一种基于多源数据融合的环境自动调节方法与流程

本发明属于环境自动调节，涉及一种基于多源数据融合的环境自动调节方法。

背景技术：

1、随着人们对生活品质和工作环境的要求不断提高，传统的环境自动调节方法已经不能够满足当前日益增长的需求，传统的商场空调环境调节方法通常依赖于单一或有限的传感器数据，其调节效果往往受限于数据的准确性和完整性。而多源数据融合方法能够集成来自不同传感器、监测设备和数据源的信息，提供更全面、更精准的环境数据，为商场空调环境的自动调节提供了强大的数据支持。

2、传统的商场空调环境调节方法存在以下问题：一是传统的商场空调环境调节方法只分析单一的数据，如商场中的温度，没有考虑到温度与其他环境因素(如湿度、人员分布密度等)之间的相互关联性，如果不对温度进行关联性分析，就无法充分考虑到这些因素的影响，导致调节决策缺乏针对目标，使得环境调节结果不够综合和精准，降低了环境调节的效率和质量。

3、二是传统的商场空调环境调节方法在进行温度调节时，只是将商场空调当前能够提供的供给功率随机的对各区域进行温度调节，不将其进行类别划分并进行温度调节，可能导致空调设备运行效率低下，造成能源浪费和不必要的成本,同时也会造成亟需进行温度调节的区域无功率供给，导致亟需进行温度调节的区域长期处于不适宜状态，进而影响顾客的购物体验和停留时间。

技术实现思路

1、鉴于此，为解决上述背景技术中所提出的问题，现提出一种基于多源数据融合的环境自动调节方法。

2、本发明的目的可以通过以下技术方案实现：本发明提供一种基于多源数据融合的环境自动调节方法，包括如下步骤：步骤一、定位目标商场内空调吹风口的分布位置，并获取各空调吹风口对应的辐射范围，由此将目标商场的室内空间划分为若干区域。

3、步骤二、在各区域内布设温湿度传感器和摄像头，并选取分析时段，进而在分析时段的各时间点利用温湿度传感器和摄像头采集各区域的温度、湿度和人员分布密度。

4、步骤三、将各区域在各时间点的湿度和人员分布密度进行对比，由此将相同湿度对应的时间点进行归类，同时将相同人员分布密度对应的时间点进行归类，得到各湿度对应的时间组集、各人员分布密度对应的时间组集，进而将相应湿度时间组集内时间点的温度与人员分布密度进行对比，将相应人员分布密度时间组集内时间点的温度与湿度进行对比，据此分析各区域中湿度、人员分布密度对温度的关联影响因子。

5、步骤四、将当前时间点各区域的温度与适宜温度进行对比，判断当前时间点各区域的温度是否适宜，筛选出当前时间点所有温度不适宜的区域，将其记为各待调节区域，并识别各待调节区域对应的温度失宜导向因素。

6、步骤五、依据各待调节区域对应的温度适宜导向因素和各区域中湿度、人员分布密度对温度的关联影响因子将各待调节区域进行调节优先类别划分。

7、步骤六、获取商场空调当前能够提供的供给功率，由此按照各待调节区域的调节优先类别划分进行温度调节。

8、在上述实施例的基础上，所述各空调吹风口对应的辐射范围获取方式为：在各空调吹风口开启时使用激光雷达设备对目标商场进行扫描，通过测量目标商场内空气中微粒的运动，得到各空调吹风口周围区域的风速和风向，从而得出各空调吹风口对应的辐射范围。

9、在上述实施例的基础上，所述人员分布密度获取方式为：利用各区域设置的摄像头在各时间点采集各区域的人员分布图像，进而从图像中提取人员数量，将其记为aim，i表示为第i个时间点，i＝1,2,...,j，m表示为第m个区域，m＝1,2,...,n，基于各空调吹风口对应的辐射范围获取各区域的划分边界线，由此得到各区域的空间体积，将其记为vm。

10、将各时间点各区域的人员数量结合各区域的空间体积计算各时间点各区域的人员分布密度，通过公式得到各时间点各区域的人员分布密度ρim。

11、在上述实施例的基础上，所述各区域中湿度、人员分布密度对温度的关联影响因子中人员分布密度对温度的关联影响因子分析如下：以温度为横坐标，以人员分布密度为纵坐标，构建二维坐标系，由此基于各区域中各湿度对应的时间组集内各时间点的人员分布密度和温度在所构建的二维坐标系内标注若干点，形成散点图，并绘制所述散点图的回归线，进而获取回归线的斜率绝对值，作为各区域中各湿度下人员分布密度对温度的关联影响因子。

12、将同一区域中各湿度下人员分布密度对温度的关联影响因子进行均值计算，得到各区域中人员分布密度对温度的关联影响因子。

13、在上述实施例的基础上，所述各区域中湿度、人员分布密度对温度的关联影响因子中湿度对温度的关联影响因子分析如下：以温度为横坐标，以湿度为纵坐标，构建二维坐标系，基于各区域中各人员分布密度对应的时间组集内各时间点的湿度和温度在所构建的二维坐标系内标注若干点，形成散点图，并绘制所述散点图的回归线，进而获取回归线的斜率绝对值，作为各区域中各人员分布密度下湿度对温度的关联影响因子。

14、将同一区域中各人员分布密度下湿度对温度的关联影响因子进行均值计算，得到各区域中湿度对温度的关联影响因子。

15、在上述实施例的基础上，所述判断当前时间点各区域的温度是否适宜方式如下：通过温湿度传感器采集当前时间点各区域的温度，将其记为tm，从数据库中提取目标商场的适宜温度，将其记为t0，通过公式得到当前时间点各区域的温度适宜度εm。

16、将当前时间点各区域的温度适宜度与预设的参考温度适宜度进行对比，若当前时间点某区域的温度适宜度小于预设的参考温度适宜度，则判断当前时间点该区域的温度为不适宜。

17、在上述实施例的基础上，所述各待调节区域对应的温度失宜导向因素具体分析为：从各待调节区域的温度、湿度和人员分布密度采集记录中提取当前时间点之前采集的温度，并将其与目标商场的适宜温度进行对比，从中筛选出符合目标商场的适宜温度的采集记录。

18、从各待调节区域内相应采集记录中提取采集的湿度和人员分布密度，并与当前时间点的湿度和人员分布密度进行对比，计算各待调节区域在当前时间点的湿度变化度和人员分布密度变化度。

19、将各待调节区域在当前时间点的湿度变化度与人员分布密度变化度相对比，若某待调节区域在当前时间点的湿度变化度大于人员分布密度变化度，则将湿度作为该待调节区域对应的温度失宜导向因素，若某待调节区域在当前时间点的湿度变化度小于人员分布密度变化度，则将人员分布密度作为该待调节区域对应的温度失宜导向因素，若某待调节区域在当前时间点的湿度变化度等于人员分布密度变化度，则将湿度和人员分布密度均作为该待调节区域对应的温度失宜导向因素。

20、在上述实施例的基础上，所述调节优先类别划分包括主要调节优先级类别和次要调节优先级类别。

21、在上述实施例的基础上，所述调节优先类别划分具体分析为：将同一区域中湿度、人员分布密度对温度的关联影响因子进行对比，得到湿度与人员分布密度的关联排序。

22、将各待调节区域对应的温度失宜导向因素结合该区域中湿度与人员分布密度的关联排序得到各待调节区域对应的调节优先类别。

23、在上述实施例的基础上，所述步骤六具体分析为：将各待调节区域对应的调节优先类别进行归类，进而将相同调节优先类别对应的各待调节区域进行归类，得到主要调节优先级类别和次要调节优先级类别对应的待调节区域集合。

24、获取主要调节优先级类别对应的待调节区域集合内空调吹风口的总功率和目标商场空调当前能够提供的供给功率。

25、将主要调节优先级类别对应的待调节区域集合内空调吹风口的总功率与目标商场空调当前能够提供的供给功率相对比，若目标商场空调当前能够提供的供给功率大于主要调节优先级类别对应的待调节区域集合内空调吹风口的总功率，则按照主要调节优先级类别对应的待调节区域集合对各待调节区域进行温度调节，并将次要调节优先级类别对应待调节区域集合内存在的待调节区域按照温度适宜度升序排列，进而将剩余供给功率依据排序结果对次要调节优先级类别对应的待调节区域进行温度调节。

26、若目标商场空调当前能够提供的供给功率等于主要调节优先级类别对应的待调节区域集合内空调吹风口的总功率，则按照主要调节优先级类别对应的待调节区域集合对各待调节区域进行温度调节。

27、若目标商场空调当前能够提供的供给功率小于主要调节优先级类别对应的待调节区域集合内空调吹风口的总功率，则将主要调节优先级类别对应的待调节区域集合内存在的待调节区域按照温度适宜度升序排列，进而将供给功率依据排序结果对主要调节优先级类别对应的待调节区域进行温度调节。

28、相较于现有技术，本发明的有益效果如下：1、本发明依据各空调吹风口对应的辐射范围将目标商场的室内空间划分为若干区域，依据各区域的不同需求针对性的进行温度调节，减少空调系统的能耗，提高了资源的利用率，相比较对目标商场进行整体温度调节，提高了环境温度调节的精准性。

29、2、本发明通过在商场各区域温度不适宜时，对商场各区域的温度与湿度和人员分布密度进行关联性分析，系统可以了解温度与其他环境因素之间的关系，从而更精确地预测温度不适宜时的导向因素，以满足不同区域的实际需求，进行了多源数据融合分析，系统可以更准确地预测和响应环境变化，提高了温度调节的精准性。

30、3、本发明通过按照各待调节区域的调节优先类别划分进行温度调节，提高了功率分配效率，合理分配能源资源，避免在不需要高温度或低温度的区域过度使用空调，从而降低能源消耗，提高能源利用效率，同时根据优先级对亟需进行温度调节的区域进行温度调节，使亟需进行温度调节的区域处于温度适宜状态，提高了顾客的满意度以及购物心情。