基于数据分析的智能穿戴设备状态评估方法技术

本发明专利技术公开了基于数据分析的智能穿戴设备状态评估方法，具体涉及穿戴设备状态监测技术领域，通过对延迟稳定变异系数

【技术实现步骤摘要】
基于数据分析的智能穿戴设备状态评估方法


[0001]本专利技术涉及穿戴设备状态监测
，更具体地说，本专利技术涉及基于数据分析的智能穿戴设备状态评估方法
。

技术介绍

[0002]智能穿戴设备是一类集成了智能计算
、
传感器和通信技术的可穿戴设备，旨在辅助
、
监测或提升用户的健康
、
运动
、
娱乐和生活体验，其中，智能穿戴设备通常配备了定位功能，这是其一大特色
。
定位功能其中一个主要的功能是可以让监护人随时追踪用户的位置，从而增强用户的安全感和监护人对其安全的控制；用户可以包括但不限于儿童
、
老人以及智力有残缺的人等
。
[0003]但是在智能穿戴设备进行定位时，没有对智能穿戴设备的定位功能运行状态进行监测，可能会导致智能穿戴设备提供不准确和实时性差的用户定位，特别是用户单独外出或去较为偏僻的地方，存在对用户追踪的安全风险；且没有考虑其他因素对智能穿戴设备提供的用户的位置的有效性进行评估，不能全面地根据智能穿戴设备提供的用户的位置了解用户的安全状况
。
[0004]为了解决上述问题，现提供一种技术方案
。

技术实现思路

[0005]为了克服现有技术的上述缺陷，本专利技术的实施例提供基于数据分析的智能穿戴设备状态评估方法以解决上述
技术介绍
中提出的问题
。
[0006]为实现上述目的，本专利技术提供如下技术方案：基于数据分析的智能穿戴设备状态评估方法，包括如下步骤：采集穿戴设备定位信息，根据穿戴设备定位信息计算延迟超越比，比较延迟超越比与延迟超越比阈值生成第一安全预警信号或继续分析信号，当生成继续分析信号，计算延迟稳定变异系数；采集定位性能信息，根据定位性能信息计算定位失败率和紧密超出比；当生成继续分析信号时，将延迟稳定变异系数
、
定位失败率以及紧密超出比进行归一化处理计算定位保持能力评估系数；通过定位保持能力评估系数与定位能力阈值的比较，生成第二安全预警信号或运行正常信号；采集佩戴信息，通过佩戴信息计算取戴频次和未佩戴时间比，将取戴频次和未佩戴时间比加权求和计算定位有效评估值，通过定位有效评估值与定位有效评估阈值的比较，生成定位有效糟糕信号或定位有效良好信号；通过结合生成的第二安全预警信号或运行正常信号，以及定位有效糟糕信号或定位有效良好信号，生成不同等级的有效评估信号
。
[0007]在一个优选的实施方式中，延迟超越比的计算过程为：获取延迟监测时间区间，延迟监测时间区间内包括若干个在延迟监测时间区间均匀分布的延迟监测点，获取每个延迟
监测点对应的定位延迟值；延迟超越比为延迟监测时间区间内定位延迟值大于定位延迟值阈值的监测点的数量与延迟监测时间区间内的监测点的数量的比值；比较延迟超越比与延迟超越比阈值：当延迟超越比大于延迟超越比阈值，生成第一安全预警信号；当延迟超越比小于等于延迟超越比阈值，生成继续分析信号
。
[0008]在一个优选的实施方式中，当生成继续分析信号时，对延迟监测时间区间内包括的定位延迟值进行编号，计算延迟稳定变异系数，其表达式为：，其中，为延迟监测时间区间内包括的延迟监测点的数量，为延迟监测时间区间内延迟监测点的编号，均为大于等于1的正整数；分别为延迟稳定变异系数
、
延迟监测时间区间内第个延迟监测点对应的定位延迟值以及延迟监测时间区间内第个延迟监测点对应的定位延迟值
。
[0009]在一个优选的实施方式中，计算定位失败率的具体过程如下：获取性能评估时间区间；在性能评估时间区间内存在多次定位更新，定位失败率是性能评估时间区间内定位更新失败的次数与性能评估时间区间内包括的定位更新的总次数的比值；计算紧密超出比的具体过程如下：获取每个定位更新失败的时间戳，计算相邻的定位更新失败的时间戳的时间间隔，获取相邻的定位更新失败的时间戳的时间间隔的数量；获取定位更新失败的时间戳的时间间隔小于失败实际间隔阈值的次数，紧密超出比为定位更新失败的时间戳的时间间隔小于失败实际间隔阈值的次数与定位更新失败的时间戳的时间间隔的数量的比值
。
[0010]在一个优选的实施方式中，当生成继续分析信号，对延迟稳定变异系数
、
定位失败率以及紧密超出比进行归一化处理，通过将归一化处理后的延迟稳定变异系数
、
定位失败率以及紧密超出比分别乘上其对应的预设比例系数，计算定位保持能力评估系数；将定位保持能力评估系数与定位能力阈值进行比较：当定位保持能力评估系数大于定位能力阈值，生成第二安全预警信号；当定位保持能力评估系数小于等于定位能力阈值，生成运行正常信号
。
[0011]在一个优选的实施方式中，取戴频次的获取方法为：获取佩戴监测时间区间，获取在佩戴监测时间区间内用户对智能穿戴设备的取戴次数，取戴频次为在佩戴监测时间区间内用户对智能穿戴设备的取戴次数与佩戴监测时间区间对应的时间长度的比值；未佩戴时间比的计算过程为：未佩戴时间比为用户在佩戴监测时间区间内未戴上智能穿戴设备的时间与佩戴监测时间区间对应的时间长度的比值
。
[0012]在一个优选的实施方式中，计算定位有效评估值：将取戴频次和未佩戴时间比进行加权求和计算定位有效评估值，定位有效评估值的表达式为：
，其中，分别为定位有效评估值
、
在佩戴监测时间区间内用户对智能穿戴设备的取戴次数
、
佩戴监测时间区间对应的时间长度以及在佩戴监测时间区间内未戴上智能穿戴设备的时间；分别为取戴频次和未佩戴时间比的权重，均大于0；将定位有效评估值与定位有效评估阈值进行比较：当定位有效评估值大于定位有效评估阈值，生成定位有效糟糕信号；当定位有效评估值大于定位有效评估阈值，生成定位有效良好信号
。
[0013]在一个优选的实施方式中，结合定位保持能力评估系数与定位能力阈值比较生成的信号以及定位有效评估值与定位有效评估阈值比较生成的信号，生成不同等级的有效评估信号：当生成运行正常信号，且生成定位有效良好信号，生成一级有效评估信号；当生成第二安全预警信号，且生成定位有效良好信号，生成二级有效评估信号；当生成运行正常信号，且生成定位有效糟糕信号，生成三级有效评估信号；当生成第二安全预警信号，且生成定位有效糟糕信号，生成四级有效评估信号
。
[0014]本专利技术基于数据分析的智能穿戴设备状态评估方法的技术效果和优点：
1、
通过对延迟稳定变异系数
、
定位失败率以及紧密超出比进行归一化处理得到定位保持能力评估系数，实现定位功能表现的定量化评估，根据定位保持能力评估系数与定位能力阈值的比较结果，可以实时生成相应的第二安全预警信号，帮助监护人及时了解智能穿戴设备的定位功能状况，并采取相应的措施，从而提升智能穿戴设备的安全性
。
[0015]2、
通过采集佩戴信息，包括取戴频次和未佩戴时间比，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于数据分析的智能穿戴设备状态评估方法，其特征在于，包括如下步骤：采集穿戴设备定位信息，根据穿戴设备定位信息计算延迟超越比，比较延迟超越比与延迟超越比阈值生成第一安全预警信号或继续分析信号，当生成继续分析信号，计算延迟稳定变异系数；采集定位性能信息，根据定位性能信息计算定位失败率和紧密超出比；当生成继续分析信号时，将延迟稳定变异系数
、
定位失败率以及紧密超出比进行归一化处理计算定位保持能力评估系数；通过定位保持能力评估系数与定位能力阈值的比较，生成第二安全预警信号或运行正常信号；采集佩戴信息，通过佩戴信息计算取戴频次和未佩戴时间比，将取戴频次和未佩戴时间比加权求和计算定位有效评估值，通过定位有效评估值与定位有效评估阈值的比较，生成定位有效糟糕信号或定位有效良好信号；通过结合生成的第二安全预警信号或运行正常信号，以及定位有效糟糕信号或定位有效良好信号，生成不同等级的有效评估信号
。2.
根据权利要求1所述的基于数据分析的智能穿戴设备状态评估方法，其特征在于：延迟超越比的计算过程为：获取延迟监测时间区间，延迟监测时间区间内包括若干个在延迟监测时间区间均匀分布的延迟监测点，获取每个延迟监测点对应的定位延迟值；延迟超越比为延迟监测时间区间内定位延迟值大于定位延迟值阈值的监测点的数量与延迟监测时间区间内的监测点的数量的比值；比较延迟超越比与延迟超越比阈值：当延迟超越比大于延迟超越比阈值，生成第一安全预警信号；当延迟超越比小于等于延迟超越比阈值，生成继续分析信号
。3.
根据权利要求1所述的基于数据分析的智能穿戴设备状态评估方法，其特征在于：当生成继续分析信号时，对延迟监测时间区间内包括的定位延迟值进行编号，计算延迟稳定变异系数，其表达式为：，其中，为延迟监测时间区间内包括的延迟监测点的数量，为延迟监测时间区间内延迟监测点的编号，均为大于等于1的正整数；分别为延迟稳定变异系数
、
延迟监测时间区间内第个延迟监测点对应的定位延迟值以及延迟监测时间区间内第个延迟监测点对应的定位延迟值
。4.
根据权利要求1所述的基于数据分析的智能穿戴设备状态评估方法，其特征在于：计算定位失败率的具体过程如下：获取性能评估时间区间；在性能评估时间区间内存在多次定位更新，定位失败率是性能评估时间区间内定位更新失败的次数与性能评估时间区间内包括的定位更新的总次数的比值；计算紧密超出比的具体过程如下：获取每个定位更新失败的时间戳，计算相邻的定位更新失败的时间戳的时间间隔，获取相邻的定位更新失败的时间戳的时间间隔的数量；获取定位更新失败的时间戳的时...

【专利技术属性】
技术研发人员：刘春明，
申请(专利权)人：河歌科技深圳有限责任公司，
类型：发明
国别省市：