CN107831763B - 一种基于大数据学习的车载控制方法及系统 - Google Patents

一种基于大数据学习的车载控制方法及系统 Download PDF

Info

Publication number
CN107831763B
CN107831763B CN201710971695.1A CN201710971695A CN107831763B CN 107831763 B CN107831763 B CN 107831763B CN 201710971695 A CN201710971695 A CN 201710971695A CN 107831763 B CN107831763 B CN 107831763B
Authority
CN
China
Prior art keywords
vehicle
prediction
data
learning
working parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710971695.1A
Other languages
English (en)
Other versions
CN107831763A (zh
Inventor
王万鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Xiaopeng Motors Technology Co Ltd
Original Assignee
Guangzhou Xiaopeng Motors Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Xiaopeng Motors Technology Co Ltd filed Critical Guangzhou Xiaopeng Motors Technology Co Ltd
Priority to CN201710971695.1A priority Critical patent/CN107831763B/zh
Publication of CN107831763A publication Critical patent/CN107831763A/zh
Application granted granted Critical
Publication of CN107831763B publication Critical patent/CN107831763B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
    • G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Air-Conditioning For Vehicles (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种基于大数据学习的车载控制方法，其包括以下步骤：采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。本发明可以根据车辆的实时行驶数据和/或工作参数，可以在外部环境产生危害前提前预测获得对车载空调的预测控制指令，从而实现车载空调的自动控制，反馈速度快，方便、快捷，可广泛应用于汽车行业中。

Description

一种基于大数据学习的车载控制方法及系统
技术领域
本发明涉及车载自动控制领域，特别是涉及一种基于大数据学习的车载控制方法及系统。
背景技术
传统技术中，车辆在行驶过程中，车载空调是由驾驶员手动进行控制的，这种方式，一般是在驾驶员感受到外部温度、空气质量等环境因素的影响后，再对车载空调进行调节。这种调节方式受驾驶员感受能力、反应速度的影响，无法及时进行调节，例如当车辆行驶过程中，驾驶员闻到化学品刺激味道等异味时，才关闭车载空调的外循环，这种情况，实际上还需要很长一段时间味道才能消散，由此可见，手动调节方式响应速度慢，无法及时屏蔽外部环境对车内空气的影响。目前，出现了一种通过大数据学习算法对室内空调进行自动调节的方案，这种方案基于空气质量传感器等采集的传感数据进行自动调节，实现通过获取批量的室内空调调节数据以及对应的传感数据后，进行大数据学习，从而根据学习结果，在实际应用中，根据传感数据来自动控制空调的内外循环、风量、吹风模式等功能，实现室内空调的自动调节。但是这种调节方式仅仅针对空气质量等环境参数，而且针对的是室内空调，其应用环境、影响因素均与车载空调具有较大不同，无法直接应用到车载空调上进行自动调节。总的来说，目前缺乏有效的车载空调自动调节方案，无法及时、迅速地降低外部环境的影响。
发明内容
为了解决上述的技术问题，本发明的目的是提供一种基于大数据学习的车载控制方法及系统。
本发明解决其技术问题所采用的技术方案是：
一种基于大数据学习的车载控制方法，其包括以下步骤：
采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；
接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。
进一步，还包括以下步骤：
当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换。
进一步，所述当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换的步骤之后，还包括以下步骤：
将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器；
后台服务器根据接收到的反馈信息，标记对应的预测控制指令的有效状态。
进一步，还包括以下步骤：
根据每个预测控制指令的多次有效状态标记，更新预测指令数据库。
进一步，还包括预测指令数据库的学习步骤：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；
将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数。
进一步，所述行驶数据包括行驶地点和/或行驶时间，所述预设的学习规则包括以下规则的至少一种：
提取多台车辆在经过相同行驶地点的相同控制行为；
提取同一台车辆在经过同一行驶地点的多个相同控制行为；
提取多台车辆在针对相同工作参数的相同控制行为；
提取同一台车辆在针对同一工作参数的多个相同控制行为。
进一步，所述当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换的步骤之后，还包括以下步骤：
记录驾驶员对每个预测控制指令的总确认次数，并在检测到驾驶员对某一预测控制指令的总确认次数超过预设次数阈值后，当再次接收到该预测控制指令时，直接根据该预测控制指令对车载空调进行自动控制，不再提醒驶员对该预测控制指令进行确认。
进一步，所述工作参数包括车速、位置、温度、空气质量传感数据和油位传感数据中的至少一种。
本发明解决其技术问题所采用的另一技术方案是：
一种基于大数据学习的车载控制系统，包括存储介质和控制器，所述存储介质存储有至少一个指令，所述控制器用于加载所述至少一个指令并执行以下步骤：
采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；
接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。
进一步，还包括后台服务器，所述后台服务器用于：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；
将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数。
本发明方法、系统的有益效果是：本发明基于大数据学习获得预测指令数据库，从而在车辆的行驶过程中，可以根据车辆的实时行驶数据和/或工作参数，匹配获得对应的预测控制指令，根据该预测控制指令对车载空调进行自动调节，本方案可以根据车辆的实时行驶数据和/或工作参数，可以在外部环境产生危害前提前预测获得对车载空调的预测控制指令，从而实现车载空调的自动控制，反馈速度快，方便、快捷。
附图说明
图1是本发明的一种基于大数据学习的车载控制方法的流程图；
图2是本发明的一种基于大数据学习的车载控制系统的电子框图。
具体实施方式
车载控制方法实施例
参照图1，本实施例提供了一种基于大数据学习的车载控制方法，其包括以下步骤：
S1、采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；
S2、接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
S3、当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换。
其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。
所述行驶数据包括行驶地点和/或行驶时间。所述工作参数包括车速、位置、温度、空气质量传感数据和油位传感数据中的至少一种。
本实施例基于大数据学习获得预测指令数据库，从而在车辆的行驶过程中，可以根据车辆的实时行驶数据和/或工作参数，匹配获得对应的预测控制指令，根据该预测控制指令对车载空调进行自动调节，本方案可以根据车辆的实时行驶数据和/或工作参数，可以在外部环境产生危害前提前预测获得对车载空调的预测控制指令，从而实现车载空调的自动控制，反馈速度快，方便、快捷。
进一步作为优选的实施方式，还包括预测指令数据库的学习步骤：
S01、获取车辆在行驶过程中的批量训练数据；
S02、对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；
S03、将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数。
具体的，训练数据的选取可以根据空调控制目的来选择，例如是基于监测车辆经过的行驶地点来进行自动控制，则选取行驶数据作为训练数据即可，反之，如果是基于车辆周围的空气质量来进行自动控制，则选取工作参数中的空气质量传感数据作为训练数据。
进一步作为优选的实施方式，所述预设的学习规则包括以下规则的至少一种：
提取多台车辆在经过相同行驶地点的相同控制行为；
提取同一台车辆在经过同一行驶地点的多个相同控制行为；
提取多台车辆在针对相同工作参数的相同控制行为；
提取同一台车辆在针对同一工作参数的多个相同控制行为。
预设的学习规则是根据对车载空调的自动控制目的来设定的，可以任意更改，例如“提取多台车辆在经过相同行驶地点的相同控制行为”这一规则，还可以增加时间限制，细化为“提取多台车辆在同一时间段内经过相同行驶地点的相同控制行为”。因此，本实施例只是简单列举了几种可能的学习规则，实际上可以根据需要任意设定学习规则。通过设定预设的学习规则后，设定了大数据学习的方式，从而基于大数据学习，获得具有统计意义的数据以及对应的控制行为并生成对应的预测控制指令，从而可以实现对车载空调的自动控制。
进一步作为优选的实施方式，步骤S3之后，还包括以下步骤：
S4、将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器；
S5、后台服务器根据接收到的反馈信息，标记对应的预测控制指令的有效状态；
S6、根据每个预测控制指令的多次有效状态标记，更新预测指令数据库。
步骤S4中，当驾驶员确认该预测控制指令时，生成有效操作的反馈信息，反之，当驾驶员拒绝该预测控制指令时，生成无效操作的反馈信息，步骤S5中，后台服务器根据每个反馈信息，对相应的预测控制指令进行有效状态标记，标记为有效操作或无效操作。步骤S6中，针对每个预测控制指令的多次标记，可以判断该预测控制指令被标记为有效操作的概率，从而更新预测指令数据库。例如，某行驶数据对应预测控制指令A一共被标记100次，其中，80次被标记为无效操作，20次被标记为有效操作，则表示在该行驶数据下，预测控制指令A不是很恰当，因此，对预测指令数据库进行更新，删除该行驶数据与预测控制指令A之间的对应关系。
进一步作为优选的实施方式，步骤S3之后，还包括以下步骤：
记录驾驶员对每个预测控制指令的总确认次数，并在检测到驾驶员对某一预测控制指令的总确认次数超过预设次数阈值后，当再次接收到该预测控制指令时，直接根据该预测控制指令对车载空调进行自动控制，不再提醒驶员对该预测控制指令进行确认。
本车载控制方法的具体的学习过程举例如下：
(1)、当解析训练数据，发现在某一行驶地点K有超过1000辆车将车载空调从外循环切换为内循环，而且根据车速可以排除该行驶地点K发生堵车等干扰因素，则表示该行驶地点K可能存在空气质量问题，因此，针对该行驶地点K生成对应的将车载空调切换为内循环的预测控制指令L，并与该行驶地点K关联后存储到预测指令数据库。当后台服务器根据实时行驶数据判断车辆即将经过该行驶地点K时，向车辆发送对应的预测控制指令L，车辆接收预测控制指令L后，通过中控屏幕提醒驾驶员对该预测控制指令L进行确认，同时进行语音提醒。
优选的，本实施例中，后台服务器在向车辆发送对应的预测控制指令L之前，还根据车辆的行驶数据获取车辆所在地的天气参数，根据该天气参数判断该预测控制指令L是否合适，再决定是否向车辆发送该预测控制指令L。例如获取气象局的发布的该地区的PM2.5数据进行判断，当预测控制指令L为外循环控制指令时，若判断当前时间，车辆所在地区的PM2.5数据超标，则不再向车辆发送该预测控制指令L。
如果检测到驾驶员对该预测控制指令L进行确认操作，则根据预测控制指令L自动调节车载空调，实现自动控制。同时，根据驾驶员对预测控制指令L的确认，生成对应的表示有效操作的反馈信息，并发送到后台服务器。
(2)、当解析训练数据，某车辆的驾驶员在某一行驶地点P频繁切换车载空调的内外循环模式，切换次数超过一定阈值时，则对该车辆，当后台服务器根据实时行驶数据判断车辆经过该行驶地点P之前，向车辆发送对应的预测控制指令M，车辆接收预测控制指令M后，通过中控屏幕提醒驾驶员对该预测控制指令M进行确认，同时进行语音提醒。
如果检测到驾驶员对该预测控制指令M进行确认操作，则根据预测控制指令M自动调节车载空调，实现自动控制。同时，根据驾驶员对预测控制指令M的确认，生成对应的表示有效操作的反馈信息，并发送到后台服务器。
这个过程中，自动记录驾驶员对每个预测控制指令的总确认次数，如果检测到驾驶员对预测控制指令M的总确认次数超过预设次数阈值N后，当再次接收到该预测控制指令M时，直接根据该预测控制指令M对车载空调进行自动控制，不再提醒驶员对该预测控制指令M进行确认。直到检测到驾驶员在车辆根据该预测控制指令M对车载空调进行自动控制后，存在手动调节车载空调的操作时，恢复步骤S2的操作。本过程的自动控制功能，可以通过设置一功能按键，根据驾驶员对该功能按键的选择，选择开启或关闭自动控制功能。
车载控制系统实施例
参照图2，本实施例提供一种基于大数据学习的车载控制系统，包括存储介质100和控制器200，所述存储介质100存储有至少一个指令，所述控制器200用于加载所述至少一个指令并执行以下步骤：
采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器300；
接收后台服务器300返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
其中，所述预测控制指令是后台服务器300将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。
控制器200通过采集车辆上传感器的数据，或者车载空调的操作数据来获得实时行驶数据和工作参数。这里的传感器包括GPS模块，也包括车辆上设置的空气质量传感器等传感器模块。控制器200与后台服务器300之间通过无线通信方式进行通信。
优选的，本实施例的车载控制系统还包括后台服务器300，所述后台服务器300用于：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；
将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数。
本发明的车载控制系统实施例，可执行上述车载控制方法实施例所提供的基于大数据学习的车载控制方法，可执行车载控制方法实施例的任意组合实施步骤，具备该方法相应的功能和有益效果。
以上是对本发明的较佳实施进行了具体说明，但本发明创造并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (6)

1.一种基于大数据学习的车载控制方法，其特征在于，包括以下步骤：
采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；
接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器；
后台服务器根据接收到的反馈信息，标记对应的预测控制指令的有效状态；
根据每个预测控制指令的多次有效状态标记，更新预测指令数据库；
其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得；
所述方法还包括预测指令数据库的学习步骤：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；
将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数；
其中，所述行驶数据包括行驶地点和/或行驶时间，所述预设的学习规则包括以下规则的至少一种：
提取多台车辆在经过相同行驶地点的相同控制行为；
提取同一台车辆在经过同一行驶地点的多个相同控制行为；
提取多台车辆在针对相同工作参数的相同控制行为；
提取同一台车辆在针对同一工作参数的多个相同控制行为。
2.根据权利要求1所述的基于大数据学习的车载控制方法，其特征在于，所述将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器的步骤之前，还包括以下步骤：
当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换。
3.根据权利要求2所述的基于大数据学习的车载控制方法，其特征在于，所述当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换的步骤之后，还包括以下步骤：
记录驾驶员对每个预测控制指令的总确认次数，并在检测到驾驶员对某一预测控制指令的总确认次数超过预设次数阈值后，当再次接收到该预测控制指令时，直接根据该预测控制指令对车载空调进行自动控制。
4.根据权利要求1所述的基于大数据学习的车载控制方法，其特征在于，所述工作参数包括车速、位置、温度、空气质量传感数据和油位传感数据中的至少一种。
5.一种基于大数据学习的车载控制系统，其特征在于，包括存储介质和控制器，所述存储介质存储有至少一个指令，所述控制器用于加载所述至少一个指令并执行以下步骤：
采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；
接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；
将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器；
后台服务器根据接收到的反馈信息，标记对应的预测控制指令的有效状态；
根据每个预测控制指令的多次有效状态标记，更新预测指令数据库；
其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得；
还包括预测指令数据库的学习步骤：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数；
其中，所述行驶数据包括行驶地点和/或行驶时间，所述预设的学习规则包括以下规则的至少一种：
提取多台车辆在经过相同行驶地点的相同控制行为；
提取同一台车辆在经过同一行驶地点的多个相同控制行为；
提取多台车辆在针对相同工作参数的相同控制行为；
提取同一台车辆在针对同一工作参数的多个相同控制行为。
6.根据权利要求5所述的基于大数据学习的车载控制系统，其特征在于，还包括后台服务器，所述后台服务器用于：
获取车辆在行驶过程中的批量训练数据；
对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；将学习生成的所有预测控制指令与其对应的行驶数据和/或工作参数进行关联后，生成预测指令数据库；
其中，所述训练数据包括：车辆对车载空调进行控制时的控制行为，以及对应的行驶数据和/或工作参数。
CN201710971695.1A 2017-10-18 2017-10-18 一种基于大数据学习的车载控制方法及系统 Active CN107831763B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710971695.1A CN107831763B (zh) 2017-10-18 2017-10-18 一种基于大数据学习的车载控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710971695.1A CN107831763B (zh) 2017-10-18 2017-10-18 一种基于大数据学习的车载控制方法及系统

Publications (2)

Publication Number Publication Date
CN107831763A CN107831763A (zh) 2018-03-23
CN107831763B true CN107831763B (zh) 2021-10-12

Family

ID=61648397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710971695.1A Active CN107831763B (zh) 2017-10-18 2017-10-18 一种基于大数据学习的车载控制方法及系统

Country Status (1)

Country Link
CN (1) CN107831763B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11372403B2 (en) * 2018-11-05 2022-06-28 Tusimple, Inc. Systems and methods for dynamic predictive control of autonomous vehicles
CN111207498B (zh) * 2019-12-27 2021-11-09 广东美的白色家电技术创新中心有限公司 空调设备及其控制方法、服务器、计算机可读存储介质
CN115489571A (zh) * 2022-10-13 2022-12-20 交控科技股份有限公司 跨时空城市轨道交通列车调度指挥系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070082933A (ko) * 2006-02-20 2007-08-23 한라공조주식회사 학습형 차량 공조 제어장치 및 방법
CN102891916A (zh) * 2011-07-18 2013-01-23 中兴通讯股份有限公司 一种预测用户操作的方法及移动终端
CN104742685A (zh) * 2013-12-26 2015-07-01 现代自动车株式会社 节能自动空调控制系统和方法
CN106153065A (zh) * 2014-10-17 2016-11-23 现代自动车株式会社 音频视频导航设备、车辆及控制音频视频导航设备的方法
CN106864453A (zh) * 2017-02-08 2017-06-20 杨铭域 基于大数据的驾驶和环境控制系统及方法
CN107179700A (zh) * 2017-07-03 2017-09-19 杭州善居科技有限公司 一种基于Alljoyn和机器学习的智能家居控制系统和方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9849751B2 (en) * 2015-01-14 2017-12-26 Ford Global Technologies, Llc Adaptive control of automotive HVAC system using crowd-sourcing data
CN105785997B (zh) * 2016-04-20 2019-11-22 北京新能源汽车股份有限公司 车辆控制方法、装置和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20070082933A (ko) * 2006-02-20 2007-08-23 한라공조주식회사 학습형 차량 공조 제어장치 및 방법
CN102891916A (zh) * 2011-07-18 2013-01-23 中兴通讯股份有限公司 一种预测用户操作的方法及移动终端
CN104742685A (zh) * 2013-12-26 2015-07-01 现代自动车株式会社 节能自动空调控制系统和方法
CN106153065A (zh) * 2014-10-17 2016-11-23 现代自动车株式会社 音频视频导航设备、车辆及控制音频视频导航设备的方法
CN106864453A (zh) * 2017-02-08 2017-06-20 杨铭域 基于大数据的驾驶和环境控制系统及方法
CN107179700A (zh) * 2017-07-03 2017-09-19 杭州善居科技有限公司 一种基于Alljoyn和机器学习的智能家居控制系统和方法

Also Published As

Publication number Publication date
CN107831763A (zh) 2018-03-23

Similar Documents

Publication Publication Date Title
CN107831763B (zh) 一种基于大数据学习的车载控制方法及系统
US6853896B2 (en) Vehicle agent system acting for driver in controlling in-vehicle devices
EP3582030A1 (en) Method and system for smart interior of a vehicle
DE102017119681A1 (de) Geschwindigkeitsbasierte Fenstersteuerung
US9440604B2 (en) Time and day sensitive learning interface
DE102018209071A1 (de) Vorrichtung zum Steuern eines Antriebsenergiesystems eines Hybrid- oder Elektrofahrzeugs, Hybrid- oder Elektrofahrzeug und Verfahren zum Steuern eines Antriebsenergiesystems eines Hybrid- oder Elektrofahrzeugs
US20200079173A1 (en) Automatic control of heating and cooling of a vehicle seating assembly pursuant to predictive modeling that recalibrates based on occupant manual control
CN111422036B (zh) 换气控制系统及其控制方法、非暂时性计算机可读介质
KR20160124458A (ko) 차량용 공조장치의 제어 방법 및 이동 단말기의 원격 차량 공조 제어 방법
DE102017125449A1 (de) Systeme und Verfahren für ein zielbasiertes Energiemanagement
CN115268334A (zh) 车窗控制方法、装置、设备及存储介质
CN107221194B (zh) 用于标准或非连接车辆的虚拟转换的系统和方法
CN114290873B (zh) 具有自动适应用户习惯的汽车空调控制方法、系统及车辆
JP2024524103A (ja) 少なくとも部分的な自動運転車両において自動運転の割合を高めるための方法及び装置
CN113942364A (zh) 用于控制驻车空调的方法、装置及驻车空调
CN113931550A (zh) 车内温度调节方法、装置、计算机设备和存储介质
CN113396079B (zh) 用于对具有电驱动装置的车辆的驾驶员进行支持的方法
CN112319505A (zh) 自动驾驶换道判断方法、装置、设备及存储介质
DE102013002702A1 (de) Verfahren und Vorrichtungen zum Betreiben einer Fahrzeugtemperierungsvorrichtung
EP1418476B1 (en) Adaptive control system for a user-adjustable system in a vehicle
CN110126761B (zh) 便于用户远程控制汽车的图片提示系统及图片提示方法
JP6421406B2 (ja) 車両用制御装置および車両用制御方法
CN115199174A (zh) 车窗调控方法、介质、电子设备、调控系统及车辆
CN114132142B (zh) 一种空调控制方法及装置
US20230219395A1 (en) Method for adjusting external air intake in an interior of a vehicle

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant