CN114741047A - 一种音量调节方法及音量调节系统 - Google Patents

一种音量调节方法及音量调节系统 Download PDF

Info

Publication number
CN114741047A
CN114741047A CN202210336280.8A CN202210336280A CN114741047A CN 114741047 A CN114741047 A CN 114741047A CN 202210336280 A CN202210336280 A CN 202210336280A CN 114741047 A CN114741047 A CN 114741047A
Authority
CN
China
Prior art keywords
volume
vehicle
user
regression model
callable
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
CN202210336280.8A
Other languages
English (en)
Inventor
张双伟
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.)
FAW Group Corp
Original Assignee
FAW Group Corp
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 FAW Group Corp filed Critical FAW Group Corp
Priority to CN202210336280.8A priority Critical patent/CN114741047A/zh
Publication of CN114741047A publication Critical patent/CN114741047A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/165—Management of the audio stream, e.g. setting of volume, audio stream path
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mechanical Engineering (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Circuit For Audible Band Transducer (AREA)

Abstract

本申请提供了音量调节方法及音量调节系统，该音量调节系统包括：信息采集模块用于采集车辆状态特征、车辆的环境特征以及用户的特征；检测模块用于检测用户是否切换音源；数据处理模块用于在检测模块检测到用户切换音源时，根据信息采集模块采集到的车辆的状态特征、车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制音量调节控制模块调整媒体播放器的音量。实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。

Description

一种音量调节方法及音量调节系统
技术领域
本说明书一个或多个实施例涉及汽车技术领域，尤其涉及一种音量调节方法及音量调节系统。
背景技术
随着经济的发展，人们出行经常采用乘车出行，但是在人员下车时，往往容易出现高危险。
车辆的媒体功能，缓解了用户加载中的枯燥、疲劳，给用户带来了更好的驾驶体验。随着汽车网络化的发展，更多的媒体类app加入到用户应用列表，如新闻、视频、电台、音源等等。但是目前的车辆的媒体功能正在使用时，当设置音量大小后，切换不同音源后，由于不同音源原始声音大小有区别，需要重新调整音量大小。另外，车辆环境变化(车内有对话、通话、打开车窗)时，需要手调节音量。从而造成用户体验效果不好。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种音量调节方法及音量调节系统，提高用户的音乐体验。
第一方面，提供了一种音量调节系统，本申请提供的音量调节系统包括：
信息采集模块，用于采集车辆状态特征、所述车辆的环境特征以及用户的特征；
检测模块，用于检测用户是否切换音源；
音量调节控制模块，用于控制媒体播放器的音量调节；
数据处理模块，用于在所述检测模块检测到所述用户切换音源时，根据所述信息采集模块采集到的所述车辆的状态特征、所述车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制所述音量调节控制模块调整所述媒体播放器的音量。
在上述技术方案中，实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
在一个具体的可实施方案中，所述数据处理模块还用于：根据所述媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及所述信息采集模块采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；
并根据所述用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；并使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成可调用回归模型。
在一个具体的可实施方案中，所述数据处理模块还用于在离线状态生成所述可调用回归模型。
在一个具体的可实施方案中，所述数据处理模块还用于将所述可调用回归模型上传到云平台。
在一个具体的可实施方案中，所述数据处理模块还用于周期性上传所述可调用回归模型，以更新上传到所述云平台的可调用回归模型。
在一个具体的可实施方案中，所述车辆的环境信息包括：车辆的速度、车窗状态、车辆内是否有对话或者是否有接听电话。
在一个具体的可实施方案中，所述车辆的状态特征包括车辆的车龄、行驶公里数、最近保养时间、车辆音响品牌。
第二方面，提供了一种音量调节方法，该方法包括以下步骤：
检测用户是否切换音源；
采集车辆状态特征、所述车辆的环境特征以及用户的特征；
在所述检测模块检测到所述用户切换音源时，根据所述信息采集模块采集到的所述车辆的状态特征、所述车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制所述音量调节控制模块调整媒体播放器的音量。
在上述技术方案中，实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
在一个具体的可实施方案中，还包括：
根据所述媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及所述信息采集模块采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；
根据所述用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；
使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成可调用回归模型。
在一个具体的可实施方案中，所述方法还包括：
在离线状态生成所述可调用回归模型。
在一个具体的可实施方案中，还包括：
周期性上传所述可调用回归模型，以更新上传到所述云平台的可调用回归模型。
第三方面，提供了一种汽车，该汽车包括车体以及设置在所述车体内的上述任一项所述的音量调节系统。
在上述技术方案中，实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
第四方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现执行第二方面以及第二方面中任意一种可能的设计的方法。
第五方面，提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行第二方面以及第二方面中任意一种可能的设计的方法。
第六方面，还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行本申请第二方面以及第二方面中任意一种可能的设计的方法。
另外，第四方面至第六方面中任一种可能设计方式所带来的技术效果可参见方法部分中不同设计方式带来的效果，在此不再赘述。
附图说明
为了更清楚地说明本说明书一个或多个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说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的音量调节系统的结构框图；
图2为本申请实施例提供的离线构建回归模型的流程图；
图3为本申请实施例提供的在线音量调节的流程图；
图4为本申请实施例提供的音量调节方法的流程图；
图5为本申请实施例提供的电子设备的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本说明书实施例中所述支付涉及的技术载体，例如可以包括近场通信(NearField Communication，NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service，SMS)、多媒体消息(MultimediaMessage Service，MMS)等。
为方便理解本申请实施例提供的音量调节系统，首先说明其应用场景，本申请实施例提供的音量调节系统用于提供用户在车辆内听媒体播放器时的音量控制，现有技术中的音量控制在用户切换音源时，声音突变较大，对用户的影响较大。为此，本申请实施例提供了一种音量调节系统以及调节方法，下面结合具体的附图以及实施例对其进行说明。
首先参考图1，图1示出了本申请提供的音量调节系统的结构框图。本申请实施例提供的音量调节系统主体结构包括信息采集模块20、检测模块10、音量调节控制模块30以及数据处理模块40。其中，信息采集模块20以及检测模块10作为初始数据源，用以提供数据处理模块40进行数据处理的初始信息；音量调节控制模块30为执行单元，用于控制媒体播放器的音量调节。数据处理模块40作为一个中央数据处理的控制器，用以对信息采集模块20以及检测模块10检测的数据进行处理，并输出对音量调节控制模块30的控制方式，从而使得用户在乘车时可获取较好的体验。下面结合具体的附图以及实施例对其进行详细的描述。
检测模块10，用于检测用户是否切换音源。该音源可为电台的不同频道；或者为播放器播放放的存储卡的音源。该检测模块10可为媒体播放器的调整按钮。
对于信息采集模块20，其具体用于采集车辆状态特征、车辆的环境特征以及用户的特征；通过三个不同的信息作为评判当前车辆的音量控制的原始数据，并通过数据处理模块40对三个不同的信息进行数据处理，并将处理后的结果作为调控媒体播放器的音量的控制信息，从而增强用户在使用媒体播放器的舒适程度。
示例性的，信息采集模块20可包含不同的传感器或者通信模块。如采集车辆状态特征时，可通过车辆内设置的不同位置的传感器以及存储在车辆内的车辆数据。上述车辆的状态特征包括车辆的车龄、行驶公里数、最近保养时间、车辆音响品牌等不同的信息。在采集车辆的车龄时，可通过存储在车辆内的车辆信息获取车辆的车龄。在采集行驶里程时，可通过车辆存储的里程数据进行获取。最近保养时间可通过云平台获取车辆的保养信息，并确定车辆最近的保养时间；车辆音响品牌可通过存储在车辆内的车辆信息获取车辆的音响品牌。上述车辆状态特征为用以判定媒体播放器的音量时的一些硬件参考信息，用以通过上述数据判断媒体播放器的音量以及音质播放时的调整参数。
车辆的环境特征可以包括车辆速度、车窗状态、车内是否对话、车内是否接听电话等不同的信息。具体的，如采集车速时，可通过车辆的速度传感器，对车辆的行驶速度进行采集，或者通过采集迈速表的数据，获取车辆的行驶速度。而采集车窗状态时，可通过车窗控制器的数据采集车窗是否打开以及打开的幅度，从而获取车窗状态。在采集车内是否对话、车内是否接听电话等信息时，可通过声音传感器获取车辆内的乘客的是否存在对话，或者是否存在接听电话等信息，并且可通过检测到上述信息获取车内对话或者接听电话时的声音大小。从而使得数据处理模块40可根据上述信息进行调整。
在采集用户信息时，可通过用户特征识别传感器。该用户特征识别传感器可为摄像头或者虹膜传感器、指纹传感器等不同可识别不同用户的传感器。示例性的，在采用摄像头时，可通过摄像头采集的用户的图像信息与存储的用户信息进行比对，从而确定用户信息；在采用虹膜传感器或者指纹传感器时，同样可通过采集用户的虹膜特征或者指纹特征，与存储的用户信息比对，从而确定用户信息。应理解，上述摄像头、虹膜传感器或者指纹传感器为比较常见的传感器，其采集信息的方式不在此详细赘述。
数据处理模块40用以对上述信息采集模块20采集的信息进行处理，以在检测模块10检测到用户切换音源时，根据信息采集模块20采集到的车辆的状态特征、车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制音量调节控制模块30调整媒体播放器的音量。
具体的，该数据处理模块40根据媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及信息采集模块20采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；
并根据用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；并使用mape对机器学习生成的回归模型进行数据评估；在机器学习生成的回归模型通过mape评估后，生成可调用回归模型。
为方便理解，下面详细说明一下数据处理模块40，该数据处理模块40可为车辆的中央控制器。该中央控制器与车辆内的各个传感器信号连接以获取车辆的不同信息。示例性的，该数据处理模块40可存储有车辆的所有信息，其具体数据获取可通过信息采集模块20长期数据的采集，从而获得一个数量较大的数据库。
为了判断用户使用的媒体播放时的音量，数据处理模块40构建了可调用的回归模型。在具体构建该模型时，数据处理模块40在用户历史媒体播放数据提取每个音源、节目对应的用户设置的音量大小。示例的，在用户使用车辆的历史数据中挖掘用户习惯的音量大小，并根据媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及信息采集模块20采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征。
在具体构建该回归模型时，数据处理模块40根据用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；使用mape对机器学习生成的回归模型进行数据评估；在机器学习生成的回归模型通过mape评估后，生成以胎压为目的的回归模型。
XGBoost是一个优化的分布式梯度增强库，旨在实现高效，灵活和便携。它在Gradient Boosting框架下实现机器学习算法。XGBoost提供并行树提升(也称为GBDT，GBM)，可以快速准确地解决许多数据科学问题。相同的代码在主要的分布式环境(Hadoop，SGE，MPI)上运行，并且可以解决数十亿个示例之外的问题。在本申请实施例中，通过正常数据样本进行特征挖掘，并通过XGBoost进行模型训练，从而得到机器学习生成的回归模型。当然，除了采用XGBoost进行构建回归模型外，还可采用深度模型。
在构建好回归模型后，使用mape对机器学习生成的回归模型进行数据评估。具体的，构建测试集合样本，通过测试样本测试回归模型生成的音量与测试样本之间的差异，判定回归模型的准确度。若在机器学习生成的回归模型通过mape评估后，生成可调用的回归模型。若机器学习生成的回归模型未通过mape评估后，则继续训练回归模型，直至生成可通过mape评估的可调用的回归模型。
数据处理模块40在对信息采集模块20的数据进行处理时，基于上述回归模型进行评估。示例性的，信息采集模块20在采集到当前车辆的车辆状态以及用户信息时，将上述用户信息以及车辆状态导入到可调用的回归模型中，并通过可调用的回归模型生成用户历史过程中对当前状态的车辆设置的音量大小，并将该音量大小作为控制媒体播放器的音量数据。
如图3所示，示例性的，当用户A乘坐车辆时，当检测模块10检测到用户A切换音源时，则根据用户A的特征信息，从可调用的回归模型中查找对应用户A的音量控制习惯；之后通过信息采集模块20采用当前车辆状态特征以及环境特征等信息，并根据上述信息在可调用的回归模型中查找或者预测出在当前状态下用户A使用的音量大小，并以该音量大小作为调整目标，控制音量调节控制模块30调整媒体播放的声音。具体调整时，首先确定要切换的声音源的分贝，之后对比该声音源的分别与当前用户A的音量大小的分贝存在的差异，以该差异作为调整量对媒体播放器进行调整，从而避免在用户切换音源时，由于不同音源的音量差异，造成对用户的影响。
如图2所示，数据处理模块40还用于在离线状态先构建可调用的回归模型，并将回归模型上传到云平台。也即数据处理模块40具体构建上述回归模型时，其在离线状态下进行构建。如在一段时间内，数据处理模块40通过信息采集模块20采集的车辆状态特征、车辆的环境特征以及用户的特征，构建回归模型。并将构建的回归模型上传到云平台上进行存储。当需要使用时，数据处理模块40再通过云平台存储的数据处理模块40下载下来。当用户对媒体播放器的音量进行调整时，数据处理模块40还用于周期性构建回归模型；并上传云平台更新回归模型。也即对回归模型进行实时更新，根据用户的音量习惯的改变，不断的学习调整获取符合用户习惯的回归模型，从而可以得到更准确的判断依据。
通过上述描述可看出，本申请提供的音量调节系统实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
参考图4，图4示出了一种音量调节方法的流程图，该方法包括以下步骤：
步骤001：检测用户是否切换音源；
具体的，通过检测模块检测用户是否切换音源。该音源可为电台的不同频道；或者为播放器播放放的存储卡的音源。该检测模块可为媒体播放器的调整按钮。
步骤002：采集车辆状态特征、车辆的环境特征以及用户的特征；
具体的，通过信息采集模块进行信息采集，其具体用于采集车辆状态特征、车辆的环境特征以及用户的特征；通过三个不同的信息作为评判当前车辆的音量控制的原始数据，并通过数据处理模块对三个不同的信息进行数据处理，并将处理后的结果作为调控媒体播放器的音量的控制信息，从而增强用户在使用媒体播放器的舒适程度。具体参考图1的相关描述。
步骤003：在检测模块检测到用户切换音源时，根据信息采集模块采集到的车辆的状态特征、车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制音量调节控制模块调整媒体播放器的音量。
具体的，根据媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及信息采集模块采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；具体的，根据用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；使用mape对机器学习生成的回归模型进行数据评估；在机器学习生成的回归模型通过mape评估后，生成可调用回归模型。
另外，该步骤中还可采用在离线状态生成可调用回归模型。并且周期性上传可调用回归模型，以更新上传到云平台的可调用回归模型。具体的参考图1中的相关描述。
在上述技术方案中，实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
本申请实施例还提供了一种汽车，该汽车包括车体以及设置在车体内的上述任一项的音量调节系统。在上述技术方案中，实现了音源切换后，音量自动调整到适合用户的声音大小，避免声音大过大或过小，减少了用户对车辆的干预，更集中注意力驾驶。通过用户协调，实现了对新音源的处理。实现了车内有对话、通话时，音量自动降低音量；结束时恢复音量。
本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现执行上述任意一种可能的设计的方法。
本申请实施例还提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行上述任意一种可能的设计的方法。
本申请实施例还还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行本申请上述任意一种可能的设计的方法。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (14)

1.一种音量调节系统，其特征在于，包括：
信息采集模块，用于采集车辆状态特征、所述车辆的环境特征以及用户的特征；
检测模块，用于检测用户是否切换音源；
音量调节控制模块，用于控制媒体播放器的音量调节；
数据处理模块，用于在所述检测模块检测到所述用户切换音源时，根据所述信息采集模块采集到的所述车辆的状态特征、所述车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制所述音量调节控制模块调整所述媒体播放器的音量。
2.根据权利要求1所述的音量调节系统，其特征在于，所述数据处理模块还用于：根据所述媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及所述信息采集模块采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；
并根据所述用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；并使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成可调用回归模型。
3.根据权利要求2所述的音量调节系统，其特征在于，所述数据处理模块还用于在离线状态生成所述可调用回归模型。
4.根据权利要求3所述的音量调节系统，其特征在于，所述数据处理模块还用于将所述可调用回归模型上传到云平台。
5.根据权利要求4所述的音量调节系统，其特征在于，所述数据处理模块还用于周期性上传所述可调用回归模型，以更新上传到所述云平台的可调用回归模型。
6.根据权利要求2所述的音量调节系统，其特征在于，所述车辆的环境信息包括：车辆的速度、车窗状态、车辆内是否有对话或者是否有接听电话。
7.根据权利要求3所述的音量调节系统，其特征在于，所述车辆的状态特征包括车辆的车龄、行驶公里数、最近保养时间、车辆音响品牌。
8.一种音量调节方法，其特征在于，包括以下步骤：
检测用户是否切换音源；
采集车辆状态特征、所述车辆的环境特征以及用户的特征；
在所述检测模块检测到所述用户切换音源时，根据所述信息采集模块采集到的所述车辆的状态特征、所述车辆的环境特征以及用户的特征，在可调用回归模型中查找对应的音量设置信息；并根据查找到的音量设置信息控制所述音量调节控制模块调整媒体播放器的音量。
9.根据权利要求8所述的音量调节方法，其特征在于，还包括：
根据所述媒体播放器的历史播放数据提取每个音源、节目对应用户设置的音量大小；以及所述信息采集模块采集的媒体播放器历史播放数据对应的车辆的状态特征、车辆的环境特征及用户特征，构建用户设置音量大小样本构建特征；
根据所述用户设置音量大小样本构建特征，使用xgboost构建机器学习生成的回归模型；
使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成可调用回归模型。
10.根据权利要求9所述的音量调节方法，其特征在于，所述方法还包括：
在离线状态生成所述可调用回归模型。
11.根据权利要求10所述的音量调节方法，其特征在于，还包括：
周期性上传所述可调用回归模型，以更新上传到所述云平台的可调用回归模型。
12.一种汽车，其特征在于，包括车体以及设置在所述车体内的如权利要求1～7任一项所述的音量调节系统。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求8至11任意一项所述的音量调节方法。
14.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行权利要求8至11任一所述音量调节方法。
CN202210336280.8A 2022-03-31 2022-03-31 一种音量调节方法及音量调节系统 Pending CN114741047A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210336280.8A CN114741047A (zh) 2022-03-31 2022-03-31 一种音量调节方法及音量调节系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210336280.8A CN114741047A (zh) 2022-03-31 2022-03-31 一种音量调节方法及音量调节系统

Publications (1)

Publication Number Publication Date
CN114741047A true CN114741047A (zh) 2022-07-12

Family

ID=82278239

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210336280.8A Pending CN114741047A (zh) 2022-03-31 2022-03-31 一种音量调节方法及音量调节系统

Country Status (1)

Country Link
CN (1) CN114741047A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4316937A1 (en) * 2022-08-04 2024-02-07 e.solutions GmbH Electronic apparatus for trainable vehicle component setting and vehicle

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4316937A1 (en) * 2022-08-04 2024-02-07 e.solutions GmbH Electronic apparatus for trainable vehicle component setting and vehicle

Similar Documents

Publication Publication Date Title
KR102557956B1 (ko) 딥 러닝 모델들의 분산 훈련을 위한 시스템들 및 방법들
US10930281B2 (en) Method, apparatus and system for testing intelligent voice device
US11169827B2 (en) Resource loading at application startup using attributes of historical data groups
CN109558512B (zh) 一种基于音频的个性化推荐方法、装置和移动终端
CN104301528B (zh) 显示信息的方法及装置
CN110992963B (zh) 网络通话方法、装置、计算机设备及存储介质
CN105160327A (zh) 建筑物识别方法和装置
CN107871001B (zh) 音频播放方法、装置、存储介质及电子设备
CN110009059B (zh) 用于生成模型的方法和装置
US20170337098A1 (en) Cloud device, terminal device, and method for handling abnormalities therein
CN108831508A (zh) 语音活动检测方法、装置和设备
CN109726709A (zh) 基于卷积神经网络的图标识别方法和装置
CN103886284A (zh) 人物属性信息识别方法、装置及电子设备
CN104991847A (zh) 一种内存泄露自动化检测方法、装置及移动终端
CN112115894A (zh) 手部关键点检测模型的训练方法、装置及电子设备
CN107341226B (zh) 信息展示方法、装置及移动终端
CN109688535A (zh) 确定无线热点地理位置的方法、装置、电子设备及介质
CN114741047A (zh) 一种音量调节方法及音量调节系统
CN112037223A (zh) 图像缺陷检测方法、装置及电子设备
CN111126358A (zh) 人脸检测方法、装置、存储介质及设备
CN105551047A (zh) 图片内容的检测方法和装置
CN107657608A (zh) 图像质量确定方法、装置及电子设备
CN111798263A (zh) 一种交易趋势的预测方法和装置
CN111832354A (zh) 目标对象年龄识别方法、装置及电子设备
CN114559775A (zh) 一种汽车轮胎异常识别系统及识别方法

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