基于用户行为习惯的智能家居管控系统技术方案

本发明专利技术提供了一种基于用户行为习惯的智能家居管控系统，其特征在于，包括：智能管控系统；用户行为习惯智能学习模块，通过深度学习算法获得用户行为习惯的分析结论；用户行为习惯智能预测模块，接收用户行为习惯智能学习模块输出的用户行为习惯的分析结论，并接收各家居设备的运行状态数据，利用关联规则方法计算出各家居设备的运行状态的关联性。本发明专利技术具有如下优点：选用深度学习方法，利用深度学习算法对用户的行为习惯进行学习。当用户实际体验时，可依据用户现有状态实现对于家居设备的自动管控；通过关联规则，可以得出用户行为的关联规则，以实现家居设备使用情况的智能优化。

【技术实现步骤摘要】
基于用户行为习惯的智能家居管控系统
本专利技术涉及一种智能家居管控系统。
技术介绍
现有的智能家居管控系统有：HouseLogix发布新产品——VoicePod，这是一款通过Zigbee技术实现家庭自动化的语音控制设备。这是一个完全免提系统，它能翻译语音命令，并且发送基于Zigbee技术的相关命令给自动化设备。索尼春季新品发布会“FeeltheBeauty感·临场之美”上，索尼向外界展示“智能家庭娱乐解决方案”，它集合了“TVSideView”、“一触镜像”等智能连接技术，实现了智能电视与平板电视、智能手机的智能连接，完美解决智能化时代下家庭娱乐生活新体验。2014年，苹果首次向公众发布homekit平台：一个能与物联网设备相连的智能家居平台，只要厂商获得苹果授权认证就可生产支持homekit的智能家居产品，用户可通过Sari来控制这些设备，并可个性化制定个性化的需求指令。之后，海尔公司和美的公司相继宣布接入homekit平台，随后推出基于此平台的智能空调产品，允许苹果用户通过语音或APP发出指令来控制空调。三星公司随后提出全新的SmartHome系统，在此系统下，智能冰箱、洗衣机、电视机等智能家电都可通过智能手机、手表来控制。在家中，用户可将各种设备连接网络，用智能手机、平板电脑、智能手表甚至是智能电视作为控制智能家居系统的控制中心。2015年，小米推出智能家庭套装，包括多功能网关、门窗传感器、人体传感器和无线开关。套装内的四个小部件组合在一起，可以实现家内房屋设防、门窗开启警报、有人经过提醒等多重功能。虽然这个套装是基于现有的技术整合，没有嵌入新技术，但它们可作为“传感器”，与小米其他产品进行联动工作，实现一些完全智能化的操作。现有的智能家居管控系统存在下列缺陷：1)系统操作过于复杂，系统功能无法凸显主人个性。对于消费者而言，人机交互还不够简单，仍需手动操作。2)无法在不打扰用户的前提下进行家居环境的自动管控。
技术实现思路
本专利技术要解决的技术问题是：现有的智能家居管控系统过于复杂，且不能在不打扰用户的前提下进行家居环境的自动管控。为了解决上述技术问题，本专利技术的技术方案是提供了一种基于用户行为习惯的智能家居管控系统，其特征在于，包括：智能管控系统，一方面用于控制各个家居设备，另一方面用于采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据；用户行为习惯智能学习模块，接收采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据作为输入，输入深度学习算法后获得用户行为习惯的分析结论；用户行为习惯智能预测模块，接收用户行为习惯智能学习模块输出的用户行为习惯的分析结论，并接收各家居设备的运行状态数据，利用关联规则方法计算出各家居设备的运行状态的关联性，并将关联性结论发送至智能管控系统，由智能管控系统根据关联性控制相应的家居设备。优选地，所述环境数据包括温度、湿度、天气情况；所述各家居设备的运行状态数据包括设备开状态及设备关状态；所述用户的定位数据为用户的定位坐标。优选地，所述输入深度学习算法学习并分析不同的环境数据、时间数据及用户的定位数据对应各家居设备的不同运行状态，从而获得用户行为习惯的分析结论。优选地，所述智能管控系统对各个家居设备的控制包括智能优化控制和提示优化控制，在智能优化控制状态下，无需提示用户，所述智能管控系统自动进行家居设备使用状态的优化，在提示优化控制状态下，需提示用户，得到用户允许后，所述智能管控系统优化家具设备的使用状态。本专利技术通过收集用户的行为数据分析用户的行为习惯，并利用关联规则方法以及深度学习算法对用户的行为习惯进行学习，形成智能管控系统的操作准则。从而实现较为精准地预测家居设备的使用行为，实现对于家居设备的智能管控，以使用户得到较为便捷、智能的家具设备体验。本专利技术具有如下优点：1)选用深度学习方法，利用深度学习算法对用户的行为习惯进行学习。当用户实际体验时，可依据用户现有状态实现对于家居设备的自动管控；2)通过关联规则，可以得出用户行为的关联规则，以实现家居设备使用情况的智能优化。附图说明图1为本实施例提供的基于用户行为习惯的智能家居管控系统构框图；图2为本实施例提供的基于用户行为习惯的智能家居管控系统在学习阶段的结构框图；图3为本实施例提供的基于用户行为习惯的智能家居管控系统在应用阶段的结构框图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。如图1所示，本实施例提供了一种基于用户行为习惯的智能家居管控系统，包括如图2所示的用户行为习惯智能学习模块以及如图3所示的用户行为习惯智能预测模块。本实施例提供的基于用户行为习惯的智能家居管控系统除了具备智能家居遥控设置功能外，还可结合深度学习和关联规则针对用户行为习惯对家居设备使用状态的预测管控和智能优化功能，具体实现方案如下：学习阶段，结合图2I、利用家庭设备管控系统采集用户的行为数据，包括时间、设备运行状态(0表示关闭，1表示运行)、温度、湿度、天气(晴＝0、雨＝1、阴＝2)、用户位置(采用坐标标注)。II、将采集到的用户行为数据输入深度学习算法，利用该算法分析、学习在不同温度、湿度、天气、用户位置、时间情况下，各个设备的运行状态，以分析用户的行为习惯，为智能管控家居设备做准备。III、将采集到的用户行为数据输入关联规则方法，利用该方法分析出各个设备运行状态之间的关系，为智能优化用户使用家居设备做准备。应用阶段，结合图3I、要求用户对于智能调控家居设备操作进行设置，分为智能优化和提示优化两种。智能优化代表无需提示用户，可自动进行家居设备使用状态的优化。提示优化则代表需提示用户，得到用户允许后，方可优化家具设备的使用状态。II、利用家庭设备管控系统采集用户居室内的各项数据，包括时间、设备运行状态、温度、湿度、天气、用户位置。III、将采集到的数据输入深度学习算法，利用学习到用户行为习惯，预测居室内各个家居设备的应运行状态，并按照用户预先设置的智能操作选项进行操作。若选用了智能优化，则自动优化家居内各个家具设备的运行状态；若选用了提示优化，则智能提示用户进行家居设备运行状态的更改。IV、根据学习到的关联规则，对应采集的数据，分析出应关闭、应使用的家居设备，并按照用户预先设置的智能操作选项进行操作。若选用了智能优化，则自动优化家居内各个家具设备的运行状态；若选用了提示优化，则智能提示用户进行家居设备运行状态的更改。现有物联网家居设备虽然能通过远程遥控等手段实现运行状态更改，但仍需通过人为设置，即通过人类告诉家居设备“我要干什么”，这显然不是家居设备的自动管控。本专利技术选用深度学习方法，利用深度学习算法对用户的行为习惯进行学习。当用户实际体验时，可依据用户现有状态实现对于家居设备的自动管控。此功能是在用户长时间未对家居产品做设置的情况下使用的。例如，下雨了，而用户不在室内，又未对家居做操作，则根据学习到的用户习惯，利用深度学习算法进行预测，智能管控居室中窗户开、闭状态。当用户在使用物联网家居设备时，较容易出现本文档来自技高网...

【技术保护点】
一种基于用户行为习惯的智能家居管控系统，其特征在于，包括：智能管控系统，一方面用于控制各个家居设备，另一方面用于采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据；用户行为习惯智能学习模块，接收采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据作为输入，输入深度学习算法后获得用户行为习惯的分析结论；用户行为习惯智能预测模块，接收用户行为习惯智能学习模块输出的用户行为习惯的分析结论，并接收各家居设备的运行状态数据，利用关联规则方法计算出各家居设备的运行状态的关联性，并将关联性结论发送至智能管控系统，由智能管控系统根据关联性控制相应的家居设备。

【技术特征摘要】
1.一种基于用户行为习惯的智能家居管控系统，其特征在于，包括：智能管控系统，一方面用于控制各个家居设备，另一方面用于采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据；用户行为习惯智能学习模块，接收采集环境数据、时间数据、各家居设备的运行状态数据以及用户的定位数据作为输入，输入深度学习算法后获得用户行为习惯的分析结论；用户行为习惯智能预测模块，接收用户行为习惯智能学习模块输出的用户行为习惯的分析结论，并接收各家居设备的运行状态数据，利用关联规则方法计算出各家居设备的运行状态的关联性，并将关联性结论发送至智能管控系统，由智能管控系统根据关联性控制相应的家居设备。2.如权利要求1所述的一种基于用户行为习惯的智能家居管控系统，其特征在于...

【专利技术属性】
技术研发人员：随婷婷，随程程，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海,31