CN114265322B - 一种智能家居控制方法和系统 - Google Patents

Abstract

本说明书实施例提供一种智能家居控制方法和系统，该方法包括判断用户是否在家中；响应于否，预测用户的回家时间；基于回家时间，确定智能家居的开启时间。

Description

一种智能家居控制方法和系统

技术领域

本说明书涉及智能家居领域，特别涉及一种智能家居控制方法和系统。

背景技术

随着物联网技术以及互联网家装市场的快速发展，中国智能家居市场展现蓬勃发展态势。智能家居可以通过网络对多种设备进行交互、操作和管理，为家居生活中娱乐、安防、健康等多个场景提供更为舒适、便捷、人性化的家居环境。

因此，需要提供一种智能家居控制方法和系统，以进一步提高家居生活的便利性，为用户提供更加人性化的家居服务。

发明内容

本说明书实施例之一提供一种智能家居控制方法。所述智能家居控制方法包括：判断用户是否在家中；响应于否，预测所述用户的回家时间；基于所述回家时间，确定智能家居的开启时间。

本说明书实施例之一提供一种智能家居控制系统。所述智能家居控制系统包括：第一判断模块，用于判断用户是否在家中；时间预测模块，用于预测所述用户的回家时间；时间确定模块，用于基于所述回家时间，确定智能家居的开启时间。

本说明书实施例之一提供一种智能家居控制装置。所述智能家居控制装置包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现智能家居控制的方法。

本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行智能家居控制方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的智能家居控制系统的应用场景示意图；

图2是根据本说明书一些实施例所示的智能家居控制系统200的示例性模块图；

图3是根据本说明书一些实施例所示的确定智能家居的开启时间的示例性流程图；

图4是根据本说明书一些实施例所示的预测用户的回家时间的示例性流程图；

图5是根据本说明书一些实施例所示的确定智能家居开启的类型的示例性流程图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

图1是根据本说明书一些实施例所示的智能家居控制系统的应用场景示意图。

如图1所示，本说明书实施例所涉及的应用场景100可以包括服务器110、处理器112、网络120、用户终端130、存储设备140、智能家居150以及用户的定位信息160。智能家居控制系统可以通过实施本实施例中披露的方法和/或过程来控制智能家居的工作。

在一个典型的应用场景中，用户终端130可以用于确定用户是否在家中。当判断出用户不在家中时，处理器112可以经由网络120获取用户的定位信息160，处理器112根据用户的定位信息160预测用户回家的时间，并控制智能家居150的开启。

上述方式仅为方便理解，本系统亦可以其他可行的操作方式实施本说明书中的方法。

服务器110可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。在一些实施例中，服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的(例如，服务器110可以是分布式系统)，可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中，服务器110可以是区域的或者远程的。在一些实施例中，服务器110可以在云平台上实施，或者以虚拟方式提供。

在一些实施例中，服务器110可包含处理器112。处理器112可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理器112可以基于这些数据、信息和/或处理结果执行程序指令，以执行一个或多个本申请中描述的功能，例如，处理器112可以基于获取到的信息判断用户是否在家，以及在用户不在家时，对用户的回家时间进行预测，并基于预测的回家时间确定智能家居的开启时间。在一些实施例中，处理器112可以包含一个或多个子处理设备(例如，单核处理设备或多核多芯处理设备)。仅作为示例，处理器112可以包括中央处理器(CPU)、专用集成电路(ASIC)、专用指令处理器(ASIP)、图形处理器(GPU)、物理处理器(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编辑逻辑电路(PLD)、控制器、微控制器单元、精简指令集电脑(RISC)、微处理器等或以上任意组合。

网络120可以连接系统的各组成部分和/或连接系统与外部资源部分。网络120使得各组成部分之间，以及与系统之外其他部分之间可以进行通讯。在一些实施例中，网络120可以是有线网络或无线网络中的任意一种或多种。例如，网络120可以包括电缆网络、光纤网络、电信网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络(ZigBee)、近场通信(NFC)、设备内总线、设备内线路、线缆连接等或其任意组合。各部分之间的网络连接可以是采用上述一种方式，也可以是采取多种方式。在一些实施例中，网络可以是点对点的、共享的、中心式的等各种拓扑结构或者多种拓扑结构的组合。在一些实施例中，网络120可以包括一个或以上网络接入点。例如，网络120可以包括有线或无线网络接入点，例如基站和/或网络交换点120-1、120-2、…，通过这些进出点智能家居控制系统的一个或多个组件可连接到网络120上以交换数据和/或信息；例如，用户可以基于用户终端130通过网络120向服务器110发送回家时间，又例如，服务器110可以通过网络获取用户的定位信息160。

用户终端130指用户所使用的一个或多个终端设备或软件。在一些实施例中，使用用户终端130的可以是一个或多个用户，可以包括直接使用服务的用户，也可以包括其他相关用户。在一些实施例中，用户终端130可以是移动设备130-1、平板计算机130-2、膝上型计算机130-3、台式计算机130-4等其他具有输入和/或输出功能的设备中的一种或其任意组合。在一些实施例中，移动装置130-1可包括可穿戴设备和智慧移动设备等或其任意组合。在一些实施例中，台式计算机130-4可以是车载计算机、车载电视等。在一些实施例中，用户终端130可以具有定位功能、Wi-Fi连接功能和/或蓝牙连接功能等。在一些实施例中，处理器112可以根据用户终端130的定位、Wi-Fi连接情况和/或蓝牙连接情况判断用户是否在家中。例如，用户终端130的Wi-Fi处于连接状态或用户终端130的蓝牙与家里的设备处于连接状态时，可以判断用户在家中。上述示例仅用于说明所述用户终端130设备范围的广泛性而非对其范围的限制。

存储设备140可以用于存储数据和/或指令。存储设备140可以包括一个或多个存储组件，每个存储组件可以是一个独立的设备，也可以是其他设备的一部分。在一些实施例中，存储设备140可包括随机存取存储器(RAM)、只读存储器(ROM)、大容量存储器、可移动存储器、易失性读写存储器等或其任意组合。示例性的，大容量储存器可以包括磁盘、光盘、固态磁盘等。在一些实施例中，所述存储设备140可在云平台上实现。在一些实施例中，存储设备140可以用于存储用户的历史回家数据(例如，历史回家时间、历史回家方式和历史回家路线等)。

智能家居150可以包括由物联网技术连接的智能家具、设备和系统。在一些实施例中，智能家居150的类型可以包括安防系统150-1、照明系统150-2、窗帘控制系统150-3、影音系统150-4、空调控制系统150-5以及厨房系统150-6。在一些实施例中，智能家居150可以提供家电控制、照明控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制以及可编程定时控制等多种功能。在一些实施例中，智能家居150可以由物联网管理平台获取多种设备、系统的使用数据(例如，使用时间、使用参数等)，并对多种设备、系统进行交互、操作和管理。例如，物联网管理平台获取到智能电饭煲蒸煮米饭需用时30分钟，则控制智能电饭煲在用户回家时间的30分钟前开启。上述示例仅用于说明所述智能家居150设备范围的广泛性而非对其范围的限制。

用户的定位信息160包括用户当前的定位位置。在一些实施例中，用户的定位信息160可以包括用户当前的定位位置的坐标和地点类型(例如，运动场所、工作场所等)。在一些实施例中，用户的定位信息160可以包括用户与家的距离。在一些实施例中，用户的定位信息160还可以包括用户的轨迹信息及其对应的时间信息。例如，用户在17:00-17:30之间从公司前往餐馆。在一些实施例中，用户的定位信息160可以通过用户终端130获取。在一些实施例中，用户终端130可以通过定位系统获取用户的定位信息160。在一些实施例中，定位系统可以包括全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。

图2是根据本说明书一些实施例所示的智能家居控制系统200的示例性模块图。智能家居控制系统200可以由服务器110(如处理器112)实现。

如图2所示，在一些实施例中，所述智能家居控制系统200可以包括第一判断模块210、时间预测模块220、时间确定模块230、第二判断模块240和类型确定模块250。

第一判断模块210可以用于判断用户是否在家中。关于判断用户是否在家中的更多细节可以参见图3及其相关描述。

时间预测模块220可以用于预测用户的回家时间。关于用户的回家时间及其预测方法的更多细节可以参见图3、图4及其相关描述。

时间确定模块230可以基于回家时间，确定智能家居的开启时间。关于智能家居的开启时间及其确定方法的更多细节可以参见图3及其相关描述。

第二判断模块240可以用于判断用户是否前往过预设类型地点。关于预设类型地点、用户是否前往过预设类型地点的判断方法的更多细节可以参见图3、图5及其相关描述。

类型确定模块250可以用于确定需要开启的智能家居的类型。关于智能家居的类型及其确定方法的更多细节可以参见图3、图5及其相关描述。

应当理解，图2所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要注意的是，以上对于系统及其模块的描述，仅为描述方便，并不能把本申请限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。例如，在一些实施例中，时间预测模块220和时间确定模块230可以整合在一个模块中。又例如，各个模块可以共用一个存储设备，各个模块也可以分别具有各自的存储设备。诸如此类的变形，均在本申请的保护范围之内。

图3是根据本说明书一些实施例所示的确定智能家居的开启时间的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理器112执行。

步骤310，判断用户是否在家中。在一些实施例中，该步骤310可以由第一判断模块210执行。

在一些实施例中，可以基于用户终端的定位信息判断用户是否在家中。例如，根据用户手机和/或智能手表的定位位置判断用户是否在家中。在一些实施例中，还可以基于家中的Wi-Fi、蓝牙等智能设备的连接状态判断用户是否在家中。

步骤320，响应于否，预测用户的回家时间。在一些实施例中，该步骤320可以由时间预测模块220执行。

在一些实施例中，用户的回家时间可以是以时间点或时间段来表示，例如，用户的回家时间可以是19:35或19:00-19:30。

在一些实施例中，可以通过统计用户的历史回家时间预测用户的回家时间，例如，用户在工作日的回家时间通常是19:00-19:30之间，则可以在工作日时将19:00-19:30时间段作为预测的用户回家时间，在一些实施例中，还可以结合其他信息进行预测，例如，结合用户当前与家的距离、交通情况、用户回家的交通方式、天气情况等。关于预测用户的回家时间的更多细节可以参见图4及其相关描述。

步骤330，基于回家时间，确定智能家居的开启时间。在一些实施例中，该步骤330可以由时间确定模块230执行。

智能家居可以包括由物联网技术连接的智能家具、设备和系统。关于智能家居的更多内容可以参见图1及其相关描述，此处不再赘述。

智能家居的开启时间是指开启智能家居使其开始工作的时间。

在一些实施例中，智能家居的开启时间可以根据用户的回家时间确定。例如，预测用户的回家时间为19:30-19:45，可以确定智能家居的开启时间为19:30。在一些实施例中，智能家居的开启时间还可以根据用户的回家时间和智能家居的类型共同确定。例如，预测用户的回家时间为19:30-19:45，可以确定空调系统的开启时间为19:20。

步骤340，确定开启的智能家居类型。在一些实施例中，在确定了智能家居的开启时间后，还可以进一步确定需要开启的智能家居的类型。在一些实施例中，该步骤340可以由类型确定模块250执行。

在一些实施例中，可以设定开启智能家居时是开启全部类型的智能家居。在一些实施例中，开启的智能家居类型可以是用户预先指定的智能家居类型，例如，仅开启厨房系统的智能家居。关于确定开启的智能家居类型的更多细节可以参加图5及其相关描述。

本说明书的一些实施例，通过预测用户的回家时间，确定开启智能家居的时间和类型，可以使得开启的智能家居符合用户的实际使用需求，同时，基于用户的回家时间，确定智能家居开启时间，有利于节约能源，进而为用户提供更加人性化的家居服务。

应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。例如，在一些实施例中，还可以确定开启的智能家居类型的使用时间，例如，可以确定开启的空调系统的使用时间为1小时等，在此不做限制。

图4是根据本说明书一些实施例所示的预测用户的回家时间的示例性流程图。在一些实施例中，预测用户的回家时间的相应操作可以由时间预测模块220执行，如图4所示，预测用户的回家时间的流程400可以包括下述步骤：

步骤410，确定用户的实际行为特征。

用户的实际行为特征是用于表示用户在当天各个时间段内发生的实际行为的特征数据。

在一些实施例中，用户的实际行为特征可以用实际行为特征向量表示，实际行为特征向量是基于用户当天各个时间段已经发生的行为构成的特征向量，实际行为特征向量的元素可以对应多个时间段中用户发生相应行为时对应的地点类型，其中，元素的取值为地点类别代号，元素的排序是按时间顺序依次排列。例如，实际行为特征向量可以为(...，4，1)，表示在时间段16:00-16:30之间，用户主要活动在地点类别代号为4的地方，在时间段16:30-17:00之间，用户主要活动在地点类别代号为1的地方，其中，关于时间段的划分以及各个地点类别代号具体代表的地点类型可以预先设定。

在一些实施例中，用户的实际行为特征可以基于用户的轨迹信息和对应的时间信息得到。例如，17:30-18:30之间用户在餐馆就餐，18:30-20:00之间用户在健身房健身，其中，餐馆对应的地点类型为吃饭地点(地点类别代号为2)，健身房对应的地点类型为运动地点(地点类别代号为3)，预设的时间段划分标准为从早上8点开始每半小时为一个时间段，则该用户的实际行为特征可以表示为(…，2，2，3，3，3，…)。在一些实施例中，用户的轨迹信息可以基于用户终端的定位信息获取。

步骤420，基于历史数据确定用户的参考行为特征。

历史数据是指收集的用户的过往生活中在回家之前所发生的行为数据和对应的时间及地点信息。在一些实施例中，历史数据可以包括用户的历史回家数据。例如，历史回家时间、历史回家方式和历史回家路线等。在一些实施例中。历史数据可以包括用户的历史活动数据。例如，历史活动地点、历史活动内容、历史活动时间等。

参考行为特征是用于表示用户在历史时间段内发生的历史行为的特征数据。

在一些实施例中，用户的参考行为特征可以用历史行为特征向量表示，历史行为特征向量是基于用户在历史时间段内发生的历史行为构成的特征向量；与实际行为特征相类似的，历史行为特征向量的元素为一个或多个时间段的历史行为对应的地点类别。例如，用户的某历史行为中，17:30-18:30之间用户在餐馆就餐，则对应的参考行为特征可以表示为(…，2，2，…)。

在一些实施例中，用户的参考行为特征可以基于用户的历史回家时间之前的行为对应的一个或多个历史行为特征向量确定。

在一些实施例中，确定参考行为特征时，可以基于获取到的历史数据，对用户的多个历史回家时间所在的时间段进行分类，并对每一分类所对应的一个或多个历史行为特征向量进行聚类，每一分类的历史回家时间均可得到对应的一个或多个聚类中心，在一些实施例中，可以确定该聚类中心为该分类的历史回家时间对应的参考行为特征。例如，将用户的回家时间分为A、B两类(A为17:00-19:00，B为19:00-21:00等)，对A类、B类所对应的一个或多个历史行为特征向量进行聚类分别得到聚类中心a₁、a₂及b₁、b₂，其中聚类中心a₁、a₂即为A类回家时间对应的参考行为特征；b₁和b₂即为B类回家时间对应的参考行为特征。

在一些实施例中，可以基于聚类算法计算一个或多个特征向量的聚类中心。在一些实施例中，聚类算法可以包括K-Means(K均值)聚类、均值漂移聚类、基于密度的聚类方法(DBSCAN)、基于高斯混合模型(GMM)的最大期望(EM)聚类、凝聚层次聚类、图团体检测(Graph Community Detection)等。

在一些实施例中，用户的历史回家时间及之前的行为数据可以通过用户的历史轨迹信息及其对应的时间信息得到。在一些实施例中，用户的历史轨迹信息可以基于用户终端的定位信息获取。

步骤430，将实际行为特征和参考行为特征进行匹配。

在一些实施例中，将实际行为特征和参考行为特征进行匹配是指确定实际行为特征和参考行为特征的相似度。在一些实施例中，实际行为特征和参考行为特征之间的相似度可以由实际行为特征向量和历史行为特征向量之间的向量距离表示，距离越近则相似度越大。在一些实施例中，向量距离的计算方法可以包括但不限于：欧式距离、余弦距离、马氏距离、切比雪夫距离、曼哈顿距离等。

步骤440，判断是否存在满足预设匹配要求的参考行为特征。

预设匹配要求可以是提前设定的匹配条件。在一些实施例中，预设匹配要求可以是相似度需要满足的最小值或取值范围等。在一些实施例中，当实际行为特征和参考行为特征的相似度满足预设的取值范围时，可以确定存在满足预设匹配要求的参考行为特征。

步骤450，基于步骤440的不同的匹配结果，可以采用不同的方式确定用户的回家时间。具体如下：

步骤452，响应于存在满足预设匹配要求的参考行为特征，确定参考行为特征对应的参考行为模式。

行为模式可以是对用户具有一定内容及规律的日常活动行为的归纳总结。在一些实施例中，一个参考行为特征可以对应一种行为模式，一种行为模式可以对应一个回家时间分类。例如，可以基于获取的历史数据信息，确定用户的行为模式，如包括日常上班模式(回家时间为18:00-18:45)、健身日模式(回家时间为21:00-22:00)、假期模式(回家时间为23:00-24:00)。参考行为模式是指满足匹配要求的参考行为特征对应的行为模式。基于参考行为模式即可确定当前获取到的实际行为特征对应的回家时间。

例如，聚类中心分别为a₁、a₂和b₁、b₂，其中，a₁、a₂和b₁、b₂分别一一对应一种行为模式，将实际行为特征向量y与参考行为特征a₁、a₂、b₁和b₂进行对比，如果对比结果为y与b₁最接近，且二者间的距离满足预设匹配要求，则可以确定参考行为特征b₁为满足预设匹配要求的参考行为特征，且参考行为特征b₁对应的行为模式即参考行为模式。

在一些实施例中，行为模式还可以包括用户在回家后对智能家居的使用情况。在一些实施例中，智能家居的使用情况可以包括开启时间、开启类型、使用时间、使用参数等。例如，健身日模式中，用户回家后第一时间会进入浴室使用热水器洗澡，然后再进入客厅看电视。则在确定用户的参考行为模式后，即可基于参考行为模式中包含的智能家居的使用情况制定需要执行的智能家居的开启方案。

在一些实施例中，智能家居的使用情况可以通过智能家居对应的物联网管理平台获取。例如，可以通过物联网管理平台获取智能家居中已开启的设备和/或系统的使用情况。

步骤454，响应于不存在满足预设匹配要求的参考行为特征，向用户发送提示信息，所述提示信息用于提示用户反馈回家时间。

在一些实施例中，若未匹配到满足预设匹配要求的参考行为特征，则用户终端可以向用户发送提示消息，用以提示用户反馈回家时间。在一些实施例中，提示信息可以包括文字信息、语音信息等。

在一些实施例中，提示信息的发送方式可以包括但不限于短信、电话、微信、弹窗、通知栏等。

步骤460，基于步骤450中不同的操作，可以根据不同的方式确定用户的回家时间，具体如下：

步骤462，基于参考行为模式，预测回家时间。

在一些实施例中，当在步骤450中确定了参考行为特征对应的参考行为模式后，则可以基于参考行为模式，预测回家时间。

例如，将参考行为模式对应为B类回家时间(19:00-21:00)作为预测的用户回家时间。

在一些实施例中，可以在预测的回家时间段的起始时间前的预设时间开始获取用户的实时轨迹，并根据用户的实时轨迹判断用户是否在回家的途中。例如，预测的用户回家时间为19:00-21:00，预设在回家时间段起始时间前30分钟(即18:30)开始获取用户的实时轨迹，并根据用户的实时轨迹判断用户是否在回家的途中。在一些实施例中，开始获取用户的实时轨迹的时间点可以基于用户与家的距离确定。例如，预测的回家时间段为19:00-21:00时，当用户与家的距离为5km时，可以确定在18:45开始获取用户的实时轨迹。

在一些实施例中，若获取到的用户的实时轨迹是往家的方向前行，则可以判断用户正在回家的途中。

在一些实施例中，当判断用户正在回家的途中时，可以基于用户的运动方式和用户与家的距离，确定具体的回家时间。在一些实施例中，用户的运动方式可以包括但不限于驾车、骑车、公交、地铁、步行。例如，当用户在18:30准备回家时，此时用户与家的距离为10km，用户的运动方式为驾车时，可以预测用户的回家时间为18:50-19:10。

在一些实施例中，还可以结合实际的交通信息(例如，交通路线、交通方式、拥堵情况等)等，确定用户具体的回家时间。

通过在预测的回家时间的起始时间前的预设时间点开始获取用户的实时轨迹，可以判断用户是否正在回家途中，在此基础上，当判断用户正在回家途中时，基于用户与家的距离、用户的运动方式可以更加准确的确定具体的回家时间，以便为用户提供更加便捷舒适的家居服务，同时也可以提高能源利用率，减少能源浪费。

步骤464，基于用户的反馈确定用户的回家时间。

在一些实施例中，若用户对步骤450中发出的提示信息进行反馈，则可以基于用户的反馈确定用户的回家时间。

在一些实施例中，用户的反馈可以是时间点或时间段。在一些实施例中，可以在用户反馈的时间点或用户反馈的时间段的起始时间前的预设时间开始获取用户的实时轨迹，并根据用户的实时轨迹判断用户是否在回家的途中。

先基于用户当天的实际行为特征对用户的回家时间进行预测，得到用户的回家时间段，然后在快到预测的时间段的起始时间前的预设时间时，再获取用户的实时轨迹，并结合具体的运动方式，可以确定更准确的用户的具体回家时间，以便为用户提供更加便捷、舒适的家居服务。

图5是根据本说明书一些实施例所示的确定智能家居开启的类型的示例性流程图，流程500包括以下步骤：

步骤510，判断用户是否前往过预设类型地点。在一些实施例中，该步骤510可以由第二判断模块240执行。

预设类型地点可以是预先设定的会对智能家居的开启方案(例如需要开启的智能家居的类型或开启时间)产生影响的地点。在一些实施例中，预设类型地点可以根据用户的历史行为数据确定或由用户自行设定等。在一些实施例中，预设类型地点可以包括特定的吃饭地点(例如，火锅店、烤肉店)、运动地点(例如健身房、篮球场等)等。

在一些实施例中，可以根据用户终端的定位信息判断用户是否前往过预设类型地点。在一些实施例中，还可以根据其他方式判断用户是否前往过预设类型地点，例如，可以根据用户的消费记录(例如，打车记录、支付记录等)判断用户是否前往过预设类型地点，在此不做限制。

步骤520，响应于是，确定需要开启的智能家居的类型。在一些实施例中，该步骤520可以由类型确定模块250执行。

在一些实施例中，若用户前往过预设类型地点，则可以根据具体前往的地点，确定需要开启的智能家居的类型，例如，若用户去过健身房，可以确定用户回家后需要洗澡，则可以预先开启热水器以及调整好浴室的温度等。

在一些实施例中，还可以根据用户的参考行为模式确定需要开启的智能家居的类型。在一些实施例中，行为模式中可以具体包含对应的智能家居使用方案，具体参见图4步骤452的内容。在确定用户的参考行为模式后，即可根据用户的参考行为模式中包括的用户对智能家居的使用情况数据，确定需要开启的智能家居，例如，在健身模式中则需要开启热水器以及在热水器停止工作后即开启电视。

在一些实施例中，可以基于参考行为模式预测回家的时间，并基于预测的回家的时间，确定开启可能使用的智能家居的时间。例如，基于参考行为模式，预测用户的回家时间为19:30-19:45，确定空调系统的开启时间为19:20，照明系统的开启时间为19:30。

针对用户前往过特殊地点或进行过特殊活动后，可能需要使用特定的智能家居的需求，通过判断用户是否去过预设地点类型，并结合用户的参考行为模式确定需要开启智能家居的类型和开启时间，可以为用户提供更加具有针对性的家居服务，增强用户的家居生活体验。

根据前述内容可知，本说明书一些实施例的有益效果表现如下：

(1)通过在预测的回家时间的起始时间前的预设时间点开始获取用户的实时轨迹，可以判断用户是否正在回家途中，在此基础上，当判断用户正在回家途中时，基于用户与家的距离、用户的运动方式可以更加准确的确定具体的回家时间，以便为用户提供更加便捷舒适的家居服务，同时也可以提高能源利用率，减少能源浪费；(2)通过用户反馈的时间可以准确地获取用户的回家时间。同时，在用户反馈的时间的基础上进一步获取用户的实时轨迹，以判断用户是否在回家的途中，再基于用户与家的距离、用户的运动方式可以更加准确的确定用户的回家时间，以便为用户提供更加便捷舒适的家居服务，同时也可以提高能源利用率，减少能源浪费；(3)通过判断用户是否去过预设地点类型，并结合用户的参考行为模式确定需要开启智能家居的类型和开启时间，可以针对用户的不同行为模式为用户开启相应的智能家居类型，以此为用户提供更加具有针对性的家居服务，增强用户的家居生活体验。

本说明书实施例还提供一种智能家居控制装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现前述的智能家居控制方法。

本说明书实施例还提供一种计算机可读存储介质。所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现前述的智能家居控制方法。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。

Claims (6)

1.一种智能家居控制方法，其特征在于，所述方法包括：

判断用户是否在家中；

响应于否，预测所述用户的回家时间；所述预测所述用户的回家时间包括：

确定所述用户的实际行为特征；其中，所述用户的实际行为特征基于所述用户的轨迹信息和对应的时间信息得到；

基于历史数据确定所述用户的参考行为特征；其中，所述用户的参考行为特征基于所述用户的历史回家时间之前的行为对应的一个或多个历史行为特征向量确定；

将所述实际行为特征和所述参考行为特征进行匹配；

判断是否存在满足预设匹配要求的所述参考行为特征；

响应于存在满足预设匹配要求的所述参考行为特征，确定所述满足预设匹配要求的参考行为特征对应的参考行为模式；其中，参考行为模式包括所述用户在回家后对智能家居的使用情况；基于所述参考行为模式，预测所述回家时间；在预测的回家时间段的起始时间前的预设时间开始获取用户的实时轨迹，并根据所述实时轨迹判断用户是否在回家的途中；响应于是在回家的途中，基于用户的运动方式和用户与家的距离，确定具体的回家时间；

响应于不存在满足预设匹配要求的所述参考行为特征，向用户发送提示信息，所述提示信息用于提示用户反馈回家时间；根据用户的反馈确定回家时间；

基于所述具体的回家时间或根据用户的反馈确定的所述回家时间，确定智能家居的开启时间。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

判断所述用户是否前往过预设类型地点；

响应于是，确定需要开启的所述智能家居的类型。

3.一种智能家居控制系统，其特征在于，所述系统包括：

第一判断模块，用于判断用户是否在家中；

时间预测模块，用于预测所述用户的回家时间；所述时间预测模块还用于：

确定所述用户的实际行为特征；其中，所述用户的实际行为特征基于所述用户的轨迹信息和对应的时间信息得到；

基于历史数据确定所述用户的参考行为特征；其中，所述用户的参考行为特征基于所述用户的历史回家时间之前的行为对应的一个或多个历史行为特征向量确定；

将所述实际行为特征和所述参考行为特征进行匹配；

判断是否存在满足预设匹配要求的所述参考行为特征；

响应于存在满足预设匹配要求的所述参考行为特征，确定所述满足预设匹配要求的参考行为特征对应的参考行为模式；其中，参考行为模式包括所述用户在回家后对智能家居的使用情况；基于所述参考行为模式，预测所述回家时间；在预测的回家时间段的起始时间前的预设时间开始获取用户的实时轨迹，并根据所述实时轨迹判断用户是否在回家的途中；响应于是在回家的途中，基于用户的运动方式和用户与家的距离，确定具体的回家时间；

响应于不存在满足预设匹配要求的所述参考行为特征，向用户发送提示信息，所述提示信息用于提示用户反馈回家时间；根据用户的反馈确定回家时间；

时间确定模块，用于基于所述具体的回家时间或根据用户的反馈确定的所述回家时间，确定智能家居的开启时间。

4.根据权利要求3所述的系统，其特征在于，所述系统还包括：

第二判断模块，用于判断所述用户是否前往过预设类型地点；

类型确定模块，用于确定需要开启的所述智能家居的类型。

5.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-2中任一项所述的方法。

6.一种计算机可读存储介质，所述存储介质存储计算机指令，其特征在于，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1-2中任一项所述的方法。