CN113268375B - 车载终端的复位方法、相关设备及存储介质 - Google Patents

Abstract

一种车载终端的复位方法，应用于终端人工智能AI领域以及对应的子领域(智能预测)，包括：车载终端获取车载终端的未复位持续时长；车载终端判断车载终端的最大稳定运行时长与未复位持续时长的差值是否小于或等于预设时间段；若车载终端的最大稳定运行时长与未复位持续时长的差值小于或等于预设时间段，车载终端设置复位时间段，其中，复位时间段为与用户操作发生时间冲突的概率最小的目标时间段；在目标时间段到达时，车载终端在目标时间段内对车载终端执行复位操作。本发明还提供一种车载终端、车载系统及存储介质。本发明能最大程度降低车载终端的复位操作对用户的影响，同时，确保车载终端具有持续有效的可靠性能力。

Description

车载终端的复位方法、相关设备及存储介质

技术领域

本发明涉及终端人工智能技术领域，尤其涉及一种车载终端的复位方法、相关设备及存储介质。

背景技术

随着用户对车辆需求的增加和人们用车场景的普遍化，很多车辆都开始出现需要24小时运行不间断工作的场景，比如运营车辆、快递车辆、网约车辆以及的士等等。这就要求这些车辆上的车载终端具备持续有效的可靠性能力，能够满足长时间稳定运行的工作需求，通常可以采用对车载终端进行复位的方式来满足要求。

然而，由于用户使用车辆的随机性，可能会导致车载终端的复位操作与用户操作发生时间冲突的场景。比如：当用户需要通过网络进行路线导航操作时，如果当前需要对车载终端进行复位操作，则用户需要等待车载终端完成复位操作后才能进行路线导航操作，这降低了用户体验。

发明内容

本发明实施例公开了一种车载终端的复位方法、相关设备及存储介质，能够解决现有技术中存在的车载终端的复位操作与用户操作发生时间冲突的问题。

本发明第一方面公开了一种车载终端的复位方法，所述方法包括：车载终端获取所述车载终端的未复位持续时长；所述车载终端判断所述车载终端的最大稳定运行时长与所述未复位持续时长的差值是否小于或等于预设时间段；若所述车载终端的最大稳定运行时长与所述未复位持续时长的差值小于或等于所述预设时间段，所述车载终端设置复位时间段，其中，所述复位时间段为与用户操作发生时间冲突的概率最小的目标时间段，所述目标时间段的时长大于或等于复位时长，所述目标时间段是基于所述车载终端的历史数据进行预测得到的；在所述目标时间段到达时，所述车载终端在所述目标时间段内对所述车载终端执行复位操作。

其中，基于车载终端的历史数据预测得到与用户操作发生时间冲突的概率最小的目标时间段，并设置复位时间段为目标时间段，当目标时间段到达时执行复位操作，也即是在与用户操作发生时间冲突的概率最小的时间段来执行复位操作，从而降低复位操作与用户操作发生时间冲突的概率，最大程度降低车载终端的复位操作对用户的影响，提高用户体验，同时，还可以确保车载终端具有持续有效的可靠性能力，。

在一些可选的实施方式中，在所述车载终端判断所述车载终端的最大稳定运行时长与所述未复位持续时长的差值小于或等于所述预设时间段之后，以及所述车载终端设置复位时间段之前，所述方法还包括：所述车载终端获取所述车载终端的工作状态；所述车载终端根据所述工作状态，获取与用户操作发生时间冲突的概率最小的目标时间段。

其中，车载终端的工作状态包括两种：运行状态和休眠状态。当车载终端处于运行状态时，历史统计的是在线数据，当车载终端处于休眠状态时，历史统计的是离线数据。由于历史统计的在线数据与离线数据是不同的，根据在线数据确定的目标时间段与根据离线数据确定的目标时间段是不同的。因此，需要根据工作状态来分别获取与用户操作发生时间冲突的概率最小的目标时间段，这便于最大程度的根据车载终端当前的工作状态来确定复位的时间段，以减小对用户操作的影响，提高用户体验。

在一些可选的实施方式中，所述工作状态为运行状态，所述车载终端获取所述车载终端的未复位持续时长之前，所述方法还包括：所述车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的在线数据，其中，所述统计周期的时长大于或等于所述复位时长；所述车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期，并将所述第一统计周期对应的时间段确定为目标时间段。

其中，在线数据为车辆未熄火时，车载终端检测到的一些数据，可以包括但不限于中央处理器CPU占用率、网络信号强度、网络数据流量、车载终端运行速度等。其中，每个统计周期对应的时间段是不同的，比如一天24小时可以被划分为24个统计周期，每个统计周期对应不同的时间段。

在一些可选的实施方式中，所述在线数据包括中央处理器CPU占用率、网络信号强度以及网络数据流量，所述车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期包括：所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，计算每个所述统计周期的综合服务强度值；所述车载终端将综合服务强度值最小的统计周期确定为与用户操作发生时间冲突的概率最小的第一统计周期。

其中，综合服务强度值用于衡量用户需要联网服务的程度。基于CPU占用率、网络信号强度以及网络数据流量的加权得到的综合服务强度值，可以反映在对应的时间段内车载终端对用户操作的影响的概率大小。将综合服务强度值最小的统计周期确定为目标时间段，在该目标时间段内执行复位操作，可以最大程度的减少复位操作与用户操作发生时间冲突的概率，提高用户体验。

在一些可选的实施方式中，所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，计算每个所述统计周期的综合服务强度值包括：所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，利用第一公式计算每个所述统计周期的综合服务强度值，所述第一公式为：C₁＝a*C*b*S*c*D；其中，所述C₁为综合服务强度值，所述C为CPU占用率，所述S为网络信号强度，所述D为网络数据流量，所述a、所述b以及所述c均为预设权重；或，所述第一公式为：C₁＝a*C+b*S+c*D；其中，所述C₁为综合服务强度值，所述C为CPU占用率，所述S为网络信号强度，所述D为网络数据流量，所述a、所述b以及所述c均为预设权重，且c>b>a。

在一些可选的实施方式中，所述在所述目标时间段到达时，所述车载终端在所述目标时间段内对所述车载终端执行复位操作包括：所述车载终端根据所述目标时间段的时长以及所述复位时长，确定执行复位操作的最大起始时间点；所述车载终端从所述目标时间段的起始时间点开始统计所述车载终端的实时CPU占用率、实时网络信号强度以及实时网络数据流量，并根据所述实时CPU占用率、所述实时网络信号强度以及所述实时网络数据流量，计算第一时间点的实时综合服务强度值；若所述实时综合服务强度值小于或等于预设阈值，且所述第一时间点为所述目标时间段的起始时间点与所述最大起始时间点之间的任一时间点，所述车载终端在所述第一时间点开始对所述车载终端执行复位操作；或，若所述实时综合服务强度值大于所述预设阈值，且所述第一时间点为所述最大起始时间点，所述车载终端在所述最大起始时间点开始对所述车载终端执行复位操作。

其中，在所述目标时间段到达时，可以立即开始进行复位操作，或者，可以在目标时间段的起始时间点与最大起始时间点之间进行复位操作。其中，可以基于车载终端的历史数据来确定目标时间段，以及基于当前检测到的数据(即实时综合服务强度值)大小来确定在目标时间段的哪个时间点开始执行复位操作，以便能够在目标时间段的最佳时间点执行复位操作，最大程度减小对用户操作的影响，提高用户体验。

在一些可选的实施方式中，所述方法还包括：所述车载终端获取在所述目标时间段的起始时间点之前计算的多个综合服务强度值；所述车载终端根据所述多个综合服务强度值，计算历史平均综合服务强度值；所述车载终端根据所述历史平均综合服务强度值，确定所述预设阈值。

其中，预设阈值用于衡量当前的实时综合服务强度值的大小，也能反映出用户当前所需要的综合服务的强度。

在一些可选的实施方式中，所述工作状态为休眠状态，所述车载终端获取所述车载终端的未复位持续时长之前，所述方法还包括：所述车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的离线数据，其中，所述统计周期的时长大于或等于复位操作的时长；所述车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期，并将所述第二统计周期对应的时间段确定为目标时间段。

其中，离线数据为车辆熄火时，车载终端检测到的一些数据，可以包括但不限于点火时间、熄火时间、点火到熄火的运行时长以及熄火到点火的熄火时长等。其中，每个统计周期对应的时间段是不同的，比如一天24小时可以被划分为24个统计周期，每个统计周期对应不同的时间段。

在一些可选的实施方式中，所述离线数据包括点火次数以及次数百分比，所述次数百分比为熄火时长大于或等于所述复位时长的次数占总点火次数的百分比，所述车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期包括：所述车载终端根据每个所述统计周期的点火次数以及次数百分比，计算每个所述统计周期的熄火概率值；所述车载终端将熄火概率值最大的统计周期确定为与用户操作发生时间冲突的概率最小的第二统计周期。

其中，熄火概率值用于衡量车载终端处于休眠状态的概率的大小，可以反映在对应时间段内复位操作与用户操作发生时间冲突的概率的大小，将熄火概率值最大的统计周期确定为目标时间段，在该目标时间段内执行复位操作，可以最大程度的减少复位操作与用户操作发生时间冲突的概率，提高用户体验。

在一些可选的实施方式中，所述车载终端根据每个所述统计周期的点火次数以及次数百分比，计算每个所述统计周期的熄火概率值包括：所述车载终端根据每个所述统计周期的点火次数以及次数百分比，利用第二公式计算每个所述统计周期的熄火概率值，所述第二公式为：C₂＝(1/P)*M；其中，所述C₂为熄火概率值，所述P为点火次数，所述M为次数百分比。

在一些可选的实施方式中，所述车载终端为远程信息处理器T-box。

本发明第二方面公开了一种车载终端，包括处理器和存储器；所述存储器，用于存储指令；所述处理器，用于调用所述存储器中的指令，使得所述车载终端执行所述的车载终端的复位方法。

本发明第三方面公开了一种车载系统，所述车载系统包括车载主机、车载终端、用户终端以及云服务平台，其中，所述车载终端用于执行所述的车载终端的复位方法。

本发明第四方面公开了一种计算机可读存储介质，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现所述的车载终端的复位方法。

在一些可选的实施方式中，本发明第五方面公开了一种复位装置，所述复位装置运行于车载终端中，所述复位装置包括多个功能模块，所述多个功能模块用于执行所述的车载终端的复位方法。

附图说明

图1是本发明实施例公开的一种车载系统的框架示意图。

图2是本发明实施例公开的一种车载终端的框架示意图。

图3是本发明实施例公开的一种车载终端的复位方法的流程示意图。

图3A₁是本发明实施例公开的一种每个统计周期的CPU占用率的示意图。

图3B₁是本发明实施例公开的一种每个统计周期的网络信号强度的示意图。

图3C₁是本发明实施例公开的一种每个统计周期的网络数据流量的示意图。

图3D₁是本发明实施例公开的一种每个统计周期的点火次数的示意图。

图3E₁是本发明实施例公开的一种每个统计周期的次数百分比的示意图。

图3A₂是本发明实施例公开的一种部分统计周期的CPU占用率的示意图。

图3B₂是本发明实施例公开的一种部分统计周期的网络信号强度的示意图。

图3C₂是本发明实施例公开的一种部分统计周期的网络数据流量的示意图。

图3D₂是本发明实施例公开的一种部分统计周期的点火次数的示意图。

图3E₂是本发明实施例公开的一种部分统计周期的次数百分比的示意图。

图4是本发明实施例公开的一种车载终端的结构示意图。

具体实施方式

下面结合本发明实施例中的附图对本发明实施例进行描述。

为了更好的理解本发明实施例公开的一种车载终端的复位方法、相关设备及存储介质，下面首先对本发明实施例适用的网络架构进行描述。

请参见图1，图1是本发明实施例公开的一种车载系统的框架示意图。如图1所示，该车载系统包括车载主机100、车载终端101、用户终端102以及云服务平台103。

其中，车载主机100是车载系统的核心部分，主要用于车内的信号输出(比如歌曲播放)以及信息显示。该车载主机100可以携带有显示屏，连接扬声器后可以构成一套影音系统，还可以通过用户操作将用户终端102上的信息同步至车载主机100上进行显示。

其中，车载终端101属于车载系统的通信接入单元，比如：T-BOX(Telematics-box，远程信息处理器)。该车载终端101可以通过车辆总线与车载主机100进行通信，实现指令与信息的传递，包括车辆状态信息、按键状态信息、控制指令等。该车载终端101可以通过云服务平台103以数据链路的形式与用户终端102的APP(Application，应用程序)进行间接通信(双向)，实现用户终端102的APP的车辆信息显示与控制。该车载终端101与云服务平台103之间的通信还可以包括语音和短信两种形式，该车载终端101与云服务平台103通过短信方式进行通信可以实现一键导航及远程控制功能。该车载终端101可以通过网络将数据传出到云服务平台103。

其中，用户终端102可以包括但不限于智能手机、平板电脑、IPAD等智能设备。用户可以在用户终端102中安装各种APP，比如车载APP。

其中，云服务平台103可以为TSP(Telematics Service Provider，车联网核心平台)，云服务平台103主要用于接收车载终端101采集的相关车辆数据，并提供相关分析，比如车况报告、行车报告、油耗统计、故障提醒、违章查询、位置轨迹、驾驶行为、安全防盗、预约服务、远程找车、利用用户终端102控制汽车门、窗、灯、锁、喇叭、双闪、反光镜折叠、天窗以及监听中控警告和安全气囊状态等等。

通常的使用场景是：拥有车辆的合法用户使用注册的用户终端102的APP与云服务平台103互联，用户通过用户终端102中的APP向云服务平台103发送控制命令后，云服务平台103可以向车载终端101发出控制指令，车载终端101在获取到控制命令后，通过车辆总线发送控制报文并实现对车辆的控制，最后将操作结果反馈到用户终端102中的APP上。

请一并参见图2，图2是本发明实施例公开的一种车载终端的框架示意图。如图2所示，该车载终端101可以包括计算处理单元200、电源管理单元201、实时时钟晶体单元202、车辆输入事件检测单元203、通信处理单元204、易失存储器单元205以及非易失存储器单元206。其中，电源管理单元201，主要负责对电源输入的电压进行分压，输出多个电压，以支持车载终端101内部各单元(比如实时时钟晶体单元202、车辆输入事件检测单元203、通信处理单元204、易失存储器单元205以及非易失存储器单元206)正常工作所需要的额定电压供给。其中，实时时钟晶体单元202也即RTC(Real_Time Clock)晶体单元，主要负责进行记时震荡脉冲频率输入，通过晶体震荡频率(比如32.768KHZ)向计算处理单元200进行计时脉冲输入，以使得计算处理单元200能够按周期被实时时钟晶体单元202唤醒。其中，车辆输入事件检测单元203，主要负责对车辆的各个物理信号(比如点火信号、气囊弹出信号)进行输入检测，如果检测到物理信号上有事件发生，通知计算处理单元200，以便计算处理单元200对事件进行响应。其中，计算处理单元200，主要负责对车辆输入事件检测单元203输入的各项事件、通信数据事件以及时间进行各种处理响应，例如：将点火熄火的时间、内部的资源占用率(比如CPU占用率)、网络信号强度数据以及网络数据流量记录到非易失存储器单元206上，同时，定期的根据实时时钟晶体单元202的唤醒事件来处理复位修复逻辑。其中，通信处理单元204，主要负责完成数据的网络下载以及网络上传等业务，同时，统计预设时间内的网络数据流量和网络信号强度。其中，易失存储器单元205，主要用于存储需要的临时运行数据，比如：车辆位置、车辆速度。其中，非易失存储器单元206，主要用于存储需要的长期记录数据，比如：点火时间、熄火时间、CPU占用率、网络信号强度数据以及网络数据流量等。其中，通信处理单元204可以根据蜂窝通信天线接收和发射的无线信号来诊断出相应的网络信号强度，其中，蜂窝通信天线，主要进行无线信号的接收和发射。

车载系统上各个电子控制单元(Electronic control unit，ECU)之间通过车辆总线进行通信，各个ECU(比如车载终端101，发动机)可以根据标准的信号定义格式相互收发各自传递的信号数据。在车载终端101中，电源管理单元201将电源输入的电压分压成车载终端101内部各个单元正常工作时需要的额定电压；车辆输入事件检测单元203实时检测车辆的各个物理信号，并在检测到物理信号上有事件发生时，将车辆的一些状态信号输入至计算处理单元200；计算处理单元200对输入的信号进行各种处理响应，并将相关数据记录到易失存储器单元205或非易失存储器单元206；并且，通信处理单元204实时检测网络数据流量，并通过蜂窝通信天线诊断出网络信号强度，将网络数据流量以及网络信号强度一并发送至计算处理单元200，由计算处理单元200将数据记录到相关的存储器单元中。

基于前述实施例，下面阐述本发明实施例涉及的车载终端的复位方法。

请参见图3，图3是本发明实施例公开的一种车载终端的复位方法的流程示意图。如图3所示的车载终端的复位方法应用于如上图1或图2所示的车载终端中，所述方法包括如下步骤：

S31、车载终端获取车载终端的未复位持续时长。

其中，该未复位持续时长为车载终端的最近一次复位结束的时间距离当前时间的时长，即该未复位持续时长的起点为最近一次复位结束的时间。

本发明实施例中，在车载终端启动运行的时候，车载终端可以通过车辆输入事件检测单元检测车载终端的复位事件，并根据蜂窝通信获得实时准确时间和日期，并与其保持一致，使得车载终端的复位事件具备时间戳信息。当车载终端无法访问蜂窝网络时，车载终端可以通过内部的时钟和定时器短暂保持时间刷新(比如内部使能一个1秒/次的时钟信号)，当车载终端恢复蜂窝网络的访问能力时，车载终端可以重新从网络上同步系统时间和日期。

本发明实施例中，车载终端的工作状态分为两种：运行状态和休眠状态。当车辆熄火时，车载终端处于休眠状态，当车辆不熄火时，车载终端处于运行状态。如果车载终端一直处于运行状态，车载终端可以直接根据记录的最近一次复位事件的时间戳信息以及当前时间来计算车载终端在运行状态下的未复位持续时长。如果车载终端运行一段时间后进入休眠状态，可以利用实时时钟晶体单元使能一个长周期(比如1小时或2小时)的定时唤醒源。在车载终端被唤醒之后，如果车辆仍然处于熄火状态，则刷新统计的熄火时长以及未复位持续时长。

S32、车载终端判断车载终端的最大稳定运行时长与未复位持续时长的差值是否小于或等于预设时间段。

其中，车载终端的最大稳定运行时长为车载终端能够具备持续有效的可靠性能力，且满足稳定的工作需求的最长时间，比如72小时。最大稳定运行时长的起点与未复位持续时长的起点相同，即最近一次复位结束的时间。通常情况下，车载终端相邻两次复位的时间间隔不能超过最大稳定运行时长，如果车载终端超过最大稳定运行时长还未复位，车载终端将无法稳定运行。

其中，可以预先设置一个预设时间周期，该预设时间周期为重复观察的样本周期，该预设时间周期可以是根据实际情况设定的，可以是24小时，也可以是24小时的整数倍，也可以是其他任意时间。该预设时间周期规定了统计观察的样本的时间宽度，当统计的样本的时间超过一个样本周期时，后续统计的样本即为重复的样本，这样对每个预设时间周期的样本的统计就能形成多轮样本信息。其中，还可以将一个预设时间周期划分为多个统计周期，每个统计周期对应一个时间段，并根据预设时间周期统计的多轮样本信息得到与用户操作发生时间冲突的概率最小的统计周期，具体可以参考下文相关描述。

其中，可以设置预设时间段的时长与预设时间周期的时长相同，这便于根据统计得到的与用户操作发生时间冲突的概率最小的时间段来设置复位时间段。

当车载终端的最大稳定运行时长与车载终端的未复位持续时长的时间差(即差值)越来越小，即将到达一个预设时间段时，就需要开始对车载终端的复位操作进行规划，并确定在接下来的预设时间段内的某个时间段对车载终端执行复位操作。

S33、若车载终端的最大稳定运行时长与未复位持续时长的差值小于或等于预设时间段，车载终端设置复位时间段，其中，复位时间段为与用户操作发生时间冲突的概率最小的目标时间段。

具体的，可以将预设时间段划分为多个时间段，从该多个时间段中，将与用户操作发生时间冲突的概率最小的时间段确定为目标时间段。其中，预设时间段的划分方法与样本统计时的预设时间周期的划分方法相同。

本发明实施例中，如果车载终端的最大稳定运行时长与未复位持续时长的差值小于或等于预设时间段，表明当前车载终端已经达到了必须要开始规划复位操作的要求。车载终端需要对复位时间段进行设置，将复位时间段设置为与用户操作发生时间冲突的概率最小的目标时间段。其中，只需要确保目标时间段的时长大于或等于复位时长即可，每个预设时间段中都存在目标时间段，比如每天的24小时中都存在3时-4时这个目标时间段。其中，可以预先基于车载终端的历史数据来计算得到目标时间段，该历史数据可以是车载终端处于运行状态时的在线数据，比如：CPU(central processing unit，中央处理器)占用率、网络信号强度以及网络数据流量等，也可以是车载终端处于休眠状态时的离线数据，比如：点火时间、熄火时间、点火到熄火的运行时长以及熄火到点火的熄火时长等。其中，用户操作为用户使用车辆相关功能的操作，比如导航搜索操作、歌曲播放操作等。

本发明实施例中，可以实时的记录各个时刻的在线数据或离线数据，还可以对长周期内记录的所有数据进行均值或归一处理，并将均值处理后的数据保存至非易失存储器单元中。例如：可以通过短周期的定时器(比如100ms)来记录各个时刻的数据；可以通过长周期的定时器(比如5min)来对该周期内的数据进行均值或归一处理。其中，非易失存储器单元设置有最大存储容量，当非易失存储器单元中的数据即将超出最大存储容量时，车载终端会将数据按照时间先后进行替换，优先将后面统计的数据存储在时间靠前的存储器单元中，同时，确保当前存储的数据仍在最大存储容量的范围内，具体的，将距离当前时间越远的数据丢弃，保留距离当前时间越近的数据，而且还需要满足后续依据历史数据计算目标时间段所需要的时间跨度统计量程，比如一个月内车辆的ACC数据(比如点火时间、熄火时间、点火到熄火的运行时长以及熄火到点火的熄火时长)，过去三天的CPU占用率、网络信号强度以及网络流量数据等。

本发明实施例中，当车载终端的工作状态为运行状态时，用户正在使用车辆，此时用户很可能在使用车辆上的某些连网功能，比如娱乐相关功能，车辆导航相关功能等；这种场景下，如果车载终端进行复位，则很容易影响用户使用车载终端，使得用户必须等待车载终端复位结束后再进行相关的用户操作。当车载终端的工作状态为休眠状态时，此时车辆已经熄火，用户很可能已经离开了车辆，这种场景下，如果车载终端进行复位，则不会对用户造成影响。

本发明实施例中，为了在恶劣而且复杂多变的车辆环境下，确保车辆运行时的高可靠性要求，需要车载终端具备持续有效的可靠性能力。因此，无论车载终端处于哪种工作状态，都需要定期对车载终端进行复位操作。针对不同的工作状态，需要对车载终端采取不同的复位策略，以最大程度降低车载终端的复位操作对用户的影响。若所述车载终端处于运行状态，可以采用在线复位的策略对该车载终端执行复位操作；若所述车载终端处于休眠状态，可以采用离线复位的策略对该车载终端执行复位操作。

因此，可以针对不同的复位策略，来设置车载终端的不同的目标时间段。其中，当车载终端处于运行状态时，历史统计的是在线数据，当车载终端处于休眠状态时，历史统计的是离线数据。由于历史统计的在线数据与离线数据是不同的，因此，根据在线数据确定的目标时间段与根据离线数据确定的目标时间段是不同的。换句话说，当车载终端处于不同的工作状态时，与用户操作发生时间冲突的概率最小的目标时间段是不同的。

作为一种可选的实施方式，在判断所述车载终端的最大稳定运行时长与所述未复位持续时长的差值小于或等于预设时间段之后，车载终端可以先获取该车载终端的工作状态，如果车载终端处于运行状态，则从接下来的预设时间段包括的多个时间段中，将运行状态下与用户操作发生时间冲突的概率最小的时间段确定为目标时间段，如果车载终端处于休眠状态，则从接下来的预设时间段包括的多个时间段中，将休眠状态下与用户操作发生时间冲突的概率最小的时间段确定为目标时间段。在获取目标时间段之后，即可将复位时间段设置为目标时间段。

下面从车载终端处于运行状态的应用场景来阐述本发明实施例如何基于车载终端的历史数据来预测未来进行复位操作的目标时间段。

作为一种可选的实施方式，如果车载终端处于运行状态，在车载终端获取车载终端的未复位持续时长之前，所述方法还包括以下步骤：

(11)车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的在线数据，其中，所述统计周期的时长大于或等于所述复位时长；

(12)车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期，并将所述第一统计周期对应的时间段确定为目标时间段。

在该实施方式中，可以预先设置一个时长大于或等于车载终端的复位时长的统计周期，比如复位时长为30s，可以设置统计周期为40s、60s、5min等。具体的，可以通过上述的短周期定时器来及时的记录车载终端在各个时刻的在线数据，同时，通过上述的长周期定时器根据记录的各个时刻的在线数据来计算车载终端在每个所述统计周期的在线数据。例如，可以将一个统计周期内的多个数据的平均值或中位数，作为该统计周期的在线数据。

其中，每个统计周期对应的时间段是不同的。举例来说，假设统计周期为1小时，则一天24小时可以被划分为24个统计周期，第一个统计周期对应的时间段为0时-1时，第二个统计周期对应的时间段为1时-2时，以此类推，最后一个统计周期对应的时间段为23时-24时。

其中，该在线数据可以包括中央处理器CPU占用率、网络信号强度以及网络数据流量。

具体的，步骤(12)中，车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期包括：

车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，计算每个所述统计周期的综合服务强度值；

车载终端将综合服务强度值最小的统计周期确定为与用户操作发生时间冲突的概率最小的第一统计周期。

在该实施方式中，可以按照如下第一公式计算每个所述统计周期的综合服务强度值：

C₁＝a*C*b*S*c*D；

其中，所述C₁为综合服务强度值，所述C为CPU占用率，所述S为网络信号强度，所述D为网络数据流量，所述a、所述b以及所述c均为预设权重，比如：c＝2，b＝1.5，a＝1。其中，综合服务强度值用于衡量用户需要联网服务的程度。基于CPU占用率、网络信号强度以及网络数据流量的加权得到的综合服务强度值，可以反映在对应的时间段内车载终端对用户操作的影响的概率大小。通常，综合服务强度值越小，表示用户在该综合服务强度值对应的时间段内需要联网服务的概率越小，在该综合服务强度值对应的时间内，复位操作与用户操作发生时间冲突的概率越小。本发明中，可以将综合服务强度值最小的统计周期确定为目标时间段，在该目标时间段内执行复位操作，可以最大程度的减少复位操作与用户操作发生时间冲突的概率，提高用户体验。

作为一种可选的实施方式，上述第一公式可以有其他的变形，比如上述第一公式可以变更为公式C1＝a*C+b*S+c*D，其中，c>b>a，变更后的公式中的每个参数的物理含义与第一公式中相对应的参数的物理含义相同，在此不再赘述。

需要说明的是，如果车载终端在预设时间周期内均处于运行状态，则可以统计预设时间周期的所有统计周期的在线数据，如果车载终端在预设时间周期内的某段时间处于运行状态，某段时间处于休眠状态，则在预设时间周期内，只有部分统计周期有在线数据。

举例来说，请一并参见图3A₁、3B₁以及3C₁，其中，图3A₁是本发明实施例公开的一种每个统计周期的CPU占用率的示意图。图3B₁是本发明实施例公开的一种每个统计周期的网络信号强度的示意图。图3C₁是本发明实施例公开的一种每个统计周期的网络数据流量的示意图。其中，3A₁、3B₁以及3C₁所示的均是车载终端在预设时间周期24小时均处于运行状态的场景。

如图3A₁所示，预设时间周期为一天24小时，统计周期的时长为1小时，车载终端将一天24小时按照统计周期的时长划分为24个周期，每个统计周期对应的时间段分别为0-1,1-2……23-24。假设非易失存储器单元内存储的是3天的CPU占用率的数据，网络信号强度的数据以及网络数据流量的数据。第一天统计的各个统计周期的CPU占用率分别为：C_{P1_1}＝P1_1、C_{P1_2}＝P1_2……C_{P1_24}＝P1_24，第二天统计的各个统计周期的CPU占用率分别为：C_{P2_1}＝P2_1、C_{P2_2}＝P2_2……C_{P2_24}＝P2_24，第三天统计的各个统计周期的CPU占用率分别为：C_{P3_1}＝P3_1、C_{P3_2}＝P3_2……C_{P3_24}＝P3_24，则可以计算出在统计周期0-1时的CPU占用率C_P1＝(P1_1+P2_1+P3_1)/3，在统计周期1-2时的CPU占用率C_P2＝(P1_2+P2_2+P3_2)/3……在统计周期23-24时的CPU占用率C_P24＝(P1_24+P2_24+P3_24)/3，依据在各个统计周期的CPU占用率可以得到图3A₁所示的示意图。通过3A₁所示的示意图，可以很直观的看出各个时间段内的CPU占用率的分布情况。

类似的，假设第一天统计的各个统计周期的网络信号强度分别为：S_{G1_1}＝G1_1、S_{G1_2}＝G1_2……S_{G1_24}＝G1_24，第二天统计的各个统计周期的网络信号强度分别为：S_{G2_1}＝G2_1、S_{G2_2}＝G2_2……S_{G2_24}＝G2_24，第三天统计的各个统计周期的网络信号强度分别为：S_{G3_1}＝G3_1、S_{G3_2}＝G3_2……S_{G3_24}＝G3_24，则可以计算出在统计周期0-1时的网络信号强度S_G1＝(G1_1+G2_1+G3_1)/3，在统计周期1-2时的网络信号强度S_G2＝(G1_2+G2_2+G3_2)/3……在统计周期23-24时的网络信号强度S_G24＝(G1_24+G2_24+G3_24)/3，依据在各个统计周期的网络信号强度可以得到图3B₁所示的示意图。通过3B₁所示的示意图，可以很直观的看出各个时间段内的网络信号强度的分布情况。

类似的，假设第一天统计的各个统计周期的网络数据流量分别为：D_{T1_1}＝T1_1、D_{T1_2}＝T1_2……D_{T1_24}＝T1_24，第二天统计的各个统计周期的网络数据流量分别为：D_{T2_1}＝T2_1、D_{T2_2}＝T2_2……D_{T2_24}＝T2_24，第三天统计的各个统计周期的网络数据流量分别为：D_{T3_1}＝T3_1、D_{T3_2}＝T3_2……D_{T3_24}＝T3_24，则可以计算出在统计周期0-1时的网络数据流量D_T1＝(T1_1+T2_1+T3_1)/3，在统计周期1-2时的网络数据流量D_T2＝(T1_2+T2_2+T3_2)/3……在统计周期23-24时的网络数据流量D_T24＝(T1_24+T2_24+T3_24)/3，依据在各个统计周期的D网络数据流量可以得到图3C₁所示的示意图。通过3C₁所示的示意图，可以很直观的看出各个时间段内的网络数据流量的分布情况。

在统计出所有时间段对应的CPU占用率、网络信号强度以及网络数据流量之后，即可按照上述第一公式C₁＝a*C*b*S*c*D来计算出每个时间段对应的综合服务强度值C₁，之后，再比较获得的24个C₁，将C₁最小的时间段确定为可以进行复位操作的目标时间段，比如，图3A₁-3C₁中，在4时-5时这个时间段内，CPU占用率、网络信号强度以及网络数据流量加权后获得的综合服务强度值C₁最小，即可将4时-5时确定为目标时间段。

需要说明的是，随着非易失存储器单元内存储的数据由少变多，车载终端会动态的基于存储的CPU占用率、网络信号强度以及网络数据流量来计算得到每个时间段对应的综合服务强度值C₁，并实时地进行比较，始终保留综合服务强度值C₁最小的时间段。具体的，如果非易失存储器单元内先存储的是一天的数据，则会根据这一天的数据来计算每个时间段对应的C₁，并确定基于这一天的数据得到的最小C₁对应的第一时间段。随着时间推移，非易失存储器单元内存储了2天的数据，则会根据这2天的数据来计算每个时间段对应的C₁，并确定基于这2天的数据得到的最小C₁对应的第二时间段，比较基于一天的数据得到的最小C₁与基于2天的数据得到的最小C₁的大小，并保留二者中最小的C₁及其对应的时间段(第一时间段或第二时间段)。类似的，如果非易失存储器单元内存储了3天的数据，则会根据3天的数据来计算每个时间段对应的C₁，并确定基于这3天的数据得到的最小C₁对应的第三时间段，并将新得到的最小C₁与之前保留的最小C₁进行比较，并保留二者中最小的C₁及其对应的时间段(第一时间段或第二时间段或第三时间段)。其中，非易失存储器单元可以存储多天的数据，或者，非易失存储器单元总是保留最近一段时间(比如一周或一个月)的数据。

又举例来说，请一并参见图3A₂、3B₂以及3C₂，其中，图3A₂是本发明实施例公开的一种部分统计周期的CPU占用率的示意图。图3B₂是本发明实施例公开的一种部分统计周期的网络信号强度的示意图。图3C₂是本发明公开的一种部分统计周期的网络数据流量的示意图。其中，3A₂、3B₂以及3C₂所示的均是车载终端在预设时间周期24小时内只有部分时间段处于运行状态的场景。

如图3A₂所示，预设时间周期为一天24小时，统计周期的时长为1小时，车载终端将一天24小时按照统计周期的时长划分为24个周期，每个统计周期对应的时间段分别为0-1,1-2……23-24。在预设时间周期24小时内，车载终端并没有在全部统计周期内处于运行状态，因此，只有部分统计周期存在CPU占用率的数据，比如统计周期3时-4时、4时-5时、5时-6时、6时-7时、7时-8时、8时-9时、9时-10时、13时-14时、14时-15时、15时-16时、16时-17时、17时-18时、18时-19时、19时-20时、20时-21时。其中，部分统计周期的CPU占用率的计算方法与上文类似，在此不再赘述。

类似的，如图3B₂所示，在预设时间周期24小时内，车载终端并没有在全部统计周期内处于运行状态，因此，只有部分统计周期存在网络信号强度的数据，比如统计周期3时-4时、4时-5时、5时-6时、6时-7时、7时-8时、8时-9时、9时-10时、13时-14时、14时-15时、15时-16时、16时-17时、17时-18时、18时-19时、19时-20时、20时-21时。其中，部分统计周期的网络信号强度的计算方法与上文类似，在此不再赘述。

类似的，如图3C₂所示，在预设时间周期24小时内，车载终端并没有在全部周期内处于运行状态，因此，只有部分统计周期存在网络数据流量度的数据，比如统计周期3时-4时、4时-5时、5时-6时、6时-7时、7时-8时、8时-9时、9时-10时、13时-14时、14时-15时、15时-16时、16时-17时、17时-18时、18时-19时、19时-20时、20时-21时。其中，部分统计周期的网络数据流量的计算方法与上文类似，在此不再赘述。

下面从车载终端处于休眠状态的应用场景来阐述本发明实施例是如何基于车载终端的历史数据来预测未来进行复位操作的目标时间段的。

作为一种可选的实施方式，如果车载终端处于休眠状态，在车载终端获取车载终端的未复位持续时长之前，所述方法还包括以下步骤：

(21)车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的离线数据，其中，所述统计周期的时长大于或等于复位操作的时长；

(22)车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期，并将所述第二统计周期对应的时间段确定为目标时间段。

其中，车载终端处于运行状态和休眠状态的统计周期的设置可以相同也可以不同。

其中，离线数据包括点火次数以及次数百分比，所述次数百分比为熄火时长大于或等于复位时长的次数占总点火次数的百分比，比如：在一个小时内点火了5次，其中有4次熄火时长大于或等于复位时长，则可以计算出次数百分比为80％。

具体的，步骤(22)中，车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期包括：

车载终端根据每个所述统计周期的点火次数以及次数百分比，计算每个所述统计周期的熄火概率值；

车载终端将熄火概率值最大的统计周期确定为与用户操作发生时间冲突的概率最小的第二统计周期。

在该实施方式中，可以按照如下第二公式计算每个所述统计周期的熄火概率值：

C₂＝(1/P)*M；

其中，所述C₂为熄火概率值，所述P为点火次数，所述M为次数百分比。

其中，P用于衡量车辆被点火启动的次数的大小；M用于衡量在每次的熄火与点火的过程中，熄火时长满足复位时长的点火次数占总点火次数的百分比的大小。熄火概率值用于衡量车载终端处于休眠状态的概率的大小。从上述第二公式可以分析出：如果一段时间内的点火次数越少，且休眠时长满足复位时长的比率越高，则说明在这段时间内执行复位操作对用户操作的影响越小，且复位成功的概率也越大。因此，基于1/P与M的加权得到的熄火概率值，可以反映在对应时间段内复位操作与用户操作发生时间冲突的概率的大小。通常，熄火概率值越大，表示在该熄火概率值对应的时间内车载终端处于休眠状态的概率越大，在该熄火概率值对应的时间内，用户很大可能不需要连网相关的服务，因此，在该熄火概率值对应的时间内，复位操作与用户操作发生时间冲突的概率越小。本发明实施例中，可以将熄火概率值最大的统计周期确定为目标时间段，在该目标时间段内执行复位操作，可以最大程度的减少复位操作与用户操作发生时间冲突的概率，提高用户体验。

需要说明的是，如果车载终端在预设时间周期内均处于休眠状态，则可以统计预设时间周期的所有统计周期的离线数据；如果车载终端在预设时间周期内的某段时间处于运行状态，某段时间处于休眠状态，则在预设时间周期内，只有部分统计周期有离线数据。

举例来说，请一并参见图3D₁以及3E₁，其中，图3D₁是本发明实施例公开的一种每个统计周期的点火次数的示意图。图3E₁是本发明实施例公开的一种每个统计周期的次数百分比的示意图。其中，3D₁以及3E₁所示的均是车载终端在预设时间周期24小时均处于休眠状态的场景。

如图3D₁所示，预设时间周期为一天24小时，统计周期的时长为1小时，车载终端将一天24小时按照统计周期的时长划分为24个周期，每个统计周期对应的时间段分别为0-1,1-2……23-24。假设非易失存储器单元内存储的是3天的ACC数据(点火时间、熄火时间、点火到熄火的运行时长、熄火到点火的熄火时长)。第一天统计的各个统计周期的点火次数分别为：P_{F1_1}＝F1_1、P_{F1_2}＝F1_2……P_{F1_24}＝F1_24，第二天统计的各个统计周期的点火次数分别为：P_{F2_1}＝F2_1、P_{F2_2}＝F2_2……P_{F2_24}＝F2_24，第三天统计的各个统计周期的点火次数分别为：P_{F3_1}＝F3_1、P_{F3_2}＝F3_2……P_{F3_24}＝F3_24，则可以计算出在统计周期0-1时的点火次数P_F1＝(F1_1+F2_1+F3_1)/3，在统计周期1-2时的点火次数P_F2＝(F1_2+F2_2+F3_2)/3……在统计周期23-24时的点火次数P_F24＝(F1_24+F2_24+F3_24)/3，依据在各个统计周期的点火次数可以得到图3D₁所示的示意图。通过3D₁所示的示意图，可以很直观的看出各个时间段内的点火次数的分布情况。

类似的，假设第一天统计的各个统计周期的熄火时长满足复位时长的次数百分比分别为：M_{E1_1}＝E1_1、M_{E1_2}＝E1_2……M_{E1_24}＝E1_24，第二天统计的各个统计周期的熄火时长满足复位时长的次数百分比分别为：M_{E2_1}＝E2_1、M_{E2_2}＝E2_2……M_{E2_24}＝E2_24，第三天统计的各个统计周期的熄火时长满足复位时长的次数百分比分别为：M_{E3_1}＝E3_1、M_{E3_2}＝E3_2……M_{E3_24}＝E3_24，则可以计算出在统计周期0-1时的熄火时长满足复位时长的次数百分比M_E1＝(E1_1+E2_1+E3_1)/3，在统计周期1-2时的熄火时长满足复位时长的次数百分比M_E2＝(E1_2+E2_2+E3_2)/3……在统计周期23-24时的熄火时长满足复位时长的次数百分比M_E24＝(E1_24+E2_24+E3_24)/3，依据在各个统计周期的熄火时长满足复位时长的次数百分比可以得到图3E₁所示的示意图。通过3E₁所示的示意图，可以很直观的看出各个时间段内的熄火时长满足复位时长的次数百分比的分布情况。

在统计出所有时间段对应的点火次数以及熄火时长满足复位时长的次数百分比之后，即可按照上述第二公式C₂＝1/P*M来计算出每个时间段对应的熄火概率值C₂，之后，再比较获得的24个C₂，将C₂最大的时间段确定为可以进行复位操作的目标时间段，比如，图3D₁-3E₁中，在3时-4时这个时间段内，点火次数的倒数与熄火时长满足复位时长的次数百分比乘积后获得的熄火概率值C₂最大，即可将3时-4时确定为目标时间段。

需要说明的是，随着非易失存储器单元内存储的数据由少变多，车载终端会动态的基于存储的ACC数据来计算得到每个时间段对应的熄火概率值C₂，并实时地进行比较，始终保留熄火概率值C₂最大的时间段。具体的，如果非易失存储器单元内先存储的是一天的ACC数据，则会根据这一天的数据来计算每个时间段对应的C₂，并确定基于这一天的数据得到的最大C₂对应的第一时间段，随着时间推移，非易失存储器单元内存储了2天的ACC数据，则会根据这2天的数据来计算每个时间段对应的C₂，并确定基于这2天的数据得到的最大C₂对应的第二时间段，比较基于一天的数据得到的最大C₂与基于2天的数据得到的最大C₂的大小，并保留二者中最大的C₂及其对应的时间段(第一时间段或第二时间段)。类似的，如果非易失存储器单元内存储了3天的ACC数据，则会根据3天的数据来计算每个时间段对应的C₂，并确定基于这3天的数据得到的最大C₂对应的第三时间段，并将新得到的最大C₂与之前保留的最大C₂进行比较，并保留二者中最大的C₂及其对应的时间段(第一时间段或第二时间段或第三时间段)。其中，非易失存储器单元可以存储多天的数据，或者，非易失存储器单元总是保留最近一段时间(比如一周或一个月)的数据。

又举例来说，请一并参见图3D₂以及3E₂，其中，图3D₂是本发明实施例公开的一种部分统计周期的点火次数的示意图。图3E₂是本发明实施例公开的一种部分统计周期的次数百分比的示意图。其中，3D₂以及3E₂所示的均是车载终端在预设时间周期24小时内只有部分时间段处于休眠状态的场景。

如图3D₂所示，预设时间周期为一天24小时，统计周期的时长为1小时，车载终端将一天24小时按照统计周期的时长划分为24个周期，每个统计周期对应的时间段分别为0-1,1-2……23-24。在预设时间周期24小时内，车载终端并没有在全部周期内处于休眠状态，因此，只有部分统计周期存在点火次数的数据，比如统计周期0-1时、1时-2时、2时-3时、10时-11时、11时-12时、12时-13时、21时-22时、22时-23时、23时-24时。其中，部分统计周期的点火次数的计算方法与上文类似，在此不再赘述。

类似的，如图3E₂所示，在预设时间周期24小时内，车载终端并没有在全部周期内处于休眠状态，因此，只有部分统计周期存在次数百分比的数据，比如统计周期0-1时、1时-2时、2时-3时、10时-11时、11时-12时、12时-13时、21时-22时、22时-23时、23时-24时。其中，部分统计周期的次数百分比的计算方法与上文类似，在此不再赘述。

需要说明的是，无论当前车载终端处于何种工作状态，在车载终端获取车载终端的未复位持续时长之前，车载终端都会一直实时的记录并存储车载终端的相关数据(比如在线数据，离线数据)，同时，也会一直根据统计周期计算并比较各个统计周期的综合服务强度值C₁以及熄火概率值C₂。

作为一种可选的实施方式，如果车载终端的最大稳定运行时长与未复位持续时长的差值大于预设时间周期，车载终端不需要提前规划复位操作，只需要继续等待并实时判断所述车载终端的最大稳定运行时长与未复位持续时长的差值是否小于或等于预设时间周期，直到车载终端的最大稳定运行时长与未复位持续时长的差值小于或等于预设时间周期时，再依据上述方式来规划复位操作。

S34、在目标时间段到达时，车载终端在目标时间段内对车载终端执行复位操作。

本发明实施例中，车载终端在将复位时间段设置为与用户操作发生时间冲突的概率最小的目标时间段之后，即可在接下来的预设时间段内检测是否到达该预设时间段的目标时间段，如果到达目标时间段，车载终端即可在目标时间段内执行复位操作。其中，当检测到目标时间段的起始时间点到达时，即确定目标时间段到达。

举例来说，假设当前车载终端的未复位持续时长为48小时，而车载终端的最大稳定运行时长72小时，预设时间段为24小时。此时，车载终端的最大稳定运行时长与未复位持续时长的差值等于预设时间段，车载终端已经到达了需要规划复位操作的要求，假设目标时间段为4时-5时，则检测接下来的24小时中的4时-5时是否到达，如果到达，则可以立即开始进行复位操作，或者，可以在4时与5时之间的某个时刻开始进行复位操作，其中，为了不影响复位操作的完全执行，该某个时刻的最大值需要根据复位时长以及目标时间段的时长进行设置，具体可以参考下文描述。

作为一种可选的实施方式，由于目标时间段的时长大于或等于复位时长，在车载终端的工作状态为运行状态而且已经设置运行状态对应的目标时间段的情况下，车载终端可以结合当前的状态数据来确定具体在目标时间段的哪个时间点来执行复位操作。

下面具体来阐述本发明实施例是如何基于车载终端的历史数据和当前的数据来确定在目标时间段的哪个时间点来开始执行复位操作的。

先定义几个术语：

最大起始时间点：最大起始时间点与目标时间段的终止时间点之间的时长等于复位时长。通常目标时间段的时长会大于复位时长，可以根据所述目标时间段的时长以及所述复位时长，确定执行复位操作的最大起始时间点，该最大起始时间点即必须执行复位操作的最晚的时间点。其中，目标时间段包括起始时间点和终止时间点，比如目标时间段为3时-4时，3时为目标时间段的起始时间点，4时为目标时间段的终止时间点。

第一时间点：目标时间段的起始时间点与最大起始时间点之间的任一时间点。

预设阈值：用于衡量当前的实时综合服务强度值的大小，也能反映出用户当前所需要的综合服务的强度。

具体的，所述车载终端在所述目标时间段到达时，所述车载终端在所述目标时间段内对所述车载终端执行复位操作包括：

(31)车载终端根据所述目标时间段的时长以及所述复位时长，确定执行复位操作的最大起始时间点。举例来说，比如目标时间段为3时-4时，时长为1个小时，其中，4时为目标时间段的终止时间点，复位时长为3min，则可以确定最大起始时间点为3:57。

(32)在所述目标时间段的起始时间点到达之后，车载终端从所述目标时间段的起始时间点开始统计所述车载终端的实时CPU占用率、实时网络信号强度以及实时网络数据流量，并基于上文的第一公式，根据所述实时CPU占用率、所述实时网络信号强度以及所述实时网络数据流量，计算第一时间点的实时综合服务强度值。其中，实时综合服务强度值从某种程度上表示了当前用户所需要的连网服务强度的程度。

(33)若实时综合服务强度值小于或等于预设阈值，而且，第一时间点还未到达最大起始时间点，表明在当前的第一时间点上，用户所需要的服务强度是比较小的，车载终端可以不用等待，直接在第一时间点开始对所述车载终端执行复位操作，可选的，如果第一时间点离最大起始时间点的时间距离还很长，车载终端还可以等待，继续计算实时综合服务强度值，如果发现有更小的实时综合服务强度值时，再执行复位操作。或

(34)若实时综合服务强度值大于所述预设阈值，车载终端需要继续等待，并继续计算实时综合服务强度值，如果在到达最大起始时间点之前，实时综合服务强度值变小了，就立即执行复位操作，如果一直到最大起始时间点，实时综合服务强度值均大于所述预设阈值，为了确保车载终端的稳定工作，车载终端不能再继续等待用户服务强度比较小的时间点，必须在最大起始时间点执行复位操作。

总之，无论车载终端的实时综合服务强度值的大小怎样，只要当前的时间点到达了最大起始时间点，车载终端都需要立即开始执行复位操作。在当前的时间点未到达最大起始时间点之前，车载终端可以在实时综合服务强度值较小的时间点上开始执行复位操作。

其中，预设阈值可以是预先设置的一个阈值，预设阈值的计算方式与上述综合服务强度值C₁相同，或者，也可以是根据历史的综合服务强度值计算得到的。

具体的，车载终端可以获取在所述目标时间段的起始时间点之前计算的多个综合服务强度值，该多个综合服务强度值也即历史计算得到的多个综合服务强度值，进一步地，车载终端可以根据所述多个综合服务强度值，计算历史平均综合服务强度值，该历史平均综合服务强度值可以反映车载终端在过去时间中用户所需要的综合服务的平均值，最后，车载终端可以根据所述历史平均综合服务强度值，确定所述预设阈值。比如，将历史平均综合服务强度值的80％确定为预设阈值。

作为一种可选的实施方式，如果在目标时间段到达之前时，车载终端的工作状态发生变化，比如从运行状态变更为休眠状态，或者从休眠状态变更为运行状态，则需要及时的调整复位策略。如果车载终端是从运行状态变更为休眠状态，则需要按照离线复位的策略(即按照熄火概率值的大小)来规划在哪个时间段内执行复位操作，如果车载终端是从休眠状态变更为运行状态，则需要按照在线复位的策略(即按照综合服务强度值的大小)来规划在哪个时间段内执行复位操作。

在图3所描述的方法中，可以基于车载终端的历史数据分析出用户使用车辆概率最低的统计周期，并对未来时间段中用户的车辆使用情况进行预测，将车载终端的复位操作的时间段安排在用户使用车辆概率最低的时间段中，可以降低车载终端的复位操作与用户操作发生时间冲突的概率，最大程度降低车载终端的复位操作对用户的影响，从而提高用户体验，同时，也能够确保车载终端具有持续有效的可靠性能力。

以上所述，仅是本发明的具体实施方式，但本发明的保护范围并不局限于此，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。

请参见图4，图4是本发明公开的一种车载终端的结构示意图。如图4所示，所述车载终端包括一个或多个处理器41、存储器42、实时时钟晶体43、通信处理装置44、射频装置45、天线46以及总线47。其中，处理器41、存储器42、实时时钟晶体43、通信处理装置44、射频装置45通过总线47或者其它方式连接，本发明实施例以通过总线47连接为例。其中，天线46用于发射或接收电磁波。尽管图4未示出，射频装置45可具有收发器(包括调制解调器)，射频装置45还可具有接收和发射放大器，可用于放大信号以供传输。

处理器41可以由一个或者多个通用处理器构成，例如中央处理器(CentralProcessing Unit，CPU)。处理器41可用于运行相关的程序代码中以下任一项或多项功能模块的程序：获取模块、判断模块、设置模块、执行模块、统计模块以及确定模块等。也就是说，处理器41执行程序代码可以实现获取模块、判断模块、设置模块、执行模块、统计模块以及确定模块等功能模块中的任一项或多项的功能。其中，关于所述获取模块、判断模块、设置模块、执行模块、统计模块以及确定模块具体可参见前述实施例中的相关阐述。

存储器42可以包括易失存储器单元(Volatile Memory)，例如随机存取存储器(Random Access Memory，RAM)；存储器42也可以包括非易失存储器单元(Non-VolatileMemory)，例如只读存储器(Read-Only Memory，ROM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，HDD)或固态硬盘(Solid-State Drive，SSD)；存储器42还可以包括上述种类的存储器的组合。存储器42可用于存储一组车载终端的复位程序代码，以便于处理器41调用存储器42中存储的车载终端的复位程序代码以实现本发明实施例中涉及的相关功能。

实时时钟晶体43可以用于执行实时时钟晶体单元的相关功能，通信处理装置44可以用于执行通信处理单元的相关功能，总线47可以是CAN总线。

需要说明的，图4仅仅是本申请实施例的一种可能的实现方式，实际应用中，车载终端还可以包括更多或更少的部件，这里不作限制。本发明实施例中介绍的车载终端可以用于实施本发明图3介绍的方法实施例中的部分或全部流程，可参见前述图3所述实施例中的相关阐述，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在处理器上运行时，实现图3所示的方法流程。

本发明实施例还提供一种计算机程序产品，当所述计算机程序产品在处理器上运行时，实现图3所示的方法流程。

结合本发明实施例公开内容所描述的方法或者算法的步骤可以硬件的方式来实现，也可以是由处理器执行软件指令的方式来实现。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(Random Access Memory，RAM)、闪存、只读存储器(Read Only Memory，ROM)、可擦除可编程只读存储器(Erasable Programmable ROM，EPROM)、电可擦可编程只读存储器(Electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、只读光盘(CD-ROM)或者本领域熟知的任何其它形式的存储介质中。一种示例性的存储介质耦合至处理器，从而使处理器能够从该存储介质读取信息，且可向该存储介质写入信息。当然，存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外，该ASIC可以位于车载终端中。当然，处理器和存储介质也可以作为分立组件存在于车载终端中。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (14)

1.一种车载终端的复位方法，其特征在于，所述方法包括：

车载终端获取所述车载终端的未复位持续时长；

所述车载终端判断所述车载终端的最大稳定运行时长与所述未复位持续时长的差值是否小于或等于预设时间段；

若所述车载终端的最大稳定运行时长与所述未复位持续时长的差值小于或等于所述预设时间段，所述车载终端设置复位时间段，其中，所述复位时间段为与用户操作发生时间冲突的概率最小的目标时间段，所述目标时间段的时长大于或等于复位时长，所述目标时间段是基于所述车载终端的历史数据进行预测得到的；

在所述目标时间段到达时，所述车载终端在所述目标时间段内对所述车载终端执行复位操作。

2.根据权利要求1所述的方法，其特征在于，在所述车载终端判断所述车载终端的最大稳定运行时长与所述未复位持续时长的差值小于或等于所述预设时间段之后，以及所述车载终端设置复位时间段之前，所述方法还包括：

所述车载终端获取所述车载终端的工作状态；

所述车载终端根据所述工作状态，获取与用户操作发生时间冲突的概率最小的目标时间段。

3.根据权利要求2所述的方法，其特征在于，所述工作状态为运行状态，所述车载终端获取所述车载终端的未复位持续时长之前，所述方法还包括：

所述车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的在线数据，其中，所述统计周期的时长大于或等于所述复位时长；

所述车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期，并将所述第一统计周期对应的时间段确定为目标时间段。

4.根据权利要求3所述的方法，其特征在于，所述在线数据包括中央处理器CPU占用率、网络信号强度以及网络数据流量，所述车载终端根据每个所述统计周期的在线数据，确定与用户操作发生时间冲突的概率最小的第一统计周期包括：

所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，计算每个所述统计周期的综合服务强度值；

所述车载终端将综合服务强度值最小的统计周期确定为与用户操作发生时间冲突的概率最小的第一统计周期。

5.根据权利要求4所述的方法，其特征在于，所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，计算每个所述统计周期的综合服务强度值包括：

所述车载终端根据每个所述统计周期的CPU占用率、网络信号强度以及网络数据流量，利用第一公式计算每个所述统计周期的综合服务强度值，所述第一公式为：

C₁＝a*C*b*S*c*D；

其中，所述C₁为综合服务强度值，所述C为CPU占用率，所述S为网络信号强度，所述D为网络数据流量，所述a、所述b以及所述c均为预设权重；或

所述第一公式为：

C₁＝a*C+b*S+c*D；

其中，所述C₁为综合服务强度值，所述C为CPU占用率，所述S为网络信号强度，所述D为网络数据流量，所述a、所述b以及所述c均为预设权重，且c>b>a。

6.根据权利要求5所述的方法，其特征在于，所述在所述目标时间段到达时，所述车载终端在所述目标时间段内对所述车载终端执行复位操作包括：

所述车载终端根据所述目标时间段的时长以及所述复位时长，确定执行复位操作的最大起始时间点；

所述车载终端从所述目标时间段的起始时间点开始统计所述车载终端的实时CPU占用率、实时网络信号强度以及实时网络数据流量，并根据所述实时CPU占用率、所述实时网络信号强度以及所述实时网络数据流量，计算第一时间点的实时综合服务强度值；

若所述实时综合服务强度值小于或等于预设阈值，且所述第一时间点为所述目标时间段的起始时间点与所述最大起始时间点之间的任一时间点，所述车载终端在所述第一时间点开始对所述车载终端执行复位操作；或

若所述实时综合服务强度值大于所述预设阈值，且所述第一时间点为所述最大起始时间点，所述车载终端在所述最大起始时间点开始对所述车载终端执行复位操作。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

所述车载终端获取在所述目标时间段的起始时间点之前计算的多个综合服务强度值；

所述车载终端根据所述多个综合服务强度值，计算历史平均综合服务强度值；

所述车载终端根据所述历史平均综合服务强度值，确定所述预设阈值。

8.根据权利要求2所述的方法，其特征在于，所述工作状态为休眠状态，所述车载终端获取所述车载终端的未复位持续时长之前，所述方法还包括：

所述车载终端按照预设的统计周期，统计所述车载终端在每个所述统计周期的离线数据，其中，所述统计周期的时长大于或等于复位操作的时长；

所述车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期，并将所述第二统计周期对应的时间段确定为目标时间段。

9.根据权利要求8所述的方法，其特征在于，所述离线数据包括点火次数以及次数百分比，所述次数百分比为熄火时长大于或等于所述复位时长的次数占总点火次数的百分比，所述车载终端根据每个所述统计周期的离线数据，确定与用户操作发生时间冲突的概率最小的第二统计周期包括：

所述车载终端根据每个所述统计周期的点火次数以及次数百分比，计算每个所述统计周期的熄火概率值；

所述车载终端将熄火概率值最大的统计周期确定为与用户操作发生时间冲突的概率最小的第二统计周期。

10.根据权利要求9所述的方法，其特征在于，所述车载终端根据每个所述统计周期的点火次数以及次数百分比，计算每个所述统计周期的熄火概率值包括：

所述车载终端根据每个所述统计周期的点火次数以及次数百分比，利用第二公式计算每个所述统计周期的熄火概率值，所述第二公式为：

C₂＝(1/P)*M；

其中，所述C₂为熄火概率值，所述P为点火次数，所述M为次数百分比。

11.根据权利要求1至10中任一项所述的方法，其特征在于，所述车载终端为远程信息处理器T-box。

12.一种车载终端，其特征在于，包括处理器和存储器；所述存储器，用于存储指令；所述处理器，用于调用所述存储器中的指令，使得所述车载终端执行如权利要求1至11中任一项所述的车载终端的复位方法。

13.一种车载系统，其特征在于，所述车载系统包括车载主机、车载终端、用户终端以及云服务平台，其中，所述车载终端用于执行如权利要求1至11中任一项所述的车载终端的复位方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至11中任一项所述的车载终端的复位方法。

Images