CN110893744B - 基于公共车辆的空调控制方法和装置 - Google Patents
基于公共车辆的空调控制方法和装置 Download PDFInfo
- Publication number
- CN110893744B CN110893744B CN201811068812.4A CN201811068812A CN110893744B CN 110893744 B CN110893744 B CN 110893744B CN 201811068812 A CN201811068812 A CN 201811068812A CN 110893744 B CN110893744 B CN 110893744B
- Authority
- CN
- China
- Prior art keywords
- passenger flow
- level
- comfort level
- determining
- parameter
- 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
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60H—ARRANGEMENTS OF HEATING, COOLING, VENTILATING OR OTHER AIR-TREATING DEVICES SPECIALLY ADAPTED FOR PASSENGER OR GOODS SPACES OF VEHICLES
- B60H1/00—Heating, cooling or ventilating [HVAC] devices
- B60H1/00642—Control systems or circuits; Control members or indication devices for heating, cooling or ventilating devices
- B60H1/00735—Control systems or circuits characterised by their input, i.e. by the detection, measurement or calculation of particular conditions, e.g. signal treatment, dynamic models
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/80—Technologies aiming to reduce greenhouse gasses emissions common to all road transportation technologies
- Y02T10/88—Optimized components or subsystems, e.g. lighting, actively controlled glasses
Landscapes
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明公开了一种基于公共车辆的空调控制方法和装置。其中,该方法包括:预测当前时刻公共车辆的客流量,并确定客流量对应的舒适度需求等级和/或节能等级,其中,舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,节能等级用于表示预设耗能量与实际耗能量之差所属的范围;根据客流量以及客流量对应的舒适度需求等级和/或节能等级,确定用于控制公共车辆的空调的控制指令;依据控制指令控制公共车辆的空调。本发明解决了现有技术中,公交车辆的空调需要司机手动控制,导致使用不够便利的技术问题。
Description
技术领域
本发明涉及空调领域,具体而言,涉及一种基于公共车辆的空调控制方法和装置。
背景技术
为了乘客的舒适度,公交车等交通工具上会开设空调,但是空调的温度调控需要司机根据环境温度和车内乘客的数量来动态调整,不够智能。
例如,在夏日的上下班高峰期,上下的乘客较多,公交车开门的时间较长,车内的低温不易保持,车内的乘客较多,需要司机将车内的温度调控到较低的温度,才能满足乘客对舒适度的需求,而在非上下班高峰期,需要将司机车内温度相对调高,否则会浪费电能。
针对现有技术中,公交车辆的空调需要司机手动控制,导致使用不够便利的问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种基于公共车辆的空调控制方法和装置,以至少解决现有技术中,公交车辆的空调需要司机手动控制,导致使用不够便利的技术问题。
根据本发明实施例的一个方面,提供了一种基于公共车辆的空调控制方法,包括:预测当前时刻公共车辆的客流量,并确定客流量对应的舒适度需求等级和/或节能等级,其中,舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,节能等级用于表示预设耗能量与实际耗能量之差所属的范围;根据客流量以及客流量对应的舒适度需求等级和/或节能等级,确定用于控制公共车辆的空调的控制指令;依据控制指令控制公共车辆的空调。
进一步地,从历史数据中获取在上一个第一单位时间中,与当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与当前时刻相匹配的第二历史客流量,其中,第二单位时间包括多个第一单位时间;根据第一历史客流量和第二历史客流量,基于预先获取的第一客流量预测模型,预测当前时刻公共车辆的客流量,其中,第一客流量预测模型根据第一样本数据训练得到,第一样本数据至少包括历史时刻对应的客流量。
进一步地,在预测当前时刻公共车辆的客流量之前,获取第一客流量预测模型,其中,获取第一客流量预测模型包括:获取第一样本数据,其中,第一样本数据包括历史客流量数据;确定目标时刻的客流量,与上一个第一单位时间中,与目标时刻相匹配的时刻对应的客流量,以及上一个第二单位时间中,与目标时刻相匹配的客流量为第一训练数据集;使用第一训练数据集对预设的神经网络模型进行训练,得到第一客流量预测模型。
进一步地,获取当前时刻的如一项或多项参数:时间、路段和车外环境温度;将一项或多项参数输入至第二客流量预测模型,其中,第二客流量预测模型根据第二样本数据训练得到,第二样本数据至少包括:一项或多项参数和对应的客流量。
进一步地,在预测当前时刻公共车辆的客流量之前,获取第二客流量预测模型,其中,获取第二客流量预测模型包括:获取第二样本数据;将一项或多项参数与对应的客流量作为第二训练数据集对预设的神经网络模型进行训练,得到第二客流量预测模型。
进一步地,舒适度需求等级具有对应的第一调整参数,节能等级具有对应的第二调整参数,在预设舒适度参数与实际舒适度参数之差为正数的情况下,依据舒适度需求等级对应的第一调整参数确定控制指令;在预设舒适度参数与实际舒适度参数之差为负数的情况下,依据节能等级对应的第二调整参数确定控制指令。
进一步地,舒适度需求等级具有对应的第一调整参数,节能等级具有对应的第二调整参数,依据舒适度需求等级对应的第一调整参数确定控制指令;或依据节能等级对应的第二调整参数确定控制指令。
根据本发明实施例的另一方面,还提供了一种基于公共车辆的空调控制装置,包括:第一确定模块,用于预测当前时刻公共车辆的客流量,并确定客流量对应的舒适度需求等级和/或节能等级,其中,舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,节能等级用于表示预设耗能量与实际耗能量之差所属的范围;第二确定模块,用于根据客流量以及客流量对应的舒适度需求等级和/或节能等级,确定用于控制公共车辆的空调的控制指令;控制模块,用于依据控制指令控制公共车辆的空调。
在本发明实施例中,预测当前时刻公共车辆的客流量,并确定客流量对应的舒适度需求等级或节能等级,其中,舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,节能等级用于表示预设耗能量与实际耗能量之差所属的范围,根据客流量以及客流量对应的舒适度需求等级或节能等级,确定用于控制公共车辆的空调的控制指令,依据控制指令控制公共车辆的空调。上述方案根据公共车辆的客流量对公共车辆进行控制,因此无需司机手动控制公共车辆的空调,且兼顾乘客的舒适度以及空调的节能程度,从而提高了公共车辆上空调使用的便捷程度,解决了现有技术中,公交车辆的空调需要司机手动控制,导致使用不够便利的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是根据本发明实施例的基于公共车辆的空调控制方法的流程图;以及
图2是根据本发明实施例的基于公共车辆的空调控制装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明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发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例,提供了一种基于公共车辆的空调控制方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的基于公共车辆的空调控制方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,预测当前时刻公共车辆的客流量,并确定所述客流量对应的舒适度需求等级和/或节能等级,其中,所述舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,所述节能等级用于表示预设耗能量与实际耗能量之差所属的范围。
具体的,上述公共车辆可以是公共汽车、以及地铁等轨道车辆,公共车辆的客流量用于表示公共车辆当前所载的乘客数量。
在一种可选的实施例中,以公共汽车为例,对于一路公共汽车来说,其所行驶的路径,以及高峰期出现的时间在一个较长的周期内具有一定的相似性,因此可以基于当前时刻的时间来预测当前时刻公共车辆的客流量。
舒适度参数可以由公共车辆内的实际温度来描述,预设舒适度参数可以是目标温度。在一种可选的实施例中,舒适度需求等级可以分为高、中、低三个等级,在客流量较大的情况下,公共车辆内的实际温度与目标温度之差较大,对应舒适度需求等级为高级;在客流量中等的情况下,公共车辆内的实际温度与目标温度相差较小,舒适度需求等级可以为中级;在客流量较小的情况下,公共车辆内的实际温度与目标温度相同,舒适度需求等级可以为低级。
同理的,节能等级可以根据公共车辆单位时间的实际耗能量来描述。在一种可选的实施例中,节能等级也可以分为高、中、低三个等级,在客流量较大的情况下,公共车辆内的实际耗能量大于目标耗能量,对应的节能等级为低级,在客流量中等的情况下,公共车辆内的耗能量与目标耗能量相似或相同,节能等级可以为中级;在客流量较小的情况下,公共车辆内的实际耗能量小于目标耗能量,节能度等级可以为高级。
步骤S104,根据客流量以及客流量对应的舒适度需求等级和/或节能等级,确定用于控制公共车辆的空调的控制指令。
在一种可选的实施例中,舒适度需求等级具有对应的调整参数,节能等级也具有对应的调整参数,因此在确定客流量后,可以确定其舒适度需求等级或节能等级对应的调整参数为控制指令。
例如:客流量对应的舒适度需求等级为高级,在空调指令的情况下,高级对应的调整参数为“降低2℃,增大风量”,从而对应的控制指令为“降低2℃,增大风量”。
步骤S106,依据控制指令控制公共车辆的空调。
上述步骤在根据客流量得到控制指令后,依据控制指令对公共车辆进行控制,以使公共车辆的空调的运行参数能够根据公共车辆客流量的变化实时进行变化,在提高公共车辆的舒适度的同时,节约空调所耗费的能源。
由此可知,本申请上述实施例预测当前时刻所述公共车辆的客流量,并确定所述客流量对应的舒适度需求等级或节能等级,其中,所述舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,所述节能等级用于表示预设耗能量与实际耗能量之差所属的范围,根据所述客流量以及所述客流量对应的舒适度需求等级或节能等级,确定用于控制所述公共车辆的空调的控制指令,依据所述控制指令控制所述公共车辆的空调。上述方案根据公共车辆的客流量对公共车辆进行控制,因此无需司机手动控制公共车辆的空调,且兼顾乘客的舒适度以及空调的节能程度,从而提高了公共车辆上空调使用的便捷程度,解决了现有技术中,公交车辆的空调需要司机手动控制,导致使用不够便利的技术问题。
作为一种可选的实施例,预测当前时刻公共车辆的客流量,包括:从历史数据中获取在上一个第一单位时间中,与当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与当前时刻相匹配的第二历史客流量,其中,第二单位时间包括多个第一单位时间;根据第一历史客流量和第二历史客流量,基于预先获取的第一客流量预测模型,预测当前时刻公共车辆的客流量,其中,第一客流量预测模型根据第一样本数据训练得到,第一样本数据至少包括历史时刻对应的客流量。
具体的,上第一单位时间可以为小时,第二单位时间可以为天,以当前时刻为13:15为例,上一个第一单位时间中与当前时刻相匹配的时刻指的是当天的12:15,第一历史客流量即为当天的12:15对应的客流量;上一个第二单位时间中,与当前时刻相匹配的第二历史客流量,指的是前一天12:15的客流量,即前一天12:15的客流量为第二历史客流量。
上述方案使用第一历史客流量和第二历史客流量,基于预设的第一客流量预测模型预测当前时刻的客流量,其中,使用第一历史客流量符合公共车辆运行过程中客流量相分布的相近原则,使用第二历史客流量基于公共车辆行驶的周期性原则。
作为一种可选的实施例,在预测当前时刻公共车辆的客流量之前,方法还包括:获取第一客流量预测模型,其中,获取第一客流量预测模型包括:获取第一样本数据,其中,第一样本数据包括历史客流量数据;确定目标时刻的客流量,与上一个第一单位时间中,与目标时刻相匹配的时刻对应的客流量,以及上一个第二单位时间中,与目标时刻相匹配的客流量为第一训练数据集;使用第一训练数据集对预设的神经网络模型进行训练,得到第一客流量预测模型。
具体的,上述样本数据由获取的历史数据构成,历史数据中包括时刻和时刻对应的客流量。
上述方案根据样本数据构建训练数据集,在一种可选的实施例中,目标时刻包括多个历史时刻,目标时刻的样本数据即为目标时刻的客流量,第一单位时间可以为小时,第二单位时间可以为天,目标时刻的客流量与前一小时同一分钟的客流量,以及前一天同一时刻的客流量共同构成训练数据集,对预设的神经网络模型进行训练,得到第一客流量预测模型。得到的第一客流量模型则可以根据输入的上一个第一单位时间中,与所述当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与所述当前时刻相匹配的第二历史客流量,预测出当前时刻的客流量。
作为一种可选的实施例,预测当前时刻公共车辆的客流量,包括:获取当前时刻的如一项或多项参数:时间、路段和车外环境温度;将一项或多项参数输入至第二客流量预测模型,其中,第二客流量预测模型根据第二样本数据训练得到,第二样本数据至少包括:一项或多项参数和对应的客流量。
公共车辆的行驶轨迹具有重复性高的特点,在不同路段的车站具有不同的客流量,且客流量根据时间的变化也具有一定的规律。上述第二客流量预测模型根据时间、路段或车外环境温度作为参数预测当前时刻公共车辆的客流量。
在一种可选的实施例中,可以以分钟为周期获取时间、路段以及车外环境温度这三个参数,并将这三个参数输入至第二客流量预测模型,第二客流量预测模型根据输入的参数,对当前的客流量进行预测。
作为一种可选的实施例,在预测当前时刻公共车辆的客流量之前,上述方法还包括:获取第二客流量预测模型,其中,获取第二客流量预测模型包括:获取第二样本数据;将一项或多项参数与对应的客流量作为第二训练数据集对预设的神经网络模型进行训练,得到第二客流量预测模型。
具体的,上述第二样本数据包括:时间、路段和车外环境温度中的任意一项或多项,以及对应的客流量。可以根据第二样本数据构成第二训练数据集。在一种可选的实施例中,以时间作为参数为例,将一部分时间及其对应的客流量作为第二训练数据,并将另一部分时间及其对应的客流量作为验证数据集。首先使用第二训练数据集对神经网络模型进行训练,并使用验证数据集对训练结果进行验证,在验证成功的情况下将训练结果作为第二客流量预测模型,并在验证失败的情况下,重新构造新的训练数据集对训练结果进行训练,直至得到的训练结果通过验证,其中,上述示例中,通过验证指的是训练结果根据验证数据集中的时间参数进行预测,得到的结果与时间参数对应的客流量的差值在预设范围内。
作为一种可选的实施例,舒适度需求等级具有对应的第一调整参数,节能等级具有对应的第二调整参数,根据客流量以及客流量对应的舒适度需求等级或节能等级,确定用于控制公共车辆的空调的控制指令,包括:在预设舒适度参数与实际舒适度参数之差为正数的情况下,依据舒适度需求等级对应的第一调整参数确定控制指令;在预设舒适度参数与实际舒适度参数之差为负数的情况下,依据节能等级对应的第二调整参数确定控制指令。
对公共车辆的控制目标是,在满足公共车辆内环境的舒适度的情况下,降低车辆能耗,因此,需要判断公共车辆的舒适度参数是否满足预设舒适度参数,在满足的情况下,对公共车辆进行节能控制,即依据其节能等级确定控制指令,而在不满足的情况下,首先需要依据舒适度需求等级对空调进行控制,也即依据舒适度需求等级确定控制指令。
在上述方案中,如果预设舒适度参数与实际舒适度参数之差为正数的情况下,可以认为当前公共车辆的舒适度较低,需要提高舒适度,因此依据舒适度需求等级对应的第一调整参数确定控制指令。不同的舒适度需求等级对应不同的第一调整参数,在一种可选的实施例中,仍以空调运行在制冷模式为例,舒适度需求等级可以分为高、中、低三种,高级对应的调整参数为“降低2℃,增大风量”,从而对应的控制指令为“降低2℃,增大风量”;中级对应的调整参数为“降低1℃,增大风量”,从而对应的控制指令为“降低1℃,增大风量”;低级对应的调整参数为“保持控制温度,增大风量”,从而对应的控制指令为“保持控制温度,增大风量”。
如果预设舒适度参数与实际舒适度参数之差为负数的情况下,可以认为当前公共车辆的舒适度较高,但浪费能源,因此需要依据舒适度需求等级对应的第一调整参数确定控制指令。不同的节能等级对应对不同的第二调整参数,在一种可选的实施例中,仍以空调运行在制冷模式为例,节能等级可以分为高、中、低三种,高级对应的节能参数为“保持目标温度,减小风量”,从而对应的控制指令为“保持目标温度,减小风量”;中级对应的调整参数为“升高1℃,保持风量”,从而对应的控制指令为“升高1℃,保持风量;低级对应的调整参数为“升高1℃,减小风量”,从而对应的控制指令为“升高1℃,减小风量”。
作为一种可选的实施例,所述舒适度需求等级具有对应的第一调整参数,所述节能等级具有对应的第二调整参数,根据所述客流量以及所述客流量对应的舒适度需求等级或节能等级,确定用于控制所述公共车辆的空调的控制指令,包括:依据所述舒适度需求等级对应的第一调整参数确定所述控制指令;或依据所述节能等级对应的所述第二调整参数确定所述控制指令。
上述方案分别根据舒适度需求等级或节能等级确定控制指令。
实施例2
根据本发明实施例,提供了一种基于公共车辆的空调控制装置的实施例,图2是根据本发明实施例的基于公共车辆的空调控制装置的示意图,如图2所示,该装置包括:
第一确定模块20,用于预测当前时刻公共车辆的客流量,并确定客流量对应的舒适度需求等级和/或节能等级,其中,舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,节能等级用于表示预设耗能量与实际耗能量之差所属的范围。
第二确定模块22,用于根据客流量以及客流量对应的舒适度需求等级和/或节能等级,确定用于控制公共车辆的空调的控制指令。
控制模块24,用于依据控制指令控制公共车辆的空调。
作为一种可选的实施例,第一确定模块包括:第一获取子模块,用于从历史数据中获取在上一个第一单位时间中,与当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与当前时刻相匹配的第二历史客流量,其中,第二单位时间包括多个第一单位时间;预测子模块,用于根据第一历史客流量和第二历史客流量,基于预先获取的第一客流量预测模型,预测当前时刻公共车辆的客流量,其中,第一客流量预测模型根据第一样本数据训练得到,第一样本数据至少包括历史时刻对应的客流量。
作为一种可选的实施例,上述装置还包括:第一获取模块,用于在预测当前时刻公共车辆的客流量之前,获取第一客流量预测模型,其中,第一获取模块包括:第二获取子模块,用于获取第一样本数据,其中,第一样本数据包括历史客流量数据;第一确定子模块,用于确定目标时刻的客流量,与上一个第一单位时间中,与目标时刻相匹配的时刻对应的客流量,以及上一个第二单位时间中,与目标时刻相匹配的客流量为第一训练数据集;第一训练子模块,用于使用第一训练数据集对预设的神经网络模型进行训练,得到第一客流量预测模型。
作为一种可选的实施例,第一确定模块包括:第三获取模块,用于获取当前时刻的如一项或多项参数:时间、路段和车外环境温度;输入子模块,用于将一项或多项参数输入至第二客流量预测模型,其中,第二客流量预测模型根据第二样本数据训练得到,第二样本数据至少包括:一项或多项参数和对应的客流量。
作为一种可选的实施例,上述装置还包括:第二获取模块,用于在预测当前时刻公共车辆的客流量之前,获取第二客流量预测模型,其中,第二获取模块包括:第四获取模块,用于获取第二样本数据;第二训练子模块,用于将一项或多项参数与对应的客流量作为第二训练数据集对预设的神经网络模型进行训练,得到第二客流量预测模型。
作为一种可选的实施例,舒适度需求等级具有对应的第一调整参数,节能等级具有对应的第二调整参数,第二确定模块包括:第二确定子模块,用于在预设舒适度参数与实际舒适度参数之差为正数的情况下,依据舒适度需求等级对应的第一调整参数确定控制指令;第三确定子模块,用于在预设舒适度参数与实际舒适度参数之差为负数的情况下,依据节能等级对应的第二调整参数确定控制指令。
作为一种可选的实施例,舒适度需求等级具有对应的第一调整参数,节能等级具有对应的第二调整参数,第二确定模块包括:第四确定子模块,用于依据舒适度需求等级对应的第一调整参数确定控制指令;或第五确定子模块,用于依据节能等级对应的第二调整参数确定控制指令。
实施例3
根据本发明实施例,提供了一种存储介质,存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行实施例1中所述的基于公共车辆的空调控制方法。
实施例4
根据本发明实施例,提供了一种处理器,处理器用于运行程序,其中,所述程序运行时执行实施例1所述的基于公共车辆的空调控制方法。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于公共车辆的空调控制方法,其特征在于,包括:
预测当前时刻所述公共车辆的客流量,并确定所述客流量对应的舒适度需求等级和/或节能等级,其中,所述舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,所述节能等级用于表示预设耗能量与实际耗能量之差所属的范围;
根据所述客流量以及所述客流量对应的舒适度需求等级和/或节能等级,确定用于控制所述公共车辆的空调的控制指令;
依据所述控制指令控制所述公共车辆的空调;
其中,预测当前时刻所述公共车辆的客流量,包括:
从历史数据中获取在上一个第一单位时间中,与所述当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与所述当前时刻相匹配的第二历史客流量,其中,所述第二单位时间包括多个所述第一单位时间;
根据所述第一历史客流量和所述第二历史客流量,基于预先获取的第一客流量预测模型,预测所述当前时刻所述公共车辆的客流量,其中,所述第一客流量预测模型根据第一样本数据训练得到,所述第一样本数据至少包括历史时刻对应的客流量。
2.根据权利要求1所述的方法,其特征在于,在预测当前时刻所述公共车辆的客流量之前,所述方法还包括:获取所述第一客流量预测模型,其中,获取所述第一客流量预测模型包括:
获取所述第一样本数据,其中,所述第一样本数据包括历史客流量数据;
确定目标时刻的客流量,与上一个第一单位时间中,与所述目标时刻相匹配的时刻对应的客流量,以及上一个第二单位时间中,与所述目标时刻相匹配的客流量为第一训练数据集;
使用所述第一训练数据集对预设的神经网络模型进行训练,得到所述第一客流量预测模型。
3.根据权利要求1所述的方法,其特征在于,预测当前时刻所述公共车辆的客流量,包括:
获取当前时刻的一项或多项参数:时间、路段和车外环境温度;
将所述一项或多项参数输入至第二客流量预测模型,其中,所述第二客流量预测模型根据第二样本数据训练得到,所述第二样本数据至少包括:所述一项或多项参数和对应的客流量。
4.根据权利要求3所述的方法,其特征在于,在预测当前时刻所述公共车辆的客流量之前,所述方法还包括:获取所述第二客流量预测模型,其中,获取所述第二客流量预测模型包括:
获取所述第二样本数据;
将所述一项或多项参数与对应的客流量作为第二训练数据集对预设的神经网络模型进行训练,得到所述第二客流量预测模型。
5.根据权利要求1所述的方法,其特征在于,所述舒适度需求等级具有对应的第一调整参数,所述节能等级具有对应的第二调整参数,根据所述客流量以及所述客流量对应的舒适度需求等级和节能等级,确定用于控制所述公共车辆的空调的控制指令,包括:
在预设舒适度参数与实际舒适度参数之差为正数的情况下,依据所述舒适度需求等级对应的第一调整参数确定所述控制指令;
在预设舒适度参数与实际舒适度参数之差为负数的情况下,依据所述节能等级对应的所述第二调整参数确定所述控制指令。
6.根据权利要求1所述的方法,其特征在于,所述舒适度需求等级具有对应的第一调整参数,所述节能等级具有对应的第二调整参数,根据所述客流量以及所述客流量对应的舒适度需求等级或节能等级,确定用于控制所述公共车辆的空调的控制指令,包括:
依据所述舒适度需求等级对应的第一调整参数确定所述控制指令;或
依据所述节能等级对应的所述第二调整参数确定所述控制指令。
7.一种基于公共车辆的空调控制装置,其特征在于,包括:
第一确定模块,用于预测当前时刻所述公共车辆的客流量,并确定所述客流量对应的舒适度需求等级和/或节能等级,其中,所述舒适度需求等级用于表示预设舒适度参数与实际舒适度参数之差所属的范围,所述节能等级用于表示预设耗能量与实际耗能量之差所属的范围;
第二确定模块,用于根据所述客流量以及所述客流量对应的舒适度需求等级和/或节能等级,确定用于控制所述公共车辆的空调的控制指令;
控制模块,用于依据所述控制指令控制所述公共车辆的空调;
其中,所述第一确定模块包括:
第一获取子模块,用于从历史数据中获取在上一个第一单位时间中,与所述当前时刻相匹配的时刻对应的第一历史客流量,和上一个第二单位时间中,与所述当前时刻相匹配的第二历史客流量,其中,所述第二单位时间包括多个所述第一单位时间;
预测子模块,用于根据所述第一历史客流量和所述第二历史客流量,基于预先获取的第一客流量预测模型,预测所述当前时刻所述公共车辆的客流量,其中,所述第一客流量预测模型根据第一样本数据训练得到,所述第一样本数据至少包括历史时刻对应的客流量。
8.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的基于公共车辆的空调控制方法。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的基于公共车辆的空调控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811068812.4A CN110893744B (zh) | 2018-09-13 | 2018-09-13 | 基于公共车辆的空调控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811068812.4A CN110893744B (zh) | 2018-09-13 | 2018-09-13 | 基于公共车辆的空调控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110893744A CN110893744A (zh) | 2020-03-20 |
CN110893744B true CN110893744B (zh) | 2020-08-11 |
Family
ID=69785543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811068812.4A Active CN110893744B (zh) | 2018-09-13 | 2018-09-13 | 基于公共车辆的空调控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110893744B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182858A (zh) * | 2020-09-14 | 2021-01-05 | 新誉轨道交通科技有限公司 | 标准动车组空调制冷系统不良预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005344952A (ja) * | 2004-05-31 | 2005-12-15 | Sanyo Electric Co Ltd | 屋内環境制御装置 |
CN101751614A (zh) * | 2008-11-27 | 2010-06-23 | 财团法人工业技术研究院 | 顾客流量等级预测方法及应用其的空调温度控制方法 |
CN105318499A (zh) * | 2015-09-30 | 2016-02-10 | 广东美的制冷设备有限公司 | 用户行为自学习空调系统及其控制方法 |
CN108006905A (zh) * | 2017-10-20 | 2018-05-08 | 广州地铁设计研究院有限公司 | 一种地铁空调新风控制方法 |
CN108357321A (zh) * | 2017-12-28 | 2018-08-03 | 合肥长天信息技术有限公司 | 一种公交车制热设备控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10675939B2 (en) * | 2017-01-17 | 2020-06-09 | International Business Machines Corporation | Pre-cooling and pre-heating transportation vehicles using predictive crowd estimation techniques |
-
2018
- 2018-09-13 CN CN201811068812.4A patent/CN110893744B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005344952A (ja) * | 2004-05-31 | 2005-12-15 | Sanyo Electric Co Ltd | 屋内環境制御装置 |
CN101751614A (zh) * | 2008-11-27 | 2010-06-23 | 财团法人工业技术研究院 | 顾客流量等级预测方法及应用其的空调温度控制方法 |
CN105318499A (zh) * | 2015-09-30 | 2016-02-10 | 广东美的制冷设备有限公司 | 用户行为自学习空调系统及其控制方法 |
CN108006905A (zh) * | 2017-10-20 | 2018-05-08 | 广州地铁设计研究院有限公司 | 一种地铁空调新风控制方法 |
CN108357321A (zh) * | 2017-12-28 | 2018-08-03 | 合肥长天信息技术有限公司 | 一种公交车制热设备控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110893744A (zh) | 2020-03-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108725136B (zh) | 车载空调调节方法、系统、设备及存储介质 | |
US6643567B2 (en) | Energy consumption estimation using real time pricing information | |
CN101348065A (zh) | 车辆用空调装置及车辆用空调装置的控制方法 | |
CN110440413B (zh) | 空调智能控制方法及空调器 | |
CN107182206A (zh) | 车辆自动驾驶的速度规划方法、装置及计算装置 | |
CN113251602B (zh) | 用于控制空调的方法、装置和智能空调 | |
WO2020075824A1 (ja) | 空気調和機、データ送信方法及び空気調和システム | |
CN105546761A (zh) | 空调系统自学习控制方法 | |
US9855853B2 (en) | System and method for cooperatively operating a smart thermostat and vehicle to grid automobile | |
CN109677410B (zh) | 一种车辆自适应控制方法及系统 | |
CN103818285A (zh) | 汽车座椅加热控制系统、通风制冷控制系统及其控制方法 | |
WO2019238389A1 (en) | Method and system for smart interior of a vehicle | |
CN110893744B (zh) | 基于公共车辆的空调控制方法和装置 | |
CN114838488A (zh) | 用于智能家电联动控制的方法及装置、空调、存储介质 | |
JP2003074943A (ja) | 空調制御方法およびその装置 | |
CN110562005B (zh) | 车载空调控制装置、方法及计算机可读存储介质 | |
US20220111702A1 (en) | Method for preconditioning vehicles | |
JP2020095616A (ja) | 車両空調計画装置、方法及びプログラム | |
CN113396079A (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 | |
CN113386521A (zh) | 一种定制化车载空调的控制方法、装置、定制化车载空调系统及计算机可读存储介质 | |
CN117897302A (zh) | 用于电气化机动车的热管理系统 | |
CN114789642A (zh) | 一种车辆、车内环境的控制方法和装置 | |
CN108099931B (zh) | 一种轨道车辆空调控制方法、系统及轨道车辆 | |
CN110160128A (zh) | 一种节能暖通控制方法及其系统 | |
CN113459765A (zh) | 一种空调控制方法、系统及车载终端 |
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 |