CN111439268A - 一种主动提供个性化服务的方法、装置、云端服务器及汽车 - Google Patents

Abstract

本发明涉及一种主动提供个性化服务的方法、装置、云端服务器及汽车，实现个性化服务推荐效果。该方法包括：接收多维感知模块输入的感知信息；将感知信息输入至预设规则模型中，以判断预设规则模型中是否存在与感知信息相匹配的其中一条规则；若存在，则输出第一中间值；若不存在，则将感知信息输入至本地存储的用户画像模型中，以获得第二中间值；将第一中间值或第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与第一中间值或第二中间值相似度最高的其中一个中间值；将标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；根据目标推荐指令，控制车辆上的相关执行器执行目标推荐指令。

Description

一种主动提供个性化服务的方法、装置、云端服务器及汽车

技术领域

本发明涉及汽车领域，具体是一种主动提供个性化服务的方法、装置、云端服务器及汽车。

背景技术

当前，车主在用车过程中，需要车主主动的去发起操作命令，座舱系统在识别到用户的操作命令之后，才能对用户的操作进行响应，并提供车主需要的服务；而车主在行车过程中去发起这些操作指令，或者是去调整车辆内设备（车窗、天窗、空调等），都会分散驾驶的注意力，存在引发安全隐患的可能性。除此以外，由于车辆机械设计和电器设计策略，一旦用户触发机械或者电器设备，设备就会立马响应，在某些情况下，这样的设计策略是不合适的。举个例子，用户在一个PM2.5严重超标的环境下，要求打开车窗，在以往的座舱设计中，无论用户是通过语音或者是手动操作去打开车窗，我们的系统都会立马响应用户操作；这样的服务提供方式由于缺乏环境感知和数据融合处理的能力，存在一定的体验问题和安全隐患。

因此，如果能在用户用车过程中，融合感知环境因素、车辆数据、地理位置、用户状态等多维数据，根据一些既定的策略和方法，主动为用户提供个性化的服务，将会提高行车过程中安全性和用户体验。

发明内容

本发明的目的在于提供了一种主动提供个性化服务的方法、装置、云端服务器及汽车，以实现个性化服务推荐效果。

本发明的技术方案为：

本发明还提供了一种主动提供个性化服务的方法，应用于车辆上的座舱控制器，包括：

接收多维感知模块输入的感知信息；

将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则；

若存在，则输出第一中间值；

若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值；

将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值；

将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；

根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

优选地，接收多维感知模块输入的感知信息之前，所述方法还包括：

接收多维感知模块输入的用户信息；

基于所述用户信息，向云端服务器上报用户身份校验请求；

在接收到云端服务器反馈的用户身份校验通过信息后，向多维感知模块发送采集指令，使多维感知模块根据所述采集指令进行感知信息采集。

优选地，根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令的步骤包括：

将所述目标推荐指令和预存的与车辆行车安全相关的预设指令库进行比对，以判断所述目标推荐指令是否为与车辆行车安全相关的指令；

若为，则通过车辆仪表向用户输出确认执行所述目标推荐指令的请求信息；

在接收到用户输入的确认执行所述目标推荐指令的反馈信息时，控制车辆上的相关执行器执行所述目标推荐指令；

若不为，则控制车辆上的相关执行器直接执行所述目标推荐指令。

优选地，所述方法还包括：

在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的拒绝执行所述目标推荐指令的反馈信息，确定用户不满意本次推荐行为；

在目标指令不为与车辆行车安全相关的指令的条件下，若接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户不满意本次推荐行为；

在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的确认执行所述目标推荐指令的反馈信息，确定用户满意本次推荐行为；

在目标指令不为与车辆行车安全相关的指令的条件下，若未接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户满意本次推荐行为；

根据用户满意或不满意本次推荐行为的数据，对用户画像模型进行更新。

优选地，所述方法还包括；

周期性地向云端服务器发送用户画像模型更新请求，使云端服务器按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

优选地，控制车辆上的相关执行器直接执行所述目标推荐指令的步骤包括：

解析所述目标推荐命令，检测执行所述目标推荐命令是否需要从第三方服务器获取信息；

若需要，则向云端服务器发送第三方服务获取请求；

接收云端服务器发送的反馈信息，所述反馈信息为：云端服务器在接入第三方服务后，第三方服务器基于所述第三方服务获取请求所反馈的服务信息；

控制车辆上的相关执行器对所述反馈信息执行输出；

若不需要，控制车辆上的相关执行器直接执行所述目标推荐指令。

云端服务器，其特征在于，所述云端服务器用于执行：

接收车辆上的座舱控制器上传的用户身份校验请求；

根据所述用户身份校验请求中携带的用户信息进行用户身份校验，并在用户身份校验通过后向座舱控制器反馈用户身份校验通过信息；

接收车辆上的座舱控制器发送的第三方服务获取请求；

根据所述第三方服务获取请求，接入第三方服务；

将所述第三方服务获取请求发送至第三方服务器；

接收所述第三方服务器基于所述第三方服务获取请求所反馈的服务信息，并将所述服务信息反馈至座舱控制器，使座舱控制器基于所述服务信息控制车辆上的相关执行器对所述服务信息执行输出。

优选地，所述云端服务器还用于：

接收座舱控制器上传的用户画像模型的初始模型下载请求；

将存储在本地的用户画像模型的初始模型下发至座舱控制器。

优选地，所述云端服务器还用于：

接收座舱服务器上传的用户画像模型更新请求；

根据所述用户画像模型更新请求，按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

本发明还提供了一种个性化服务推荐装置，应用于车辆上的座舱控制器，包括：

第一接收模块，用于接收多维感知模块输入的感知信息；

判断模块，用于将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则；

第一输出模块，用于若存在，则输出第一中间值；

获取模块，用于若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值；

第一确定模块，用于将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值；

第二确定模块，用于将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；

控制模块，用于根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

本发明还提供了一种汽车，包括上述的个性化服务推荐装置。

本发明的有益效果为：

通过利用多维数据感知、融合、分析处理，根据一些既定的和不断进化的推荐策略，主动为用户推荐用车过程中的智能的个性化服务和服务的实施，提升用户在座舱内的体验和行车安全。具体来说：

1、本发明中，创新的使用多维数据感知的方式，弥补以往座舱内的感知能力单一、缺失的缺点；并创新的使用多维数据感知控制算法对各个感知模块的运行状况进行监控和控制，为座舱AI大脑提供更多的感知能力。更多维度的感知，意味着车辆的座舱系统能为用户提供更多、更全面、更细节的个性化服务。

2、本发明中，创新的将数据多维数据进行数据融合处理，多方位的考虑用户用车过程的每一维因素对用户用车安全性和舒适性的影响。创新的通过用户画像模型和预设规则模型相结合的方式，既能够满足用户的个性化要求，又能保障推荐提供服务的普遍性。

3、本发明中，座舱AI大脑通过模型和算法的自进化，能够不断学习和适应不同用户的行为习惯，针对每一个用户都有对应的推荐指令产生策略，能够做到千人千面的个性化服务。

4、本发明中，区别于以往座舱内的用户寻找服务，提供了实时的主动服务的系统。提前预测和推荐用户可能需要的服务；同时，也对用户主动寻找的服务进行安全过滤和多维感知处理，确保用户操作的安全，为用户提供真正安全贴心的服务。

5、本发明中，区别于以往的算法模型更新迭代在云端的系统架构思路。创新的将模型和算法的自进化放在终端设备，让模型和算法能够快速感知数据并完成自我进化，能够极大的提高模型升级频率和效率，并减轻云端服务引擎的计算资源消耗。

6、本发明中，云端服务引擎通过用户账号校验的方式，能够对接第三方的服务推荐（地图POI、商城、票务、音乐推荐等），用户不必要再使用手机去寻找对应的服务就能直接使用，减少用户的操作和使用成本。

附图说明

图1为多维数据融合感知推荐系统的分层图；

图2为系统数据流向图；

图3为座舱AI大脑主动服务流程图；

图4为座舱AI大脑被动服务流程图；

图5为本发明的方法的流程图。

具体实施方式

下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

如图5，本发明实施例提供了一种主动提供个性化服务的方法，应用于车辆上的座舱控制器（即车辆上的座舱AI大脑），包括：

步骤S101，接收多维感知模块输入的感知信息。

其中，多维感知模块采集并存储：车内摄像头数据、车辆行驶状态、ADAS数据、车载电器状态、烟雾传感器数据、雨量传感器数据、车载MIC数据、GPS数据、云端服务器对接的第三方推荐数据等数据；具体来说，如图1至图4，多维感知模块至少由以下感知功能组成：

A、行车数据感知。行车数据感知是指通过ADAS摄像头和传感器，以及车辆的行驶速度为座舱AI大脑提供行车数据输入和感知能力。

B、车辆状态感知。车辆状态感知是指通过采集车辆的CAN信号，解析出需要的车载电器相关数据，如车载的雨量传感器信息和烟雾传感器信息等。

C、驾驶状态感知。通过车内摄像头，实时的捕捉驾驶员的状态，包括驾驶员的动作，表情，疲劳程度等维度，为座舱AI大脑提供驾驶员状态感知能力。

D、情绪感知。通过车内摄像头和车内MIC输入，对用户的表情和用户的语言进行识别，通过情绪感知算法实现对用户情绪的感知。

E、环境状态感知。通过车载GPS模块以及云端的天气信息，定位用户当前所处的环境状态，为座舱AI大脑提供环境感知能力。

F、语音输入感知。通过对用户的语音输入进行ASR转换和语义理解，将语义理解的结果作为输入，传递给座舱AI大脑。

G、用户反馈感知。通过多维感知模块中的用户反馈感知算法，将用户对推荐指令执行后的操作反馈至座舱AI大脑。

多维感知模块在感知到数据时，首先需要对多维感知的数据进行清洗和格式化，清洗和格式化的方式包括但不限于数据时效过滤、频率过滤、纵向数据比较、数据对齐等。

步骤S102，将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则。其中，预设规则模型则是通过分类器原理来实现，预设规则模型的初始模型来源于云端服务器，预设规则模型的生成算法，通过一些既定生成算法（如核密度估计算法、梯度下降树算法、k均值聚类算法）和可变的权重参数实现。

多维感知模块感知到的数据包括很多个数据，多维感知模块在感知到各种数据后，输入感知信息矩阵至预设规则模型中，在该矩阵中最多包括多维感知模块能够感知到的n个信息，即在该感知信息矩阵中预先标定每一个值对应指代哪一个感知信息，在某一感知信息对应的值为1时，表示多维感知模块感知到该感知信息；反之，在某一感知信息对应的值为0时，表示多维感知模块未感知到该信息，如：[1，0，1，0，0，1，1……]（矩阵中总共有n个数值）中的第一个数值对应的感知信息为雨量传感器信息，第一个数值为“1”即表示多维感知模块感应到雨量传感器的传感信息。

将多维感知模块感知到的感知信息处理后，将感知信息矩阵发送至预设规则模型中，预设规则模型首先判断预设规则模型库中是否存在与该感知信息矩阵相同的其中一个矩阵。

步骤S103，若存在，则输出第一中间值。

预设规则中的算法进行计算，即获得第一中间值，第一中间值同样为矩阵，在第一中间值矩阵中同样包括m个数值，如[0.2，0.3，0.8，1，0，0，9……]。第一中间值为数学计算值，不具有具体含义。

步骤S104，若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值。

用户画像的初始来源是由大数据平台存储的海量用户数据进行数据挖掘分析产生的出厂原始模型，云端服务器为使用个性化服务推荐系统的每个用户提供用户唯一的千人千面的用户画像能力，云端服务器的用户画像模型管理系统会对接大数据平台和云端服务引擎的数据仓库，从大数据平台和数据仓库中提取数据，再由运维人员根据不同的用户画像算法，去生成用户画像原始模型。在用户初次用车的时候，云端服务器将原始的用户画像模型推送到座舱系统，供座舱AI大脑使用。

感知信息矩阵输入到用户画像模型中后，即获得第二中间值，第二中间值同样为矩阵，在第一中间值矩阵中同样包括m个数值，如[0.3，0.2，3，1，0，2，9……]。第一中间值为数学计算值，不具有具体含义。

步骤S105，将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值。

即，将第一中间值矩阵或第二中间值矩阵与标准推荐指令库中的多个中间值矩阵进行相似度比对。相似度的计算是通过求余弦函数的方式获得余弦相似度。每个中间值矩阵进行相似度求解后，便会获得一个相似度值。

步骤S106，将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令。

步骤S107，根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

其中，车辆上的相关执行器包括但不限于：车窗控制、天窗控制、雨刮器控、灯光控制。

如图3，接收多维感知模块输入的感知信息之前，所述方法还包括：

步骤S108，接收多维感知模块输入的用户信息；

步骤S109，基于所述用户信息，向云端服务器上报用户身份校验请求；

步骤S110，在接收到云端服务器反馈的用户身份校验通过信息后，向多维感知模块发送采集指令，使多维感知模块根据所述采集指令进行感知信息采集。

其中，根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令的步骤S107包括：

步骤S1071，将所述目标推荐指令和预存的与车辆行车安全相关的预设指令库进行比对，以判断所述目标推荐指令是否为与车辆行车安全相关的指令；

步骤S1072，若为，则通过车辆仪表向用户输出确认执行所述目标推荐指令的请求信息；

步骤S1073，在接收到用户输入的确认执行所述目标推荐指令的反馈信息时，控制车辆上的相关执行器执行所述目标推荐指令；

步骤S1074，若不为，则控制车辆上的相关执行器直接执行所述目标推荐指令。

优选地，本实施例中，每次完成服务推荐后，还具有对用户反馈进行记录的优点，其中，所述方法还包括：

步骤S111，在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的拒绝执行所述目标推荐指令的反馈信息，确定用户不满意本次推荐行为；

步骤S112，在目标指令不为与车辆行车安全相关的指令的条件下，若接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户不满意本次推荐行为；

步骤S113，在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的确认执行所述目标推荐指令的反馈信息，确定用户满意本次推荐行为；

步骤S114，在目标指令不为与车辆行车安全相关的指令的条件下，若未接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户满意本次推荐行为；

步骤S115，根据用户满意或不满意本次推荐行为的数据，对用户画像模型进行更新。

对用户画像模型进行更新的目的在于，使得座舱AI大脑在下一次或未来进行结果输出能够更匹配于用户的喜好。

优选地，所述方法还包括；

步骤S116，周期性地向云端服务器发送用户画像模型更新请求，使云端服务器按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

优选地，控制车辆上的相关执行器直接执行所述目标推荐指令的步骤S1074包括：

步骤S10741，解析所述目标推荐命令，检测执行所述目标推荐命令是否需要从第三方服务器获取信息；

步骤S10742，若需要，则向云端服务器发送第三方服务获取请求；

步骤S10742，接收云端服务器发送的反馈信息，所述反馈信息为：云端服务器在接入第三方服务后，第三方服务器基于所述第三方服务获取请求所反馈的服务信息；

步骤S10744，控制车辆上的相关执行器对所述反馈信息执行输出；

步骤S10745，若不需要，控制车辆上的相关执行器直接执行所述目标推荐指令。

本实施例通过上述方法，依靠对车辆运行过程中的感知信息进行服务预测，并进行个性化服务推荐与执行，满足用户使用需求。

如图1至图5，为了实现对用户的个性化服务推荐，本实施例中，云端服务器、座舱控制器（座舱AI大脑）和多维感知模块构成，多维感知模块和座舱AI大脑布置在车载座舱系统内。

参见图1所示的系统分层图，多维数据融合感知的个性化服务推荐系统的云端服务引擎部分由用户画像模型管理模块1、预设规则模型管理模块2、用户身份校验模块3、远程升级模块4、第三方推荐服务对接模块5和数据仓库模块6组成。

用户画像模型管理模块1会对接大数据平台和云端服务引擎的数据仓库，从大数据平台和数据仓库中提取数据，再由运维人员根据不同的用户画像算法，去生成用户画像原始模型。在用户初次用车的时候，将原始的用户画像模型推送到车载座舱系统中，供座舱AI大脑使用。同时，用户画像模型管理模块1，会对用户画像模型的历史版本进行归档和记录。

用户身份校验模块3通过接入车联网平台的身份认证系统，在获取到来自座舱AI大脑的用户身份校验请求时，对用户的身份进行校验，校验通过后，像座舱AI大脑反馈校验通过信息；同时，在座舱AI大脑首次向用户身份校验模块发送用户身份校验请求时，用户身份校验模块在通过用户身份校验后，将用户画像模型下发至座舱AI大脑，提供给座舱AI大脑使用。

远程升级模块4为车辆的座舱AI大脑和多维感知模块提供软件升级的能力。在座舱AI大脑的软件版本低于云端服务器中存储的软件版本号时，将触发座舱AI大脑的远程升级业务。

第三方推荐服务对接模块5工作时，通过对接第三方的推荐云端接口，获得第三方提供的POI（point of information OR point of interest，地图上任何非地理意义的有意义的点推荐、音乐推荐等推荐服务），如商店、银行、加油站。这些第三方服务通过和用户的账号来达成推荐内容的个性化。

数据仓库模块6，数据仓库模块6通过提供接口给终端的座舱AI大脑，座舱AI大脑通过调用此接口实现多维感知数据的上传。

具体来说，本实施例中的云端服务器具有如下能力：

A、为推荐系统的每个用户提供用户唯一的千人千面的用户画像能力。用户画像的初始来源是由大数据平台存储的海量用户数据进行数据挖掘分析产生的出厂原始模型，原始模型随着座舱内AI大脑不断接受用户反馈，会不断地自我进化。每接收一次用户反馈都相当于是一次进化的过程，用户能够根据自我喜好设置云端用户画像的更新备份周期。

B、为终端（座舱内）提供用户识别认证能力。通过存储用户的唯一ID信息，在用户进入座舱后，完成对用户身份的校验，校验通过后，座舱AI大脑针对每一个用户提供不同的个性化服务。

C、为座舱AI大脑提供远程升级能力。座舱AI大脑和座舱系统深度融合，当座舱AI大脑的自学习算法需要升级，需要通过云端服务引擎去完成升级迭代。

D、第三方提供的推荐服务的接入能力（包含有POI推荐、音乐播放推荐、广告推荐等）。座舱AI大脑提供的服务，除去自身所能提供的车辆相关的服务，还能够通过用户ID绑定的方式，去接入第三方厂商的服务和推荐能力，对已有推荐能力进行丰富。

E、预设规则模型生成能力。处于对用户的安全考虑，需要对一些既有的用户异常操作行为进行过滤，同时也可以将一些普遍化的用户行为，以固化的规则的形式来生成模型。将模型作为座舱AI大脑模型部分。

参加图1所示的系统分层图，本实施例中，座舱AI大脑由多维数据处理模块71、感知能力控制模块72、推荐指令生成和模型进化模块73、安全管理模块74、推荐指令执行模块75和数据上传模块76供6个模块组成。

多维数据处理模块71，主要是对多维感知的数据进行清洗和格式化，清洗和格式化的方式包括但不限于数据时效过滤、频率过滤、纵向数据比较、数据对齐等。

感知能力控制模块72，通过既定的感知策略控制算法，对多模感知模块的运行状态进行调整。

推荐指令生成和模型进化模块73是座舱AI大脑的核心。通过用户画像模型和预设规则模型以及推荐指令生成算法，生成推荐指令并完成模型的自我进化。用户画像模型的生成和进化主要通过强化学习的方式，预设规则模型则是通过分类器来实现。模型生成算法，通过一些既定生成算法和可变的权重参数实现。

安全管理模块74，对目标推荐指令的安全等级进行评估打分，当安全评估的打分低于安全管理的阀值，则安全评估通过，否则为不通过。

推荐指令执行模块75，通过接口调用的方式调用由座舱AI大脑提供的控制接口，从而实现对车载电器和座舱娱乐系统APP的控制。

数据上传模块76，座舱AI大脑在网络情况良好的情况下，会对多维感知数据进行实时上传；在网络情况一般的情况下会按照缓存策略对多维数据进行缓存，并适时上传。同时，座舱AI大脑也会根据用户的设定，周期性的对用户画像模型进行上传和备份。

具体来说，本实施例中的座舱AI大脑具有如下能力：

A、接受和过滤多维感知模块数据输入的能力。座舱AI大脑需要能够实时的获取来自于多维感知模块采集和存储的如下数据：车内摄像头数据、车辆行驶状态、ADAS数据、车载电器状态、烟雾传感器数据、雨量传感器数据、车载MIC数据、GPS数据、云端服务对接的第三方推荐数据等

B、控制多维感知模块运行状态的能力。各个模块的数据采集器均是并发运行，且实时的去各个模块进行数据采集，多维感知模块作为各个子感知模块的控制核心，能够根据不同的数据采集策略，决定各个子模块数据采集的进行、停止或者是采集的周期。

C、分析处理多维感知输入，并根据模型确定输出对应的Action（文中所述Action泛指播放音乐、语音提示、车辆电器控制等等）的能力。分析处理是指，对实时的输入进行数据处理，并根据预设规则模型和用户唯一的用户画像模型，得到Action输出，并将Action分发到对应的处理模块进行处理。

D、处理Action反馈，自主记录和学习新的Action，调整旧的用户画像模型的能力。座舱AI大脑具有接受用户反馈的能力，每次接受用户的反馈，座舱AI大脑都会去更新用户画像模型。

E、车辆控制能力。座舱AI大脑能够响应和执行车辆控制类指令，当用户的和环境的多维输入行为触发了车辆控制类推荐指令，座舱AI大脑将根据指令去执行对应的操作，例如包括有车门控制、车窗控制、天窗控制、雨刮器控、灯光控制等。

F、娱乐系统应用软件控制能力。当座舱AI大脑根据当前多维感知的输入，得到的输出推荐指令是和娱乐系统应用相关时，座舱AI大脑能够根据推荐指令去执行相应的操作，包括有音乐控制、导航控制、智能语音对话、票务服务、智能家居控制等。

G、安全过滤能力。在所有用户操作执行前，均需要通过座舱AI大脑的安全校验，座舱AI大脑判定为安全可执行状态之后（主要是用于判断该推荐指令对应的行为是否涉及车辆行车安全，如车门控制过程中，可能涉及到需要开启车门重新关闭等行为，这种行为在行车过程中会危及车辆行车安全），才会派发执行对应的操作；在判断该推荐指令对应的行为不为安全可执行状态（即涉及车辆行车安全），则推荐给用户，需要用户手动确认是否执行。

H、感知数据记录上传。将多维感知模块的各个模块所感知的数据，将会上传到云端服务器的数据仓库。

参见图1所示的系统分层图，多维感知模块由7个模块组成，见图中的81至87。图中的各个模块均以任务的方式独立存在和运行，通过座舱AI大脑进行调度，并将感知数据异步的上传至座舱AI大脑。

各个模块的感知能力，通过传感器和摄像头以及CAN网络进行获取；个别模块需要通过特定的芯片完成运算后再返回感知结果，个别模块需要通过语音识别和语义识别之后返回感知结果。

用户反馈模块87，需要根据用户反馈感知算法，对用户的反馈操作进行判别，判别为用户反馈之后再进行感知结果的上传。

本实施例中，多维感知模块通过收集车辆的各个传感器和来自云端服务引擎的数据，将数据输入到座舱AI大脑，一方面座舱AI大脑会对输入的数据进行处理，生成并执行响应当前输入的推荐指令；另一方面，座舱AI大脑会将处理之后的数据和产生的目标推荐指令进行数据上传，将数据上传至云端服务器的数据仓库。所诉多维感知模块，在座舱AI大脑执行目标推荐指令之后，会根据反馈感知算法，对用户的反馈进行感知，将感知的结果传递给座舱AI大脑，座舱AI大脑根据反馈的结果更新用户画像模型,并根据用户设定的周期，将最新的用户画像模型，上传至云端服务引擎进行备份。

多维数据融合感知模块，其运行状态、感知子模块的运行状态均由座舱AI大脑进行控制。座舱AI大脑模块，其中所包含的用户画像原始模型的初始化、预设规则模型的升级，均依赖于云端服务器的同步推送进行触发。座舱AI大脑，其中所包含的用户画像模型的自更新，依赖于多维数据融合感知模块的数据输入进行触发。座舱AI大脑的用户校验，依赖于多维融合感知模块的输入，同时依赖于云端服务器的用户数据校验。云端服务器，其用户画像原始模型的产生，依赖于座舱AI大脑上传的多维感知数据。

通过利用多维数据感知、融合、分析处理，根据一些既定的和不断进化的推荐策略，主动为用户推荐用车过程中的智能的个性化服务和服务的实施，提升用户在座舱内的体验和行车安全。

当然，本发明也可以使用其他现有类似的各种的座舱AI大脑、多维感知模块。

本发明实施例还提供了一种云端服务器，所述云端服务器用于执行：

接收车辆上的座舱控制器上传的用户身份校验请求；

根据所述用户身份校验请求中携带的用户信息进行用户身份校验，并在用户身份校验通过后向座舱控制器反馈用户身份校验通过信息；

接收车辆上的座舱控制器发送的第三方服务获取请求；

根据所述第三方服务获取请求，接入第三方服务；

将所述第三方服务获取请求发送至第三方服务器；

接收所述第三方服务器基于所述第三方服务获取请求所反馈的服务信息，并将所述服务信息反馈至座舱控制器，使座舱控制器基于所述服务信息控制车辆上的相关执行器对所述服务信息执行输出。

优选地，所述云端服务器还用于：

接收座舱控制器上传的用户画像模型的初始模型下载请求；

将存储在本地的用户画像模型的初始模型下发至座舱控制器。

优选地，所述云端服务器还用于：

接收座舱服务器上传的用户画像模型更新请求；

根据所述用户画像模型更新请求，按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

本发明实施例还提供了一种个性化服务推荐装置，应用于车辆上的座舱控制器，包括：

第一接收模块，用于接收多维感知模块输入的感知信息；

判断模块，用于将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则；

第一输出模块，用于若存在，则输出第一中间值；

获取模块，用于若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值；

第一确定模块，用于将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值；

第二确定模块，用于将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；

控制模块，用于根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

本发明实施例还提供了一种汽车，包括上述所述的个性化服务推荐装置。

上述实施例只对齐中一些本发明的一个或多个实施例进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。

Claims (11)

1.一种主动提供个性化服务的方法，应用于车辆上的座舱控制器，其特征在于，包括：

接收多维感知模块输入的感知信息；

将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则；

若存在，则输出第一中间值；

若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值；

将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值；

将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；

根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

2.根据权利要求1所述的方法，其特征在于，接收多维感知模块输入的感知信息之前，所述方法还包括：

接收多维感知模块输入的用户信息；

基于所述用户信息，向云端服务器上报用户身份校验请求；

在接收到云端服务器反馈的用户身份校验通过信息后，向多维感知模块发送采集指令，使多维感知模块根据所述采集指令进行感知信息采集。

3.根据权利要求1所述的方法，其特征在于，根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令的步骤包括：

将所述目标推荐指令和预存的与车辆行车安全相关的预设指令库进行比对，以判断所述目标推荐指令是否为与车辆行车安全相关的指令；

若为，则通过车辆仪表向用户输出确认执行所述目标推荐指令的请求信息；

在接收到用户输入的确认执行所述目标推荐指令的反馈信息时，控制车辆上的相关执行器执行所述目标推荐指令；

若不为，则控制车辆上的相关执行器直接执行所述目标推荐指令。

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：

在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的拒绝执行所述目标推荐指令的反馈信息，确定用户不满意本次推荐行为；

在目标指令不为与车辆行车安全相关的指令的条件下，若接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户不满意本次推荐行为；

在目标推荐指令为与车辆行车安全相关的指令的条件下，若接收到用户输入的确认执行所述目标推荐指令的反馈信息，确定用户满意本次推荐行为；

在目标指令不为与车辆行车安全相关的指令的条件下，若未接收到用户在车辆上的相关执行器执行所述目标指令后输入的表示不满意本次推荐行为的反馈信息，确定用户满意本次推荐行为；

根据用户满意或不满意本次推荐行为的数据，对用户画像模型进行更新。

5.根据权利要求1所述的方法，其特征在于，所述方法还包括；

周期性地向云端服务器发送用户画像模型更新请求，使云端服务器按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

6.根据权利要求3所述的方法，其特征在于，控制车辆上的相关执行器直接执行所述目标推荐指令的步骤包括：

解析所述目标推荐命令，检测执行所述目标推荐命令是否需要从第三方服务器获取信息；

若需要，则向云端服务器发送第三方服务获取请求；

接收云端服务器发送的反馈信息，所述反馈信息为：云端服务器在接入第三方服务后，第三方服务器基于所述第三方服务获取请求所反馈的服务信息；

控制车辆上的相关执行器对所述反馈信息执行输出；

若不需要，控制车辆上的相关执行器直接执行所述目标推荐指令。

7.一种云端服务器，其特征在于，所述云端服务器用于执行：

接收车辆上的座舱控制器上传的用户身份校验请求；

根据所述用户身份校验请求中携带的用户信息进行用户身份校验，并在用户身份校验通过后向座舱控制器反馈用户身份校验通过信息；

接收车辆上的座舱控制器发送的第三方服务获取请求；

根据所述第三方服务获取请求，接入第三方服务；

将所述第三方服务获取请求发送至第三方服务器；

接收所述第三方服务器基于所述第三方服务获取请求所反馈的服务信息，并将所述服务信息反馈至座舱控制器，使座舱控制器基于所述服务信息控制车辆上的相关执行器对所述服务信息执行输出。

8.根据权利要求7所述的云端服务器，其特征在于，所述云端服务器还用于：

接收座舱控制器上传的用户画像模型的初始模型下载请求；

将存储在本地的用户画像模型的初始模型下发至座舱控制器。

9.根据权利要求7所述的云端服务器，其特征在于，所述云端服务器还用于：

接收座舱服务器上传的用户画像模型更新请求；

根据所述用户画像模型更新请求，按照座舱控制器中存储的用户画像模型的最新版本对存储在服务器中的用户画像模型同步更新。

10.一种个性化服务推荐装置，应用于车辆上的座舱控制器，其特征在于，包括：

第一接收模块，用于接收多维感知模块输入的感知信息；

判断模块，用于将所述感知信息输入至预设规则模型中，以判断所述预设规则模型中是否存在与所述感知信息相匹配的其中一条规则；

第一输出模块，用于若存在，则输出第一中间值；

获取模块，用于若不存在，则将所述感知信息输入至本地存储的用户画像模型中，以获得第二中间值；

第一确定模块，用于将所述第一中间值或所述第二中间值与预先存储的标准推荐指令库中的各个中间值分别进行相似度比较，确定出与所述第一中间值或所述第二中间值相似度最高的其中一个中间值；

第二确定模块，用于将所述标准推荐指令库中相似度最高的其中一个中间值对应的推荐指令确定为目标推荐指令；

控制模块，用于根据所述目标推荐指令，控制车辆上的相关执行器执行所述目标推荐指令。

11.一种汽车，其特征在于，包括权利要求10所述的个性化服务推荐装置。

Images