多数据源的数据处理方法、装置、设备及存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种多数据源的数据处理方法、装置、设备及存储介质。


背景技术：

2.目前，随着智能家电的不断发展，通常会出现多个家电设备同时监测同一指标的现象。例如，家庭中的空调、温度计、空气净化器等都可用于监测家庭环境温度。当多个家电设备同时监测同一指标时，云端可以通过对多个家电设备的上报数据直接取平均的方式，来确定该指标的最终取值。
3.然而，当上述多个家电设备中的设备位置发生移动，且家电设备位置发生移动的现象无法及时上报云端时，云端会对该数据进行错误解析，例如，当温度计从卧室被拿到客厅后，其感知并上报的已经是客厅温度了，但云端仍然将该数据作为卧室温度，从而引发错误。
4.因此，需要提供一种多数据源的数据处理方法，以提高数据处理结果的准确性。


技术实现要素：

5.本技术提供一种多数据源的数据处理方法、装置、设备及存储介质，用以解决相关技术中通过对多个家电设备的上报数据直接取平均的方式，来确定测量指标的取值所导致的取值确定不准确的问题。
6.第一方面，本技术提供一种多数据源的数据处理方法，包括：
7.接收多个家电设备上报的多条上报数据，并确定所述多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，所述家电设备与所述上报数据一一对应；
8.针对所述上报数据组的每一上报数据，若确定所述上报数据对应的家电设备为可移动设备，则基于所述上报数据中的测量值、以及所述上报数据组中的可信数据的测量值，确定所述上报数据的可信度；其中，所述可信数据用于指示所述上报数据组中对应的家电设备为不可移动设备的上报数据；
9.基于所述上报数据组的上报数据的可信度、以及所述上报数据组中各上报数据中的测量值，确定所述上报数据组所对应的测量指标的取值。
10.在一些实施例中，基于所述上报数据中的测量值、以及所述上报数据组中的可信数据的测量值，确定所述上报数据的可信度，包括：
11.确定所述上报数据组中的可信数据的第一数量，以及所述上报数据组中各可信数据对的测量值进行求和处理后的求和结果；
12.基于所述求和结果以及所述第一数量，确定所述各可信数据的测量数据的第一平均值；
13.基于所述第一平均值、以及所述上报数据中的测量值，确定所述上报数据的可信度。
14.在一些实施例中，基于所述第一平均值，以及所述上报数据中的测量值，确定所述上报数据的可信度，包括：
15.对所述第一平均值与所述上报数据中的测量值，进行求差处理，得到第一差值；
16.确定所述第一差值与所述第一平均值的比值；
17.基于所述比值与第一预设值，确定所述上报数据的可信度。
18.在一些实施例中，基于所述上报数据组的上报数据的可信度、以及所述上报数据组中各上报数据中的测量值，确定所述上报数据组所对应的测量指标的取值，包括：
19.在所述上报数据组中，去除取值小于第二预设值的可信度所对应的上报数据，得到第一剩余上报数据；
20.基于所述第一剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值。
21.在一些实施例中，所述家电设备具有相关性信息，所述相关性信息用于指示所述家电设备与所述上报数据组对应的测量指标的相关度；基于所述第一剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值，包括：
22.在所述第一剩余上报数据中，去除取值小于第三预设值的相关度所对应的家电设备上报的上报数据，得到第二剩余上报数据；
23.基于所述第二剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值。
24.在一些实施例中，所述上报数据组所对应的测量指标的取值具有预设取值精度；基于所述第一剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值，包括：
25.在所述第一剩余上报数据中，确定取值精度大于所述预设取值精度的测量值所对应的上报数据为第三剩余上报数据；
26.基于所述第三剩余上报数据的测量值以及所述预设取值精度，确定所述上报数据组所对应的测量指标的取值。
27.在一些实施例中，所述上报数据中包括属性名称；所述确定所述多条上报数据中具有相同测量指标的上报数据，为同一上报数据组，包括：
28.基于所述上报数据的属性名称，以及所述家电设备的设备模型，确定所述上报数据的感知标签；其中，所述家电设备的设备模型用于指示所述属性名称与所述感知标签的对应关系；表征相同测量指标的属性名称不同家电设备的设备模型中对应有相同的感知标签；
29.确定所述多条上报数据中具有相同感知标签的上报数据，为同一上报数据组。
30.第二方面，本技术提供一种多数据源的数据处理装置，包括：
31.接收单元，用于接收多个家电设备上报的多条上报数据；
32.第一确定单元，用于确定所述多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，所述家电设备与所述上报数据一一对应；
33.第二确定单元，用于针对所述上报数据组的每一上报数据，若确定所述上报数据对应的家电设备为可移动设备，则基于所述上报数据中的测量值、以及所述上报数据组中的可信数据的测量值，确定所述上报数据的可信度；其中，所述可信数据用于指示所述上报
数据组中对应的家电设备为不可移动设备的上报数据；
34.第三确定单元，用于基于所述上报数据组的上报数据的可信度、以及所述上报数据组中各上报数据中的测量值，确定所述上报数据组所对应的测量指标的取值。
35.在一些实施例中，所述第二确定单元，包括：
36.第一确定模块，用于确定所述上报数据组中的可信数据的第一数量，以及所述上报数据组中各可信数据对的测量值进行求和处理后的求和结果；
37.第二确定模块，用于基于所述求和结果以及所述第一数量，确定所述各可信数据的测量数据的第一平均值；
38.第三确定模块，用于基于所述第一平均值、以及所述上报数据中的测量值，确定所述上报数据的可信度。
39.在一些实施例中，所述第三确定模块，具体用于：
40.对所述第一平均值与所述上报数据中的测量值，进行求差处理，得到第一差值；
41.确定所述第一差值与所述第一平均值的比值；
42.基于所述比值与第一预设值，确定所述上报数据的可信度。
43.在一些实施例中，所述第三确定单元，包括：
44.去除模块，用于在所述上报数据组中，去除取值小于第二预设值的可信度所对应的上报数据，得到第一剩余上报数据；
45.第四确定模块，用于基于所述第一剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值。
46.在一些实施例中，所述家电设备具有相关性信息，所述相关性信息用于指示所述家电设备与所述上报数据组对应的测量指标的相关度；所述第四确定模块，具体用于：
47.在所述第一剩余上报数据中，去除取值小于第三预设值的相关度所对应的家电设备上报的上报数据，得到第二剩余上报数据；
48.基于所述第二剩余上报数据的测量值，确定所述上报数据组所对应的测量指标的取值。
49.在一些实施例中，所述上报数据组所对应的测量指标的取值具有预设取值精度；所述第四确定模块，具体用于：
50.在所述第一剩余上报数据中，确定取值精度大于所述预设取值精度的测量值所对应的上报数据为第三剩余上报数据；
51.基于所述第三剩余上报数据的测量值以及所述预设取值精度，确定所述上报数据组所对应的测量指标的取值。
52.在一些实施例中，所述上报数据中包括属性名称；所述第一确定单元，包括：
53.第五确定模块，用于基于所述上报数据的属性名称，以及所述家电设备的设备模型，确定所述上报数据的感知标签；其中，所述家电设备的设备模型用于指示所述属性名称与所述感知标签的对应关系；表征相同测量指标的属性名称不同家电设备的设备模型中对应有相同的感知标签；
54.第六确定模块，用于确定所述多条上报数据中具有相同感知标签的上报数据，为同一上报数据组。
55.第三方面，本技术提供一种电子设备，包括：存储器，处理器；
56.存储器；用于存储所述处理器可执行指令的存储器；
57.其中，所述处理器，用于根据所述可执行指令执行如第一方面任一项所述的方法。
58.第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面任一项所述的方法。
59.第五方面，本技术一种计算机程序产品，所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法。
60.本技术提供的多数据源的数据处理方法、装置、设备及存储介质，该方法包括以下步骤：接收多个家电设备上报的多条上报数据，并确定所述多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，所述家电设备与所述上报数据一一对应；针对所述上报数据组的每一上报数据，若确定所述上报数据对应的家电设备为可移动设备，则基于所述上报数据中的测量值、以及所述上报数据组中的可信数据的测量值，确定所述上报数据的可信度；其中，所述可信数据用于指示所述上报数据组中对应的家电设备为不可移动设备的上报数据；基于所述上报数据组的上报数据的可信度、以及所述上报数据组中各上报数据中的测量值，确定所述上报数据组所对应的测量指标的取值。本实施例中，为了避免家电设备移动，且云端服务器无法感知家电设备发生移动现象时，云端服务器会对家电设备上报的数据进行错误的解析的现象，会基于可移动设备的上报数据中的测量值、以及上报数据组中的可信数据的测量值，确定该上报数据的可信度，进而确保云端服务器可以基于上报数据的可信度，确定该上报数据组所对应的测量指标的取值。相比于相关技术中，对多台设备的上报数据直接求取平均值的方式来确定测量指标的取值的方式，本实施例提供的方法所确定得到的测量指标的取值的准确度更高，并且，还可以提高后续云端服务器对家电设备的控制的准确性。
附图说明
61.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
62.图1为本技术实施例提供的一种多数据源的数据处理方法的流程示意图；
63.图2为本技术实施例提供的一种应用场景示意图；
64.图3为本技术实施例提供的又一种多数据源的数据处理方法的流程示意图；
65.图4为本技术实施例提供的另一种多数据源的数据处理方法的流程示意图；
66.图5为本技术提供的一种设备模型的结构示意图；
67.图6为本技术实施例提供的一种设备模型的示意图；
68.图7为本技术实施例提供的一种空气环境模型示意图；
69.图8为本技术实施例提供一种多数据源的数据处理装置的结构示意图；
70.图9为本技术实施例提供又一种多数据源的数据处理装置的结构示意图；
71.图10为本技术实施例中提供的一种电子设备的结构示意图。
72.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
73.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本技术相一致的所有实施方式。相反，它们仅是与本技术的一些方面相一致的装置和方法的例子。
74.在本技术的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。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技术中的具体含义。此外，在本技术的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
75.当前，随着智能家电的不断发展，在人们的家庭生活中通常会使用到多个家电设备，例如，智能空调、智能空气净化器、冰箱等等。当家庭环境中设置有多个家电设备时，通常会出现多个家电设备可用于同时监测同一测量指标的现象，其中，测量指标可以为家庭中的环境温度指标、湿度指标等环境指标，又或者可以为家庭中用户的心率指标、血压指标等用户指标、又或者可以为家庭中食物的新鲜度等举例来说，家庭中的空调、温度计、空气净化器等都可用于监测家庭环境温度，相关技术中，当多个家电设备同时监测同一测量指标时，云端可以通过对多个家电设备上报的该测量指标的上报数据直接取平均的方式，来确定该指标的最终取值。
76.然而，当上述多个家电设备中的设备位置发生移动，且云端无法及时获取到家电设备的位置发生移动的现象时，云端会对该数据进行错误解析。举例来说，当温度计从卧室被拿到客厅后，此时温度计感知并上报的上报数据所指示的温度为客厅温度，但是云端仍然将该数据作为卧室温度去处理，会导致云端所确定的卧室温度值不准确，进一步的影响后续对卧室温度调节的控制处理。
77.本技术提供一种多数据源的数据处理方法、装置、设备及存储介质，用以解决上述技术问题中的至少一项。
78.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
79.图1为本技术实施例提供的一种多数据源的数据处理方法的流程示意图，如图1所示，该方法包括以下步骤：
80.s101、接收多个家电设备上报的多条上报数据，并确定多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，家电设备与上报数据一一对应。
81.示例性地，本实施例的执行主体可以为多数据源的数据处理装置，其中，数据处理装置可以为云端服务器、电子设备、芯片等，此处不做具体限制。本实施例中，以云端服务器为执行主体，进行介绍。
82.本实施例中的多个家电设备可以为同一家庭环境中所设置的设备，且上述多个家电设备可以将其感知或者监测到的数据上报至同一云端服务器。
83.此外，本实施例中的测量指标可以为环境温度、环境湿度、用户健康状态指标等。
84.当云端服务器接收到多个家电设备上报的多条上报数据之后，云端服务器会将具有相同测量指标的上报数据划分至同一上报数据组，其中，家电设备与上报数据之间为一一对应的关系。举例来说，当多个家电设备中包括有空调、温度计、空气净化器这三个都可用于监测家庭环境温度的家电设备时，此时，可以将这三个家电设备上报的上报数据划分至同一上报数据组。即，上报数据组与测量指标之间为一一对应的关系。
85.一个示例中，云端服务器在确定上报数据是否具有相同的测量指标时，可以基于上报数据所对应的标签所确定，例如，家电设备1所对应的上报数据1对应的标签为“temp”，家电设备2所对应的上报数据2对应的也标签为“temp”，则此时，可以将上报数据1以及上报数据2划分至同一上报数据组。
86.s102、针对上报数据组的每一上报数据，若确定上报数据对应的家电设备为可移动设备，则基于上报数据中的测量值、以及上报数据组中的可信数据的测量值，确定上报数据的可信度；其中，可信数据用于指示上报数据组中对应的家电设备为不可移动设备的上报数据。
87.示例性地，当云端服务器对多条上报数据进行划分之后，针对划分后的每一上报数据组中的每一条上报数据，首先，若云端服务器确定该上报数据对应的家电设备为可移动设备时，此时，云端服务器确定该上报数据的可信度，进而避免该家电设备移动所导致的监测指标发生变化的现象。本实施例中，在确定上报数据的可信度时，可以将基于该上报数据组中的可信数据(即上报数据组中不可移动设备所上报的上报数据)的测量值以及该上报数据中所包含的测量值，来确定该上报数据的可信度。
88.一个示例中，为了确定上报数据的可信度，可以在该上报数据组中任意选择一个可信数据，即任意选择一个不可移动设备所上报的上报数据，将该上报数据的测量值与可信数据的测量值进行求差处理，并基于求差处理得到的差值，确定上报数据对应的可信度，其中，差值与可信度的取值之间呈负相关的关系，即差值越大，则可信度的取值越小。此处，需要说明的是，本实施例中可信度的取值范围可以为多个，也可以仅包括两个。例如，可信度取值可以为[0,1]之间的数值。又或者，可信度的取值也可以为0或者1，当可信度取值为0时，表征该上报数据不可信；当可信度取值为1时，表征该上报数据可信。
[0089]
一个示例中，为了确定上报数据的可信度，可以在该上报数据组中任意选择一个可信数据，即任意选择一个不可移动设备所上报的上报数据，将该上报数据的测量值与可信数据的测量值进行求差处理，并基于求差处理得到的差值，并确定该差值与可信数据的测量值之间的比值，基于得到的比值来确定上报数据对应的可信度，其中，比值与可信度的取值之间呈负相关的关系，即比值越大，则可信度的取值越小。
[0090]
s103、基于上报数据组的上报数据的可信度、以及上报数据组中各上报数据中的测量值，确定上报数据组所对应的测量指标的取值。
[0091]
示例性地，本实施例中，在确定出上报数据组中的可移动设备所上报的上报数据的可信度时，此时，可以基于可移动设备上报的上报数据所对应的可信度，以及该上报数据组中所包含的全部上报数据所对应的测量值，来确定该上报数据组所对应的测量指标的取值。
[0092]
一个示例中，在确定上报数据组对应的测量指标的取值时，可以为每一上报数据分配与其对应的权重，之后对该上报数据组中的全部上报数据所对应的测量值进行加权求
和。其中，在为每一上报数据的测量值分配权重时，可以基于该上报数据对应的可信度进行分配。可以理解的是，在该上报数据组中，可移动设备所对应的上报数据的可信度为基于步骤s102所确定得到的，而该上报数据组中的，可信数据所对应的可信度，可以认为是可信度取值范围中的最大值，其中，可信度的取值越大，则该上报数据越可信。
[0093]
可以理解的是，本实施例中，为了避免家电设备移动，且云端服务器无法感知家电设备发生移动现象时，云端服务器会对家电设备上报的数据进行错误的解析的现象，本技术中，云端服务器会基于可移动设备的上报数据中的测量值、以及上报数据组中的可信数据的测量值，确定该上报数据的可信度，进而确保云端服务器可以基于上报数据的可信度，确定该上报数据组所对应的测量指标的取值。相比于相关技术中，对多台设备的上报数据直接求取平均值的方式来确定测量指标的取值的方式，本实施例提供的方法所确定得到的测量指标的取值的准确度更高，并且，还可以提高后续云端服务器对家电设备的控制的准确性。
[0094]
图2为本技术实施例提供的一种应用场景示意图。图中，包括家电设备1、家电设备2、
……
、家电设备n；其中，家电设备1向云端服务器发送上报数据1，家电设备2向云端服务器发送上报数据2，以此类推，家电设备n向云端服务器发送上报数据n，其中，n为大于等于3的正整数。之后，云端服务器对接收到的n个上报数据进行划分，并将指示同一测量指标的上报数据划分至同一上报数据组，进而得到m个上报数据组，其中，m为正整数。之后，云端设备在对每一上报数据组中，可移动设备对应的上报数据进行可信度计算，之后，在基于计算得到的可信度以及上报数据组中各上报数据的测量值，确定每一上报数据组对应的测量指标的取值。
[0095]
图3为本技术实施例提供的又一种多数据源的数据处理方法的流程示意图，如图3所示，该方法包括以下步骤：
[0096]
s301、接收多个家电设备上报的多条上报数据，并确定多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，家电设备与上报数据一一对应。
[0097]
示例性地，本实施例中的步骤s301的具体实现原理可以参见步骤s101，此处不再赘述。
[0098]
s302、针对上报数据组的每一上报数据，若确定上报数据对应的家电设备为可移动设备，则确定上报数据组中的可信数据的第一数量，以及上报数据组中各可信数据对的测量值进行求和处理后的求和结果；其中，可信数据用于指示上报数据组中对应的家电设备为不可移动设备的上报数据。
[0099]
示例性地，本实施例中，在确定可移动设备上报的上报数据的可信度时，首先可以在该上报数据所处的上报数据组中，确定可信数据的第一数量，即上报数据组中包括的不可移动设备所上报的上报数据的数量。之后，对上报数据组中的可信数据的测量值进行求和处理，得到求和结果。
[0100]
s303、基于求和结果以及第一数量，确定各可信数据的测量数据的第一平均值。
[0101]
示例性地，在确定出该上报数据组中可信数据的测量值的求和结果，以及可信数据的第一数量之后，将求和结果除以第一数量，进而得到上报数据组中各可信数据所对应的测量值的平均值。
[0102]
s304、基于第一平均值、以及上报数据中的测量值，确定上报数据的可信度。
[0103]
示例性地，在得到可信数据的测量值的平均值之后，可以通过测量值的平均值以及可移动设备上报的上报数据的测量值，来确定该上报数据的可信度。举例来说，可以将上报数据的测量值与确定出的平均值进行求差处理，若求差结果大于预设阈值，则认为该上报数据的可信度较低，并且，求差结果与预设阈值之间的差值越大，则上报数据的可信度越低。
[0104]
可以理解的是，相比于在可信数据中随机选取一个测量值作为上报数据中测量值的比较对象，本实施例中，通过上报数据的测量值与第一平均值来确定上报数据的可信度的方法所确定的可信度结果更加准确，避免了当可信数据中的测量值的测量误差较大时，所导致的可信度确定不准确的问题。
[0105]
在一些实施例中，步骤s304可以通过以下步骤实现：
[0106]
步骤s304的第一步、对第一平均值与上报数据中的测量值，进行求差处理，得到第一差值；
[0107]
步骤s304的第二步、确定第一差值与第一平均值的比值；
[0108]
步骤s304的第三步、基于比值与第一预设值，确定上报数据的可信度。
[0109]
示例性地，本实施例中提供了一种基于第一平均值以及上报数据的测量值来确定上报数据的可信度的方法。当确定出上报数据组中的可信数据的测量值的第一平均值之后，可以将可移动家电设备上报的上报数据中的测量值与第一测量值进行求差处理，得到第一差值；之后，在计算第一差值与第一平均值的比值，并基于比值与第一预设值进行比较，进而得到上报数据的可信度。在一些实施例中，当比值大于第一预设值，则认为该上报数据不可信，可以将该上报数据的可信度设置为0。当比值小于等于第一预设值，则认为上报数据可信，可以将上报数据的可信度设置为1。
[0110]
可以理解的是，本实施例中以可信数据的第一平均值为基准，通过计算上报数据的测量值和第一平均值的差值，并计算该差值与第一平均值的比值，来确定上报数据的可信度的方式，本实施例所提供的可信度的确定方式所确定出的可信度更加准确，以便提高后续所确定出的上报数据组的测量值的取值的准确性。
[0111]
s305、基于上报数据组的上报数据的可信度、以及上报数据组中各上报数据中的测量值，确定上报数据组所对应的测量指标的取值。
[0112]
示例性地，步骤s305的具体原理可以参见步骤s103，此处不再赘述。
[0113]
本实施例中，在确定上报数据的可信度时，通过上报数据的测量值与第一平均值来确定上报数据的可信度的方法所确定的可信度结果更加准确，避免了当可信数据中的测量值的测量误差较大时，所导致的可信度确定不准确的问题。
[0114]
图4为本技术实施例提供的另一种多数据源的数据处理方法的流程示意图，如图4所示，该方法包括以下步骤：
[0115]
s401、接收多个家电设备上报的多条上报数据。
[0116]
示例性地，步骤s401可以参见步骤s101，此处不再赘述。
[0117]
s402、基于上报数据的属性名称，以及家电设备的设备模型，确定上报数据的感知标签；其中，家电设备的设备模型用于指示属性名称与感知标签的对应关系；上报数据中包括属性名称，表征相同测量指标的属性名称不同家电设备的设备模型中对应有相同的感知标签。
[0118]
示例性地，本实施例中，每一家电设备均具有与其一一对应的设备模型，其中，设备模型预先设置了家电设备上报的上报数据的属性名称。举例来说，对于温度计设备的设备模型中，温度计上报的温度数据对应的属性名称在温度计的设备模型中为“温度”，而空调上报的温度数据在空调的设备模型中的属性名称为“环境温度”，而二者所检测的温度均为其所处环境的环境温度这一测量指标，若仅基于设备模型中所规定好的属性名称来确定上报数据是否属于同一上报数据组，会出现误差。例如，在上述场景中，云端服务器认为温度计上报的温度数据和空调上报的温度数据不属于同一测量指标。因此，为了避免上述问题，本实施例中，可以预先在设备模型中设置每一属性名称对应的感知标签，并且，表征相同测量指标的属性名称不同家电设备的设备模型中对应有相同的感知标签。
[0119]
举例来说，可以在温度计设备模型中为温度计上报的温度数据对应的属性名称“温度”设置对应的感知标签“室内温度”，并且在空调设备模型为空调上报的温度数据对应的属性名称“环境温度”设置对应的感知标签“室内温度”。
[0120]
进而，当云端服务器接收到上报数据之后，可以基于该上报数据的属性名称，在该上报数据所对应的家电设备的设备模型中查找与该属性名称对应的感知标签。
[0121]
s403、确定多条上报数据中具有相同感知标签的上报数据，为同一上报数据组。
[0122]
示例性地，当确定出多条上报数据各自的感知标签之后，可以理解的是，感知标签相同的上报数据所对应的测量指标相同，因此，可以将对应有相同感知标签的上报数据确定为同一上报数据组中的数据。
[0123]
举例来说，图5为本技术提供的一种设备模型的结构示意图。图中，baseinfo用于表征设备的基本信息，例如，设备最基本的信息，包括设备类型、编号、型号等。property用于表征设备的属性，用于描述设备可供访问的各类属性，包括表征自身工作状态的属性、以及通过测量等方式获取的客观环境属性等。对于每项属性，用名称name、数据类型datatype、取值范围valuerange、单位unit等字段来描述。操作action：描述设备可供用户调用的各类操作operation。事件event：设备主动上报的信息，包括通知、告警和故障。
[0124]
图6为本技术实施例提供的一种设备模型的示意图，相比于图5所示的模块，图6中，在设备模型的设备属性中，可以为每一属性property设置与其对应的感知标签sensing label，以便后续可以基于感知标签确定上报数据组。并且，图6中，在设备模型的基本信息baseinfo中，还可以添加removableflag标签，该标签字段的取值可用于表征该家电设备为可移动设备、或者为不可移动设备。
[0125]
可以理解的是，为了避免当多个家电设备测量同一测量指标时，为了避免各设备模型中对相同测量指标所设置的属性名称不同所导致的云端服务器无法准确划分上报数据组的问题，本实施例中，通过在每一设备模型中，为表征相同测量指标的属性名称对应设置相同的感知标签，进而云端服务器可以通过基于上报数据所对应的感知标签，来确定上报数据组，进而提高了最终所得到的测量指标数据的准确性。
[0126]
s404、针对上报数据组的每一上报数据，若确定上报数据对应的家电设备为可移动设备，则基于上报数据中的测量值、以及上报数据组中的可信数据的测量值，确定上报数据的可信度；其中，可信数据用于指示上报数据组中对应的家电设备为不可移动设备的上报数据。
[0127]
示例性地，步骤s404可以参见步骤s102，此处不再赘述。
[0128]
s405、在上报数据组中，去除取值小于第二预设值的可信度所对应的上报数据，得到第一剩余上报数据。
[0129]
示例性的地，本实施例中，在基于上报数据组的上报数据的可信度、以及上报数据组中各上报数据中的测量值，确定上报数据组所对应的测量指标的取值时，本实施例中，可以直接将可信度取值小于第二预设值的可信度所对应的上报数据去除，进而得到该上报数据组所对应的第一剩余上报数据。
[0130]
s406、基于第一剩余上报数据的测量值，确定上报数据组所对应的测量指标的取值。
[0131]
示例性地，在确定出上报数据组对应的第一剩余上报数据之后，可以基于第一剩余上报数据中的各上报数据中的测量值，来确定该上报数据组所对应的测量指标的取值。例如，可以将第一剩余上报数据中的各上报数据中的测量值的平均值，确定上报数据组所对应的测量数据的取值。
[0132]
可以理解的是，本实施例中在确定上报数据组的测量指标的取值时，通过直接去除取值小于第二预设值的可信度所对应的上报数据，得到第一剩余上报数据，进而基于第一剩余上报数据的测量值来确定上报数据组的测量指标的取值，该方法容易实现，且准确度较高，避免了可信度较低的上报数据对最终测量指标取值的影响。
[0133]
一个示例中，家电设备具有相关性信息，相关性信息用于指示家电设备与上报数据组对应的测量指标的相关度；步骤s406可通过以下步骤实现：
[0134]
步骤s406的第一步骤、在第一剩余上报数据中，去除取值小于第三预设值的相关度所对应的家电设备上报的上报数据，得到第二剩余上报数据；
[0135]
步骤s406的第二步骤、基于第二剩余上报数据的测量值，确定上报数据组所对应的测量指标的取值。
[0136]
示例性地，本实施例中，家电设备还具有用于表征家电设备与该上报数据组所对应的测量指标之间的相关度。举例来说，对于均可以测量室内温度的温度计、空调、冰箱这三个设备而言，其中，冰箱的主要用途用于保存食物，相对于室内温度这一测量指标而言，冰箱与室内温度这一测量指标的相关度较低。而，温度计和空调这一类本身主要用于监测环境温度的设备而言，相比于冰箱所对应的相关度而言，温度计和空调各自对应的相关度要高于冰箱所对应的相关度。可以认为与测量指标相关度较高的家电设备所监测到的上报数据的准确度更高。而，针对于温度计与空调而言，温度计为专业测量设备，所以可以认为温度计的相关度高于空调。
[0137]
因此，在基于第一剩余上报数据，确定该上报数据组对应测量指标的取值时，首先，可以在第一剩余上报数据中，选择与该测量指标相关度较高的家电设备所上传的上报数据，即，可以通过在第一剩余上报数据中去除取值小于第三预设值的相关度所对应的家电设备上报的上报数据，进而得到第二剩余上报数据；之后，在基于第二剩余上报数据的测量值，确定上报数据组所对应的测量指标的取值。
[0138]
可以理解的是，本实施例中，可以基于家电设备与上报数据组所对应的测量指标之间的相关性进一步在第一剩余设备中，筛选与测量指标相关性较高的家电设备上报的上报数据，进而有利于提高最终所确定的测量指标的取值的准确性。
[0139]
一个示例中，上报数据组所对应的测量指标的取值具有预设取值精度；步骤s406
可通过以下步骤实现：
[0140]
步骤s406的第一步、在第一剩余上报数据中，确定取值精度大于预设取值精度的测量值所对应的上报数据为第三剩余上报数据；
[0141]
步骤s406的第二步、基于第三剩余上报数据的测量值以及预设取值精度，确定上报数据组所对应的测量指标的取值。
[0142]
示例性地，本实施例中，当最终所需的测量指标的取值具有预设精度要求时，此时，在第一剩余上报数据，筛选出取值精度大于预设取值精度的测量值所对应的上报数据，即，第三剩余上报数据，之后，在基于第三剩余上报数据中各上报数据所对应的测量值与预设取值精度，来确定上报数据所对应的测量指标的取值。
[0143]
举例来说，当预设取值精度要求为两位小数时，则应从上报数据中优先选取小数位数≥2的测量值所对应的上报数据，若不存在小数位数≥2的上报数据，则优先选取精度为一位小数的上报数据，以便最终所确定的测量指标的取值的符合预设取值精度要求，并且所确定的取值更为准确。
[0144]
举例来说，下面以计算客厅室内温度的取值为例，进行方案介绍。假设当前设备上报的室内温度数据如下表所示。其中，温湿度计、空气质量检测仪、空调和冰箱都在客厅内；空气净化器刚从客厅移动到卧室，但还未同步给云平台。空气环境模型中“室内温度indoortemperature”属性的精度为保留一位小数，单位为℃。如下表格中，介绍了各家电设备的信息，包括设备名称，与其上报的上报数据所对应的属性名称、上报数据中的测量值、家电设备是否可移动、以及家电设备与测量指标所对应的相关性。
[0145]
表1、各家电设备的信息
[0146]
序号设备属性名称上报数据是否可移动相关性1温湿度计温度24.2℃true高2空气质量检测仪温度24.3℃true高3空调环境温度24.5℃false中4空气净化器环境温度26.0℃true中5冰箱环境温度24℃false低
[0147]
当需要确定上述5个设备的上报数据所组成的上报数据组的测量指标取值时，可以通过以下步骤实现：
[0148]
step 0：预处理。具体包括：预先在上述5种设备的设备模型中，为各自的属性名称(“温度”或“环境温度”)打上感知标签“室内温度indoortemperature”；在5种设备模型中增加“可移动标志removableflag”，每种模型的removableflag字段取值也在表中列出，其中用true表征为可移动设备，用false表征为不可移动设备；并且预先在云端服务器中为每类设备定义相关性，具体如表中所示。
[0149]
step 1：云端服务器接收到各种设备上报的温度数据后，首先查询是否存在感知可移动设备。根据设备模型中的removableflag字段取值，判定存在温湿度计、空气质量检测仪和空气净化器三种可移动设备。
[0150]
step 2：分别对3种可移动设备上报数据的可信度进行判断。经计算，两种不可移动设备空调和冰箱上报的温度平均值davg＝(24.5 24)/2＝24.25℃；对于温湿度计、空气质量检测仪和空气净化器3种设备，v1＝0.2％，v2＝0.2％，v3＝7％。在预设门限t＝5％的
前提下，判定温湿度计和空气质量检测仪的数据可用，空气净化器的数据不可用，舍弃。
[0151]
step 3：根据相关性进行筛选。step 2共筛选出4条数据，分别来自温湿度计、空气质量检测仪、空调和冰箱。其中，可以根据相关性的高低，优先选择温湿度计和空气质量检测仪的上报数据。
[0152]
step 4：根据数据精度进行筛选。当预设取值精度为一个小数点时，此时step 3选中的温湿度计和空气质量检测仪上报数据精度均为1位小数，与预设取值精度一致，所以2条数据均入选。
[0153]
step 5：生成上报数据组的测量指标的取值取值。step 4选中了2条数据，因此可以计算2条数据的平均值tavg＝(24.2 24.3)/2＝24.25℃。并基于预设取值要求，保留一位小数，因此最终得到的取值为24.3℃。
[0154]
此外，本技术实施例中，基于上述多数据源的数据处理方式，针对智慧家庭场景中的人、物、环境等要素，还扩展提出了一种家庭感知模型。其中，该家庭感知模型用于基于家电设备或其他消息源上报的感知数据，对人、物、环境的特征进行数字化、规范化的描述。其中，该家庭感知模型可分为以下3种类型：
[0155]
(1)用户模型：用于描述家庭用户的特征；
[0156]
(2)物模型：用于描述家庭中的设备、食材、衣物等物体的特征；
[0157]
(3)环境模型：用于描述家庭中的空气、水、安防等环境的特征。
[0158]
其中，每类模型由属性和事件组成。属性property：描述人、物、环境可供访问的各类特征属性。事件event：描述与人、物、环境相关的，需要用户及时了解并响应的信息，包括通知、告警和故障。
[0159]
可以理解的是，通过设置上述家庭感知模型，可以基于多个家庭设备上报的数据，实现对家庭设备的控制，为实现向用户提供个性化服务奠定了基础。
[0160]
图7为本技术实施例提供的一种空气环境模型示意图。其中，空气环境(air environment)模型属性property包括：室内温度indoortemperature、室内湿度indoorhumidity、室内pm2.5浓度indoorpm2p5value等；其中，上述每一属性的取值可以通过上述实施例提供的方法所确定，此处不再赘述。
[0161]
此外，事件event包括室内温度过高告警indoortemphighalarm等。
[0162]
图8为本技术实施例提供一种多数据源的数据处理装置的结构示意图，如图8所示，该装置，包括：
[0163]
接收单元81，用于接收多个家电设备上报的多条上报数据。
[0164]
第一确定单元82，用于确定多条上报数据中具有相同测量指标的上报数据，为同一上报数据组；其中，家电设备与上报数据一一对应。
[0165]
第二确定单元83，用于针对上报数据组的每一上报数据，若确定上报数据对应的家电设备为可移动设备，则基于上报数据中的测量值、以及上报数据组中的可信数据的测量值，确定上报数据的可信度；其中，可信数据用于指示上报数据组中对应的家电设备为不可移动设备的上报数据。
[0166]
第三确定单元84，用于基于上报数据组的上报数据的可信度、以及上报数据组中各上报数据中的测量值，确定上报数据组所对应的测量指标的取值。
[0167]
本实施例提供的装置，用于实现上述方法提供的技术方案，其实现原理和技术效
果类似，不再赘述。
[0168]
图9为本技术实施例提供又一种多数据源的数据处理装置的结构示意图，在图8所示的装置的实施例的基础上，本实施例中，第二确定单元83，包括：
[0169]
第一确定模块831，用于确定上报数据组中的可信数据的第一数量，以及上报数据组中各可信数据对的测量值进行求和处理后的求和结果。
[0170]
第二确定模块832，用于基于求和结果以及第一数量，确定各可信数据的测量数据的第一平均值。
[0171]
第三确定模块833，用于基于第一平均值、以及上报数据中的测量值，确定上报数据的可信度。
[0172]
在一些实施例中，第三确定模块833，具体用于：
[0173]
对第一平均值与上报数据中的测量值，进行求差处理，得到第一差值；
[0174]
确定第一差值与第一平均值的比值；
[0175]
基于比值与第一预设值，确定上报数据的可信度。
[0176]
在一些实施例中，第三确定单元84，包括：
[0177]
去除模块841，用于在上报数据组中，去除取值小于第二预设值的可信度所对应的上报数据，得到第一剩余上报数据；
[0178]
第四确定模块842，用于基于第一剩余上报数据的测量值，确定上报数据组所对应的测量指标的取值。
[0179]
在一些实施例中，家电设备具有相关性信息，相关性信息用于指示家电设备与上报数据组对应的测量指标的相关度；第四确定模块842，具体用于：
[0180]
在第一剩余上报数据中，去除取值小于第三预设值的相关度所对应的家电设备上报的上报数据，得到第二剩余上报数据；
[0181]
基于第二剩余上报数据的测量值，确定上报数据组所对应的测量指标的取值。
[0182]
在一些实施例中，上报数据组所对应的测量指标的取值具有预设取值精度；第四确定模块842，具体用于：
[0183]
在第一剩余上报数据中，确定取值精度大于预设取值精度的测量值所对应的上报数据为第三剩余上报数据；
[0184]
基于第三剩余上报数据的测量值以及预设取值精度，确定上报数据组所对应的测量指标的取值。
[0185]
在一些实施例中，上报数据中包括属性名称；第一确定单元82，包括：
[0186]
第五确定模块821，用于基于上报数据的属性名称，以及家电设备的设备模型，确定上报数据的感知标签；其中，家电设备的设备模型用于指示属性名称与感知标签的对应关系；表征相同测量指标的属性名称不同家电设备的设备模型中对应有相同的感知标签；
[0187]
第六确定模块822，用于确定多条上报数据中具有相同感知标签的上报数据，为同一上报数据组。
[0188]
本实施例提供的装置，用于实现上述方法提供的技术方案，其实现原理和技术效果类似，不再赘述。
[0189]
本技术提供一种电子设备，包括：存储器，处理器；
[0190]
存储器；用于存储处理器可执行指令的存储器；
[0191]
其中，处理器，用于根据可执行指令执行方法。
[0192]
图10为本技术实施例中提供的一种电子设备的结构示意图，如图10所示，该电子设备包括：
[0193]
处理器(processor)291，电子设备还包括了存储器(memory)292；还可以包括通信接口(communication interface)293和总线294。其中，处理器291、存储器292、通信接口293、可以通过总线294完成相互间的通信。通信接口293可以用于信息传输。处理器291可以调用存储器292中的逻辑指令，以执行上述实施例的方法。
[0194]
此外，上述的存储器292中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
[0195]
存储器292作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本技术实施例中的方法对应的程序指令/模块。处理器291通过运行存储在存储器292中的软件程序、指令以及模块，从而执行功能应用以及数据处理，即实现上述方法实施例中的方法。
[0196]
存储器292可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器292可以包括高速随机存取存储器，还可以包括非易失性存储器。
[0197]
本技术提供一种计算机可读存储介质，计算机可读存储介质中存储有计算机执行指令，计算机执行指令被处理器执行时用于实现任一项的方法。
[0198]
本技术一种计算机程序产品，计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现任一项的方法。
[0199]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本技术的一般性原理并包括本技术未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本技术的真正范围和精神由所附的权利要求书指出。
[0200]
应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。