CN114117196A - 用于在车辆内向用户提供推荐服务的方法和系统 - Google Patents

用于在车辆内向用户提供推荐服务的方法和系统 Download PDF

Info

Publication number
CN114117196A
CN114117196A CN202010901164.7A CN202010901164A CN114117196A CN 114117196 A CN114117196 A CN 114117196A CN 202010901164 A CN202010901164 A CN 202010901164A CN 114117196 A CN114117196 A CN 114117196A
Authority
CN
China
Prior art keywords
user
data
vehicle
recommendation
sensor
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
Application number
CN202010901164.7A
Other languages
English (en)
Inventor
原嵩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bayerische Motoren Werke AG
Original Assignee
Bayerische Motoren Werke AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bayerische Motoren Werke AG filed Critical Bayerische Motoren Werke AG
Priority to CN202010901164.7A priority Critical patent/CN114117196A/zh
Priority to PCT/EP2021/070965 priority patent/WO2022048828A1/en
Priority to US18/023,844 priority patent/US20240025424A1/en
Priority to EP21749816.1A priority patent/EP4208836A1/en
Publication of CN114117196A publication Critical patent/CN114117196A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W40/09—Driving style or behaviour
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/143—Alarm means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W2050/146—Display means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Business, Economics & Management (AREA)
  • Human Computer Interaction (AREA)
  • Accounting & Taxation (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • User Interface Of Digital Computer (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种用于在车辆内向用户提供推荐服务的方法，其包括：实时检测在车辆中的用户的当前情绪状态；根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；在车辆上输出所述推荐服务。本发明还涉及一种用于在车辆内向用户提供推荐服务的系统，其包括：用于实时检测在车辆中的用户的当前情绪状态的情绪检测设备；用于根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务的推荐引擎；用于在车辆上输出所述推荐服务的输出设备。此外，本发明还包括一种计算机可读存储介质。

Description

用于在车辆内向用户提供推荐服务的方法和系统
技术领域
本发明涉及一种用于在车辆内向用户提供推荐服务的方法、一种计算机可读存储介质以及一种用于在车辆内向用户提供推荐服务的系统。
背景技术
现今，越来越多的互联网服务不时地向用户推送内容和/或服务。这使得用户随时随不顾其所在环境和情绪地可能受到过量信息的干扰，甚至于触怒用户，激发其采取不当的过激行为。这样的情况一旦发生在用户驾驶车辆中将可能导致交通安全上的严重影响。因此，如何在车辆中提供智能化的推荐服务成为亟待解决的技术问题。
然而，由于用户处于车辆内的时间以及车辆内可检测的反映行为习惯的数据较为有限，因而通过传统的车辆内部的推荐方法和系统很难精准地提供令用户满意的服务。
发明内容
本发明的任务在于，提供一种用于在车辆内向用户提供推荐服务的方法、计算机可读存储介质以及系统，使得在车辆驾驶过程中提供符合其个性化需求和实时状态的推荐服务。
本发明的第一方面涉及一种用于在车辆内向用户提供推荐服务的方法，所述方法包括：
-实时检测在车辆中的用户的当前情绪状态；
-根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
-在车辆上输出所述推荐服务。
在本发明中，借助于所述方法，推荐服务根据对用户实时检测的情绪状态并且在考虑到用户在车辆以外使用第三方服务所反映的用户行为习惯来生成。这意味着，一方面，所述推荐服务不仅会考虑到用户瞬间的动态情绪而且会考虑其长期的静态的行为习惯；另一方面，所述推荐服务不仅基于用户在车辆中的行为表现而且基于用户在车辆以外环境中的所反映出的习惯和偏好。由此，通过本发明能够精准地向车辆中的用户提供符合用户行为习惯且适合于其当前情绪状态的推荐服务，这样的推荐服务能够有效地保证用户在驾驶车辆中的交通安全性并且能够适应其个性化的需求。同时由于在生成推荐服务中使用了源自于第三方服务数据所产生的用户肖像和/或数据，也能够拓展推荐服务的类型和内容，从而在车辆中更为广泛地服务用户。
在此，所述第三方服务可以涉及日历信息、日程信息、电话表、待办事项列表、油门户网站、社交网络网站、在线办公网站、新闻网站、购物网站、折扣网站、外卖服务网站、预约服务网站、电子支付网站、电子阅读网站、音乐网站、有声书网站、交通网站、电影院网站、订票网站、旅游网站、航班网站、餐厅网站、酒店网站、评论网站或者天气网站等。所述第三方服务通常可以借助于个人电脑、智能手机、平板电脑、智能手环、智能音箱、智能眼镜等来使用。
在此，情绪可以包括：轻松、兴奋、高兴、低落、抑郁、忧伤、烦躁、急躁、焦虑、紧张、镇静、恐惧、疲劳等等。
举例而言，通过本发明，如果实时检测到用户处于轻松的情绪，则可以结合到其在在相同情绪下常使用订票网站或电影院网站预定电影票的历史数据向用户推荐特别是附近电影院中的影片信息或场次信息等。如果实时检测到用户处于兴奋的情绪，则可以结合到其在相同情绪下常使用购物网站购买酒类的历史数据向用户推荐酒类商品。如果实时检测到用户处于低落的情绪，则可以结合到其在相同情绪下常使用音乐网站播放特定歌曲或歌曲列表的历史数据在车辆中自动播放该歌曲或歌曲列表。如果实时检测到用户处于烦躁的情绪，则可以结合得到其在相同情绪下频繁在商店或餐馆使用电子支付的历史数据在车辆中规划路径或提供优选与当前位置相关的基于位置的服务(LBS)。由此可见，通过本发明能够精准地向车辆中的用户提供符合用户行为习惯且适合于其当前情绪状态的推荐服务。
按照本发明的一种实施方式，通过基于神经网络的推荐模型来确定所述推荐服务，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息来训练。为了准确预测所述推荐服务，有利地应用神经网络，由此实现模型的自学习以及对于海量数据的高效处理。在此，所述神经网络可以包括卷积神经网络(CNN)、深度神经网络(DNN)、递归神经网络(RNN)、LSTM神经网络、图神经网络等。在此，所述推荐模型通过从用户在使用第三方服务时的历史数据中所获取的商品/服务信息、地理信息和情绪信息来训练，由此保证推荐模型的输出数据在推算商品/服务相关性的同时考虑用户的情绪。
按照本发明的一种实施方式，所述地理信息为通过用户地理信息和商品/服务地理信息所确定的相对地理信息；和/或所述情绪信息为通过用户交互记录来确定。在此，由于车辆作为交通工具为用户带来机动性，在推荐模型的训练中更有意义的是输入相对地理信息。这样还能够更好的支持特别是基于位置的服务(LBS)这样的推荐服务。在此相对地理信息可以为用户地理信息与商品/服务地理信息的相对距离。优选地可以对该相对距离划分等级。此外，通过用户交互记录、特别是用户在界面中的操作来提供情绪信息。研究发现，例如用户在情绪轻松或高兴时，更易进行频繁的不同主题的输入或跳换；而在情绪急躁时，更易进行页面快速上下滑动、返回和恢复等；在情绪低落时，操作更为迟缓且在页面停留时间更长。由此，通过这样的用户交互记录能够确定用户在使用第三方服务时刻的情绪。
按照本发明的一种实施方式，借助于层迁移技术通过源于车辆的数据集和/或用户肖像来修正所述推荐模型。为了使得推荐模型更为适合于在车辆中的使用，借助于层迁移技术进一步地将用户在车辆上的使用习惯和/或代表用户特质的用户肖像注入到推荐模型中。此外，还能高效地利用可能存在的神经网络模型，节省模型训练成本和时间，并避免源于车辆的数据集样本有限而带来的预测误差。
按照本发明的一种实施方式，在所述层迁移中保留原神经网络中部分层的参数，通过所述源于车辆的数据集重新进行训练，其中，所述源于车辆的数据集至少包括用户在车辆上的行为数据和反馈数据；和/或利用所述用户肖像建立损失函数，从而反向配置原神经网络中的参数。
按照本发明的一种实施方式，基于情绪判别模型根据当前的车辆状态数据、用户状态数据和用户交互数据来实时检测在车辆中的用户的当前情绪状态。为了在车辆中准确判别用户的情绪，在本发明中也优选地应用情绪判别模型，该情绪判别模型通过这样训练的情绪判别模型能够在车辆和/或后端中量化用户的情绪，或者说可以根据当前的车辆状态数据、用户状态数据和用户交互数据的输入来输出用户的当前情绪状态。
按照本发明的一种实施方式，所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类来训练。有利地，所述情绪判别模型同样可以是神经网络模型，如卷积神经网络(CNN)、深度神经网络(DNN)、递归神经网络(RNN)、LSTM神经网络、图神经网络等。
按照本发明的一种实施方式，所述车辆状态数据包括：雷达测距数据、速度数据、加速度数据、陀螺仪数据、挡位数据、地理信息数据、引擎转速数据、油门深度和/或速度数据、刹车深度和/或速度数据、方向盘角速度数据、空调数据以及车窗状态数据；和/或所述用户状态数据包括：车内摄像机数据、电磁波反射数据、方向盘和/或仪表盘压感数据、脉搏数据、呼吸数据、体温数据以及血压数据等；和/或所述用户交互数据包括：用户触摸输入数据、语音数据以及手势数据。在此，所述电磁波反射数据可以是在人体表面反射的WiFi反射数据或者蓝牙反射数据等，通过对于该数据的分析可以良好地识别用户的情绪。对此可以参见Emotion Recognition using Wireless Signals,M.Zhao,F.Adib and D.Katabi,ACMInternational Conference on Mobile Computing and Networking(MobiCom),2016。
按照本发明的一种实施方式，所述推荐服务包括娱乐建议、舒缓建议和安全建议中的至少一项。在此，所述娱乐建议包括：路线规划、提供基于位置的服务、日程规划和/或推荐内容显示等；所述舒缓建议包括：路线规划、提供基于位置的服务、音频播放、视频播放、氛围灯设置、座椅调整、车窗和/或座椅调整等；所述安全建议包括：语音提示、车速限制、油门限制、鸣笛限制和/或扬声器音量限制等。在此，例如可以在用户处于轻松、兴奋或高兴的情绪下提供娱乐建议，在用户处于低落、抑郁、忧伤、烦躁、急躁、焦虑、紧张、镇静、疲劳的情绪下提供舒缓建议，而在用户处于烦躁、急躁、紧张、疲劳的情绪下提供安全建议。在此，需要说明的是，通过本发明不仅可以同时生成不止一种推荐服务，而且可以同时或时间上相继地输出所述不止一种推荐服务。示例性地，在用户急躁时，可以考虑首先输出安全建议，其可以包括通过语音提示用户当前的情绪可能带来安全风险，并且限制车速；接着还可以输出舒缓建议，例如基于当前位置提供关于前方的咖啡馆等休闲场所的信息，以便于用户适时缓解当前的急躁情绪。
按照本发明的一种实施方式，通过扬声器、显示器、空调、动力装置、氛围灯、车窗和/或座椅调整装置等来输出所述推荐服务。在此，例如可以通过扬声器播放语音提示、推荐的音频；通过显示器显示建议的路线规划、推荐内容(如推荐的商品信息或推荐的服务信息，如促销信息、电影场次信息、推荐的视频)；通过空调降低车内温度或开窗通风，以便用户缓解烦躁或紧张情绪使其冷静；通过氛围灯调节车内气氛观感；通过座椅调整装置使用户调整为更为舒适的姿态。
本发明的第二方面涉及一种计算机可读存储介质，所述存储介质具有可执行的指令，在执行所述指令时，所述指令促使计算机执行根据本发明的方法。
本发明的第三方面涉及一种用于在车辆内向用户提供推荐服务的系统，所述系统包括：
-情绪检测设备，其设置用于实时检测在车辆中的用户的当前情绪状态；
-推荐引擎，其设置用于根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
-输出设备，其设置用于在车辆上输出所述推荐服务。
在本发明中，借助于所述系统，所述推荐引擎根据对用户实时检测的情绪状态并且在考虑到用户在车辆以外使用第三方服务所反映的用户行为习惯来生成推荐服务。这意味着，一方面，所述推荐引擎不仅会考虑到用户瞬间的动态情绪而且会考虑其长期的静态的行为习惯；另一方面，所述推荐引擎不仅基于用户在车辆中的行为表现而且基于用户在车辆以外环境中的所反映出的偏好。由此，通过本发明能够精准地向车辆中的用户提供符合用户行为习惯且适合于其当前情绪状态的推荐服务，这样的推荐服务能够有效地保证用户在驾驶车辆中的交通安全性并且能够适应其个性化的需求。同时由于在推荐引擎生成推荐服务中使用了源自于第三方服务数据所产生的用户肖像和/或数据，也能够拓展推荐服务的类型和内容，从而在车辆中更为广泛地服务用户。
按照本发明的一种实施方式，所述推荐引擎中构建有基于神经网络的推荐模型，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息训练。
按照本发明的一种实施方式，所述情绪检测设备包括车辆状态传感器、用户状态传感器、用户输入器件以及情绪判别器，在所述情绪判别器中构建有情绪判别模型。优选地，所述情绪判别器设置在车辆中，以实时处理来自于所述车辆状态传感器、用户状态传感器和用户输入器件的数据，以及时地得到用户的当前情绪状态。
按照本发明的一种实施方式，所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类在后端中的情绪分析装置中训练。在此，所述情绪分析装置设置在后端中。由此有利地利用后端的更为强大的运算能力来训练情绪判别模型，并且可以将所训练的情绪判别模型的参数下发到设置在车辆中的情绪判别器，以提高情绪检测的实时性。
按照本发明的一种实施方式，所述车辆状态传感器包括：雷达、速度计、加速度计、陀螺仪、挡位传感器、定位传感器、引擎转速传感器、油门传感器、刹车传感器、方向盘传感器、空调传感器以及车窗状态传感器等；所述用户状态传感器包括：车内摄像机、电磁波信号接收器、设置在方向盘和/或仪表盘中的压力传感器、脉搏传感器、呼吸传感器、体温传感器以及血压传感器等；所述用户输入器件包括：按键、触摸屏、麦克风以及车内摄像机等。
按照本发明的一种实施方式，所述输出设备包括：扬声器、显示器、空调、动力装置、氛围灯以及座椅调整装置等。
按照本发明的一种实施方式，所述推荐引擎设置在后端中并且集成有对接第三方服务的接口。
需要说明的是，按照本发明一个方面的特征、元素、功能、效果和优势等同样可以参照本发明的其他方面的上述描述。此外，在本文献中所描述的各个方面可以多样化地彼此组合。
附图说明
图1示出按照本发明的用于在车辆内向用户提供推荐服务的方法的流程图；
图2示出按照本发明的基于神经网络的推荐模型的一种示例性的训练方式；
图3示出通过迁移学习对按照本发明的推荐模型的一种示例性的修正方式；
图4示出示出按照本发明的基于神经网络的情绪判别模型的一种示例性的训练方式；
图5示出按照本发明的用于在车辆内向用户提供推荐服务的方法的示例性的数据流向图；
图6示出按照本发明的用于在车辆内向用户提供推荐服务的系统的框图；
图7示出按照本发明的用于在车辆内向用户提供推荐服务的系统在车辆和后端中的示例性的布局；以及
图8示出按照本发明的用于在车辆内向用户提供推荐服务的系统在后端中的局部示意图。
具体实施方式
图1示出按照用于在车辆内向用户提供推荐服务的方法100的流程图。所述方法100包括：
步骤S1：实时检测在车辆中的用户的当前情绪状态；
步骤S2：根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
步骤S3：在车辆上输出所述推荐服务。
按照一种优选的实施例，通过基于神经网络的推荐模型来确定所述推荐服务，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息来训练。优选地，所述地理信息为通过用户地理信息和商品/服务地理信息所确定的相对地理信息；和/或所述情绪信息为通过用户交互记录来确定。在此，所述神经网络可以包括卷积神经网络(CNN)、深度神经网络(DNN)、递归神经网络(RNN)、LSTM神经网络、图神经网络等
图2示出按照本发明的基于神经网络的推荐模型的一种示例性的训练方式。在此，为了与下文相区分，在图2中所示的推荐模型被命名为初级推荐模型。不失一般性地，该初级推荐模型构成为按照本发明的推荐模型。
示例性地，初级推荐模型在此可以是深度神经网络(DNN)。在训练所述推荐模型的过程中至少使用从用户在使用第三方服务时的历史数据中所获取的商品/服务信息、地理信息和情绪信息作为训练数据集。如图2所示，可以对所述历史数据的记录ID和商品/服务信息进行过滤。此外，在用户使用第三方服务时的历史数据通常也包含有用户地理信息和商品/服务地理信息。在此为了更好地支持在车辆中的推荐服务、特别是基于位置的服务(LBS)，在推荐模型中的训练中使用相对地理信息，例如用户地理信息与商品/服务地理信息的相对距离或者对将该相对距离的分级。例如将所述相对距离简单地刻画为1(2公里以内)、2(5公里以内)、3(10公里以内)和4(10公里以外)。此外，在按照本发明的推荐模型的训练中不仅需要如同传统的推荐模型那样推算商品/服务的相关性，而且需要将用户当下的情绪信息引用到推荐模型中。为此可以对用户交互记录、特别是用户行为记录进行情感状态分类以推断用户的情绪信息。有利地，还将通过上述数据处理的记录ID、用户ID、商品/服务信息、相对地理信息、情绪信息等实施正则化处理，从而以统一的尺度将这些训练数据喂给推荐模型训练机。
按照本发明的一种优选的实施例，借助于层迁移技术通过源于车辆的数据集和/或用户肖像来修正所述推荐模型。优选地，在所述层迁移中保留原神经网络中部分层的参数，通过所述源于车辆的数据集重新进行训练，其中，所述源于车辆的数据集至少包括用户在车辆上的行为数据和反馈数据、特别是也可以包括车辆状态数据、用户状态数据和用户交互数据；和/或利用所述用户肖像建立损失函数，从而反向配置初级神经网络中的参数。
图3示出通过迁移学习对按照本发明的推荐模型的一种示例性的修正方式。在上述提及的初级推荐模型中，虽然在其中已考虑到情绪和行为习惯等因素，但还可以将该初级推荐模型进一步优化，以使得推荐模型更为适合于在车辆中的使用。在此借助于迁移学习或者说层迁移来实现对于推荐模型的优化和修正。如图3所示，采用层迁移的技术(LayerTransfer)，如箭头所示，示例性地将初级推荐系统的第0层到倒数第二层的参数迁入到优化推荐系统中。通过所述源于车辆的数据集重新进行训练，其中，所述源于车辆的数据集至少包括用户在车辆上的行为数据和反馈数据、特别是可以包括用户在车辆上出现的情绪数据，不限于此地还可以包括车辆状态数据、用户状态数据和用户交互数据。由此实现在推荐模型能够保留用户在不同情绪下的行为模式和偏好的预测。示例性地，在最终层中利用所述用户肖像建立损失函数，从而反向配置原神经网络中的参数。由此进一步地将用户在车辆上的使用习惯和/或代表用户特质的用户肖像注入到推荐模型中。这样修正的优化推荐模型既包含了用户普遍的使用习惯的信息，也具有对于车辆专属的信息。
按照本发明的一种优选的实施例，基于情绪判别模型根据当前的车辆状态数据、用户状态数据和用户交互数据来实时检测在车辆中的用户的当前情绪状态。有利地，所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类来训练。有利地，所述情绪判别模型同样可以是神经网络模型，如卷积神经网络(CNN)、深度神经网络(DNN)、递归神经网络(RNN)、LSTM神经网络、图神经网络等。在此，所述车辆状态数据可以包括：雷达测距数据、速度数据、加速度数据、陀螺仪数据、挡位数据、地理信息数据、引擎转速数据、油门深度和/或速度数据、刹车深度和/或速度数据、方向盘角速度数据、空调数据以及车窗状态数据；和/或所述用户状态数据可以包括：车内摄像机数据、电磁波反射数据、方向盘和/或仪表盘压感数据、脉搏数据、呼吸数据、体温数据以及血压数据等；和/或所述用户交互数据可以包括：用户触摸输入数据、语音数据以及手势数据。
图4示出示出按照本发明的基于神经网络的情绪判别模型的一种示例性的训练方式。在此，情绪判别模型可以基于递归神经网络(RNN)。所训练的情绪判别模型能够根据当前的车辆状态数据、用户状态数据和用户交互数据来实时检测在车辆中的用户的当前情绪状态。在此示例性列举了对于训练情绪判别模型所使用的训练数据：车辆状态数据、如侧向雷达测距数据、前向雷达测距数据、油门深度和/或速度数据、刹车深度和/或速度数据；用户状态数据、如WiFi反射数据、驾驶员摄像机数据；用户交互数据、如触摸屏输入数据；以及对于上述这些数据人工标识的情绪分类。在此，通过油门深度和/或速度数据、刹车深度和/或速度数据可以反映用户的操作力度和应激时间，而用户的操作力度和应激时间可以进一步映射出驾驶员的情绪。此外，前向和侧向雷达测距数据客观地反映出驾驶员的反应时间以及车辆行驶环境，从而实现综合性地评估驾驶员的情绪。通过这样训练的情绪判别模型能够在车辆和/或后端中量化用户的情绪，即根据车辆上能够测得的相关数据实时地检测在车辆中的用户的当前情绪状态。
图5示出按照本发明的用于在车辆内向用户提供推荐服务的方法100的示例性的数据流向图。在车辆运行过程中不断产生车辆状态数据、用户状态数据和用户交互数据。这些数据可以输入到按照本发明的情绪判别模型中以实时检测出用户的当前情绪状态。此外，从在使用第三方服务时的历史数据可以生成代表用户行为习惯的用户肖像。通过按照本发明的推荐模型(初级推荐模型或优化推荐模型)能够根据用户的当前情绪状态结合所述用户肖像来确定符合用户行为习惯且适合于其当前情绪状态的推荐服务。由此在车辆驾驶过程中向用户提供符合其个性化需求和实时状态的推荐服务。这样的推荐服务能够有效地保证用户在驾驶车辆中的交通安全性并且能够适应其个性化的需求。同时由于在生成推荐服务中使用了源自于第三方服务数据所产生的用户肖像和/或数据，也能够拓展推荐服务的类型和内容，从而在车辆中更为广泛地服务用户。
示例性地，按照本发明的推荐服务可以包括娱乐建议、舒缓建议和安全建议中的至少一项。在此，所述娱乐建议包括：路线规划、提供基于位置的服务、日程规划和/或推荐内容显示等；所述舒缓建议包括：路线规划、提供基于位置的服务、音频播放、视频播放、氛围灯设置、座椅调整、车窗和/或座椅调整等；所述安全建议包括：语音提示、车速限制、油门限制、鸣笛限制和/或扬声器音量限制等。在此优选地通过扬声器、显示器、空调、动力装置、氛围灯、车窗和/或座椅调整装置来输出所述推荐服务。
图6示出按照本发明的用于在车辆内向用户提供推荐服务的系统200，所述系统200包括：
-情绪检测设备201，其设置用于实时检测在车辆中的用户的当前情绪状态；
-推荐引擎202，其设置用于根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
-输出设备203，其设置用于在车辆上输出所述推荐服务。
图7示出按照本发明的用于在车辆内向用户提供推荐服务的系统200在车辆和后端中的示例性的布局。在此，按照本发明的系统200作为分布式系统部分地分布在车辆中并且部分地分布在后端中。在此，所述情绪检测设备201至少包括了车辆状态传感器、用户状态传感器、用户输入器件以及情绪判别器，在所述情绪判别器中构建有情绪判别模型。所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类在处于后端中的情绪分析装置中训练。由此，有利地利用后端的更为强大的运算能力来训练情绪判别模型，并且可以将所训练的情绪判别模型的参数下发到设置在车辆中的情绪判别器。对于情绪判别模型也参照本文的上述描述，并且在此不再赘述。如图7所示，所述情绪检测设备201还可以包括用于收集和发送数据的数据收集器以及用于接收和过滤数据的数据处理器。推荐引擎202示例性根据通过车辆中的情绪判别器所检测的用户的当前情绪状态结合用户肖像数据库内的用户肖像来确定符合用户行为习惯且适合于其当前情绪状态的推荐服务。
示例性地，所述车辆状态传感器可以包括：雷达、速度计、加速度计、陀螺仪、挡位传感器、定位传感器、引擎转速传感器、油门传感器、刹车传感器、方向盘传感器、空调传感器以及车窗状态传感器等；所述用户状态传感器可以包括：车内摄像机、电磁波信号接收器、设置在方向盘和/或仪表盘中的压力传感器、脉搏传感器、呼吸传感器、体温传感器以及血压传感器等；所述用户输入器件可以包括：按键、触摸屏、麦克风以及车内摄像机等。所述输出设备可以包括：扬声器、显示器、空调、动力装置、氛围灯以及座椅调整装置等。所述推荐引擎还可以集成有对接第三方服务的接口。
图8示出按照本发明的用于在车辆内向用户提供推荐服务的系统200在后端中的局部示意图。在此，所述推荐引擎202中构建有基于神经网络、特别是深度神经网络(DNN)的推荐模型，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息训练。对于推荐模型的具体细节参照本文的上述描述，并且在此不再赘述。
在图8中简化地示出推荐引擎202、特别是其中的推荐模型的输入和输出。在此，向推荐引擎202输入通过车辆中的情绪判别器所检测的用户的当前情绪状态，其例如是情绪兴奋、情绪低落、情绪急躁；并且调用在用户肖像数据库内的对应于用户ID的用户肖像。在此，为了推荐服务中可能包含的路径导航或基于位置的服务，也向推荐引擎202输入地理信息。由此，推荐引擎202中的经训练的推荐模型可以确定符合用户行为习惯且适合于其当前情绪状态的推荐服务。该推荐服务将回传给车辆，并且车辆中输出。所述推荐服务可以包括：娱乐建议、舒缓建议和/或安全建议，其中，所述娱乐建议包括：路线规划、提供基于位置的服务、日程规划和/或推荐内容显示；所述舒缓建议包括：路线规划、提供基于位置的服务、音频播放、视频播放、氛围灯设置、座椅调整、车窗和/或座椅调整；所述安全建议包括：语音提示、车速限制、油门限制、鸣笛限制和/或扬声器音量限制。如上所述，由包括扬声器、显示器、空调、动力装置、氛围灯以及座椅调整装置等输出设备来具体输出所述推荐服务。
本发明还可以是计算机程序产品。计算机程序产品可以包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质。
计算机可读存储介质可以是可保存和存储用于由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是，例如但不限于，电子存储设备、磁存储设备、光学存储设备、电磁存储设备、半导体存储设备或上述的任何合适的组合。
计算机可读程序指令可以完全在用户的车辆上执行、部分地在用户的车辆的计算单元上执行、作为独立的软件包执行、部分地在用户的车辆的计算单元上并且部分地在后端上执行或者完全在后端或服务器上执行。在一些实施例中，包括例如可编程逻辑电路系统、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路系统可以通过利用个性化电子电路系统的计算机可读程序指令的状态信息来执行计算机可读程序指令，以便执行本发明的各方面。
本文参考根据本发明的实施例的方法、系统和计算机程序产品的流程图和/或框图描述了本发明的各方面。应当理解的是，流程图和/或框图中的每个方框以及流程图和/或框图中的方框的组合可以由计算机可读程序指令来实现。
本发明不限于所示的实施例，而是包括或者延及可落入所附权利要求书的有效范围内的所有技术上的等效物。在说明书中所选择的位置说明如例如上、下、左、右等等参照直接的描述以及示出的附图并且在位置变化时按照意义能转用到新的位置上。
在本申请文件中公开的特征不仅可以单独地而且可以以任意组合的方式对于实施例在不同的设计方案方面的实现来说是重要的并且可以被实现。
尽管一些方面与设备相关联地描述，但是应理解为：这些方面也是相应的方法的说明，从而模块的一个器件或者系统的一个设备或装置也可以理解为相应的一个方法步骤或者方法步骤的一个特征。与此类似地，与一个方法步骤或者作为一个方法步骤相关联地描述的方面也是相应的设备的相应的模块或者细节或者特征的说明。
因此，计算机可读存储介质可以是机器可读的或者计算机可读的。因此，一些实施例中计算机可读存储介质包括数据载体，所述数据载体具有可执行的指令，所述可执行的指令能够与可编程的计算机系统或者可编程的硬件组件这样配合作用，使得实施在此描述的方法中的一种方法。因此，一种实施例是一种数据载体、一种数字存储介质或者一种计算机可读储存介质，在该数据载体上记录有用于实施在此描述的方法中的一种方法的程序。
此外，另一种实施例是数据流、信号顺序或者信号序列，所述数据流、信号顺序或者信号序列是用于实施在此描述的方法中的一种方法的程序。数据流、信号顺序或者信号序列例如可以配置用于经由数据通信连接、例如经由互联网或者其它网络传输。因此，实施例也可以是代表数据的信号序列，所述信号序列适用于经由网络或者数据通信连接的发送，其中，所述数据是程序。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (18)

1.用于在车辆内向用户提供推荐服务的方法，所述方法包括：
-实时检测在车辆中的用户的当前情绪状态；
-根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
-在车辆上输出所述推荐服务。
2.按照权利要求1所述的方法，其特征在于，通过基于神经网络的推荐模型来确定所述推荐服务，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息来训练。
3.按照权利要求2所述的方法，其特征在于，所述地理信息为通过用户地理信息和商品/服务地理信息所确定的相对地理信息；和/或所述情绪信息为通过用户交互记录来确定。
4.按照权利要求2或3所述的方法，其特征在于，借助于层迁移技术通过源于车辆的数据集和/或用户肖像来修正所述推荐模型。
5.按照权利要求4所述的方法，其特征在于，在所述层迁移中保留原神经网络中部分层的参数，通过所述源于车辆的数据集重新进行训练，其中，所述源于车辆的数据集至少包括用户在车辆上的行为数据和反馈数据；和/或利用所述用户肖像建立损失函数，从而反向配置原神经网络中的参数。
6.按照权利要求1至5之一所述的方法，其特征在于，基于情绪判别模型根据当前的车辆状态数据、用户状态数据和用户交互数据来实时检测在车辆中的用户的当前情绪状态。
7.按照权利要求6所述的方法，其特征在于，所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类来训练。
8.按照权利要求7所述的方法，其特征在于，
所述车辆状态数据包括：雷达测距数据、速度数据、加速度数据、陀螺仪数据、挡位数据、地理信息数据、引擎转速数据、油门深度和/或速度数据、刹车深度和/或速度数据、方向盘角速度数据、空调数据以及车窗状态数据；和/或
所述用户状态数据包括：车内摄像机数据、电磁波反射数据、方向盘和/或仪表盘压感数据、脉搏数据、呼吸数据、体温数据以及血压数据；和/或
所述用户交互数据包括：用户触摸输入数据、语音数据以及手势数据。
9.按照权利要求1至8之一所述的方法，其特征在于，所述推荐服务包括：娱乐建议、舒缓建议和/或安全建议，其中，所述娱乐建议包括：路线规划、提供基于位置的服务、日程规划和/或推荐内容显示；所述舒缓建议包括：路线规划、提供基于位置的服务、音频播放、视频播放、氛围灯设置、座椅调整、车窗和/或座椅调整；所述安全建议包括：语音提示、车速限制、油门限制、鸣笛限制和/或扬声器音量限制。
10.按照权利要求1至9之一所述的方法，其特征在于，通过扬声器、显示器、空调、动力装置、氛围灯、车窗和/或座椅调整装置来输出所述推荐服务。
11.计算机可读存储介质，所述存储介质具有可执行的指令，在执行所述指令时，所述指令促使计算机执行按照权利要求1至10之一所述的方法。
12.用于在车辆内向用户提供推荐服务的系统，所述系统包括：
-情绪检测设备，其设置用于实时检测在车辆中的用户的当前情绪状态；
-推荐引擎，其设置用于根据用户的当前情绪状态结合用户肖像确定符合用户行为习惯且适合于其当前情绪状态的推荐服务，其中，所述用户肖像通过分析用户在使用第三方服务时的历史数据而生成；
-输出设备，其设置用于在车辆上输出所述推荐服务。
13.按照权利要求12所述的系统，其特征在于，所述推荐引擎中构建有基于神经网络的推荐模型，其中，所述推荐模型通过从所述历史数据中所获取的商品/服务信息、地理信息和情绪信息训练。
14.按照权利要求12或13所述的系统，其特征在于，所述情绪检测设备包括车辆状态传感器、用户状态传感器、用户输入器件以及情绪判别器，在所述情绪判别器中构建有情绪判别模型。
15.按照权利要求14所述的系统，其特征在于，所述情绪判别模型通过已有的车辆状态数据、用户状态数据、用户交互数据以及对其人工标识的情绪分类在后端中的情绪分析装置中训练。
16.按照权利要求14或15所述的系统，其特征在于，
所述车辆状态传感器包括：雷达、速度计、加速度计、陀螺仪、挡位传感器、定位传感器、引擎转速传感器、油门传感器、刹车传感器、方向盘传感器、空调传感器以及车窗状态传感器；
所述用户状态传感器包括：车内摄像机、电磁波信号接收器、设置在方向盘和/或仪表盘中的压力传感器、脉搏传感器、呼吸传感器、体温传感器以及血压传感器；
所述用户输入器件包括：按键、触摸屏、麦克风以及车内摄像机。
17.按照权利要求12至16之一所述的系统，其特征在于，所述输出设备包括：扬声器、显示器、空调、动力装置、氛围灯以及座椅调整装置。
18.按照权利要求12至17之一所述的系统，其特征在于，所述推荐引擎设置在后端中并且集成有对接第三方服务的接口。
CN202010901164.7A 2020-09-01 2020-09-01 用于在车辆内向用户提供推荐服务的方法和系统 Pending CN114117196A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010901164.7A CN114117196A (zh) 2020-09-01 2020-09-01 用于在车辆内向用户提供推荐服务的方法和系统
PCT/EP2021/070965 WO2022048828A1 (en) 2020-09-01 2021-07-27 Method and system for providing recommendation service to user within vehicle
US18/023,844 US20240025424A1 (en) 2020-09-01 2021-07-27 Method and System for Providing Recommendation Service to User Within Vehicle
EP21749816.1A EP4208836A1 (en) 2020-09-01 2021-07-27 Method and system for providing recommendation service to user within vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010901164.7A CN114117196A (zh) 2020-09-01 2020-09-01 用于在车辆内向用户提供推荐服务的方法和系统

Publications (1)

Publication Number Publication Date
CN114117196A true CN114117196A (zh) 2022-03-01

Family

ID=77207170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010901164.7A Pending CN114117196A (zh) 2020-09-01 2020-09-01 用于在车辆内向用户提供推荐服务的方法和系统

Country Status (4)

Country Link
US (1) US20240025424A1 (zh)
EP (1) EP4208836A1 (zh)
CN (1) CN114117196A (zh)
WO (1) WO2022048828A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115375001A (zh) * 2022-07-11 2022-11-22 重庆旅游云信息科技有限公司 一种用于景区的游客情绪评估方法及装置
CN117473003A (zh) * 2023-12-28 2024-01-30 山东街景智能制造科技股份有限公司 一种用于车辆定制的数据库管理方法
CN117520788A (zh) * 2024-01-05 2024-02-06 成都亚度克升科技有限公司 基于人工智能和大数据分析的音箱参数确定方法和系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10796176B2 (en) * 2010-06-07 2020-10-06 Affectiva, Inc. Personal emotional profile generation for vehicle manipulation
WO2020152678A1 (en) * 2019-01-22 2020-07-30 Adam Cogtech Ltd. Detection of cognitive state of a driver
US20200239004A1 (en) * 2019-01-30 2020-07-30 Cobalt Industries Inc. Dynamic recommendation and selection of vehicle output actions based on a profile model

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115375001A (zh) * 2022-07-11 2022-11-22 重庆旅游云信息科技有限公司 一种用于景区的游客情绪评估方法及装置
CN117473003A (zh) * 2023-12-28 2024-01-30 山东街景智能制造科技股份有限公司 一种用于车辆定制的数据库管理方法
CN117473003B (zh) * 2023-12-28 2024-03-22 山东街景智能制造科技股份有限公司 一种用于车辆定制的数据库管理方法
CN117520788A (zh) * 2024-01-05 2024-02-06 成都亚度克升科技有限公司 基于人工智能和大数据分析的音箱参数确定方法和系统
CN117520788B (zh) * 2024-01-05 2024-03-22 成都亚度克升科技有限公司 基于人工智能和大数据分析的音箱参数确定方法和系统

Also Published As

Publication number Publication date
EP4208836A1 (en) 2023-07-12
WO2022048828A1 (en) 2022-03-10
US20240025424A1 (en) 2024-01-25

Similar Documents

Publication Publication Date Title
US11837231B2 (en) Methods and vehicles for capturing emotion of a human driver and customizing vehicle response
US10960838B2 (en) Multi-sensor data fusion for automotive systems
US11853645B2 (en) Machine-led mood change
US10535341B2 (en) Methods and vehicles for using determined mood of a human driver and moderating vehicle response
CN109416733B (zh) 便携式个性化
CN114117196A (zh) 用于在车辆内向用户提供推荐服务的方法和系统
US20160239554A1 (en) Automatic search based on detected user interest in vehicle
JP2014135058A (ja) インタラクティブ車内広告の管理
WO2018174956A1 (en) Proactive incorporation of unsolicited content into human-to-computer dialogs
JP6713490B2 (ja) 情報提供装置及び情報提供方法
CN113424175A (zh) 直观的语音搜索
US20220412766A1 (en) Sentiment-based autonomous vehicle user interaction and routing recommendations
CN113386774A (zh) 通过感测车辆乘员的动作的非侵入式车内数据采集系统
US11847179B2 (en) Curated result finder
JP6552548B2 (ja) 地点提案装置及び地点提案方法
US20220397408A1 (en) Content Delivery In Real-Time Guided Navigation
JP2023057804A (ja) 情報処理装置、情報処理方法および情報処理プログラム

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