WatchOS5：如何通过编程检测Apple Watch在特定时间段是否佩戴？

你提到的心率判断方案确实存在明显缺陷——仅通过时段内是否有心率读数来判定全程佩戴状态，很容易因为时段末尾的单次读数误判整体情况。好在Apple提供了更直接的解决方案，不需要依赖间接的生理数据：

1. 使用HealthKit的专门佩戴状态类型 #

HealthKit中内置了HKCategoryTypeIdentifierAppleWatchWornState类型，这是Apple Watch自动记录的佩戴状态数据，每个样本对应一段连续的佩戴/未佩戴状态，完全可以精准匹配你的需求。

核心步骤： #

• 请求权限：首先需要向用户请求读取该类型数据的权限（流程和请求心率权限一致）
• 查询样本：获取指定时间段内的所有佩戴状态样本
• 分析状态：遍历样本，判断目标时段内的佩戴状态分布（比如是否全程佩戴、是否存在未佩戴区间等）

Swift代码示例： #

import HealthKit

// 获取佩戴状态类型
guard let wornStateType = HKObjectType.categoryType(forIdentifier: .appleWatchWornState) else {
    fatalError("无法获取Apple Watch佩戴状态类型")
}

// 定义你的目标时间区间（替换成业务逻辑中的时段）
let targetStart = startDate.addingTimeInterval(startSecondsOffset)
let targetEnd = targetStart.addingTimeInterval(30 * 60)

// 创建样本查询
let predicate = HKQuery.predicateForSamples(withStart: targetStart, end: targetEnd, options: .strictStartDate)
let query = HKSampleQuery(sampleType: wornStateType, predicate: predicate, limit: HKObjectQueryNoLimit, sortDescriptors: nil) { _, samples, error in
    guard let wornSamples = samples as? [HKCategorySample], error == nil else {
        // 处理查询错误
        return
    }
    
    // 分析样本，判断目标时段是否全程佩戴
    var isWornEntirePeriod = true
    var currentCheckDate = targetStart
    
    for sample in wornSamples {
        // 检查是否存在未被样本覆盖的时间区间（状态未知）
        if sample.startDate > currentCheckDate {
            isWornEntirePeriod = false
            break
        }
        
        // 检查该样本对应的状态是否为未佩戴
        if sample.value == HKCategoryValueAppleWatchWornState.notWorn.rawValue {
            isWornEntirePeriod = false
            break
        }
        
        // 更新已检查到的时间点
        currentCheckDate = max(currentCheckDate, sample.endDate)
    }
    
    // 检查最后一段是否覆盖到目标时段的结束时间
    if currentCheckDate < targetEnd {
        isWornEntirePeriod = false
    }
    
    if isWornEntirePeriod {
        print("目标时段内Apple Watch全程处于佩戴状态")
    } else {
        print("目标时段内存在未佩戴或状态未知的区间")
    }
}

// 执行查询（需确保已初始化HKHealthStore并获取权限）
healthStore.execute(query)

2. 补充细节 #

• 该类型的样本由Apple Watch自动生成，无需额外配置传感器，数据准确性远高于心率推断
• 你可以根据业务需求调整分析逻辑：比如不需要严格全程佩戴，而是判断时段内佩戴时长占比、是否存在连续佩戴区间等
• 如果需要实时监听佩戴状态变化，还可以结合HKObserverQuery实现，但针对历史时段查询，上述方案已足够

对比原方案的优势 #

• 彻底解决了“时段末尾佩戴导致误判全程”的问题，每个样本都有明确的时间区间，可精准对应目标时段的每一部分
• 不受用户心率异常、运动时心率未被记录等情况干扰，数据可靠性更强

内容的提问来源于stack exchange，提问作者Alex Stone