一种热舒适度调节方法及其设备与流程

1.本发明涉及智能家居技术领域，特别涉及一种热舒适度调节方法及其设备。


背景技术：

2.目前保证室内热舒适很重要的手段是通过调控空调、新风机、净化器、加湿器等空气设备，然后利用人体热舒适度评价方法对环境进行评价。现有标准如ansi(american national standards institute，美国国家标准学会)/ashrae 55-2017(american society of heating、refrigerating and air-conditioning engineers，美国采暖、制冷与空调工程师学会)、iso 7730-2005(international standard organization，国际标准化组织)、gb/t 18049-2017(强制性国家标准/推荐性国家标准)等，将人体热舒适度分为7级(包括冷、凉、稍凉、舒适、稍暖、暖、热)，通过调节7级热舒适度，联动控制空气设备，达到想要的室内温度、室内湿度、室内空气流速。
3.但是，人体热舒适度受地域、季节、室内温度、室内湿度、室内空气流速、穿衣指数、代谢率、室外温度等因素影响，目前还没有一种针对不同用户对热舒适度的需求提供个性化调控的方案。


技术实现要素：

4.本发明提供一种热舒适度调节方法及其设备，用于针对不同用户对热舒适的感受程度提供个性化的热舒适参数推荐并调控智能空气设备。
5.第一方面，本发明实施例提供的一种热舒适度调节方法，包括：
6.确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
7.从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
8.将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
9.本发明实施例能够针对不同用户对热舒适的感受程度，为不同用户推荐个性化的热舒适参数，并可以利用个性化的热舒适参数调控智能空气设备，为用户提供个性化的调控方案，有效提高用户的使用体验。
10.作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，包括：
11.若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
12.从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
13.作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，还包括：
14.获取所述用户的历史热舒适数据；
15.根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
16.若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
17.作为一种可选的实施方式，若所述历史热舒适数据对应的存储日期不小于阈值，所述方法还包括：
18.将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
19.将所述求均值后的热舒适参数推荐给所述用户；
20.响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
21.作为一种可选的实施方式，通过如下方式确定所述热舒适集合：
22.将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
23.将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
24.第二方面，本发明实施例提供的一种热舒适度调节设备，包括处理器和存储器，所述存储器用于存储所述处理器可执行的程序，所述处理器用于读取所述存储器中的程序并执行如下步骤：
25.确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
26.从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
27.将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
28.作为一种可选的实施方式，所述处理器具体被配置为执行：
29.若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
30.从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
31.作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，所述处理器具体还被配置为执行：
32.获取所述用户的历史热舒适数据；
33.根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
34.若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
35.作为一种可选的实施方式，若所述历史热舒适数据对应的存储日期不小于阈值，所述处理器具体还被配置为执行：
36.将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
37.将所述求均值后的热舒适参数推荐给所述用户；
38.响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
39.作为一种可选的实施方式，所述处理器具体被配置为通过如下方式确定所述热舒适集合：
40.将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
41.将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
42.第三方面，本发明实施例还提供一种热舒适度调节装置，包括：
43.确定用户数据单元，用于确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
44.筛选单元，用于从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
45.推荐调节单元，用于将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
46.作为一种可选的实施方式，所述筛选单元具体用于：
47.若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
48.从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
49.作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，所述筛选单元具体还用于：
50.获取所述用户的历史热舒适数据；
51.根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
52.若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
53.作为一种可选的实施方式，若所述历史热舒适数据对应的存储日期不小于阈值，所述筛选单元具体还用于：
54.将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
55.将所述求均值后的热舒适参数推荐给所述用户；
56.响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
57.作为一种可选的实施方式，所述筛选单元具体用于通过如下方式确定所述热舒适集合：
58.将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
59.将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
60.第四方面，本发明实施例还提供计算机存储介质，其上存储有计算机程序，该程序被处理器执行时用于实现上述第一方面所述方法的步骤。
61.本技术的这些方面或其他方面在以下的实施例的描述中会更加简明易懂。
附图说明
62.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，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，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
63.图1为本发明实施例提供的一种热舒适度调节方法的具体实施流程图；
64.图2为本发明实施例提供的第一种交互界面示意图；
65.图3为本发明实施例提供的第二种交互界面示意图；
66.图4为本发明实施例提供的第三种交互界面示意图；
67.图5为本发明实施例提供的一种用户显示界面示意图；
68.图6为本发明实施例提供的一种全面的热舒适度调节方法实施流程图；
69.图7为本发明实施例提供的一种热舒适度调节设备示意图；
70.图8为本发明实施例提供的一种热舒适度调节装置示意图。
具体实施方式
71.为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施
例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
72.本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
73.本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
74.实施例1、目前虽然也有基于人体热舒适度的调控方法，但是目前还没有一种个性化的调控方法，能够针对不同用户对热舒适度的喜好作为调控的因素，为用户提供不同的热舒适度调控需求。为了解决上述问题，本发明实施例提供一种热舒适度调节方法，能够针对不同用户对热舒适的感受程度提供个性化的热舒适参数推荐并调控智能空气设备。
75.如图1所示，本发明实施例提供的一种热舒适度调节方法的具体实施流程如下所示：
76.步骤100、确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
77.实施中，所述地域环境包括但不限于：地域、季节、室外天气情况等。所述热舒适喜好数据包括但不限于用户对温度、风速、湿度的感受程度。
78.作为一种可选的实施方式，通过如下方式确定用户的热舒适喜好数据：
79.根据用户信息和历史操作数据，确定用户的热舒适喜好数据，其中所述用户信息用于表征所述用户的属性信息和所在地域的环境数据，所述历史操作数据用于表征所述用户操作过的智能空气设备的运行数据。
80.实施中，通过动态感知用户所在空间场景内环境因素、气候因素、人的体感和身体健康因素的变化和需求，从用户所属人群、地域气候、温度喜好、湿度喜好、风速喜好、是否敏感人群等角度构建用户空间画像，从而更好的描述用户的热舒适喜好。其中，构建画像数据的来源为：
81.(1)接收用户通过app等交互界面设置的画像，包含人群、职业、地域气候等；
82.(2)根据一段时间(例如15天)内用户的历史操作数据，结合不同地域的热中性温度，绘制温度、湿度、风速标签；具体规则如下：统计温度、湿度、风速设定的平均值，然后参考气候区热中性温度、舒适温度区间表进行打标签，如果当前用户设置的温度＜热中性温度-x，则用户的热舒适度的喜好为喜凉，如果温度＞热中性温度+x，则喜热，否则为热中性，同样的，可以确定用户对湿度和风速的热舒适度喜好；其中x为大于零的数。
83.如图2、图3、图4所示，本实施例提供一种交互界面，能够接收用户对温度或风速等热舒适参数的喜好或需求。
84.步骤101、从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
85.本实施例可以直接根据用户当前所在地域环境和热舒适喜好数据，从预先设置的热舒适集合中筛选出匹配的热舒适参数子集，为不同的用户提供不同的热舒适参数子集。由于本实施例中的热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，而每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息，那儿在筛选时，可以基于同一样本用户的属性信息和所属环境的热舒适信息，筛选出与所述用户对应的地域环境和热舒适喜好数据匹配的样本用户的热舒适信息，从而为不同的用户确定个性化的热舒适信息。
86.步骤102、将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
87.如图5所示，本实施例提供一种用户显示界面，通过所述用户显示界面将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户。
88.可选的，将筛选出的所述热舒适参数子集包含的用于表征室内环境信息的热舒适参数推荐给所述用户，例如温度、湿度、风速等；响应用户发送的设置指令，根据所述温度、湿度、风速控制智能空气设备运行。
89.实施中，还可以将筛选出的所述热舒适参数子集对应的热舒适等级推荐给所述用户，响应所述用户基于推荐的热舒适等级发送的设置指令，根据所述热舒适参数子集包含的热舒适参数调节智能空气设备。
90.还可以将筛选出的所述热舒适参数子集包含的热舒适参数和所述热舒适参数子集对应的热舒适等级推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备；或，响应所述用户基于推荐的热舒适等级发送的设置指令，根据所述热舒适参数子集包含的热舒适参数调节智能空气设备。
91.作为一种可选的实施方式，本实施例还可以根据接收的用户对热舒适等级的设置指令，为用户提供个性化的调控需求，具体如下所示：
92.若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
93.从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
94.作为一种可选的实施方式，本发明实施例还可以提供一种基于用户历史热舒适数据为用户提供个性化的调控需求，具体实施步骤如下所示：
95.步骤1)从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，获取所述用户的历史热舒适数据；
96.例如，可以每隔ts秒获取一次热舒适数据并进行存储作为之后的历史热舒适数据，获取的热舒适数据包括但不限于时间、室内温度、室内湿度、空调状态、空调模式、空调设定温度、空调设定风速。
97.步骤2)根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
98.实施中，可以从所述历史热舒适数据中筛选出相同地域、相同季节、相同或相似室
外天气对应的历史热舒适数据。
99.步骤3)若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
100.步骤4)若所述历史热舒适数据对应的存储日期不小于阈值，将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
101.步骤5)将所述求均值后的热舒适参数推荐给所述用户；
102.步骤6)响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
103.由于人体热舒适度受地域、季节、室内温度、室内湿度、室内空气流速、穿衣指数、代谢率、室外温度等因素影响，所以7级热舒适度属于相对比较粗糙的控制方式。通过对ashrae rp-884公开热舒适数据集的分析，现有标准中采用的预测热感觉平均投票pmv评价方法，其计算的人体热感觉值与受试者真实热感觉值相比只有30％多的准确率。因此，基于现有的7级热舒适度调控粒度，准确度较低，无法提高室内空气环境的控制效果，无法达到更高的用户满意度。
104.本实施例提供一种更加精细的热舒适等级调控方案，本实施例中预先设置的热舒适集合包含了更小的热舒适度调控粒度，由于本实施例中的热舒适集合是将所有样本用户的热舒适参数子集输入随机森林模型得到的，而输入的样本用户的热舒适参数子集是利用聚类方法对用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的，即样本热舒适参数集合拆分后得到预设数量的热舒适参数子集，由于每个样本热舒适参数集合对应一个热舒适级别，则拆分后得到的每个热舒适参数子集对应一个热舒适等级，即每个热舒适级别也被拆分成预设数量的热舒适等级；本实施例可以将目前的5级热舒适度拆分成细粒度更小的热舒适等级。
105.作为一种可选的实施方式，通过如下方式确定所述热舒适集合：
106.1)将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级；其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
107.实施中，用户主观评价的热舒适级别包括：暖、稍暖、适中、稍凉、凉5个等级，每个热舒适级别对应的热舒适参数集合包含地域、季节、室内温度、室内湿度、空调设备状态、空调设备模式、空调设备设定温度、空调设定风速、室外温度、室外湿度、人员穿衣指数、人员活动水平等，首先对样本用户主观评价的热舒适级别对应的热舒适参数集合进行符号化处理如下：
108.x＝[x
(1)
，x
(2)
，
…
，x
(m)
]表示所有样本用户的热舒适参数集合，其中m表示热舒适参数集合的数量，x(i)表示第i个热舒适参数集合；
[0109]
表示第i个热舒适参数集合包含的热舒适参数的数量为n。y＝[y
(1)
，y
(2)
，
…
，y
(m)
]表示所有热舒适参数集合对应的热舒适级别，其中m表示样本用户的数量，y(i)表示第i个热舒适参数集合对应的热舒适级别，热舒适级别可以为暖、稍暖、适中、稍凉、凉，对应数值1-5。
[0110]
所有样本用户的样本集d＝[(x
(1)
，y
(1)
)，(x
(2)
，y
(2)
)，
…
，(x
(m)
，y
(m)
)]，其中，(x(i)，y(i))表示第1～m个样本中的第i个样本。
[0111]
实施中，可以先对所有样本用户的样本集中的数据进行预处理，具体包含以下内容：
[0112]
(1)缺失值处理：针对热舒适参数集合中出现的缺失的热舒适参数，则将热舒适参数集合中的中位数作为缺失的热舒适参数进行填充；
[0113]
(2)热舒适参数编码：由于空调设备状态、空调运行模式、风速设定值、人员活动水平等特征为枚举类型的热舒适参数，所以对其进行标签编码，例如人员活动水平有静坐、站立、读书、轻度运动、散步、跑步等取值，则执行标签编码后，人员活动水平取值为1-n；
[0114]
(3)热舒适参数标准化：针对每一个热舒适参数，采用离差min-max进行标准化，公式为其中，样本集d中x
(1)
是一个向量，有n列，即n个特征；xi表示在对某一列进行标准化的时候某一行的一个数，分子表示该数据减去该列的最小值，分母表示该列的最大值减去最小值，yi表示标准化之后的数据。
[0115]
标准化后可以将热舒适参数映射在[0，1]区间内，标准化后的序列y1、y2、...、yn在[0，1]区间内且无量纲；
[0116]
(4)训练集和测试集划分：将样本集d进行随机拆分，80％为训练，20％为测试集。其中训练集用来训练随机森林模型，测试集用来验证模型的效果。
[0117]
实施中，每个热舒适级别gi(1≤i≤5)对应的热舒适参数集合si包括但不限于：地域、季节、室内温度、湿度、空气流速、人员活动水平、人员穿衣指数、室外温度、室外湿度；
[0118]
具体的，可以利用聚类方法将每个热舒适级别gi对应的热舒适参数集合si拆分成为3个热舒适等级(gil，gi2，gi3)，即将每个热舒适级别gi对应的热舒适参数集合聚类为3个热舒适参数子集，每个热舒适参数集合包含的热舒适参数子集为si1、si2、si3，其中si1＝[(x
(1)
，y
(1)
)，(x
(2)
，y
(2)
)，
…
，(x
(si)
，y
(si)
)]，x
(1)
，x
(2)
，...x
(si)
表示用户的属性信息或所属环境的热舒适信息。y
(1)
，y
(2)
，y
(si)
)表示热舒适等级，即si1中的y
(1)
，y
(2)
，y
(si)
)用于表示同样的热舒适等级。
[0119]
计算每个热舒适参数子集中室内温度的平均值，然后按照升序排序，例如排序后为t(si1)＜t(si2)＜t(si3)，则热舒适等级gi1、gi2、gi3对应的子集合分别为si1、si2、si3。按照上述方法，目前的5级热舒适级别与15级热舒适等级的对应关系如下，凉(1、2、3)、稍凉(4、5、6)、舒适(7、8、9)、稍暖(10、11、12)、暖(13、14、15)。
[0120]
其中，聚类方法是将热舒适参数子集作为一个整体，计算各个热舒适参数子集之间的相似度。
[0121]
2)将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
[0122]
本实施例中的随机森林模型是利用上述样本集d，即样本用户的热舒适参数子集以及样本用户的热舒适参数子集对应的热舒适等级进行训练得到。具体的训练过程如下所示：输入热舒适参数子集为s＝[si1，si2，si3]，其中1≤i≤5，随机森林子树的数量为t，对于每棵子树t∈(1，2，..，t)。
[0123]
(1)随机有放回的从d中抽取d个训练样本，作为t的训练集dt；
[0124]
(2)从dt中随机选择k个热舒适参数子集，训练第t个子树，每个热舒适参数子集作
为一个特征子集；
[0125]
其中，训练第t个子树的过程如下：从树的根节点出发，对k个特征子集，利用cart(classification and regression tree)算法，计算每个特征子集的基尼系数，选择基尼系数评分最小的特征作为根节点，按照该特征子集的取值规则进行分裂，然后针对每个分裂的子节点，采用同样的方式生成新的子节点，直到基尼系数评分小于阈值或超过设定的树深d为止。
[0126]
(3)每棵树t生长至指定深度d。
[0127]
对于每个训练样本，利用投票法从t棵树中选出最多票数的热舒适等级即为最终的输出的热舒适等级。
[0128]
针对训练的随机森林模型，利用机器学习中的f1分数进行评价，f1为precision(查准率)和recall(查全率)的调和平均数；
[0129]
其中，precision表示在所有预测为真的训练样本中实际为真的百分比，recall表示在所有实际为真的样本中成功预测为真的百分比。
[0130]
随机森林模型训练完成后，还可以不断迭代升级，当有新的训练样本加入后，重新训练生成新的随机森林模型，如果新训练得到的随机森林模型的f1分数大于原有的随机森林模型的f1分数，则用新的随机森林模型替换原有的随机森林模型，将所有样本用户的热舒适参数子集输入新的随机森林模型得到与所述热舒适参数子集对应的热舒适等级，将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
[0131]
根据上述得到的随机森林模型，在一定范围内遍历选择代谢水平、穿衣指数、室内温度、室内湿度、室内风速、室外温度、室外湿度作为热舒适参数子集输入，利用随机森林模型计算得到热舒适等级(共15个等级)，然后将这些组合预置存储，供热舒适参数推荐时使用。具体的，代谢水平范围可以是[0.8-斜依,1.0-静坐,1.2-写字,1.6-轻体力活动,2.0-家务劳动]，穿衣指数范围可以是[0.4,0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2]，室内温度范围可以是16℃至32℃(间隔1℃)，室内湿度范围可以是20至70(间隔10)，室内风速范围可以是0至0.5(间隔0.1)，室外温度范围可以是0至36℃，室外湿度范围可以是10至100，季节范围可以是春夏秋冬。根据一定范围内的特征输入，计算得到所有等级，将每个等级对应的特征参数存储。例如存储为[特征1，特征2，特征3，...，舒适度]。其中特征用于表征热舒适参数子集包含的同一样本用户的属性信息和所属环境的热舒适信息。
[0132]
本实施例可以基于采集的用户当前所在地域环境和热舒适喜好数据，例如温度、湿度、风速、pm2.5、甲醛、co2等参数，通过云端提供的热舒适参数计算方法，从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户。还可以在收到所述用户的热舒适等级设置指令之后，由云端提供的算法，从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集；将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户。例如：为用户推荐最优的温度、湿度、风速参数，结合多维度控制策略，即可控制空调、新风机、净化器等空气设备组合的运行模式和运行状
态，为用户提供舒适健康的空间环境。
[0133]
如图6所示，本发明实施例还提供一种全面的热舒适度调节方法，该方法的具体实施流程如下所示：
[0134]
步骤600、确定用户当前所在地域环境和热舒适喜好数据；
[0135]
其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
[0136]
步骤601、获取所述用户的历史热舒适数据；
[0137]
步骤602、根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
[0138]
步骤603、判断筛选出的所述历史热舒适数据对应的存储日期的累计天数是否小于阈值，若是执行步骤604，否则执行步骤605；
[0139]
步骤604、判断是否收到所述用户的热舒适等级设置指令，若是执行步骤606，否则执行步骤608；
[0140]
步骤606、从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
[0141]
通过如下方式确定所述热舒适集合：
[0142]
将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
[0143]
将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
[0144]
步骤607、从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，执行步骤609；
[0145]
步骤608、从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集；
[0146]
通过如下方式确定所述热舒适集合：
[0147]
将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
[0148]
将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参数子集确定为所述热舒适集合。
[0149]
步骤609、将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户；
[0150]
步骤610、响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0151]
步骤605、将所述匹配的历史热舒适数据中的每个热舒适参数求均值，执行步骤611；
[0152]
步骤611、将所述求均值后的热舒适参数推荐给所述用户；
[0153]
步骤612、响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0154]
实施例2、基于相同的发明构思，本发明实施例还提供了一种热舒适度调节设备，由于该设备即是本发明实施例中的方法中的设备，并且该设备解决问题的原理与该方法相似，因此该设备的实施可以参见方法的实施，重复之处不再赘述。
[0155]
如图7所示，该设备包括处理器700和存储器701，所述存储器用于存储所述处理器可执行的程序，所述处理器用于读取所述存储器中的程序并执行如下步骤：
[0156]
确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
[0157]
从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
[0158]
将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0159]
作为一种可选的实施方式，所述处理器具体被配置为执行：
[0160]
若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
[0161]
从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
[0162]
作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，所述处理器具体还被配置为执行：
[0163]
获取所述用户的历史热舒适数据；
[0164]
根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
[0165]
若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
[0166]
作为一种可选的实施方式，若所述历史热舒适数据对应的存储日期不小于阈值，所述处理器具体还被配置为执行：
[0167]
将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
[0168]
将所述求均值后的热舒适参数推荐给所述用户；
[0169]
响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0170]
作为一种可选的实施方式，所述处理器具体被配置为通过如下方式确定所述热舒适集合：
[0171]
将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
[0172]
将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参
数子集确定为所述热舒适集合。
[0173]
实施例3、基于相同的发明构思，本发明实施例还提供了一种热舒适度调节装置，由于该装置即是本发明实施例中的方法中的装置，并且该装置解决问题的原理与该方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。
[0174]
如图8所示，该装置包括：
[0175]
确定用户数据单元800，用于确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
[0176]
筛选单元801，用于从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
[0177]
推荐调节单元802，用于将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0178]
作为一种可选的实施方式，所述筛选单元具体用于：
[0179]
若收到所述用户的热舒适等级设置指令，则从预先设置的热舒适集合中筛选出与所述热舒适等级设置指令对应的多个热舒适参数子集；
[0180]
从所述多个热舒适参数子集中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集。
[0181]
作为一种可选的实施方式，所述从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集之前，所述筛选单元具体还用于：
[0182]
获取所述用户的历史热舒适数据；
[0183]
根据所述用户当前所在地域环境，从所述历史热舒适数据中筛选出与所述地域环境匹配的历史热舒适数据；
[0184]
若筛选出的所述历史热舒适数据对应的存储日期的累计天数小于阈值，则执行从预先设置的热舒适集合中筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集的步骤。
[0185]
作为一种可选的实施方式，若所述历史热舒适数据对应的存储日期不小于阈值，所述筛选单元具体还用于：
[0186]
将所述匹配的历史热舒适数据中的每个热舒适参数求均值；
[0187]
将所述求均值后的热舒适参数推荐给所述用户；
[0188]
响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0189]
作为一种可选的实施方式，所述筛选单元具体用于通过如下方式确定所述热舒适集合：
[0190]
将所有样本用户的热舒适参数子集输入随机森林模型得到与所述热舒适参数子集对应的热舒适等级，其中所述热舒适参数子集是利用聚类方法将所述样本用户主观评价的热舒适级别对应的热舒适参数集合进行拆分得到的；
[0191]
将得到的所有的热舒适等级以及与每个热舒适等级对应的样本用户的热舒适参
数子集确定为所述热舒适集合。
[0192]
一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
[0193]
确定用户当前所在地域环境和热舒适喜好数据，其中所述热舒适喜好数据用于表征所述用户对所在室内环境的热舒适的感受程度；
[0194]
从预先设置的热舒适集合中，筛选出与所述地域环境和所述热舒适喜好数据匹配的热舒适参数子集，其中所述热舒适集合包括所有的热舒适等级，以及与每个热舒适等级对应的多个热舒适参数子集，每个热舒适参数子集用于表征同一样本用户的属性信息和所属环境的热舒适信息；
[0195]
将筛选出的所述热舒适参数子集包含的热舒适参数推荐给所述用户，响应所述用户基于推荐的热舒适参数发送的设置指令，根据所述设置指令对应的热舒适参数调节智能空气设备。
[0196]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0197]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的设备。
[0198]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令设备的制造品，该指令设备实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0199]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0200]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。