TW202001928A - 服裝熱舒適度預測系統 - Google Patents

服裝熱舒適度預測系統 Download PDF

Info

Publication number
TW202001928A
TW202001928A TW108115820A TW108115820A TW202001928A TW 202001928 A TW202001928 A TW 202001928A TW 108115820 A TW108115820 A TW 108115820A TW 108115820 A TW108115820 A TW 108115820A TW 202001928 A TW202001928 A TW 202001928A
Authority
TW
Taiwan
Prior art keywords
user
sensor
information
item
processor
Prior art date
Application number
TW108115820A
Other languages
English (en)
Inventor
克莉斯緹 阿蘭娜 裘斯特
馬克 文森 瑞歐夫斯基
強納森 班門 亞瑟
肯尼夫 亞瑟 寇克斯
卡爾 威廉 布魯登
Original Assignee
美商3M新設資產公司
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 美商3M新設資產公司 filed Critical 美商3M新設資產公司
Publication of TW202001928A publication Critical patent/TW202001928A/zh

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
    • A41D1/00—Garments
    • A41D1/002—Garments adapted to accommodate electronic equipment
    • A—HUMAN NECESSITIES
    • A41—WEARING APPAREL
    • A41D—OUTERWEAR; PROTECTIVE GARMENTS; ACCESSORIES
    • A41D13/00—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches
    • A41D13/002—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with controlled internal environment
    • A41D13/005—Professional, industrial or sporting protective garments, e.g. surgeons' gowns or garments protecting against blows or punches with controlled internal environment with controlled temperature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Textile Engineering (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Computational Linguistics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Environmental & Geological Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一種方法包括接收由埋置在一服裝物品中的一感測器產生的感測器資訊。該方法包括至少部分基於該感測器資訊判定一熱舒適度分數，該熱舒適度分數指示該服裝物品的一使用者在一未來時間將舒適的一機率。該方法亦包括基於該熱舒適度分數判定該服裝物品的該使用者在該未來時間是否可能舒適。該方法亦包括回應於判定該服裝物品的該使用者在該未來時間不太可能舒適，而執行一操作。

Description

服裝熱舒適度預測系統
本揭露大致關於服裝物品及關於服裝物品之使用的計算系統。
服裝物品常設計成使物品的使用者在寒冷溫度下保持溫暖或使使用者在溫暖溫度下保持涼爽。在許多情形中，使用者可能不經意地選擇穿戴不係針對天氣或使用者活動設計的服裝物品。此外，使用者可能未認知到他或她太熱或太冷，直到他或她的核心溫度不再在安全及/或舒適的溫度範圍中。
本揭露描述用於預測穿戴一服裝物品之人的熱舒適度的技術。例如，描述一種服裝物品之包括與一計算裝置(例如，行動電話、伺服器系統等)通訊的一或多個感測器的各種實施方案。該計算裝置經組態以判定該特定服裝物品的一使用者(例如，穿戴該服裝物品的個人)在一未來時間是否可能在一舒適或不舒適溫度。該計算裝置可至少部分基於由該等感測器產生的資訊判定該使用者在該未來時間是否可能舒適。例如，該等感測器可監控該使用者的生理特性(例如、心率、汗水、體溫等)或環境特性(例如，氣溫、濕度等)。作為 另一實例，該計算裝置可基於使用者資訊判定該使用者是否可能舒適。例如，該計算裝置可接收指示該使用者在過去的某個時間是否舒適的歷史使用者舒適度資訊(例如，經由使用者輸入)及對應的歷史感測器資訊，並可基於該目前感測器資訊、歷史感測器資訊、及該對應的歷史舒適度資訊判定該使用者在未來是否可能舒適。在一些實例中，該計算裝置基於有關正由該使用者穿戴之該物品的資訊(例如，物品之材料類型、物品的年齡等)判定該使用者是否可能舒適。藉由預測該使用者在未來的某個時間穿戴該物品時是否可能舒適，該計算裝置可減少該使用者的核心體溫到達一不舒適或不安全程度的可能性，其可改善穿戴該服裝物品的一使用者的健康及/或安全。在一些實例中，該計算裝置可基於與該使用者關聯的歷史使用者資訊預測該使用者是否可能舒適，其可使該計算裝置能基於該個人使用者的忍耐力及健康量身定製該預測，其可為該個人使用者提供更準確預測。
在一個實例中，一種方法包括藉由至少一個處理器接收由埋置在一服裝物品中的一感測器產生的感測器資訊。該方法亦包括藉由該至少一個處理器至少部分基於該感測器資訊判定一熱舒適度分數，該熱舒適度分數指示穿戴該服裝物品的個人在一未來時間將舒適的一機率。該方法進一步包括藉由該至少一個處理器基於該熱舒適度分數判定該服裝物品的該使用者在該未來時間是否可能舒適。該方法包括回應於判定該服裝物品的該使用者在該未來時間不太可能舒適，執行一操作。
在另一實例中，一種系統包括一服裝物品，該服裝物品包含一感測器；至少一個處理器；及一記憶體。該記憶體包括指令，當該等指令由該至少一個處理器執行時導致該至少一個處理器：接收由該感測器產生的感測器資訊，並至少部分基於該感測器資訊判定一熱舒適度分數，該熱舒適度分數指示該服裝物品的一使用者在一未來時間將舒適的一機率。該等指令的執行進一步導致該至少一個處理器基於該熱舒適度分數判定該服裝物品的該使用者在該未來時間是否可能舒適；及回應於判定該服裝物品的該使用者在該未來時間不太可能舒適，執行一操作。
於附圖及以下說明中提出本揭露之一或多項實例的細節。可從說明與圖式以及從申請專利範圍中明白了解本揭露之其他特徵、目的、以及優點。
100‧‧‧系統
102‧‧‧物品
104‧‧‧網路
105‧‧‧網路鏈路
105A‧‧‧鏈路
105B‧‧‧鏈路
105C‧‧‧鏈路
105D‧‧‧鏈路
106A‧‧‧直接鏈路
106B‧‧‧直接鏈路
108A‧‧‧感測器
108B‧‧‧感測器
108C‧‧‧感測器
109‧‧‧溫度控制裝置
110‧‧‧物品計算裝置
111‧‧‧縫隙控制裝置
112‧‧‧熱效能預測平台(TPPP)
114‧‧‧使用者計算裝置
116‧‧‧遠端計算裝置
120‧‧‧模組
120A‧‧‧舒適度預測模組
120B‧‧‧舒適度預測模組
122‧‧‧圖形使用者介面(GUI)
202‧‧‧控制環境
204‧‧‧控制邏輯
206‧‧‧資料
220‧‧‧舒適度預測模組
222‧‧‧感測器監測模組
224‧‧‧作業系統
228‧‧‧硬體
230‧‧‧處理器
232‧‧‧通訊單元
232A‧‧‧感測器資訊儲存
232B‧‧‧使用者資訊資料儲存
232C‧‧‧物品性質資料儲存
234‧‧‧電源
236‧‧‧儲存組件
238‧‧‧儲存裝置
240‧‧‧輸入組件
242‧‧‧輸出組件
244‧‧‧感測器
248‧‧‧感測器
248A‧‧‧移動感測器
248B‧‧‧溫度感測器
248C‧‧‧水分感測器
248D‧‧‧光感測器
248E‧‧‧熱通量感測器
250‧‧‧通訊通道
302‧‧‧控制環境
304‧‧‧控制邏輯
306‧‧‧資料
324‧‧‧作業系統
328‧‧‧硬體
330‧‧‧處理器
332‧‧‧通訊單元
332A‧‧‧感測器資訊資料儲存
332B‧‧‧使用者舒適度資訊資料儲存
322C‧‧‧物品性質資料儲存
334‧‧‧電源
336‧‧‧儲存組件
340‧‧‧輸入組件
342‧‧‧輸出組件
344‧‧‧感測器
402‧‧‧物品
402A至402N‧‧‧服裝物品；物品
414A至414N‧‧‧計算裝置
464‧‧‧介面層
466‧‧‧應用程式層
468‧‧‧服務器
468A‧‧‧事件端點前端；服務器
468B‧‧‧事件選擇器；服務器
468C‧‧‧事件處理器；服務器
468E‧‧‧通知服務器：服務器
468F‧‧‧串流分析服務器；服務器
469‧‧‧事件串流
470‧‧‧服務匯流排
472‧‧‧資料層
474‧‧‧資料儲存庫
474A‧‧‧感測器資訊資料儲存
474B‧‧‧使用者資訊資料儲存
474C‧‧‧物品性質資料儲存
500‧‧‧步驟
502‧‧‧步驟
504‧‧‧步驟
506‧‧‧步驟
s414‧‧‧計算裝置
圖1係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例系統的方塊圖。
圖2係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例計算裝置的方塊圖。
圖3係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例計算裝置的方塊圖。
圖4係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例計算裝置的方塊圖。
圖5係繪示根據本揭露的各種技術之藉由經組態以預測服裝物品的使用者在一未來時間是否將舒適的一或多個計算裝置執行之實例操作的流程圖。
圖1係繪示根據本揭露的一或多個樣態之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例系統的方塊圖。圖1之系統100包括物品102，該物品包括物品計算裝置110。在此實例中，系統100進一步包括熱效能預測平台(thermal performance prediction platform,TPPP)112、使用者計算裝置114、及遠端計算裝置116。
使用者計算裝置114及遠端計算裝置116係計算裝置的實例，諸如，智慧型手機、電腦化可穿戴裝置(例如，手錶、眼鏡、戒指、項鍊等)、膝上型電腦、桌上型電腦、或任何其他類型的計算裝置。在一些實例中，使用者計算裝置114及遠端計算裝置116經組態以經由網路(諸如，網路104)發送及接收資訊(亦稱為資料)。
網路104代表任何公共或私人通訊網路，例如，蜂巢式，WiFi®、LAN、網狀網路、及/或用於在計算系統、伺服器、與計算裝置之間傳輸資訊的其他類型網路。網路104可提供對網際網路的存取給計算裝置(諸如，物品102的物品計算裝置110、TPPP 112、及計算裝置114、116)，並可允許計算裝置彼此通訊。物品計算裝置110、TPPP 112、及計算裝置114、116可各使用各別網路鏈路(諸如，鏈路105A至105D(統稱為「網路鏈路105」))操作地耦接至網路104。網路鏈路105可係任何類型的網路連接，諸如，有線或無線連接。
在一些實例中，系統100的一或多個計算裝置可與另一計算裝置交換資訊而無需資訊穿越網路104。例如，物品計算裝置110可使用直接鏈路106A與使用者計算裝置114通訊。類似地，使用者計算裝置114可經由直接鏈路106B與遠端計算裝置116通訊。直接鏈路106A、106B可係能夠使二個計算裝置直接通訊(亦即，不需要網路交換器、集線器、或其他中間網路裝置)的任何通訊協定或機制，諸如，Bluetooth®、Wi-Fi Direct®、近場通訊等。
物品102可包括可由人或動物穿戴的任何類型的服裝，諸如，夾克、襯衫、長褲或短褲、手套、帽子、鞋子等。物品102包括一或多個感測器，諸如，感測器108A至108C(統稱為感測器108)。感測器108可包括一或多個移動感測器(例如，加速度計、陀螺儀等)、溫度感測器(例如，熱阻器)、光感測器(例如，環境光感測器)、濕度感測器(例如，濕度計)、位置感測器(例如，GPS)、壓力感測器(例如，氣壓、觸控感測器)、心律感測器、或任何其他類型的感測器。感測器108可產生指示受感測使用者生理特性(例如，心率、呼吸速率、體溫、汗水的存在或量、運動等)及/或環境特性(例如，氣溫、濕度、位置等)的感測器資訊並可輸出感測器資訊。感測器108可位於物品102的各種位置。例如，在圖1的實例中，物品102繪示為長袖衣服(例如，夾克、毛衣、運動衫等)且感測器108可定位成接近手腕、軀幹、及頸間。在其他實例中，感測器102可定位在物品之覆蓋使用者的腹部、手、腿、足踝、腳等的區域。在一些實例中，感測器108可定位在物品102之內表面、物品102的外表面(例如，前或 後)、物品102的內部分(例如，內表面與外表面之間)、或其中的任何組合上。
物品102可包括一或多個溫度控制裝置109。在一些實例中，溫度控制裝置109包括用於直接影響物品102之內部溫度的主動溫度控制裝置(例如，加熱或冷卻元件)。作為另一實例，溫度控制裝置109可包括間接影響物品102之內部溫度的被動溫度控制裝置，諸如，縫隙控制裝置111。縫隙控制裝置包括拉鍊、拉繩(drawstring)(例如，環繞兜帽、手腕、腰的拉繩)或用於控制氣流進出物品102的其他裝置。
在一些實例中，物品計算裝置110及使用者計算裝置114各包括各別的舒適度預測模組120A、120B(統稱為「舒適度預測模組120」)。雖然未圖示，TPPP 112及/或遠端計算裝置116可包括與計算裝置110、114類似的組件或模組。模組120可使用駐存於計算裝置110、114中及/或在該等計算裝置執行的硬體、硬體及韌體、硬體及軟體、或硬體、軟體、及韌體的混合執行所描述的操作。計算裝置110、114可使用一或多個處理器或多個裝置執行模組120。計算裝置110、114可執行作為在底層硬體上執行之虛擬機器的模組120。模組120可執行為作業系統或計算平台的一或多個服務。模組120可執行為在計算平台的應用程式層的一或多個可執行程式。
舒適度預測模組120可判定使用者在穿戴物品102時在未來是否可能舒適或不舒適。在一些實例中，舒適度預測模組120判定使用者在穿戴物品102時在一特定未來時間(例如，目前時間的2 小時後、3pm等)是否可能舒適。作為另一實例，舒適度預測模組120判定使用者在穿戴物品102時不太可能舒適的一未來時間。例如，舒適度預測模組120可判定使用者在穿戴物品102時在一未來時間(例如，目前時間的大約30分鐘內)可能從舒適轉變成不舒適。舒適度預測模組120藉由判定熱舒適度分數並比較熱舒適度分數與臨限舒適度分數而判定物品102的使用者(例如，穿戴物品102的個人)在穿戴物品102時在一未來時間是否可能舒適。
在一些實例中，舒適度預測模組120判定熱舒適度分數，該熱舒適度分數指示物品102之使用者在一未來時間將會舒適(例如，使用者不太熱或太冷)的機率。舒適度預測模組120可基於穿戴物品102之使用者的使用者生理特性(例如，心率、呼吸速率、體溫等)、環境特性(例如，氣溫、濕度、環境光等)、由使用者穿戴之物品的性質(例如，物品的材料類型、物品的年齡等)、使用者資訊(例如，歷史舒適度資訊、使用者活動資訊等)、或其中之任何組合來判定熱舒適度分數。
例如，舒適度預測模組120可至少部分基於從安裝在穿戴物品102內的一或多個感測器108接收的感測器資訊來判定熱舒適度分數。在一些實例中，感測器108產生指示使用者的生理特性及/或環境特性的感測器資訊。例如，感測器108A可包括溫度感測器，該溫度感測器偵測使用者的體溫、物品102外部的溫度(例如，環境氣溫)、物品102內部的溫度(例如，穿戴者的身體與物品102的內側表面之間的氣溫)、或其中之組合。舒適度預測模組120A可接收來自感測器 108A的溫度資訊，並可基於已接收溫度資訊判定熱舒適度分數。例如，舒適度預測模組120A可在溫度係第一溫度時指派相對高的熱舒適度分數(例如，100分中的90分，其可指示物品102的使用者可能舒適)，並可在溫度增加時指派不同(例如，較低)的熱舒適度分數(例如，其可指示使用者可能不舒適地熱)或溫度減少時指派不同(例如，較低)的熱舒適度分數(例如，其可指示使用者可能不舒適地冷)。
在一些實例中，物品計算裝置110可發送由感測器108之一或多者產生的感測器資訊至另一計算裝置(諸如，計算使用者計算裝置114)，以供處理。使用者計算裝置114可例如接收感測器資訊並可判定熱舒適度分數。例如，使用者計算裝置114的舒適度預測模組120B以類似於針對物品計算裝置110之舒適度預測模組120A描述的方式判定熱舒適度分數。
在一些實例中，舒適度預測模組120基於設置在物品102之內(亦稱為內部)表面上的一或多個感測器、設置在物品102之外(亦稱為外部)表面上的一或多個感測器、設置於物品102的內表面與外表面之間的一或多個感測器、或其中之組合判定或指派熱舒適度分數。例如，舒適度預測模組120可接收來自設置在物品102之外部表面上的環境光感測器的環境光資訊，及來自設置在物品102的內表面與外表面之間的熱通量感測器的熱通量資訊。例如，當環境光感測器偵測到更多光時(例如，當暴露在日光中時)，物品102的使用者可感覺更舒適，使得當來自環境光感測器的環境光資訊指示更高程度的光時，舒適度預測模組120可指派更高的熱舒適度分數。在一些情 況中，當熱通量感測器偵測到相對低的熱量在物品102的內表面與外表面之間轉移時(例如，其可指示物品102的使用者未失去或獲得熱)，物品102的使用者可感覺更舒適。例如，舒適度預測模組120可在來自熱通量感測器的熱通量資訊指示相對小的散熱量通過物品102時指派第一熱舒適度分數，且在熱通量資訊指示不同(例如，較高)的散熱量時指派第二(例如，較低)熱舒適度分數。在一些實例中，舒適度預測模組120接收由另一計算裝置的感測器(諸如，使用者計算114的感測器(例如，加速度計))產生的感測器資訊(例如，另外於或替代於由物品102之感測器108產生的感測器資訊)，並可基於此類感測器資訊指派熱舒適度分數。
在一些實例中，舒適度預測模組120可至少部分基於儲存在資料結構中的資訊(諸如，歷史感測器資訊、歷史使用者資訊、物品資訊、或其中的組合)判定熱舒適度分數。例如，舒適度預測模組120可藉由查詢資料結構或資料儲存器而接收歷史資訊。舒適度預測模組120可部分基於歷史資訊對目前感測器資訊的比較而指派熱舒適度分數。例如，舒適度預測模組120可查詢資料結構以識別歷史感測器資訊類似於目前感測器資訊的情況，並基於該等情況的歷史使用者舒適度資訊判定使用者在類似的先前情況中是否舒適。類似地，在一些實例中，舒適度預測模組120接收指示物品的性質(例如，年齡、材料類型等)的物品資訊(例如，藉由查詢資料結構)，並基於物品資訊指派熱舒適度分數。在一些實例中，舒適度預測模組120基於來自其他計算裝置的資訊(諸如，預測天氣資訊(例如，接收自TPPP 112))判定熱舒適度分數。例如，舒適度預測模組120可對天氣提供者查詢天氣資訊，並基於目前溫度、稍後時間的預測溫度、或二者指派熱舒適度分數。
舒適度預測模組120可判定熱舒適度分數是否滿足(例如，大於或等於)臨限舒適度分數。舒適度預測模組120可藉由查詢記憶體裝置(例如，臨限舒適度分數可能係硬編碼的)而判定臨限舒適度分數。在一些實例中，舒適度預測模組120動態地判定臨限舒適度分數。例如，舒適度預測模組120可基於從一或多個感測器108接收的資訊判定臨限舒適度分數。例如，使用者在使用者不係身體活動時可能更相對易於感覺冷，但在身體活動時可較不易於感覺冷。舒適度預測模組120可回應於判定移動資訊指示使用者相對不活動(例如，未從事身體活動)而指派較高的臨限舒適度分數，或回應於判定移動資訊指示使用者在身體活動而指派較低的臨限舒適度分數。
在一些實例中，舒適度預測模組120回應於判定熱舒適度分數滿足(例如，大於或等於)臨限舒適度分數而判定或預測使用者在一未來時間在穿戴物品102時可能舒適。類似地，舒適度預測模組120可回應於判定熱舒適度分數未滿足(例如，小於)臨限舒適度分數而判定或預測使用者在該未來時間不太可能舒適。
回應於判定或預測使用者在一未來時間在穿戴物品102時不太可能舒適，舒適度預測模組120導致計算裝置執行一或多個操作。在一些實例中，該一或多個操作包括輸出指示個人在未來的某個時間不太可能舒適之預測的通知。作為一個實例，舒適度預測模組 120可輸出通知至物品102的輸出裝置(例如，圖形、音訊、及/或觸覺使用者介面裝置)。例如，物品計算裝置110的舒適度預測模組120A可輸出通知至物品102的音訊裝置，使得音訊裝置可輸出指示使用者在一未來時間不太可能舒適的聽覺警示。作為另一實例，使用者計算裝置114的舒適度預測模組120B可輸出由使用者計算裝置114顯示的通知。例如，使用者計算裝置114可輸出包括通知的圖形使用者介面(GUI)，諸如，GUI 122。在繪示於圖1的實例中，使用者計算裝置114輸出GUI 122，該GUI包括指示物品102之使用者是否可能舒適的警示。例如，警示可包括指示物品102的使用者在未來的一預定時間(例如，5pm)不太可能不舒適的訊息。作為另一實例，警示可包括指示預測物品102的使用者將不舒適之特定時間的訊息(例如，個人可能從舒適轉變至不舒適的大致時間)。在一些實例中，警示包括額外資訊，諸如，指示使用者的目前活動程度、物品102的類型、溫度(例如，外部氣溫及/或內部溫度)的資訊。
在另一實例中，舒適度預測模組120可輸出指示個人不太可能舒適的通知至另一計算裝置。例如，物品計算裝置110的舒適度預測模組120A可輸出通知至使用者計算裝置114。使用者計算裝置114可接收通知並輸出指示該通知的圖形使用者介面(GUI)。例如，如圖1所繪示的，使用者計算裝置114可輸出GUI 122。類似地，使用者計算裝置114的舒適度預測模組120B可輸出通知至遠端計算裝置116，使得遠端計算裝置116的輸出裝置可輸出警示(例如，圖形、聽覺、觸覺)至遠端計算裝置116的使用者。以此方式，遠端計算裝置116的 使用者(例如，勞工的監督者)可接收物品102的使用者(例如，勞工)可能不舒適的通知並採取行動以改善勞工舒適度及安全。
此外，物品計算裝置110可回應於個人不太可能不舒適的預測而執行一或多個操作，諸如，調整物品102的操作。在一些實例中，物品計算裝置110調整(例如，自動地)物品102的至少一個溫度控制裝置109。例如，物品計算裝置110可自動地啟動溫度控制裝置(例如，加熱或冷卻裝置)。例如，物品計算裝置110可導通、關斷、或以其他方式調整物品102之加熱或冷卻裝置的溫度。作為另一實例，物品計算裝置110可自動輸出命令以調整縫隙控制裝置111，諸如，拉鍊或拉繩。例如，物品計算裝置110可輸出命令以致動(例如，打開或閉合)拉鍊或調整(例如，拉緊)拉繩。在一些實例中，縫隙控制裝置111可接收命令並回應於接收命令而調控(例如，打開、閉合、拉緊、放鬆等)縫隙控制裝置111。
在一些實例中，物品計算裝置110及/或使用者計算裝置114可發送資訊至TPPP 112、接收來自TPPP 112的資訊、或二者。例如，物品計算裝置110、使用者計算裝置114、或二者可發送感測器資訊至TPPP 112。TPPP 112可儲存複數個使用者及物品102的感測器資訊。在一些實例中，TPPP 112可儲存使用者資訊(例如，指示使用者在各種時間是否不舒適的歷史使用者資訊)。TPPP 112可發送可用於產生熱舒適度分數的資訊(諸如，對應於物品102的絕緣評等(insulation rating)(例如，R值)、天氣資訊(例如，目前及/或預測溫度資訊)、或任何其他資訊)至舒適度預測模組120。在一些實例中， TPPP 112判定熱舒適度分數、判定熱舒適度分數是否滿足臨限舒適度分數、及回應於判定熱舒適度分數未滿足臨限舒適度分數而輸出通知(例如，至物品計算裝置110、使用者計算裝置114、及/或遠端計算裝置116)。
以此方式，本揭露的技術使計算裝置能預測特定衣物物品的使用者在未來的某點是否可能舒適或不舒適。藉由回應於判定個人可能不舒適而自動地執行操作(例如，輸出通知及/或調整至少一個溫度控制裝置)，計算裝置可減少個人的核心體溫到達不舒適或不安全程度的可能性，其可改善服裝物品之使用者的健康及/或安全。
圖2係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例物品計算裝置的方塊圖。圖2僅繪示物品計算裝置110的一個特定實例。物品計算裝置110的許多其他情況可使用在其他情況中，並可包括繪示於圖2中之組件的子集及/或可包括未顯示於圖2中的額外組件。
物品計算裝置110可邏輯地劃分成控制環境202及硬體228。硬體228可包括一或多個硬體組件，該一或多個硬體組件為在控制環境202中執行的組件提供操作環境。控制環境202可包括作業系統224，其或許可能不以比在控制環境202中執行的其他組件更高的特權操作。
如圖2所示，硬體228包括一或多個處理器230、通訊單元232、電源234、儲存組件236、輸入組件240、輸出組件242、及感測器244。處理器230、通訊單元232、電源234、儲存組件236、 輸入組件232、輸出組件242、及感測器244可各藉由一或多個通訊通道250互連。通訊頻道250可互連組件230、232、234、236、240、242、及244之各者，以供組件間通訊(實體地、通訊地、及/或操作地)。在一些實例中，通訊通道250可包括硬體匯流排、網路連接、一或多個程序間通訊資料結構、或用於在硬體與/或軟體之間傳達資料的任何其他組件。
一或多個處理器230可在物品計算裝置110內實行功能性及/或執行指令。例如，處理器230可接收及執行由儲存組件236儲存的指令，該等指令提供包括在控制環境202中之組件的功能性。由處理器230執行的此等指令導致物品計算裝置110可在程式執行期間儲存及/或修改儲存組件236內的資訊。處理器230可執行控制環境202中之組件的指令，以執行根據本揭露之技術的一或多個操作。亦即，包括在使用者控制環境202中的組件可由處理器230操作以執行本文描述的各種功能。
物品計算裝置110的一或多個通訊單元232可藉由傳輸及/或接收資料與外部裝置通訊。例如，物品計算裝置110可使用通訊單元232以在無線電網路(諸如，蜂巢式無線電網路)上傳輸及/或接收無線電信號。通訊模組232的實例包括網路介面卡(例如，乙太網路卡)、光學收發器、射頻收發器、或能發送及/或接收資訊的任何其他類型的裝置。通訊單元232的其他實例可包括在行動裝置中發現的Bluetooth®、2G、3G、4G、Zigbee®、及Wi-Fi®無線電，以及通用串列匯流排(USB)控制器及類似者。
物品計算裝置110包括電源234。在一些實例中，電源234可係電池組。電源234可提供電力至物品計算裝置110的一或多個組件。電源234的實例可包括，但不一定限於，具有鋅碳、鉛酸、鎳鎘(NiCd)、鎳氫(NiMH)、鋰離子(Li-離子)、及/或鋰離子聚合物(Li-離子聚合物)化學品的電池組。在一些實例中，電源234可具有有限容量(例如，1000至2000mAh)。
物品計算裝置110內的一或多個儲存組件236可儲存用於在物品計算裝置110的操作期間處理的資訊。在一些實例中，儲存裝置238係暫時記憶體，意謂著儲存組件236的主要目的不包括長期儲存。物品計算裝置110上的儲存組件236可針對資訊的短期儲存組態為揮發性記憶體，且因此若停用，不會保留儲存內容。揮發性記憶體之實例包括隨機存取記憶體(RAM)、動態隨機存取記憶體(DRAM)、靜態隨機存取記憶體(SRAM)、以及所屬領域已知之其他形式的揮發性記憶體。
在一些實例中，儲存組件236亦包括一或多個電腦可讀儲存媒體。儲存組件236可經組態以儲存比揮發性記憶體更大量的資訊。儲存組件236可針對資訊的長期儲存經進一步組態為非揮發性記憶體空間，並且在啟動/關閉循環之後保留資訊。非揮發性記憶體的實例包括快閃記憶體、或可電程式化記憶體(EPROM)或可電抹除及程式化(EEPROM)記憶體的形式。儲存組件236可儲存與包括在控制環境202中之組件關聯的程式指令及/或資料。
物品計算裝置110的一或多個輸入組件240可接收輸入。輸入的實例係觸覺、音訊、動力、及光學輸入，僅舉出幾個實例。在一實例中，物品計算裝置110的輸入組件240包括影像擷取裝置(例如，攝影機)、音訊擷取裝置(例如，麥克風)、存在敏感輸入裝置(例如，觸控板)、或用於偵測來自人類或機器之輸入的任何其他類型的裝置。
物品計算裝置110的一或多個輸出組件242可產生輸出。輸出的實例係觸覺、音訊、及視訊輸出。在一些實例中，物品計算裝置110之輸出組件242包括顯示裝置、音訊裝置、振動裝置、或用於產生輸出(例如，觸覺、音訊、及/或視覺輸出)至人類或機器的任何其他類型的裝置。在一些實例中，輸出組件242可與物品計算裝置110整合。在其他實例中，輸出組件242可實體地在物品計算裝置110外部並與之分開，但可經由有線或無線通訊而可操作地耦接至物品計算裝置110。
感測器244可包括一或多個移動感測器248A、溫度感測器248B、水分感測器248C、光感測器248D、或熱通量感測器248E。感測器248A至248E(統稱為感測器248)可監測鄰近計算裝置110的環境，並產生指示經感測環境特性及/或使用者生理特性(例如，氣溫、體溫、濕度、汗水、運動、心律、呼吸速率等)的感測器資訊。
移動感測器248A可包括一或多個加速度計，陀螺儀等。移動感測器248A產生指示物品計算裝置110在至少一個平面(例如，x、y、及/或z)上之移動(例如，加速度)的資訊。溫度感測器248B 可包括一或多個熱阻器、電阻溫度計、熱電偶、或任何其他類比或數位溫度感測器。溫度感測器248B可產生指示服裝物品(例如，圖1之物品102)之內部溫度、服裝物品外部之溫度、或二者的資訊。類似地，水分感測器248C(例如，濕度感測器，諸如，濕度計、汗水感測器等)可產生指示物品102內部的水分、物品102外部的水分、或二者之資訊。光感測器248D(例如，環境光感測器)可產生指示物品102外部之環境光量的資訊。進一步地，熱通量感測器248E可產生指示在物品102的外部與內部之間轉移之能量量或熱量的資訊。
感測器244可連續輸出感測器資訊或可週期地(例如，以規則或不規則間隔)輸出感測器資訊。例如，感測器244可回應於接收到輸出感測器資訊(例如，來自感測器監測模組222)的命令而輸出感測器資訊。回應於針對感測器資訊的命令而輸出感測器資訊可相對於感測器244連續輸出感測器資訊的實例改善電池壽命。
控制環境202包括控制邏輯204及資料206。如圖2所示，控制邏輯204在控制環境202中執行。控制邏輯204包括舒適度預測模組220及感測器監測模組222。資料206包括一或多個資料儲存。資料儲存可以結構或非結構化形式儲存資料。實例資料儲存可係關聯式資料庫管理系統、線上分析處理資料庫、表格、或用於儲存資料之任何其他合適結構的任何一或多者。如圖2所繪示的，資料206可包括感測器資訊資料儲存232A、使用者資訊資料儲存232B、及物品性質資料儲存232C。
根據本揭露的態樣，感測器監測模組222可接收來自感測器244之一或多者的感測器資訊。在一些實例中，感測器監測模組222連續地接收來自感測器244之一或多者的感測器資訊。作為另一實例，感測器監測模組222可週期地(例如，以規則或不規則間隔)接收來自感測器244之一或多者的感測器資訊。例如，感測器監測模組222可藉由以規律間隔(例如，每分鐘一次)、以不規律間隔(例如，回應於來自舒適度預測模組120A之更新感測器資訊的請求)、或其中的組合查詢感測器244而接收感測器資訊。在一些實例中，感測器監測模組222可被動地接收感測器資訊(例如，不查詢感測器244)。
在一些實例中，感測器監測模組222可將指示感測器資訊之資訊儲存至感測器資訊資料儲存232A。指示感測器資訊的資訊可包括感測器資訊本身、感測器資訊的摘要、感測器資訊的子集、或描述感測器資訊的其他資訊。在一些實例中，感測器監測模組222可將與感測器資訊關聯之後設資料儲存至感測器資訊資料儲存232A。例如，感測器監測模組222可接收來自溫度感測器248B的溫度資訊，並儲存指示接收溫度資訊之時間的時間戳記及指示在該時間之溫度的值。
感測器監測模組222可輸出感測器資訊的指示至舒適度預測模組120A、使用者計算裝置114、遠端計算裝置116、TPPP 112、或其中的組合。感測器監測模組222可自動地或回應於接收到資訊的請求(例如，來自舒適度預測模組120A)輸出感測器資訊的指示。在一些實例中，感測器244可以規律或不規律間隔輸出感測器資訊。依此方式，感測器監測模組222可管理感測器資訊從感測器244及舒適 度預測模組120A(及/或計算裝置114、116、或TPPP 112)的轉移。藉由管理感測器資訊的轉移，感測器監測模組222可減少物品計算裝置110與其他計算裝置之間的網路流量，並可增加物品計算裝置110的電池組壽命(例如，藉由減少收集及/或轉移資料的頻繁度)。
根據本揭露的態樣，舒適度預測模組120A可判定在未來(例如，在未來的時間、目前時間稍後)穿戴一或多個服裝物品(例如，圖1之物品102)之服裝物品(例如，物品102)的使用者是否可能舒適。例如，舒適度預測模組120可判定個人在穿戴物品102時可能不舒適的未來時間(例如，個人可能從舒適轉變至不舒適的時間)。作為另一實例，舒適度預測模組120可判定個人在一特定未來時間(例如，5pm、現在之後的3小時等)是否可能舒適或不舒適。如本揭露全文所使用的，「時間(time)」係指一段時間，諸如，一分鐘、數分鐘、一小時等，而非時間中的一瞬間。
在一些實例中，舒適度預測模組120至少部分基於熱舒適度分數判定個人在一未來時間穿戴物品102時是否可能舒適。舒適度預測模組120可至少部分基於從感測器244之一或多者接收的感測器資訊及一組一或多個規則判定熱舒適度分數。在一些實例中，該組規則係預定或預程式化(例如，硬編碼)的。
在一些實例中，舒適度預測模組120A基於動態產生的規則判定熱舒適度分數。例如，舒適度預測模組120A可動態地使用機器學習(例如，K平均數叢集(k-means clustering)、SVM叢集(SVM clustering)、或其他機器學習技術)動態地產生規則，以產生表示複數個環境特性 及/或使用者生理特性、及使用者舒適度程度的至少一個模型。在一些實例中，舒適度預測模組120A可至少部分基於感測器資訊訓練該至少一個模型。例如，感測器資訊資料儲存232A可包括由感測器244在目前時間之前的時間產生的歷史感測器資訊
舒適度預測模組120A可基於儲存在使用者資訊資料儲存232B中的使用者資訊及/或儲存在物品性質資料儲存232C中的物品資訊訓練該至少一個模型。在一些實例中，且使用者資訊資料儲存232B可包括在目前時間之前的時間接收的歷史使用者資訊(例如，經由使用者輸入)。在一些實例中，使用者資訊包括歷史使用者舒適度資訊及歷史使用者活動資訊。例如，歷史使用者舒適度資訊可指示使用者在目前時間之前的時間(例如，一週前)是否舒適或使用者在該先前時間有多舒適(例如，高、中、低)。在一些實例中，歷史使用者舒適度資訊包括溫度控制裝置使用資訊。例如，當開始感覺不舒適時，如圖1所示，使用者可手動地啟動物品102的一或多個溫度控制裝置109，使得溫度控制裝置使用資訊可指示使用者在該先前時間是否舒適。在一些實例中，溫度控制裝置使用資訊包括指示物品102的一或多個溫度控制裝置109何時啟動(例如，由使用者手動啟動或停用)、溫度控制裝置109的使用的持續時間等的資訊。藉由基於使用者資訊(例如，歷史使用者舒適度資訊，諸如，溫度控制裝置使用資訊)訓練該至少一個模型，該至少一個模型可更好地預測使用者是否及/或何時可能感覺舒適。
舒適度預測模組120A可基於歷史使用者活動資訊訓練該至少一個模型。歷史使用者活動資訊可包括有關使用者在該先前時間之活動的資訊，諸如，使用者在該先前時間是否大致上身體活動或大致上靜止，或使用者在該前先時間從事之使用者身體活動的類型(例如，跑步、行走等)。物品資訊有關在該先前時間由使用者穿戴之服裝物品102(例如，服裝的類型，諸如，T恤、長袖襯衫等)、物品102之材料的類型(例如，棉、羊毛等)、物品102的年齡、產品識別碼(例如，通用產品代碼(UPC))等的。在一些實例中，物品計算裝置110可經由使用者輸入接收物品資訊，及/或物品資訊可預儲存在物品性質資料儲存232C中(例如，在製造時)。
舒適度預測模組120A可應用該模型至感測器資訊及儲存在使用者資訊資料儲存232B中的歷史使用者資訊。例如，舒適度預測模組120A可應用該模型至目前感測器資訊、歷史感測器資訊、及歷史使用者舒適度資訊以預測物品102的使用者在穿戴物品102時在未來的一時間是否可能舒適。換言之，該模型可接收由感測器244在目前時間產生的感測器資訊，並可輸出在未來的一特定時間穿戴物品102的使用者是否可能舒適的預測，或使用者何時不太可能舒適的預測。
作為一個情況，舒適度預測模組120A可應用該模型至目前感測器資訊以識別歷史感測器資訊類似於目前感測器資訊的情況，並基於該等情況的歷史使用者舒適度資訊判定使用者在類似的先前情況中是否舒適。例如，舒適度預測模組120A可在目前時間接收來自第 一感測器(例如，溫度感測器248B)的溫度資訊及來自另一感測器(例如，水分感測器248C)的水分資訊(例如，濕度資訊)，並應用模型至目前感測器資訊、歷史感測器資訊、及應用至歷史使用者資訊以判定熱舒適度分數。例如，當溫度係75℉及50℉的露點時，該至少一個模型可指示使用者一般維持長時間的舒適。在此類實例中，舒適度預測模組120A可對給定溫度(例如，75℉)及濕度(例如，50℉的露點)指派相對高的熱舒適度分數(例如，100分中的90分，其可指示物品102的使用者可能舒適)。作為另一實例，舒適度預測模組120A可應用該至少一個模型至不同的感測器資訊(例如，指示55℉的溫度及50℉的露點)，並可指派不同(例如，較低)的熱舒適度分數(例如，100分中的40分)。
舒適度預測模組120可基於感測器資訊對與該感測器資訊關聯的臨限值的比較而判定熱舒適度分數。例如，當溫度感測器248B偵測物品102外部的溫度(例如，環境氣溫)或物品102內部的溫度(例如，穿戴者的身體與物品102的內側表面之間的氣溫)時，感測器資訊可包括溫度資訊。在此類實例中，舒適度預測模組120A可基於已接收溫度資訊及溫度臨限判定熱舒適度分數。例如，當溫度等於臨限溫度(例如，華氏70°)時或當溫度在由上溫度臨限(例如，70℉)與下溫度臨限(例如，60℉)界定的溫度範圍內時，舒適度預測模組120A可指派相對高的熱舒適度分數(例如，100分中的90分，其可指示物品102的使用者可能舒適)。舒適度預測模組120A可在溫度增加至高於溫度臨限時指派較低的熱舒適度分數(例如，其可指示 使用者可能不舒適地熱)或在溫度減少至低於溫度臨限時指派較低的熱舒適度分數(例如，其可指示使用者可能不舒適地冷)。
在一些實例中，舒適度預測模組120A動態地判定一或多個溫度臨限。例如，舒適度預測模組120A可基於從移動感測器248A接收的移動資訊判定溫度臨限。例如，舒適度預測模組120A可基於移動資訊判定使用者在從事身體活動(例如，競技活動或運動，諸如，跑步、行走、舉重、瑜伽等)，並可回應於判定使用者在從事身體活動(例如，跑步)而指派臨限溫度。在一些實例中，舒適度預測模組120A可回應於判定使用者在從事身體活動而將臨限溫度設定成特定溫度(例如，60℉)或設定臨限溫度範圍(例如，在55℉與65℉之間)。例如，歷史使用者資訊可包括服裝物品的使用者是否在從事身體活動或個人在該時間是否舒適的指示。在此類實例中，舒適度預測模組120A可應用該模型至在目前時間產生的感測器資訊及應用至歷史使用者資訊以產生目前時間的熱舒適度分數。
在一些實例中，舒適度預測模組120A可至少部分基於有關特定服裝物品的資訊判定熱舒適度分數。例如，舒適度預測模組120A可基於由個人穿戴之物品102的類型、物品102的年齡、物品102之材料的類型等判定熱舒適度分數。例如，舒適度預測模組120A可接收由使用者穿戴之特定物品102的指示(例如，經由在使用者計算裝置114的使用者輸入)，並可查詢物品性質資料儲存232C有關物品102的資訊(例如，購買或製造年份、材料的類型等)。例如，舒適度預測模組120可隨物品102老化(例如，因為物品102的絕緣性質 可隨時間劣化)而指派較低的熱舒適度分數。類似地，在一些實例中，不同類型的材料可具有不同的熱性質(例如，不同的R-值)，使得使用者舒適度模組120A可基於物品102之材料的類型判定熱舒適度分數。例如，舒適度預測模組120A可在物品102之材料的類型係第一材料類型(例如，棉)時指派第一熱舒適度分數，且在類型的材料係不同的材料類型(例如，羊毛)時指派不同(例如，較高)的熱舒適度分數。
回應於判定熱舒適度分數，舒適度預測模組120A可判定熱舒適度分數是否滿足(例如，大於或等於)臨限舒適度分數。在一些實例中，舒適度預測模組120A回應於判定熱舒適度分數滿足(例如，大於或等於)臨限舒適度分數而判定或預測在一未來時間穿戴物品102使用者可能舒適。類似地，舒適度預測模組120A可回應於判定熱舒適度分數未滿足(例如，小於)臨限舒適度分數而判定或預測使用者在該未來時間不太可能舒適。
回應於判定或預測使用者在穿戴物品102時在一未來時間不太可能舒適，舒適度預測模組120A可導致計算裝置執行一或多個操作。在一些實例中，該一或多個操作包括輸出指示個人在未來的某個時間不太可能舒適之預測的通知。作為一個實例，舒適度預測模組120A可輸出通知至物品102的輸出裝置(例如，圖形、音訊、及/或觸覺使用者介面裝置)或至另一計算裝置(例如，使用者計算裝置114及/或遠端計算裝置116)。
在一些實例中，該一或多個操作包括調整服裝物品之溫度控制裝置的操作。例如，舒適度預測模組120A可自動啟動加熱裝置。例如，當加熱裝置包括在通過電流時產生熱的電阻導線時，物品計算裝置110可輸出導致電流通過絕緣導線的命令以導致加熱裝置輸出熱。
圖3係繪示根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例計算裝置的方塊圖。圖3僅繪示使用者計算裝置114的一個特定實例。使用者計算裝置114的許多其他情況可使用在其他情況中，並可包括繪示於圖3中之組件的子集及/或可包括未顯示於圖3中的額外組件。
使用者計算裝置114可邏輯地劃分成控制環境302及硬體328。硬體328可包括一或多個硬體組件，該一或多個硬體組件為在控制環境302中執行的組件提供操作環境。控制環境302可包括作業系統324，其或許可能不以比在控制環境302中執行的其他組件更高的特權操作。
如圖3所示，硬體328包括一或多個處理器330、通訊單元332、電源334、儲存組件336、輸入組件340、輸出組件342、及感測器344。處理器330、通訊單元332、電源334、儲存組件336、輸入組件332、輸出組件342、及感測器344可各藉由一或多個通訊通道250互連。通訊頻道250可互連組件330、332、334、336、340、342、及344之各者，以供組件間通訊(實體地、通訊地、及/或操作地)。在一些實例中，通訊通道250可包括硬體匯流排、網路連接、一或多個程序間通訊資料結構、或用於在硬體與/或軟體之間傳達資料的 任何其他組件。處理器330、通訊單元332、電源334、儲存組件336、輸入組件340、輸出組件342、及感測器344可類似於圖2之處理器230、通訊單元232、電源234、儲存組件236、輸入組件232、輸出組件242、及感測器244並包括與其等類似的功能。因此，為簡潔而將處理器330、通訊單元332、電源334、儲存組件336、輸入組件340、輸出組件342、及感測器344的描述省略。
控制環境包括控制邏輯304及資料306。資料306可包括感測器資訊資料儲存332A、使用者舒適度資訊資料儲存332B、及物品性質資料儲存332C，其可包括分別類似於如參考圖2描述之感測器資訊資料儲存232A、使用者舒適度資訊資料儲存232B、及物品性質資料儲存232C的資訊。在一些實例中，控制邏輯306包括舒適度預測模組120B。舒適度預測模組120B可包括在圖1及圖2中描述之舒適度預測模組120A的功能性。
根據本揭露的態樣，舒適度預測模組120B可輸出用於顯示的圖形使用者介面，該圖形使用者介面包括向使用者計算裝置114的使用者請求資訊的圖形元件(例如，文字盒、無線電鈕等)。在一些實例中，圖形使用者介面可包括請求指示使用者在第一時間是否舒適之使用者舒適度資訊的圖形元件。例如，圖形使用者介面可包括複數個標示為「非常舒適」、「有些舒適」、或「不舒適」的無線電鈕。在一些實例中，圖形使用者介面包括圖形元件，該圖形元件請求指示在第一時間使用者是否在身體活動或使用者所從事之活動的類型的使用者活動資訊。例如，該圖形使用者介面可包括標記為「跑步 (running)」、「行走(walking)」、「滑雪(skiing)」、「其他運動(other exercise)」，或「放鬆(relaxing)」的無線電鈕。在一些實例中，圖形使用者介面包括請求有關由使用者穿戴的一或多個物品之物品資訊的一或多個圖形元件。例如，圖形使用者介面可包括使使用者能選擇物品之材料的類型、年齡、製造、類型(例如，襯衫、短褲、長袖襯衫、短袖襯衫等)的選單。舒適度預測模組120B可輸出GUI資訊至輸出組件342(例如，顯示器裝置)，使得輸出組件342將GUI資訊顯示為圖形使用者介面。
使用者計算裝置114可接收指示在第一時間的使用者資訊及/或物品資訊的使用者輸入。例如，計算裝置114之使用者可輸入使用者舒適度資訊(例如，藉由選擇GUI的圖形元件)，其指示使用者在第一時間是否舒適(或使用者在第一時間有多舒適)、使用者活動資訊，其指示在第一時間使用者是否在身體活動或使用者所從事之活動的類型、物品資訊，其指示有關在第一時間由使用者穿戴之一或多個服裝物品的資訊、或其中之任何組合。舒適度預測模組120B可接收使用者資訊及/或物品資訊，並將該資訊分別儲存在使用者舒適度資料儲存332B或物品性質資料儲存332C中。
在一些實例中，在晚於第一時間的第二時間(例如，第一時間之後的數小時)，舒適度預測模組120B可預測在一未來(例如，第三)時間穿戴一或多個服裝物品(例如，圖1之物品102)的使用者是否可能舒適。舒適度預測模組120B可以與參考圖1及圖2描述之舒適度預測模組120A類似的方式判定在該未來時間穿戴物品102的使用 者是否可能舒適。例如，舒適度預測模組120B可接收在第二時間一或多個感測器(例如，物品計算裝置110的感測器244及/或使用者計算裝置114的感測器344)產生的感測器資訊。在一些實例中，在第二時間產生的感測器資訊可稱為目前感測器資訊。舒適度預測模組120B可至少部分地基於在第二時間產生的感測器資訊判定使用者在未來的第三時間是否可能舒適。在一些實例中，舒適度預測模組120B可應用一組規則至目前感測器資訊以判定指示使用者在該未來時間將舒適之機率的熱舒適度因子。例如，舒適度預測模組120B可藉由應用由機器學習產生之一或多個模型至目前感測器資訊而指派熱舒適度分數。在一些實例中，舒適度預測模組120B可應用該一或多個模型至目前感測器資訊及應用至儲存在資料儲存332A中的歷史感測器資訊(例如，在(多個)先前時間由一或多個感測器產生及接收的感測器資訊)、儲存在資料儲存332B中的歷史使用者資訊(例如，在(多個)先前時間接收的使用者舒適度資訊及/或使用者活動資訊)、儲存在資料儲存332C中的物品資訊、或其中之組合。
在一些實例中，舒適度預測模組120B可基於與複數個服裝物品關聯的資訊判定使用者在一未來時間是否可能舒適。例如，舒適度預測模組120B可接收指示使用者正穿戴著一組服裝物品(例如，運動衫、夾克、雪褲、及靴子)之使用者輸入(例如，經由圖形使用者介面)的指示、可接收有關該組物品中之複數個物品(例如，運動衫及夾克)的資訊、並可基於與該複數個物品關聯的資訊判定熱舒適 度分數。例如，舒適度預測模組120B可判定使用者在穿戴夾克及運動衫時可能保持較長時間的溫暖。
回應於在第二時間判定與未來的第三時間關聯的熱舒適度分數，舒適度預測模組120B可判定熱舒適度分數是否滿足(例如，大於)臨限舒適度分數。在一些實例中，舒適度預測模組120B回應於判定熱舒適度分數未滿足(例如，小於)熱舒適度分數而判定使用者在穿戴物品102時在該未來時間不太可能舒適。在一些實例中，舒適度預測模組120B回應於判定熱分數滿足(例如，大於)臨限舒適度分數而判定使用者在穿戴物品102時在該未來時間可能舒適。
在一些實例中，舒適度預測模組120B回應於判定使用者在該未來時間不太可能舒適而執行至少一個操作。例如，舒適度預測模組120B可輸出指示使用者在該未來時間不太可能舒適的通知(例如，作為文字訊息、電子郵件等)至另一計算裝置(例如，圖1之遠端計算裝置116)。作為另一實例，舒適度預測模組120B可經由使用者計算裝置114的輸出組件(例如，顯示器裝置、音訊裝置)輸出通知(例如，視覺、聽覺等)。在一些實例中，舒適度預測模組120B輸出通知或命令至物品計算裝置110。例如，舒適度預測模組120B可輸出調整物品102的溫度控制裝置109之操作的命令至圖1的物品102。例如，命令可包括啟動加熱裝置或冷卻裝置的命令，使得物品102可更佳地調控使用者的溫度及舒適程度。
圖4係提供根據本揭露的各種技術之經組態以預測服裝物品的使用者在一未來時間是否將舒適之實例TPPP的操作觀點的方塊 圖。TPPP 112可經組態以與複數個服裝物品402A至402N(統稱為「物品402」)、複數個計算裝置414A至414N(統稱為「計算裝置414」)、或其中之組合通訊。物品402可係圖1之物品102的實例。計算裝置414可係圖1之使用者計算裝置114及/或遠端計算裝置116的實例。在圖4的實例中，TPPP 112的組件係根據實作本揭露之技術的多個邏輯層配置。各層可藉由包含硬體、硬體及軟體、硬體及韌體、或其中之組合的一或多個模組實作。
在圖4中，物品402及計算裝置414可經由介面層464與TPPP 112通訊。計算裝置414一般執行客戶端軟體應用程式，諸如，桌上型電腦應用程式、行動裝置應用程式、與網路應用程式。計算裝置414的實例可包括可攜式或行動計算裝置(例如，智慧型手機、可穿戴計算裝置、平板電腦)、膝上型電腦、桌上型電腦、智慧型電視平台、及伺服器，僅舉出幾個實例。
如本揭露進一步描述的，物品402與TPPP 112通訊(直接或經由計算裝置414)，以提供自嵌入式感測器及其他監測電路系統獲取的資訊串流，並可從TPPP 112接收警示、組態資訊、及其他通訊。在計算裝置414上執行的客戶端應用程式可與TPPP 112通訊，以發送及接收由服務器468擷取、儲存、產生、及/或以其他方式處理的資訊。例如，客戶端應用程式可請求及編輯由TPPP 112儲存及/或管理的資訊(例如，感測器資訊、使用者資訊、及/或物品資訊)。在一些實例中，計算裝置414的客戶端應用程式可請求經預測之熱舒適度分數。在一些實例中，客戶端應用程式可輸出(例如，用於顯示)從TPPP 112接收的資訊，以為計算裝置414的使用者視覺化此類資訊。如下文進一步說明及描述的，TPPP 112可將資訊提供至客戶端應用程式，客戶端應用程式將該資訊輸出在使用者介面中(例如，音訊、圖形等)。
在計算裝置414上執行的客戶端應用程式可針對不同的平台實作，但包括相似或相同的功能性。例如，客戶端應用程式可係經編譯以在作業系統(例如，桌上型或行動作業系統)上運行的應用程式。作為另一實例，客戶端應用程式可係網路應用程式(諸如，網路瀏覽器)，其顯示從TPPP 112接收之網頁(例如，TPPP 112在一些實例中可代表「雲端」計算系統)。在網路應用程式的實例中，TPPP 112可接收來自網路應用程式(例如，網路瀏覽器)的請求、處理請求、並將一或多個回應發送回網路應用程式。以此方式，網頁的收集、客戶端側處理的網路應用程式、及由TPPP 112執行的伺服器側處理共同提供執行本揭露之技術的功能性。以此方式，客戶端應用程式使用根據本揭露之技術的TPPP 112的各種服務，且應用程式可在各種不同的計算環境(例如，服裝物品的埋置式電路系統或處理器、桌上型作業系統、行動作業系統、或網路瀏覽器，僅舉出幾個實例)內操作。
如圖4所示，TPPP 112包括介面層464，其代表一組應用程式介面(application programming interface,API)或由TPPP 112呈現與支援的協定介面。介面層464最初從物品402及/或計算裝置414之任何者接收訊息，以在TPPP 112進一步處理。介面層464可提供可用於在計算裝置414上執行的客戶端應用程式的一或多個介面。在一些實例中，介面可係可經由網路可存取的應用程式程式化介面(API)。 介面層464可使用一或多個網路伺服器實作。一或多個網路伺服器可接收傳入請求、程序、及/或轉發來自請求的資訊至服務器468，並基於從服務器468接收的資訊提供一或多個回應至最初發送請求的客戶端應用程式。在一些實例中，實作介面層464的一或多個網路伺服器可包括執行環境，以部署提供一或多個介面的程式邏輯。如下文進一步描述的，各服務器可提供可經由介面層464存取的一或多個介面的群組。
在一些實例中，介面層464可提供表示狀態傳送(Representational State Transfer,RESTful)介面，其使用HTTP方法以與服務器互動並操縱TPPP 112的資源。在此類實例中，服務器468可產生JavaScript物件表示法(JavaScript Object Notation,JSON)訊息，該訊息由介面層464發送回提交最初請求的客戶端應用程式。在一些實例中，介面層464提供使用簡單物件存取協定(Simple Object Access Protocol,SOAP)的網路服務以處理來自客戶端應用程式的請求。在又其他實例中，介面層464可使用遠端程序呼叫(Remote Procedure Calls,RPC)以處理來自計算裝置414的請求。在接收到來自客戶端應用程式之使用一或多個服務器468的請求時，介面層464發送資訊至包括服務器468的應用程式層466。
如圖4所示，TPPP 112亦包括代表服務器468之集合的應用程式層466，其用於實作TPPP 112的多數底層操作。應用程式層466接收包括在從客戶端應用程式接收之請求中的資訊，並根據由請求叫用的一或多個服務器468進一步處理該資訊。應用程式層466可 經實作為在一或多個應用程式伺服器上執行的一或多個離散軟體服務器，例如，實體或虛擬機器。亦即，應用程式伺服器提供用於服務器468之執行的執行環境。在一些實例中，上述的功能性介面層464與應用程式層466的功能性可在相同的伺服器實作。
應用程式層466可包括一或多個分開的軟體服務器468，例如，作為一實例，例如經由邏輯服務匯流排470通訊的程序。服務匯流排470一般代表邏輯互連或介面組，其允許不同的服務器發送訊息至其他服務器，諸如，藉由發布/訂閱通訊模型。例如，服務器468之各者可基於用於各別服務的準則組，訂閱特定類型的訊息。當服務器在服務匯流排470上發布特定類型的訊息時，訂閱該類型之訊息的其他服務器將接收到該訊息。以此方式，服務器468之各者可將資訊傳達給彼此。作為另一實例，服務器468可以使用插槽的點對點方式或以其他通訊機構通訊。在描述服務器468之各者的功能性之前，在本文中簡要描述該等層。
TPPP 112的資料層472代表資料儲存庫，資料儲存庫為使用一或多個資料儲存庫(亦稱為資料儲存)474之TPPP 112中的資訊提供持久性。一資料儲存庫，通常，可係儲存及/或管理資料之任何資料結構或軟體。資料儲存庫的實例包括但不限於關聯式資料庫、多維資料庫、地圖、與散列表(hash table)，僅舉出幾個實例。資料層472可使用關聯式資料庫管理系統(Relational Database Management System,RDBMS)軟體實作，以管理資料儲存庫474中的資訊。RDBMS軟體可管理一或多個資料儲存庫474，其可使用結構化查詢語 言(Structured Query Language,SQL)存取。一或多個資料庫中的資訊可使用RDBMS軟體進行儲存、擷取、與修改。在一些實例中，資料層472可使用物件資料庫管理系統(Object Database Management System,ODBMS)、線上分析處理(Online Analytical Processing,OLAP)資料庫、或其他合適的資料管理系統實作。
如圖4所示，服務器468A至468F(「服務器(services)468」)之各者係在TPPP 112內以模組化形式實作。雖然針對各服務器顯示為分開的模組，在一些實例中，二或更多服務器的功能可組合成單一模組或組件。服務器468之各者可以硬體、硬體及軟體、硬體及韌體、或其中之組合實作。此外，服務器468可實作為獨立的裝置、分開的虛擬機器或容器、程序、執行緒、或軟體指令，通常用於在一或多個實體處理器上執行。
在一些實例中，一或多個服務器468可各提供通過介面層464暴露的一或多個介面。因此，計算裝置414的客戶端應用程式可呼叫一或多個服務器468的一或多個介面以執行本揭露的技術。
根據本揭露的技術，服務器468可包括事件處理平台，該事件處理平台包括事件端點前端(event endpoint frontend)468A、事件選擇器468B、事件處理器468C、通知服務器468E、及串流分析服務器468F。事件端點前端468A操作為用於接收與發送通訊至物品402及計算裝置414的前端介面。在一些情況中，事件端點前端468A可實作為經大量產生以接收事件串流469(例如，資訊的串流)的個別傳入通訊的複數個任務或工作。當接收事件串流469時，例如，事件端 點前端468A可大量產生任務以使傳入通訊(稱為事件)快速進入佇列，並關閉通訊對話，從而提供高速處理與可擴縮性。例如，各傳入通訊可攜載由埋置在各種物品402內的感測器及/或由計算裝置414的感測器產生的感測器資訊、使用者資訊(例如，使用者舒適度資訊及/或使用者活動資訊)、物品資訊、或其中之組合。在事件端點前端468A與物品402及/或計算裝置414之間交換的通訊可係即時的或準即時的，取決於通訊延遲及連續性。
事件選擇器468B在經由前端468A從物品402及/或計算裝置414接收的事件串流469上操作，並基於規則或分類判定與傳入事件關聯的優先性。基於優先性，事件選擇器468B使該等事件進入佇列供事件處理器468C後續處理。
通常，事件處理器468C在傳入的事件串流上操作，以更新資料儲存庫474內的事件資料474A。通常，事件資料474A可包括從物品402獲得之感測器資料的全部或子集。例如，在一些情況中，事件資料474A可包括從物品402的感測器獲得之資料樣本的整體串流(例如，來自溫度感測器，光感測器等，如參考圖1之感測器108所描述的)。在其他情況中，事件資料474A可包括，例如，與特定時間週期或活動物品402關聯之此類資料的子集。
事件處理器468C可建立、讀取、更新、及刪除儲存在資料儲存器474中的資訊。資料儲存庫474可以結構或非結構化形式儲存資訊。實例資料儲存庫可係關聯式資料庫管理系統、線上分析處理資料庫、表格、或用於儲存資料之任何其他合適結構的任何一或多 者。例如，感測器資訊資料儲存474A可包括由複數個物品402的感測器產生的感測器資訊。使用者資訊資料儲存474B可包括與感測器資訊關聯的使用者資訊。類似地，物品性質資料儲存474C可包括與感測器資訊及使用者資訊關聯的物品資訊。例如，物品性質資料儲存474C可包括物品識別碼(例如，UPC代碼)、物品類型(例如，T恤、長袖襯衫、夾克等)、物品之材料的類型(例如，羊毛、棉等)、物品的年齡等。
事件處理器468C可關聯(例如，鏈結)感測器資訊、使用者資訊、及/或物品資訊。換言之，資料儲存474可關聯(例如，經由關聯式資料庫)藉由物品402的之粒子物品的感測器在先前時間產生的感測器資訊、與在該先前時間之該特定物品的使用者關聯的對應使用者資訊、及與該特定物品關聯的物品資訊。作為一個實例，資料儲存474可包括在6月1日由物品402A的感測器產生的加速度資訊、與在6月1日穿戴物品402A之特定使用者關聯的對應使用者資訊、及物品402A的物品資訊。類似地，資料儲存474可包括在6月5日由物品402B的感測器產生的加速度資訊、與在6月5日穿戴物品402B之另一使用者關聯的對應使用者資訊、及物品402B的物品資訊等等。
事件選擇器468B導引傳入的事件串流至串流分析服務器468F，該串流分析服務器經組態以執行傳入之事件串流的深入處理，以執行即時分析。例如，串流分析服務器468F可經組態以在接收事件串流時即時地處理及比較多個事件串流469。分析服務器468F可接收 及處理來自經啟用物品402及/或計算裝置414的許多傳入事件串流(例如，可能數百或數千個事件串流)，以預測特定個人在穿戴物品402的一或多者時在一未來時間是否可能舒適。
根據本揭露的態樣，TPPP 112可判定一或多個物品402的使用者在穿戴一或多個物品402時在一未來時間是否可能舒適。例如，串流分析服務器468F可至少部分基於事件串流469中的感測器資訊判定與一或多個物品402的使用者關聯的熱舒適度分數。回應於判定熱舒適度分數，串流分析服務器468F可判定一或多個物品402的使用者在未來的某個時間是否可能舒適。
串流分析服務器468F基於一組規則判定熱舒適度分數。在一些實例中，該組規則係預程式化的。作為另一實例，串流分析服務器468F可使用機器學習動態地產生該組規則，以產生表示複數個環境特性及/或使用者生理特性，及使用者舒適程度的至少一個模型。可用於產生該至少一個模型的實例機器學習技術能包括各種學習風格，諸如，監督學習、非監督學習、與半監督學習。演算法類型實例包括貝氏演算法(Bayesian algorithms)、叢集演算法(Clustering algorithms)、決策樹演算法、正則化演算法、回歸演算法、以實例為基的演算法、人工神經網路演算法、深度學習演算法、降維演算法、及類似者。具體演算法的各種實例包括貝氏線性回歸(Bayesian Linear Regression)、提升決策樹回歸(Boosted Decision Tree Regression)、神經網路回歸(Neural Network Regression)、反向傳播神經網路(Back Propagation Neural Networks)、先驗演算法(Apriori algorithm)、K平均數叢聚(K- Means Clustering)、k最近鄰(k-Nearest Neighbour,kNN)、學習向量量子化(Learning Vector Quantization,LVQ)、自組織地圖(Self-Organizing Map,SOM)、局部加權學習(Locally Weighted Learning,LWL)、脊回歸(Ridge Regression)、最小絕對收縮與選擇算子(Least Absolute Shrinkage and Selection Operator,LASSO)、彈力網(Elastic Net)、與最小角度回歸(Least-Angle Regression,LARS)、主成分分析(Principal Component Analysis,PCA)、與主成分回歸(Principal Component Regression,PCR)。
在一些實例中，串流分析服務器468F至少部分基於儲存在感測器資訊資料儲存474A中的感測器資訊及儲存在使用者資訊資料儲存474B中的使用者資訊訓練該至少一個模型。例如，當環境氣溫在藉由上溫度臨限值與下溫度臨限局限的臨限溫度範圍內時，串流分析服務器468F可應用該模型，並至少部分基於感測器資訊及使用者資訊判定各種物品402的使用者傾向保持更長時間的舒適，或更舒適。
串流分析服務器468F可至少部分基於儲存在物品性質資料儲存474C中的物品資訊訓練該至少一個模型。例如，串流分析服務器468F可應用該模型並判定使用者在採用特定類型的材料時傾向於更舒適或保持更長時間的舒適。作為另一實例，當物品402到達臨限年齡時，串流分析服務器468F可應用該模型並判定使用者更快變得不舒適。
串流分析服務器468F可基於一或多個模型判定(例如，即時或大約即時)在未來的一時間穿戴一或多個物品402之一或多個 物品402的使用者是否可能舒適。串流分析服務器468F可應用該模型至感測器資訊、使用者資訊、物品資訊、或其中之任何組合以判定熱舒適度分數。
例如，串流分析服務器468F藉由應用該模型至由一或多個物品402的感測器在目前時間產生的感測器資訊、儲存在感測器資訊資料儲存474A中的感測器資訊(例如，在先前時間產生及儲存)、及儲存在使用者資訊資料儲存474B中的使用者資訊(例如，在先前時間儲存)來判定熱舒適度分數。換言之，該一或多個模型可接收由給定服裝物品402的一或多個感測器在目前時間產生的感測器資訊，並可輸出指示使用者在一未來時間可能舒適之機率的預測熱舒適度分數。例如，當感測器資訊包括濕度資訊時，串流分析服務器468F應用該模型並判定濕度在相對低溫(例如，低於臨限溫度，諸如，50℉)對使用者舒適度具有相對小的效果且隨溫度增加愈發影響使用者舒適度(例如，增加至高於臨限溫度)。因此，串流分析服務器468F可接收由物品402之特定物品在目前時間產生的感測器資訊，並基於應用該模型至目前時間的感測器資訊、儲存在資料儲存474B中的使用者資訊(例如，歷史使用者舒適度資訊)、及儲存在資料儲存474A中的感測器資訊而判定與在目前時間穿戴特定服裝物品402的使用者關聯的熱舒適度分數。
在一些實例中，串流分析服務器468F至少部分基於儲存在物品性質資料儲存474C中的物品資訊判定熱舒適度分數。例如，TPPP 112可接收由特定物品402的一或多個感測器在目前時間產生的 感測器資訊，及有關特定物品的物品資訊(例如，物品的年齡，物品之材料的類型等)。串流分析服務器468F可應用該一或多個模型至在目前時間產生的感測器資訊、與特定物品關聯的物品資訊、儲存在資料儲存474A中的感測器資訊、及儲存在資料儲存474C中的物品資訊，並可輸出預測熱舒適度分數。
在一些實例中，當目前感測器資訊係由特定物品402A產生時，串流分析服務器468F可藉由應用該模型至僅與物品402A之使用者關聯的資訊(感測器資訊、使用者資訊、及/或物品資訊)而產生熱舒適度分數。換言之，熱舒適度分數可基於不與其他物品402之使用者關聯的資訊。在一些實例中，串流分析服務器468F藉由應用該模型至與複數個各別物品402的複數個使用者關聯的資訊而產生熱舒適度分數。換言之，熱舒適度分數可基於與物品402之使用者群組關聯的資訊(例如，感測器資訊、使用者資訊、及/或物品資訊)。
回應於判定熱舒適度分數，串流分析服務器468F可判定熱舒適度分數是否滿足(例如，大於或等於)臨限舒適度分數。串流分析服務器468F可藉由查詢記憶體裝置(例如，臨限舒適度分數可能係硬編碼的)而判定臨限舒適度分數。在一些實例中，串流分析服務器468F以與參考圖1及圖2的舒適度預測模組120A所描述之技術類似的方式動態地判定臨限舒適度分數。
串流分析服務器468F可回應於判定熱舒適度分數滿足(例如，大於或等於)臨限舒適度分數而判定使用者在穿戴一或多個物品102時在一未來時間可能舒適。類似地，串流分析服務器468F可 回應於判定熱舒適度分數未滿足(例如，小於)臨限舒適度分數而判定使用者在穿戴一或多個物品102時在一未來時間不太可能舒適。
回應於判定或預測使用者在一未來時間不太可能舒適，通知服務器468E可導致計算裝置執行一或多個操作。例如，通知服務器468E可輸出指示個人在未來的某個時間不太可能舒適之預測的通知。作為一個實例，通知服務器468E可輸出通知至物品402A的計算裝置及/或一或多個計算裝置414。以此方式，物品402A及/或一或多個計算裝置414可接收通知並輸出指示使用者在該未來時間不太可能舒適的警示。例如，計算裝置414之一者可輸出包括指示使用者在一未來時間不太可能舒適之警示的GUI。例如，通知服務器468E可輸出用於在一或多個計算裝置414的顯示器裝置顯示為圖形使用者介面的通知。例如，通知可導致計算裝置414的一計算裝置顯示包括儀表盤、警示、報告、或類似者的圖形使用者介面。此類資訊可提供關於穿戴一或多個物品402的一或多個個人的舒適程度的各種洞察。
在一些實例中，通知服務器468E可輸出命令至物品402A的一個溫度控制裝置或溫度控制裝置，以回應於判定預測個人將不舒適而調整溫度控制裝置的操作。在一些實例中，該命令可包括自動啟動加熱裝置的命令。例如，當加熱裝置包括在通過電流時產生熱的電阻導線時，通知服務器468E可命令物品402(例如，直接或經由計算裝置s414之一者)輸出電流通過絕緣導線以導致加熱裝置輸出熱。
圖5係繪示由一或多個計算裝置執行之實例操作的流程圖，該一或多個計算裝置經組態以預測服裝物品的使用者在一未來時 間是否將舒適。雖然圖5所示的步驟係與本揭露關聯的例示性步驟，在閱讀本揭露時，步驟順序上的變化，及額外步驟對所屬技術領域中具有通常知識者將係顯而易見的。僅為了易於說明，圖5之方法係參考圖1的系統100描述，然而其他實例系統可執行該方法。
一種方法包括藉由至少一個處理器接收由埋置在服裝物品102中的至少一個感測器108產生的感測器資訊(500)。例如，物品102的至少一個感測器108可產生感測器資訊並輸出感測器資訊至物品計算裝置110，使得物品計算裝置110可接收感測器資訊。作為另一實例，使用者計算裝置114、遠端計算裝置116、TPPP 112、或其中的任何組合可接收來自物品計算裝置110的感測器資訊(例如，直接或間接)。
該方法包括藉由至少一個處理器至少部分基於感測器資訊而判定熱舒適度分數，該熱舒適度分數指示服裝物品的使用者在一未來時間將舒適的機率(502)。例如，物品計算裝置110可判定熱舒適度分數。作為另一實例，使用者計算裝置114、遠端計算裝置116、TPPP 112、或其中的任何組合可回應於接收感測器資訊而判定熱舒適度分數。在一些實例中，該至少一個處理器藉由應用一組規則至感測器資訊而判定熱舒適度分數。該組規則可使用機器學習由該至少一個處理器預程式化或動態地產生。在一些實例中，該至少一個處理器至少部分基於使用者資訊(例如，歷史使用者舒適度資訊、使用者活動資訊等)及/或物品資訊(例如，年齡、材料的類型等)來判定熱舒適度分數。
該至少一個處理器可基於熱舒適度分數預測服裝物品的使用者在該未來時間是否可能舒適(504)。例如，該至少一個處理器可判定使用者在未來的某個中是否可能舒適或判定使用者不太可能舒適的時間(例如，使用者可能從舒適轉變至不舒適的近似時間)。物品計算裝置110、使用者計算裝置114、遠端計算裝置116、TPPP 112、或其中的任何組合的至少一個處理器可比較熱舒適度分數及臨限舒適度分數。當熱舒適度分數滿足(例如，大於或等於)臨限舒適度分數時，該至少一個處理器可預測使用者在該未來時間可能舒適。當熱舒適度分數未滿足臨限舒適度分數時，該至少一個處理器可預測使用者在該未來時間不太可能舒適。
該方法包括回應於判定服裝物品的使用者在該未來時間不太可能舒適(504的「否」分支)而執行至少一個操作(506)。在一些實例中，執行至少一個操作包括輸出指示使用者在一未來時間不太可能舒適的通知。例如，物品計算裝置110可輸出通知至另一計算裝置(例如，使用者計算裝置114)。作為另一實例，使用者計算裝置114可經由計算裝置114的輸出裝置輸出通知(例如，作為圖形使用者介面)。
回應於判定使用者可能舒適(504的「是」分支)，該方法包括返回(500)。換言之，該至少一個處理器可繼續接收感測器資訊並至少部分基於新接收的感測器資訊更新熱舒適度分數。
雖然將物品計算裝置110、使用者計算裝置114、及TPPP 112描述為判定使用者在一未來時間是否可能舒適，在一些實例 中，計算裝置110、使用者計算裝置114、及/或TPPP 112可基於與上文描述類似的資訊及規則推薦服裝物品。例如，物品計算裝置110可針對給定的一組條件從一組服裝物品判定可能保持使用者舒適的一或多個服裝物品。例如，物品計算裝置110可接收識別可能在未來時間週期期間保持使用者舒適的一或多個服裝物品的協助請求。物品計算裝置110可接收請求，該請求可包括與未來時間週期關聯的資訊，諸如，指示時間週期的資訊(例如，指示日期、時間量、時間窗，諸如，12pm至5pm等)、指示在該未來時間週期期間將由使用者執行之身體活動的資訊、該未來時間週期期間的天氣預測的天氣資訊、及類似者。物品計算裝置110可基於已接收資訊判定在未來時間週期期間可能保持使用者舒適的一或多個服裝物品。物品計算裝置110可應用上述的規則至任何類型的資訊(例如，歷史感測器資訊、歷史使用者資訊、物品資訊等)以識別一或多個物品。例如，物品計算裝置110可應用一或多個模型至歷史使用者舒適度資訊、歷史感測器資訊、物品資訊、及與未來時間週期關聯的資訊。該模型可輸出可能使使用者在該未來時間週期期間能保持舒適的一或多個服裝物品。例如，物品計算裝置110可應用該模型並輸出識別一組物品的資訊，該組物品可分開地或組合地使使用者在該未來時間週期期間能保持舒適。
雖然本揭露之方法及系統已參考特定例示性實施例描述，所屬技術領域中具有通常知識者將輕易理解可對其產生變化及修改，而不脫離本揭露之精神及範疇。
在較佳實施例的實施方式中參考隨附圖式，該等隨附圖式說明可實踐本發明的具體實施例。所說明實施例並非意圖為根據本發明之詳盡無漏之所有實施例。應瞭解可運用其他實施例，且可有構造性或邏輯性的變更而不背離本發明之範疇。因此，下列詳細說明並不應被用以限制，且本發明之範疇係由隨附申請專利範圍所界定。
除非另有所指，本說明書及申請專利範圍中用以表達特徵之大小、數量、以及物理性質的所有數字，皆應理解為在所有情況下以用語「約(about)」修飾之。因此，除非另有相反指示，否則在前述說明書以及隨附申請專利範圍中所提出的數值參數係近似值，其可依據所屬技術領域中具有通常知識者運用本文所揭示之教示所欲獲得的所欲特性而有所不同。
如本說明書以及隨附申請專利範圍中所使用，單數形「一(a、an)」以及「該(the)」涵蓋具有複數個指稱物的實施例，除非內文明確另有所指。如本說明書及隨附申請專利範圍中所使用，用語「或(or)」通常係以包括「及/或(and/or)」之含義採用，除非內文明確另有所指。
空間相關用語包括但不限於「近」、「遠」、「下」、「上」、「之下」、「下方」、「上方」、以及「上面」，若空間相關用語在本文中使用是為了便於描述一元件與其他元件的空間關係。除了圖中所繪示及本文所述之特定定向之外，此類空間相關用語還涵蓋了裝置於使用或操作中的不同定向。例如，若圖中繪示之物體經倒轉或翻轉，先前 描述為在其他元件之下或下方的部分，會變成在該等其他元件上方或頂部上。
如本文中所使用的，當將元件、組件、或層，例如，描述成與另一元件、組件、或層形成「重合介面(coincident interface)」、在另一元件、組件、或層「上(on)」、或「連接至(connected to)」、「耦接於(coupled with)」，「堆疊於(stacked on)」，或「接觸於(in contact with)」另一元件、組件、或層時，能直接在其上、直接連接至、直接耦接於、直接堆疊於、直接接觸、或例如，中間元件、組件、或層可能在該特定元件、組件、或層上或與之連接、耦接、或接觸。例如，當元件、組件、或層稱為「直接位於」另一元件「上」、「直接連接至」、「直接耦接至」、或「直接接觸」另一元件時，例如，不存在任何中間元件、組件、或層。本揭露之技術可實施於各種不同電腦裝置中，諸如伺服器、膝上型電腦、桌上型電腦、筆記型電腦、平板電腦、手持式電腦、智慧型手機及類似者。任何對組件、模組或單元的描述目的僅在於強調其功能態樣，而不一定需要藉由不同硬體單元來實現。本文中所述的技術亦可實施於硬體、軟體、韌體、或其任何組合之中。可將任何描述成模組、單元或組件的特徵一起實施於一積體邏輯裝置中，或分開地實施成離散但可交互運作之邏輯裝置。在一些情況下，各種特徵可實施成一積體電路裝置，諸如一積體電路晶片或晶片組。此外，雖已在本說明書全文中描述若干相異模組，其中大多模組執行獨特的功能，但可將所有模組的所有功能合併成一單一模組，或甚至 分割成進一步其他模組。本文所描述模組僅係例示性，且係為了讓讀者易於理解而描述。
若以軟體方式實施，此技術可至少部分藉由一電腦可判讀媒體實現，該媒體所包含指令，該等指令在一處理器中執行時將實行上述方法中之一或多者。該電腦可判讀媒體可包含一有形的電腦可判讀儲存媒體，且可形成一電腦程式產品之部分，其可包括包裝材料。該電腦可判讀儲存媒體可包含隨機存取記憶體(RAM)，諸如同步動態隨機存取記憶體(SDRAM)、唯讀記憶體(ROM)、非揮發性隨機存取記憶體(NVRAM)、電可抹除可程式化唯讀記憶體(EEPROM)、FLASH記憶體、磁性或光學資料儲存媒體及類似者。該電腦可判讀儲存媒體亦可包含一非揮發性儲存裝置，諸如一硬碟、磁帶、一光碟(CD)、數位多功能光碟(DVD)、藍光光碟、全像資料儲存媒體、或其他非揮發性儲存裝置。
本文所用用語「處理器(processor)」可指任何前述結構或適於實施本文所述技術的任何其他結構。此外，在一些態樣中，本文所述功能可提供於經組態以實行本揭露之技術的專用軟體模組或硬體模組中。即便是實施於軟體中，該等技術仍可使用諸如處理器之硬體來執行該軟體，並使用記憶體來儲存該軟體。在任何類例子中，本文所述的電腦皆可定義能夠執行本文所述特定功能的一特定機器。另外，可將該等技術完全實施於一個或多個電路或邏輯元件中，其亦可視為一處理器。
100‧‧‧系統
102‧‧‧物品
104‧‧‧網路
105‧‧‧網路鏈路
105A‧‧‧鏈路
105B‧‧‧鏈路
105C‧‧‧鏈路
105D‧‧‧鏈路
106A‧‧‧直接鏈路
106B‧‧‧直接鏈路
108A‧‧‧感測器
108B‧‧‧感測器
108C‧‧‧感測器
109‧‧‧溫度控制裝置
110‧‧‧物品計算裝置
111‧‧‧縫隙控制裝置
112‧‧‧熱效能預測平台(TPPP)
114‧‧‧使用者計算裝置
116‧‧‧遠端計算裝置
120‧‧‧模組
120A‧‧‧舒適度預測模組
120B‧‧‧舒適度預測模組
122‧‧‧圖形使用者介面(GUI)

Claims (20)

  1. 一種方法，其包含：藉由至少一個處理器接收由埋置在一服裝物品中的一感測器產生的感測器資訊；藉由該至少一個處理器至少部分基於該感測器資訊判定一熱舒適度分數，該熱舒適度分數指示該服裝物品的一使用者在一未來時間將舒適的一機率；藉由該至少一個處理器基於該熱舒適度分數判定該服裝物品的該使用者在該未來時間是否可能舒適；及回應於判定該服裝物品的該使用者在該未來時間不太可能舒適，而執行一操作。
  2. 如請求項1之方法，其中執行該操作包含：藉由該至少一個處理器輸出指示該個人在該未來時間不太可能舒適的一通知。
  3. 如請求項1至2中任一項之方法，其中執行該操作包含：調整該服裝物品的一組件。
  4. 如請求項3之方法，其中調整該組件包含自動啟動該服裝物品的一加熱裝置或一冷卻裝置。
  5. 如請求項1至4中任一項之方法，其中判定該熱舒適度分數進一步基於一組一或多個預定規則。
  6. 如請求項1至4中任一項之方法，其進一步包含：接收指示一使用者在一第一時間的一使用者舒適度的使用者舒適度資訊；其中判定該熱舒適度分數包含：藉由該至少一個處理器及在晚於該第一時間的一第二時間應用一模型至至少該感測器資訊及該使用者舒適度資訊以判定該熱舒適 度分數。
  7. 如請求項1至4中任一項之方法，其中判定該熱舒適度分數包含：藉由該至少一個處理器、基於應用一模型至該感測器資訊及從複數個使用者接收的使用者舒適度資訊而判定該熱舒適度分數，其中從該複數個使用者之各使用者接收的該使用者舒適度資訊指示該各別使用者在早於一目前時間的一各別時間的使用者舒適度。
  8. 如請求項1至7中任一項之方法，其中判定該熱舒適度分數進一步基於該服裝物品的一材料種類。
  9. 如請求項1至8中任一項之方法，其中判定該熱舒適度分數進一步基於該服裝物品的一年齡。
  10. 如請求項1至9中任一項之方法，其中該感測器係一第一感測器，其中該方法包含：藉由該至少一個處理器接收由埋置在一服裝物品中的一第二感測器產生的感測器資訊，其中判定該熱舒適度分數係基於由該第一感測器及該第二感測器產生的該資訊。
  11. 如請求項10之方法，其中該第一感測器設置在該服裝物品的一第一表面上，且該第二感測器設置在該服裝物品的不同的一第二表面上或在該服裝物品的一內表面與一外表面之間。
  12. 如請求項1至11中任一項之方法，其中該感測器包含下列之一或多者：一溫度感測器，一濕度感測器，一移動感測器，一熱通量感測器，一心率感測器，或 一環境光感測器。
  13. 一種系統，其包含：一服裝物品，其包含一感測器；至少一個處理器；及一記憶體，其包含指令，當該等指令由該至少一個處理器執行時導致該至少一個處理器：接收由該感測器產生的感測器資訊；至少部分基於該感測器資訊而判定一熱舒適度分數，該熱舒適度分數指示該服裝物品的一使用者在一未來時間將舒適的一機率；基於該熱舒適度分數判定該服裝物品的該使用者在該未來時間是否可能舒適；及回應於判定該服裝物品的該使用者在該未來時間不太可能舒適，而執行一操作。
  14. 如請求項13之系統，其中該等指令的執行導致該至少一個處理器藉由導致該至少一個處理器進行以下而執行該操作：輸出指示該物品的該使用者在該未來時間不太可能舒適的一通知。
  15. 如請求項13至14中任一項之系統，其中該等指令的執行導致該至少一個處理器藉由導致該至少一個處理器進行以下而執行該操作：調整該服裝物品的一組件。
  16. 如請求項13至15中任一項之系統，其中該等指令的執行進一步導致該至少一個處理器接收指示在一第一時間的一使用者舒適度的使用者舒適度資訊；其中該等指令的執行導致該至少一個處理器藉由至少導致該至少一個處理器在晚於該第一時間的一第二時間應用一模型至至少該感測器資訊以判定該熱舒適度分數而來判定該熱舒適度分數。
  17. 如請求項13至16中任一項之系統，其中該等指令的執行導致該至少 一個處理器進一步基於應用一模型至該感測器資訊及從複數個使用者接收的使用者舒適度資訊來判定該熱舒適度分數，其中從該複數個使用者之各使用者接收的該使用者舒適度資訊指示該各別使用者在早於一目前時間的一各別時間的使用者舒適度。
  18. 如請求項13至17中任一項之系統，其中該感測器包含下列之一或多者：一溫度感測器，一水分感測器，一移動感測器，一熱通量感測器，一心率感測器，或一環境光感測器。
  19. 如請求項13至18中任一項之系統，其中該服裝物品包括該記憶體及該至少一個處理器。
  20. 一種電腦可讀儲存媒體，其包含指令，當該等指令由一計算裝置的至少一個處理器執行時導致該至少一個處理器執行如請求項1至12中任一項之方法。
TW108115820A 2018-05-09 2019-05-08 服裝熱舒適度預測系統 TW202001928A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201862669124P 2018-05-09 2018-05-09
US62/669,124 2018-05-09

Publications (1)

Publication Number Publication Date
TW202001928A true TW202001928A (zh) 2020-01-01

Family

ID=66951988

Family Applications (1)

Application Number Title Priority Date Filing Date
TW108115820A TW202001928A (zh) 2018-05-09 2019-05-08 服裝熱舒適度預測系統

Country Status (5)

Country Link
US (1) US20210241125A1 (zh)
EP (1) EP3791399A1 (zh)
CN (1) CN112106143A (zh)
TW (1) TW202001928A (zh)
WO (1) WO2019215561A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10678279B2 (en) 2012-08-01 2020-06-09 Tendril Oe, Llc Optimization of energy use through model-based simulations
US9310815B2 (en) 2013-02-12 2016-04-12 Tendril Networks, Inc. Setpoint adjustment-based duty cycling
US20200401907A1 (en) * 2019-06-24 2020-12-24 International Business Machines Corporation Using artificial intelligence for analysis of environmental conditions, clothing options, and personal thermal comfort for intelligent clothing options
US11149975B2 (en) * 2019-07-24 2021-10-19 Uplight, Inc. Adaptive thermal comfort learning for optimized HVAC control
IL268998B2 (en) * 2019-08-29 2023-02-01 Ofer Nidam Inflatable item

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2005040300A1 (ja) * 2003-10-29 2007-03-15 出光興産株式会社 蓄熱材組成物
US8908928B1 (en) * 2010-05-31 2014-12-09 Andrew S. Hansen Body modeling and garment fitting using an electronic device
US10445792B2 (en) * 2014-01-31 2019-10-15 Ent. Services Development Corporation Lp Comfort-based garment management
HK1221113A2 (zh) * 2016-03-21 2017-05-19 Clim8 Ltd 種溫度調節系統和種用於溫度調節系統的控制器
US20200229514A1 (en) * 2016-06-02 2020-07-23 The North Face Apparel Corp. Smart sensing apparel
US10180688B2 (en) * 2016-06-13 2019-01-15 International Business Machines Corporation Optimization through use of conductive threads and biometric data
US10418605B2 (en) * 2017-03-31 2019-09-17 Intel Corporation Embedded formation of wearable and flexible batteries

Also Published As

Publication number Publication date
US20210241125A1 (en) 2021-08-05
CN112106143A (zh) 2020-12-18
WO2019215561A1 (en) 2019-11-14
EP3791399A1 (en) 2021-03-17

Similar Documents

Publication Publication Date Title
TW202001928A (zh) 服裝熱舒適度預測系統
Liu et al. Personal thermal comfort models with wearable sensors
US11561561B2 (en) System and method of machine learning and autonomous execution on user preferences for use in garments
Mano et al. Exploiting IoT technologies for enhancing Health Smart Homes through patient identification and emotion recognition
Ranjan et al. ThermalSense: determining dynamic thermal comfort preferences using thermographic imaging
KR102379643B1 (ko) 데이터 메시 플랫폼
Forbes et al. Fall prediction using behavioural modelling from sensor data in smart homes
US20160278444A1 (en) Smart clothing
KR102126147B1 (ko) 스마트 감지 의복
JP2017513092A (ja) 電力消費及びネットワーク負荷の最適化を伴うスマートウェアラブル装置及び方法
WO2016151099A1 (en) Learning mode for context identification
Chiu et al. Assessing mobile and smart technology applications for active and healthy aging using a fuzzy collaborative intelligence approach
Chiang et al. A green cloud-assisted health monitoring service on wireless body area networks
US20230085783A1 (en) System and method of machine learning and autonomous execution on user preferences for use in garments
KR102506356B1 (ko) 코디 추천 장치 및 방법
Wang Iot service recommendation scheme based on matter diffusion
Bucarelli et al. Deep learning approach for recognizing cold and warm thermal discomfort cues from videos
US20220330833A1 (en) Individualized heat acclimatization
Medina et al. A real-time adaptive thermal comfort model for sustainable energy in interactive smart homes: Part II
Khalil et al. Applying IoT and data analytics to thermal comfort: A review
Li et al. Development and validation of mobile app and data management system for intelligent control of indoor thermal environment
Nunes et al. Human-in-the-loop Connectivity Management in Smartphones
Aiswaryadevi et al. Artificial Intelligence and IoT Framework for the Health Monitoring System
Chen Explainable ambient intelligence (XAmI): Explainable artificial intelligence applications in smart life
US20220108802A1 (en) Techniques for selecting and presenting a customized health related feature for a user of an input/output device