一种基于多模态生理数据的人体体感自适应环境调控方法与流程

本发明涉及智能家居控制，具体的说，尤其是一种基于多模态生理数据的人体体感自适应环境调控方法。

背景技术：

1、随着智能家居行业快速发展，空调、加湿器、除湿机等环境调节设备已广泛普及，现有智能家居环境调控方案大多依托室内环境传感器采集空气温度、空气湿度数据，仅以室内环境参数作为唯一调控依据，按照预设固定温湿度阈值启停设备。

2、传统方案仅感知室内空气温湿度，无法捕捉人体皮肤表面实时生理状态。同一室内环境下，不同人群、不同活动状态的体感差异极大：例如运动后人体体表升温、大量出汗，即便室内空气温度达标，人体依旧燥热黏腻；夜间睡眠时代谢放缓、体表温度下降，标准室温下仍会产生冷感；统一环境参数会出现有人燥热、有人寒冷的矛盾情况。单纯依靠空气环境参数调控，完全忽略人体个体生理差异与实时代谢变化，导致设备调节结果和人体舒适感知严重不匹配。另外，人体体感舒适度由温度、湿度、自身活动量、个体生理基础共同耦合决定，传统方案仅拆分空气温度、空气湿度独立调控，无法融合人体运动、心率、皮肤温湿度等多维度生理信号综合判断体感。例如轻度活动时轻微出汗叠加空气高湿，会产生闷湿感，单独降温或单独除湿均无法有效改善；静息久坐时皮肤干燥叠加低温，单纯升温无法缓解干冷不适，现有设备缺少多模态数据融合判断逻辑，调节手段单一，难以针对性消除复合型体感不适。

3、综上，当前智能家居环境调控技术仅依靠室内空气传感器实现被动、标准化调节，缺少对人体多模态生理数据的融合分析，无法从人体实时体感角度主动预判调节需求，存在适配性差和舒适匹配度低的问题。

技术实现思路

1、为了克服现有技术存在的缺陷，本发明提供一种基于多模态生理数据的人体体感自适应环境调控方法，旨在解决上述现有技术中的问题。

2、本发明解决其技术问题所采用的技术方案是：一种基于多模态生理数据的人体体感自适应环境调控方法，包括以下步骤：

3、s1：获取目标对象的多模态生理数据，所述多模态生理数据包括运动生理数据、体表温度数据和体表湿度数据；

4、s2：根据所述运动生理数据，确定所述目标对象的人体活动状态；

5、s3：获取目标对象的个体基础生理信息，根据所述体表温度数据、所述体表湿度数据、人体活动状态和个体基础生理信息，确定温度体感偏移量和湿度体感偏移量；

6、s4：根据所述人体活动状态、所述温度体感偏移量和所述湿度体感偏移量调节环境执行设备。

7、优选的，在所述步骤s2中，根据所述运动生理数据，确定所述目标对象的人体活动状态的步骤包括：

8、获取所述运动生理数据中的体动幅度数据、心率数据和心率变异性数据；

9、获取体动幅度数据所在的加速度区间，根据加速度区间-第一标签映射表确定体动幅度数据对应的第一标签；

10、获取心率数据所在的心率区间，根据心率区间-第二标签映射表确定心率数据对应的第二标签；

11、获取心率变异性数据所在的变异性区间，根据变异性区间-第三标签映射表确定心率变异性数据对应的第三标签；

12、根据所述第一标签、第二标签和第三标签的组合，确定所述目标对象的人体活动状态为剧烈运动状态、中度活动状态、轻度活动状态、静息休憩状态或睡眠状态。

13、可选的，在所述步骤s3中，确定温度体感偏移量和湿度体感偏移量的步骤包括：

14、根据当前周期的多模态生理数据对应的人体活动状态获取对应的最新的皮肤温度基线、最新的皮肤湿度基线和最新的心率基线；

15、以最新的皮肤温度基线为中心构建最新的皮肤温度基线区间；

16、以最新的皮肤湿度基线为中心构建最新的皮肤湿度基线区间；

17、以最新的心率基线为中心构建当前周期心率基线区间；

18、若当前周期的多模态生理数据的体表温度数据在最新的皮肤温度基线区间内、当前周期的多模态生理数据的体表湿度数据在最新的皮肤湿度基线区间内且当前周期的多模态生理数据的运动生理数据中的心率数据在最新的心率基线区间内，则为当前周期的多模态生理数据赋予舒适标签；

19、在当前周期的多模态生理数据没有被赋予舒适标签时，根据当前周期的体表温度数据、当前周期的体表湿度数据、最新的皮肤温度基线和最新的皮肤湿度基线确定温度体感偏移量和湿度体感偏移量。

20、具体地，在所述步骤s3中，根据当前周期的多模态生理数据对应的人体活动状态获取对应的最新的皮肤温度基线、最新的皮肤湿度基线和最新的心率基线的步骤包括：

21、对基线数据进行初始化后，获取包括用户身体质量指数bmi和用户年龄age的个体基础生理信息；

22、根据所述人体活动状态，通过人体活动状态-代谢率当量映射表确定温度代谢率当量、湿度代谢率当量和心率代谢率当量；

23、基于温度代谢率当量、用户身体质量指数bmi和用户年龄age确定每种人体活动状态的初始皮肤温度基线，将所述初始皮肤温度基线作为迭代更新的最新的皮肤湿度基线的初始值；

24、基于湿度代谢率当量、用户身体质量指数bmi和用户年龄age确定每种人体活动状态的初始皮肤湿度基线，将所述初始皮肤湿度基线作为迭代更新的最新的皮肤湿度基线的初始值；

25、基于心率代谢率当量和用户年龄age确定初始心率基线，将所述初始心率基线作为迭代更新的最新的皮肤湿度基线的初始值；

26、基于最新获取的标有舒适标签的多模态生理数据中的体表温度数据和皮肤温度基线，采用指数加权移动平均的方式迭代更新得到皮肤温度基线均值，并将皮肤温度基线均值作为最新的皮肤温度基线；

27、基于最新获取的标有舒适标签的多模态生理数据中的体表湿度数据和皮肤湿度基线，采用指数加权移动平均的方式迭代更新得到皮肤湿度基线均值，并将皮肤湿度基线均值作为最新的皮肤湿度基线。

28、值得说明的是，在所述步骤s3中，根据当前周期的体表温度数据、当前周期的体表湿度数据、最新的皮肤温度基线和最新的皮肤湿度基线确定温度体感偏移量和湿度体感偏移量的步骤包括：

29、计算当前周期的体表温度数据与最新的皮肤温度基线的差值作为第一差值；根据所述第一差值确定所述温度体感偏移量；其中为预设温度调节系数，为历史的体表温度数据的标准差；为人体活动状态对应的温度调节幅度权重系数；

30、计算当前周期的体表湿度数据与最新的皮肤湿度基线的差值作为第二差值；根据所述第二差值确定所述湿度体感偏移量；其中为预设湿度调节系数，为历史的体表湿度数据的标准差；为人体活动状态对应的湿度调节权重系数。

31、优选的，在所述步骤s3中，确定温度体感偏移量和湿度体感偏移量的步骤包括：

32、通过环境温度传感器获取室内空气温度实测值，从数据库中获取与标记有舒适标签的历史多模态生理数据同一采集时间的历史室内空气温度，并计历史室内空气温度的平均值作为历史温度均值，基于空气温度实测值和历史温度均值计算得到温度修正参数，其中为温度调整系数；

33、计算修正后的温度体感偏移量，并将最新的温度体感偏移量替换为修正后的温度体感偏移量；

34、通过环境湿度传感器获取室内空气湿度实测值，从数据库中获取与标记有舒适标签的历史多模态生理数据同一采集时间的历史室内空气湿度，并计算历史室内空气湿度的平均值作为历史湿度均值，基于空气湿度实测值和历史湿度均值计算得到湿度修正参数，其中为湿度调整系数；

35、计算修正后的温度体感偏移量，并将最新的湿度体感偏移量替换成修正后的温度体感偏移量。

36、可选的，在所述步骤s4中，调节环境执行设备的步骤包括：

37、当人体活动状态为睡眠状态时，基于心率变异性数据hrv将睡眠状态划分成离床子状态、浅睡期子状态、深睡期子状态和快速眼动睡眠期子状态；

38、当人体活动状态为剧烈运动状态、中度活动状态、轻度活动状态、静息休憩状态、浅睡期子状态或快速眼动睡眠期子状态，且温度体感偏移量小于预设的第一负数阈值时，比较当前周期的温度体感偏移量的绝对值与前一周期的温度体感偏移量的绝对值；

39、若当前周期的温度体感偏移量的绝对值小于前一周期的温度体感偏移量的绝对值，将所述环境执行设备中的制冷制热设备的设定温度更新为第一温度设定目标值，并以设定温度驱动制冷制热设备，其中第一温度设定目标值=当前设定温度+当前周期的温度体感偏移量；

40、若当前周期的温度体感偏移量的绝对值大于或等于前一周期的温度体感偏移量的绝对值，将制冷制热设备的设定温度更新为第二温度设定目标值，并以设定温度驱动制冷制热设备，其中第二温度设定目标值=当前设定温度+当前周期的温度体感偏移量-温度追加步进量；

41、当人体活动状态为剧烈运动状态、中度活动状态、轻度活动状态、静息休憩状态、浅睡期子状态或快速眼动睡眠期子状态，且温度体感偏移量大于预设的第一正数阈值时，将制冷制热设备的设定温度更新为第一温度设定目标值，并以设定温度驱动制冷制热设备，其中第一温度设定目标值=当前设定温度+当前周期的温度体感偏移量；

42、直到温度体感偏移量大于或等于预设的第一负数阈值且小于或等于预设的第一正数阈值为止；

43、当人体活动状态为深睡期子状态时，当温度体感偏移量的绝对值大于安全温度阈值，驱动制冷制热设备，直到温度体感偏移量的绝对值小于或等于安全温度阈值为止；

44、当人体活动状态为离床子状态时，将制冷制热设备的设定温度更新为第三温度设定目标值，并以设定温度驱动制冷制热设备，直到人体活动状态跳转到其他状态；其中第三温度设定目标值=当前设定温度+当前周期的温度体感偏移量+温度节能调节量，当若温度体感偏移量为负数，温度节能调节量为负数，当若温度体感偏移量为正数，温度节能调节量为正数。

45、具体地，在所述步骤s4中，调节环境执行设备的步骤包括：

46、当人体活动状态为睡眠状态时，基于心率变异性数据hrv将睡眠状态划分成离床子状态、浅睡期子状态、深睡期子状态和快速眼动睡眠期子状态；

47、当人体活动状态为剧烈运动状态、中度活动状态、轻度活动状态、静息休憩状态、浅睡期子状态或快速眼动睡眠期子状态，且湿度体感偏移量小于预设的第二负数阈值时，比较当前周期的湿度体感偏移量的绝对值与前一周期的湿度体感偏移量的绝对值；

48、若当前周期的湿度体感偏移量的绝对值小于前一周期的温度体感偏移量的绝对值，将所述环境执行设备中的加湿除湿设备的设定湿度更新为第一湿度设定目标值，并以设定湿度驱动加湿除湿设备，其中第一湿度设定目标值=当前设定湿度+当前周期的湿度体感偏移量；

49、若当前周期的温度体感偏移量的绝对值大于或等于前一周期的温度体感偏移量的绝对值，将加湿除湿设备的设定湿度更新为第二湿度设定目标值，并以设定湿度驱动加湿除湿设备，其中第二湿度设定目标值=当前设定湿度+当前周期的湿度体感偏移量-湿度追加步进量；

50、当人体活动状态为剧烈运动状态、中度活动状态、轻度活动状态、静息休憩状态、浅睡期子状态或快速眼动睡眠期子状态，且温度体感偏移量大于预设的第二正数阈值时，将加湿除湿设备的设定湿度更新为第一湿度设定目标值，并以设定湿度驱动加湿除湿设备，其中第一湿度设定目标值=当前设定湿度+当前周期的湿度体感偏移量；

51、直到湿度体感偏移量大于或等于预设的第二负数阈值且小于或等于预设的第二正数阈值为止；

52、在深睡期子状态时，当湿度体感偏移量的绝对值大于安全湿度阈值，以最低档位驱动加湿除湿设备，直到湿度体感偏移量的绝对值小于或等于安全湿度阈值为止；

53、在离床子状态时，将加湿除湿设备的设定温度更新为第三湿度设定目标值，并以设定湿度驱动加湿除湿设备，直到人体活动状态跳转到其他状态；其中第三湿度设定目标值=当前设定湿度+当前周期的湿度体感偏移量+湿度节能调节量，当若湿度体感偏移量为负数，湿度节能调节量为负数，当若湿度体感偏移量为正数，湿度节能调节量为正数。

54、本发明的有益效果在于：在所述基于多模态生理数据的人体体感自适应环境调控方法中，通过融合运动生理和体表温湿度的多模态生理数据，同时引入用户个体基础生理信息作为计算基准，区别于单一环境传感器调控模式，能够从人体真实体感出发推导环境调节需求，而非仅依据室内空气温湿度进行被动调节，大幅提升环境调控与人体舒适感知的匹配度，解决传统空调、除湿加湿设备仅参考环境参数、忽略人体实时生理体感导致调节滞后、舒适感差的问题。