CN114684152A - 驾驶体验数据处理的方法、装置、车辆及介质 - Google Patents

Abstract

本发明公开了一种驾驶体验数据处理的方法、装置、车辆及介质，其中方法包括获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

Description

驾驶体验数据处理的方法、装置、车辆及介质

技术领域

本发明涉及智能驾驶技术领域，尤其涉及一种驾驶体验数据处理的方法、装置、车辆及介质。

背景技术

汽车行业正在智能化、网联化的方向转型中。智能汽车新时代对整车制造行业的要求也不断提升，如何完善车内人机交互体验、提升驾驶安全度、满足不同用户在不同场景下的需求成为了汽车行业工程师和设计师共同思考的严峻问题。随着车内智能化功能的增多，技术的变革推动着用户使用行为的改变。整车制造行业急需一种能够快速迭代检验车内人机逻辑性和功能完善度的方式，合理整合人、车、环境三个维度对功能的影响，以及不同天气、路况、地区、网联等多方面的车机需求。

因此现有技术还有待于进一步发展。

发明内容

针对上述技术问题，本发明提供了一种驾驶体验数据处理的方法、装置、车辆及介质。

本发明实施例的第一方面，提供一种驾驶体验数据处理的方法，包括：

获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；

基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；

基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

可选地，所述基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，包括：

获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据；

根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

可选地，所述获取用户画像及用户在驾驶车辆过程中的体验数据，包括：

根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像；

根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。

可选地，所述将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，包括：

以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度，判断所述情绪数据是否与所述车型配置数据有关；若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

可选地，所述若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析，包括：

根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。

可选地，所述基于分析结果预测用户的需求行为包括：

根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。

可选地，所述的驾驶体验数据处理的方法，还包括：将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，将性能配置优化结果以故事版的形式展现。

本发明实施例的第二方面，提供一种驾驶体验数据处理的装置，包括：

获取模块，用于获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；

分析模块，用于基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；

预测模块，用于基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

可选地，所述分析模块包括：

分析子单元，用于获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据；并根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

可选地，所述获取模块包括：

获取子单元，用于根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像；并根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。

可选地，所述分析模块包括：

第一分析子单元，用于以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度，判断所述情绪数据是否与所述车型配置数据有关；若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

可选地，所述第一分析子单元包括：

第二分析子单元，用于根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。

可选地，所述预测模块包括：

预测子模块，用于根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。

可选地，所述的驾驶体验数据处理的装置还包括输出模块，用于将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，将性能配置优化结果以故事版的形式展现。

本发明实施例的第三方面，提供一种车辆，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的驾驶体验数据处理的方法的步骤。

本发明实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上述的驾驶体验数据处理的方法的步骤。

本发明提供的技术方案中，通过用户画像及用户在驾驶车辆过程中的体验数据，然后基于用户的情绪数据结合驾驶场景、车型配置可以分析判断出用户对车辆功能的体验感受，从而快速搜集用户对车辆配置对场景的影响，便于场景库的故事版开发。

附图说明

图1为本发明实施例中一种驾驶体验数据处理的方法的应用场景图；

图2为本发明实施例中一种驾驶体验数据处理的方法的流程示意图；

图3为本发明实施例中用户画像收集示意图；

图4为本发明实施例中步骤S200的实现过程示意图；

图5为本发明实施例中一种远程自动泊车控制装置的示意图。

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。

国内智能汽车行业随着新能源的推广飞速发展，技术的革新改变了驾乘人与车交互的方式，新的技术也推动着整车领域的快速迭代。新技术开发基于与驾乘人员密切接触的人机触点，同时，新的技术也离不开场景的多维度检验。正是因为场景对汽车制造行业发展起着至关重要的作用，各企业也在不断探索汽车场景开发的方式。虽行业内对场景十分重视，但业内缺少一种可以针对不同车型和用户，且具有较强延展性的整合场景开发方式。

汽车人机随着车内屏幕数量不断增多且屏幕尺寸不断增大的趋势发展迅速。车内屏幕呈现的信息日益丰富的同时，屏幕背后的功能逻辑被归为与用户体验强相关的部分。智能汽车的人机设计为行业新兴且迅速发展领域，目前车内人机交互设计从视觉以及逻辑方面依赖网页和APP等设计严重，但由于用户与车内屏幕和与手机电脑等媒介的交互方式不同，如一贯沿用设计逻辑易对行车安全造成隐患，故针对移动端产品设计的研究在车机内并不一定具有通用性，需要针对不同工况和车的配置性能进行重新梳理。

不同车型的配置性能有着广泛的差异性，尤其在针对不同驾乘人员的使用习惯时，难以在整车设计的过程中覆盖全用户、全工况、全场景，汽车测试过程迭代成本大。本申请提供的方法可以针对大部分用户的常规行为模式，使车身性能配置和使用逻辑最大程度满足目标用户的使用习惯，完善受众的用户体验。

本申请提供的驾驶体验数据处理的方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102接收用户指令，并发送至服务器104，使得服务器104基于接收到的控制指令获取用户画像及用户在驾驶车辆过程中的体验数据。进一步，服务器104可以基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析。然后，服务器104可以基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。其中，终端102可以但不限于是各种车辆传感器、车辆控制器、车辆人机交互、个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

在一个实施例中，如图2所示，图2为本发明实施例中一种驾驶体验数据处理的方法示意图。所述驾驶体验数据处理的方法包括以下步骤：

步骤S100：获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据。

具体的，根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像。例如，包括用户特征人物手绘、年龄与居住地、家庭状况、职业、用户分类标签、爱好、消费观、购车用途、购车模式等方面，在车载系统中有各种APP账号可以获取用户的基本信息，例如车载系统通过微信、支付宝等账号登录，则可以根据用户的购物、支付信息获取用户的消费观等信息。当然主要信息以用户主动输入为主，以保证信息正确性。例如用户在购车后，定制个人服务时可以输入用户个人的兴趣、爱好、住址、年龄、职业等信息。

其中所述的体验数据包括各种各样的数据，可以理解为用户在驾车过程中可以采集到的所有数据，当然为完成本申请所要解决的技术问题，可以仅提取或直接获取部分信息，在一实施例中所述体验数据包括用户在驾车过程中的人机交互数据、驾驶场景数据。

需要说明的是驾车过程中包括上车前阶段（进入停车场后、用户近车5米时、用户走到车旁时），上车后阶段（用户落座后、车辆启动后），驾驶中阶段（驶出停车场、流畅驾驶、拥堵驾驶、车辆堵塞），暂时停车阶段（临时停车、交通信号灯起停），抵达时阶段（即将抵达终点、进入停车场后、车辆熄火后），用户下车后阶段。

人机交互数据则体现在用户操作车辆的数据，包括电机显示屏、语音控制、手势控制、踩踏制动板、转动方向盘、调节座椅、调节空调、调节后视镜、打开天窗、打开APP等等，驾驶场景数据包括驾驶过程中的环境数据、驾驶目的、天气情况、路况等等。

为获取用户的在驾驶过程中的体验，可以根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。进行频次统计便于计算分析出用户的行为规律，例如用户经常驾车旅行或者经常驾车出入机场等等数据，驾车旅行与驾车出入机场对车辆的配置需求也就会有侧重点，车辆的配置需求也会不同；因此需要对用户的数据进行分析处理。

步骤S200：基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，其中所述用户画像用于表征用户个人信息特征。

用户体验是对车辆的性能的认可程度，包括在不同驾驶场景中的需求，对功能的需求行为，在停车时对倒车雷达的配置有需求，在泊车时对自动泊车功能有需求；在出行时对车辆可以筛选优质的购物店、食宿地点、加油站点的智能推荐功能有需求。当然，不同的年龄的用户也会有不同的需求，一般相邻年龄段的人的需求都有近似性，因此可以根据年龄段对用户进行分类，制定用户画像。根据年龄制定用户画像仅是一种实施方式，还可以根据用户所在城市制定用户画像，比如北京、上海、广州、深圳的用户。又比如城镇的用户和乡村的用户，等等。可以通过不同的方式构建一种或多种用户画像。用户画像的数据可以如图3所示的方式进行搜集以及展示。

具体的，可以通过获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据。然后根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

作为一种实施方式，可以通过情绪识别模型进行用户情绪数据的分析与处理，例如利用模型训练的方式构建情绪识别模型。其中模型可以采用联合学习模型等，例如：Federated machine learning或者Federated Learning。

其中的情绪数据，可以为人为自定义，具体利用模型计算判断数值的结果。一种举例中，可以是“高兴”、“不高兴”等表征某种情绪的程度的信息，情绪作为被可量化的信息，可以用数值来表征高兴程度，也可以是“高兴”、“兴奋”、“失望”等表征的情绪信息。

假定某个时刻的情绪数据的分布是：高兴：-70％，不高兴：-20％，惊讶：-7％，失望：-13％，和原本的基本情绪做比对。数值占比大的就判定为当前情绪。作为一种方式，匹配评估数据或称偏差评估数据，可以为某数据总量下的数据分布情况。由于其数据总量不变，可保障评估数据尺度的统一性。

例如，如果发现有比较相似的，比如高兴-40％，惊讶-35％，又比如高兴-42％，惊讶-38％，进而两者差距较小，小于阈值，那么就需要根据其他的数据进行确认。例如上述数据是通过视频图像数据判断的，例如通过微表情数据得出，还可以通过用户的语音信息判断用户当前的情绪。当然，通过语音判断用户当前的情绪也可以采用情绪分析模型计算。

如果当前用户采用语音表达事情，该事情与体验有关则优先采用语音识别情绪，然后配合图像识别用户情绪；当然两者的识别可以独立进行。另外用户的健康数据、例如血压、血氧、脉搏等数据也可以作为判断用户情绪的一种参考数据或校正数据。例如通过健康手环可以实现监控用户的情绪，手环可以在佩戴时可以用来测量并追踪用户的生物信号，包括皮肤电反应、血容量、脉搏和皮肤温度（自主神经系统）。

在得出用户的驾驶情绪以后，再配合当前驾驶过程中的场景、用户目的需求等，可以对用户的行为进行分析。用户的目的需求也可以通过语音的方式进行表述，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析。

例如：用户在人车交互阶段要完成什么任务；用户某个阶段有什么需求，诉求、强弱等级如何；用户驾驶过程中对车辆的配置来说有什么痛点和兴奋点；根据以上信息所述有什么可挖掘的功能点。当然这些是对车辆体验的场景化的需求体验分析，具体落实在数据的分析中。

步骤S300：基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

在该步骤中，可以通过将关联的数据进行归类分析，利用聚类分析算法找寻用户的关注点，通常用户情绪波动较大的位置对应发生的驾驶场景为场景挖掘点，也是用户对于车辆驾驶过程中的需求体现；通过总结的方式得出聚类分析特征数据，将较为聚焦的需求输出为用户的需求行为，根据用户的需求行为可以根据不同的车型选择不同的性能优化配置，或者增加已有的配置，又或者开发新的功能。

例如，据不同车型基础性能、智能驾驶、安全配置、娱乐系统、底盘系统、内外部配置，分析符合用户预期的功能，代表产品特点的特色功能，有优化潜力的品质功能和非必须实现的附加功能。经过对用户痛点的挖掘，对应配置性能提升后，归纳用户情绪曲线。并分析方案中现实成本与解决效果之间的关系。从不同维度描述场景聚焦，如安全场景、感情化场景、车联网场景、多功能场景、消费前定制及售后服务场景等。

本发明提供的技术方案中，通过用户画像及用户在驾驶车辆过程中的体验数据，然后基于用户的情绪数据结合驾驶场景、车型配置可以分析判断出用户对车辆功能的体验感受，从而快速搜集用户对车辆配置对场景的影响，便于场景库的故事版开发。

进一步地，利用本申请的方案可以解决智能汽车新时代人、车、环境等维度中可变因素过多，导致场景无法梳理逻辑混乱等问题。同时，优化了整车行业不同领域工作人员的思维角度不同造成的协作方式。在场景开发环节需参考图示自上而下进行填写并开发，为了覆盖场景完善不可越级跳级。在检验功能必要性和冗余方面需自下而上，逐环检验，分析每个功能的出现是否优化了用户在某个阶段的体验感受，优化环节有哪些，成本有多少，有多少用户有相同感受，最终为车辆的配置开发提供依据。

更进一步地，故事板是软件显示效果的视觉草图，可以通过故事版展现用户的需求与对应的车辆配置数据，从而可以更为直观地为开发者提供开发依据。

可以事先将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，例如将自动泊车的图标、底盘的图标、优点的图标、缺点的图标、显示配置的图标、智能化的图标等等有关车辆配置的符号构建数据组，然后根据上述分析的用户需求行为结果，预测对应的车辆配置，以故事线的连接将性能配置优化结果以故事版的形式展现。

如图4所示，图4为上述步骤S200中的具体实现过程步骤，具体包括以下内容：

步骤S201：以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度。

该步骤中主要分析驾驶场景和车型配置是否引起用户的情绪波动，或者说对用户的需求产生了影响。如上述步骤S200中通过人工智能模型获取驾驶过程中的用户情绪数据的过程。

步骤S202：判断所述情绪数据是否与所述车型配置数据有关。

因为用户的情绪是多变的，并不一定是驾驶场景的变化或者车辆的配置不足引起的。也有可能是用户接了一通电话之后导致的情绪波动。因此，可以通过获取用户对车辆的人机交互数据予以确认，例如通过视频图像、通话记录等判断用户是否通话，通过用户操作车辆中控台、点击中控屏幕等行为进行判断。

步骤S203：若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

具体的，可以根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。比如根据不同年龄段的用户进行归类统计，当然也可以将用户的个人的历史数据进行统计。优选用户情绪波动过程中体验数据进行分析。

再根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。车辆的配置数据是已知的，根据分析用户对车辆功能点的情绪表现判断用户是否满意，或者是否有新的需求等。

举例而言，如果当前路况拥堵，用户需求找最接近的充电桩充电，用户通过了语音唤醒智能驾驶系统查询周围充电桩数据，但查询的充电桩位置较远当前路况不能及时达到，这会引起用户的不满，用户因此会有情绪波动，例如不高兴。

如果车辆具有换电配置，则可以排除充电桩充电的需求，直接以换电池的形式满足用户的需求。因此可以挖掘出用户在拥堵路况下、有需要车辆具有换电功能的车型配置的数据。

通过以上步骤的分析可以得出用户驾驶体验与用户在不同的驾驶场景、不同车辆配置的关系，从而可以分析判断用户的诉求，进而判断车辆的配置是否合理，是否需要优化，是否可以挖掘出用户的新的需求点，从而开发更好的驾驶场景，配置更好的功能。可以根据分析结果根据不同的维度进行场景的开发，例如安全场景、感情化场景、车联网场景、多功能场景、消费前定制及售后服务场景等。

如图5所示，本申请还提供一种驾驶体验数据处理的装置，包括：

获取模块510，用于获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；

分析模块520，用于基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；

预测模块530，用于基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

所述分析模块520包括：

分析子单元，用于获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据；并根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

所述获取模块510包括：

获取子单元，用于根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像；并根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。

所述分析模块520包括：

第一分析子单元，用于以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度，判断所述情绪数据是否与所述车型配置数据有关；若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

所述第一分析子单元包括：

第二分析子单元，用于根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。

所述预测模块530包括：

预测子模块，用于根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。

所述的驾驶体验数据处理的装置还包括输出模块，用于将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，将性能配置优化结果以故事版的形式展现。

本发明还提供一种车辆，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的驾驶体验数据处理的方法的步骤。

本发明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上存储计算机程序，所述计算机程序被处理器执行时实现上述的驾驶体验数据处理的方法的步骤。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

可以理解，计算机可读存储介质可以包括：能够携带计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器 (ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、以及软件分发介质等。计算机程序包括计算机程序代码。计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、以及软件分发介质等。

在本发明的某些实施方式中，所述装置可以包括控制器，控制器是一个单片机芯片，集成了处理器、存储器，通讯模块等。处理器可以是指控制器包含的处理器。处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理模块的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。

以上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精神和范围。

Claims (16)

1.一种驾驶体验数据处理的方法，其特征在于，包括：

获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；

基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；

基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

2.根据权利要求1所述的驾驶体验数据处理的方法，其特征在于，所述基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，包括：

获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据；

根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

3.根据权利要求1所述的驾驶体验数据处理的方法，其特征在于，所述获取用户画像及用户在驾驶车辆过程中的体验数据，包括：

根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像；

根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。

4.根据权利要求1所述的驾驶体验数据处理的方法，其特征在于，所述将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，包括：

以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度，判断所述情绪数据是否与所述车型配置数据有关；若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

5.根据权利要求4所述的驾驶体验数据处理的方法，其特征在于，所述若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析，包括：

根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。

6.根据权利要求5所述的驾驶体验数据处理的方法，其特征在于，所述基于分析结果预测用户的需求行为包括：

根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。

7.根据权利要求1所述的驾驶体验数据处理的方法，其特征在于，还包括：将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，将性能配置优化结果以故事版的形式展现。

8.一种驾驶体验数据处理的装置，其特征在于，包括：

获取模块，用于获取用户画像及用户在驾驶车辆过程中的体验数据，所述体验数据包括人机交互数据、驾驶场景数据；

分析模块，用于基于所述人机交互数据获取用户驾驶过程中对应驾驶场景的情绪数据，将所述情绪数据与所述驾驶场景数据、车型配置数据结合所述用户画像进行分析，所述用户画像用于表征用户个人信息特征；

预测模块，用于基于分析结果预测用户的需求行为，根据预测的用户的需求行为生产相应的性能配置优化结果。

9.根据权利要求8所述的驾驶体验数据处理的装置，其特征在于，所述分析模块包括：

分析子单元，用于获取人机交互数据中的语音、用户表情图像、用户坐姿数据、健康数据；并根据所述语音、用户表情图像、用户坐姿数据、健康数据计算用户在驾驶车辆过程中的情绪数据，所述情绪数据被根据驾驶场景标记分类。

10.根据权利要求8所述的驾驶体验数据处理的装置，其特征在于，所述获取模块包括：

获取子单元，用于根据用户输入或关联的账号信息中获取或搜集有关用户的数据，形成所述用户画像；并根据在驾驶过程中人机交互操作、驾驶环境、驾驶目的、行车路径、用户的驾驶状态获取人机交互数据以及驾驶场景数据，并对人机交互数据、驾驶场景数据进行频次统计。

11.根据权利要求8所述的驾驶体验数据处理的装置，其特征在于，所述分析模块包括：

第一分析子单元，用于以驾驶场景数据与车型配置数据为基础，统计驾驶过程中所述情绪数据表征的情绪类型与驾驶场景的关联程度，判断所述情绪数据是否与所述车型配置数据有关；若有关则建立用户情绪曲线，将所述情绪曲线与所述驾驶场景数据、车型配置数据结合所述用户画像进行关联分析。

12.根据权利要求11所述的驾驶体验数据处理的装置，其特征在于，所述第一分析子单元包括：

第二分析子单元，用于根据所述用户画像对所述用户情绪曲线按用户类型进行分类处理，对于不同类别的用户情绪曲线统计相应的驾驶场景数据与车型配置数据，将用户情绪曲线中波动情绪波动大的驾驶场景数据和车型配置数据归类分析，形成功能点与情绪的关联数据。

13.根据权利要求12所述的驾驶体验数据处理的装置，其特征在于，所述预测模块包括：

预测子模块，用于根据所述功能点与情绪的关联数据分析用户对于功能点的接受程度，基于所述接受程度预测用户的需求行为。

14.根据权利要求8所述的驾驶体验数据处理的装置，其特征在于，还包括输出模块，用于将包括有车辆的功能点、车辆配置、优缺点标签的故事符号组成故事版数据，将性能配置优化结果以故事版的形式展现。

15.一种车辆，其特征在于，包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至8中任一项所述的驾驶体验数据处理的方法的步骤。

16.一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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的驾驶体验数据处理的方法的步骤。

Images