CN113961806A - 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 - Google Patents
驾驶反馈推荐的处理方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN113961806A CN113961806A CN202111217929.6A CN202111217929A CN113961806A CN 113961806 A CN113961806 A CN 113961806A CN 202111217929 A CN202111217929 A CN 202111217929A CN 113961806 A CN113961806 A CN 113961806A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- driving
- vehicle
- feedback
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 54
- 230000009471 action Effects 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000005357 flat glass Substances 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 235000021152 breakfast Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000010687 lubricating oil Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种驾驶反馈推荐的处理方法、装置、电子设备与存储介质，驾驶反馈推荐的处理方法，包括：在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施。
Description
技术领域
本发明涉及车辆领域，尤其涉及一种驾驶反馈推荐的处理方法、装置、电子设备与存储介质。
背景技术
在车辆行驶的过程中，可根据用户的需求，以及预设的条件而自动推荐相应的应对措施(例如在用户到达商场附近时，可向用户推荐附近的餐厅)。
然而，现有相关技术中，通常是基于预先定义的条件、推荐结果而实施推荐，由于推荐结果(推荐的应对措施、应对措施的排序等)是不可变化的，不便于适配变化、满足用户的需求。
发明内容
本发明提供一种驾驶反馈推荐的处理方法、装置、电子设备与存储介质，以解决不便于适配变化、满足用户的需求的问题。
根据本发明的第一方面，提供了一种一种驾驶反馈推荐的处理方法，包括：
在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；所述目标驾驶场景源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；
确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；
基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，所述接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；
在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施，所述目标应对措施源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
可选的，所述多个驾驶场景包括：至少一个业务场景，其中，不同业务场景表征了用户使用车辆的不同需求。
可选的，所述多个驾驶场景包括：至少一个tbox触发场景，所述tbox触发场景是基于车辆的tbox车机数据而确定的。
可选的，所述应对措施包括以下至少之一：
向用户推荐指定操作，所述指定操作指针对于车辆的操作；
向用户推荐地图中的指定对象。
可选的，所述基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，具体包括：
基于所述当前的用户反馈行为、历史反馈行为，以及时间衰减指数，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息；
其中，所述历史反馈行为表征了：针对所述目标驾驶场景的可选应对措施的过去的用户反馈行为，所述时间衰减指数表征了用户反馈行为与当前时间的间隔长度对所述接受度评估信息的影响。
可选的，所述基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，具体包括：
基于所述当前的用户反馈行为，以及预设的入人工干预评分，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息。
可选的，所述的驾驶反馈推荐的处理方法，应用于Kafka服务器集群，所述Kafka服务器集群包括多个服务器，且多个服务器的负载保持均衡。
根据本发明的第二方面，提供了一种驾驶反馈推荐的处理装置，包括：
第一推荐模块，用于在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；所述目标驾驶场景源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；
反馈行为确定模块，用于确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；
接受度评估模块，用于基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，所述接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；
第二推荐模块，用于在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施，所述目标应对措施源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
根据本发明的第三方面，提供了一种电子设备，包括处理器与存储器，
所述存储器，用于存储代码；
所述处理器，用于执行所述存储器中的代码用以实现第一方面及其可选方案涉及的方法。
根据本发明的第四方面，提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现以方面及其可选方案所述的方法。
本发明提供的驾驶反馈推荐的处理方法、装置、电子设备与存储介质中，可在向用户推荐应对措施之后，基于用户反馈行为确定接受度评估信息，进而，可基于接受度评估信息，向所述目标用户推荐至少一个目标应对措施，可见，推荐结果(例如所推荐的目标应对措施，和/或其排序)会随着用户反馈行为而变化，其不再局限于固定的推荐结果，便于适配变化、满足用户的需求。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例中驾驶反馈推荐的处理方法的流程示意图；
图2是本发明一实施例中步骤S13的流程示意图一；
图3是本发明一实施例中步骤S13的流程示意图二；
图4是本发明一实施例中驾驶反馈推荐的处理装置的程序模块示意图；
图5是本发明一实施例中电子设备的构造示意图。
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做出创造性劳动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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明实施例提供的驾驶反馈推荐的处理方法可应用于服务端，该服务端可以为服务器，也可以为服务器集群，该服务端可与车载终端或设于车辆的移动终端通讯，从而实现驾驶反馈推荐的处理方法。
其中一种实施方式中，其中的服务集群可以为Kafka服务器集群。
其中的KafKa可理解为Apache软件基金会开发的一个开源流处理平台，Kafka是一种高吞吐量的分布式发布订阅消息系统。进而，可利用Kafka服务器集群实时接受反馈，算法推荐出结果，再通过kafka实时传递结果。其中，可以按一定算法来将用户平均分配到每台服务器，以求负载均衡，即：多个服务器的负载保持均衡。
请参考图1，本发明实施例提供了一种驾驶反馈推荐的处理方法，包括：
S11：在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；
S12：确定当前的用户反馈行为，
S13：基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，
S14：在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施。
步骤S11中的目标驾驶场景，源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；进而，对该些内容中的至少之一进行预定义均可形成对应的一个驾驶场景。
所述多个驾驶场景包括：至少一个业务场景，其中，不同业务场景表征了用户使用车辆的不同需求。
部分举例中，至少一个业务场景可例如包括以下至少之一：
到家后停在楼下车里独处的场景，早晚停在幼儿园附近的场景，早高峰在高速路上的场景，晚上行驶在从公司到家的习惯路线的场景，油量低于预警线的场景。
其中一种实施方式中，所述多个驾驶场景包括：至少一个tbox触发场景，所述tbox触发场景是基于车辆的tbox车机数据而确定的。
部分举例中，至少一个tbox触发场景可例如包括以下至少之一：在发生颠簸时车窗玻璃异响，在车内持续高温时，在下雨天时车窗多次起雾等。
此外，tbox触发场景不仅可基于tbox车机数据而确定，还可结合车辆中其他部件检测到的信息(例如各种车载传感器)和/或自网络采集到的信息而确定。
本发明实施例中的驾驶场景也可不限于以上业务场景与tbox触发场景，以上业务场景与tbox触发场景也可发生重合。
步骤S11中的应对措施，可例如包括：
向用户推荐指定操作，所述指定操作指针对于车辆的操作；
其中的操作过程可以是软件的操作过程，也可以是硬件的操作过程，还可以是软硬结合的操作过程，进一步的，向用户推荐指定操作的过程可例如以下至少之一：打开平时喜欢听的深夜电台、和前天加上的异性车友聊天、打开空调、开窗通风。
步骤S11中的应对措施，可例如包括：
向用户推荐地图中的指定对象，例如文具店、停车场、医院、加油场、4s店等等。
结合以上业务场景而推荐的应对措施可例如：
独处时询问是否需要熄火，打开平时喜欢听的深夜电台，或和前天加上的异性车友聊天；在幼儿园附近时询问是否需要去附近文具店，买营养早餐，推荐附近停车场空位；在油量低于预警线时询问是否需要去附近的平价加油场，顺路去公司的加油场等。
结合以上tbox触发场景而推荐的应对措施可例如：
在车窗玻璃异响时询问是否需要去附近xxx路4s店检查螺丝松动、密封胶条老化，推荐买xxx牌润滑油，使用工具对导轨里的杂物进行清理；在车内持续高温时询问是否需要打开空调、开窗通风等。
具体举例中，可以对总结的场景进行验证，例如收集上述场景对应的大量相关数据，分析用户在该场景下的反馈数据(比如在车内高温时如果是晴天时用户经常开空调、如果是阴天时用户经常开窗)，和tbox对应该场景下的相关指标(比如检测到玻璃升降阻力大)，再结合大数据，对前面总结的场景进行修正，例如可根据大量数据比对，修正上述场景和应对措施。
步骤S12中的当前的用户反馈行为，表征了所述第一用户对所推荐应对措施是否接受；部分举例中，还可进一步表征出第一用户对所推荐应对措施的接受程度。对应的，表征接受的用户反馈行为可理解为正向行为(或正向反馈行为)，表征不接受的用户反馈行为可理解为负向行为(或负向反馈行为)。
步骤S13中的接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；该被接受度，可理解为被接受程度、被接受概率等，还可被描述为离线概率。进而，根据大量用户的反馈，和/或同一用户不同的反馈，累积正负向行为，从而累积计算接受度评估信息。
步骤S14中的目标应对措施，源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
在步骤S14中，可筛选推荐接受度评估信息最高的一个或多个可选应对措施，也可推荐所有可选应对措施；此外，在所推荐的可选应对措施(即目标应对措施)为多个的情况下，可基于接受度评估信息对该多个目标应对措施进行排序，例如：接受度评估信息越高，排序越靠前。
其中，推荐的方式可例如：以文字、图像、语音等至少之一方式将应对措施反馈出来，具体的，可以询问的方式进行反馈。
以上方案中，可在向用户推荐应对措施之后，基于用户反馈行为确定接受度评估信息，进而，可基于接受度评估信息，向所述目标用户推荐至少一个目标应对措施，可见，推荐结果(例如所推荐的目标应对措施，和/或其排序)会随着用户反馈行为而变化，其不再局限于固定的推荐结果，便于适配变化、满足用户的需求。
其中一种实施方式中，步骤S11中，可在目标驾驶场景下随机推荐给用户对应的内容或操作建议(即随机推荐至少一个应对措施)，然后在步骤S12与步骤S13中，根据用户接受还是拒绝来积累正负向行为。
其中一种实施方式中，请参考图2，步骤S13可以包括：
S131：基于所述当前的用户反馈行为、历史反馈行为，以及时间衰减指数，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息；
其中的历史反馈行为表征了：针对所述目标驾驶场景的可选应对措施的过去的用户反馈行为；其可以是第一用户的用户反馈行为，也可以是其他用户的用户反馈行为。
所述时间衰减指数表征了用户反馈行为与当前时间的间隔长度对所述接受度评估信息的影响。
一种举例中，可在每次发生正向行为(即接受对应应对措施的用户反馈行为)后，累加一个指定数值，每次发生负向行为(即不接受对应应对措施的用户反馈行为)，则累减一个指定数值，进而可基于累积计算的数值形成接受度评估信息(例如直接作为接受度评估信息，或基于累积计算的数值计算出接受度评估信息)；
在此基础上的一种举例中，可只保留与当前时间在间隔长度内的正向行为、负向行为累积计算的数值，例如，仅计算一周内的正负向行为的累积计算的数值。在此基础上的另一种举例中，处于不同间隔长度区间范围的正向行为所累加的指定数值是不同的，处于不同间隔长度区间范围的负向行为所累减的指定数值是不同的，且距离当前时间越远，指定数值越小，例如：一季度以内的正向行为在累加时累加x1数值，一季度以上的正向行为在累加时累加x2数值，且x2小于x1。
通过以上方案，保障了：接受度评估信息可满足一段时间内的反馈行为，并且，不同时期下用户的需求可能是不同的，例如暑假期间的用户需求与开学之后的用户需求可能不同，月初的用户需求与月底的用户需求可能不同，故而，充分考虑时间衰减的影响之后，可有助于提升接受度评估信息的准确性与适配性。
其中一种实施方式中，请参考图3，步骤S13可以包括：
S132：基于所述当前的用户反馈行为，以及预设的入人工干预评分，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息。
其中的人工干预评分可以是预设的评分，一种举例中，可以是接受度评估信息的一个基础评分或附加评分，例如：针对某种场景、某种应对措施，或某场景下的某应对措施，可叠加一个基础评分或附加评分，在此基础上，可在基础评分的基础上，累积用户反馈行为(例如累加累减对应的数值)。
具体举例中，可结合步骤S131与步骤S132而实现：基于所述当前的用户反馈行为、历史反馈行为，以及时间衰减指数，在人工干预评分的基础上累积计算对应的数值，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息。
可见，以上方案中，可根据用户在该场景下对每个应对措施的接受与否来对应评分、并加入人工干预评分、时间衰减指数等，来计算出每个选项的离线概率
进而，可通过人为区分不同的场景、应对措施的人工干预评分而保障接受度评估信息的准确性。
此外，步骤S13中，非但可确定接受度评估信息，还可确定新的可选应对措施，在确定新的可选应对措施的同时，也可确定对应的接受度评估信息。
在具体举例中，还可运用汤普森采样强化学习算法，在用户实时反馈的基础上，既基于用户历史行为选项、又兼顾探索新选项，做到实时动态评分。
综上可见，在本发明的具体方案中，依据不同场景给不同用户推荐不同功能是汽车智能化的重要里程碑，所以这里尝试通过算法帮助车主体验到驾驶智能化，并且实时动态调整，均衡负载安全，结合大量用户数据与相应算法推荐效果有保障。
请参考图4，本发明实施例还提供了一种驾驶反馈推荐的处理装置200，包括：
第一推荐模块201，用于在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；所述目标驾驶场景源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；
反馈行为确定模块202，用于确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；
接受度评估模块203，用于基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，所述接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；
第二推荐模块204，用于在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施，所述目标应对措施源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
可选的，所述多个驾驶场景包括：至少一个业务场景，其中，不同业务场景表征了用户使用车辆的不同需求。
可选的，所述多个驾驶场景包括：至少一个tbox触发场景，所述tbox触发场景是基于车辆的tbox车机数据而确定的。
可选的，所述应对措施包括以下至少之一：
向用户推荐指定操作，所述指定操作指针对于车辆的操作；
向用户推荐地图中的指定对象。
可选的，所述接受度评估模块203，具体用于：
基于所述当前的用户反馈行为、历史反馈行为，以及时间衰减指数，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息；
其中，所述历史反馈行为表征了：针对所述目标驾驶场景的可选应对措施的过去的用户反馈行为，所述时间衰减指数表征了用户反馈行为与当前时间的间隔长度对所述接受度评估信息的影响。
可选的，所述接受度评估模块203，具体用于：
基于所述当前的用户反馈行为，以及预设的入人工干预评分，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息。
请参考图5，提供了一种电子设备30，包括：
处理器31；以及，
存储器32，用于存储所述处理器的可执行指令；
其中，所述处理器31配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器31能够通过总线33与存储器32通讯。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上所涉及的方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；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。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种驾驶反馈推荐的处理方法，其特征在于，包括：
在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；所述目标驾驶场景源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；
确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；
基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，所述接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；
在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施，所述目标应对措施源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
2.根据权利要求1所述的驾驶反馈推荐的处理方法，其特征在于，所述多个驾驶场景包括：至少一个业务场景，其中，不同业务场景表征了用户使用车辆的不同需求。
3.根据权利要求1所述的驾驶反馈推荐的处理方法，其特征在于，所述多个驾驶场景包括：至少一个tbox触发场景，所述tbox触发场景是基于车辆的tbox车机数据而确定的。
4.根据权利要求1所述的驾驶反馈推荐的处理方法，其特征在于，所述应对措施包括以下至少之一：
向用户推荐指定操作，所述指定操作指针对于车辆的操作；
向用户推荐地图中的指定对象。
5.根据权利要求1至4任一项所述的驾驶反馈推荐的处理方法，其特征在于，
所述基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，具体包括：
基于所述当前的用户反馈行为、历史反馈行为，以及时间衰减指数，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息；
其中，所述历史反馈行为表征了：针对所述目标驾驶场景的可选应对措施的过去的用户反馈行为，所述时间衰减指数表征了用户反馈行为与当前时间的间隔长度对所述接受度评估信息的影响。
6.根据权利要求1至3任一项所述的驾驶反馈推荐的处理方法，其特征在于，
所述基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，具体包括：
基于所述当前的用户反馈行为，以及预设的入人工干预评分，更新所述目标驾驶场景所对应的可选应对措施的接受度评估信息。
7.根据权利要求1至3任一项所述的驾驶反馈推荐的处理方法，其特征在于，应用于Kafka服务器集群，所述Kafka服务器集群包括多个服务器，且多个服务器的负载保持均衡。
8.一种驾驶反馈推荐的处理装置，其特征在于，包括：
第一推荐模块，用于在第一用户的车辆处于目标驾驶场景时，向所述第一用户推荐至少一个应对措施；所述目标驾驶场景源自预设的多个驾驶场景；所述驾驶场景表征了以下至少之一：所述目标用户驾驶车辆的时间、位置、路线、所述车辆的状态、所述车辆所处环境；
反馈行为确定模块，用于确定当前的用户反馈行为，所述当前的用户反馈行为表征了所述第一用户对所推荐应对措施是否接受；
接受度评估模块，用于基于所述当前的用户反馈行为，确定所述目标驾驶场景所对应的可选应对措施的接受度评估信息，所述接受度评估信息表征了：在所述目标驾驶场景下，所述可选应对措施的被接受度；
第二推荐模块，用于在目标用户的车辆处于所述目标驾驶场景时，基于所述目标驾驶场景所对应的每个可选应对措施的接受度评估信息，向所述目标用户推荐至少一个目标应对措施，所述目标应对措施源自所述目标驾驶场景的可选应对措施，所述目标用户为所述第一用户或区别于所述第一用户的第二用户。
9.一种电子设备，其特征在于，包括处理器与存储器，
所述存储器，用于存储代码；
所述处理器，用于执行所述存储器中的代码用以实现权利要求1至7任一项所述的方法。
10.一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111217929.6A CN113961806A (zh) | 2021-10-19 | 2021-10-19 | 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111217929.6A CN113961806A (zh) | 2021-10-19 | 2021-10-19 | 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113961806A true CN113961806A (zh) | 2022-01-21 |
Family
ID=79464642
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111217929.6A Pending CN113961806A (zh) | 2021-10-19 | 2021-10-19 | 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113961806A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114995658A (zh) * | 2022-08-02 | 2022-09-02 | 联友智连科技有限公司 | 一种应用于驾驶员不同情绪的主动交互推荐方法 |
-
2021
- 2021-10-19 CN CN202111217929.6A patent/CN113961806A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114995658A (zh) * | 2022-08-02 | 2022-09-02 | 联友智连科技有限公司 | 一种应用于驾驶员不同情绪的主动交互推荐方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12033091B2 (en) | Matching drivers with shared vehicles to optimize shared vehicle services | |
| US20140081675A1 (en) | Systems, methods, and apparatus for optimizing claim appraisals | |
| US9428195B1 (en) | Back-end event risk assessment with historical coaching profiles | |
| CA2619083A1 (en) | Smart inspections | |
| CN107392327A (zh) | 车辆维保管理方法 | |
| US20150066341A1 (en) | Method and device for determining a driving recommendation for a vehicle and method and device for providing a driving recommendation for a vehicle | |
| CN108803559B (zh) | 车辆故障分析方法、装置和系统 | |
| US20050015186A1 (en) | Method and system of managing service reminders using mileage estimates | |
| CN109767023A (zh) | 一种车辆载重状态的预估方法及系统 | |
| US11836748B2 (en) | System and methods for predicting rental vehicle use preferences | |
| CN105632222A (zh) | 预报到站时间的方法及其系统 | |
| CN113815464B (zh) | 充电桩的推荐方法、装置、车辆以及存储介质 | |
| US20150073933A1 (en) | Vehicle powertrain selector | |
| US11661072B1 (en) | Systems and methods of determining effectiveness of vehicle safety features | |
| EP3798602A1 (en) | On-road travel test system, and program for on-road travel test system | |
| CN113961806A (zh) | 驾驶反馈推荐的处理方法、装置、电子设备与存储介质 | |
| CN116772877B (zh) | 一种新能源汽车续航里程预测方法、系统、装置及介质 | |
| CN115083161B (zh) | 车辆停留点的评估方法、装置、电子设备及可读存储介质 | |
| KR20170033726A (ko) | 차량 빅데이터 서버 및 차량 빅데이터 서비스 방법 | |
| CN110553657B (zh) | 一种基于聊天机器人的导航方法及系统 | |
| US20040243289A1 (en) | Method and system of managing service reminders using mileage estimates | |
| CN109921955B (zh) | 业务量监控方法、系统、计算机设备和存储介质 | |
| CN111582527A (zh) | 行程时间的预估方法、装置、电子设备和存储介质 | |
| CN113537881A (zh) | 一种物流信息监控方法及系统 | |
| CN106651133B (zh) | 一种使用手机实现基于adas的用户驾驶行为评分方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240517 Address after: No. 2266 and 2299 Chaoyang South Street, Baoding City, Hebei Province, 071000 Applicant after: GREAT WALL MOTOR Co.,Ltd. Country or region after: China Address before: 200050 room 8041, 1033 Changning Road, Changning District, Shanghai (nominal Floor 9) Applicant before: Shanghai xianta Intelligent Technology Co.,Ltd. Country or region before: China |