车辆驾驶的推荐方法、装置、设备及车辆制造方法及图纸

本发明专利技术公开了一种车辆驾驶的推荐方法、装置、设备及车辆，首先响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；然后，将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数，从而发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。本发明专利技术实施例能根据驾驶员的特征信息和当前环境信息匹配最符合驾驶员习惯的驾驶配置参数并进行推荐，从而能够提高用户驾乘的体验感。用户驾乘的体验感。用户驾乘的体验感。

【技术实现步骤摘要】
车辆驾驶的推荐方法、装置、设备及车辆


[0001]本专利技术涉及车辆控制
，尤其涉及一种车辆驾驶的推荐方法、装置、电子设备及车辆。

技术介绍

[0002]随着技术的进步，智能驾驶越来越受到欢迎。目前，智能驾驶技术只是通过对车辆的机械的横向和纵向控制来满足智能驾驶的安全性的要求，但是对于车辆驾乘的舒适性和个性化需求，尚未进行分析和提供相应的解决方案，有待进一步的改善。

技术实现思路

[0003]本专利技术实施例提供了一种车辆驾驶的推荐方法、装置、电子设备及车辆，以解决现有的车辆驾驶未能根据用户的个性化需求进行驾驶参数的推荐，而导致用户体验较差的问题。
[0004]本专利技术实施例提供一种车辆驾驶的推荐方法，包括：
[0005]响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；
[0006]将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数；
[0007]发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。
[0008]相应地，本专利技术实施例还提供一种车辆驾驶的推荐装置，包括：
[0009]第一数据获取模块，用于响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；
[0010]输出模块，用于将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数；
[0011]推荐模块，用于发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。
[0012]相应地，本专利技术实施例还提供一种电子设备，包括：
[0013]处理器；以及
[0014]存储器，用于存储所述处理器的可执行指令；
[0015]其中，所述处理器配置为经由执行所述可执行指令来执行上述实施例提供的车辆驾驶的推荐方法。
[0016]相应地，本专利技术实施例还提供一种车辆，所述车辆包括如上述的车辆驾驶的推荐装置。
[0017]与现有技术相比，本专利技术实施例提供的车辆驾驶的推荐方法、装置、设备及车辆，首先响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；然后，将所述第一数据输入到预先获取的驾驶配置参数推荐模型
中，输出驾驶配置参数，从而发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。本专利技术实施例能根据驾驶员的特征信息和当前环境信息匹配最符合驾驶员习惯的驾驶配置参数并进行推荐，从而能够提高用户驾乘的体验感。
附图说明
[0018]图1是本专利技术实施例提供的车辆驾驶的推荐方法的流程示意图；
[0019]图2是本专利技术实施例提供的卷积神经网络的结构图；
[0020]图3是本专利技术实施例提供的深度残差网络模型中的残差块结构示意图；
[0021]图4是本专利技术实施例提供的改进后的残差网络的结构示意图；
[0022]图5是使用本专利技术提供的基于预训练模型，采用迁移学习得到驾驶配置参数推荐模型的流程框图。
具体实施方式
[0023]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]参见图1，图1时本专利技术实施例提供的车辆驾驶的推荐方法的流程示意图，所述车辆驾驶的推荐方法包括S11～S13：
[0025]S11、响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据。
[0026]示例性的，当接收到用户的个性化配置推荐指令，可通过摄像头和传感器获取驾驶员的特征信息。
[0027]示例性的，所述驾驶员的特征信息包括但不限于驾驶员的身高、体重、性别、年龄；其中，驾驶员的身高、年龄和性别可通过摄像头采集并进行处理识别，所述驾驶员的体重可通过重量传感器识别。摄像头可固定于车门或者车身上的其他合适位置，摄像头还可以对路面以及坡度进行识别。所述环境数据包括但不限于气温、车内环境湿度、车外的能见度、车内的分贝数。其中，所述气温、车外的能见度可通过天气预报系统获取，所述车内环境湿度可通过车内安装的湿度传感器获取，所述车内的分贝数可通过分贝测试仪测得。
[0028]在本专利技术实施例中，可实时获取所述第一数据，也可以以预设的频率获取第一数据。
[0029]S12、将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数。
[0030]示例性的，所述驾驶配置参数包括但不限于驾驶座椅的前后位置、驾驶座椅的高度、驾驶座椅的倾斜度、后视镜位置、空调的温度、车机音量、方向盘横向和纵向距离、汽车灯光。可以理解的，对于不同体重的驾驶员，其在驾驶时设置的驾驶座椅的高度、驾驶座椅的倾斜度的偏好不同，因此通过驾驶配置参数推荐模型识别并推荐。
[0031]示例性的，当所述第一数据实时获取时，在已获取所述驾驶员的特征信息的基础上，由于驾驶员的体重、性别等属性不会有变化，因此仅需要实时获取环境数据，当传感器
采集到的环境数据每一次超过一定范围的变化时，获取变化的环境数据并进行实时的特征提取，以输入到所述驾驶配置参数推荐模型中，得到最匹配的驾驶配置参数，如当车外环境的温度变化超过3摄氏度时，车机会将当前温度上传到云端，通过所述驾驶配置参数推荐模型的计算后，云端推送驾驶配置参数对空调温度进行配置；又如，当车外的湿度变化超过10％时，车机会将当前湿度数据上传到云端，通过所述驾驶配置参数推荐模型的计算后，云端推送驾驶配置参数对空调模式(制冷、送风等)进行配置；又如当车外的能见度小于200米时，每减少50米，车机会将当前能见度数据上传到云端，通过所述驾驶配置参数推荐模型的计算后，云端推送驾驶配置参数对车灯开关进行配置，例如开启雾灯、近光灯、示廓灯和前后位灯等；当车内的分贝数变化超过10％时，车机会将当前分贝数据上传到云端，通过深度学习计算后，云端推送个性化推荐配置对车机的音量进行配置。
[0032]S13、发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。
[0033]本专利技术实施例提供的车辆驾驶的推荐方法，首先响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；然后，将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数，从而发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。本专利技术实施例能根据驾驶员的特征信息和当前环境信息匹配最符合驾驶员习惯的驾驶配置参数并进行推荐，从而能够提高用户驾乘的体验感。
[0034]在一种实施方式中，所述驾驶配置参数推荐模型通过如下方式获取：
[0035]获取预训练模型，并通过所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆驾驶的推荐方法，其特征在于，包括：响应于个性化配置推荐指令，获取驾驶员的第一数据，其中，所述第一数据包括驾驶员的特征信息和环境数据；将所述第一数据输入到预先获取的驾驶配置参数推荐模型中，输出驾驶配置参数；发送与所述驾驶配置参数对应的推荐信息，以向所述驾驶员展示所述推荐信息。2.如权利要求1所述的车辆驾驶的推荐方法，其特征在于，所述驾驶配置参数推荐模型通过如下方式获取：获取预训练模型，并通过所述预训练模型迁移学习得到残差卷积神经网络；获取所有驾驶员的第一数据样本作为训练样本；将训练样本输入到残差卷积神经网络进行训练，得到所述驾驶配置参数推荐模型。3.如权利要求2所述的车辆驾驶的推荐方法，其特征在于，所述通过所述预预训练模型迁移学习得到基于残差的卷积神经网络，具体包括：将从预训练模型的残差卷积神经网络中提取的网络参数值迁移至驾驶配置参数推荐模型的残差卷积神经网络中。4.如权利要求1所述的车辆驾驶的推荐方法，其特征在于，所述方法还包括：响应于驾驶员对所述推荐信息的反馈结果，根据所述反馈结果对所述驾驶配置参数推荐模型进行更新。5.如权利要求1所述的车辆驾驶的推荐方法，其特征在于，所述方法还包括：响应于个性化配置搜索指令，向驾驶员展示从云端获取到的其他车主的驾驶配置...

【专利技术属性】
技术研发人员：孙磊，沈仲孝，刘棨，冉光伟，张莹，刘俊峰，
申请(专利权)人：星河智联汽车科技有限公司，
类型：发明
国别省市：