CN108216261A - 基于预测目的地控制车辆的方法和系统 - Google Patents

Abstract

本申请涉及基于预测目的地控制车辆的方法和系统。提供了一种用于基于当车辆的驾驶员没有向车辆的导航系统输入特定目的地时预测的目的地来控制车辆的至少一个特征的方法和系统。使用车辆的驾驶信息确定驾驶模式。确定预存储的驾驶模型与的驾驶模式对应的驾驶模型。所确定的驾驶模型的目的地被识别为预测目的地。生成与用于控制车辆的至少一个特征的预测目的地对应的控制信号，用于根据车辆控制信息执行车辆操作。

Description

基于预测目的地控制车辆的方法和系统

相关申请的交叉参考

本申请要求于2016年12月20日在韩国知识产权局提交的韩国专利申请No.10-2016-0174746的优先权和权益，其全部内容通过引用并入本文。

技术领域

本公开涉及一种基于预测目的地来控制车辆的方法和系统。

背景技术

为了方便车辆驾驶员，已经开发了用于自动地预测和设定目的地的方法，而不单独设定目的地。该技术在韩国专利注册号1,543,087中公布。专利087是在安装在车辆中的导航中执行的技术，并且从存储的目的地信息预测到达的目的地，并且通过使用用于设定目的地的输入日期、用于预先注册信息的DB输入日期、请求目的地的时间等来设定预测目的地。

即使在用户未单独设定目的地而进行驾驶的情况下预测目的地时，存在诸如用于每个时间段的使用道路和驾驶方向的各种信息被预定提供给驾驶员的优点，并且存在即使用户不执行大量操纵也可以轻松找到目的地的优点。

然而，难以将相关技术应用于不使用导航的用户，即使用移动导航功能并且输入次数少的用户，但是存在用户需要操作导航的不便。此外，相关技术仅限于简单地设定目的地，并且因此各种信息或服务未提供至在没有设定目的地的情况下进行驾驶的驾驶员或车辆。

本背景技术部分中公开的上述信息仅用于增强对本发明背景的理解，因此包含的信息可能不构成本国本领域普通技术人员已知的现有技术。

本节的公开提供本发明的背景。申请人注意到，本节可能包含本申请之前可用的信息。然而，通过提供本节，申请人不承认本节中包含的任何信息构成现有技术。

发明内容

本公开已经做出努力来提供一种基于预测目的地而控制车辆的方法和系统，具有的优点包括，针对未设定目的地的驾驶车辆预测目的地，并且在基于通过预测目的地获得的各种信息来驾驶到预测目的地的同时向驾驶员或车辆提供执行操作益处的车辆控制信息。

本发明的实施例可以用于实现除了上述目的之外没有具体提及的其它目的。

本发明的实施例提供了一种基于预测目的地来控制车辆的方法，所述方法包括：通过使用从车辆接收的驾驶信息来确定驾驶模式；确定预存储的驾驶模型中与驾驶模式对应的驾驶模型；将确定的驾驶模型的目的地确定为预测目的地；生成与预测目的地对应的车辆控制信息；以及通过向车辆提供车辆控制信息，根据车辆控制信息执行车辆操作。

该方法可以进一步包括执行以下操作：在用户的车辆到达预定目的地时将驾驶模式信息和目的地应用到预存储的用户驾驶模型，学习用户驾驶模型，从而维护或改变与对应的驾驶模式对应的预存储用户驾驶模式。

该方法可以进一步包括在学习用户驾驶模型时，确定在设定时段内访问次数等于或大于设定次数的目的地作为第一目的地，确定在设定时段内访问次数小于设定次数的目的地作为第二目的地，并且区分在用户驾驶模型中包括的目的地是第一目的地还是第二目的地。

设定次数可以基于以前的访问记录而变化。

在第一目的地和第二目的地的情况下，车辆控制信息可以具有不同的控制项，并且在第一目的地的情况下包括DPF再生禁止，并且在第二目的地的情况下包括DPF再生允许。

预存储的驾驶模型可以包括通过使用用户的驾驶信息生成的用户驾驶模型和通过使用其他驾驶员中每一个驾驶员生成的外部驾驶模型。

该方法可以进一步包括当从用户接收到个人信息时确定与个人信息匹配的外部模型组，并将用户注册为对应的外部模型组，其中预存储的驾驶模型中的外部驾驶模型可以是在对应的用户被注册的外部模型组的组成员中的至少一个组成员的用户驾驶模型。

用于判断外部模型组的个人信息可能包括居住地(地区)、年龄和性别，并且进一步包括爱好和家庭成员。

本发明的另一实施例提供了一种基于预测目的地来控制车辆的系统，该系统包括：接收单元，其从每个车辆接收驾驶信息；驾驶员识别单元，其识别发送驾驶信息的车辆或驾驶员；目的地预测单元，其通过当前从第一驾驶员的车辆接收到的驾驶信息来确定驾驶模式，找到预存储的驾驶模型中与确定的驾驶模式对应的驾驶模型，并且判断在所找到的驾驶模型中包括的目的地作为预测目的地；以及车辆控制信息生成单元，其生成与由目的地预测单元预测的目的地对应的车辆控制信息。

预存储的驾驶模型可包括通过使用用户的驾驶信息生成的用户驾驶模型和通过使用其他驾驶员中的每一个驾驶员生成的外部驾驶模型。

该系统可以进一步包括用户模型学习单元，其执行以下操作：在用户的车辆到达预测目的地时向用户驾驶模型应用驾驶模式信息和目的地，学习用户驾驶模型，从而维护或改变与对应的驾驶模式对应的用户驾驶模型。

在学习用户驾驶模型时，用户模型学习单元可以将在设定时段内访问次数等于或大于设定次数的目的地判断为第一目的地，确定在设定时段内访问次数小于设定次数的目的地作为第二目的地，并且区分在用户驾驶模型中包括的目的地是第一目的地还是第二目的地。

该系统可以进一步包括外部模型管理单元，该外部模型管理单元通过使用从用户接收到的个人信息将用户注册为在具有与个人信息最高关联的外部模型组中的组成员，并且管理当改变个人信息时被改变的注册的外部模型组，其中外部驾驶模型可以是对应的用户被注册的外部模型组中的组成员中的至少一个组成员的用户驾驶模型。

当用户驾驶模型通过学习改变时，用户模型学习单元可以将改变的用户驾驶模型反映到对应成员所属的外部模型组的外部驾驶模型。

在第一目的地的情况下和第二目的地的情况下，车辆控制信息可以具有不同的控制项，并且在第一目的地的情况下包括DPF再生禁止，并且在第二目的地的情况下包括DPF再生允许。

根据本发明的实施例，即使驾驶员在不设定目的地的情况下进行驾驶，远程中心也确定车辆控制项，诸如适合于由驾驶员使用的每个时间段的驾驶路线或车辆状况的柴油颗粒过滤器(DPF)再生或尿素补充，以将确定的车辆控制项提供给对应的车辆，从而减少燃料消耗，防止事故等。

此外，像远距离高速驾驶一样，客户在输出不敏感的时刻执行能够减少输出的控制，从而显著地减少客户的要求和驾驶障碍。

附图说明

图1是根据本发明实施例的基于预测目的地来控制车辆的服务的示意图。

图2是根据本发明的另一实施例的基于预测目的地来控制车辆的系统的框图。

图3是根据本发明另一实施例的基于预测目的地来控制车辆的方法的示意流程图。

图4是根据本发明的另一实施例的与基于预测目的地的控制车辆的方法中的生活目的地对应的流程图。

图5是根据本发明的另一实施例的与基于预测目的地的控制车辆的方法中的活动目的地对应的流程图。

<附图标记说明>

10，20：车辆 100：服务系统

101：接收单元 102：驾驶员识别单元

103：外部模型管理单元 104：目的地预测单元

105：车辆控制信息生成单元

106：用户模型学习单元

107：接收数据DB 108：用户模型DB

109：外部模型DB。

具体实施方式

将在下文中参考附图更全面地描述本发明的实施例。如本领域技术人员将认识到的，在不脱离本发明的精神或范围的情况下，所描述的实施例可以以各种不同的方式进行修改。在附图中，为了清楚地描述本发明的实施例，省略了与描述不相关的部分，并且在整个说明书中相同的附图标记表示相同的元件。此外，将省略已知的已知技术的详细描述。

在整个说明书中，除非明确地相反地描述，否则词语“包括”和诸如“包括了”或“包含”的变化将被理解为意图包含所述元件，而不排除任何其它元件。此外，在本说明书中公开的包括“单元”、“模块”等的术语意味着处理至少一个功能或操作的单元，并且这可以通过硬件或软件或硬件和软件的组合来实现。

在下文中，将参考附图描述根据本发明的实施例的基于预测目的地来控制车辆的方法和系统。

本发明的一个方面提供了一种用于当车辆的驾驶员没有向车辆的导航系统提供目的地的直接输入时在驾驶时估计车辆的目的地的方法。驾驶员驾驶车辆而不输入目的地到导航系统(或连接到车辆的另一装置)。计算系统(安装在车辆中或连接到车辆)在驾驶时收集车辆的驾驶信息。在实施例中，驾驶信息包括从当前驾驶的起点、车辆在当前驾驶期间已经驶过的路线、当前驾驶的速度曲线和车辆的轮廓方向(profile direction)中的至少一个。

将车辆的驾驶信息与至少一个预定驾驶模型进行比较。在实施例中，驾驶模型包括起点、目的地以及从起点和目的地的至少一个驾驶路线。当驾驶信息与预定驾驶模型匹配时，可以将预定驾驶模型的计算系统目的地视为车辆的(期望)目的地。在实施例中，当车辆行驶的路线至少部分地与驾驶模型的驾驶路线匹配时，驾驶模型的目的地被确定为当前驾驶的预期目的地(预测的目的地、预测目的地)。

当确定车辆的预期目的地时，可以根据预期目的地的至少一个特征来控制车辆的至少一个特征。在实施例中，车辆的至少一个特征可以根据从车辆的当前位置到预期目的地的剩余距离来控制。例如，当车辆的状态(轮胎压力、剩余燃料等)不适于驾驶到预期目的地时，车辆向驾驶员提供警告。在实施例中，根据本发明的实施例，包括用于根据车辆目的地的特征来激活或停用车辆特征的预定条件的数据库可用于计算系统。用于控制车辆的至少一个功能的目的地的特征包括距目的地的剩余距离、距目的地的估计时间、目的地的目的地类别的联系信息的原理之一。

即使在确定了预期目的地之后也监视车辆的驾驶信息。当驾驶信息与当前驾驶模型不再匹配时。另一个驾驶Lawndale与驾驶信息进行比较，以确定新的预期目的地。当车辆到达目的地时，到达目的地的驾驶信息被更新至与车辆相关联的驾驶模型的数据库。在实施例中，用于估计我的车辆的目的地的上述方法由安装在车辆中的至少一个计算系统、车辆外的至少一个计算系统及其组合来执行。

图1是根据本发明实施例的基于预测目的地来控制车辆的服务的示意图。参考图1，根据本发明的实施例的基于预测目的地来控制车辆的服务是在根据本发明的实施例基于预测目的地来控制车辆的系统(以下称为“服务系统”)中提供的服务。

基于预测目的地来控制车辆的服务是通过在服务系统100(例如，远程信息处理中心)中驾驶期间预测目的地并且生成车辆控制项而允许对应车辆根据车辆控制信息(即通过考虑到预测目的地的距离、目的地的性质等以向对应的车辆提供的车辆控制信息)进行操作的服务。

这里，目的地的性质分为生活目的地和活动目的地。

生活目的地是根据重复日常生活的目的地，并且对应于上下班的公司或商店、每周末访问的大市场、经常访问的健身房、美容院、文化中心、百货公司、餐厅等。活动目的地是旅行或爱好期间访问的目的地。一般来说，大多数生活目的地靠近住宅附近，并且大多数活动目的地远离生活目的地，诸如使用公路。

服务系统100使用与请求服务的成员具有高相关性的其他成员的信息，以更准确地预测目的地。在这种情况下，通过结合诸如居住地(地区)、年龄、性别、爱好和家庭成员等各种信息来确定相关性，并且由于两个成员在居住地(地区)、年龄、性别、爱好和家庭成员方面彼此相同，所以相关性较高。

在服务系统100中使用的其他成员的信息是正从其他成员接收到的驾驶模型信息，并且驾驶模型统指对应的驾驶员车辆的离开、目的地和移动(驾驶)路径，并且可以进一步包括从车辆获得的各种信息，诸如移动时间、移动速度、日期和星期几。服务系统100确定关于何时、何地以及哪个目的地的信息，以及对应成员通过驾驶模型的信息驾驶哪个路线的信息。驾驶模型分为用户驾驶模型，其是请求服务的用户的驾驶模型，以及作为用户以外的人的驾驶模型的外部驾驶模型。

这里，成员是指基于预测服务系统100的目的地来接收控制车辆的服务的所有驾驶员，并且可以是在服务系统100中被注册为实际成员的驾驶员或者在没有用作成员的情况下接收服务的驾驶员。在下文中，为了理解，将描述在服务系统100中被注册为实际成员的驾驶员。

在示意性地描述服务系统100中的服务操作时，服务系统100接收来自成员的车辆10和20中的每一个的驾驶模型信息，并且累积并存储驾驶模型信息(S1)。

在该状态下，当一个成员(以下称为“用户”)起动并开始驾驶时，用户车辆10生成包括当前位置、移动路线、移动时间、行驶速度、RPM等的驾驶信息并且连续地提供生成的驾驶信息给服务系统100(S2)。

在接收到驾驶信息时服务系统100通过包括在驾驶信息中的成员识别信息(或车辆识别信息)来识别成员，通过驾驶信息连续地确定驾驶模型，并且分析与驾驶模型对应的用户驾驶模型，以及外部驾驶模型，以找到与确定的驾驶模式对应的驾驶模型(S3)。

这里，驾驶模式是由车辆使用时间、使用道路、驾驶路线、车辆速度等确定的驾驶员使用车辆的形式。例如，如果用户每天都要使用车辆去工作，则用户每天在类似的时间段将车辆移动到公司，并且学习当时使用的道路、驾驶路线和驾驶时间，因为每天没有太大差异，或者即使有差异，也不会每天都使用新的道路。因此，当确定车辆使用时间、使用道路、移动时间等时，可以确定可以确定用户移动的目的地的驾驶模式。

服务系统100将与驾驶模式对应的驾驶模型的目的地确定为预测目的地，生成与预测目的地对应的车辆控制信息(S4)，并将生成的车辆控制信息提供给用户车辆10(S5)。

在这种情况下，可以从车辆中的通信装置接收车辆控制信息，或者从与车辆相关联的导航装置或用户移动装置接收车辆控制信息。车辆控制信息包括指示DPF是否可以再生的信息，指示是否补充尿素的信息，关于需要补充的部件的信息，关于诊断项或需要安全检查的部件的信息，用于防止长途驾驶的燃料经济性和输出劣化的电池SOC管理信息等。

当用户车辆10从服务系统100接收车辆控制信息时，用户车辆10根据接收的车辆控制信息执行操作。

在下文中，将参考图2描述服务系统100，即，根据本发明的实施例的基于预测目的地来控制车辆的系统100。

图2是根据本发明的另一实施例的基于预测目的地来控制车辆的系统的框图。参考图2，服务系统100包括接收单元101、驾驶员识别单元102、外部模型管理单元103、目的地预测单元104、车辆控制信息生成单元105、用户模型学习单元106、接收数据DB 107、用户模型DB 108和外部模型DB 109。

接收单元101与车辆的通信设备进行通信，从每个车辆接收驾驶信息，并向每个车辆提供车辆控制信息。用户通过使用移动装置、计算机或安装在车辆中的电子装置通过接收单元101连接成为成员。驾驶员识别单元102通过确定包括在接收到的驾驶信息中的成员识别信息(例如，车辆识别信息、导航识别信息、移动电话号码等)来识别发送接收到的驾驶信息的成员(驾驶员)。

外部模型管理单元103通过使用每个成员的个人信息来确定属于每个成员的外部模型组，将外部模型组注册成一起对应于成员识别信息，并且在个人信息改变时管理要改变的外部模型组。

外部模型组是确定与他人关联而分类的组，并且基于诸如对应成员的居住地(地区)、年龄、性别、爱好和家庭成员的各种信息进行分类。也就是说，拥有相同居住地(地区)、年龄、性别、爱好和家庭成员的人成为相同的组成员，并且然后如果住宅地(地区)、年龄、性别、爱好和家庭成员中的任何一个改变，组被改变为另一个外部模型组。这里，区分外部模型群的元素不限于居住地(地区)、年龄、性别、爱好、家庭成员等，并且可以为每个制造商任意选择，或者可以添加或改变其它元素。

目的地预测单元104通过接收到的驾驶信息确定驾驶模式，找到用户驾驶模型中与所确定的驾驶模式对应的驾驶模型或用户所属的外部模型组的外部驾驶模型，并且判断在找到的驾驶模型中包括的目的地作为预测目的地，并且然后判断所判断的预测目的地是生活目的地还是活动目的地。在这种情况下，与驾驶模式对应的驾驶模型的数量可以是多个，并且在这种情况下，目的地预测单元104选择与多个驾驶模型中的驾驶模式具有最高相似度的驾驶模型。同时，当选择一个驾驶模型时，目的地预测单元104可以另外使用与用户的年龄、居住地、年龄、性别、爱好、家庭成员等的相似性。

车辆控制信息生成单元105判断目的地是生活目的地还是活动目的地，并且根据目的地的特征生成车辆控制信息。关于目的地是生活目的地还是活动目的地的分类信息包括在驾驶模型中。在生成车辆控制信息时，车辆控制信息生成单元105可以使用包括在驾驶模型中的移动路线，使用实时交通信息，或者使用对应车辆的耗材状态信息。当然，车辆控制信息生成单元105也可以对与当前位置和目的地对应的车辆控制信息进行预注册，并通过使用预测目的地和当前位置来提取注册的车辆控制信息，将提取的车辆控制信息提供给对应的车辆。

当作为提供服务的结果，用户的车辆根据接收到的驾驶信息到达预测目的地时，用户模型学习单元106在该时间期间将驾驶信息和目的地应用到现有用户驾驶模型并学习，并学习驾驶信息和目的地以执行保持或改变与每个驾驶模式对应的驾驶模型的操作。此外，用户模型学习单元106相对于学习驾驶模式时的每个驾驶模式的驾驶模型，确定每个驾驶模型的目的地是生活目的地还是活动目的地，并记录所确定的信息。

用户模型学习单元106使用设定时段内的设定次数作为判断目的地是生活目的地还是活动目的地的标准。例如，当设定时段为一周且设定次数为2次时，用户模型学习单元106将一周内被访问两次以上的同一目的地判断为生活目的地并且将其它目的地判断为活动目的地。在这种情况下，将设定时段设定为两周、一个月等，以判断目的地是否为生活目的地，并且设定次数也可以由制造商任意设定。此外，设定次数可以基于先前的访问记录而变化。

当然，距离可以用作额外的判断标准。例如，当一周访问一次的目的地的距离接近主距离(或者车库)时，将对应的目的地判断为生活目的地。访问餐厅、大型市场或百货公司的情况可能与生活目的地对应。

所学习的驾驶模型被存储在对应用户的用户模型DB 108中，并响应于对应用户被注册的外部模型组而存储在外部模型DB 109中。用户模型学习单元106使用常规机器学习算法，并且使用例如循环神经网络(RNN)，其是机器学习方法中的深度学习算法。

接收数据DB 107存储通过接收单元101接收到的每个成员车辆的驾驶信息，用户模型DB 108存储每个成员的每个驾驶模式的用户驾驶模型，并且外部模型DB 109存储每个外部模型组的每个驾驶模式的每个成员的用户驾驶模型。

在下文中，将参考图3描述基于预测在服务系统100中执行的目的地来控制车辆的方法的示意性操作。图3是根据本发明另一实施例的基于预测目的地来控制车辆的方法的示意流程图。

参考图3，当用户访问服务系统100(S301)并请求新的成员注册时，服务系统100接收个人信息(例如，居住地(地区)、年龄、性别、爱好、家庭成员、车辆的种类和说明、耗材上的替换信息等)，并将用户注册为新成员(S302)。接下来，服务系统100确定与新注册成员的个人信息匹配的外部模型组，并将用户注册为所确定的外部模型组(S303)。

当服务系统100从第一成员的车辆接收到驾驶信息(S304)时，服务系统100通过累积和存储的驾驶信息确定驾驶模式，通过使用用户驾驶模型和外部驾驶模型确定具有与所确定的驾驶模式最相似的驾驶模式的驾驶模型，并将确定的驾驶模型的目的地确定为预测目的地(S305)。

当预测目的地时，服务系统100根据预测目的地是生活目的地还是活动目的地生成车辆控制信息，即车辆控制项(S306)，并且将记录车辆控制项的列表信息提供到第一成员的车辆(S307)。

当从第一成员的车辆连续接收到驾驶信息时(S309)，服务系统100通过接收到的驾驶信息判断当前驾驶路线是否在到预测目的地的驾驶路线上(即，预测驾驶路线)(S310)。服务系统100判断车辆正在前进到被判断为驾驶到预测路线的预测目的地，并且如果车辆未驾驶到预测路线，则判断车辆未进入预测目的地。

根据判断，当车辆驾驶到预测路线时，服务系统100判断车辆是否到达目的地，当判断车辆没有进入预测目的地时，通过使用接收到的驾驶信息，通过判断的驾驶模式来确定新的预测目的地(S311)，并生成并提供与新的预测目的地对应的车辆控制信息(S312和S307)。在这种情况下，当新的预测目的地是相同的生活目的地或活动目的地或生成的车辆控制信息与先前生成的车辆控制信息相同时，不需要向第一成员的车辆提供车辆控制信息的操作。

同时，如果在设定时段内没有接收到驾驶信息，则服务系统100判断车辆到达目的地(S308)，通过使用当前接收到的驾驶信息和最终预测目的地来学习第一成员的用户驾驶模型，并且如果通过学习改变驾驶模型的信息，则更新第一成员的用户模型DB 108和外部模型DB 109的信息(S313)。

在下文中，将参考图4和图5分别描述根据预测目的地是生活目的地还是活动目的地的操作。

图4是对应于根据本发明的另一实施例的基于预测目的地的控制车辆的方法中的生活目的地的流程图。参考图4，当用户启动并开始驾驶时(S401)，车辆确定每个设定条件的驾驶信息(S402)，并将确定的驾驶信息提供给服务系统100(S403)。在这种情况下，在使用导航功能的情况下，如果设定条件可以是通过道路分支的点(例如交叉路口)的设定时段时间或条件。根据导航技术，道路由链路和节点表示，节点将道路的开始和结束表示为指示道路连接的信息，并且链路表示连接两个节点的道路。因此，在使用导航功能的情况下，车辆在通过节点或者遇到新节点的情况下，确定驾驶信息。

服务系统100确定接收到的驾驶信息(S404)，通过使用用户驾驶模型确定与当前确定的驾驶模式对应的一个驾驶模型，并且然后确定驾驶模型的目的地作为预测目的地(S405)。此外，服务系统100判断预测目的地是否为生活目的地(S406)。同时，如果在用户驾驶模型中没有与当前确定的驾驶模式对应的驾驶模型，则服务系统100确定用户的外部模型组，并且然后通过使用与对应的外部模型组对应的外部驾驶模型来确定与驾驶模式对应的一个驾驶模型。

如果预测目的地是生活目的地，则服务系统100通过在对应的驾驶模型中包括的驾驶路线来确定从当前位置到预测目的地的驾驶路线，并且细分驾驶路段(S407)，并且确定并生成通过考虑坡度、交通灯、实时交通情况等有利于燃料消耗和驾驶性能的车辆控制项(S408)。

所生成的车辆控制项被提供给车辆(S409)，并且对应的车辆根据接收到的车辆控制项来控制车辆操作(S410)。例如，如果根据较短的驾驶时段在车辆控制项中存在防止执行DPF再生的控制项，则服务系统100需要根据车辆的设定操作条件执行DPF再生，但是根据DPF再生禁止命令不执行DPF再生。

图5是对应于根据本发明的另一实施例的基于预测目的地的控制车辆的方法中的活动目的地的流程图。参考图5，当用户启动并开始驾驶时(S501)，车辆确定每个设定条件的驾驶信息(S502)，并将确定的驾驶信息提供给服务系统100(S503)。

服务系统100确定接收到的驾驶信息，通过使用用户驾驶模型确定与当前确定的驾驶模式对应的一个驾驶模型，将驾驶模型的目的地确定为预测目的地，并且然后判断预测目的地是否为生活目的地(S504)。

服务系统100将预测目的地判断为活动目的地而不是生活目的地(S505)，并且确定并生成与活动目的地对应的车辆控制项(S506)。

所生成的车辆控制项被提供给车辆(S507)，并且对应的车辆根据接收到的车辆控制项来控制车辆操作(S508)。例如，如果根据较短的驾驶时段在车辆控制项中存在允许DPF再生的控制项，则如果车辆的设定操作条件被满足，则服务系统100执行DPF再生。作为另一个示例，在诸如尿素的容量不足的情况下或存在具有安全危险的部件而不可能进行长途驾驶时，如果控制项中存在诸如尿素补充命令(尿素补充警告)的控制项，车辆显示对应的控制项以允许用户响应所显示的控制项。

虽然已经结合目前被认为是实用的实施例描述了本发明，但是应当理解，本发明不限于所公开的实施例，而是相反，旨在覆盖在所附权利要求的精神和范围内包括的各种修改和等效布置。

Claims (17)

1.一种基于预测目的地来控制车辆的方法，所述方法包括以下步骤：

通过使用从车辆接收的驾驶信息来确定驾驶模式；

确定预存储的驾驶模型中与所述驾驶模式对应的驾驶模型；

将确定的驾驶模型的目的地确定为预测目的地；

生成与所述预测目的地对应的车辆控制信息；以及

通过向所述车辆提供所述车辆控制信息，根据所述车辆控制信息执行车辆操作。

2.根据权利要求1所述的方法，进一步包括以下步骤：

执行以下操作：当所述用户的车辆到达所述预测目的地时将驾驶模式信息和所述目的地应用到预存储的用户驾驶模型，学习所述用户驾驶模型，从而维护或改变与对应的驾驶模式对应的所述预存储的用户驾驶模型。

3.根据权利要求2所述的方法，进一步包括以下步骤：

在学习所述用户驾驶模型时，确定在设定时段内访问次数等于或大于设定次数的目的地作为第一目的地，确定在所述设定时段内访问次数小于设定次数的目的地作为第二目的地，并且区分在所述用户驾驶模型中包括的目的地是所述第一目的地还是所述第二目的地。

4.根据权利要求3所述的方法，其中：

所述设定次数基于以前的访问记录而变化。

5.根据权利要求3所述的方法，其中：

所述车辆控制信息在所述第一目的地的情况下和在所述第二目的地的情况下具有不同的控制项。

6.根据权利要求3所述的方法，其中：

所述车辆控制信息在所述第一目的地的情况下包括DPF再生禁止，并且在所述第二目的地的情况下包括DPF再生允许。

7.根据权利要求1所述的方法，其中：

所述预存储的驾驶模型包括通过使用所述用户的驾驶信息生成的用户驾驶模型和通过使用其他驾驶员中的每一个驾驶员的驾驶信息生成的外部驾驶模型。

8.根据权利要求7所述的方法，进一步包括以下步骤：

当从所述用户接收到个人信息时确定匹配所述个人信息的外部模型组，并将所述用户注册为对应的外部模型组，

其中所述预存储的驾驶模型中的外部驾驶模型是对应用户被注册的所述外部模型组的组成员中的至少一个组成员的用户驾驶模型。

9.根据权利要求8所述的方法，其中：

用于判断所述外部模型组的个人信息包括居住地(地区)、年龄和性别，并且进一步包括爱好和家庭成员。

10.一种基于预测目的地来控制车辆的系统，所述系统包括：

接收单元，其从每个车辆接收驾驶信息；

驾驶员识别单元，其识别发送所述驾驶信息的车辆或驾驶员；

目的地预测单元，其通过当前从第一驾驶员的车辆接收到的驾驶信息来确定驾驶模式，找到预存储的驾驶模型中与确定的驾驶模式对应的驾驶模型，并且判断在找到的驾驶模型中包括的目的地作为预测目的地；以及

车辆控制信息生成单元，其生成与由所述目的地预测单元预测的目的地对应的车辆控制信息。

11.根据权利要求10所述的系统，其中：

所述预存储的驾驶模型包括通过使用所述用户的驾驶信息生成的用户驾驶模型以及通过使用其他驾驶员中的每一个驾驶员生成的外部驾驶模型。

12.根据权利要求11所述的系统，进一步包括：

用户模型学习单元，其执行以下操作：在所述用户的车辆到达所述预测目的地时将驾驶模式信息和所述目的地应用到所述用户驾驶模型，学习所述用户驾驶模型，从而维护或改变与对应的驾驶模式对应的所述用户驾驶模型。

13.根据权利要求12所述的系统，其中：

在学习所述用户驾驶模型时，所述用户模型学习单元将在设定时段内访问次数等于或大于设定次数的目的地判断为第一目的地，确定在所述设定时段内访问次数小于设定次数的目的地作为第二目的地，并且区分在所述用户驾驶模型中包括的目的地是所述第一目的地还是所述第二目的地。

14.根据权利要求12所述的系统，进一步包括：

外部模型管理单元，其通过使用从所述用户接收到的个人信息，将所述用户注册为具有与个人信息最高关联的外部模型组中的组成员，并且管理当所述个人信息改变时要改变的注册的外部模型组，

其中所述外部驾驶模型是对应用户被注册的所述外部模型组中的组成员中的至少一个组成员的用户驾驶模型。

15.根据权利要求14所述的系统，其中：

当所述用户驾驶模型通过学习而改变时，所述用户模型学习单元将改变的用户驾驶模型反映到对应成员所属的所述外部模型组的外部驾驶模型。

16.根据权利要求10所述的系统，其中：

所述车辆控制信息在所述第一目的地的情况下和在所述第二目的地的情况下具有不同的控制项。

17.根据权利要求16所述的系统，其中：

所述车辆控制信息在所述第一目的地的情况下包括DPF再生禁止，并且在所述第二目的地的情况下包括DPF再生允许。