一种基于可穿戴设备的数据推荐方法与系统与流程

1.本发明属于物联网与数据推荐技术领域，尤其涉及一种基于可穿戴设备的数据推荐方法与系统。


背景技术：

2.随着物联网技术的发展，可穿戴设备由原本属于专业人员的专业设备逐渐普及为普通人员都可配置的常规设备。可穿戴设备还可以与多种便携式移动终端，例如智能手机、便携式电脑等进行数据交互。诸如智能手环、智能手表等可穿戴设备已经被人们广泛使用，以用于进行自身运动情况、睡眠状态等监测，或者用于对家中老人、儿童等安全监测。可穿戴设备还可以基于数据应用程序，通过无线网络与后台服务器、云端进行数据交互，接收云端或者后台服务器发送的提醒消息，或者向云端或者后台服务器发送自身数据用于趋势分析，例如发送定位数据以实现轨迹分析、发送生理状态数据以进行运动状态分析等。
3.以可穿戴手表或者可穿戴手环为例，随着人们生活水平的提高，较多家长均为在校子女配置了可穿戴手表或者可穿戴手环，通过自身的移动终端与其无线通信，以实现安全监测与及时沟通，家长或者学校的任何通知均可以及时发送至可穿戴手表或者可穿戴手环。
4.不过，发明人注意到，上述应用都仅仅是简单的单点通信或者消息统一群发。在校园环境下，充分利用已有的可穿戴设备与已有的校园特定设备，实现特定时间段、特定场所的数据收集与分析后给出个性化的数据推荐，现有技术对此并未给出具体的技术方案。


技术实现要素：

5.为解决上述技术问题，本发明提出一种基于可穿戴设备的数据推荐方法与系统。
6.在本发明的第一个方面，提供一种基于可穿戴设备的数据推荐方法，m个目标用户中的n个目标用户佩戴有所述可穿戴设备，所述m个目标用户配置有智能芯片饭卡；所述方法由中心服务器执行，所述可穿戴设备、所述智能芯片饭卡与所述中心服务器通信；所述可穿戴设备配置有数据定位程序，通过所述数据定位程序将可穿戴设备的当前位置发送至所述中心服务器。
7.具体执行时，所述方法包括如下步骤：s1：当在第一预设时间段presett内检测到所述智能芯片饭卡的累积激活次数invm超过第一预设次数presetm时，获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及所述m个目标用户配置的所述智能芯片饭卡在所述第一预设时间段presett内的激活状态；s2：确定所述n个目标用户中的k个待提醒用户，所述k个待提醒用户配置的所述智能芯片饭卡在所述第一预设时间段presett内未曾激活，并且所述k个待提醒用户的当前位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离
差值大于第一预设距离值presetdinv；s3：向所述k个待提醒用户发送数据推荐信息，所述数据推荐信息用于指示所述k个待提醒用户在所述第一预设时间段presett之后的第二预测时间段前往目的位置，所述目的位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值小于第二预设距离值presetdou；其中，所述m、n、k均为正整数，并且m》n》k》1。
8.所述可穿戴设备为智能手表、智能手环、智能眼镜之一或者其任意组合。
9.所述可穿戴设备与智能芯片饭卡可配对；所述中心服务器配置有近场读卡终端，当所述智能芯片饭卡接近所述近场读卡终端时，所述智能芯片饭卡被激活；当所述智能芯片饭卡被激活后，在所述第一预设时间段presett内休眠所述与所述智能芯片饭卡配对的可穿戴设备。
10.具体的，所述m个目标用户中的n个目标用户佩戴的第一可穿戴设备与第一智能芯片饭卡配对；当所述第一智能芯片饭卡在所述第一预设时间段presett内曾激活时，在所述第一预设时间段presett内休眠所述第一可穿戴设备。
11.所述中心服务器获取第一预设时间段presett的长度、累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测未来多个时间段到达所述目的位置的目标用户的多个第一预测数量；当所述第一预测数量小于预设上限值时，确定所述第二预测时间段。
12.在本发明的第二个方面，为实现第一个方面所述的方法，提供一种基于可穿戴设备的数据推荐系统，所述系统包括中心服务器、可穿戴设备与智能芯片饭卡；所述可穿戴设备、所述智能芯片饭卡与所述中心服务器通信；所述可穿戴设备配置有数据定位程序，所述可穿戴设备通过所述数据定位程序将当前位置发送至所述中心服务器；所述中心服务器配置有近场读卡终端，当所述智能芯片饭卡接近所述近场读卡终端时，所述中心服务器监测到所述智能芯片饭卡被激活；所述中心服务器统计第一预设时间段presett内所述智能芯片饭卡被激活的累积激活次数invm；当所述累积激活次数invm超过第一预设次数presetm时，所述中心服务器获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及m个目标用户配置的所述智能芯片饭卡在所述第一预设时间段presett内的激活状态；所述中心服务器确定所述n个目标用户中的k个待提醒用户，并向所述k个待提醒用户发送数据推荐信息，所述数据推荐信息用于指示所述k个待提醒用户在所述第一预设时间段presett之后的第二预测时间段前往目的位置；所述k个待提醒用户配置的所述智能芯片饭卡在所述第一预设时间段presett内未曾激活，并且所述k个待提醒用户的当前位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值大于第一预设距离值presetdinv;其中，所述m、n、k均为正整数，并且m》n》k》1。
13.在具体配置上，m个目标用户中的n个目标用户佩戴有所述可穿戴设备，所述m个目
标用户配置有智能芯片饭卡。
14.m个目标用户中的n个目标用户佩戴的第一可穿戴设备与第一智能芯片饭卡配对；当所述第一智能芯片饭卡在所述第一预设时间段presett内曾激活时，在所述第一预设时间段presett内休眠所述第一可穿戴设备。所述中心服务器获取第一预设时间段presett的长度、累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测未来多个时间段到达所述目的位置的目标用户的多个第一预测数量；当所述第一预测数量小于预设上限值时，确定所述第二预测时间段。
15.本发明的技术方案改变了现有技术仅能执行简单的单点通信或者消息统一群发功能的现状，而是可以充分利用已有的可穿戴设备与已有的校园特定设备，实现特定时间段、特定场所的数据收集与分析后给出个性化的数据推荐，具体的，本发明可以在特定时间段确定出需要发送数据推荐消息的特定部分目标人群，从而实现特定场所的人员引流，避免人员拥堵，提升用户体验。
16.本发明的更多实施例和改进效果将结合附图和具体实施例进一步介绍。
附图说明
17.图1是本发明一个实施例的一种基于可穿戴设备的数据推荐方法的步骤流程示意图；图2是图1所述一种基于可穿戴设备的数据推荐方法采用计算机程序自动化实现时的程序逻辑流程图；图3是本发明一个实施例的一种基于可穿戴设备的数据推荐系统的组成示意图；图4是图3所述系统中可穿戴设备与智能芯片饭卡配对时的交互控制示意图。
具体实施方式
18.下面，结合附图以及具体实施方式，对发明做出进一步的描述。
19.图1是本发明一个实施例的一种基于可穿戴设备的数据推荐方法的步骤流程示意图。
20.在图1中，所述方法包括步骤s1-s3，所述方法由中心服务器调度可穿戴设备、智能芯片饭卡发送的无线通信数据执行。
21.在一个具体的实施例中，所述方法应用于校园环境，尤其是应用于校园就餐时间段的食堂环境。
22.当然，本发明还可以应用于其他人员密集或者分时段产生人员聚集的其他场景，例如工厂、工业园区、办公园区等；具体的，执行所述方法的硬件基础为：m个目标用户配置有智能芯片饭卡，m个目标用户中的n个目标用户佩戴有所述可穿戴设备。
23.以上述方法应用于校园环境，尤其是应用于校园就餐时间段的食堂环境为例，这里的目标用户可以是在校学生、老师以及其他在学校食堂就餐的人员。
24.可以理解，大部分情况下，在校学生、老师以及其他在学校食堂就餐的人员均配置了智能芯片饭卡，即m个目标用户配置有智能芯片饭卡；
在此基础上，还有部分人员会配置智能手表、智能手环、智能眼镜或者其他可穿戴设备。
25.所述可穿戴设备配置有数据定位程序，通过所述数据定位程序将可穿戴设备的当前位置发送至所述中心服务器。
26.作为一个示例，数据定位程序可以是基于gps的定位app或者基于lbs的定位程序。
27.作为另一个示例，可穿戴设备不一定仅依赖于gps来提供定位服务。 一些可穿戴设备使用a-gps、位置信标、识别的网络接入点等来确定位置并提供基于位置的服务，诸如导航。 因此，可穿戴设备还可在传统的基于gps的定位可能不可用的区域及位置中提供定位服务。
28.当然，和智能芯片饭卡不同，可穿戴设备并非强制性配置设备，因此，可理解为m个目标用户中的n个目标用户佩戴有所述可穿戴设备，即m≥n》1。
29.在一个实施例中，所述中心服务器配置有近场读卡终端，当所述智能芯片饭卡接近所述近场读卡终端时，所述智能芯片饭卡被激活。
30.可以理解，所述近场读卡终端设置于目标位置，例如学校食堂，目标人员就餐时，需要刷卡消费，即所述智能芯片饭卡接近所述近场读卡终端时，所述智能芯片饭卡被激活，每次激活均被所述中心服务器所感知并统计。
31.通常在到达就餐时间段（例如午餐11：00-13：00）时，目标人员将会陆续前往食堂刷卡消费。
32.当目标人员人数较多、缺乏指引时，由于食堂就餐位置、配菜位置有限，如果同一时间段到达目标位置（餐厅）人数较多，就会产生拥堵现象，影响用户体验。
33.现有技术中，通过经验值预先告知就餐高峰段，提倡目标人员错峰就餐，例如，温馨提示：12：00-12：30分为就餐高峰期。然而，此种静态的统一提醒方式效果不佳。例如，提醒12：00-12：30为就餐高峰期后，可能导致第二天这个时段就餐人数反而较少，其他时段又会产生拥挤，不能实时的感知环境变化。
34.为此，本发明提出改进的技术方案，充分利用已有的可穿戴设备与已有的校园特定设备，实现特定时间段、特定场所的数据收集与分析后给出个性化的数据推荐，可以实时、动态的感知环境变化并发出提醒信息。
35.具体的，参见图1，所述步骤s1-s3具体执行如下：s1：当在第一预设时间段presett内检测到所述智能芯片饭卡的累积激活次数invm超过第一预设次数presetm时，获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及所述m个目标用户配置的所述智能芯片饭卡在所述第一预设时间段presett内的激活状态；作为一个具体的示例，所述第一预设时间段presett可以是常规的就餐时段，例如7：00-9：00、11：00-13：00、17：00-19：00；当然，以上仅仅是示意性的例子，不同的学校、工业园区还可能开放其他时段的就餐，因此，上述第一预设时间段presett由本领域技术人员根据实际场景确定，本实施例对其不作具体限制。
36.第一预设次数presetm也可以基于当前就餐场景能够提供的同时最大排队人数、最大就餐人数等确定，例如，当前就餐餐厅具有500个就餐位，则可以设置第一预设次数
presetm为500*75%=375；作为进一步的优选，第一预设次数presetm基于不同的第一预设时间段presett进行不同的设置，即第一预设次数presetm为动态设置的。
37.例如，第一预设时间段presett设置为第一时间段presett1时，第一预设次数presetm设置为presetm1；例如，第一时间段presett1为7：00-9：00，则第一预设次数presetm设置为presetm1=500*85%=425；第一预设时间段presett设置为第二时间段presett2时，第一预设次数presetm设置为presetm2；例如，第二时间段presett2为11：00-13：00时，第一预设次数presetm设置为presetm2=500*75%=375；第一预设时间段presett设置为第三时间段presett3时，第一预设次数presetm设置为presetm3；例如，第三时间段presett3为17：00-19：00时，第一预设次数presetm设置为presetm3=500*60%=300 ；当在第一预设时间段presett内检测到所述智能芯片饭卡的累积激活次数invm超过第一预设次数presetm时，意味着此时到达餐厅的目标用户的人数已经接近预定上限，此时，需要及时对尚未到达餐厅的其他目标用户进行引导；可以理解，本实施例支持对获取佩戴有所述可穿戴设备的目标用户发送引导通知。
38.即获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及所述m个目标用户配置的所述智能芯片饭卡在所述第一预设时间段presett内的激活状态；s2：确定所述n个目标用户中的k个待提醒用户，所述k个待提醒用户配置的所述智能芯片饭卡在所述第一预设时间段presett内未曾激活，并且所述k个待提醒用户的当前位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值大于第一预设距离值presetdinv；可见，在步骤s2中，确定的k个待提醒用户是尚未刷卡就餐（智能芯片饭卡在所述第一预设时间段presett内未曾激活）、并且尚未到达餐厅范围（待提醒用户的当前位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值大于第一预设距离值presetdinv）；s3：向所述k个待提醒用户发送数据推荐信息，所述数据推荐信息用于指示所述k个待提醒用户在所述第一预设时间段presett之后的第二预测时间段前往目的位置，所述目的位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值小于第二预设距离值presetdou；其中，所述m、n、k均为正整数，并且m》n》k》1。
39.在步骤s3中，已经识别出k个待提醒用户，此时，需要向k个待提醒用户发送推荐消息，指示这些目标用户，建议当前时段不必前往餐厅，而建议在第二预测时间段才前往目的位置，例如，在5分钟后、10分钟后（具体时段根据预测结果）前往餐厅。
40.优选的， 所述中心服务器获取第一预设时间段presett的长度、累积激活次数
invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测未来多个时间段到达所述目的位置的目标用户的多个第一预测数量；当所述第一预测数量小于预设上限值时，确定所述第二预测时间段。
41.作为示例，中心服务器可以基于第一预设时间段presett的长度统计当前时段内累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测不同时段正在前往目标位置的人数、已经位于目标位置范围内的人数、即将离开目标位置范围内的人数（可以基于历史数据确定就餐人数的平均就餐时间来预测），从而确定未来5分钟内、10分钟内、30分钟内到达（位于）所述目的位置范围的目标用户的多个第一预测数量；假设未来5分钟内到达所述目的位置的目标用户的第一预测数量为y5；未来10分钟内到达所述目的位置的目标用户的第一预测数量为y10；假设未来30分钟内到达所述目的位置的目标用户的第一预测数量为y30；设定预设上限值为presetm*75%；若y10、y30、y10均小于预设上限值，则将未来5分钟作为所述第二预测时间段；也就是说，当存在多个第一预测数量均小于预设上限值时，将所述多个第一预测数量对应的多个预测时间段中最早的预测时间段作为所述第二预测时间段，提醒所述k个待提醒用户在所述第二预测时间段前往目的位置；当然，若只存在一个第一预测数量均小于预设上限值，则只有一个确定的第二预测时间段。
42.可见，图1的实施例中，在特定时间段确定出需要发送数据推荐消息的特定部分目标人群，从而实现特定场所的人员引流，避免人员拥堵，提升用户体验。
43.图1所述的方法还可以基于计算机程序指令自动化的编程实现。图2给出了图1所述一种基于可穿戴设备的数据推荐方法采用计算机程序自动化实现时的程序逻辑流程图。
44.同时，如前所述，不同的学校、工业园区还可能开放其他时段的就餐，因此，上述第一预设时间段presett由本领域技术人员根据实际场景确定，本实施例对其不作具体限制。
45.为此，在图2给出的程序流程中，不再限定具体的第一预设时间段presett，而是设定推荐周期时长cordt；例如，设定推荐周期时长cordt=30分钟，若从当前时间节点开始，在30分钟内检测到餐厅刷卡导致的智能芯片饭卡的累积激活次数invm超过第一预设次数presetm，则启动图1所述的数据推荐方法。
46.具体的，图2所述的计算机流程通过伪代码语言形式概括如下（图2中省略了步骤标识）：ss1: 初始化累积激活次数invm=0；初始化计时器timer = 0;设定推荐周期时长cordt；ss2；判断是否检测到所述智能芯片饭卡接近所述近场读卡终端，如果是，则invm 并且timer ；否则，返回步骤ss1；ss3：判断timer=cordt是否成立，如果是，进入步骤ss4；否则，timer ，返回步骤ss2；ss4：判断invm》presetm是否成立，如果是，进入步骤ss5；
如果否，返回步骤ss1；ss5：获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及所述n个目标用户配置的所述智能芯片饭卡在设定推荐周期时长cordt内的激活状态；ss6：确定所述n个目标用户中的k个待提醒用户；ss7：向所述k个待提醒用户发送数据推荐信息。
47.可以理解，步骤ss6中，所述k个待提醒用户配置的所述智能芯片饭卡在所述设定推荐周期时长cordt内未曾激活，并且所述k个待提醒用户的当前位置与智能芯片饭卡在所述设定推荐周期时长cordt内曾激活的其他用户的其他位置的距离差值大于第一预设距离值presetdinv；可以理解，步骤ss7中，所述数据推荐信息用于指示所述k个待提醒用户在当前时间节点之后的第二预测时间段前往目的位置，所述目的位置与智能芯片饭卡在所述设定推荐周期时长cordt内曾激活的其他用户的其他位置的距离差值小于第二预设距离值presetdou。
48.作为计算机程序实现的具体优化算法， 其中，presetm的设定与m、n的大小有关，其中：或者，其中，表示第一预设时间段presett的长度，单位为分钟；表示向下取整；表示向上取整；maxp表示所述目标位置能够提供的最大就餐人数或者最大就餐位置。
49.当然，如前述图1的实施例所描述的，第一预设次数presetm还可以基于不同的第一预设时间段presett进行不同的设置，即第一预设次数presetm为动态设置的，第一预设次数presetm为maxp乘以预设比例值确定，所述预设比例值随着所述第一预设时间段presett的不同而动态变化。
50.图3是本发明一个实施例的一种基于可穿戴设备的数据推荐系统的组成示意图。
51.在图3中，所述系统包括中心服务器、可穿戴设备与智能芯片饭卡；所述可穿戴设备、所述智能芯片饭卡与所述中心服务器通信；所述可穿戴设备配置有数据定位程序，所述可穿戴设备通过所述数据定位程序将当前位置发送至所述中心服务器；所述中心服务器配置有近场读卡终端，当所述智能芯片饭卡接近所述近场读卡终端时，所述中心服务器监测到所述智能芯片饭卡被激活。
52.所述中心服务器统计第一预设时间段presett所述智能芯片饭卡被激活的累积激
活次数invm；当所述累积激活次数invm超过第一预设次数presetm时，所述中心服务器获取佩戴有所述可穿戴设备的n个目标用户的当前位置以及m个目标用户配置的所述智能芯片饭卡在所述第一预设时间段presett内的激活状态；所述中心服务器确定所述n个目标用户中的k个待提醒用户，并向所述k个待提醒用户发送数据推荐信息，所述数据推荐信息用于指示所述k个待提醒用户在所述第一预设时间段presett之后的第二预测时间段前往目的位置；所述k个待提醒用户配置的所述智能芯片饭卡在所述第一预设时间段presett内未曾激活，并且所述k个待提醒用户的当前位置与智能芯片饭卡在所述第一预设时间段presett内曾激活的其他用户的其他位置的距离差值大于第一预设距离值presetdinv;其中，所述m、n、k均为正整数，并且m》n》k》1。
53.可以理解，图3所述的硬件架构可以实现图1所述的方法实施例，也可以实现图2所述的方法流程，在此不再重复描述。
54.同样的，所述中心服务器获取第一预设时间段presett的长度、累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测未来多个时间段到达所述目的位置的目标用户的多个第一预测数量；当所述第一预测数量小于预设上限值时，确定所述第二预测时间段。
55.优选的， 所述中心服务器获取第一预设时间段presett的长度、累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测未来多个时间段到达所述目的位置的目标用户的多个第一预测数量；当所述第一预测数量小于预设上限值时，确定所述第二预测时间段。
56.作为示例，中心服务器可以基于第一预设时间段presett的长度统计当前时段内累积激活次数invm、佩戴有所述可穿戴设备的n个目标用户的当前位置，预测不同时段正在前往目标位置的人数、已经位于目标位置范围内的人数、即将离开目标位置范围内的人数（可以基于历史数据确定就餐人数的平均就餐时间来预测），从而确定未来5分钟内、10分钟内、30分钟内到达所述目的位置的目标用户的多个第一预测数量；当存在多个第一预测数量均小于预设上限值时，将所述多个第一预测数量对应的多个预测时间段中最早的预测时间段作为所述第二预测时间段，提醒所述k个待提醒用户在所述第二预测时间段前往目的位置；当然，若只存在一个第一预测数量均小于预设上限值，则只有一个确定的第二预测时间段。
57.其中，m个目标用户中的n个目标用户佩戴有所述可穿戴设备，所述m个目标用户配置有智能芯片饭卡。
58.继续参见图4，图4是图3所述系统中可穿戴设备与智能芯片饭卡配对时的交互控制示意图。
59.m个目标用户中的n个目标用户佩戴的第一可穿戴设备与第一智能芯片饭卡配对；当所述第一智能芯片饭卡在所述第一预设时间段presett内曾激活时，在所述第一预设时间段presett内休眠所述第一可穿戴设备。
60.可以理解，当第一可穿戴设备与第一智能芯片饭卡配对并且第一智能芯片饭卡在
所述第一预设时间段presett内曾激活时，第一智能芯片饭卡的当前位置即可代表第一可穿戴设备的当前位置。
61.此时不需要第一可穿戴设备通过数据定位程序将自身当前位置发送至所述中心服务器。
62.这是因为，当所述第一智能芯片饭卡在所述第一预设时间段presett内曾激活时，意味着第一智能芯片饭卡当前时段已经位于目标位置附近，其位置已经被中心服务器所感知。
63.此时在所述第一预设时间段presett内休眠所述第一可穿戴设备，可以显著提升所述第一可穿戴设备的续航性能，进一步提升了用户体验。
64.相对于现有技术，本发明的优点至少体现在：（1）充分利用已有的可穿戴设备与已有的校园特定设备，无需额外布置其他数据服务器或者硬件设备，易于实施和布置，降低了硬件成本；（2）可以在特定时间段确定出需要发送数据推荐消息的特定部分目标人群，从而实现特定场所的人员引流，避免人员拥堵，提升用户体验；（3）显著提升可穿戴设备的续航性能。
65.当然，可以理解，本发明的各个实施例可以单独实现其中一个效果，本发明的多个实施例组合可以实现上述所有效果，但是并不要求本发明的每一个实施例都实现上述所有优点和效果，因为本发明的各个实施例都能构成单独的技术方案并对现有技术作出一个或者多个贡献。
66.本发明未特别明确的部分模块结构，以现有技术记载的内容为准。本发明在前述背景技术部分以及具体实施例部分提及的现有技术可作为本发明的一部分，用于理解部分技术特征或者参数的含义。本发明的保护范围以权利要求实际记载的内容为准。