的示意图;
图6为本申请实施例提供的一种新风机系统预约系统的示意图;
图7为本申请实施例提供的一种新风机系统的预约流程示意图;
图8为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了解决新风机系统不间断运行造成资源浪费,能源消耗较大的问题,本申请实施例提供了一种新风机系统预约方法,应用于可与新风机系统进行通信的设备中,该设备可以为例如服务器。如图1所示,该新风机系统预约方法包括步骤101-步骤102:
步骤101:接收预约请求。
其中,预约请求包括目标新风机系统的标识以及预约时间。
在一种可能的实现方式中,目标新风机系统为所有新风机系统中的一个或多个。
另外,示例性的,预约时间可以为例如某一天的10:00am-12:00am。
具体地,接收用户通过用户设备发送的预约请求。
步骤102:在预约时间控制目标新风机系统开启。
其中,目标新风机系统为上述目标新风机系统的标识对应的新风机系统。
示例性的,接收到的预约请求中,预约时间可以为例如2021年的12月30号的上午10点到上午11点,目标新风机系统为新风机系统a。因此,根据该预约请求,控制新风机系统a在2021年的12月30号的上午10点到上午11点开启。
通过上述过程,本申请可在接收到预约请求后,根据该预约请求中的目标新风机系统的标识以及预约时间,在该预约时间控制目标新风机系统开启,减少新风机系统不间断运行造成的资源浪费,节省能源。
在一种可能的实现方式中,如图2所示,该新风机系统预约方法,还包括步骤201和步骤202。
步骤201:获取待预约的新风机系统。
可选地,获取新风机系统所在空间的信息以及空气质量信息,其中,新风机系统所在空间的信息与所述空气质量信息之间存在对应关系。随后,根据新风机系统所在空间的信息以及对应的空气质量信息,确定待预约的新风机系统。也就是说,针对每一新风机系统,获取该新风机系统所在空间的信息,以及对应的空气质量信息。
示例性的,空气质量信息中包括CO浓度、PM2.5浓度、PM10浓度以及SO2等空气中成分的浓度。
具体地,空气中的污染物包含有多种成分,因此通常使用空气质量指数(airquality index,AQI)作为空气质量的指标,来形容空气的污染情况。
示例性的,空气质量信息中包括AQI。或者,空气质量信息包括CO浓度、PM2.5浓度、PM10浓度与SO2等空气中成分的浓度,以及AQI。
需要说明的是,上述空气质量信息指的是历史的空气质量信息,即当前时刻之前的一定时间段内的空气质量信息。
在一种可能的实现方式中,与新风机系统所在空间的信息对应的空气质量信息包括室内空气质量信息与室外空气质量信息。该室内空气质量信息为该新风机系统通过其安装的室内空气质量传感器获取到的空气质量信息,室外空气质量信息为通过该新风机系统安装的室外空气质量传感器获取到的空气质量信息。
其中,新风机系统所在空间的信息包括空间位置、空间大小、空间光线、空间座椅等信息中的至少一项。示例性的,空间位置可以为例如该空间所处的经纬度。空间位置还可以包括该空间处于楼层中的位置等。
另外,根据新风机系统所在空间的信息以及对应的空气质量信息,确定待预约的新风机系统,包括:根据空气质量信息,预测新风机系统所在空间在预约时间的空气质量等级。根据空气质量信息以及新风机系统所在空间的信息,确定新风机系统所在空间的第一参数,该第一参数即用于指示新风机系统运行效果的优劣。随后,获取预约查询请求,并根据该预约查询请求、新风机系统所在空间的信息、新风机系统所在空间的在预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统。其中,预约查询请求包括目标空间信息、预约时间、目标空气质量等级以及预期的第一参数中的至少一项。
其中,新风机系统所在空间的第一参数的取值越高,则表示该新风机系统的运行效果越好。
示例性的,新风机系统所在空间的第一参数可以为例如该新风机系统所在空间的收费标准。
在一种可能的实现方式中,根据空气质量信息,预测新风机系统所在空间在当前时刻之后的一段时间内的空气质量状况。其中,预约时间位于当前时刻之后的一段时间之中。并在接收到预约查询请求后,根据预约查询请求中的预约时间,确定预测得到的新风机系统所在空间在预约时间的空气质量状况,并确定该空气质量状况对应的空气质量等级。
或者,在另一种可能的实现方式中,根据空气质量信息,预测新风机系统所在空间在当前时刻之后的一段时间内的空气质量状况,并确定相应的空气质量等级。其中,预约时间位于当前时刻之后的一段时间之中。并在接收到预约查询请求后,根据预约查询请求中的预约时间,确定预测得到的新风机系统所在空间在预约时间对应的空气质量等级。
需要说明的是,也可以在获取到预约查询请求之后,再根据空气质量信息,预测新风机系统所在空间在预约时间的空气质量状况,进而确定该空气质量状况所对应的空气质量等级。
在另一种可能的实现方式中,空气质量信息还包括根据新风机系统所在位置,通过第三方天气服务查询到的该位置所处地区的空气质量信息。其中,通过第三方天气服务查询到的空气质量信息为较大范围(例如省、市、县、区等)内的室外的空气质量信息。
示例性的,第三方天气服务可以为例如中国气象网、墨迹天气等提供气象历史数据和预报数据的第三方网站。
通过新风机系统获取到的空气质量信息,与根据新风机系统所在位置通过第三方天气服务查询到的空气质量信息,预测空气质量信息。也就是说,结合较大区域内的空气质量信息(也就是通过第三方服务获取到的空气质量信息)以及较小区域内的空气质量信息(也就是通过新风机系统获取到的空气质量信息),对空气质量信息进行预测,相对于仅根据其中一项对空气质量信息进行预测,可以得到预测较为精准的空气质量信息。
示例性的,空气质量等级是根据AQI的大小确定的。AQI的取值越小,则空气质量等级越高,具体根据AQI划分空气质量等级的情况可参照现有技术,在此不进行赘述。
在一种可能的实现方式中,新风机系统所在空间的信息包括曾经使用新风机系统所在空间的至少一个用户的评分。该评分即使用过该新风机系统所在空间的用户根据其使用感受,对该新风机系统或者说对该新风机系统所在空间的评分。此时,根据空气质量信息以及新风机系统所在空间的信息,确定新风机系统所在空间的第一参数的过程中,将新风机系统所在空间的信息与对应的空气质量信息输入预设评分模型,得到新风机系统所在空间的预测评分,随后,根据新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数。关于预设评分模型的介绍可参见下述内容,在此不进行赘述。
具体地,确定新风机系统所在空间的预测评分后,确定该预测评分与每一用户的评分的误差系数,由于用户的评分的数量为至少一个,从而得到至少一个误差系数。随后,根据误差系数的数量、误差系数的平均值与预测评分,来调整新风机系统所在空间的第一参数的取值。
示例性的,根据Si=(si-s*)/s*,来确定误差系数。其中,S*为对新风机系统所在空间的预测评分,si为第i个使用过该新风机系统所在空间的用户对该新风机系统或该新风机系统所在空间的评分,Si为第i个评分与预测评分之间的误差系数。需要说明的是,i为大于等于1的正整数。
在根据误差系数的数量、误差系数的平均值与预测评分,来调整新风机系统所在空间的第一参数的过程中,若至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且预测评分高于该新风机系统所在空间的初始评分,则调高新风机系统所在空间的第一参数的取值;若至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且预测评分低于该新风机系统所在空间的初始评分,则调低新风机系统所在空间的第一参数的取值。
其中,新风机系统所在空间的初始评分,可以是预先确定的,也可以是根据实际工况确定的。该预测评分的准确性可以根据用户的评分的数量(也就是误差系数的数量),以及误差系数的平均值来确定。其中,用户的评分即上述新风机系统所在空间的信息中的曾经使用该新风机系统所在空间的至少一个用户的评分。
误差系数的数量也就是用户评分的数量越多,误差系数的平均值越小,则根据包括这些用户评分的新风机系统所在空间的信息得到的预测评分越准确,也就是说,该预测评分的可靠性越高。
示例性的,新风机系统的初始评分为80,曾经使用新风机系统的至少一个用户的评分的数量为10个,这10个用户的评分的平均值为82.2,该新风机系统的预测评分为82,这10个用户的评分与预测评分的误差系数的数量为10,这10个误差系数的平均值为0.2,预设误差系数为0.3,预设数量阈值为8。也就是说,预测误差系数高于实际确定的误差平均系数的平均值,误差系数的数量超过预设数量阈值,且预测评分高于相应的初始评分。因此,调高新风机系统所在空间的第一参数的取值。若新风机系统的初始评分为83,则预测评分低于相应的初始评分,调低新风机系统所在空间的第一参数的取值。
在一种可能的实现方式中,调高或调低新风机系统所在空间的第一参数的取值时,可将初始评分的取值更新为该预测评分的取值,例如上一示例中的82。
需要说明的是,若所获取到的用户的评分的数量,也就是误差系数的数量小于或等于预设数量阈值,或者是所有误差系数的平均值不小于预设误差系数,则不对该空间的初始评分进行调整,相应的,不调整该空间的第一参数,直至用户的评分的数量大于预设数量阈值且所有误差系数的平均值小于预设误差系数。
需要说明的是,预设数量阈值与预设误差系数均可以是预先确定的,也可以是根据实际工况确定的。
根据空气质量信息以及新风机系统所在空间的信息,确定新风机系统所在空间的第一参数的过程中,逐个获取该空间的信息中的用户的评分,直至获取到的用户的评分的数量超过预设数量阈值,则逐个确定相应的误差系数,并根据误差系数的数量、误差系数的平均值与预测评分,来调整新风机系统所在空间的第一参数,具体调整过程,可参见上述内容,在此不进行赘述。
需要说明的是,上述调高或调低第一参数的取值均是基于第一参数的初始取值进行的。其中,该第一参数的初始取值是根据相应空间的固定成本确定的,该固定成本基于相应空间的信息中的空间大小、空间位置、空间光线、空间座椅等,以及新风机系统的成本等内容确定。
通过上述过程确定新风机系统所在空间在预约时间的空气质量等级,以及新风机系统所在空间的第一参数之后,按照预约查询请求中的目标空间信息、预约时间、目标空气质量等级以及预期的第一参数,来对新风机系统进行筛选,确定待预约的新风机系统。
在一种可能的实现方式中,预约查询请求是从用户设备接收到的。
其中,目标空间信息即用户所需要的新风机系统所在空间的信息,预约时间即用户所需要使用新风机系统所在空间的时间,目标空气质量等级即用户所要求的新风机系统所在空间在预约时间的空气质量等级,预期的第一参数即满足用户需求的第一参数。其中,该用户即为使用发送该预约查询请求的用户设备的用户。需要注意的是,该用户设备即为上述发送预约请求的用户设备。
在一种可能的实现方式中,按照预约查询请求获取到待预约的新风机系统后,可将该待预约的新风机系统的信息,包括该新风机系统所在空间在预约时间的空气质量等级、该新风机系统所在空间的第一参数、该新风机系统所在空间的信息等发送给上述用户设备,以便于用户根据待预约的新风机系统的信息,通过用户设备发送预约请求。关于预约请求的介绍可参见上述内容。
具体地,用户设备接收到待预约的新风机系统的信息,在其显示界面上显示接收到的待预约的新风机系统的信息。
在另一种可能的实现方式中,确定待预约的新风机系统之后,显示该待预约的新风机系统的信息。
在另一种可能的实现方式中,在确定待预约的新风机系统之后,进一步根据发送该预约查询请求的用户使用新风机系统之后的评分,以及相应新风机系统所在空间的预测评分,对该新风机系统所在空间的第一参数的取值进行调整。
其中,确定用户对使用的新风机系统所在空间的评分与用户所使用的新风机系统所在空间的预测评分之间的目标误差系数。随后,将待预约的新风机系统所在空间的数量与所述目标误差系数之间的比值,确定为第二参数。最后,根据新风机系统所在空间的第一参数与第二参数的差值,调低新风机系统所在空间的第一参数的取值。
示例性的,根据RP=K/si,来确定第二参数。其中,RP表示第二参数,K表示待预约的新风机系统的数量,Si表示用户对使用的新风机系统所在空间的第i个评分与相应的新风机系统所在空间的预测评分之间的目标误差系数。i为大于等于1的正整数。
示例性的,用户a对其使用的新风机系统所在空间的评分为100,此时,该新风机系统所在空间的第一参数为100,该新风机系统所在空间的预测评分为80,也就是说,目标误差系数为0.2。待预约的新风机系统所在空间的数量为5,则确定第二参数为5/0.2=25。此时,可根据该新风机系统所在空间的第一参数即100与第二参数即25的差值即75,调低该新风机系统所在空间的第一参数的取值,示例性的,可将第一参数的取值调低为75。
示例性,调整新风机系统所在空间的第一参数的过程可以如图3所示,获取新风机系统所在的空间的空间位置、空间大小、空间光线、空间座椅等数据,即上述新风机系统所在的空间的信息,并基于空间位置获取空气质量信息。随后,将新风机系统所在的空间的信息以及空气质量信息,输入预设评分模型,得到预测评分s*。随后,根据新风机系统所在的空间的信息中的曾经使用该新风机系统的至少一个用户的评分,确定用户评分si与预测评分s*的误差系数即Si=(si-s*)/s*。关于该误差系数的介绍可参见上述内容。之后,存储误差次数,直至误差系数也即用户评分的数量超过预设数量阈值,且误差系数的均值超过常数ε(即上述预设误差系数)后,根据新风机系统所在空间的信息确定该新风机系统所在空间的第一参数,并基于预测评分s*,对第一参数的取值进行调整。另外,可确定目标误差系数,并基于目标误差系数确定第二参数,随后,基于该第二参数对第一参数进行调整。关于目标误差系数与第二参数的介绍可参见上述内容。
下面对预设评分模型进行介绍:
根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数。随后,将新风机系统所在空间的信息、空气质量信息以及用户对使用的新风机系统所在空间的评分输入上述神经网络模型中进行模型训练,确定神经网络模型中输入层的偏置、神经网络模型中隐藏层的偏置以及参数矩阵,从而得到预设评分模型。也就是说,预设评分模型使用神经网络进行函数拟合。
在一种可能的实现方式中,为控制预设评分模型的复杂度,使得该模型的复杂度较低,可将用于进行模型训练的神经网络中的隐藏层的数量设置为一层。
示例性的,以隐藏层的数量为一层为例,神经网络模型所使用的神经网络的结构可以如图4所示。该神经网络中包含输入层,隐藏层和输出层。输入层的输入参数包括空气质量、房间面积、光线、座椅等影响用户使用的因素,隐藏层包含多个神经元,对于输入数据进行线性求和,然后将结果通过激活函数传递到输出层,最后得到一个评分y。其中,W1,1 (1)表示神经网络中输入层与隐藏层之间的第一个输入神经元与第一个隐藏神经元的参数,相类似的,W2,2 (1)表示神经网络中输入层与隐藏层之间的第二个输入神经元与第二个隐藏神经元的参数,W3,n (1)表示神经网络中输入层与隐藏层之间的第三个输入神经元与第n个隐藏神经元的参数,Wn,n (1)表示神经网络中输入层与隐藏层之间的第n个输入神经元与第n个隐藏神经元的参数。W1,1 (2)表示神经网络中输出层与隐藏层之间的输出神经元与第1个隐藏神经元的参数,相类似的,W2,1 (2)表示神经网络中输出层与隐藏层之间的输出神经元与第2个隐藏神经元的参数,W3,1 (2)表示神经网络中输出层与隐藏层之间的输出神经元与第3个隐藏神经元的参数。x1-xn表示输入参数形成的向量,h1-hn表示隐藏层中的隐藏神经元,y表示输出参数。
示例性的,神经网络模型可使用简化公式即Y=simoid(WT*X+b1)+b2表示。其中,sigmoid为激活函数例如S(x)=1/(1+e-x),WT表示参数矩阵的转置,X表示输入参数形成的向量,b1与b2分别表示输入层的偏置与隐藏层的偏置。W和b是需要神经网络学习的参数,学习的过程即模型训练的过程。
其中,确定神经网络模型的隐藏层的神经元个数的过程中,确定输入层的神经元个数与输出层的神经元个数的和,并确定这个和与预设系数的乘积。随后,将训练样本数量与该乘积的比值,确定为神经网络模型的隐藏层的神经元个数。示例性的,该预设系数的取值范围为2~10。
示例性的,根据Nh=Ns/(α*(Ni+No)),来确定神经网络模型的隐藏层的神经元个数。其中,Nh表示隐藏层的神经元个数,Ni表示输入层神经元个数,No表示输出层神经元个数例如1,Ns是训练样本数量,α是预设系数。
当然,在通过模型训练确定预设评分模型后,通过相类似的过程进行测试,具体测试过程可参见上述图3。
步骤202:确定目标新风机系统属于待预约的新风机系统。
基于预约请求中的目标新风机系统的标识以及待预约的新风机系统的标识,确定目标新风机系统是否属于待预约的新风机系统。
具体地,若待预约的新风机系统的标识中包括目标新风机系统的标识,确定目标新风机系统属于待预约的新风机系统;若待预约的新风机系统的标识中不包括目标新风机系统的标识,确定目标新风机系统不属于待预约的新风机系统。
通过上述过程,在获取到满足用户需求的待预约的新风机系统后,进一步确定预约请求中的目标新风机系统是否为待预约请求中的待预约的新风机系统,以保证该预约请求中的目标新风机系统可较好的满足用户需求。
如图5所示,本申请实施例提供了一种新风机系统预约装置,该装置包括接收模块501和控制模块502。
其中,接收模块501,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间。
控制模块502,用于在所述预约时间控制所述目标新风机系统开启。
可选地,该新风机系统预约装置还包括确定模块503。
此时,接收模块501,还用于获取待预约的新风机系统。
确定模块503,用于确定所述目标新风机系统属于所述待预约的新风机系统。
可选地,该新风机预约装置还包括调整模块504。此时,确定模块503,还用于确定用户对使用的新风机系统所在空间的评分与用户所使用的新风机系统所在空间的预测评分之间的目标误差系数;将待预约的新风机系统所在空间的数量与所述目标误差系数之间的比值,确定为第二参数。调整模块504,用于根据新风机系统所在空间的第一参数与第二参数的差值,调低新风机系统所在空间的第一参数的取值。
可选地,该新风机预约装置还包括模型构建模块505。
其中,该模型构建模块,用于根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数;将新风机系统所在空间的信息、空气质量信息以及用户对使用的新风机系统所在空间的评分输入所述神经网络模型中进行模型训练,确定神经网络模型中输入层的偏置、神经网络模型中隐藏层的偏置以及参数矩阵,得到所述预设评分模型。
如图6所示,本申请还提供了一种新风机系统预约系统,该系统服务器601与新风机系统602,服务器与新风机系统之间通信连接;。
其中,服务器601,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;在所述预约时间控制所述目标新风机系统开启;所述目标新风机系统为所述新风机系统中的至少一个。
可选地,服务器601包括预约模块6011。该预约模块6011,用于获取待预约的新风机系统;确定所述目标新风机系统属于所述待预约的新风机系统。
也就是说,预约模块6011为提供预约服务的模块,用户可以利用手机APP/平板电脑/台式电脑/笔记本电脑等智能终端,通过预约模块进行预约新风机系统的操作。
可选地,新风机系统602包括通信模块6021,且服务器601第一接口6012与第二接口6013。
其中,所述通信模块6021,用于将空气质量信息发送给所述服务器,或者,将所述空气质量信息与新风机系统所在空间的信息发送给所述服务器。
该通信模块6021即具有网络通信能力的例如2G/3G/4G/5G/Wifi等无线通信模块,其通过RS485或CAN总线等方式与新风机系统进行连接,能够采集新风机系统运行数据,如室内外空气质量。其通过TCP/UDP等网络通信与服务器进行数据交互,并且能够接收服务器传输的指令并转发到新风机系统执行。另外,该通信模块同时也具有定位功能。
为了保证数据在网络传输中的安全性,可以采用非对称加密和对称加密相结合的方式发送数据,即先通过非对称加密算法如RSA传递会话密钥,然后双方通过相同的会话密钥进行对称加密的方式加密和解密通信数据。服务器接收到通信模块上传的空气质量数据后,进行解析存储,便于后续进行空气质量预测。
所述第一接口6012,用于获取所述新风机系统所在空间的信息;示例性的,第一接口为定位服务器接口,用于从第三方定位服务中查找通信模块6021的物理位置,如经度、纬度等信息。第三方定位服务可以为例如三大运营商例如中国移动、中国联通、中国电信可以对通信模块进行定位的服务商。
所述第二接口6013,用于获取所述空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;也就是说,第二接口6013为天气服务接口,用于从第三方天气服务获取空气质量信息(即历史的气象信息、天气预报等),关于第三方天气服务的介绍可参见上述内容。
所述预约模块6011,用于根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统。
可选地,所述服务器601还包括空气质量预测模块6014与评分模块6015;
所述空气质量预测模块6014,用于根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;也就是说,空气质量预测模块用于根据气象数据(即上述空气质量信息)和/或新风机系统检测到的空气质量信息,并运用人工智能算法进行特定场所的空气质量预测。
所述评分模块6015,用于根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;
也就是说,评分模块中包括评分预测模型,用于预测用户使用预约的新风机系统的服务后的评分,并根据该预测评分对相应的新风机系统的空间的第一参数进行调整。
所述预约模块6011,用于获取预约查询请求,并根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;所述预约查询请求包括目标空间信息、所述预约时间、目标空气质量等级以及预期的第一参数中的至少一项。
所述新风机系统602还包括室内空气检测器6022以及室外空气检测器6023;
其中,室内空气检测器,用于检测新风机系统所在空间内的室内空气质量信息,并发送给所述通信模块;室外空气检测器,用于检测新风机系统所在空间外的室外空气质量信息,并发送给所述通信模块;
所述通信模块,用于将空气质量信息发送给所述服务器,所述空气质量信息包括所述通信模块从所述室内空气检测器接收到的室内空气质量信息,以及从所述室外空气检测器接收到的所述室外空气质量信息。
可选地,所述新风机系统预约系统还包括用户设备603。
其中,所述用户设备603,用于发送所述预约请求以及所述预约查询请求给所述服务器。该用户设备即与预约系统进行交互的客户端,可以通过WEB或者APP的方式为用户提供新风机预约的交互终端,可以为例如手机、平板电脑、笔记本电脑、台式电脑等。
服务器接收到通信模块上传的空气质量数据,并进行解析存储的同时,系统接收来自新风机系统的预约用户的预约查询请求。示例性的,预约用户与服务器交互的方式是通过手机APP或者公众号、网页Web等方式进行,数据传输过程采用Https进行加密,以保证数据传输安全性。预约用户根据地点、房间大小、预约时间、空气质量等级、第一参数等条件发送预约查询请求,以查询满足需求的新风机系统列表即待预约的新风机系统。随后,基于该新风机系统列表,确定目标新风机系统,并发送预约请求。
示例性的,新风机系统的预约流程可以如图7所示,新风机系统上电后,通信模块即上电启动,首先通信模块会拨号上网,若连接基站成功后,通信模块连接服务器(也即预约服务系统),若连接基站失败则通信模块重新进行拨号上网。如果该通信模块为WiFi模块,则通过路由器连接服务器。通信模块连接服务器,相应的,服务器与通信模块建立连接。随后,通信模块上报新风机系统采集到的空气质量数据(以及通信模块的自身定位数据),同时等待服务器的控制指令。相应的,服务器存储其接收到的空气质量数据。用户设备根据用户需求发送预约查询请求给服务器,相应的,服务器接收用户设备发送的预约查询请求,并根据该预约查询请求筛选符合要求的待预约的新风机系统的列表。随后,服务器基于通过运行智能预测算法进行预测得到的待预约的新风机系统所在空间的空气质量等级,对待预约的新风机系统所在空间进行排序,并将排序后的新风机系统所在空间的信息发送给用户设备。用户设备确定目标新风机系统,并发送预约请求给服务器,并在预约成功后,控制目标新风机系统在预约时间开启。
其中,预约请求可以是检测到用户付费成功后,通过用户设备发送给服务器的。
示例性的,如图7所示,目标用户使用目标新风机系统结束后,对基于用户使用感受进行评分。随后,服务器接收该评分,并基于预测评分,确定用户对应的第二参数,并根据用户评分与预测评分之间的误差系数,调整相应的目标新风机系统所在空间的第一参数。并在后续的新风机系统预约过程中,基于第二参数,调低新风机系统所在空间的第一参数。
如图8所示,本申请实施例提供了一种电子设备,包括处理器801、通信接口802、存储器803和通信总线804,其中,处理器801,通信接口802,存储器803通过通信总线804完成相互间的通信,
存储器803,用于存放计算机程序;
在本申请一个实施例中,处理器801,用于执行存储器803上所存放的程序时,实现前述任意一个方法实施例提供的新风机系统预约方法的步骤。
本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的新风机系统预约方法的步骤。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的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精神或范围的情况下,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申请的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种新风机系统预约方法,其特征在于,所述方法包括:
接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;
在所述预约时间控制所述目标新风机系统开启;
在所述预约时间控制所述目标新风机系统开启之前,还包括:获取待预约的新风机系统;确定所述目标新风机系统属于所述待预约的新风机系统;
所述获取待预约的新风机系统,包括:获取新风机系统所在空间的信息以及空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统;
其中,所述空气质量信息为历史的空气质量信息;
所述根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统,包括:根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;获取预约查询请求,并根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;所述预约查询请求包括目标空间信息、所述预约时间、目标空气质量等级以及预期的第一参数中的至少一项;
所述根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数,包括:将所述新风机系统所在空间的信息与所述空气质量信息输入预设评分模型,得到新风机系统所在空间的预测评分;根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数。
2.根据权利要求1所述的新风机系统预约方法,其特征在于,
所述新风机系统所在空间的信息包括曾经使用新风机系统所在空间的至少一个用户的评分。
3.根据权利要求2所述的新风机系统预约方法,其特征在于,所述根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数,包括:
确定预测评分与每一用户的评分之间的误差系数,得到至少一个误差系数;
若所述至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且所述预测评分高于所述新风机系统所在空间的初始评分,则调高新风机系统所在空间的第一参数的取值;
若所述至少一个误差系数的数量超过预设数量阈值,所有误差系数的平均值小于预设误差系数,且所述预测评分低于所述新风机系统所在空间的初始评分,则调低新风机系统所在空间的第一参数的取值。
4.根据权利要求3所述的新风机系统预约方法,其特征在于,所述根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数之后,所述方法还包括:
确定用户对使用的新风机系统所在空间的评分与用户所使用的新风机系统所在空间的预测评分之间的目标误差系数;
将待预约的新风机系统所在空间的数量与所述目标误差系数之间的比值,确定为第二参数;
根据新风机系统所在空间的第一参数与第二参数的差值,调低新风机系统所在空间的第一参数的取值。
5.根据权利要求2-4中任一项所述的新风机系统预约方法,其特征在于,所述方法还包括:
根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数;
将新风机系统所在空间的信息、空气质量信息以及用户对使用的新风机系统所在空间的评分输入所述神经网络模型中进行模型训练,确定神经网络模型中输入层的偏置、神经网络模型中隐藏层的偏置以及参数矩阵,得到所述预设评分模型。
6.根据权利要求5所述的新风机系统预约方法,其特征在于,根据神经网络模型的输入层的神经元个数、输出层的神经元个数以及训练样本数量,确定神经网络模型的隐藏层的神经元个数,包括:
确定输入层的神经元个数与输出层的神经元个数的和,并确定所述和与预设系数的乘积;
将训练样本数量与所述乘积的比值,确定为神经网络模型的隐藏层的神经元个数。
7.一种新风机系统预约装置,其特征在于,所述新风机系统预约装置包括:
接收模块,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;
控制模块,用于在所述预约时间控制所述目标新风机系统开启;
确定模块,用于在所述预约时间控制所述目标新风机系统开启之前,获取待预约的新风机系统;确定目标新风机系统属于待预约的新风机系统;
所述获取待预约的新风机系统,包括:获取新风机系统所在空间的信息以及空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统;
其中,所述空气质量信息为历史的空气质量信息;
所述根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统,包括:根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;获取预约查询请求,并根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;
所述根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数,包括:将所述新风机系统所在空间的信息与所述空气质量信息输入预设评分模型,得到新风机系统所在空间的预测评分;根据所述新风机系统所在空间的预测评分以及曾经使用新风机系统所在空间的至少一个用户的评分,确定新风机系统所在空间的第一参数。
8.一种新风机系统预约系统,其特征在于,所述系统包括服务器以及新风机系统;所述服务器与所述新风机系统之间通信连接;
所述服务器,用于接收预约请求,所述预约请求包括目标新风机系统的标识以及预约时间;在所述预约时间控制所述目标新风机系统开启;所述目标新风机系统为所述新风机系统中的至少一个;
所述服务器包括预约模块;所述预约模块,用于获取待预约的新风机系统;确定所述目标新风机系统属于所述待预约的新风机系统;
所述新风机系统包括通信模块,所述服务器包括第一接口与第二接口;
所述通信模块,用于将空气质量信息发送给所述服务器,或者,将所述空气质量信息与新风机系统所在空间的信息发送给所述服务器;
所述第一接口,用于获取所述新风机系统所在空间的信息;
所述第二接口,用于获取所述空气质量信息;所述新风机系统所在空间的信息与所述空气质量信息之间存在对应关系;
所述预约模块,用于根据所述新风机系统所在空间的信息以及所述空气质量信息,确定待预约的新风机系统;
其中,所述空气质量信息为历史的空气质量信息;
所述服务器还包括空气质量预测模块与评分模块;
所述空气质量预测模块,用于根据所述空气质量信息,预测新风机系统所在空间在所述预约时间的空气质量等级;
所述评分模块,用于根据所述空气质量信息以及所述新风机系统所在空间的信息,确定所述新风机系统所在空间的第一参数;所述第一参数用于指示所述新风机系统运行效果的优劣;
所述预约模块,用于获取预约查询请求,并根据所述预约查询请求、所述新风机系统所在空间的信息、新风机系统所在空间的在所述预约时间的空气质量等级,对新风机系统进行筛选,确定待预约的新风机系统;所述预约查询请求包括目标空间信息、所述预约时间、目标空气质量等级以及预期的第一参数中的至少一项。
9.根据权利要求8所述的新风机系统预约系统,其特征在于,所述新风机系统还包括室内空气检测器以及室外空气检测器;
其中,室内空气检测器,用于检测新风机系统所在空间内的室内空气质量信息,并发送给所述通信模块;室外空气检测器,用于检测新风机系统所在空间外的室外空气质量信息,并发送给所述通信模块;
所述通信模块,用于将空气质量信息发送给所述服务器,所述空气质量信息包括所述通信模块从所述室内空气检测器接收到的室内空气质量信息,以及从所述室外空气检测器接收到的所述室外空气质量信息。
10.根据权利要求8所述的新风机系统预约系统,其特征在于,所述系统还包括用户设备;
所述用户设备,用于发送所述预约请求以及所述预约查询请求给所述服务器。
11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现权利要求1-6中任一项所述的新风机系统预约方法的步骤。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6中任一项所述的新风机系统预约方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111484084.7A CN114183898B (zh) | 2021-12-07 | 2021-12-07 | 新风机系统预约方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111484084.7A CN114183898B (zh) | 2021-12-07 | 2021-12-07 | 新风机系统预约方法、装置、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114183898A CN114183898A (zh) | 2022-03-15 |
CN114183898B true CN114183898B (zh) | 2023-05-12 |
Family
ID=80542584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111484084.7A Active CN114183898B (zh) | 2021-12-07 | 2021-12-07 | 新风机系统预约方法、装置、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114183898B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102829530B (zh) * | 2012-09-24 | 2015-01-21 | 宁波奥克斯空调有限公司 | 空调器的预约控制方法 |
CN104729011B (zh) * | 2013-12-24 | 2017-11-14 | 珠海格力电器股份有限公司 | 空调器控制器和空调器控制方法 |
CN107219810B (zh) * | 2017-06-09 | 2021-03-23 | 特灵空调系统(中国)有限公司 | 楼宇控制方法 |
JP6645650B1 (ja) * | 2018-10-11 | 2020-02-14 | 三菱重工サーマルシステムズ株式会社 | 制御装置、空調制御システム、制御方法及びプログラム |
CN111626453B (zh) * | 2020-02-20 | 2024-08-20 | 南京绿慧能源科技有限公司 | 一种正反馈能源站群控系统、方法、存储介质及电子设备 |
-
2021
- 2021-12-07 CN CN202111484084.7A patent/CN114183898B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114183898A (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12088340B2 (en) | Systems and methods for collecting, managing, and leveraging crowdsourced data | |
US20200234220A1 (en) | Smart building automation system with employee productivity features | |
US20240027087A1 (en) | System and method for crowd-sourced environmental system control and maintenance | |
CN107942960B (zh) | 一种智能化的信息处理系统 | |
Liao et al. | Agent-based and graphical modelling of building occupancy | |
Wang et al. | Crowdsensing-based consensus incident report for road traffic acquisition | |
Mahdavi et al. | The deployment-dependence of occupancy-related models in building performance simulation | |
US9154609B2 (en) | Remote virtual supervision system | |
EP3644581B1 (en) | Edge-cloud collaboration system for analyzing internet of things data and operating method thereof | |
Ouf et al. | A simulation-based method to investigate occupant-centric controls | |
CN105357691A (zh) | Lte无线网络用户感知监测方法和系统 | |
JP7560767B2 (ja) | 室内空気品質予測方法、及び室内空気品質検出システム | |
CN110658725B (zh) | 一种基于人工智能的能源监管和预测系统及其方法 | |
US20240086740A1 (en) | Building data platform with digital twin triggers and actions | |
JP2021114289A (ja) | 監視対象建物環境の改善された監視及び採点のための装置、コンピュータ実装方法、及びコンピュータプログラム製品 | |
CN115017400A (zh) | 一种应用app推荐方法及电子设备 | |
Van Buuren et al. | Ambulance dispatch center pilots proactive relocation policies to enhance effectiveness | |
KR20180027995A (ko) | 사물 인터넷 환경에서의 미래 예측 방법 및 장치 | |
US11934966B2 (en) | Building data platform with digital twin inferences | |
Silva et al. | Cooperative and Interactive Learning to estimate human behaviours for energy applications | |
González-Landero et al. | PriorityNet App: A mobile application for establishing priorities in the context of 5G ultra-dense networks | |
Sun et al. | On the tradeoff between sensitivity and specificity in bus bunching prediction | |
CN114183898B (zh) | 新风机系统预约方法、装置、系统、电子设备及存储介质 | |
US20240125622A1 (en) | Methods for power saving management of smart gas meter based on smart gas and internet of things (iot) systems | |
González-Briones et al. | Virtual agent organizations for user behaviour pattern extraction in energy optimization processes: A new perspective |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |