CN113486239A - 一种智能出行场景引擎及推送方法 - Google Patents

Abstract

本发明公开一种智能出行场景引擎，包括：数据采集模块，采集传感器数据和应用数据；车域通信模块，与外部车辆建立通信连接并交换车际数据；输入模块，用于用户输入行为数据；处理模块，根据传感器数据、应用数据、车际数据、行为数据生成用户意图判定结果；网络模块，通过互联网连接外部业务系统并实时地获取业务数据；处理模块根据业务数据结合用户意图判定结果向用户推送相关业务。本发明的有益效果在于：通过设置数据采集模块和输入模块有效采集客观数据和用户的意图数据，用于处理模块对采集到的数据进行进一步处理并通过人工智能程序生成较好的识别结果，结合业务数据向用户推送各类业务，推送效果好，业务转化率高。

Description

一种智能出行场景引擎及推送方法

技术领域

本发明涉及车联网业务技术领域，具体涉及一种智能出行场景引擎及推送方法。

背景技术

随着5G和车联网技术的发展，科技、智能、人性化，正在重新定义未来汽车人机交互新体验，汽车变得更加智能。汽车智能座舱解决方案结合了互联网技术、移动通信技术、HMI(人机界面)和AI语音等领域的先进技术，提供了舒适便捷的出行空间和安全可靠的驾驶支持，将生活方式与出行无缝连接。

目前的汽车智能座舱解决方案主要集中在硬件堆叠、AI语音和功能组合几个方面。硬件堆叠主要是升级智能座舱的系统芯片、传感器，达到更流畅的人机交互体验；AI语音主要是通过车内的麦克风阵列，捕捉驾乘人员的语音指令，执行相应的操作；功能组合主要是根据用户的行为习惯，设置固定或可自定义的功能组合，将之称为场景，每种场景下可实现驾驶辅助配置、车窗、座椅、空调、驾驶模式、音乐、氛围灯等主被动软硬件模块的自动设定。可以实现较流畅的人机交互体验，以及一定程度上的座舱智能化，但由于缺乏对座舱传感器及周边环境数据的综合利用，某种程度上仅仅是对原有物理操作按钮的虚拟化和组合编排，不能有效理解用户的真实意图，缺乏自学习机制，导致人机交互的体验差，业务转化率低。

发明内容

针对现有技术中存在的上述问题，现提供一种智能出行场景引擎及推送方法。

具体技术方案如下：

一种智能出行场景引擎，包括：

数据采集模块，连接车内传感器、定位传感器采集传感器数据，所述数据采集模块还连接应用程序并通过软件接口获取应用数据；

车域通信模块，与外部车辆建立通信连接并交换车际数据；

输入模块，用于用户输入行为数据；

处理模块，连接所述数据采集模块、所述车域通信模块、所述网络模块和所述输入模块并根据所述传感器数据、所述应用数据、所述车际数据、所述行为数据生成用户意图判定结果；

网络模块，通过互联网连接外部业务系统并实时地获取业务数据；

所述处理模块根据所述业务数据结合所述用户意图判定结果向所述用户推送相关业务。

优选地，所述处理模块中设置有数据预处理子模块；

所述数据预处理子模块根据所述传感器数据、所述应用数据生成客观数据，并对所述行为数据、所述车际数据进行分析处理生成意图数据；

所述智能出行场景引擎还包括存储模块，所述存储模块用于存储历史数据，所述历史数据中包括与所述用户对应的多个往期所述意图数据。

优选地，所述传感器数据包括：当前日期、当前时间、当前位置、车辆状态、乘员数量中的至少一种。

优选地，所述处理模块中设置有人工智能子模块；

所述人工智能子模块中设置有人工智能模型，所述人工智能模型采用所述历史数据作为训练集；

所述人工智能子模块根据所述人工智能模型对所述意图数据进行识别，并根据识别结果和所述客观数据判断所述用户当前所处的场景和所述用户意图判定结果。

优选地，所述人工智能模型根据所述场景和所述用户意图判定结果结合所述业务数据生成与所述用户对应的推送数据。

优选地，所述处理模块还包括软件接口子模块，所述软件接口子模块与车机系统建立数据连接；

所述处理模块通过所述软件接口子模块向所述车机系统发送所述推送结果。

优选地，所述人工智能子模块通过所述软件接口子模块接收所述用户的反馈结果，并根据所述反馈结果对所述人工智能模型进行强化学习。

一种智能出行推送方法，包括：

S1：采集传感器数据、应用数据、车际数据和行为数据；

S2：对所述传感器数据和所述应用数据进行处理生成客观数据，根据所述车际数据和所述行为数据生成意图数据；

S3：通过人工智能模型对所述客观数据和所述意图数据进行判断生成用户意图判定结果；

S4：通过外部业务系统下载业务数据，并根据所述用户意图判定结果选择所述业务数据推送给用户。

优选地，用于建立所述人工智能模型的步骤包括：

根据预设参数和所述用户意图判定结果向用户推送所述业务数据；

采集用户的反馈结果；

根据所述反馈结果和历史数据对人工智能模型进行调整。

优选地，所述步骤S4还包括：

S41：根据所述用户意图判定结果从所述外部业务系统下载所述业务数据；

S42：比较所述用户意图判定结果和所述业务数据，筛选出用户较为感兴趣的所述业务数据；

S43：将所述业务数据发送至车机系统，并根据用户的喜好推送所述业务数据。

上述技术方案具有如下优点或有益效果：通过设置数据采集模块和输入模块有效采集客观数据和用户的意图数据，用于处理模块对采集到的数据进行进一步处理并通过人工智能程序生成较好的识别结果，结合业务数据向用户推送各类业务，推送效果好，业务转化率高。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。

图1为本发明实施例的整体示意图；

图2为本发明实施例的处理模块示意图；

图3为本发明实施例的数据处理流程示意图；

图4为本发明实施例的推送方法示意图；

图5为本发明实施例的人工智能模型建立步骤示意图；

图6为本发明实施例的推送过程示意图。

具体实施方式

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作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明包括一种智能出行场景引擎，如图1所示，包括：

数据采集模块1，连接车内传感器并采集传感器数据；

具体地，数据采集模块1通过车内以太网网关连接多个车内传感器并采集传感器数据，车内传感器与车内以太网网关可以是总线式连接方式，包括CAN总线、RS485总线、RS232总线等。通过车内以太网网关连接多个传感器能够有效采集车内传感器的数据，并通过总线连接的方式简化车内布线结构，便于提高通信系统的容量。

数据采集模块1还连接应用程序并通过软件接口获取应用数据，比如当前天气数据和用户的娱乐偏好等；

车域通信模块2，与外部车辆建立通信连接并交换车际数据；

输入模块4，用于用户输入行为数据，包括通过用户直接输入或通过软件接口采集；

处理模块5，连接数据采集模块1、车域通信模块2、网络模块3和输入模块4并根据传感器数据、应用数据、车际数据、行为数据生成用户意图判定结果；

网络模块3，通过互联网连接外部业务系统并交换业务数据，用于在车辆行驶过程中实时地完成与多个外部业务系统间的业务数据交换，以便于向用户推送时效性较好的数据；

处理模块5根据业务数据结合用户意图判定结果向用户推送相关业务。

在一种较优的实施例中，传感器数据包括：当前日期、当前时间、当前位置、车辆状态、乘员数量。

在一种较优的实施例中，行为数据可通过用户直接输入采集取得，或通过软件接口获得基于语音识别功能采集到的语音指令、通过驾驶员行为监控系统采集驾驶员行为、通过车机系统采集驾驶员的娱乐偏好。

进一步地，通过比对车域通信模块2获得的车际数据和通过地图软件获取的道路信息，还可以判断驾乘人员的路径和当前交通状况。

在一种较优的实施例中，还包括存储模块6，存储模块6用于存储历史数据，历史数据中包括与用户对应的多个往期意图数据。

在一种较优的实施例中，如图2所示，处理模块5中设置有数据预处理子模块51；

数据预处理子模块51根据传感器数据、应用数据生成客观数据，并对行为数据、车际数据进行分析处理生成意图数据；

所述智能出行场景引擎还包括存储模块，所述存储模块用于存储历史数据，所述历史数据中包括与所述用户对应的多个往期所述意图数据。

在一种较优的实施例中，处理模块5中设置有人工智能子模块52；

人工智能子模块52中设置有人工智能模型，人工智能模型采用历史数据作为训练集；

人工智能子模块52根据人工智能模型对意图数据进行识别，并根据识别结果和客观数据判断用户当前所处的场景和用户的用户意图判定结果。

在一种较优的实施例中，人工智能模型根据场景和用户意图判定结果结合业务数据生成与用户对应的推送数据。

具体地，人工智能模型根据当前所处的场景或用户的路径通过互联网向外部业务系统拉取业务数据，随后根据用户意图判断用户可能需要的业务数据，从中选取一个或多个用户最感兴趣的业务数据推送给用户。通过上述方式可以有效筛选出用户可能感兴趣的业务数据，提高业务推送的成功率。

在一种较优的实施例中，处理模块5还包括软件接口子模块53，软件接口子模块53与车机系统建立数据连接；

处理模块5通过软件接口子模块53向车机系统发送推送结果。

在一种较优的实施例中，人工智能子模块52通过软件接口子模块53接收用户的反馈结果，并根据反馈结果对人工智能模型进行强化学习。

具体地，如图3所示，通过人工智能子模块52对意图数据进行识别，能够得出用户当前所进行的行为，比如上下班通勤、出游、长途旅行等。同时结合客观数据对当前的场景进行进一步地分析，比如根据当天天气和时间判断用户是否倾向于在非异常天气也选择自驾车出行、根据地点和日期是否经常出入商业区等等。进一步地，通过比较历史数据，可以更为准确地判断出该用户的行为模式和消费习惯，便于结合业务数据向用户推送相应的业务和服务。

进一步地，人工智能子模块52生成推送结果后，通过软件接口子模块53连接至车机系统，通过车机系统内的各项应用程序，比如地图、通知消息等，将推送消息融入车机系统的显示中。在一种较优的实施例中，人工智能子模块52可以根据乘员舱中不同人员的意图数据和历史数据针对不同用户生成相应的推送结果，并通过与该用户对应的显示屏推送这一结果，以此来取得更好的个性化推送结果，进而提高相关业务的实际转化率，取得较好的推送效果。

在一种较优的实施例中，人工智能模型根据客观数据、意图数据和历史数据识别并生成四要素：用户标识、时间、地点和操作内容，并根据上述四要素生成与该用户对应的行为模型。通过结合客观数据和历史数据对用户的行为模型进行进一步地分析，得出用户的操作逻辑和行为偏好，并与通过网络模块3采集到的业务数据结合，得出用户可能需要的数据，随后通过车机系统以较好的推送方式推送给用户。

进一步地，当用户通过车机系统收到推送消息后，车机系统受控于软件接口子模块53对用户的行为进行采集，比如用户在对应推送消息页面停留的时间、触摸或选择对应页面的位置、是否选择了相应的推送结果或关闭了推送消息等。进一步的，在具有眼球跟踪功能的车机系统中，还可以通过跟踪用户的视觉焦点来确认用户所感兴趣的内容，并将反馈数据传回至人工智能子模块52。人工智能子模块52将反馈结果输入存储模块并根据反馈结果进一步地训练人工智能模型，对该用户的行为模型进行进一步地调整，以取得更为细致的用户画像。通过采集用户的反馈结果可以获得更为准确的推送结果，以便于向用户更为准确地推送相关业务数据。

在一种较优的实施例中，人工智能子模块52采集的客观数据还包括通过车域通信模块2采集到的车-车通信数据和车-路通信数据，并对采集到的数据通过网络通信模块3发送至远程平台，远程平台通过大数据融合的方式针对某一地区的用户进行消息推送，便于用户通过车域通信网络获取当前的路况信息及附近的商业或公共设施的情况，取得更好的服务效果。

在一种较优的实施例中，本技术方案公开的智能出行场景引擎可以用于用户的个性化消费推荐。

具体地，数据采集模块1可以连接车内传感器采集车辆的地点和当前时间，并根据时间和地点绘制该用户的日常出行轨迹。当判断该用户正处于日常的通勤时间段时，进一步结合日常出行轨迹和当前车辆所处的位置判断周围的业务点和交通状况。人工智能子模块52根据人工智能模型分析用户可能感兴趣的周边业务，比如餐饮服务，并通过网络模块3获取实时的业务数据，拣选出部分数据通过车机系统推送给用户。车机系统可以通过地图标识、通知消息的方式向用户提供推送消息，以完成一次个性化的业务推荐。

一种智能出行推送方法，如图4所示，包括：

S1：采集传感器数据、车际数据和行为数据；

S2：对传感器数据和车际数据进行处理生成客观数据；

S3：通过人工智能模型对客观数据和意图数据进行判断生成意图数据；

S4：下载业务数据，并根据用户意图判定结果选择业务数据推送给用户。

在一种较优的实施例中，如图5所示，用于建立人工智能模型的步骤包括：

根据预设参数和用户意图判定结果向用户推送业务数据；

采集用户的反馈结果；

根据反馈结果和历史数据对人工智能模型进行调整。

具体地，将用户的反馈结果与多个用户意图判定结果结合形成训练集对人工智能模型进行训练有助于建立更为符合用户需求的人工智能模型。

在一种较优的实施例中，如图6所示，步骤S4还包括：

S41：根据用户意图判定结果从外部业务系统下载业务数据；

S42：比较用户意图判定结果和业务数据，筛选出用户较为感兴趣的业务数据；

S43：将业务数据发送至车机系统，并根据用户的喜好推送业务数据。

具体地，用户可通过输入模块输入用户信息，并通过采集用户偏好信息形成与用户信息对应的用户偏好的推送方法，通过设置为用户更为偏好的推送方法可以有效提升用户的使用体验，提高推送的成功率。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (10)

1.一种智能出行场景引擎，其特征在于，包括：

数据采集模块，连接车内传感器采集传感器数据，所述数据采集模块还连接应用程序并通过软件接口获取应用数据；

车域通信模块，与外部车辆建立通信连接并交换车际数据；

输入模块，用于用户输入行为数据；

处理模块，连接所述数据采集模块、所述车域通信模块、所述网络模块和所述输入模块并根据所述传感器数据、所述应用数据、所述车际数据、所述行为数据生成用户意图判定结果；

网络模块，通过互联网连接外部业务系统并实时地获取业务数据；

所述处理模块根据所述业务数据结合所述用户意图判定结果向所述用户推送相关业务。

2.根据权利要求1所述的场景引擎，其特征在于，所述处理模块中设置有数据预处理子模块；

所述数据预处理子模块根据所述传感器数据、所述应用数据生成客观数据，并对所述行为数据、所述车际数据进行分析处理生成意图数据；

所述智能出行场景引擎还包括存储模块，所述存储模块用于存储历史数据，所述历史数据中包括与所述用户对应的多个往期所述意图数据。

3.根据权利要求2所述的场景引擎，其特征在于，所述传感器数据包括：当前日期、当前时间、当前位置、车辆状态、乘员数量中的至少一种。

4.根据权利要求3所述的场景引擎，其特征在于，所述处理模块中设置有人工智能子模块；

所述人工智能子模块中设置有人工智能模型，所述人工智能模型采用所述历史数据作为训练集；

所述人工智能子模块根据所述人工智能模型对所述意图数据进行识别，并根据识别结果和所述客观数据判断所述用户当前所处的场景和所述用户意图判定结果。

5.根据权利要求4所述的场景引擎，其特征在于，所述人工智能模型根据所述场景和所述用户意图判定结果结合所述业务数据生成与所述用户对应的推送数据。

6.根据权利要求5所述的场景引擎，其特征在于，所述处理模块还包括软件接口子模块，所述软件接口子模块与车机系统建立数据连接；

所述处理模块通过所述软件接口子模块向所述车机系统发送所述推送结果。

7.根据权利要求6所述的场景引擎，其特征在于，所述人工智能子模块通过所述软件接口子模块接收所述用户的反馈结果，并根据所述反馈结果对所述人工智能模型进行强化学习。

8.一种智能出行推送方法，其特征在于，适用于权利要求1-7任意一项所述的智能出行场景引擎，包括：

S1：采集传感器数据、应用数据、车际数据和行为数据；

S2：对所述传感器数据和所述应用数据进行处理生成客观数据，根据所述车际数据和所述行为数据生成意图数据；

S3：通过人工智能模型对所述客观数据和所述意图数据进行判断生成用户意图判定结果；

S4：通过外部业务系统下载业务数据，并根据所述用户意图判定结果选择所述业务数据推送给用户。

9.根据权利要求8所述的推送方法，其特征在于，用于建立所述人工智能模型的步骤包括：

根据预设参数和所述用户意图判定结果向用户推送所述业务数据；

采集用户的反馈结果；

根据所述反馈结果和历史数据对人工智能模型进行调整。

10.根据权利要求9所述的推送方法，其特征在于，所述步骤S4还包括：

S41：根据所述用户意图判定结果从所述外部业务系统下载所述业务数据；

S42：比较所述用户意图判定结果和所述业务数据，筛选出用户较为感兴趣的所述业务数据；

S43：将所述业务数据发送至车机系统，并根据用户的喜好推送所述业务数据。

Images