空调设置方法、模型训练方法、装置、车辆及存储介质制造方法及图纸

本申请涉及智能汽车领域，特别涉及空调设置方法、模型训练方法、装置、车辆及存储介质。该方法应用于车辆的处理器；处理器包括训练好的推荐模型；推荐模型用于向用户推荐空调运行参数；方法包括：实时获取车辆传感器收集到的车辆的状态数据；状态数据包括车辆的运行状态和车辆外部的环境状态；获取目标用户的空调设置偏好的类别；根据车辆的状态数据、目标用户的空调设置偏好的类别和推荐模型，向目标用户推荐空调运行参数。由此，可以解决车载空调为用户推荐空调参数时，对车辆的网络要求较高的问题且无法为用户提供个性化的服务的问题。问题且无法为用户提供个性化的服务的问题。问题且无法为用户提供个性化的服务的问题。

【技术实现步骤摘要】
空调设置方法、模型训练方法、装置、车辆及存储介质


[0001]本申请涉及智能汽车领域，具体涉及深度学习在智能汽车领域的直接应用，属于汽车中智能座舱的空调部分的相关应用，特别涉及空调设置方法、模型训练方法、装置、车辆及存储介质。

技术介绍

[0002]空调对于人类的生产生活十分重要，在汽车上配置空调为用户带来了便利，提高了用户的驾驶体验。传统的车载空调需要用户手动开启、关闭和调节空调运行参数，但是，由于空调运行参数较多(例如温度、风速、出风模式、风量等)，因此大部分用户不能快速准确地调节自己需要的空调运行参数，另外，用户在行驶过程中手动调节空调运行参数，会分散用户的注意力，可能会造成安全事故。
[0003]针对上述问题，相关技术提出了一种在车辆上配置智能空调模型的方法，该方法虽然可以在车辆行驶过程中，通过智能空调模型自动为用户推荐空调运行参数，但一方面，该方法需要从云端获取相关数据，对车辆的网络要求较高，若车辆所处环境无法联网或网络质量较差，则无法实时地为用户推荐空调运行参数，给用户带来不好的使用体验；另一方面，该方法只使用车辆的状态数据为用户推荐空调运行参数，无法为用户提供个性化的服务。

技术实现思路

[0004]本申请提供空调设置方法、模型训练方法、装置、车辆及存储介质，以至少解决车载空调为用户推荐空调运行参数时，对车辆的网络要求较高和无法为用户提供个性化的服务的问题。本申请的技术方案如下：
[0005]根据本申请涉及的第一方面，提供一种空调设置方法，应用于车辆的处理器；处理器包括训练好的推荐模型；推荐模型用于向用户推荐空调运行参数；方法包括：实时获取车辆传感器收集到的车辆的状态数据；状态数据包括车辆的运行状态和车辆外部的环境状态；获取目标用户的空调设置偏好的类别；根据车辆的状态数据、目标用户的空调设置偏好的类别和推荐模型，向目标用户推荐空调运行参数。
[0006]根据上述技术手段，相比于相关技术中，推荐模型需要从云端获取所需的相关数据，对车辆的网络要求较高，进而导致为用户推荐空调参数的实时性较差的问题，本申请提供了一种空调设置方法，具体的，该方法通过实时获取车辆传感器收集到的车辆的状态数据(状态数据包括车辆的运行状态和车辆外部的环境状态)，无需车辆联网，也无需考虑车辆网络条件的优劣，即可获取车辆的状态数据，降低了对车辆的网络要求；
[0007]同时，相比于相关技术中，只使用一个通用模型向用户推荐空调运行参数，无法根据不同用户对空调设置偏好的类别，个性化地为用户推荐空调运行参数的问题，本申请所提供的方法，通过获取目标用户的空调设置偏好的类别，并将车辆的状态数据和目标用户的空调设置偏好的类别输入训练好的推荐模型(其中，该推荐模型是提前训练好，然后导入
车辆的处理器中的离线模型，无需联网即可根据输入的车辆状态数据和目标用户的空调设置偏好的类别来推荐空调运行参数)，实时为用户推荐空调运行参数，可以有效地针对不同用户的使用习惯，为其选择合适的空调运行参数，提高用户的使用体验。
[0008]在一种可能的实施方式中，方法还包括：采集目标用户对空调运行参数的设置值；根据目标用户对空调运行参数的设置值，确定目标用户的空调设置偏好的类别。
[0009]根据上述技术手段，本申请提供的方法，通过根据目标用户对空调运行参数的设置值，确定目标用户的空调设置偏好的类别，可以确定不同的用户的空调设置偏好的不同类别，以便于根据推荐模型为用户提供个性化的空调运行参数的推荐服务，提高用户的使用体验。
[0010]另一种可能的实施方式中，方法还包括：获取每一个空调运行参数的聚类结果，其中，聚类结果为每一个空调运行参数对应的多个设置偏好的类别；根据目标用户对空调运行参数的设置值，确定目标用户的空调设置偏好的类别，包括：根据目标用户对空调运行参数的设置值和每一个空调运行参数的聚类结果，确定目标用户的空调设置偏好的类别。
[0011]根据上述技术手段，区别于相关技术中不对用户进行分类，直接将状态数据输入推荐模型获得推荐的空调运行参数的方法，本申请提供的空调设置方法，通过获取每一个空调运行参数的聚类结果，并根据用户对空调运行参数的设置值，从聚类结果中确定用户的空调设置偏好的类别，可以得到用户对不同的空调运行参数的使用习惯，可以使得使用推荐模型为用户推荐的空调运行参数更加准确可靠。
[0012]另一种可能的实施方式中，方法还包括：设置更新周期；更新周期用于更新目标用户的空调设置偏好的类别；根据更新周期，更新目标用户对空调运行参数的设置值；根据目标用户对空调运行参数的设置值和每一个空调运行参数的聚类结果，确定目标用户的空调设置偏好的类别，包括：根据更新后的目标用户对空调运行参数的设置值和每一个空调运行参数的聚类结果，确定目标用户的空调设置偏好的类别。
[0013]根据上述技术手段，考虑到用户的空调设置偏好的类别可能会有所变化，本申请提供的方法通过设置更新周期，并根据更新周期，更新用户对空调运行参数的设置值，并根据更新后的用户对空调运行参数的设置值，更新用户的空调设置偏好的类别，可以使得用户的空调设置偏好的类别更加符合用户当前的状态，进而提高对用户推荐空调运行参数的准确性。
[0014]另一种可能的实施方式中，推荐模型包括第一模型和第二模型；第一模型和第二模型分别用于向用户推荐空调的不同运行参数的值；目标用户的空调设置偏好的类别包括：目标用户对第一空调运行参数的设置偏好的类别和目标用户对第二空调运行参数的设置偏好的类别；根据车辆的状态数据、目标用户的空调设置偏好的类别和推荐模型，向目标用户推荐空调运行参数，包括：将车辆的状态数据和目标用户对第一空调运行参数的设置偏好的类别，输入第一模型，得到第一运行参数的推荐值；将车辆的状态数据和目标用户对第二空调运行参数的设置偏好的类别，输入第二模型，得到第二运行参数的推荐值。
[0015]根据上述技术手段，相比于相关技术中把推荐模型布置在云端，模型的实时性较差且可能会泄露用户的隐私信息的问题，本申请提供的方法将推荐模型设置在车辆本地，在为用户实时推荐空调参数的同时，保障了用户的信息安全；同时相比于相关技术中，根据一个通用的推荐模型统一为用户推荐所有的空调运行参数，本申请提供的空调设置方法，
通过对空调的不同运行参数建立不同的推荐模型，并将车辆的状态数据和用户对不同运行参数的空调设置偏好的类别输入对应的空调运行参数的推荐模型，可以分别使用不同的推荐模型为用户推荐不同空调运行参数，在做到个性化推荐空调运行参数的同时，也使得推荐结果更加精准。
[0016]此外，相关技术中在使用推荐模型为用户推荐空调运行参数时，需要积累该用户一段时间的相关数据，才能使用推荐模型向用户推荐空调运行参数，若天气突然由冷转热或由热转冷，则推荐结果准确性会降低。本申请提供的方法通过将车辆的状态数据和用户空调设置偏好的类别实时输入推荐模型，即可向用户推荐空调运行参数，保障了推荐模型的推荐效果。
[0017]根据本申请涉及的第二方面，提供一种模型训练方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空调设置方法，其特征在于，应用于车辆的处理器；所述处理器包括训练好的推荐模型；所述推荐模型用于向用户推荐空调运行参数；所述方法包括：实时获取车辆传感器收集到的所述车辆的状态数据；所述状态数据包括所述车辆的运行状态和所述车辆外部的环境状态；获取目标用户的空调设置偏好的类别；根据所述车辆的状态数据、所述目标用户的空调设置偏好的类别和所述推荐模型，向所述目标用户推荐空调运行参数。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：采集所述目标用户对空调运行参数的设置值；根据所述目标用户对空调运行参数的设置值，确定所述目标用户的空调设置偏好的类别。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：获取每一个空调运行参数的聚类结果，其中，所述聚类结果为每一个空调运行参数对应的多个设置偏好的类别；所述根据所述目标用户对空调运行参数的设置值，确定所述目标用户的空调设置偏好的类别，包括：根据所述目标用户对空调运行参数的设置值和所述每一个空调运行参数的聚类结果，确定所述目标用户的空调设置偏好的类别。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：设置更新周期；所述更新周期用于更新目标用户的空调设置偏好的类别；根据所述更新周期，更新所述目标用户对空调运行参数的设置值；所述根据所述目标用户对空调运行参数的设置值和所述每一个空调运行参数的聚类结果，确定所述目标用户的空调设置偏好的类别，包括：根据更新后的所述目标用户对空调运行参数的设置值和所述每一个空调运行参数的聚类结果，确定所述目标用户的空调设置偏好的类别。5.根据权利要求1所述的方法，其特征在于，所述推荐模型包括第一模型和第二模型；所述第一模型和第二模型分别用于向用户推荐空调的不同运行参数的值；所述目标用户的空调设置偏好的类别包括：所述目标用户对第一空调运行参数的设置偏好的类别和所述目标用户对第二空调运行参数的设置偏好的类别；所述根据所述车辆的状态数据、所述目标用户的空调设置偏好的类别和所述推荐模型，向所述目标用户推荐空调运行参数，包括：将所述车辆的状态数据和所述目标用户对第一空调运行参数的设置偏好的类别，输入所述第一模型，得到第一运行参数的推荐值；将所述车辆的状态数据和所述目标用户对第二空调运行参数的设置偏好的类别，输入所述第二模型，得到第二运行参数的推荐值。6.一种模型训练方法，其特征在于，所述方法包括：获取第三预设时间段内车辆的状态数据；所述状态数据包括所述车辆的运行状态和所述车辆外部的环境状态；获取多个用户的空调设置偏好的类别；
根据所述车辆的状态数据、所述多个用户的空调设置偏好的类别和所述多个用户对所述空调运行参数的设置值，构建训练样本；根据所述训练样本，训练推荐模型，得到训练好的所述推荐模型；所述推荐模型用于向用户推荐空调运行参数。7.根据权利要求6所述的方法，其特征在于，所述用户的空调设置偏好的类别包括所述用户对每一个空调运行参数的设置偏好的类别；所述获取多个用户的空调设置偏好的类别之前，所述方法还包括：分别在不同的外部环境中，采集所述多个用户对每一个空调运行参数的设置值；对所述多个用户对每一个空调运行参数的设置值进行聚类，得到所述每一个空调运行参数的聚类结果，以及所述多个用户对每一个空...

【专利技术属性】
技术研发人员：邓鹏，谭瑞，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：