一种基于KNX总线的智能家居数据传输处理方法

技术领域

本发明属于数据传输处理技术领域，具体涉及一种基于KNX总线的智能家居数据传输处理方法。

背景技术

KNX是一个起源于欧洲的总线标准，主要应用于家居和楼宇中，对末端电气设备进行总线式的控制，比如照明、空调、地暖、电动窗帘和遮阳设备等。在整个控制系统中，所有的传感器都通过数据线与制动器连接，而制动器则通过控制电源电路来控制电器。所有器件都通过同一条总线进行数据通信，传感器发送命令数据，相应地址上的制动器就执行相应的功能。

然而在智能居家系统的应用中，并未将KNX系统的特点充分的利用，使得KNX系统可以记录和统计系统中设备的使用状态、时间和使用寿命的优点并未对智能家居的控制策略的生成提供足够的支持。因此，亟需提供一种基于KNX总线的智能家居数据传输处理方法，使得智能居家设备的控制决策更加自主化、现代化。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种基于KNX总线的智能家居数据传输处理方法，通过将KNX总线上采集的原始数据经过规整处理生成了时空任务列表，以更大程度的利用KNX系统安全、可靠以及便利监测的特点，实现了智能居家设备的控制决策，使得居家设备的控制更加自主化。

本发明的目的可以通过以下技术方案实现：

一种基于KNX总线的智能家居数据传输处理方法，包括以下步骤：

S1、采集用户数据：通过KNX总线采集时间范围内的用户每一次操作的原始数据，其中，原始数据包括设备数据和传感器数据；

S2、整理原始数据：采用箱线图法对采集的原始数据进行异常值检测，当检测出数据异常时进行修正；

S3、生成用户轨迹数据：通过整理后的原始数据采用用户轨迹算法生成用户轨迹记录，并进行持久化保存；

S4、构建知识规则库：通过用户轨迹记录，将用户轨迹数据转化为事务数据，通过挖掘频繁区域项集构建知识规则库；

S5、生成时空任务列表：根据时间戳将知识规则库中的频繁区域项集进行排序，计算相邻时间的区域项集的样本相似度，依据设置相似度的大小将不同时间段合并，生成[时间，项集]的时空任务列表；

S6、场景触发机制：根据真实场景数据中央控制器依据时空任务列表触发执行器进行任务作业。

进一步地，所述步骤S1中，设备数据包括目标设备的IMEI号、操作时间和操作类型，传感器数据包括环境传感器采集环境数据以及人体存在传感器采集的用户活动区域数据。

进一步地，所述步骤S2中，整理原始数据具体包括以下步骤：

S21、数据检测：设置有效数据区间（L，H），当数据处于有效区间外，对数据进行修正；

其中， L为下边界，H为上边界；

S22、数据修正：通过采用随机森林回归算法替换异常数据，计算公式为：

；

式中，

进一步地，所述步骤S21中，L=

式中，

进一步地，所述步骤S4中，构建知识规则库具体包括以下步骤：

S41、利用用户的轨迹数据P建立事务数据库D={p

S42、设置空间阈值S和时间阈值T，计算轨迹段（p

d(p

t

式中，d(p

S43、通过设置不同的空间阈值和时间阈值，将所有的数据点通过不同的停留区域G进行归类构成事务数据库G={G

S44、利用关联规则挖掘算法从事务数据库G挖掘频繁区域项集，构建知识规则库。

进一步地，所述步骤S42中，两个数据点之间的距离d的计算公式为：

式中，p

进一步地，所述步骤S5中，区域项集样本相似度Jaccard的计算公式为：

；

其中，G

进一步地，所述步骤S6中，真实场景数据包括KNX总线的记录和传感器的实时反馈数据。

本发明的有益效果为：

本发明通过将KNX总线上采集的原始数据经过规整处理生成了时空任务列表，以更大程度的利用KNX系统安全、可靠以及便利监测的特点，通过时空任务列表实现了智能居家设备的控制决策，使得基于KNX系统的智能居家设备的控制更加自主化，节省了更多资源并为用户带来良好的体验。

本发明在数据处理过程中，通过数据异常检测，使得采集的数据更加有效、结果更加可靠，同时对异常数据采用随机森林回归算法进行替换，使数据更加合理准确且保证了数据量，为知识规则库的构建打下了基础；通过关联规则挖掘了频繁区域项集，同时以时间戳进行频繁区域项集排序，很直观的展示了用户对居家设备的控制需求以及与时间段之间的关联关系，再采用样本相似度对数据进行过滤合并处理，去除了用户在短时间内的重复操作带来的冗余信息，提高了数据处理的效率。

附图说明

为了便于本领域技术人员理解，下面结合附图对本发明作进一步的说明。

图1为本发明基于KNX总线的智能家居系统的结构示意图；

图2为本发明智能家居数据传输处理方法的步骤示意图。

具体实施方式

为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明的具体实施方式、结构、特征及其功效，详细说明如下。

KNX系统是独立于制造商和应用领域，但可以把二者连接起来的系统。如图1所示，KNX总线上连接有传感器、控制面板、中央控制器、执行器和电源，同时好包括移动控制终端。线路上的各种设备，既可以是接收器也可以是发送器，因为它们既可以发送信号，也可以接受信号。其中传感器包括环境传感器、报警器和人体存在传感器等，执行器包括灯组、电动窗帘、空调等设备，通过一个统一的系统实现控制、监测等功能，而不必再增加额外的控制中心，简单快捷。

可理解的是，中央控制器负责配置其他各个模块，使其能够正常使用组网，同时通过中央计算机控制整体系统。

如图2所示，一种基于KNX总线的智能家居数据传输处理方法，包括以下步骤：

S1、采集用户数据：通过KNX总线采集时间范围内的用户每一次操作的原始数据，其中原始数据包括设备数据和传感器数据。

其中，设备数据包括目标设备的IMEI号、操作时间和操作类型，传感器数据包括环境传感器采集环境数据以及人体存在传感器采集的用户活动区域数据。

需说明的是，数据采集范围随着时间变化，是一个动态的值，它决定了原始数据的范围，舍弃掉一些过于久远、无效、冗余的数据，保证数据的时效性，初始为建立时空任务列表时间范围设置较长，正常运行期间可以是几天或者一周，以保证时空任务列表的生成周期。

S2、整理原始数据：采用箱线图法对采集的原始数据进行异常值检测，当检测出数据异常时进行修正，具体包括以下步骤：

S21、数据检测：设置有效数据区间（L，H），当数据处于有效区间外，对数据进行修正。

其中有效数据区间中，L为下边界，H为上边界，L=

S22、数据修正：通过采用随机森林回归算法替换异常数据，具体的在观测值中有放回的随机抽取数据组组成多个样本集，使用CART函数对样本集建立对应的回归树模型，计算公式为：

；

式中，

S3、生成用户轨迹数据：通过整理后的原始数据采用用户轨迹算法生成用户轨迹记录，并进行持久化保存。

S4、构建知识规则库：通过用户轨迹记录，将用户轨迹数据转化为事务数据，通过挖掘频繁区域项集构建知识规则库，具体包括以下步骤：

S41、利用用户的轨迹数据P建立事务数据库D={p

S42、设置空间阈值S和时间阈值T，计算轨迹段（p

d(p

t

式中，两个数据点之间的距离

S43、通过设置不同的空间阈值和时间阈值，将所有的数据点通过不同的停留区域G进行归类构成事务数据库G={G

S44、利用关联规则挖掘算法（Apriori、FP-Growth 等）从事务数据库G挖掘频繁区域项集，构建知识规则库。

S5、生成时空任务列表：根据时间戳将知识规则库中的频繁区域项集进行排序，计算相邻时间的区域项集的样本相似度，依据设置相似度的大小将不同时间段合并，生成[时间，项集]的时空任务列表；

其中，区域项集样本相似度的计算公式为：

；

其中G

S6、场景触发机制：根据真实场景数据中央控制器依据时空任务列表触发执行器进行任务作业。其中，真实场景数据包括KNX总线的记录以及传感器的实时反馈数据。

本发明通过将KNX总线上采集的原始数据经过规整处理生成了时空任务列表，以更大程度的利用KNX系统安全、可靠以及便利监测的特点，通过时空任务列表实现了智能居家设备的控制决策，使得基于KNX系统的智能居家设备的控制更加自主化，节省了更多资源并为用户带来良好的体验。

本发明在数据处理过程中，通过数据异常检测，使得采集的数据更加有效、结果更加可靠，同时对异常数据采用随机森林回归算法进行替换，使数据更加合理准确且保证了数据量，为知识规则库的构建打下了基础；通过关联规则挖掘了频繁区域项集，同时以时间戳进行频繁区域项集排序，很直观的展示了用户对居家设备的控制需求以及与时间段之间的关联关系，再采用样本相似度对数据进行过滤合并处理，去除了用户在短时间内的重复操作带来的冗余信息，提高了数据处理的效率。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何本领域技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简介修改、等同变化与修饰，均仍属于本发明技术方案的范围内。