CN116389183A - 一种基于物联网的智能家居交互数据处理方法 - Google Patents

一种基于物联网的智能家居交互数据处理方法 Download PDF

Info

Publication number
CN116389183A
CN116389183A CN202310664463.7A CN202310664463A CN116389183A CN 116389183 A CN116389183 A CN 116389183A CN 202310664463 A CN202310664463 A CN 202310664463A CN 116389183 A CN116389183 A CN 116389183A
Authority
CN
China
Prior art keywords
sensor
user
distance
interference
estimated
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.)
Granted
Application number
CN202310664463.7A
Other languages
English (en)
Other versions
CN116389183B (zh
Inventor
谢如成
李红义
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hwellyi Technology Co ltd
Original Assignee
Shenzhen Hwellyi Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hwellyi Technology Co ltd filed Critical Shenzhen Hwellyi Technology Co ltd
Priority to CN202310664463.7A priority Critical patent/CN116389183B/zh
Publication of CN116389183A publication Critical patent/CN116389183A/zh
Application granted granted Critical
Publication of CN116389183B publication Critical patent/CN116389183B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/2803—Home automation networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K13/00—Thermometers specially adapted for specific purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
    • G01K15/00—Testing or calibrating of thermometers
    • G01K15/007—Testing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明涉及数据处理技术领域，具体涉及一种基于物联网的智能家居交互数据处理方法，包括：通过分析室内传感器所监测的历史数据，获取用户对传感器产生干扰的临界距离，以此为依据获取用户对传感器的影响程度，结合用户对传感器的干扰度和用户与传感器之间的距离，获取用户对传感器干扰度的贡献系数，结合用户对传感器干扰度的贡献系数与用户对传感器的影响程度，获取用户与传感器之间的估测距离；通过各个传感器监测的温度，获取传感器的估测干扰度，拟合得到用户与传感器之间的估测距离‑估测干扰度函数，以此计算得到室内温度并经行调整。本发明避免了因人员移动这一因素而影响对室内温度的监测，可以得到准确的室内温度数据。

Description

一种基于物联网的智能家居交互数据处理方法
技术领域
本发明涉及数据处理领域，具体涉及一种基于物联网的智能家居交互数据处理方法。
背景技术
智能家居交互数据处理技术的发展得益于物联网技术的不断进步和应用，通过将传感器采集到的数据进行采集传输至网络中，最终实现智能化控制。而室内智能空调的智能化控制是通过传感器监测室内温湿度等信息从而进行对应的运行功率调整优化。但是由于室内人员移动这一不确定因素影响，会导致通过常规的室内温度计算方式无法得到准确的评估，进而无法将室内温度调节到准确的范围。
本发明通过对历史数据中，用户距离传感器的距离与对应的传感器的监测温度异常值进行分析，进行对应的函数关系拟合，并根据这一拟合结果从而调整每一个传感器在同一时刻进行室内温度计算时的权重值，从而避免因人员移动这一因素对于空调对室内温度的监测。
发明内容
本发明提供一种基于物联网的智能家居交互数据处理方法，以解决现有的问题。
本发明的一种基于物联网的智能家居交互数据处理方法采用如下技术方案：
本发明一个实施例提供了一种基于物联网的智能家居交互数据处理方法，该方法包括以下步骤：
获取室内的历史监测数据；
分析室内的历史检测数据，获取用户与传感器之间产生干扰的临界距离；
通过用户与传感器之间的临界距离，结合用户与传感器之间的实际距离，获取用户对传感器的干扰贡献度；
通过分析用户与传感器之间的距离与干扰度，获取用户与传感器之间的贡献系数；
结合用户对传感器的干扰贡献度、用户对传感器之间产生干扰的临界距离和用户与传感器间的贡献度系数，获取用户与传感器之间的估测距离；
根据传感器之间监测的温度差异，获取传感器的估测干扰度；
根据用户与传感器之间的估测距离与传感器的估测干扰度，拟合用户与传感器之间的估测距离-估测干扰度函数；
根据拟合的用户与传感器之间的估测距离-估测干扰度函数，计算得到的室内温度。
优选的，所述用户与传感器之间产生干扰的临界距离，包括的具体步骤如下：
当传感器所监测的温度大于室内温度时，传感器受到人体温度影响，反之则没有受到人体温度影响，其中所述的室内温度记为室内各个传感器所监测温度的均值；
传感器所监测的温度小于室内温度时，记录第一用户与传感器之间的距离，判断所记录的距离是否小于同一时刻下其余用户与传感器的距离，如果是，则选择最小的距离作为第一用户与传感器之间产生干扰的临界距离。
优选的，所述获取用户对传感器的干扰贡献度的具体计算公式如下：
Figure SMS_1
式中，
Figure SMS_3
表示在
Figure SMS_6
时刻下用户
Figure SMS_10
对
Figure SMS_5
传感器干扰的贡献度，
Figure SMS_8
表示同一时刻下，除 第
Figure SMS_12
个用户外，其余的
Figure SMS_15
个用户中的第
Figure SMS_2
个用户，
Figure SMS_7
表示在
Figure SMS_11
时刻下用户
Figure SMS_14
对
Figure SMS_4
传感器的影 响程度，
Figure SMS_9
表示用户
Figure SMS_13
与传感器
Figure SMS_16
产生干扰的临界距离。
优选的，所述获取用户与传感器之间的贡献系数，包括的具体步骤如下：
通过拟合的用户与传感器之间的距离-干扰度函数曲线的切线与水平线之间的夹角，表示用户在不考虑其余用户时的干扰度，通过将用户与传感器之间的距离-干扰度函数曲线的切线与水平线之间的夹角映射到区间(0,1)内，得到用户对传感器干扰度的贡献系数；
所述用户与传感器之间的距离-干扰度函数曲线的横坐标是用户与传感器之间的欧氏距离，纵坐标是用户对传感器的干扰度。
优选的，所述获取用户与传感器之间的估测距离的具体计算公式如下：
Figure SMS_17
式中，
Figure SMS_20
表示传感器
Figure SMS_23
在
Figure SMS_27
时刻下与用户
Figure SMS_21
之间的估测距离，
Figure SMS_24
表示在
Figure SMS_28
时刻下用 户
Figure SMS_30
对
Figure SMS_18
传感器干扰的贡献度，
Figure SMS_22
表示在
Figure SMS_26
时刻下用户
Figure SMS_29
对传感器干扰度的贡献系数，
Figure SMS_19
表示的在当前时刻下，
Figure SMS_25
个用户中距离传感器最近的距离。
优选的，所述获取传感器的估测干扰度的具体计算公式如下：
Figure SMS_31
式中，
Figure SMS_33
表示第
Figure SMS_37
个传感器在
Figure SMS_40
时刻的估测干扰度，
Figure SMS_34
表示符合条件的时刻数量，
Figure SMS_35
表示第
Figure SMS_38
个传感器在
Figure SMS_41
时刻的干扰度，
Figure SMS_32
表示Softmax归一化方法，
Figure SMS_36
表示第
Figure SMS_39
个传感器 在
Figure SMS_42
时刻下与其他传感器之间的差异；
所述
Figure SMS_43
的符合条件为：在除
Figure SMS_44
时刻其余时刻里的用户与传感器间的估测距离，与
Figure SMS_45
时 刻用户与传感器间的估测距离相等的时刻。
优选的，所述拟合用户与传感器之间的估测距离-估测干扰度函数，包括的具体步骤如下：
对于第
Figure SMS_46
个传感器上述得到的多个估测距离与每一个估测距离对应的估测干扰 度，以及其余传感器得到的估测干扰度共同进行归一化，得到第
Figure SMS_47
个传感器的估测距离-估 测干扰度的拟合曲线函数
Figure SMS_48
。
优选的，所述计算得到的室内温度的具体计算公式如下：
Figure SMS_49
式中，
Figure SMS_50
表示实际的室内温度，
Figure SMS_51
表示传感器的数量，
Figure SMS_52
表示第
Figure SMS_53
个传感器所采集的 温度，
Figure SMS_54
表示第
Figure SMS_55
个传感器的估测干扰度。
本发明的技术方案的有益效果是：常规对于室内温度的量化是对多个传感器在同一时刻的监测温度进行求均，从而得到室内整体温度后，再进行空调功率的调整。但是由于室内存在人员的问题，人员的移动会导致部分传感器受到干扰，导致其监测到的的温度偏高，进而导致空调对于室内温度的监测不准确。而本发明通过对历史数据中，用户距离传感器的距离与对应的传感器的监测温度异常值进行分析，进行对应的函数关系拟合，并根据这一拟合结果从而调整每一个传感器在同一时刻进行室内温度计算时的权重值，从而避免因人员移动这一因素对于空调对室内温度的监测。
常规的最小二乘法是对散点进行拟合，但是由于历史数据中，干扰度和对应的距离之间的组合较乱，相同的干扰度对应多个距离，而多个距离对应多个干扰度，因此是无法进行函数拟合的。因此本发明通过对人员之间的距离进行估测距离的分析整合，并对相同大小的估测距离对应的多个干扰度进行组合，得到单一的估测干扰度，从而表征出在每一时刻下，人员对于每一个传感器之间干扰度的大小比较，从而对每一个传感器在参与室内温度计算时的权重进行调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一种基于物联网的智能家居交互数据处理方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于物联网的智能家居交互数据处理方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种基于物联网的智能家居交互数据处理方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于物联网的智能家居交互数据处理方法的步骤流程图，该方法包括以下步骤：
步骤S001：通过物联网得到室内的历史监测数据。
对于室内得到的多个传感器，获得每一个传感器的历史监测数据，在本实例中选取近一个月内的温度监测数据作为历史数据进行叙述，具体实施时可根据具有情况设置，本发明不进行具体要求。同时基于现有的室内温度计算方式，对采集到的同一时刻的多个传感器的温度监测数据计算得到室内的同一时刻的温度数据，为方便表达，这里命名为室内温度。
同时，通过现有的WI-FI定位技术，对人在当前室内环境的每一时刻位置进行定位。同时基于历史定位数据，获得移动对象在当前室内环境中的历史移动轨迹。
通常情况下，室内的家居位置例如厕所，厨房，客厅中的沙发等大型家居是不会轻易发生变动的，因此通常人在短时间内的行为习惯不会发生较大变动，即主要所处位置以及移动轨迹不会发生较大的变动，所以可以基于一个月内的历史数据作为人员习惯分析，从而进行数据参数的分析。
同时，根据已经确定了的传感器位置，将得到的每一个用户的历史移动轨迹中对应的每一时刻在室内的实际位置与每一个传感器计算得到对应的历史欧氏距离。
至此，得到近一个月内，传感器的实时监测数据，以及由传感器实时求均后的室内整体温度数据记为室内温度。同时还有每一时刻每一个用户与每一个传感器的欧氏距离。
步骤S002：判断数据是否受到用户影响。
因为人体的温度对周围环境温度的影响范围是极其有限的，需要人与传感器在一定距离内才会造成影响，因此需要对传感器进行筛选。由于人的体温总是高于室温的，所以可以将人体视为一个热源，因此受到人体影响的传感器所监测到的温度通常会比实际环境温度高。故需要基于单一传感器的监测数据与多个传感器计算得到的整体环境温度差异进行判断。
记监测的同一时刻的第
Figure SMS_56
个传感器数据为
Figure SMS_57
，该时刻下室内温度记为
Figure SMS_58
。通过同一 时刻下各个传感器所监测的数据与室内温度的大小，判断监测环境是否受到人体所干扰。 当
Figure SMS_59
时，认为当前时刻下，第
Figure SMS_60
个传感器所监测的温度受到人体的干扰，否则认为其监测 环境正常。计算第
Figure SMS_61
个传感器同一时刻下，监测温度高于室内温度的幅值差异命名为干扰度 即
Figure SMS_62
。
当室内人数发生变化时，其基于传感器分析距离与干扰度的函数关系时，是完全不一样的分析方式，同时构建的模型函数也不是简单的相加，因此需要通过确定用户人数，分别对历史数据进行筛选，即步骤S001中的用户识别，进行随机用户数量以及用户ID的组合，并筛选其中某一组合方式中对应的时刻的历史数据。
在室内有
Figure SMS_64
个用户的历史温度监测数据中，通过上述计算得到的干扰度
Figure SMS_68
以及对 应的与第
Figure SMS_71
个传感器的对应欧氏距离拟合得到，第
Figure SMS_65
个用户与第
Figure SMS_66
个传感器的欧氏距离-干扰 度函数曲线即
Figure SMS_69
,其中用户
Figure SMS_72
与传感器
Figure SMS_63
之间的欧氏距离为横坐标，用户
Figure SMS_67
对传感器对传感 器
Figure SMS_70
的干扰度为纵坐标。
步骤S003:获取用户与传感器之间的估测距离。
由于每一个用户的体质并不相同，同时每一个传感器在室内的位置也不同，对应的所监测的范围中的家居布局等可能会对监测造成影响的外界因素也不同，因此这里需要对每一个传感器对应的正常数据中与每一个用户的距离进行针对性的判定,从而得到每一个用户对某一个传感器的影响范围，而不能通过同时统计多个传感器与多个用户的距离而得到一个通用的值。
首先估测用户与传感器之间的距离，记第
Figure SMS_73
个传感器在
Figure SMS_74
时刻下对应的干扰度为
Figure SMS_75
，其中每一个干扰度同时受到多个用户的干扰，每一个用户对这一传感器的影响又因距离 不同从而所贡献的干扰度也不同，其身体所散发的热量是有一定限度的，因此需要根据历 史数据获取用户对传感器产生干扰的临界距离，以此得到每一个用户在同一时刻下的距离 与干扰的权值，从而得到传感器此时的干扰度。
当传感器的历史温度未受到干扰时，其历史温度检测数据满足
Figure SMS_77
，此时记第
Figure SMS_80
个用户与传感器
Figure SMS_82
之间的欧氏距离为
Figure SMS_78
。记录所有
Figure SMS_81
，判定其距离是否小于同一时刻下其 余用户与传感器
Figure SMS_83
的距离。并对符合上述两个条件的剩余欧氏距离中，选择最小值即
Figure SMS_84
作为第
Figure SMS_76
个用户与第
Figure SMS_79
个传感器之间产生干扰的临界距离。
于是对于第
Figure SMS_87
个传感器通过计算第
Figure SMS_89
时刻下，第
Figure SMS_91
个用户的欧氏距离与对应的临界 距离的差值即
Figure SMS_85
，作为在
Figure SMS_90
时刻下用户
Figure SMS_92
，对第
Figure SMS_93
个传感器的影响程度， 当这一差值越小，该用户与传感器的距离越接近临界距离，即影响应该越小，若该时刻下， 其余用户距离自己的临界距离越远即越靠近传感器，则第
Figure SMS_86
个用户在该时刻下对第
Figure SMS_88
个传 感器的实际干扰则越小。
因此，通过比较同一时刻下第
Figure SMS_94
个用户的临界距离差值
Figure SMS_95
与其余用户的临界距 离差值，从而获得同一时刻下的第
Figure SMS_96
个用户的干扰贡献度，即有：
Figure SMS_97
式中，
Figure SMS_101
表示在
Figure SMS_105
时刻下用户
Figure SMS_108
对
Figure SMS_100
传感器干扰的贡献度，
Figure SMS_104
表示同一时刻下，除 第
Figure SMS_109
个用户外，其余的
Figure SMS_112
个用户中的第
Figure SMS_98
个用户。
Figure SMS_103
则表征第
Figure SMS_107
个传感器第
Figure SMS_111
时刻下，第
Figure SMS_99
个用户与传感器的距离与自身对应的临界距离的比值，这里比值越高，认为此时这一用 户距离传感器越近。
Figure SMS_102
则为第
Figure SMS_106
个用户的相同特征，与
Figure SMS_110
含义相同。
但是通过用户对传感器的影响程度与自身的临界距离相比，比值越大，实际的影 响程度应该越大。因此，当第
Figure SMS_113
个用户与其余用户的差异累加越大，则当前时刻下这一传感 器受到的干扰越主要由这一用户所贡献。
通过第
Figure SMS_114
个用户与第
Figure SMS_115
个传感器的欧氏距离-干扰度函数曲线
Figure SMS_116
，得到每一个用户 根据其在第
Figure SMS_117
时刻对应的与传感器的距离对应干扰度即
Figure SMS_118
，通过计算当前这一坐标处对 应的切线与水平线小于九十度的夹角，将其进行归一化后用
Figure SMS_119
表示，并命名为贡献度系 数，其取值范围线性缩放至(0,1)。当其夹角越高，对应的表征此时这一用户在不考虑其余 用户时的干扰度越高，同时表征此时随着距离的增加，相同的距离下，对于传感器的干扰度 并不是线性增加，而是增加速度逐渐加快，对应的即使考虑其余用户，这一在对传感器的干 扰的贡献度也是极高的，因此在下方进行拟合距离估测时，所给予的贡献度是很高的。
Figure SMS_120
的获取方式为：
Figure SMS_121
式中，
Figure SMS_124
表示反正切函数，
Figure SMS_127
表示第
Figure SMS_129
个用户的距离-干扰度函数曲线在 第
Figure SMS_123
时刻下的切线角度，
Figure SMS_125
为在第
Figure SMS_128
个用户与第
Figure SMS_130
个传感器的欧氏距离-干扰度函数曲线
Figure SMS_122
上的切线与水平线夹角的理论最大值。至此得到了贡献度系数
Figure SMS_126
。
但当同样数量的用户其在固定的几个距离传感器的位置时，由于每一个用户自身的体质不同，导致同一位置处的用户不同，对于传感器的干扰不同，同时多个用户对于传感器的干扰也不是简单的累加，因此需要通过对每一个用户自身的干扰特征以及距离之间的关系对实际的距离进行估测。因此当同样距离处的用户不同时，对应的估测距离也不同。
于是通过结合前方得到的第
Figure SMS_131
个用户与第
Figure SMS_132
个传感器的欧氏距离-干扰度函数曲线
Figure SMS_133
，以及第
Figure SMS_134
时刻对应的由每一个用户自身的贡献度所得到的最终用于进行拟合的估测距 离即：
Figure SMS_135
式中，
Figure SMS_137
表示传感器
Figure SMS_141
在
Figure SMS_144
时刻下与用户
Figure SMS_138
之间的估测距离，
Figure SMS_140
表征第
Figure SMS_143
个用户在第
Figure SMS_145
时刻根据其自身的干扰贡献度以及贡献度系数得到的对第
Figure SMS_136
个传感器 的距离调整系数。
Figure SMS_139
表征的在第t时刻下，
Figure SMS_142
个用户中距离传感器最近的距离。于是 通过对上述每一个用户的距离调整系数进行累加求均后，得到最终用户进行对上面最短距 离的缩放值。
步骤S004：获取不同用户的对传感器的估测干扰度。
对于传感器根据自身监测温度与室内温度的差值得到的干扰度中，当多个用户与某一个传感器的距离相同时，其具体在室内的位置不同，对于实际的影响也不同，例如当距离传感器1的距离固定时，其可能距离传感器2较远，也可能距离其较近，而对应的其对于其余传感器的距离远近，对应着实际得到的室内温度的高低，进而会影响每一时刻得到的干扰度的大小，进而会导致，步骤S002中计算出来的相同的估测距离，对应的干扰度忽高忽低，甚至导致每个传感器可能都会受到影响，只是因影响大小不同，而导致受影响小的传感器的温度判定为正常温度，进而导致后续的拟合结果也不准确。
因此对于第
Figure SMS_146
时刻采集到的
Figure SMS_147
个传感器所监测到的温度数据的标准差，作为衡量其 估测干扰度的加权求和时的权重即：
Figure SMS_148
式中，
Figure SMS_150
则表征第
Figure SMS_152
时刻下第
Figure SMS_154
个传感器的监测温度，
Figure SMS_151
则表征第
Figure SMS_153
时刻下，
Figure SMS_155
个传感 器的监测温度均值，所计算
Figure SMS_156
为
Figure SMS_149
时刻下传感器之间的温度差异。
其中，当传感器之间的温度差异越大，即此时，用户对于多个传感器的影响是差异较大的，即并不是出于多个传感器之间的公共区域，而是距离某一个或两个传感器较近，但是距离其余传感器较远。那么此时这一干扰度在进行相同估测距离情况下，进行估测干扰度的加权求和时的权重较高。
于是，对于第
Figure SMS_157
个传感器第
Figure SMS_158
时刻对应的估测距离即
Figure SMS_159
，判定其余时刻对应的估测 距离与第
Figure SMS_160
时刻是否相同，记在其余时刻里由
Figure SMS_161
个时刻的估测距离与第
Figure SMS_162
时刻的估测距离相 同，对这
Figure SMS_163
个时刻的干扰度进行加权求和即：
Figure SMS_164
式中，
Figure SMS_166
表示第
Figure SMS_169
个传感器在
Figure SMS_173
时刻的估测干扰度，
Figure SMS_168
表示在其余时刻里有
Figure SMS_171
个时刻 的估测距离与第
Figure SMS_175
时刻的估测距离相同，
Figure SMS_177
表示第
Figure SMS_165
个传感器在
Figure SMS_170
时刻的干扰度，
Figure SMS_174
表 示Softmax归一化方法，
Figure SMS_176
表示第
Figure SMS_167
个传感器在
Figure SMS_172
时刻下传感器间的差异。
至此，得到
Figure SMS_178
表示第
Figure SMS_179
个传感器在
Figure SMS_180
时刻的估测干扰度。
步骤S005：拟合估测距离-估测干扰度函数。
对于第
Figure SMS_181
个传感器上述得到的多个估测距离与每一个估测距离对应的估测干扰 度，与其余传感器得到的估测干扰度共同进行线性归一化，使其全都处于（0，1）的取值范 围。并提供最小二乘法将其拟合，得到第
Figure SMS_182
个传感器的估测距离-估测干扰度的拟合曲线函 数
Figure SMS_183
。
需要说明的是，这里的估测出来的值，并不是要表征具体的某一距离值，而是通过上述的算法，同时避免不足的问题后所表达出来的多个传感器之间的比值。例如当同一时刻下，每个传感器的估测距离都相同时，估测干扰度并不是具体表征哪一个传感器受到的实际干扰度，而是表征传感器之间受到的干扰的程度的比较。
至此，通过最小二乘法拟合算法，得到估测距离与估测干扰度的拟合函数关系。
步骤S006：根据得到的拟合结果进行不同传感器温度的权重设定后，对计算得到的室内温度进行调整。
计算当前时刻下，第
Figure SMS_184
个传感器的估测距离
Figure SMS_185
，通过每一个传感器自身的估测距离- 估测干扰度的拟合函数曲线
Figure SMS_186
，得到的估测干扰度即
Figure SMS_187
，将其带入实际的室内温度计算公式 中即：
Figure SMS_188
式中，
Figure SMS_190
表示实际的室内温度，
Figure SMS_193
表示传感器的数量，
Figure SMS_195
表示第
Figure SMS_191
个传感器所采集的 温度，
Figure SMS_192
表示第
Figure SMS_194
个传感器的估测干扰度，而
Figure SMS_196
为我们上述分析后得到的每一个传感器 根据干扰度得到的权重值，即在同时刻下，传感器与用户之间的估测距离越近，对应的其干 扰度越高，即在进行常规室内温度计算时的权重越低。而因为我们每一个值的权重的取值 范围为（0，1），所以这里用权重的累加和
Figure SMS_189
当作分母，是为了根据每个传感器根 据人对他的干扰，给予的影响值后，主要根据每一个传感器受干扰的程度大小作为比较，这 样累加权重可以使得在计算均值时，干扰越小的传感器的贡献越大，同时保证得到的温度 不会减小。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于物联网的智能家居交互数据处理方法，其特征在于，该方法包括以下步骤：
获取室内的历史监测数据；
分析室内的历史检测数据，获取用户与传感器之间产生干扰的临界距离；
通过用户与传感器之间的临界距离，结合用户与传感器之间的实际距离，获取用户对传感器的干扰贡献度；
通过分析用户与传感器之间的距离与干扰度，获取用户与传感器之间的贡献系数；
结合用户对传感器的干扰贡献度、用户对传感器之间产生干扰的临界距离和用户与传感器间的贡献度系数，获取用户与传感器之间的估测距离；
根据传感器之间监测的温度差异，获取传感器的估测干扰度；
根据用户与传感器之间的估测距离与传感器的估测干扰度，拟合用户与传感器之间的估测距离-估测干扰度函数；
根据拟合的用户与传感器之间的估测距离-估测干扰度函数，计算得到的室内温度。
2.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述用户与传感器之间产生干扰的临界距离，包括的具体步骤如下：
当传感器所监测的温度大于室内温度时，传感器受到人体温度影响，反之则没有受到人体温度影响，其中所述的室内温度记为室内各个传感器所监测温度的均值；
传感器所监测的温度小于室内温度时，记录第一用户与传感器之间的距离，判断所记录的距离是否小于同一时刻下其余用户与传感器的距离，如果是，则选择最小的距离作为第一用户与传感器之间产生干扰的临界距离。
3.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述获取用户对传感器的干扰贡献度的具体计算公式如下：
Figure QLYQS_1
式中，
Figure QLYQS_3
表示在/>
Figure QLYQS_9
时刻下用户/>
Figure QLYQS_13
对/>
Figure QLYQS_4
传感器干扰的贡献度，/>
Figure QLYQS_6
表示同一时刻下，除第/>
Figure QLYQS_10
个用户外，其余的/>
Figure QLYQS_14
个用户中的第/>
Figure QLYQS_2
个用户，/>
Figure QLYQS_8
表示在/>
Figure QLYQS_12
时刻下用户/>
Figure QLYQS_16
对/>
Figure QLYQS_5
传感器的影响程度，/>
Figure QLYQS_7
表示用户/>
Figure QLYQS_11
与传感器/>
Figure QLYQS_15
产生干扰的临界距离。
4.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述获取用户与传感器之间的贡献系数，包括的具体步骤如下：
通过拟合的用户与传感器之间的距离-干扰度函数曲线的切线与水平线之间的夹角，表示用户在不考虑其余用户时的干扰度，通过将用户与传感器之间的距离-干扰度函数曲线的切线与水平线之间的夹角映射到区间(0,1)内，得到用户对传感器干扰度的贡献系数；
所述用户与传感器之间的距离-干扰度函数曲线的横坐标是用户与传感器之间的欧氏距离，纵坐标是用户对传感器的干扰度。
5.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述获取用户与传感器之间的估测距离的具体计算公式如下：
Figure QLYQS_17
式中，
Figure QLYQS_19
表示传感器/>
Figure QLYQS_23
在/>
Figure QLYQS_27
时刻下与用户/>
Figure QLYQS_21
之间的估测距离，/>
Figure QLYQS_25
表示在/>
Figure QLYQS_28
时刻下用户/>
Figure QLYQS_30
对/>
Figure QLYQS_18
传感器干扰的贡献度，/>
Figure QLYQS_22
表示在/>
Figure QLYQS_26
时刻下用户/>
Figure QLYQS_29
对传感器干扰度的贡献系数，/>
Figure QLYQS_20
表示的在当前时刻下，/>
Figure QLYQS_24
个用户中距离传感器最近的距离。
6.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述获取传感器的估测干扰度的具体计算公式如下：
Figure QLYQS_31
式中，
Figure QLYQS_33
表示第/>
Figure QLYQS_35
个传感器在/>
Figure QLYQS_38
时刻的估测干扰度，/>
Figure QLYQS_34
表示符合条件的时刻数量，/>
Figure QLYQS_37
表示第/>
Figure QLYQS_40
个传感器在/>
Figure QLYQS_42
时刻的干扰度，/>
Figure QLYQS_32
表示Softmax归一化方法，/>
Figure QLYQS_36
表示第/>
Figure QLYQS_39
个传感器在/>
Figure QLYQS_41
时刻下与其他传感器之间的差异；
所述
Figure QLYQS_43
的符合条件为：在除/>
Figure QLYQS_44
时刻其余时刻里的用户与传感器间的估测距离，与/>
Figure QLYQS_45
时刻用户与传感器间的估测距离相等的时刻。
7.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述拟合用户与传感器之间的估测距离-估测干扰度函数，包括的具体步骤如下：
对于第
Figure QLYQS_46
个传感器上述得到的多个估测距离与每一个估测距离对应的估测干扰度，以及其余传感器得到的估测干扰度共同进行归一化，得到第/>
Figure QLYQS_47
个传感器的估测距离-估测干扰度的拟合曲线函数/>
Figure QLYQS_48
。
8.根据权利要求1所述一种基于物联网的智能家居交互数据处理方法，其特征在于，所述计算得到的室内温度的具体计算公式如下：
Figure QLYQS_49
式中，
Figure QLYQS_50
表示实际的室内温度，/>
Figure QLYQS_51
表示传感器的数量，/>
Figure QLYQS_52
表示第/>
Figure QLYQS_53
个传感器所采集的温度，
Figure QLYQS_54
表示第/>
Figure QLYQS_55
个传感器的估测干扰度。
CN202310664463.7A 2023-06-07 2023-06-07 一种基于物联网的智能家居交互数据处理方法 Active CN116389183B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310664463.7A CN116389183B (zh) 2023-06-07 2023-06-07 一种基于物联网的智能家居交互数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310664463.7A CN116389183B (zh) 2023-06-07 2023-06-07 一种基于物联网的智能家居交互数据处理方法

Publications (2)

Publication Number Publication Date
CN116389183A true CN116389183A (zh) 2023-07-04
CN116389183B CN116389183B (zh) 2023-08-29

Family

ID=86963764

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310664463.7A Active CN116389183B (zh) 2023-06-07 2023-06-07 一种基于物联网的智能家居交互数据处理方法

Country Status (1)

Country Link
CN (1) CN116389183B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0922970A1 (fr) * 1997-12-10 1999-06-16 Manu, Lorraine Dispositif de détection de source chaude
CN102393881A (zh) * 2011-09-08 2012-03-28 杭州微松环境科技有限公司 一种实时多传感温度数据融合的高精度检测方法
CN103261862A (zh) * 2010-08-11 2013-08-21 莫戈公司 使用多个温度传感器的温度测量校正
CN109035722A (zh) * 2018-06-27 2018-12-18 马鞍山天高智能科技有限公司 一种入户门外异常情况的智能提醒方法
US20200100063A1 (en) * 2018-09-20 2020-03-26 International Business Machines Corporation Cognitive progressive method and system for deploying indoor location sensor networks
CN111271838A (zh) * 2020-01-23 2020-06-12 深圳市大拿科技有限公司 智能空调控制方法及相关装置
CN111551259A (zh) * 2020-05-08 2020-08-18 电子科技大学 一种基于uwb和红外传感器协同的测温校正方法
CN111751011A (zh) * 2020-04-04 2020-10-09 深圳市厚德智连科技有限公司 一种红外体表温度测量设备及检测方法
CN113485187A (zh) * 2021-07-08 2021-10-08 南京航空航天大学 一种室内能耗浪费监测系统及其监测方法
CN114659237A (zh) * 2022-05-23 2022-06-24 江苏橙智云信息技术有限公司 一种基于物联网的空调能效监管方法
CN115683349A (zh) * 2022-10-26 2023-02-03 郑州炜盛电子科技有限公司 一种人体位置探测方法、系统、装置及智能家居设备
EP4131910A1 (en) * 2020-04-17 2023-02-08 Huawei Technologies Co., Ltd. Sensor adjustingt method, appratus and electronic device
CN115727962A (zh) * 2022-11-14 2023-03-03 厦门立林科技有限公司 温度补偿方法、装置、设备、介质及智能化面板
CN115808211A (zh) * 2023-02-06 2023-03-17 天津大学 一种公共建筑温度及热舒适度监测与预测系统
CN115855133A (zh) * 2022-12-12 2023-03-28 清华大学深圳国际研究生院 传感器的校准方法、装置、计算机设备和可读存储介质
US20230098236A1 (en) * 2021-09-24 2023-03-30 Apple Inc. Temperature sensing systems and methods including multiple temperature sensors
CN115876356A (zh) * 2021-08-13 2023-03-31 广州视源电子科技股份有限公司 一种温度传感器的校准方法、装置、电子设备及存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0922970A1 (fr) * 1997-12-10 1999-06-16 Manu, Lorraine Dispositif de détection de source chaude
CN103261862A (zh) * 2010-08-11 2013-08-21 莫戈公司 使用多个温度传感器的温度测量校正
CN102393881A (zh) * 2011-09-08 2012-03-28 杭州微松环境科技有限公司 一种实时多传感温度数据融合的高精度检测方法
CN109035722A (zh) * 2018-06-27 2018-12-18 马鞍山天高智能科技有限公司 一种入户门外异常情况的智能提醒方法
US20200100063A1 (en) * 2018-09-20 2020-03-26 International Business Machines Corporation Cognitive progressive method and system for deploying indoor location sensor networks
CN111271838A (zh) * 2020-01-23 2020-06-12 深圳市大拿科技有限公司 智能空调控制方法及相关装置
CN111751011A (zh) * 2020-04-04 2020-10-09 深圳市厚德智连科技有限公司 一种红外体表温度测量设备及检测方法
EP4131910A1 (en) * 2020-04-17 2023-02-08 Huawei Technologies Co., Ltd. Sensor adjustingt method, appratus and electronic device
CN111551259A (zh) * 2020-05-08 2020-08-18 电子科技大学 一种基于uwb和红外传感器协同的测温校正方法
CN113485187A (zh) * 2021-07-08 2021-10-08 南京航空航天大学 一种室内能耗浪费监测系统及其监测方法
CN115876356A (zh) * 2021-08-13 2023-03-31 广州视源电子科技股份有限公司 一种温度传感器的校准方法、装置、电子设备及存储介质
US20230098236A1 (en) * 2021-09-24 2023-03-30 Apple Inc. Temperature sensing systems and methods including multiple temperature sensors
CN114659237A (zh) * 2022-05-23 2022-06-24 江苏橙智云信息技术有限公司 一种基于物联网的空调能效监管方法
CN115683349A (zh) * 2022-10-26 2023-02-03 郑州炜盛电子科技有限公司 一种人体位置探测方法、系统、装置及智能家居设备
CN115727962A (zh) * 2022-11-14 2023-03-03 厦门立林科技有限公司 温度补偿方法、装置、设备、介质及智能化面板
CN115855133A (zh) * 2022-12-12 2023-03-28 清华大学深圳国际研究生院 传感器的校准方法、装置、计算机设备和可读存储介质
CN115808211A (zh) * 2023-02-06 2023-03-17 天津大学 一种公共建筑温度及热舒适度监测与预测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
谢舰锋;: "物联网下室内温度智能控制系统优化设计", 电子设计工程, no. 16 *

Also Published As

Publication number Publication date
CN116389183B (zh) 2023-08-29

Similar Documents

Publication Publication Date Title
US11531311B2 (en) Droplet range control system and method for controlling range of droplets
US10082313B2 (en) Instruction device, and air conditioning system
US8955761B2 (en) Retrofitting a constant volume air handling unit with a variable frequency drive
US20130102852A1 (en) Controlling devices based on physiological measurements
CN110675006A (zh) 一种室内空气质量实时监测与甲醛衰减预测系统
JP2015152175A (ja) 空気質評価装置及び空気質評価システム
CN112254287B (zh) 变权重多模型综合预测中央空调末端送风控制方法
CN112178785A (zh) 一种空调器除湿控制方法及除湿控制设备
CN109883016B (zh) 一种空气舒适度调节方法和设备
TWI498553B (zh) 無線空氣品質監控系統及空氣品質預測方法
CN116389183B (zh) 一种基于物联网的智能家居交互数据处理方法
US20200056797A1 (en) Area-specific environment management system, method, and program
CN117408497B (zh) 一种食品加工物料管控方法及系统
US11333562B1 (en) Dynamic set point temperature adjustment techniques
CN111141284A (zh) 智能建筑人员热舒适度及热环境管理系统和方法
CN116383676B (zh) 基于数据处理的暖通设备智能检测方法
CN109186044B (zh) 一种人体感知方法、装置及空调器
CN116520718A (zh) 一种基于物联网技术的智能家居自适应控制方法和装置
CN210179857U (zh) 一种空气质量监控系统
CN114971426B (zh) 基于多模态感知的供暖设备恒温智能分析方法
TW202009427A (zh) 空調系統及使用其之空調控制方法
CN115628526A (zh) 一种基于空调机组数据处理的干湿负荷调控方法及系统
KR102353186B1 (ko) IoT 기반의 건물 단열효율 측정 시스템 및 방법
CN113375222B (zh) 一种提高热电组网智能感知与调控设备精确度的控制方法
Chand et al. Privacy preserving occupancy detection using NB IoT sensors

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