空调器及其运行参数的推荐方法、系统和大数据服务器

摘要

本发明公开了一种空调器及其运行参数的推荐方法、系统和大数据服务器，所述方法包括以下步骤：获取待推荐空调器的当前应用场景信息；将当前应用场景信息与存储的应用场景信息库进行对比，以从应用场景信息库中选取与待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景；获取每个匹配应用场景下的空调器的运行参数，并根据每个匹配应用场景下的空调器的运行参数获取群体行为推荐参数；通过采集服务器获取待推荐空调器的历史操作记录，并根据历史操作记录获取个体行为推荐参数；根据群体行为推荐参数和个体行为推荐参数生成最终推荐参数，并将最终推荐参数提供给待推荐空调器，以根据最终推荐参数控制待推荐空调器运行。

权利要求

1.一种空调器运行参数的推荐方法，其特征在于，包括以下步骤：

获取待推荐空调器的当前应用场景信息；

将所述当前应用场景信息与存储的应用场景信息库进行对比，以从所述应用场景信息库中选取与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景；

获取每个所述匹配应用场景下的空调器的运行参数，并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参数；

通过采集服务器获取所述待推荐空调器的历史操作记录，并根据所述历史操作记录获取个体行为推荐参数；

根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐参数，并将所述最终推荐参数提供给所述待推荐空调器，以根据所述最终推荐参数控制所述待推荐空调器运行。

2.根据权利要求1所述的空调器运行参数的推荐方法，其特征在于，空调器的应用场景信息包括该空调器所处位置的经度、纬度、应用该空调器的用户的性别和年龄、应用该空调器的时间、应用该空调器时的室内温度和室外温度。

3.根据权利要求2所述的空调器运行参数的推荐方法，其特征在于，根据余弦相似性计算当前应用场景与应用场景信息库中的应用场景之间的距离，并将与所述当前应用场景之间的距离小于预设距离的应用场景作为所述匹配应用场景，其中，根据以下公式计算应用场景i和应用场景j之间的距离：

其中，Si、Sj分别表示应用场景i、应用场景j，sim(Si，Sj)为应用场景i和应用场景j之间的距离， 分别为Si、Sj的特征向量， 分别表示向量 的模。

4.根据权利要求3所述的空调器运行参数的推荐方法，其特征在于，根据协同过滤推荐算法获取所述群体行为推荐参数，其中，根据以下公式计算所述群体行为推荐参数：

其中，PG(Sp)为所述群体行为推荐参数，Sp表示匹配应用场景p，Sk表示应用场景k， 为匹配应用场景p下的平均运行参数，Tp，k为应用场景p下第k次设置的运行参数，n为应用场景p下运行参数的设置总次数。

5.根据权利要求1所述的空调器运行参数的推荐方法，其特征在于，所述历史操作记录包括每次操作所述待推荐空调器的操作时间、运行参数、每次操作所述待推荐空调器时的室内温度和室外温度。

6.根据权利要求5所述的空调器运行参数的推荐方法，其特征在于，根据多元线性回归模型获取所述个体行为推荐参数，其中，将所述操作记录中的所述操作时间、每次操作所述待推荐空调器时的室内温度和室外温度作为自变量，并将每次操作所述待推荐空调器的运行参数作为因变量以构建训练集；

根据所述训练集对多元线性模型 进行训练以得到模型参数值b0～b4；

根据当前时间、当前室内温度和当前室外温度和所述模型参数值b0～b4计算所述多元线性模型中的y值，以得到所述个体行为推荐参数。

7.根据权利要求1所述的空调器运行参数的推荐方法，其特征在于，对所述群体行为推荐参数和所述个体行为推荐参数进行加权平均运算以得到所述最终推荐参数。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-7中任一所述的空调器运行参数的推荐方法。

9.一种计算机程序产品，其特征在于，当所述计算机程序产品中的指令由处理器执行时，执行根据权利要求1-7中任一所述的空调器运行参数的推荐方法。

10.一种大数据服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现根据权利要求1-7中任一所述的空调器运行参数的推荐方法。

11.一种空调器运行参数的推荐系统，其特征在于，包括待推荐空调器、采集服务器和大数据服务器，其中，所述待推荐空调器用于获取操作数据，并将所述操作数据上传至所述采集服务器；

所述采集服务器用于根据所述操作数据生成所述待推荐空调器的历史操作记录；

所述大数据服务器通过与所述采集服务器进行通信以获取所述待推荐空调器的历史操作记录，并根据所述历史操作记录获取个体行为推荐参数，所述大数据服务器还用于获取待推荐空调器的当前应用场景信息，并将所述当前应用场景信息与存储的应用场景信息库进行对比，以从所述应用场景信息库中选取与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景，以及获取每个所述匹配应用场景下的空调器的运行参数，并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参数，以及根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐参数，并将所述最终推荐参数提供给所述待推荐空调器；

所述待推荐空调器根据所述最终推荐参数运行。

12.一种空调器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现一种空调器的控制方法，所述方法包括：获取该空调器的操作数据；

将所述操作数据上传至采集服务器；

接收大数据服务器获取的最终推荐参数，其中，所述大数据服务器通过与所述采集服务器进行通信以获取所述操作数据，并根据所述操作数据获取个体行为推荐参数，以及获取群体行为推荐参数，所述最终推荐参数为所述大数据服务器根据所述个体行为推荐参数和所述群体行为推荐参数生成的；

根据所述最终推荐参数控制所述空调器运行。

说明书

空调器及其运行参数的推荐方法、系统和大数据服务器

技术领域

[0001] 本发明涉及空调器控制技术领域，特别涉及一种空调器运行参数的推荐方法、一种非临时性计算机可读存储介质、一种计算机程序产品、一种空调器运行参数的推荐系统、
一种空调器和一种大数据服务器。

背景技术

[0002] 随着人们生活水平的日益提高，空调器已成为人们生活中的必要家用电器。目前，空调器的运行参数一般需要用户手动设置，不够方便智能。

发明内容

[0003] 本发明旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本发明的一个目的在于提出一种空调器运行参数的推荐方法，能够将较为适宜的运行参数推荐给空
调器，从而可方便智能地对空调器进行控制，大大提高用户体验。

[0004] 本发明的第二个目的在于提出一种非临时性计算机可读存储介质。

[0005] 本发明的第三个目的在于提出一种计算机程序产品。

[0006] 本发明的第四个目的在于提出一种大数据服务器。

[0007] 本发明的第五个目的在于提出一种空调器运行参数的推荐系统。

[0008] 本发明的第六个目的在于提出一种空调器。

[0009] 为达到上述目的，本发明第一方面实施例提出了一种空调器运行参数的推荐方法，该方法包括以下步骤：获取待推荐空调器的当前应用场景信息；将所述当前应用场景信
息与存储的应用场景信息库进行对比，以从所述应用场景信息库中选取与所述待推荐空调
器的当前应用场景相匹配的至少一个匹配应用场景；获取每个所述匹配应用场景下的空调
器的运行参数，并根据每个所述匹配应用场景下的空调器的运行参数获取群体行为推荐参
数；通过采集服务器获取所述待推荐空调器的历史操作记录，并根据所述历史操作记录获
取个体行为推荐参数；根据所述群体行为推荐参数和所述个体行为推荐参数生成最终推荐
参数，并将所述最终推荐参数提供给所述待推荐空调器，以根据所述最终推荐参数控制所
述待推荐空调器运行。

[0010] 根据本发明实施例的空调器运行参数的推荐方法，通过将待推荐空调器的当前用户场景与其他用户、其他空调器的应用场景进行比较以获取群体行为推荐参数，并根据待
推荐空调器的历史操作记录获取个体行为推荐参数，然后根据群体行为推荐参数和个体行
为推荐参数生成最终推荐参数，以根据最终推荐参数控制空调器运行，由此，能够结合群体
习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行
控制，大大提高了用户体验。

[0011] 另外，根据本发明上述实施例提出的空调器运行参数的推荐方法还可以具有如下附加的技术特征：

[0012] 其中，空调器的应用场景信息包括该空调器所处位置的经度、纬度、应用该空调器的用户的性别和年龄、应用该空调器的时间、应用该空调器时的室内温度和室外温度。

[0013] 具体地，根据余弦相似性计算当前应用场景与应用场景信息库中的应用场景之间的距离，并将与所述当前应用场景之间的距离小于预设距离的应用场景作为所述匹配应用
场景，其中，根据以下公式计算应用场景i和应用场景j之间的距离：

[0014]

[0015] 其中，Si、Sj分别表示应用场景i、应用场景j，sim(Si，Sj)为应用场景i和应用场景j之间的距离， 分别为Si、Sj的特征向量， 分别表示向量 的模。

[0016] 具体地，根据协同过滤推荐算法获取所述群体行为推荐参数，其中，根据以下公式计算所述群体行为推荐参数：

[0017]

[0018] 其中，PG(Sp)为所述群体行为推荐参数，Sp表示匹配应用场景p， 为匹配应用场景p下的平均运行参数，Tp，k为应用场景p下第k次设置的运行参数，n为应用场景p下运行参
数的设置总次数。

[0019] 其中，所述历史操作记录包括每次操作所述待推荐空调器的操作时间、运行参数、每次操作所述待推荐空调器时的室内温度和室外温度。

[0020] 具体地，根据多元线性回归模型获取所述个体行为推荐参数，其中，将所述操作记录中的所述操作时间、每次操作所述待推荐空调器时的室内温度和室外温度作为自变量，
并将每次操作所述待推荐空调器的运行参数作为因变量以构建训练集；根据所述训练集对
多元线性模型 进行训练以得到模型参数值b0～b4；根据当前时间、当前室内
温度和当前室外温度和所述模型参数值b0～b4计算所述多元线性模型中的y值，以得到所述
个体行为推荐参数。

[0021] 具体地，对所述群体行为推荐参数和所述个体行为推荐参数进行加权平均运算以得到所述最终推荐参数。

[0022] 为达到上述目的，本发明第二方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，当该程序被处理器执行时实现本发明第一方面实施例提出的
空调器运行参数的推荐方法。

[0023] 根据本发明实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，能够将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大
提高了用户体验。

[0024] 为达到上述目的，本发明第三方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令由处理器执行时，执行本发明第一方面实施例提出的空调器运行参
数的推荐方法。

[0025] 根据本发明实施例的计算机程序产品，当其由处理器执行时，能够将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大提高了用户体验。

[0026] 为达到上述目的，本发明第四方面实施例提出了一种大数据服务器，其包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程
序时，实现本发明第一方面实施例提出的空调器运行参数的推荐方法。

[0027] 根据本发明实施例的大数据服务器，能够结合群体习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大提高了用户体验。

[0028] 为达到上述目的，本发明第五方面实施例提出了一种空调器运行参数的推荐系统，该系统包括待推荐空调器、采集服务器和大数据服务器，其中，所述待推荐空调器用于
获取操作数据，并将所述操作数据上传至所述采集服务器；所述采集服务器用于根据所述
操作数据生成所述待推荐空调器的历史操作记录；所述大数据服务器通过与所述采集服务
器进行通信以获取所述待推荐空调器的历史操作记录，并根据所述历史操作记录获取个体
行为推荐参数，所述大数据服务器还用于获取待推荐空调器的当前应用场景信息，并将所
述当前应用场景信息与存储的应用场景信息库进行对比，以从所述应用场景信息库中选取
与所述待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景，以及获取每个所述
匹配应用场景下的空调器的运行参数，并根据每个所述匹配应用场景下的空调器的运行参
数获取群体行为推荐参数，以及根据所述群体行为推荐参数和所述个体行为推荐参数生成
最终推荐参数，并将所述最终推荐参数提供给所述待推荐空调器；所述待推荐空调器根据
所述最终推荐参数运行。

[0029] 根据本发明实施例的空调器运行参数的推荐系统，大数据服务器通过将待推荐空调器的当前用户场景与其他用户、其他空调器的应用场景进行比较以获取群体行为推荐参
数，并根据待推荐空调器的历史操作记录获取个体行为推荐参数，然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数，以根据最终推荐参数控制空调器运行，由此，
能够结合群体习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地
对空调器进行控制，大大提高了用户体验。

[0030] 为达到上述目的，本发明第六方面实施例提出了一种空调器，其包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，
实现一种空调器的控制方法，所述方法包括：获取该空调器的操作数据；将所述操作数据上
传至采集服务器；接收大数据服务器获取的最终推荐参数，其中，所述大数据服务器通过与
所述采集服务器进行通信以获取所述操作数据，并根据所述操作数据获取个体行为推荐参
数，以及获取群体行为推荐参数，所述最终推荐参数为所述大数据服务器根据所述个体行
为推荐参数和所述群体行为推荐参数生成的；根据所述最终推荐参数控制所述空调器运
行。

[0031] 根据本发明实施例的空调器，能够接收较为适宜的运行参数，方便而又智能，大大提高了用户体验。

附图说明

[0032] 图1为根据本发明实施例的空调器运行参数的推荐方法的流程图；

[0033] 图2为根据本发明实施例的空调器运行参数的推荐系统的方框示意图；

[0034] 图3为根据本发明实施例的大数据服务器的方框示意图。

具体实施方式

[0035] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附
图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

[0036] 下面结合附图来描述本发明实施例的空调器及其运行参数的推荐方法、系统和大数据服务器。

[0037] 图1为根据本发明实施例的空调器运行参数的推荐方法的流程图。

[0038] 如图1所示，本发明实施例的空调器运行参数的推荐方法，包括以下步骤：

[0039] S1，获取待推荐空调器的当前应用场景信息。

[0040] 需要说明的是，本发明实施例的空调器运行参数的推荐方法可在空调器运行参数的推荐系统中执行，该推荐系统中包括多个空调器，该推荐系统中的每个空调器均可作为
待推荐空调器。当然，在本发明的实施例中，待推荐空调器优选为当前有运行参数设置需求
的空调器，该空调器可接收推荐的运行参数，并根据推荐运行参数运行。

[0041] 在本发明的一个实施例中，空调器的运行参数可以为空调器的设置温度。

[0042] 待推荐空调器被应用时具有对应的应用场景，例如在某一地点、某一时间和某一环境下由某个用户应用。在本发明的一个实施例中，空调器的应用场景信息可包括该空调
器所处位置的经度、纬度、应用该空调器的用户的性别、应用该空调器的时间、应用该空调
器时的室内温度和室外温度。本发明具体实施例中的经度和纬度如未标注方位，则默认为
东经和北纬。

[0043] 待推荐空调器的当前应用场景信息为其当前所处位置的经度，如113.1、纬度，如23.5、应用该空调器的用户的性别和年龄，如男(可用数字1表示)和26、应用该空调器的时
间(包括月份和24小时制下的时间)，如8(月)12(时)、应用该空调器时的室内温度和室外温
度，如28(℃)和30(℃)。上述具体示例中的当前应用场景信息在本发明的一个实施例中可
被表示为<113.1，23.5，男，26，8，12，28，30>。

[0044] S2，将当前应用场景信息与存储的应用场景信息库进行对比，以从应用场景信息库中选取与待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景。

[0045] 应用场景信息库可存储多个应用场景下的应用场景信息，并且可来自多个空调器。为提高匹配的成功率和推荐运行参数的准确度，本发明实施例的空调器、应用场景的数
量尽可能地大，例如应用场景信息库中可以包括一个市的所有空调器在一年中所有应用场
景下的应用场景信息。

[0046] 表1示出了应用场景信息库中所包括的N个应用场景下的应用场景信息：

[0047]

[0048] 表1

[0049] 在本发明的一个实施例中，可根据余弦相似性来计算当前应用场景与应用场景信息库中的应用场景之间的距离，并将与当前应用场景之间的距离小于预设距离的应用场景
作为匹配应用场景。

[0050] 具体地，可根据以下公式计算应用场景i和应用场景j之间的距离：

[0051]

[0052] 其中，Si、Sj分别表示应用场景i、应用场景j，sim(Si，Sj)为应用场景i和应用场景j之间的距离， 分别为Si、Sj的特征向量， 分别表示向量 的模。

[0053] S3，获取每个匹配应用场景下的空调器的运行参数，并根据每个匹配应用场景下的空调器的运行参数获取群体行为推荐参数。

[0054] 在本发明的一个实施例中，可根据协同过滤推荐算法获取群体行为推荐参数。具体地，可根据以下公式计算群体行为推荐参数：

[0055]

[0056] 其中，PG(Sp)为群体行为推荐参数，Sp表示匹配应用场景p， 为匹配应用场景p下的平均运行参数，Tp，k为应用场景p下第k次设置的运行参数，n为应用场景p下运行参数的设
置总次数。

[0057] S4，通过采集服务器获取待推荐空调器的历史操作记录，并根据历史操作记录获取个体行为推荐参数。

[0058] 在本发明的一个实施例中，待推荐空调器可获取每次操作待推荐空调器的操作数据，并通过无线网络，如WIFI(Wireless Fidelity，一种无线局域网)将操作数据上传至采
集服务器，由此，采集服务器可对每次接受的操作数据进行存储，并生成待推荐空调器的历
史操作记录。

[0059] 其中，历史操作记录可包括每次操作待推荐空调器的操作时间、运行参数、每次操作待推荐空调器时的室内温度和室外温度。

[0060] 在本发明的一个实施例中，可根据多元线性回归模型获取个体行为推荐参数。

[0061] 具体地，首先，可将操作记录中的操作时间、每次操作待推荐空调器时的室内温度和室外温度作为自变量，并将每次操作待推荐空调器的运行参数作为因变量以构建训练
集。例如将操作月份(month)、操作时间点(hour)、室内温度(tempIn)、室外温度(tempOut)
作为自变量，将运行参数(set)作为因变量，即xq＝，yq＝
setq。由此，可构建训练集：{(x1，y1)，(x2，y2)，…，(xQ，yQ)}，其中，Q表示历史操作记录中操
作数据的有效数量，当运行参数为设定温度时，yi可限制于17～30℃的范围之内。

[0062] 然后，可根据上述训练集对多元线性模型 进行训练以得到模型参数值b0～b4，具体可通过梯度下降法求得。

[0063] 最后，可根据当前时间、当前室内温度和当前室外温度和模型参数值b0～b4计算多元线性模型中的y值，以得到个体行为推荐参数，即PS(X)＝y(x＝X)，其中，X为当前时间、当
前室内温度和当前室外温度，PS(X)为当前时间、当前室内温度和当前室外温度下的个体行
为推荐参数。

[0064] S5，根据群体行为推荐参数和个体行为推荐参数生成最终推荐参数，并将最终推荐参数提供给待推荐空调器，以根据最终推荐参数控制待推荐空调器运行。

[0065] 具体地，可对群体行为推荐参数和个体行为推荐参数进行加权平均运算以得到最终推荐参数，即P＝w1*PG(Sp)+w2*PS(X)，其中，P为最终推荐参数，w1和w2分别为群体行为推
荐参数和个体行为推荐参数所占的权值，其中，w1+w2＝1。w1和w2的具体数值可根据对空调
器的实际控制需求而设定。

[0066] 待推荐空调器可接收该最终推荐参数，并执行该最终推荐参数，如执行最终推荐设定温度。

[0067] 在本发明的一个具体实施例中，待推荐空调器的当前应用场景信息为<113.1，23.5，男，26，8，12，28，30>，假设从应用场景信息库中选取的匹配应用场景下的应用场景信
息为：<113.3，22.5，男，25，7，12，28，30>、<105.0，31.1，男，30，1，13，10，7>、<116.5，39.7，女，32，8，20，26，29>、<113.0，23.6，女，24，7，13，27，29>，上述应用场景下的空调器设定温
度分别为26℃、20℃、25℃、26℃，则根据上述的协同过滤推荐算法可计算出群体行为推荐
设定温度为24.9℃。假设该待推荐空调器过去一年的操作记录如下：<7，12，28，30>，设定温
度26℃；<7，13，27，30>，设定温度26℃；<1，20，15，12>，设定温度20℃；<8，20，26，29>，设定温度25℃，则根据上述的多元线性回归模型可计算出个体行为推荐设定温度为24℃。假设
群体行为推荐设定温度和个体行为推荐设定温度对应的权值均为0.5，则最终推荐设定温
度为24.5℃。将该最终推荐设定温度提供给待推荐空调器，从而可将待推荐空调器的设定
温度设置为24.5℃。

[0068] 综上所述，根据本发明实施例的空调器运行参数的推荐方法，通过将待推荐空调器的当前用户场景与其他用户、其他空调器的应用场景进行比较以获取群体行为推荐参
数，并根据待推荐空调器的历史操作记录获取个体行为推荐参数，然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数，以根据最终推荐参数控制空调器运行，由此，
能够结合群体习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地
对空调器进行控制，大大提高了用户体验。

[0069] 对应上述实施例，本发明还提出一种非临时性计算机可读存储介质。

[0070] 本发明实施例的非临时性计算机可读存储介质存储有计算机程序，其中，当该程序被处理器执行时，可实现本发明上述实施例提出的空调器运行参数的推荐方法。

[0071] 根据本发明实施例的非临时性计算机可读存储介质，通过执行其存储的计算机程序，能够将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大
提高了用户体验。

[0072] 对应上述实施例，本发明还提出一种计算机程序产品。

[0073] 本发明实施例的计算机程序产品，当计算机程序产品中的指令由处理器执行时，执行本发明上述实施例提出的空调器运行参数的推荐方法

[0074] 根据本发明实施例的计算机程序产品，当其由处理器执行时，能够将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大提高了用户体验。

[0075] 对应上述实施例，本发明还提出一种空调器运行参数的推荐系统。

[0076] 如图2所示，本发明实施例的空调器运行参数的推荐系统，包括待推荐空调器10、采集服务器20和大数据服务器30。

[0077] 其中，待推荐空调器10用于获取操作数据，并将操作数据上传至采集服务器20；采集服务器20用于根据操作数据生成待推荐空调器10的历史操作记录；大数据服务器30通过
与采集服务器20进行通信以获取待推荐空调器10的历史操作记录，并根据历史操作记录获
取个体行为推荐参数，大数据服务器30还用于获取待推荐空调器10的当前应用场景信息，
并将当前应用场景信息与存储的应用场景信息库进行对比，以从应用场景信息库中选取与
待推荐空调器10的当前应用场景相匹配的至少一个匹配应用场景，以及获取每个匹配应用
场景下的空调器的运行参数，并根据每个匹配应用场景下的空调器的运行参数获取群体行
为推荐参数，以及根据群体行为推荐参数和个体行为推荐参数生成最终推荐参数，并将最
终推荐参数提供给待推荐空调器10；待推荐空调器10根据最终推荐参数运行。

[0078] 需要说明的是，本发明实施例的空调器运行参数的推荐系统可包括多个空调器，该推荐系统中的每个空调器均可作为待推荐空调器。当然，在本发明的实施例中，待推荐空
调器优选为当前有运行参数设置需求的空调器，该空调器可接收推荐的运行参数，并根据
推荐运行参数运行。

[0079] 本发明实施例的空调器运行参数的推荐系统的具体实施方式可参照上述实施例，在此不再赘述。

[0080] 根据本发明实施例的空调器运行参数的推荐系统，大数据服务器通过将待推荐空调器的当前用户场景与其他用户、其他空调器的应用场景进行比较以获取群体行为推荐参
数，并根据待推荐空调器的历史操作记录获取个体行为推荐参数，然后根据群体行为推荐
参数和个体行为推荐参数生成最终推荐参数，以根据最终推荐参数控制空调器运行，由此，
能够结合群体习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地
对空调器进行控制，大大提高了用户体验。

[0081] 对应上述实施例，本发明还提出一种空调器。

[0082] 本发明实施例的空调器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序。当处理器执行该程序时，可实现一种空调器的控制方法，该方法包括：获
取该空调器的操作数据；将操作数据上传至采集服务器；接收大数据服务器获取的最终推
荐参数，其中，大数据服务器通过与采集服务器进行通信以获取操作数据，并根据操作数据
获取个体行为推荐参数，以及获取群体行为推荐参数，最终推荐参数为大数据服务器根据
个体行为推荐参数和群体行为推荐参数生成的；根据最终推荐参数控制空调器运行。

[0083] 也就是说，本发明实施例的空调器即为上述实施例所述的待推荐空调器，其更具体的实施方式可参照上述实施例。

[0084] 根据本发明实施例的空调器，能够接收较为适宜的运行参数，方便而又智能，大大提高了用户体验。

[0085] 对应上述实施例，本发明还提出一种大数据服务器。

[0086] 本发明实施例的大数据服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行该程序时，实现本发明上述实施例提出的空调器运
行参数的推荐方法。

[0087] 根据本发明实施例的大数据服务器，能够结合群体习惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控制，大大提高了用户体验。

[0088] 对应上述实施例，本发明还提出另一种大数据服务器。

[0089] 如图3所示，本发明实施例的大数据服务器，包括第一获取模块31、对比模块32、第二获取模块33、第三获取模块34和推荐模块35。

[0090] 其中，第一获取模块31用于获取待推荐空调器的当前应用场景信息；对比模块32用于将当前应用场景信息与存储的应用场景信息库进行对比，以从应用场景信息库中选取
与待推荐空调器的当前应用场景相匹配的至少一个匹配应用场景；第二获取模块33用于获
取每个匹配应用场景下的空调器的运行参数，并根据每个匹配应用场景下的空调器的运行
参数获取群体行为推荐参数；第三获取模块34用于通过采集服务器获取待推荐空调器的历
史操作记录，并根据历史操作记录获取个体行为推荐参数；推荐模块35用于根据群体行为
推荐参数和个体行为推荐参数生成最终推荐参数，并将最终推荐参数提供给待推荐空调
器，以根据最终推荐参数控制待推荐空调器运行。

[0091] 需要说明的是，本发明实施例的大数据服务器可连接多个空调器，其所连接的每个空调器均可作为待推荐空调器。当然，在本发明的实施例中，待推荐空调器优选为当前有
运行参数设置需求的空调器，该空调器可接收推荐的运行参数，并根据推荐运行参数运行。

[0092] 在本发明的一个实施例中，空调器的运行参数可以为空调器的设置温度。

[0093] 待推荐空调器被应用时具有对应的应用场景，例如在某一地点、某一时间和某一环境下由某个用户应用。在本发明的一个实施例中，空调器的应用场景信息可包括该空调
器所处位置的经度、纬度、应用该空调器的用户的性别、应用该空调器的时间、应用该空调
器时的室内温度和室外温度。本发明具体实施例中的经度和纬度如未标注方位，则默认为
东经和北纬。

[0094] 待推荐空调器的当前应用场景信息为其当前所处位置的经度，如113.1、纬度，如23.5、应用该空调器的用户的性别和年龄，如男(可用数字1表示)和26、应用该空调器的时
间(包括月份和24小时制下的时间)，如8(月)12(时)、应用该空调器时的室内温度和室外温
度，如28(℃)和30(℃)。上述具体示例中的当前应用场景信息在本发明的一个实施例中可
被表示为<113.1，23.5，男，26，8，12，28，30>。

[0095] 应用场景信息库处于大数据服务器中，其可存储多个应用场景下的应用场景信息，并且可来自多个空调器。为提高匹配的成功率和推荐运行参数的准确度，本发明实施例
的空调器、应用场景的数量尽可能地大，例如应用场景信息库中可以包括一个市的所有空
调器在一年中所有应用场景下的应用场景信息。

[0096] 表1示出了应用场景信息库中所包括的N个应用场景下的应用场景信息：

[0097]

[0098] 表1

[0099] 在本发明的一个实施例中，对比模块32可根据余弦相似性来计算当前应用场景与应用场景信息库中的应用场景之间的距离，并将与当前应用场景之间的距离小于预设距离
的应用场景作为匹配应用场景。

[0100] 具体地，对比模块32可根据以下公式计算应用场景i和应用场景j之间的距离：

[0101]

[0102] 其中，Si、Sj分别表示应用场景i、应用场景j，sim(Si，Sj)为应用场景i和应用场景j之间的距离， 分别为Si、Sj的特征向量， 分别表示向量 的模。

[0103] 在本发明的一个实施例中，第二获取模块33可根据协同过滤推荐算法获取群体行为推荐参数。具体地，第二获取模块33可根据以下公式计算群体行为推荐参数：

[0104]

[0105] 其中，PG(Sp)为群体行为推荐参数，Sp表示匹配应用场景p， 为匹配应用场景p下的平均运行参数，Tp，k为应用场景p下第k次设置的运行参数，n为应用场景p下运行参数的设
置总次数。

[0106] 在本发明的一个实施例中，待推荐空调器可获取每次操作待推荐空调器的操作数据，并通过无线网络，如WIFI将操作数据上传至采集服务器，由此，采集服务器可对每次接
受的操作数据进行存储，并生成待推荐空调器的历史操作记录。

[0107] 其中，历史操作记录可包括每次操作待推荐空调器的操作时间、运行参数、每次操作待推荐空调器时的室内温度和室外温度。

[0108] 在本发明的一个实施例中，第三获取模块34可根据多元线性回归模型获取个体行为推荐参数。

[0109] 具体地，首先，第三获取模块34可将操作记录中的操作时间、每次操作待推荐空调器时的室内温度和室外温度作为自变量，并将每次操作待推荐空调器的运行参数作为因变
量以构建训练集。例如将操作月份(month)、操作时间点(hour)、室内温度(tempIn)、室外温
度(tempOut)作为自变量，将运行参数(set)作为因变量，即xq＝tempOutq>，yq＝setq。由此，可构建训练集：{(x1，y1)，(x2，y2)，…，(xQ，yQ)}，其中，Q表示历史操作记录中操作数据的有效数量，当运行参数为设定温度时，yi可限制于17～30℃的范围
之内。

[0110] 然后，第三获取模块34可根据上述训练集对多元线性模型 进行训练以得到模型参数值b0～b4，具体可通过梯度下降法求得。

[0111] 最后，第三获取模块34可根据当前时间、当前室内温度和当前室外温度和模型参数值b0～b4计算多元线性模型中的y值，以得到个体行为推荐参数，即PS(X)＝y(x＝X)，其
中，X为当前时间、当前室内温度和当前室外温度，PS(X)为当前时间、当前室内温度和当前
室外温度下的个体行为推荐参数。

[0112] 在本发明的一个实施例中，推荐模块35可对群体行为推荐参数和个体行为推荐参数进行加权平均运算以得到最终推荐参数，即P＝w1*PG(Sp)+w2*PS(X)，其中，P为最终推荐
参数，w1和w2分别为群体行为推荐参数和个体行为推荐参数所占的权值，其中，w1+w2＝1。w1
和w2的具体数值可根据对空调器的实际控制需求而设定。

[0113] 待推荐空调器可接收该最终推荐参数，并执行该最终推荐参数，如执行最终推荐设定温度。

[0114] 综上所述，根据本发明实施例的大数据服务器，通过将待推荐空调器的当前用户场景与其他用户、其他空调器的应用场景进行比较以获取群体行为推荐参数，并根据待推
荐空调器的历史操作记录获取个体行为推荐参数，然后根据群体行为推荐参数和个体行为
推荐参数生成最终推荐参数，以根据最终推荐参数控制空调器运行，由此，能够结合群体习
惯和个人偏好，将较为适宜的运行参数推荐给空调器，从而可方便智能地对空调器进行控
制，大大提高了用户体验。

[0115] 在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必
须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0116] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，
除非另有明确具体的限定。

[0117] 在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连
接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内
部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情
况理解上述术语在本发明中的具体含义。

[0118] 在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在
第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示
第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第
一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

[0119] 在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特
点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任
一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技
术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结
合和组合。

[0120] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述
实施例进行变化、修改、替换和变型。