具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请实施例中，提供了一种设备运行控制方法，该方法可以应用于服务器，当然，也可以应用于其他电子设备，例如终端(手机、平板电脑等)。本申请实施例中，以将该方法应用于服务器为例进行说明。

本申请实施例中，如图1所示，设备运行控制的方法流程主要包括：

步骤101，获取预设时间段内的各个智能设备的运行参数，运行参数包括各个智能设备在各个时间段的运行次数，各个时间段属于预设时间段。

其中，预设时间段可以是1个月，可以是3个月，也可以是1年。各个智能设备可以是智能音响、智能空调、智能冰箱、智能电视机、智能油烟机、智能洗衣机、智能相框、智能衣柜、路由器等智能设备。各个时间段可以是将1天划分成的各个时间段，可以是将1天均匀划分成各个时间段，也可以是将1天不均匀地划分各个时间段，例如，各个时间段可以是[00:00-4:00)、[4:00-8:00)、[8:00-12:00)、[12:00-16:00)、[16:00-20:00)、[20:00-24:00)，各个时间段也可以是[00:00-8:00)、[8:00-10:00)、[10:00-12:00)、[12:00-16:00)、[16:00-18:00)、[18:00-22:00)、[22:00-24:00)，各个时间段也可以是将1周划分成的各个时间段，可以是将1周均匀划分成各个时间段，也可以是将1周不均匀地划分各个时间段。

运行参数包括各个智能设备在各个时间段的运行次数，例如：预设时间段为1个月，智能洗衣机在[12:00-16:00)的运行次数为4次，智能洗衣机在[18:00-22:00)的运行次数为10次，智能空调在[6:00-8:00)的运行次数为8次，智能空调在[19:00-22:00)的运行次数为20次。

一个具体实施例中，获取预设时间段内的各个智能设备的运行参数，包括：获取各个智能设备在各个时间段的耗电量变化参数；对于任一时间段执行以下过程：根据耗电量变化参数，筛选耗电量保持不变的智能设备，作为第一智能设备，控制第一智能设备的运行次数保持不变；根据耗电量变化参数，筛选耗电量增加的智能设备，作为第二智能设备，控制第二智能设备的运行次数增加预设值。

其中，预设值可以是1。

耗电量变化参数包括耗电量保持不变和耗电量增加，耗电量变化参数通过智能电表采集得到。例如：在[11:00-12:30)，耗电量保持不变的第一智能设备为卧室空调，则表明卧室空调在[11:00-12:30)这个时间段没有运行，控制卧室空调在[11:00-12:30)的运行次数保持不变，在[11:00-12:30)，耗电量增加的第二智能设备为洗衣机、电冰箱和客厅空调，耗电量增加可以是耗电量突然增加，也可以是耗电量稳定上升，则表明洗衣机、电冰箱和客厅空调在[11:00-12:30)这个时间段正在运行，控制洗衣机、电冰箱和客厅空调在[11:00-12:30)的运行次数加1。

通过耗电量变化参数，能够准确获得预设时间段内的各个智能设备的运行参数。

一个具体实施例中，获取预设时间段内的各个智能设备的运行参数，包括：获取各个智能设备在各个时间段发送的运行状态，运行状态包括正在运行或者没有运行；根据运行状态，获得各个智能设备在各个时间段的运行次数。

也可以通过各个智能设备主动上传的运行状态，来计算各个智能设备在各个时间段的运行次数。

步骤102，根据运行参数，获得用户使用习惯参数。

一个具体实施例中，用户使用习惯参数包括各个智能设备在各个时间段运行的支持度和置信度。

其中，支持度和置信度是Apriori算法(关联规则挖掘算法)中的术语，支持度是指事件A和事件B同时发生的概率，置信度是指事件A和事件B同时发生的概率占事件A发生的概率的比值，即置信度是指在事件A发生的条件下，事件B发生的概率，属于条件概率。Apriori算法，就是为了挖掘事件A和事件B之间的关联关系。

为了挖掘同一个智能设备在不同时间段运行的关联关系，一个具体实施例中，如图2所示，对任一智能设备在任一时间段的运行的支持度和置信度，按照以下流程获得：

步骤201，根据运行参数，获得任一智能设备在预设时间段内的总运行次数，以及任一智能设备在至少两个时间段运行的第一运行次数，其中，至少两个时间段包括任一时间段，并且获得任一智能设备在至少两个时间段中除了任一时间段以外的时间段运行的第二运行次数。

步骤202，计算第一运行次数和总运行次数的第一比值，将第一比值作为任一智能设备在任一时间段运行的支持度。

步骤203，计算第一运行次数和第二运行次数的第二比值，将第二比值作为任一智能设备在任一时间段运行的置信度。

例如，对卧室空调在[11:00-12:30)运行的支持度和置信度，按照以下流程获得：获得卧室空调在1个月内的总运行次数为20次，以及卧室空调在[11:00-12:30)和[19:00-22:00)都运行的第一运行次数为4次，并且获得卧室空调在[19:00-22:00)运行的第二运行次数为10次。计算第一运行次数和总运行次数的第一比值，为4/20＝20％，则卧室空调在[11:00-12:30)运行的支持度为20％，即卧室空调在[11:00-12:30)和[19:00-22:00)都运行的概率为20％，计算第一运行次数和第二运行次数的第二比值，为4/10＝40％，则卧室空调在[11:00-12:30)运行的置信度为40％，即在卧室空调在[19:00-22:00)运行的条件下，卧室空调在[11:00-12:30)运行的概率为40％。

又例如，对卧室空调在[11:00-12:30)运行的支持度和置信度，按照以下流程获得：获得卧室空调在1个月内的总运行次数为20次，以及卧室空调在[11:00-12:30)、[14:00-16:00)和[19:00-22:00)都运行的第一运行次数为4次，并且获得卧室空调在[14:00-16:00)和[19:00-22:00)都运行的第二运行次数为10次。计算第一运行次数和总运行次数的第一比值，为4/20＝20％，则卧室空调在[11:00-12:30)运行的支持度为20％，即卧室空调在[11:00-12:30)、[14:00-16:00)和[19:00-22:00)都运行的概率为20％，计算第一运行次数和第二运行次数的第二比值，为4/10＝40％，则卧室空调在[11:00-12:30)运行的置信度为40％，即在卧室空调在[14:00-16:00)和[19:00-22:00)都运行的条件下，卧室空调在[11:00-12:30)运行的概率为40％。

能够挖掘同一个智能设备在不同时间段运行的关联关系，分析出同一个智能设备在至少两个时间段中除了任一时间段以外的时间段都运行的情况下，在任一时间段运行的可能性，进而确定在任一时间段是否控制同一个智能设备运行，更符合用户使用单个智能设备的习惯。

为了挖掘不同智能设备在相邻时间段运行的关联关系，一个具体实施例中，如图3所示，对于任一时间段执行以下过程：

步骤301，根据运行参数，获得各个智能设备在预设时间段内的总运行次数之和，作为第三运行次数，以及获取任一时间段对应的第四运行次数；其中，第四运行次数为第三智能设备在任一时间段内运行，且第四智能设备在任一时间段的相邻时间段运行的次数；并且，获取第四智能设备在任一时间段的相邻时间段运行的次数，作为第五运行次数。

步骤302，计算第四运行次数和第三运行次数的第三比值，将第三比值作为第三智能设备在任一时间段运行的支持度。

步骤303，计算第四运行次数和第五运行次数的第四比值，将第四比值作为第三智能设备在任一时间段运行的置信度。

例如，对于[11:00-12:30)执行以下过程：获得洗衣机、电冰箱、客厅空调和烘干机等家中各个智能设备在1个月内的总运行次数之和为50次，作为第三运行次数，以及获取洗衣机在[11:00-12:30)内运行，且烘干机在[11:00-12:30)的相邻时间段[12:30-14:00)运行的第四运行次数为20次，并且获取烘干机在[11:00-12:30)的相邻时间段[12:30-14:00)运行的第五运行次数为25。计算第四运行次数和第三运行次数的第三比值，为20/50＝40％，则洗衣机在[11:00-12:30)运行的支持度为40％，即洗衣机在[11:00-12:30)内运行，且烘干机在[12:30-14:00)运行的概率为40％，计算第四运行次数和第五运行次数的第四比值，为20/25＝80％，则洗衣机在[11:00-12:30)运行的置信度为80％，即在烘干机在[12:30-14:00)运行的条件下，洗衣机在[11:00-12:30)内运行的概率为80％。

能够挖掘不同智能设备在相邻时间段运行的关联关系，分析出第四智能设备在任一时间段的相邻时间段运行的情况下，第三智能设备在任一时间段内运行的可能性，进而确定在任一时间段是否控制第三智能设备运行，更符合用户使用多个智能设备的习惯。

步骤103，根据用户使用习惯参数，在目标时间段内控制目标智能设备运行，其中，目标时间段属于各个时间段。

一个具体实施例中，如图4所示，根据用户使用习惯参数，在目标时间段内控制目标智能设备运行，包括：

对任一智能设备在任一时间段运行的支持度和置信度，执行以下过程：

步骤401，比较支持度和最小支持度阈值。

步骤402，比较置信度和最小置信度阈值。

其中，最小支持度阈值和最小置信度阈值，可以是用户设置的数值，例如，最小支持度阈值为30％，最小置信度阈值为70％。

一个具体实施例中，设备运行控制方法还包括：获取使用各个智能设备的用户参数；根据用户参数和最小支持度阈值的第一映射关系，获取最小支持度阈值；根据用户参数和最小置信度阈值的第二映射关系，获取最小置信度阈值。

其中，用户参数包括用户年龄和用户性别中的至少一个。

获取使用各个智能设备的用户参数，可以是获取用户通过APP控制各个智能设备时输入的用户参数，也可以是在用户使用各个智能设备时，拍摄用户图像，通过识别用户图像获得用户参数。用户参数包括用户年龄和用户性别中的至少一个，用户参数还可包括其他参数，此处并不对用户参数包含的具体参数作出限制。

用户参数和最小支持度阈值的第一映射关系，可以是用户参数为老年时，最小支持度阈值为40％，用户参数为中年时，最小支持度阈值为30％。用户参数和最小置信度阈值的第二映射关系，可以是用户参数为老年时，最小置信度阈值为80％，用户参数为中年时，最小置信度阈值为70％。

可以根据不同的用户参数，设置不同最小支持度阈值和最小置信度阈值，满足不同人群的习惯。

步骤403，若支持度大于最小支持度阈值，且置信度大于最小置信度阈值，则将任一智能设备作为目标智能设备，将任一时间段作为目标时间段，在目标时间段内控制目标智能设备运行。

例如：卧室空调在[11:00-12:30)运行的支持度为40％，置信度为80％，最小支持度阈值为30％，最小置信度阈值为70％，支持度大于最小支持度阈值，且置信度大于最小置信度阈值，则在[11:00-12:30)控制卧室空调运行。

一个具体实施例中，根据用户使用习惯参数，在目标时间段内控制目标智能设备运行，包括：获取目标智能设备的历史运行模式；在目标时间段内，控制目标智能设备按照历史运行模式运行。

例如：卧室空调在[11:00-12:30)运行的支持度为40％，置信度为80％，最小支持度阈值为30％，最小置信度阈值为70％，支持度大于最小支持度阈值，且置信度大于最小置信度阈值，获取卧室空调的历史运行模式为27度、制冷，则在[11:00-12:30)控制卧室空调按照27度、制冷运行。

一个具体实施例中，如图5所示，设备运行控制的方法流程包括：

步骤501，获取各个智能设备在各个时间段的耗电量变化参数。

步骤502，根据耗电量变化参数，获得各个智能设备在各个时间段的运行次数。

步骤503，根据运行次数，在目标时间段内控制目标智能设备运行。

综上，本申请实施例提供的该方法，获取预设时间段内的各个智能设备的运行参数，运行参数包括各个智能设备在各个时间段的运行次数，各个时间段属于预设时间段，根据运行参数，获得用户使用习惯参数，根据用户使用习惯参数，在目标时间段内控制目标智能设备运行，其中，目标时间段属于各个时间段。相对于现有技术中家电设备的运行依赖用户主动操作，本申请通过获取各个智能设备在各个时间段的运行次数，分析用户使用各个智能设备的习惯，获得用户使用习惯参数，进而在目标时间段内控制目标智能设备运行，使智能设备的运行更符合用户习惯，且不需要用户主动操作，就能控制目标智能设备运行，提升智能设备运行的智能化水平，解决了家电设备的运行依赖用户主动操作，不够智能的问题。

基于同一构思，本申请实施例中提供了一种设备运行控制装置，该装置的具体实施可参见方法实施例部分的描述，重复之处不再赘述，如图6所示，该装置主要包括：

第一获取模块601，用于获取预设时间段内的各个智能设备的运行参数，所述运行参数包括所述各个智能设备在各个时间段的运行次数，各个所述时间段属于所述预设时间段；

第二获取模块602，用于根据所述运行参数，获得用户使用习惯参数；

处理模块603，用于根据所述用户使用习惯参数，在目标时间段内控制目标智能设备运行，其中，所述目标时间段属于所述各个时间段。

基于同一构思，本申请实施例中还提供了一种电子设备，如图7所示，该电子设备主要包括：处理器701、存储器702和通信总线703，其中，处理器701和存储器702通过通信总线703完成相互间的通信。其中，存储器702中存储有可被处理器701执行的程序，处理器701执行存储器702中存储的程序，实现如下步骤：

获取预设时间段内的各个智能设备的运行参数，运行参数包括各个智能设备在各个时间段的运行次数，各个时间段属于预设时间段；根据运行参数，获得用户使用习惯参数；根据用户使用习惯参数，在目标时间段内控制目标智能设备运行，其中，目标时间段属于各个时间段。

上述电子设备中提到的通信总线703可以是外设部件互连标准(PeripheralComponent Interconnect，简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture，简称EISA)总线等。该通信总线703可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器702可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选地，存储器还可以是至少一个位于远离前述处理器701的存储装置。

上述的处理器701可以是通用处理器，包括中央处理器(Central ProcessingUnit，简称CPU)、网络处理器(Network Processor，简称NP)等，还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

在本申请的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当该计算机程序在计算机上运行时，使得计算机执行上述实施例中所描述的设备运行控制方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、微波等)方式向另外一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质(例如软盘、硬盘、磁带等)、光介质(例如DVD)或者半导体介质(例如固态硬盘)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。