CN112445969A - 基于车联网的人机交互方法及其装置 - Google Patents

Abstract

本发明提供了一种基于车联网的人机交互方法，适用于后台端，包括：采集所有车辆的能耗数据及其关联的驾驶行为数据；基于所采集的能耗数据生成能耗排名数据；基于所述能耗排名数据及所采集的驾驶行为数据生成驾驶行为统计数据；以及发送所述能耗排名数据以及所述驾驶行为统计数据至所述车辆。

Description

基于车联网的人机交互方法及其装置

技术领域

本发明涉及车辆控制领域，尤其涉及一种基于车联网的人机交互方法及其装置。

背景技术

目前新能源汽车已进入市场化阶段，尤其在公交客车领域更为普及，应用更为成熟。如何降低新能源公交客车运营成本则成为新能源公交运营商关注的重点。而能耗降低是实现运营成本下降的重要途径之一。

在相同的驾驶线路下，由于驾驶员操作习惯的不同，相同型号的新能源公交车辆产生的能耗也千差万别。因此驾驶员的驾驶行为是影响车辆能耗的重要因素。

市场中，存在公交运营商以新能源客车月度百公里能耗为依据，对驾驶员进行绩效考核(或奖惩)，用以间接刺激驾驶员提升操作技巧，实现新能源客车运营成本的降低。虽然该种制度可能有一定几率使驾驶员对其控制车辆的习惯进行尝试性改进，但驾驶员毫无方向的改变操作习惯的结果却无法预期，甚至可能导致相反的结果，因此需要一种能够针对驾驶员提供较优的驾驶操作行为的方法。

现有技术方案主要根据前方工况运行情况优化车辆本身控制策略达到节能降耗的目的，但是并未存在通过规范驾驶员操控行为实现来车辆运营的节能降耗的技术方案。

为解决为驾驶员优化驾驶行为提供参考方向的问题，本发明旨在提供一种基于车联网的人机交互方法及其装置。后台端通过车联网与车载端进行交互，为驾驶员驾驶行为分享、规范驾驶员驾驶行为提供平台，从而推动新能源车辆整体能耗的降低。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

根据本发明的一方面，提供了一种基于车联网的人机交互方法，适用于后台端，包括：采集所有车辆的能耗数据及其关联的驾驶行为数据；基于所采集的能耗数据生成能耗排名数据；基于所述能耗排名数据及所采集的驾驶行为数据生成驾驶行为统计数据；以及发送所述能耗排名数据以及所述驾驶行为统计数据至所述车辆。

进一步地，所述能耗数据与所述车辆的类别有关，所述基于能耗数据生成能耗排名数据包括：将各个类别的车辆的能耗数据进行大小排序以生成各个类别的能耗排名数据；以及所述生成驾驶行为统计数据包括：基于每个类别的能耗排名数据及其对应类别的车辆的驾驶行为数据生成各个类别的驾驶行为统计数据。

进一步地，所述能耗数据还与车辆的行驶路线有关，所述将各个类别的车辆的能耗数据进行大小排序以生成各个类别能耗排名数据包括：基于不同行驶路线将各个类别的车辆能耗数据进行大小排序以生成基于不同行驶路线的各个类别的能耗排名数据；以及所述生成驾驶行为统计数据包括：基于每一行驶路线上的每个类别的能耗排名数据及其对应类别的车辆在该行驶路线上的驾驶行为数据生成基于各种行驶路线的各个类别的驾驶行为统计数据。

进一步地，所述生成驾驶行为统计数据包括：将所述能耗排名数据中能耗数据最小的预设数目的车辆的驾驶行为进行统计分析以生成所述驾驶行为统计数据。

进一步地，所述人机交互方法还包括：基于每一车辆的驾驶行为数据与所述驾驶行为统计数据生成推荐驾驶行为；以及发送所述推荐驾驶行为至对应车辆。

进一步地，所述生成推荐驾驶行为包括：响应于所述车辆的驾驶行为数据不属于所述驾驶行为统计数据的涵盖范围，建议所述车辆的驾驶行为数据向所述驾驶行为统计数据变化以生成所述推荐驾驶行为。

进一步地，所述人机交互方法还包括：采集所有车辆的所有驾驶行为数据以及对应车辆的能耗数据；以及对所采集的驾驶行为数据以及对应车辆的能耗数据进行大数据分析以确定影响车辆能耗的驾驶行为，所述影响车辆能耗的驾驶行为的控制数据为所述能耗数据关联的驾驶行为数据。

进一步地，所述能耗数据的类别包括百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据，所述基于能耗数据生成能耗排名数据包括：基于不同类别的能耗数据分别生成不同类别的能耗排名数据。

根据本发明的另一个方面，提供了一种基于车联网的人机交互装置，适用于后台端，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器被用于执行存储在所述存储器上的计算机程序时实现如上述任一项所述的人机交互方法的步骤。

根据本发明的又一个方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项所述的适用于后台端的人机交互方法的步骤。

根据本发明的再一个方面，提供了一种基于车联网的人机交互方法，适用于车载端，包括：统计本车的能耗数据；获取本车的关联于所述能耗数据的驾驶行为数据；上传所述能耗数据及其关联的驾驶行为数据至后台端；从所述后台端获取包括本车的能耗数据的能耗排名数据；以及显示所述能耗排名数据。

进一步地，所述人机交互方法还包括：从所述后台端获取推荐驾驶行为。

进一步地，所述人机交互方法还包括：获取基于所述能耗排名数据生成的驾驶行为统计数据；以及显示所述驾驶行为统计数据以便于用户优化驾驶行为。

进一步地，所述人机交互方法还包括：获取基于所述能耗排名数据生成的驾驶行为统计数据；基于本车的驾驶行为数据以及所述驾驶行为统计数据生成推荐驾驶行为；以及显示所述推荐驾驶行为以便于驾驶员优化驾驶行为。

进一步地，所述生成推荐驾驶行为包括：响应于所述车辆的驾驶行为数据不属于所述驾驶行为统计数据的涵盖范围，建议本车的驾驶行为数据向所述驾驶行为统计数据变化以生成所述推荐驾驶行为。

进一步地，所述人机交互方法还包括：获取本车的所有驾驶行为数据；以及上传所有驾驶行为数据至所述后台端以便于所述后台端确定与能耗数据关联的驾驶行为数据。

进一步地，所述能耗数据的类别包括百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据，所述统计本车的能耗数据包括：统计本车不同类别的能耗数据。

进一步地，所述显示能耗排名数据包括：响应于本车处于行驶状态，基于所述能耗排名数据显示本车在所述能耗数据中的排名情况；或响应于本车处于停止状态，显示所述能耗数据排名数据中的至少部分车辆的排名数据。

进一步地，所述人机交互方法还包括：将所述能耗排名数据及其关联的其它数据基于时间信息存储；以及响应于用户查询存储的历史数据，基于所述时间信息显示所述能耗排名数据及其关联的其它数据。

根据本发明的另一个方面，提供了一种基于车联网的人机交互装置，适用于车载端，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器被用于执行存储在所述存储器上的计算机程序时实现如上述任一项所述的适用于车载端的人机交互方法的步骤。

根据本发明的又一个方面，提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如上述任一项所述的适用于车载端的人机交互方法的步骤。

附图说明

在结合以下附图阅读本公开的实施例的详细描述之后，更能够更好地理解本发明的上述特征和优点。

图1是根据本发明的一个方面绘示的一实施例的人机交互方法的流程图；

图1A是根据本发明的一个方面绘示的一实施例的人机交互方法的部分流程图；

图1B是根据本发明的一个方面绘示的一实施例的人机交互方法的部分流程图；

图2是根据本发明的另一个方面绘示的一实施例的人机交互方法的流程图；

图2A是根据本发明的另一个方面绘示的一车载端的显示界面示意图；

图2B是根据本发明的另一个方面绘示的一车载端的显示界面示意图；

图2C是根据本发明的另一个方面绘示的一实施例的人机交互方法的部分流程图；

图2D是根据本发明的另一个方面绘示的一车载端的显示界面示意图；

图2E是根据本发明的另一个方面绘示的一车载端的显示界面示意图；

图2F是根据本发明的另一个方面绘示的一实施例的人机交互方法的部分流程图；

图2G是根据本发明的另一个方面绘示的一实施例的人机交互方法的部分流程图；

图3是根据本发明的又一个方面绘示的一实施例的人机交互装置的示意框图；

图4是根据本发明的另一个方面绘示的一实施例的人机交互装置的示意框图。

具体实施方式

给出以下描述以使得本领域技术人员能够实施和使用本发明并将其结合到具体应用背景中。各种变型、以及在不同应用中的各种使用对于本领域技术人员将是容易显见的，并且本文定义的一般性原理可适用于较宽范围的实施例。由此，本发明并不限于本文中给出的实施例，而是应被授予与本文中公开的原理和新颖性特征相一致的最广义的范围。

在以下详细描述中，阐述了许多特定细节以提供对本发明的更透彻理解。然而，对于本领域技术人员显而易见的是，本发明的实践可不必局限于这些具体细节。换言之，公知的结构和器件以框图形式示出而没有详细显示，以避免模糊本发明。

请读者注意与本说明书同时提交的且对公众查阅本说明书开放的所有文件及文献，且所有这样的文件及文献的内容以参考方式并入本文。除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所公开的每一个特征仅是一组等效或类似特征的一个示例。

注意，在使用到的情况下，标志左、右、前、后、顶、底、正、反、顺时针和逆时针仅仅是出于方便的目的所使用的，而并不暗示任何具体的固定方向。事实上，它们被用于反映对象的各个部分之间的相对位置和/或方向。

以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。

根据本发明的一个方面，提供一种基于车联网的人机交互方法，用于为驾驶员分享更优的驾驶行为。该人机交互方法包括后台端和车载端。适用于后台端的人机交互方法可作为车辆供应商跟踪、分析和管理车辆的平台实现方法，适用于车载端的人机交互方法可作为能够优化驾驶员驾驶行为的车辆的运作方法。

车联网是以行驶中的车辆为信息感知对象，借助新一代信息通信技术，实现车与云平台、车与车、车与路、车与人、车内等全方位网络链接，主要实现了“三网融合”，即将车内网、车际网和车载移动互联网进行融合。车联网是利用传感技术感知车辆的状态信息，并借助无线通信网络与现代智能信息处理技术实现交通的智能化管理，以及交通信息服务的智能决策和车辆的智能化控制。

本发明主要利用车与云平台即后台端之间的通信，车辆通过卫星无线通信或移动蜂窝等无线通信技术实现与车辆管理后台端的信息传输，接收后台下达的控制指令，实时共享车辆数据。

在一实施例中，如图1所示，适用于后台端的人机交互方法100包括步骤S110～S140。

步骤S110为：采集所有车辆的能耗数据及其关联的驾驶行为数据。

能耗对于新能源车辆而言，可指一定时间或一定行驶距离内消耗的能量。对于纯电动汽车而言，可指一定时间或一定行驶距离内消耗的电量；对于混合动力汽车而言，可指一定时间或一定行驶距离内消耗的燃油能量和消耗的电量之和。

能耗数据是指车辆内检测或计算出的表征能耗的数据。

驾驶行为是指驾驶员为驾驶车辆作出的控制动作，比如踩加速踏板、踩制动踏板、旋转方向盘或换挡等等。具体可体现在车辆上的零器件的状态变化。

可以理解，车辆上设置的各种检测装置检测出的数据可直接或间接反应驾驶员的驾驶行为，比如，通过加速踏板开度来表征驾驶员踩加速踏板的动作，通过制动踏板的开度来表征驾驶员踩制动踏板的动作，通过方向盘旋转角度来表征驾驶员旋转方向盘的动作，通过车辆的档位切换来表征驾驶员换挡的动作等等。因此，驾驶行为数据是指可用于表征驾驶员对车辆作出的控制动作的数据。

与能耗数据关联的驾驶行为数据是指驾驶员对车辆的驾驶行为中能够对车辆的能耗产生影响的驾驶行为的数据。具体地，可通过线上或线下的大数据分析来确定与能耗数据关联的驾驶行为。

“采集”可通过车辆内设置的车联网设备与车辆进行无线通信来获取。即后台端设备与该后台端管理的所有车辆内的车联网设备进行通信来获取其管理的所有车辆的能耗数据及其关联的驾驶行为数据。

步骤S120为：基于所采集的能耗数据生成能耗排名数据。

将采集的能耗数据按照大小的顺序排序以获得每辆车的能耗排名情况。较优地，可按照从小到大的顺序排序。

具体地，每一车辆可采用该车辆的车牌号作为其代号，则在任一能耗排名数据中的排名名次或是能耗数据均与每一车辆的车牌号码对应。则后台端接收到每一车辆的能耗排名数据后可基于每一车辆的能耗排名名次将车辆的车牌号码及其对应的能耗数据按其对应关系显示。

当步骤S110中获取的能耗数据包括多种能耗类别的能耗数据时，步骤S120中也可根据不同类别的能耗数据生成对应的多种不同类别的能耗数据。比如，获取的能耗数据包括百公里能耗数据、瞬时百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据，可生成百公里能耗排名数据、瞬时百公里能耗排名数据、50米能耗排名数据和/或预设时间内的能耗排名数据。

更进一步地，在一具体实施例中，由于不同品牌或不同排量的车辆性能不同，在相同路况的情况下，性能不同的车辆之间产生的能耗也差别较大，因此，可将接收到的多种类别的车辆进行分类，将相同类别的车辆的能耗数据按照大小顺序进行排序，最终可形成多个类别的车辆的能耗排名数据。

更进一步地，在一具体实施例中，由于相同类别的车辆在不同的路况下产生的能耗也会存在较大差别，因此可基于不同的行驶路线将各个类别的车辆基于大小顺序进行排序以形成各个类别的车辆分别在不同行驶路线上的能耗排名数据。对于公交车辆运营商而言，可将每一类别的车辆基于不同的公交线路进行进一步的分类，从而获得每条线路上的同类别的车辆的能耗排名数据。

步骤S130为：基于所述能耗排名数据及所采集的驾驶行为数据生成驾驶行为统计数据。

驾驶行为统计数据是指对驾驶员的驾驶行为进行分类统计，比如：加速踏板的开度范围、加速踏板的踩下速度、制动踏板的踩下速度或车辆的转角速度等等。驾驶行为统计数据中可针对能耗排名数据中的车辆的各类驾驶行为分别进行统计以生成对应的每一类驾驶行为的较优范围。

可以理解，不同的驾驶行为产生的能耗数据之间会存在差异，基于能耗排名数据中的排名情况能够直观地找出能耗小的车辆，而该些能耗小的车辆的驾驶行为数据对于能耗大的车辆的驾驶员来说具有很大的参考价值。

因此，将能耗排名数据靠前的车辆关联的驾驶行为进行分类统计以便于确定较优的驾驶行为。可以理解，基于能耗排名数据中排名靠前的车辆的驾驶行为数据统计出的驾驶行为统计数据能够给驾驶员以驾驶启示，从而有利于驾驶员改善驾驶行为。

在一实施例中，对应于不同类别的车辆的能耗排名数据，将每一能耗排名数据中包括的车辆的驾驶行为数据进行统计即可获得对应每一类别的车辆的驾驶行为统计数据。

在一实施例中，对应于不同类别的车辆在不同行驶路线上的能耗排名数据，将每一能耗排名数据中包括的车辆的驾驶行为数据进行统计即可获得对应每一类别在每一行驶路线上的驾驶行为统计数据。

较优地，上述任意一实施例中，步骤S130可具体设置为：将每一能耗排名数据中能耗数据最小的预设数目的车辆的驾驶行为进行统计分析以生成驾驶行为统计数据。

步骤S140为：发送所述能耗排名数据以及所述驾驶行为统计数据至对应车辆。

“对应车辆”可指能耗排名数据中所包括的所有车辆。

“发送”可以是通过各种无线通信手段直接或间接传输至对应车辆。

对应地，如图2所示，适用于车载端的人机交互方法200包括步骤S210～S250。

其中，步骤S210为：统计本车的能耗数据。

能耗对于新能源车辆而言，可指一定时间或一定行驶距离内消耗的能量。若本车为纯电动汽车，可统计一定时间或一定行驶距离内消耗的电量；若本车为混合动力汽车，可统计一定时间或一定行驶距离内消耗的燃油能量和消耗的电量之和。

具体地，若本车为纯电动汽车，可对一定时间或一定行驶距离内的电压和电流数据进行统计并计算出消耗的电量以作为该一定时间或一定行驶距离内的能耗数据；若本车为混合动力汽车，在统计一定时间或一定行驶距离内的电压和电流之外，还需对该一定时间或一定距离内消耗的燃油量进行统计并计算出该燃油量完全燃烧后对应的能量，并计算一定时间或一定行驶距离内消耗的电量和燃油量对应的能量之和以作为能耗数据。具体的计算方法可采用现有的或将有计算方法来进行计算。

不同时间或不同距离的能耗数据能够反映出短时、长时、短距离或长距离的能耗情况，因此根据不同的统计需求可统计出本车不通类别的能耗数据，包括百公里能耗数据、瞬时百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据。

步骤S220为：获取本车的关联于所述能耗数据的驾驶行为数据。

可以理解，该驾驶行为数据与能耗数据之间具有明确地时间对应关系，当上传的能耗数据为第一时间至第二时间内的能耗数据时，则上传的驾驶行为数据也是第一时间至第二时间内的驾驶行为数据；当上传的能耗数据为平均一定时间内的能耗数据时，则上传的驾驶行为数据是计算该平均一定时间内的能耗数据所采用的所有样本对应的全部时间周期内的驾驶行为数据；当上传的能耗数据为一定行驶距离内的能耗数据时，则上传的驾驶行为数据为行驶该一定行驶距离对应的时间范围内的所有驾驶行为数据。

步骤S230为：上传所述能耗数据及其关联的驾驶行为数据至后台端。

可以理解，本案中的车载端从后台端获取或是车载端向后台端上传均通过车联网来实现。

上传时，可根据后台要求或默认设置同时上传多组能耗数据及其对应关联的驾驶行为数据。

步骤S240为：从所述后台端获取包括本车的能耗数据的能耗排名数据。

可以理解，此处的获取和步骤S230中的上传可以是对应关系，根据上传的能耗数据的类型获取对应类型的能耗排名数据。

步骤S250为：显示所述能耗排名数据。

车辆接收到能耗排名数据后，可通过仪表显示屏或中控显示屏显示以便于驾驶员了解其它车辆的能耗情况以及个人的能耗排名情况。

具体地，车辆可基于不同的行驶状态以不同的显示模式显示全部或部分能耗排名数据。如图2A所示，车辆在行驶状态下，实时显示车辆的当前能耗情况在能耗排名数据中的排名情况。如图2B所示，车辆在停止状态时，显示获取到的能耗排名数据中的至少一部分车辆的排名数据。较优地，可根据显示屏的大小，仅显示排名靠前的车辆及其能耗数据，如图2B中显示出了排名前五的车辆的能耗数据。

可以理解，从心理上来说，能耗排名数据能够从一定程度上刺激驾驶员的好胜心，从而改进驾驶习惯，改良驾驶行为。

较优地，如图2C所示，车载端的人机交互方法200还包括步骤S260～S270。

步骤S260为：获取基于本车获取的能耗排名数据生成的驾驶行为统计数据。

可以理解，在获取能耗排名数据时可同时或先后获取与该能耗排名数据关联的驾驶行为统计数据。

步骤S270为：显示所述驾驶行为统计数据以便于用户优化驾驶行为。

车辆接收到能耗排名数据以及驾驶行为统计数据后，可通过显示出的能耗排名数据了解其它车辆的能耗情况以及本车的能耗排名情况。在本车能耗排名名次不优的情况下，可通过查看该能耗排名数据关联的驾驶行为统计数据有针对性的修正个人的驾驶行为。该驾驶行为统计数据可作为驾驶员修正个人驾驶行为的依据。

进一步地，虽然图2A～图2B示出了行驶状态和停车状态下的车载显示屏显示出的百公里能耗排名数据和百公里能耗排行榜数据，但本领域的技术人员可以理解，显示出的能耗数据可以基于需求进行设置，如可显示瞬时能耗、百米能耗、五十米能耗数据、每天的平均能耗、每周的平均能耗、每月的平均能耗或每年的平均能耗等等。如图2A或2B所示，在左侧的实时能耗显示区域中还显示出了瞬时百公里能耗以及五十米能耗队列数据。五十米能耗队列数据是由车载端每隔50米统计本车的五十米能耗值并将其存储下来组成的五十米能耗队列数据，能够显示本车的能耗变化趋势。

更进一步地，车辆还可以将获取或统计出的能耗排名数据及其关联的其它数据基于时间信息进行存储以便于回溯历史数据。与能耗排名数据关联的其它数据可包括本车的运行里程、累积里程或具体能耗数据等等。在用户查询存储的历史数据时，根据用户选择的时间信息显示出该时间信息内对应的相关数据。

如图2D所示，在一具体实施例中，将车辆每天的运行里程、能耗数据及其排名数据进行记录和存储。当用户查询其中一天或多天的历史数据时，将用户查询的一天或多天的运行里程、百公里能耗数据及该能耗数据的排名数据进行分别显示。

更优地，为便于每辆车的驾驶员能够更加直观的改进个人的驾驶行为，适用于后台端的车辆驾驶行为分享方法100或适用于车载端的车辆驾驶行为分享方法200可进一步地包括基于驾驶行为统计数据生成推荐驾驶行为的步骤。可以理解，该生成推荐驾驶行为的步骤仅需在车载端或后台端中的任意一者中执行即可。

如图1A所示，当该生成推荐驾驶行为的步骤在后台端执行时，适用于后台端的人机交互方法100还包括步骤S150～S160。

步骤S150为：基于每一车辆的驾驶行为数据与所述驾驶行为统计数据生成推荐驾驶行为。

推荐驾驶行为指针对每一车辆的驾驶员的实际操作情况做出的驾驶行为的改进方向。可以理解，每一车辆在其对应的能耗排名数据中的排名情况不同，而驾驶行为统计数据较优地基于能耗排名数据中能耗数据较小的车辆的驾驶行为统计而成，因此每一车辆的驾驶行为数据相对于驾驶行为统计数据可能存在不同的趋势，而该趋势可作为该车辆改变驾驶行为的依据。

较优地，步骤S150可具体设置为：响应于一车辆的驾驶行为数据不属于其对应的驾驶行为统计数据的涵盖范围，建议该车辆的驾驶行为数据向所述驾驶行为统计数据变化以生成推荐驾驶行为。

在一具体实施例中，如图2E所示，当一车辆的加速踏板平均开度为36.57时，若基于该车辆所属的能耗排名数据生成的驾驶行为统计数据中统计出的加速踏板推荐开度范围为0～33.32时，则该车辆的加速踏板平均开度大于驾驶行为统计数据中统计出的加速踏板推荐开度范围，则推荐驾驶行为可以是“降低加速踏板开度”。

可以理解，每一驾驶行为数据仅仅在和其对应的驾驶行为统计数据对比时存在比较意义，比如，仅在将车辆的制动踏板开度与驾驶行为统计数据中统计出的制动踏板开度的推荐涵盖范围相比时存在推荐意义，而将车辆的加速踏板开度与其对应的驾驶行为统计数据中的制动踏板开度的推荐涵盖范围对比时则不存在任何参考价值。

步骤S160为：发送推荐驾驶行为至对应车辆。

可以理解，每一车辆的推荐驾驶行为基于其驾驶行为数据的不同相对于驾驶行为统计数据存在不同的趋势，因此推荐驾驶行为需要基于每一车辆个性化地生成，因此发送时需要针对每一车辆个性化地发送。

具体地，可通过各种无线通信手段发送至车辆的车联网模块，再通过车辆内的CAN总线发送至车辆内设置的人机交互系统以进行存储和显示。

对应地，当生成推荐驾驶行为的步骤在后台端执行时，车载端仅需从后台端获取后台端基于本车的驾驶行为数据生成的推荐驾驶行为即可。

如图2F所示，当该生成推荐驾驶行为的步骤在车载端执行时，适用于车载端的人机交互方法200还包括步骤S260、S280～S290。

步骤S260为：获取基于本车获取的能耗排名数据生成的驾驶行为统计数据。

可以理解，在获取能耗排名数据时可同时或先后获取与该能耗排名数据关联的驾驶行为统计数据。

步骤S280为：基于本车的驾驶行为数据与其对应的驾驶行为统计数据生成推荐驾驶行为。

可以理解，驾驶行为数据是基于能耗数据相关联的，则该驾驶行为统计数据也需是基于关联于该驾驶行为数据的能耗数据生成的能耗排名数据生成的驾驶行为统计数据。

较优地，步骤S280可具体设置为：响应于本车的驾驶行为数据不属于与其对应的驾驶行为统计数据的涵盖范围，建议本车的驾驶行为数据向该驾驶行为统计数据变化以生成推荐驾驶行为。

步骤S290为：显示所述推荐驾驶行为以便于驾驶员优化驾驶行为。

更进一步地，车辆驾驶行为分享方法还可包括分析与车辆能耗关联的驾驶行为的步骤。

具体地，如图2G所示，适用于车载端的车辆驾驶行为分享方法200还可包括步骤S310～S320。

步骤S310为：获取本车的所有驾驶行为数据。

在分析与能耗数据关联的驾驶行为数据时，以能耗数据的统计时间区间为界限，获取上传的能耗数据的统计时间区间内本车上产生的所有驾驶行为数据。

步骤S320为：上传所有驾驶行为数据至所述后台服务器以便于所述后台服务器确定与能耗数据关联的驾驶行为数据。

将上传的能耗数据的统计时间区间内本车上产生的所有驾驶行为数据无差别地上传至后台端。

如图1B所示，适用于后台端的车辆驾驶行为分享方法100还可包括步骤S170～S180。

步骤S170为：采集所有车辆的所有驾驶行为数据以及对应车辆的能耗数据。

尽可能多的采集各种不同车辆和/或不同路况下的驾驶行为数据及其对应的能耗数据以便于产生科学且全面的分析结果。

步骤S180为：对所采集的驾驶行为数据以及对应车辆的能耗数据进行大数据分析以确定影响车辆能耗的驾驶行为，影响车辆能耗的驾驶行为的控制数据即为能耗数据关联的驾驶行为数据。

大数据分析是指对规模巨大的数据进行分析。目前市场上的大数据分析方法已较为成熟，比如可采用回归分析方法或聚类分析方法来分析车辆的各种驾驶行为与其能耗之间是否存在因果关系从而判断该种驾驶行为是否与能耗存在关联。

更进一步地，可将与能耗关联的驾驶行为于能耗间的关联程度设置影响因子，构建驾驶行为得分模型，通过采集到的的车辆的各个驾驶行为的数据对每个车辆上的驾驶行为进行打分。

较优地，还可基于各个车辆的分数情况对车辆进行排名以便于直观地显示各个车辆的驾驶员的驾驶行为的健康程度。

对应地，后台端分析出与能耗数据关联的驾驶行为后，可通过车联网向车载端传送与能耗数据关联的驾驶行为，则车载端在后续上传驾驶行为时可仅上传与能耗数据关联的驾驶行为的相关数据，减小数据的传输量。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

根据本发明的另一个方面，提供一种与人机交互方法对应的人机交互装置，用于为驾驶员分享更优的驾驶行为。

与适用于后台端的人机交互方法100对应地，如图3所示，提供一种适用于后台端的人机交互装置300，该人机交互装置300包括存储器310以及处理器320。

其中，存储器310用于存储计算机程序。

该处理器320与存储器310耦接，该处理器320在存储器310中存储的计算机程序的配置下实现上述任一实施例中阐述的人机交互方法100的步骤。

与适用于车载端的人机交互方法200相对应地，如图4所示，还提供一种适用于车载端的人机交互装置400，该人机交互装置400包括存储器410以及处理器420。

其中，存储器410用于存储计算机程序。

该处理器420与存储器410耦接，该处理器420在存储器410中存储的计算机程序的配置下实现上述任一实施例中阐述的人机交互方法200的步骤。

可以理解，适用于后台端的人机交互装置300和适用于车载端的人机交互装置400之间的对应关系与适用于后台端的人机交互方法100和适用于车载端的人机交互方法200之间的对应关系相同。

根据本发明的又一个方面，提供一种计算机存储介质，其上存储有计算机程序，该计算机程序被执行时实现上述任一实施例中的人机交互方法100或200的步骤。

本领域技术人员将可理解，信息、信号和数据可使用各种不同技术和技艺中的任何技术和技艺来表示。例如，以上描述通篇引述的数据、指令、命令、信息、信号、位(比特)、码元、和码片可由电压、电流、电磁波、磁场或磁粒子、光场或光学粒子、或其任何组合来表示。

本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

提供之前的描述是为了使本领域中的任何技术人员均能够实践本文中所描述的各种方面。但是应该理解，本发明的保护范围应当以所附权利要求书为准，而不应被限定于以上所解说实施例的具体结构和组件。本领域技术人员在本发明的精神和范围内，可以对各实施例进行各种变动和修改，这些变动和修改也落在本发明的保护范围之内。

Claims (21)

1.一种基于车联网的人机交互方法，适用于后台端，包括：

采集所有车辆的能耗数据及其关联的驾驶行为数据；

基于所采集的能耗数据生成能耗排名数据；

基于所述能耗排名数据及所采集的驾驶行为数据生成驾驶行为统计数据；以及

发送所述能耗排名数据以及所述驾驶行为统计数据至所述车辆。

2.如权利要求1所述的人机交互方法，其特征在于，所述能耗数据与所述车辆的类别有关，所述基于能耗数据生成能耗排名数据包括：

将各个类别的车辆的能耗数据进行大小排序以生成各个类别的能耗排名数据；以及

所述生成驾驶行为统计数据包括：

基于每个类别的能耗排名数据及其对应类别的车辆的驾驶行为数据生成各个类别的驾驶行为统计数据。

3.如权利要求2所述的人机交互方法，其特征在于，所述能耗数据还与车辆的行驶路线有关，所述将各个类别的车辆的能耗数据进行大小排序以生成各个类别能耗排名数据包括：

基于不同行驶路线将各个类别的车辆能耗数据进行大小排序以生成基于不同行驶路线的各个类别的能耗排名数据；以及

所述生成驾驶行为统计数据包括：

基于每一行驶路线上的每个类别的能耗排名数据及其对应类别的车辆在该行驶路线上的驾驶行为数据生成基于各种行驶路线的各个类别的驾驶行为统计数据。

4.如权利要求2或3所述的人机交互方法，其特征在于，所述生成驾驶行为统计数据包括：

将所述能耗排名数据中能耗数据最小的预设数目的车辆的驾驶行为进行统计分析以生成所述驾驶行为统计数据。

5.如权利要求1所述的人机交互方法，其特征在于，还包括：

基于每一车辆的驾驶行为数据与所述驾驶行为统计数据生成推荐驾驶行为；以及

发送所述推荐驾驶行为至对应车辆。

6.如权利要求5所述的人机交互方法，其特征在于，所述生成推荐驾驶行为包括：

响应于所述车辆的驾驶行为数据不属于所述驾驶行为统计数据的涵盖范围，建议所述车辆的驾驶行为数据向所述驾驶行为统计数据变化以生成所述推荐驾驶行为。

7.如权利要求1所述的人机交互方法，其特征在于，还包括：

采集所有车辆的所有驾驶行为数据以及对应车辆的能耗数据；以及

对所采集的驾驶行为数据以及对应车辆的能耗数据进行大数据分析以确定影响车辆能耗的驾驶行为，所述影响车辆能耗的驾驶行为的控制数据为所述能耗数据关联的驾驶行为数据。

8.如权利要求1所述的人机交互方法，其特征在于，所述能耗数据的类别包括百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据，所述基于能耗数据生成能耗排名数据包括：

基于不同类别的能耗数据分别生成不同类别的能耗排名数据。

9.一种基于车联网的人机交互装置，适用于后台端，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器被用于执行存储在所述存储器上的计算机程序时实现如权利要求1～8中任一项所述的人机交互方法的步骤。

10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求1～8中任一项所述的人机交互方法的步骤。

11.一种基于车联网的人机交互方法，适用于车载端，包括：

统计本车的能耗数据；

获取本车的关联于所述能耗数据的驾驶行为数据；

上传所述能耗数据及其关联的驾驶行为数据至后台端；

从所述后台端获取包括本车的能耗数据的能耗排名数据；以及

显示所述能耗排名数据。

12.如权利要求11所述的人机交互方法，其特征在于，还包括：

从所述后台端获取推荐驾驶行为。

13.如权利要求11所述的人机交互方法，其特征在于，还包括：

获取基于所述能耗排名数据生成的驾驶行为统计数据；以及

显示所述驾驶行为统计数据以便于用户优化驾驶行为。

14.如权利要求11所述的人机交互方法，其特征在于，还包括：

获取基于所述能耗排名数据生成的驾驶行为统计数据；

基于本车的驾驶行为数据以及所述驾驶行为统计数据生成推荐驾驶行为；以及

显示所述推荐驾驶行为以便于驾驶员优化驾驶行为。

15.如权利要求14所述的人机交互方法，其特征在于，所述生成推荐驾驶行为包括：

响应于所述车辆的驾驶行为数据不属于所述驾驶行为统计数据的涵盖范围，建议本车的驾驶行为数据向所述驾驶行为统计数据变化以生成所述推荐驾驶行为。

16.如权利要求11所述的人机交互方法，其特征在于，还包括：

获取本车的所有驾驶行为数据；以及

上传所有驾驶行为数据至所述后台端以便于所述后台端确定与能耗数据关联的驾驶行为数据。

17.如权利要求11所述的人机交互方法，其特征在于，所述能耗数据的类别包括百公里能耗数据、50米能耗数据和/或预设时间内的能耗数据，所述统计本车的能耗数据包括：

统计本车不同类别的能耗数据。

18.如权利要求11所述的人机交互方法，其特征在于，所述显示能耗排名数据包括：

响应于本车处于行驶状态，基于所述能耗排名数据显示本车在所述能耗数据中的排名情况；或

响应于本车处于停止状态，显示所述能耗数据排名数据中的至少部分车辆的排名数据。

19.如权利要求11所述的人机交互方法，其特征在于，还包括：

将所述能耗排名数据及其关联的其它数据基于时间信息存储；以及

响应于用户查询存储的历史数据，基于所述时间信息显示所述能耗排名数据及其关联的其它数据。

20.一种基于车联网的人机交互装置，适用于车载端，包括存储器、处理器以及存储在存储器上的计算机程序，其特征在于，所述处理器被用于执行存储在所述存储器上的计算机程序时实现如权利要求11～19中任一项所述的人机交互方法的步骤。

21.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现如权利要求11～19中任一项所述的人机交互方法的步骤。

Images