CN111225835A - 依照用户专有的用户设置来运行机动车系统的方法，存储介质，分配装置，机动车和用于在互联网中运行的服务器设备 - Google Patents
依照用户专有的用户设置来运行机动车系统的方法，存储介质，分配装置，机动车和用于在互联网中运行的服务器设备 Download PDFInfo
- Publication number
- CN111225835A CN111225835A CN201980005099.5A CN201980005099A CN111225835A CN 111225835 A CN111225835 A CN 111225835A CN 201980005099 A CN201980005099 A CN 201980005099A CN 111225835 A CN111225835 A CN 111225835A
- Authority
- CN
- China
- Prior art keywords
- user
- gene
- motor vehicle
- deep learning
- learning engine
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 84
- 238000013135 deep learning Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 4
- 230000004547 gene signature Effects 0.000 claims description 11
- 150000007523 nucleic acids Chemical group 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 5
- 108091028043 Nucleic acid sequence Proteins 0.000 claims description 4
- 238000010208 microarray analysis Methods 0.000 claims description 3
- 101150040974 Set gene Proteins 0.000 claims 1
- 230000002068 genetic effect Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000003513 alkali Substances 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012628 principal component regression Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 210000003296 saliva Anatomy 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 108700026220 vif Genes Proteins 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0809—Driver authorisation; Driver identity check
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W2040/0872—Driver physiology
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mechanical Engineering (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Health & Medical Sciences (AREA)
- Air-Conditioning For Vehicles (AREA)
Abstract
本发明涉及一种用于依照用户专有的用户设置来运行机动车系统(20)的方法。分配装置(12)依照所提供的(S1)基因特征文件——该基因特征文件描述机动车(10)的用户的基因模式——执行：将所提供的基因特征文件传输到深度学习引擎(22，S2)；运行深度学习引擎(22，S3)，其中，通过深度学习引擎(22)针对多个人员以统计方式使所述多个人员的至少一个预定基因范围的基因模式与相应偏好的用户设置的基因模式相关联；以及借助于深度学习引擎(22，S4)处理由所提供的基因特征文件描述的用户基因模式并由此确定用户的配置预测(S5)，其中，配置预测包括用户偏好所述用户设置之一的概率。如果偏好所述用户设置之一的概率达到或超过预定阈值：则选择用户特征文件并将所选择的用户特征文件传输(S7)到至少一个机动车系统(20)以用于配置至少一个机动车系统(20)。
Description
技术领域
本发明涉及一种用于依照用户专有的用户设置来运行机动车系统的方法。在此，机动车系统例如可以设计为空调器或信息娱乐系统或用于设置座椅位置的仪器。
背景技术
现今，不进行针对驾驶员量身定制的车辆预处理。通常，驾驶员——或机动车的另一位用户——在上车后必须自己根据其偏好来调整和设置车辆的仪器和系统，前提是原本在上一次行驶时尚未进行设置。因此，机动车的用户必须亲自个性化且手动选择，对他自己来说哪些是最佳的车辆设置。
文献DE 10 2015 207 774 A1描述了一种用于在以车辆行驶期间或之后识别驾驶员的设备以及一种车辆。
文献DE 10 2017 105 786 A1描述了一种用于识别作为车辆驾驶员的人员的方法。
由文献DE 10 2014 207 807 A1已知了一种用于为车辆驾驶员提供个人辅助的方法。
如果从总体上看通过该现有技术规定用户专有的机动车系统配置的设置，则这在识别之后，也就是说在确定驾驶员身份之后进行。当借助于钥匙或其它物体进行识别时，如果机动车的用户没有随身携带该物体进行识别，则会出现无法进行配置的设置的问题。如果例如依照无线电钥匙确定身份，则可能发生的是，如果当前用户不是被分配了无线电钥匙的人员，则用于由示例性无线电钥匙描述的身份的设置与当前用户不匹配。因此，用户必须使用非特定于他的设置来驾驶。
当通过生物特征进行识别时，需要昂贵且复杂的传感器系统、例如指纹传感器。配置的设置仅在具有此类传感器的机动车中起作用。另外，例如为了比较被扫描的指纹，驾驶员指纹的图像必须可用作参考，这在例如其它机动车中可能是有问题的和/或不希望的。如果用户驾驶其它机动车，该其它机动车具有例如他自己的机动车不具有的机动车系统，则他甚至可能不知道该机动车系统具有什么功能以及可以设置什么。
发明内容
本发明的一个目的是改进机动车系统设置对个人需求的适应性。
所提出的目的通过独立权利要求所述的根据本发明的方法和根据本发明的设备来实现。从属权利要求给出了有利的改进方案。
本发明依照这样的构思：运行深度学习引擎，该深度学习引擎通过分析基因数据已经学会了将多个人员的基因模式/基因模型与车辆相关的特性结合起来。车辆相关的特性在此指的是至少一个机动车系统的用户偏好或优选设置。以此方式训练的深度学习引擎可以依照机动车的当前用户的基因模式来确定、优选预测：用户最可能偏好哪些用户设置。换句话说，不进行对当前用户的身份的确定，而是进行其关于至少一个机动车系统的用户设置的偏好的确定，即例如预见、预测或预计。
换句话说，本发明基于根据当前用户的基因模式来个性化机动车设置的思想。在此，这不涉及生物地检测和确定驾驶员的身份，而是涉及预见或预测其最可能偏好的那些设置。
借助于本发明，至少一个机动车系统可以与机动车无关地个性化，即例如在其它机动车中也可以个性化。无需在机动车中存储驾驶员的个人的或甚至生物的数据。在不让驾驶员意识到他自己喜欢这些设置的情况下为其它机动车系统的用户进行设置。
在基因中至少部分地定义许多特性和行为方式。通过深度学习引擎的训练过程，可以将在例如动态驾驶偏好之间的联系与基因片段结合起来，例如与基因结合起来。通过识别这些基因片段、例如这些基因，可以对驾驶员进行依照基因的车辆预设置。用户不必担心他的偏好的设置并由此节省了时间。此外，他还可以把更多注意力转到交通状况上，因此大幅提高了行驶安全性。除了已经提到的优点之外，由于驾驶员以对预测的用户专有的设置非常满意的方式使用机动车，因此对于机动车制造商来说还得到了更好的客户关系。
根据本发明的用于依照用户专有的用户设置来运行机动车系统——例如空调器或驾驶员辅助系统——的方法具有由分配装置执行的以下步骤。分配装置在此理解为用于接收和评估信号的仪器或仪器组件，其中，该分配装置还被设计和设置为用于生成控制信号。分配装置在此可以优选地设计为控制器或控制芯片，并且优选地布置在机动车中或机动车外部的数据服务器或数据服务器网络中。
提供基因特征文件，其描述机动车用户的基因模式。基因模式在此理解为基因或基因片段的或核酸片段的基因信息。所述的基因模式在此描述例如用户的基因或基因组的基因范围或基因片段、例如核酸序列、和/或例如基因片段的碱份额、和/或基因表达谱，优选在说明了一个基因座或多个基因位点的情况下。换句话说，基因特征文件优选可以描述预先给定的或预先确定的基因片段的基因模式。
将所提供的基因特征文件传输到深度学习引擎。分配装置执行深度学习引擎(“深度学习装置”)的运行，其中，通过深度学习引擎针对多个人员以统计方式使至少一个预定基因范围的基因模式与相应偏好的用户设置的相应一个或多个基因模式相关联。在此，预定的基因范围优选是与由基因特征文件描述的用户的基因模式的基因范围相同的基因范围。相应偏好的用户设置可以优选地描述机动车系统的预定设置的至少一个参数或参数集。
相应优选的用户设置的组合和相应的基因模式在此可以称为经验值，利用该经验值可以训练深度学习引擎。经验值理解为一种值或指示，该值/指示例如依照经验测量或检查表明了：例如偏好的用户设置是否与基因范围的基因模式相关联。换句话说，经验值可以是例如数值或分配值。经验值也理解为一种功能相关性或功能分配，其表明了：基因模式是否能够或分配给哪个用户设置。换句话说，经验值因此也被理解为依照数值的、用于分配的规则。
深度学习引擎(“深度学习装置”)是可以将所谓的深度学习(深度学习，机器学习)应用于多个数据的仪器、仪器组件或程序。换句话说，深度学习引擎是用于执行深度学习的高度发达的装置，即人工智能的实现。换句话说，借助于深度学习引擎既能够实现人工智能也能够实现机器学习和深度学习。深度学习引擎例如可以被设计或构造为深度的人工神经网络，即换句话说，可以设置为用于，借助于机器学习的方法按照预定的算法并根据已经存储的多个经验值来评估多个经验值、训练数据或数据集，例如经由包含在其中的逻辑、例如相互关系。
由此也可以在深度学习引擎中创建其它逻辑链接。经验值或训练数据在此例如可以被以统计方式相关联成为一个或多个基因片段的多个基因模式，其例如满足一致性标准。这种一致性标准例如可以描述具有该基因模式的人员偏好用户设置的最小概率。
换句话说，训练数据或经验值例如可以被作为人工神经网络相关联，并且例如来自数据库并将用户设置分配给相应的基因序列。这种数量>1000、特别是>10000的基因模式的数据优选可以用于训练深度学习引擎，其中，训练数据优选地在预定的观察时间段内获取。这种数据项可以称为大数据数据项。
通过运行深度学习引擎，而不是通过例如经由分配列表的统计评估来进行对当前驾驶员/用户的偏好的用户设置的动态预测或预计。为此，通过分配装置借助于深度学习引擎处理由所提供的基因特征文件描述的用户基因模式，并由此确定用户的配置预测，其中，配置预测包括用户偏好所述用户设置之一的概率。
如果偏好所述用户设置之一的概率达到或超过预定阈值：则根据配置预测从多个用户特征文件中选出描述数据项的用户特征文件，该数据项用于设置至少一个机动车系统的、至少一个描述偏好的用户设置的参数。例如，数据项可以记录空调器的优选设置。
通过分配装置将所选择的用户特征文件传输到至少一个机动车系统以用于配置至少一个机动车系统，亦即用于设置由数据项描述的参数。
然后可以进行机动车系统的设置。产生了上述优点。
根据本发明的方法的另一优点在于，即使驾驶员具有先前未知的基因模式，也可以针对至少一个机动车系统的配置来预测用户偏好。
可以例如通过在其中描述的基因序列的所谓校正、然而优选通过匹配来处理由所提供的基因特征文件描述的基因模式。在此，匹配是一种用于将两个或更多个数据项中的类似的观察联系起来的方法。在匹配中，依照来自数据项的观察的共同特征分配来自其它数据项的一个或多个类似的观察。因此能实现对数据进行关联分析。例如，可以为匹配预定一阈值，但是当前用户最有可能偏好一特定用户设置的概率或一致性程度未知。例如在匹配中可以执行相关性分析。
可选地可以规定，例如如果经验值的多个用户设置有疑问，则可以选择具有最高概率和/或最佳匹配的用户设置。
深度学习引擎可以可选地根据存储在分配装置中的经验值以如下方式检查多个分别可以描述参数值组的用户特征文件，即，相应的参数值组是否满足预定的匹配标准，该匹配标准可以描述经验值的相应的基因模式与用户的基因模式至少部分地一致并且描述阈值。由此得到已经关于匹配所说明的优点。
如果根据本发明的方法的另一实施方式，通过从机动车外部的服务器设备和/或从存储装置、优选地从便携式存储装置接收基因特征文件来提供基因特征文件，则当前用户甚至与他使用的机动车无关。换句话说，他很容易可以用户专有地设置其它机动车的机动车系统。可选地，可以通过由分配装置生成基因特征文件来提供基因特征文件，该分配装置可以例如根据信息来生成基因特征文件，该信息描述基因片段的核酸序列和/或关于基因片段的微阵列分析的数据信息。换句话说，例如用户可以根据交叉检验执行这种分析或这种排序，然后将来可以使用以此方式获得的数据来个性化机动车。
该参数的值可以描述至少一个机动车系统的预定的设置，优选地描述机动车的座椅位置的设置和/或空调器的设置和/或屏幕的背景图像的设置。这些是在行驶期间特别重要且有趣的设置。
该提出的目的通过具有程序代码的存储介质来实现，其中，该程序代码设置为用于，在由处理器装置实施时执行根据所述实施方式之一所述的方法。换句话说，程序代码设置为用于，在由处理器装置在分配装置处实施时促使执行相应的方法。在此，可以将存储介质设计为通用的数据存储器，例如设计为存储卡或USB记忆棒。处理器装置理解为可以具有至少一个微控制器和/或至少一个微处理器的、用于电子数据处理的仪器组件或构件。由此得到已经提到的优点。
所述目的在实现已经提到的优点的同时，借助于分配装置来实现，所述分配装置设置为用于，执行根据上述实施方式之一所述的方法。分配装置在此例如可以设计为控制电路板或控制芯片，或者设计为应用程序(“App”)。分配装置可以可选地具有为根据本发明的方法训练的深度学习引擎。
在实现已经提到的优点的同时，通过具有根据本发明的分配装置的实施方式和/或根据本发明的存储介质的实施方式的机动车实现所述目的。机动车可以优选设计为汽车，优选设计为乘用车。
所述目的通过一种用于在互联网中运行的服务器设备来实现，该服务器设备具有根据上述实施方式之一所述的分配装置，和/或根据上述实施方式之一所述的存储介质。该服务器设备例如可以设计为计算机、互联网中的服务器、或服务器网络，或者例如设计为数据云，也就是说设计为所谓的“Daten-Cloud”。在此得到已经提到的优点。可选地，服务器设备可以具有针对根据本发明的方法而训练的深度学习引擎。
本发明还包括所描述的实施方式的特征的组合。
附图说明
下面描述本发明的实施例。为此，唯一的附图示出根据本发明的方法和根据本发明的设备的实施方式的示意图。
下面说明的实施例是本发明的优选实施方式。在这些实施例中，实施方式的所描述的组件分别代表本发明的单个的、可视作彼此无关的特征，这些特征还可以分别彼此独立地改进本发明，且进而能够单个地或以与示出的组合不同的组合视作本发明的组成部分。此外，所描述的实施方式也可以由本发明的已经描述的其它特征来补充。
在附图中，相同的附图标记分别标示具有相同功能的元件。
具体实施方式
唯一的附图根据一个实施例示出根据本发明的方法的原理。为此，该图示出机动车10、例如乘用车，其中，机动车10可以具有分配装置12。在此，分配装置12的在附图中描述的方法步骤可以另选地例如通过机动车外部的服务器设备14的可选的分配装置12来执行。然而，出于更好的概述的原因，在机动车外部的服务器设备14的分配装置12中未附加示出分配装置12的相应的方法步骤。另选地，分配装置12可以包括机动车内部的组件和服务器内部的组件。
为了执行根据本发明的方法，可以将相应的程序代码存储在存储装置16上，其中，可选的存储装置16例如可以是分配装置12的一部分。存储装置16可以例如设计为存储器或SD卡。为了执行程序代码，分配装置12可以可选地具有处理器装置18，该处理器装置例如可以具有多个微处理器。存储装置16——其也可以称为存储介质——例如可以是机动车外部的服务器设备14的组件。服务器设备14例如可以设计为后端或数据云。
机动车10具有至少一个机动车系统20、例如空调器。机动车系统20另选地例如可以是用于设置座椅位置的仪器或者是信息娱乐系统，通过该信息娱乐系统例如可以设置为用于欢迎屏幕图像的背景图像、导航目的地的背景图像或收藏夹列表。
在此，借助于数据通信连接21，例如借助于有线的数据通信连接21，例如电缆或数据总线，或例如借助于无线的数据通信连接21，例如移动通信连接、互联网连接、WLAN连接和/或蓝牙LE连接将各个组件彼此连接。
附图示例性示出另一机动车系统20、例如无线电设备。
分配装置12可以可选地具有深度学习引擎22，该深度学习引擎可以另选地集成在机动车外部的分配装置12中和/或机动车外部的服务器设备14中。这种位于机动车外部的深度学习引擎22可以可选地由机动车内部的分配装置12进行遥控。
深度学习引擎22例如可以设计为人工神经网络，该人工神经网络例如可以根据多个人员——这些人员的基因模式例如已经被分析并且与示例性的机动车系统20的确定的用户专有的设置相关联——的经验值，把统计的分析方法、例如主成分回归应用于当前驾驶员(或机动车10的其他用户)的基因模式。如果深度学习引擎22例如是机动车10的分配装置12的组件，则它例如可以与机动车外部的服务器设备14的存储装置16进行通信，其中，例如多个人员的基因模式、即训练数据的基因模式可以存储在该机动车外部的存储装置16上。另选地或附加地，机动车10的当前用户的基因特征文件例如也可以以当前用户的用户帐户存储在这种机动车外部的存储装置16上。例如，可能已经离线执行深度学习引擎22的训练。
机动车的当前用户例如可以在购买机动车10时，优选在通过例如服务的提供者或通过机动车制造商接受其数据的使用之后，提交头发样本或唾液样本，该头发样本或唾液样本随后例如可以被排序，或者该头发样本或唾液样本例如可以借助于关于基因模式的微阵列分析被检查。优选可以通过数据保护规程来调节对基因特征文件的信息的使用，该基因特征文件可以在评估了核酸分析后被创建。
例如可以提供(S1)对基因特征文件，该基因特征文件例如描述核酸序列或关于例如用户的确定的基因的确定的基因片段具有哪些定量的碱份额的信息，其中，所提供(S1)的基因特征文件可以被机动车外部的存储装置16调用。基因特征文件例如可以包含关于通过基因特征文件描述的基因模式可能位于哪个基因座上的信息。
在附图的示例中，示出可选的、在结构上与分配装置12分离的存储装置16'，该可选的存储装置例如可以设计为便携式存储介质、例如USB记忆棒或存储卡。例如，具有关于基因模式的信息的基因特征文件可以被存储在便携式存储装置16'上并且因此可以通过例如插入便携式存储装置16'而被提供给分配装置12使用。
另选地，深度学习引擎22可以例如与移动终端(图中未示出)通信，并且例如可以从后者调用当前用户的基因特征文件。
所提供的基因特征文件在方法步骤S2中被传输到深度学习引擎22。
如果深度学习引擎22是机动车外部的深度学习引擎，则运行深度学习引擎22(S3)例如可以通过遥控来实现。
运行深度学习引擎22(S3)例如可以作为深度学习引擎22的控制以如下方式实现：例如经由可以描述用于满足一致性标准的规则的算法而可以检查存储在存储装置16中的基因特征文件是否满足一致性标准。一致性标准可以例如规定，当以所述最小一致性要求进行匹配时，用户优选地以高百分比或高概率地会设置“具有电子音乐的无线电发射机/电台”。
处理用户的基因模式(S4)可以优选地通过匹配(S9)来实现。深度学习引擎22的示例性的神经网络可以作为神经网络的示例性的输出节点、即作为示例性的输出值，在确定配置预测(S5)时确定：当前用户的基因模式可以被分配给例如预定的音乐偏好并且因此例如将用于设置具有电子音乐的无线电发射机的用户设置预测为用于无线电设备的偏好的用户设置。例如，该配置预测可以依照以下事实：在深度学习引擎22的训练过程中，示例性的人工智能“学会了”，具有高相似度、即例如具有最小百分比的一致性的基因模式，以例如确定的基因序列根据经验在下述用户的情况下出现，所述用户在行驶期间经常设置具有电子音乐的无线电发射机。
另一个示例性的、替代的或附加的起点例如可以是，将空调器的加热设置为连续20℃，或者代替示例性数值，设置温度范围或相对的温度说明。另一个示例性的起点例如可以是运动型驾驶行为的用户设置、即定性的用户设置。这样的运动型驾驶方式例如可以随后被设置为用于设置驾驶员辅助系统的参数。
在该图的示例中，例如可以估算出70％的阈值，并且示例性的匹配可以得出，当前用户以其基因模式中的95％与下述的多个人员相一致，所述人员将该无线电发射机设置或空调器设置注明为偏好的用户设置。
对于每个输出节点，例如多个用户特征文件可以存储在服务器设备14的存储装置16中，所述多个用户特征文件例如可以描述用于设置示例性的空调器和示例性的无线电的相应参数集(或各个参数值)。在该图的示例中，然后可以在方法步骤S6中选择用户特征文件，该用户特征文件可以描述数据项，该数据项可以描述例如具有电子音乐的无线电发射机的波长的设置和/或用于设置例如加热到20℃的数据项。然后，将该用户特征文件传输到机动车系统20，附加地或另选地例如传输到机动车10的控制器以用于设置机动车系统20(S7)。
然后，在该用户系统文件中设置由该用户特征文件描述的预计的优选设置(S8)。另选地或附加地，配置S8可以例如由分配装置12执行。
总体上，该实施例表明，如何通过本发明根据例如基因模式、例如基因表达谱借助于机器学习来提供车辆设置。
根据另一个实施例，可以通过例如分析多个用户的基因数据来学习基因模式，该基因模式与涉及车辆的特性有关，即与用户设置有关。例如，对于用户而言，随后可以对个人基因组进行排序和分析，并为用户预测各个车辆特性。
为了训练机器学习算法，可以例如通过微阵列收集多个车辆用户的基因表达数据。此外，可以查询和/或收集涉及车辆的数据、例如车辆设置和/或同一个人员或用户的偏好。
利用该数据，可以训练深度神经网络，该网络可以从基因表达数据中获取各个值作为输入值。神经网络可以为每个车辆设置值和/或每个偏好获取和/或自身创建一个输出节点。
借助于训练数据，可以这样训练神经网络，即，输入数据与相应的输出值匹配，这对应于人工神经网络的工作原理。
可选地，可以从用户那里获取基因样本(例如头发)用于应用，并发送到实验室进行评估，在实验室中可以创建与训练数据的受试者相同的基因表达谱。可以将这些值输入到经过训练的模型中，并且例如可以为每个输出节点预测一个值。将该值用于进行当前用户的车辆设置。
Claims (8)
1.一种用于依照用户专有的用户设置来运行机动车系统(20)的方法，所述方法具有如下通过分配装置(12)执行的步骤：
-提供基因特征文件，该基因特征文件描述机动车(10)的用户的基因模式，其中，所描述的基因模式描述用户的基因组的基因范围(S1)，
-将所提供的基因特征文件传输到深度学习引擎(22，S2)；
-运行深度学习引擎(22，S3)，其中，通过深度学习引擎(22)针对多个人员以统计方式使至少一个预定基因范围的基因模式与相应偏好的用户设置的基因模式相关联，
-借助于深度学习引擎(22，S4)处理由所提供的基因特征文件描述的用户基因模式并由此确定用户的配置预测(S5)，其中，配置预测包括用户偏好所述用户设置之一的概率，
-如果偏好所述用户设置之一的概率达到或超过预定阈值：则根据配置预测选择用户特征文件(S6)，该用户特征文件描述数据项，该数据项用于设置至少一个机动车系统(20)的、至少一个描述偏好的用户设置的参数，以及
-将所选择的用户特征文件传输到至少一个机动车系统(20)以用于配置至少一个机动车系统(20，S7)。
2.根据权利要求1所述的方法，其特征在于，深度学习引擎(22)根据存储在分配装置(12)中的经验值以如下方式检查多个分别描述参数值组的用户特征文件，即，相应的参数值组是否满足预定的匹配标准(S9)，所述匹配标准描述相应的基因模式与用户的基因模式至少部分地一致并且描述阈值。
3.根据前述权利要求中任一项所述的方法，其特征在于，基因特征文件的提供(S1)通过如下方式进行：
-从机动车外部的服务器设备(14)和/或从存储装置(16)接收基因特征文件；和/或
-接收有关基因片段的核酸序列的信息和/或有关基因片段的微阵列分析的数据，并根据接收到的信息生成基因特征文件。
4.根据前述权利要求中任一项所述的方法，其特征在于，参数的值描述所述至少一个机动车系统(20)的预定的设置，优选地描述座椅位置的设置和/或空调器的设置和/或屏幕的背景图像的设置。
5.一种具有程序代码的存储介质(16)，所述程序代码设置为用于，在由处理器装置(18)实施时执行根据权利要求1至4中任一项所述的方法。
6.一种分配装置(12)，所述分配装置设置为用于，执行根据权利要求1至4中任一项所述的方法。
7.一种机动车(10)，所述机动车的特征在于根据权利要求6所述的分配装置(12)和/或根据权利要求5所述的存储介质。
8.一种用于在互联网中运行的服务器设备(14)，所述服务器设备具有根据权利要求6所述的分配装置(12)和/或根据权利要求5所述的存储介质(16)。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102018207379.1A DE102018207379A1 (de) | 2018-05-14 | 2018-05-14 | Verfahren zum Betreiben eines Kraftfahrzeugsystems anhand einer benutzerspezifischen Benutzereinstellung, Speichermedium, Zuordnungseinrichtung, Kraftfahrzeug und Servervorrichtung zum Betreiben im Internet |
| DE102018207379.1 | 2018-05-14 | ||
| PCT/EP2019/060997 WO2019219369A1 (de) | 2018-05-14 | 2019-04-30 | Verfahren zum betreiben eines kraftfahrzeugsystems anhand einer benutzerspezifischen benutzereinstellung, speichermedium, zuordnungseinrichtung, kraftfahrzeug und servervorrichtung zum betreiben im internet |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111225835A true CN111225835A (zh) | 2020-06-02 |
Family
ID=66448523
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201980005099.5A Pending CN111225835A (zh) | 2018-05-14 | 2019-04-30 | 依照用户专有的用户设置来运行机动车系统的方法，存储介质，分配装置，机动车和用于在互联网中运行的服务器设备 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US11021163B2 (zh) |
| EP (1) | EP3645344B1 (zh) |
| CN (1) | CN111225835A (zh) |
| DE (1) | DE102018207379A1 (zh) |
| WO (1) | WO2019219369A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220026898A1 (en) * | 2020-07-23 | 2022-01-27 | Denso International America, Inc. | Methods and systems for preconditioning a vehicle prior to a vehicle-sharing session |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120016827A1 (en) * | 2010-07-19 | 2012-01-19 | Lockheed Martin Corporation | Biometrics with mental/ physical state determination methods and systems |
| WO2012016827A1 (en) * | 2010-08-05 | 2012-02-09 | Fluid Automation Systems S.A. | Solenoid valve with a two-part core |
| WO2013101054A1 (en) * | 2011-12-29 | 2013-07-04 | Intel Corporation | Systems, methods, and apparatus for identifying an occupant of a vehicle |
| CN105292055A (zh) * | 2015-10-30 | 2016-02-03 | 杨林 | 用于汽车的无钥匙点火系统 |
| CN106882134A (zh) * | 2017-03-07 | 2017-06-23 | 江苏大学 | 一种基于指纹身份识别的汽车驾驶座椅自动调节装置及方法 |
| DE102017105786A1 (de) * | 2016-03-21 | 2017-09-21 | Ford Global Technologies, Llc | Identifizierung eines Fahrers eines Fahrzeugs |
Family Cites Families (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8750853B2 (en) * | 2010-09-21 | 2014-06-10 | Cellepathy Ltd. | Sensor-based determination of user role, location, and/or state of one or more in-vehicle mobile devices and enforcement of usage thereof |
| US9493130B2 (en) * | 2011-04-22 | 2016-11-15 | Angel A. Penilla | Methods and systems for communicating content to connected vehicle users based detected tone/mood in voice input |
| US10289288B2 (en) * | 2011-04-22 | 2019-05-14 | Emerging Automotive, Llc | Vehicle systems for providing access to vehicle controls, functions, environment and applications to guests/passengers via mobile devices |
| US9043048B2 (en) * | 2011-10-13 | 2015-05-26 | Panasonic Automotive Systems Company Of America, Division Of Panasonic Corporation Of North America | RF biometric ignition control system |
| KR101766952B1 (ko) * | 2012-05-02 | 2017-08-09 | 유니버시티 오브 매니토바 | 상호작용식 표면들 상에서의 유저 아이덴티티 검출 |
| US8954340B2 (en) * | 2013-03-15 | 2015-02-10 | State Farm Mutual Automobile Insurance Company | Risk evaluation based on vehicle operator behavior |
| US20150046060A1 (en) * | 2013-08-12 | 2015-02-12 | Mitsubishi Electric Research Laboratories, Inc. | Method and System for Adjusting Vehicle Settings |
| US9517771B2 (en) * | 2013-11-22 | 2016-12-13 | Ford Global Technologies, Llc | Autonomous vehicle modes |
| DE102014207807A1 (de) * | 2014-04-25 | 2015-10-29 | Bayerische Motoren Werke Aktiengesellschaft | Personenbezogene Fahrerunterstützung |
| DE102015113924A1 (de) * | 2014-08-21 | 2016-02-25 | Affectomatics Ltd. | Ranking auf der Grundlage von affektiver Reaktion der Crowd |
| WO2016026028A1 (en) * | 2014-08-22 | 2016-02-25 | Dimaris Corporation | A device, system, method, and/or computer readable medium for use with biological and nonbiological data |
| US9892439B2 (en) * | 2014-09-25 | 2018-02-13 | Paypal, Inc. | Utilizing a vehicle to determine an identity of a user |
| US9946531B1 (en) * | 2014-11-13 | 2018-04-17 | State Farm Mutual Automobile Insurance Company | Autonomous vehicle software version assessment |
| US9586596B2 (en) * | 2014-12-30 | 2017-03-07 | Paypal, Inc. | Vehicle use and performance restrictions based on detected users |
| DE102015207774A1 (de) * | 2015-04-28 | 2016-11-03 | Volkswagen Aktiengesellschaft | Vorrichtung zur Identifizierung eines Fahrers und Fahrzeug |
| US9919715B2 (en) * | 2016-04-30 | 2018-03-20 | Ford Global Technologies, Llc | Vehicle mode scheduling with learned user preferences |
| EP3481661A4 (en) * | 2016-07-05 | 2020-03-11 | Nauto, Inc. | AUTOMATIC DRIVER IDENTIFICATION SYSTEM AND METHOD |
| US20180050171A1 (en) * | 2016-08-22 | 2018-02-22 | International Flavors & Fragrances Inc. | Closed Loop Scent Delivery System and Method of Use |
| US20180075565A1 (en) * | 2016-09-13 | 2018-03-15 | Ford Global Technologies, Llc | Passenger validation systems and methods |
| US10395652B2 (en) * | 2016-09-20 | 2019-08-27 | Allstate Insurance Company | Personal information assistant computing system |
| US10606276B2 (en) * | 2016-09-30 | 2020-03-31 | Faraday & Future Inc. | User data-based autonomous vehicle system |
| US20180216946A1 (en) * | 2016-09-30 | 2018-08-02 | Mamadou Mande Gueye | Method and system for facilitating provisioning of social activity data to a mobile device based on user preferences |
| US10699305B2 (en) * | 2016-11-21 | 2020-06-30 | Nio Usa, Inc. | Smart refill assistant for electric vehicles |
| US20180237024A1 (en) * | 2017-02-17 | 2018-08-23 | Microsoft Technology Licensing, Llc | Remote management of vehicle internal environment |
| US10259468B2 (en) * | 2017-06-15 | 2019-04-16 | Hitachi, Ltd. | Active vehicle performance tuning based on driver behavior |
| US20180365400A1 (en) * | 2017-06-19 | 2018-12-20 | Brennan T. Lopez-Hinojosa | Biometric authentication for connected vehicles including autonomous vehicles |
| US10670414B2 (en) * | 2017-10-20 | 2020-06-02 | Paypal, Inc. | Load balancing for map application route selection and output |
| US11537953B2 (en) * | 2018-11-29 | 2022-12-27 | Here Global B.V. | Method and apparatus for proactive booking of a shared vehicle |
| US20200238952A1 (en) * | 2019-01-28 | 2020-07-30 | Jeffrey Dean Lindsay | Facial recognition systems for enhanced security in vehicles and other devices |
-
2018
- 2018-05-14 DE DE102018207379.1A patent/DE102018207379A1/de not_active Withdrawn
-
2019
- 2019-04-30 US US16/649,836 patent/US11021163B2/en active Active
- 2019-04-30 CN CN201980005099.5A patent/CN111225835A/zh active Pending
- 2019-04-30 EP EP19722827.3A patent/EP3645344B1/de active Active
- 2019-04-30 WO PCT/EP2019/060997 patent/WO2019219369A1/de unknown
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120016827A1 (en) * | 2010-07-19 | 2012-01-19 | Lockheed Martin Corporation | Biometrics with mental/ physical state determination methods and systems |
| WO2012016827A1 (en) * | 2010-08-05 | 2012-02-09 | Fluid Automation Systems S.A. | Solenoid valve with a two-part core |
| WO2013101054A1 (en) * | 2011-12-29 | 2013-07-04 | Intel Corporation | Systems, methods, and apparatus for identifying an occupant of a vehicle |
| CN105292055A (zh) * | 2015-10-30 | 2016-02-03 | 杨林 | 用于汽车的无钥匙点火系统 |
| DE102017105786A1 (de) * | 2016-03-21 | 2017-09-21 | Ford Global Technologies, Llc | Identifizierung eines Fahrers eines Fahrzeugs |
| CN106882134A (zh) * | 2017-03-07 | 2017-06-23 | 江苏大学 | 一种基于指纹身份识别的汽车驾驶座椅自动调节装置及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019219369A1 (de) | 2019-11-21 |
| US20200283000A1 (en) | 2020-09-10 |
| EP3645344A1 (de) | 2020-05-06 |
| DE102018207379A1 (de) | 2019-11-14 |
| US11021163B2 (en) | 2021-06-01 |
| EP3645344B1 (de) | 2020-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111788090B (zh) | 用于依据行驶情况运行机动车的机动车系统的方法、个性化设备和机动车 | |
| EP2836410B1 (en) | User identification and personalized vehicle settings management system | |
| US9663112B2 (en) | Adaptive driver identification fusion | |
| CN105365707B (zh) | 车辆驾驶员识别 | |
| US10332020B2 (en) | Method and apparatus of differentiating drivers based on driving behaviors | |
| CN107220582A (zh) | 识别车辆的驾驶员 | |
| US20170282930A1 (en) | Method and apparatus for predictive driver assistance | |
| KR101165106B1 (ko) | 얼굴 인식에 기반한 운전자 인증 장치 및 방법 | |
| US20060193502A1 (en) | Device control apparatus and method | |
| EP3437939B1 (en) | Vehicle control apparatus, vehicle control method, and recording medium storing program | |
| CN101716932A (zh) | 使用车载车辆系统设置的车辆驾驶员识别和定制的设备和方法 | |
| US11042614B2 (en) | Authentication device and authentication method | |
| CN111225835A (zh) | 依照用户专有的用户设置来运行机动车系统的方法，存储介质，分配装置，机动车和用于在互联网中运行的服务器设备 | |
| US11524642B2 (en) | System and method for setting information about vehicle | |
| JP2005003997A (ja) | 音声認識装置および音声認識方法ならびに車両 | |
| KR20190125606A (ko) | 지문인식 스마트키를 이용한 차량 제어 방법 | |
| EP3428821A1 (en) | Authentication device and authentication method | |
| US20190286641A1 (en) | Information provision system, information provision method, and non-transitory computer-readable medium | |
| CN118822664A (zh) | 跨分布式资产的生物特征识别 | |
| CN117082686A (zh) | 一种氛围灯控制方法、装置、车辆和存储介质 | |
| CN117746615A (zh) | 信息处理装置以及信息处理方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200602 |