CN115019420B - 开关锁控制方法、装置、设备和存储介质 - Google Patents
开关锁控制方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN115019420B CN115019420B CN202210602018.3A CN202210602018A CN115019420B CN 115019420 B CN115019420 B CN 115019420B CN 202210602018 A CN202210602018 A CN 202210602018A CN 115019420 B CN115019420 B CN 115019420B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- user behavior
- communication signal
- behavior prediction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006854 communication Effects 0.000 claims abstract description 138
- 238000004891 communication Methods 0.000 claims abstract description 135
- 108010076504 Protein Sorting Signals Proteins 0.000 claims abstract description 77
- 230000006399 behavior Effects 0.000 claims description 136
- 238000012549 training Methods 0.000 claims description 64
- 238000005070 sampling Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
- G07C9/00174—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys
- G07C9/00309—Electronically operated locks; Circuits therefor; Nonmechanical keys therefor, e.g. passive or active electrical keys or other data carriers without mechanical keys operated with bidirectional data transmission between data carrier and locks
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/12—Network monitoring probes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Lock And Its Accessories (AREA)
Abstract
本申请实施例提供了一种开关锁控制方法、装置、设备和存储介质，该方法应用于对车辆锁进行开关控制的车载终端，包括：响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列，用户终端中运行有与车辆锁绑定的数字钥匙；将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，用户行为预测信息用于指示用户的开关锁意图；根据用户行为预测信息对车辆锁进行开关控制。本申请可以根据用户终端在一个时间段内与车载终端通信过程中发出的通信信号序列，来预测出用户的开关锁行为信息，通过结合一段时间内通信信号的变化来实现用户开关锁意图的准确预测，避免出现对车辆开关锁的误控制，用户体验较好。
Description
技术领域
本申请涉及计算设备技术领域，尤其涉及一种开关锁控制方法、装置、设备和存储介质。
背景技术
随着科技的不断发展,汽车行业对汽车控制的智能性要求越来越高。在相关技术中，蓝牙数字钥匙可以在接近车辆时控制车辆解锁，并在远离车辆时控制车辆闭锁，从而使用户可以在不主动操作蓝牙数字钥匙的情况下，完成对车辆开关锁控制。
一般来说，蓝牙数字钥匙可以基于蓝牙信号估算蓝牙数字钥匙与车辆之间的距离，并设置一距离阈值，如果在某一时刻，当前距离大于距离阈值，则控制车辆解锁，而若当前距离小于距离阈值，则控制车辆闭锁。
但是，受外部环境的影响，以及蓝牙信号天生的波动特性，经常会出现某一时刻采集到的蓝牙信号不准确，进而造成对车辆开关锁的误控制，用户体验较差。
发明内容
本申请实施例提供一种开关锁控制方法、装置、设备和存储介质，能够保证车载终端接收到的信号的准确性，避免出现对车辆开关锁的误控制，用户体验较好。
第一方面，本申请实施例提供一种开关锁控制方法，应用于对车辆锁进行开关控制的车载终端，该方法包括：
响应于用户终端与所述车载终端的通信连接，获得所述用户终端发出的通信信号序列，所述用户终端中运行有与所述车辆锁绑定的数字钥匙；
将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，所述用户行为预测信息用于指示用户的开关锁意图；
根据所述用户行为预测信息对所述车辆锁进行开关控制。
第二方面，本申请实施例提供一种模型训练方法，该方法包括：
获取分别对应于多个场景类型的训练样本数据以及所述训练样本数据对应的监督信息，所述多个场景类型反映车辆所处多种不同场景，所述监督信息包括场景类型和用户的开关锁行为，所述训练样本数据为对开关锁操作期间用户终端与车载终端间的通信信号进行采样得到的通信信号样本序列；
根据所述训练样本数据以及所述训练样本数据对应的监督信息，对信息预测模型进行训练。
第三方面，本申请实施例提供一种开关锁控制装置，应用于对车辆锁进行开关控制的车载终端，该装置包括：
采样模块，用于响应于用户终端与所述车载终端的通信连接，获得所述用户终端发出的通信信号序列，所述用户终端中运行有与所述车辆锁绑定的数字钥匙；
获取模块，用于将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，所述用户行为预测信息用于指示用户的开关锁意图；
控制模块，用于根据所述用户行为预测信息对所述车辆锁进行开关控制。
第四方面，本申请实施例提供一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被车载终端的处理器执行时，使所述处理器执行上述开关锁控制方法。
第五方面，本申请实施例提供一种车载设备，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行上述开关锁控制方法。
在本申请实施例提供的方案中,响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列，将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，根据用户行为预测信息对车辆锁进行开关控制。即本申请可以根据用户终端在某一个时间段内与车载终端通信过程中发出的通信信号序列，来预测出用户的开关锁行为信息，再根据该用户行为预测信息对车辆锁进行相应的开关控制，通过结合一段时间内通信信号的变化情况来实现用户开关锁意图的准确预测，避免出现对车辆锁开关的误控制，用户体验较好。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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一种开关锁控制方法的流程图；
图2为本申请实施例提供的另一种开关锁控制方法的流程图；
图3为本申请实施例提供的一种信息预测模型训练方法的流程图；
图4为本申请实施例提供的一种开关锁控制装置的结构示意图；
图5为本申请实施例提供的一种车载设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面对本申请中涉及的名词进行说明：
数字钥匙：用户的诸如智能手机、平板电脑等终端中安装的用于对车辆进行开关锁控制的应用程序，该应用程序中绑定注册有用户信息、车辆信息等。
图1为本申请实施例提供的一种开关锁控制方法的流程图，该开关锁控制方法应用于对车辆锁进行开关控制的车载终端。如图1所示，该方法包括如下步骤：
101、响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列，用户终端中运行有与车辆锁绑定的数字钥匙。
102、将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，用户行为预测信息用于指示用户的开关锁意图。
103、根据用户行为预测信息对车辆锁进行开关控制。
上述步骤中，用户终端可以为智能手机、笔记本、可穿戴设备(如智能手环、智能手表等)等，车载终端用于验证数字钥匙、控制车辆锁开关等。该用户终端和车载终端可以通过蓝牙、WI FI、Z—Wave、NFC、UWB等近距离通信方式建立通信连接，连接简单，信号传输快速，无需进行布线操作。
实际应用中，用户预先开启用户终端中的数字钥匙，并开启蓝牙、WI FI等短距离通信功能，以便实现与车载终端的通信连接。当用户携带用户终端靠近至车辆预设范围内时，该用户终端与车载终端会自动完成通信连接。需要说明的是，用户终端与车载终端之所以会自动完成通信连接，是因为两者在之前建立过通信连接关系。若陌生用户携带其用户终端(即未与车载终端建立过通信连接关系的用户终端)靠近车辆，那么，车载终端则不会与其进行通信连接。而当用户携带用户终端远离车辆预设范围时，用户终端与车载终端之间的通信连接由连接状态变为断开状态，此时，车载终端就无法接收到用户终端发出的通信信号。
在用户终端与车载终端建立通信连接后，车载终端即可开始以设定的采样频率对用户终端发出的通信信号进行采样。对于采样时间，其可以为预先设定的时间段(如60s、90s等)，也可以自通信连接建立开始至通信连接断开的时间段内，不断的进行通信信号采样。其中，用户终端发出的通信信号中携带用户信息、车辆标识等。而该通信信号序列可以理解为：按照采样时间进行排序的一组通信信号强度值，例如，第1s采样获取的通信信号强度值，第2s采样获取的通信信号强度值……第100s采样获取的通信信号强度值。该第1s-100s采样获取的通信信号强度值按照采样时间排序，即可得到上述通信信号序列。
进一步地，当车载终端与用户终端建立通信连接后，还可以通过该用户终端发出的通信信号对该用户终端进行进一步判断，确定其是否安装有与本车辆对应的数字钥匙。若是，则继续保持通信连接状态；否则，断开该通信连接。
在上述采样操作结束后，将获得的通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，再根据该用户行为预测信息控制车辆锁开关即可。具体实施时，举例来说，若用户行为预测信息为靠近车辆，则判断用户想要对车辆立即进行开锁处理，此时，控制车辆锁立即打开；若用户行为预测信息为远离车辆，则判断用户想要立即对车辆进行锁车处理，此时，控制车辆锁立即关闭。
需要说明的是，本申请中的信息预测模型可以在车载终端中进行训练，也可以在外部的训练设备中进行训练，该训练设备可以为独立的服务器，也可以为云端设备等。而当将信息预测模型在外部的训练设备中进行训练时，为了使信息预测模型与车载终端的计算能力匹配，可以对训练好的信息预测模型进行格式转换，然后导入至车载终端中。实际应用中，格式转换可以使用TFLite框架，该TFLite框架十分适合于车载终端这样的低资源嵌入式设备。具体实施时，可以在训练设备对模型训练时将训练好的模型打包为TFLite格式，而在车载终端中集成有TFLite框架，应用时，直接在车载终端中导入训练好的模型(即信息预测模型)即可。可选地，本申请中的信息预测模型可以采用时序卷积网络模型(也称TCN模型)来进行训练。
另外，即使该模型是在车载终端侧完成训练的，由于初始训练出的模型参数可能较多，此时，也可以通过上述模型格式转换工具对初始训练得到的模型进行格式转换处理，使得转换后的模型参数规模更小，这样在使用模型的过程中(即在模型的推理阶段)，可以加速对输入数据的处理速度，降低车载终端的计算开销。
该训练好的信息预测模型用于预测出用户的开关锁行为信息，再根据该用户行为预测信息对车辆锁进行相应的开关控制。
在一可选实施例中，在向信息预测模型中输入通信信号序列后，该信息预测模型不仅可以输出用户行为预测信息以及用户行为预测信息对应的置信度，还可以输出车辆所处场景类型。在得到用户行为预测信息、用户行为预测信息对应的置信度和车辆所处场景类型后，若用户行为预测信息对应的置信度大于与车辆所处场景类型对应的设定阈值，则根据用户行为预测信息对车辆锁进行开关控制。其中，该车辆所处场景类型包括室内、室外、强干扰等场景类型。
实际应用中，可以针对不用场景类型预设不同的置信度阈值，比如针对一些周围存在较大干扰的场景，可以设置较低的置信度阈值，针对周围干扰较低的场景，可以设置较高的置信度阈值，以保证预测结果的可信性。
实际应用中，假设将通信信号序列输入至信息预测模型中，得到的信息预测模型输出的用户行为预测信息为靠近车辆，用户行为预测信息对应的置信度为80％，车辆所处场景类型为室内，而车辆所处场景类型(室内)对应的设定阈值为60％，那么此时，用户行为预测信息对应的置信度大于与车辆所处场景类型对应的设定阈值，根据此时的用户行为预测信息(靠近车辆)对车辆锁进行打开操作即可，上述仅提供了一具体实现方式，对于车辆所处场景类型对应的设定阈值并不以此为限。
基于上述，在本申请实施例提供的方案中,响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列，将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，根据用户行为预测信息对车辆锁进行开关控制。即本申请可以根据用户终端在某一个时间段内与车载终端通信过程中发出的通信信号序列，来预测出用户的开关锁行为信息，再根据该用户行为预测信息对车辆锁进行相应的开关控制，通过结合一段时间内通信信号的变化情况来实现用户开关锁意图的准确预测，避免出现对车辆锁开关的误控制，用户体验较好。
应理解，为了保证对车辆锁开关控制的实时性，选择合适的通信信号序列长度十分重要，如果通信信号序列过长，则会增加处理时间，对车辆锁开关控制的实时性较差。如果通信信号序列过短，则对车辆锁开关控制的准确性无法保障。基于此，本申请引入了滑动时间窗口，以保证向信息预测模型中输入的通信信号序列长度为合理的长度，具体如下：
图2为本申请实施例提供的另一种开关锁控制方法的流程图。如图2所示，该方法包括如下步骤：
201、响应于用户终端与车载终端的通信连接，根据设定的滑动窗口长度，依次获得用户终端发出的第一通信信号序列和第二通信信号序列。其中，第一通信信号序列对应的第一窗口的起点与第二通信信号序列对应的第二窗口的起点相差目标长度，该目标长度小于一个通信信号序列中包含的通信信号幅值个数。
202、将第一通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第一用户行为预测信息及第一用户行为预测信息对应的置信度。
203、若第一用户行为预测信息对应的置信度小于设定阈值，则将第二通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第二用户行为预测信息及第二用户行为预测信息对应的置信度。
204、若第二用户行为预测信息对应的置信度大于设定阈值，则根据第二用户行为预测信息对车辆锁进行开关控制。
实际应用中，假设设定的滑动窗口长度为100s，依次获得用户终端发出的第一通信信号序列(假设为用户终端在第1s-100s内发出的通信信号)和第二通信信号序列(假设为用户终端在第2s-101s内发出的通信信号)，那么此时，第一通信信号序列对应的第一窗口的起点与第二通信信号序列对应的第二窗口的起点相差的目标长度则为1s，上述示例仅为一具体实现方式，对于滑动窗口长度、第一通信信号序列对应的第一窗口的起点与第二通信信号序列对应的第二窗口的起点相差目标长度均不以此为限，只要能够保证目标长度小于一个通信信号序列中包含的通信信号幅值个数即可。
具体实施时，假设设定阈值为80％，将第一通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第一用户行为预测信息(假设为靠近车辆)，以及第一用户行为预测信息(靠近车辆)的置信度(假设为20％)那么此时可以确定，第一用户行为预测信息对应的置信度小于设定阈值。随后，将第二通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第二用户行为预测信息(假设为靠近车辆)，而第二用户行为预测信息(靠近车辆)对应的置信度(假设为90％)大于设定阈值，那么此时，即可根据第二用户行为预测信息(靠近车辆)对车辆锁进行打开操作，当然，上述仅提供了对车辆锁进行开关控制的一具体实现方式，并不以此为限。
需要说明的是，上述实施例中，在将通信信号序列输入至信息预测模型的过程中，每采集一个通信信号序列，就将一个通信信号序列输入至信息预测模型中，输出一个用户行为预测信息及用户行为预测信息对应的置信度。然后，根据用户行为预测信息对应的置信度与设定阈值进行比较即可。
此外，为了实现对车辆开关锁更精确的控制，还可以在根据用户行为预测信息对车辆锁进行开关控制时，考虑到用户与车辆之间的实际距离。
在一种可选的实施例中，获取用户行为预测信息(如靠近车辆、远离车辆)后，即相当于得到了一个大体的用户开关锁意图(开锁、关锁)。进一步，可以利用测距仪器(如激光测距仪、超声波测距仪等)确定用户与车辆之间的实际距离，根据用户行为预测信息和用户与车辆的实际距离确定更精细的用户开关锁意图(如实时开关锁、延时开关锁等)。
实际应用中，举例来说，可以确定一个距离阈值，如2m，假设获得的用户行为预测信息为靠近车辆，且测得的用户与车辆之间的实际距离为3m，此时，该实际距离大于距离阈值，则确定用户开关锁意图为延时开锁，而如果测得的用户与车辆的实际距离为1m，那么此时实际距离小于距离阈值，确定用户开关锁意图为实时开锁。同理，若获得的用户行为预测信息为远离车辆，且测得的用户与车辆的实际距离为3m，此时，该实际距离大于距离阈值，则确定用户开关锁意图为实时关锁，而如果测得的用户与车辆的实际距离为1m，那么此时实际距离小于距离阈值，确定用户开关锁意图为延时关锁。
在另一种可选的实施例中，信息预测模型输出的用户行为预测信息包括两个维度的信息，一个是行为分类信息(比如靠近/远离车辆)，另一个是距离分类信息(比如用户与车辆的距离是否小于设定的距离阈值)，根据该用户行为预测信息即可指示用户的开关锁意图：比如，将用户靠近车辆且距离车辆小于设定距离阈值的情形定义为实时开锁意图，将用户靠近车辆且距离车辆大于设定距离阈值的情形定义为延时开锁意图。具体如何根据行为和距离确定用户的开关锁意图可以参见上述实施例中的示例，在此不再赘述。
以上实施例使用的信息预测模型可以采用以下方法训练得到：
图3为本申请实施例提供的信息预测模型训练方法的流程图，如图3所示，该方法包括如下步骤：
301、获取分别对应于多个场景类型的训练样本数据以及训练样本数据对应的监督信息，多个场景类型反映车辆所处多种不同场景，监督信息包括场景类型和用户的开关锁行为，训练样本数据为对开关锁操作期间用户终端与车载终端间的通信信号进行采样得到的通信信号样本序列。
302、根据训练样本数据以及训练样本数据对应的监督信息，对信息预测模型进行训练。
可选地，本申请可以利用多个场景类型的训练样本数据训练出一个适用于各种场景的信息预测模型，也可以利用多个场景类型的训练样本数据训练出分别针对不同场景的信息预测模型。
其中，训练一个普适性的信息预测模型的过程如下：获取多个场景类型的训练样本数据以及训练样本数据对应的监督信息，将多个场景类型的训练样本数据分别输入至同一信息预测模型，基于该训练样本数据对应的监督信息，可以确定信息预测模型的损失函数，基于损失函数调整模型参数，以完成对这个信息预测模型的训练。通过上述方法训练得到的信息预测模型可以适用于任意场景类型，具有不同场景类型下控制车辆锁开关的能力。
需要说明的是，当信息预测模型输出的行为预测信息只包含行为分类信息(如靠近车辆、远离车辆)时，则模型训练过程中的监督信息包括用户的行为类别标签(靠近车辆、远离车辆)。而当信息预测模型输出的行为预测信息既包含行为分类信息，又包含距离分类信息时，则模型训练过程中的监督信息包括用户的行为类别标签，以及用户与车辆之间的距离类别标签(比如小于设定的距离阈值，大于设定的距离阈值两种类别标签)
基于这个信息预测模型，可以通过以下步骤对车辆锁进行开关控制：
1、响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列。
2、将通信信号序列输入至信息预测模型中，输出用户行为预测信息、用户行为预测信息对应的置信度和车辆所处场景类型。
3、若用户行为预测信息对应的置信度大于与车辆所处场景类型对应的设定阈值，则根据用户行为预测信息对车辆锁进行开关控制。
利用一个场景类型对应的训练样本数据训练与该场景类型对应的信息预测模型，具体过程如下：获取多个场景类型的训练样本数据以及训练样本数据对应的监督信息，将每个场景类型的训练样本数据分别输入至对应的信息预测模型，基于该训练样本数据对应的监督信息，可以确定相应各信息预测模型的损失函数，基于损失函数调整模型参数，以完成对每个场景类型对应的信息预测模型的训练。
在根据每个场景类型分别训练一个信息预测模型的情况下，通过以下步骤对车辆锁进行开关控制：
1、响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列。
2、将通信信号序列分别输入多个场景类型对应的多个信息预测模型中，以获得多个信息预测模型输出的多个用户行为预测信息以及多个用户行为预测信息的置信度。
3、根据多个用户行为预测信息的置信度，确定目标用户行为预测信息。
4、根据目标用户行为预测信息对车辆锁进行开关控制。
其中，目标用户行为预测信息可以是多个用户行为预测信息中置信度最高的用户行为预测信息。
实际应用中，假设存在三个场景类型(室内、室外和强干扰)对应的三个信息预测模型，在将通信信号序列分别输入至该三个信息预测模型中后，可以获得三个信息预测模型输出的三个用户行为预测信息(假设分别为靠近车辆、靠近车辆、远离车辆)以及三个用户行为预测信息的置信度(假设分别为70％、80％和90％)。那么此时，比较三个用户行为预测信息的置信度，根据其中置信度最高的90％，确定目标用户行为预测信息(即远离车辆)，随后根据该目标用户行为预测信息(远离车辆)对车辆锁进行锁车操作即可，上述仅提供了一具体实现方式，对于场景类型以及信息预测模型的个数等并不以此为限。
以下将详细描述本申请的一个或多个实施例的开关锁控制装置。本领域技术人员可以理解的是，这些开关锁控制装置均可使用市售的硬件组件通过本方案所教导的步骤进行配置来构成。
图4为本申请实施例提供的一种开关锁控制装置的结构示意图，该开关锁控制装置应用于对车辆锁进行开关控制的车载终端。如图4所示，该开关锁控制装置包括：采样模块41、获取模块42和控制模块43。
采样模块41，用于响应于用户终端与车载终端的通信连接，获得用户终端发出的通信信号序列，用户终端中运行有与车辆锁绑定的数字钥匙。
获取模块42，用于将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息，用户行为预测信息用于指示用户的开关锁意图。
控制模块43，用于根据用户行为预测信息对车辆锁进行开关控制。
可选地，采样模块41具体用于：根据设定的滑动窗口长度，依次获得用户终端发出的第一通信信号序列和第二通信信号序列，第一通信信号序列对应的第一窗口的起点与第二通信信号序列对应的第二窗口的起点相差目标长度，目标长度小于一个通信信号序列中包含的通信信号幅值个数。
可选地，控制模块43具体用于：将第一通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第一用户行为预测信息及第一用户行为预测信息对应的置信度；若第一用户行为预测信息对应的置信度小于设定阈值，则将第二通信信号序列输入至信息预测模型中，以获得信息预测模型输出的第二用户行为预测信息及第二用户行为预测信息对应的置信度；若第二用户行为预测信息对应的置信度大于设定阈值，则根据第二用户行为预测信息对车辆锁进行开关控制。
可选地，获取模块42还用于：将通信信号序列输入至信息预测模型中，以获得信息预测模型输出的用户行为预测信息、用户行为预测信息对应的置信度和车辆所处场景类型。基于此，所述控制模块43具体用于：若用户行为预测信息对应的置信度大于与车辆所处场景类型对应的设定阈值，则根据用户行为预测信息对车辆锁进行开关控制。
可选地，该装置还包括：格式转换模块，用于从训练设备获取经过格式转换后的信息预测模型，其中，经过格式转换使得信息预测模型与车载终端的计算能力匹配。
可选地，该装置还包括：训练模块，用于获取分别对应于多个场景类型的训练样本数据以及训练样本数据对应的监督信息，多个场景类型反映车辆所处多种不同场景，监督信息包括场景类型和用户的开关锁行为，训练样本数据为对开关锁操作期间用户终端与车载终端间的通信信号进行采样得到的通信信号样本序列，根据训练样本数据以及训练样本数据对应的监督信息，对信息预测模型进行训练。
可选地，所述训练模块还用于：根据不同场景类型对应的训练样本数据以及训练样本数据对应的监督信息，分别训练与不同场景类型对应的信息预测模型。
可选地，获取模块42还用于：将通信信号序列分别输入多个场景类型对应的多个信息预测模型中，以获得多个信息预测模型输出的多个用户行为预测信息以及多个用户行为预测信息的置信度。此时，控制模块43还用于：根据多个用户行为预测信息的置信度，确定目标用户行为预测信息；根据目标用户行为预测信息对车辆锁进行开关控制。
图4所示装置可以执行前述图1至图3所示实施例中提供的开关锁控制方法，详细的执行过程和技术效果参见前述实施例中的描述，在此不再赘述。
在一个可能的设计中，上述图4所示开关锁控制装置的结构可实现为车载设备，如图5所示，该车载设备可以包括：处理器51、存储器52、通信接口53。其中，存储器52上存储有可执行代码，当所述可执行代码被所述处理器51执行时，使第一处理器51至少可以实现如前述图1至图3所示实施例中提供的开关锁控制方法。
另外，本申请实施例提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器至少可以实现如前述图1至图3所示实施例中提供的开关锁控制方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助加必需的通用硬件平台的方式来实现，当然也可以通过硬件和软件结合的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以计算机产品的形式体现出来，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种开关锁控制方法，其特征在于，应用于对车辆锁进行开关控制的车载终端，所述方法包括：
响应于用户终端与所述车载终端的通信连接，获得所述用户终端发出的通信信号序列，所述用户终端中运行有与所述车辆锁绑定的数字钥匙；
将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，所述用户行为预测信息用于指示用户的开关锁意图；
根据所述用户行为预测信息对所述车辆锁进行开关控制；
其中，所述将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，包括：将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息、所述用户行为预测信息对应的置信度和车辆所处场景类型；
所述根据所述用户行为预测信息对所述车辆锁进行开关控制，包括：若所述用户行为预测信息对应的置信度大于与所述车辆所处场景类型对应的设定阈值，则根据所述用户行为预测信息对所述车辆锁进行开关控制。
2.根据权利要求1所述的方法，其特征在于，所述获得所述用户终端发出的通信信号序列，包括：
根据设定的滑动窗口长度，依次获得所述用户终端发出的第一通信信号序列和第二通信信号序列，所述第一通信信号序列对应的第一窗口的起点与所述第二通信信号序列对应的第二窗口的起点相差目标长度，所述目标长度小于一个通信信号序列中包含的通信信号幅值个数。
3.根据权利要求2所述的方法，其特征在于，所述将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，根据所述用户行为预测信息对所述车辆锁进行开关控制，包括：
将所述第一通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的第一用户行为预测信息及所述第一用户行为预测信息对应的置信度；
若所述第一用户行为预测信息对应的置信度小于设定阈值，则将所述第二通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的第二用户行为预测信息及所述第二用户行为预测信息对应的置信度；
若所述第二用户行为预测信息对应的置信度大于所述设定阈值，则根据所述第二用户行为预测信息对所述车辆锁进行开关控制。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
从训练设备获取经过格式转换后的所述信息预测模型，其中，经过所述格式转换使得所述信息预测模型与所述车载终端的计算能力匹配。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取分别对应于多个场景类型的训练样本数据以及所述训练样本数据对应的监督信息，所述多个场景类型反映车辆所处多种不同场景，所述监督信息包括场景类型和用户的开关锁行为，所述训练样本数据为对开关锁操作期间用户终端与车载终端间的通信信号进行采样得到的通信信号样本序列；
根据所述训练样本数据以及所述训练样本数据对应的监督信息，对所述信息预测模型进行训练。
6.根据权利要求5所述的方法，其特征在于，所述根据所述训练样本数据以及所述训练样本数据对应的监督信息，对所述信息预测模型进行训练，包括：
根据不同场景类型对应的训练样本数据以及所述训练样本数据对应的监督信息，分别训练与不同场景类型对应的信息预测模型。
7.根据权利要求6所述的方法，其特征在于，所述将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，包括：
将所述通信信号序列分别输入所述多个场景类型对应的多个信息预测模型中，以获得所述多个信息预测模型输出的多个用户行为预测信息以及所述多个用户行为预测信息的置信度；
所述根据所述用户行为预测信息对所述车辆锁进行开关控制，包括：
根据所述多个用户行为预测信息的置信度，确定目标用户行为预测信息；
根据所述目标用户行为预测信息对所述车辆锁进行开关控制。
8.一种开关锁控制装置，其特征在于，应用于对车辆锁进行开关控制的车载终端，所述装置包括：
采样模块，用于响应于用户终端与所述车载终端的通信连接，获得所述用户终端发出的通信信号序列，所述用户终端中运行有与所述车辆锁绑定的数字钥匙；
获取模块，用于将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息，所述用户行为预测信息用于指示用户的开关锁意图；
控制模块，用于根据所述用户行为预测信息对所述车辆锁进行开关控制；
所述获取模块具体用于：将所述通信信号序列输入至信息预测模型中，以获得所述信息预测模型输出的用户行为预测信息、所述用户行为预测信息对应的置信度和车辆所处场景类型；
所述控制模块具体用于：若所述用户行为预测信息对应的置信度大于与所述车辆所处场景类型对应的设定阈值，则根据所述用户行为预测信息对所述车辆锁进行开关控制。
9.一种非暂时性机器可读存储介质，其特征在于，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被车载终端的处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的开关锁控制方法。
10.一种车载设备，其特征在于，包括：存储器、处理器、通信接口；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1至7中任一项所述的开关锁控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210602018.3A CN115019420B (zh) | 2022-05-30 | 2022-05-30 | 开关锁控制方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210602018.3A CN115019420B (zh) | 2022-05-30 | 2022-05-30 | 开关锁控制方法、装置、设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115019420A CN115019420A (zh) | 2022-09-06 |
| CN115019420B true CN115019420B (zh) | 2024-03-01 |
Family
ID=83070987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210602018.3A Active CN115019420B (zh) | 2022-05-30 | 2022-05-30 | 开关锁控制方法、装置、设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115019420B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001015334A (ja) * | 1999-07-02 | 2001-01-19 | Toto Ltd | ラッチングソレノイドの作動検出回路 |
| EP1116845A2 (de) * | 2000-01-12 | 2001-07-18 | AUBI Baubeschläge GmbH | Fehlbedienungssicherung |
| WO2019210017A1 (en) * | 2018-04-27 | 2019-10-31 | Carrier Corporation | A gesture access control system and method of predicting mobile device location relative to user |
| CN111976649A (zh) * | 2020-08-28 | 2020-11-24 | 广州小鹏汽车科技有限公司 | 一种控制方法和装置 |
| CN111986351A (zh) * | 2020-07-24 | 2020-11-24 | 联合汽车电子有限公司 | 智能钥匙定位方法及系统 |
| CN112489260A (zh) * | 2020-12-14 | 2021-03-12 | 深圳市简工智能科技有限公司 | 防误闭锁系统及方法 |
| CN112562135A (zh) * | 2020-12-07 | 2021-03-26 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
| CN112639243A (zh) * | 2018-04-30 | 2021-04-09 | P·托菲列斯库 | 基于摄像头的免手动电动升降门 |
| CN112874469A (zh) * | 2021-02-23 | 2021-06-01 | 广州橙行智动汽车科技有限公司 | 一种车辆解闭锁控制方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9892326B2 (en) * | 2016-03-31 | 2018-02-13 | International Business Machines Corporation | Object detection in crowded scenes using context-driven label propagation |
| US10574824B2 (en) * | 2017-11-02 | 2020-02-25 | [24]7.ai, Inc. | Method and apparatus for facilitating agent conversations with customers of an enterprise |
-
2022
- 2022-05-30 CN CN202210602018.3A patent/CN115019420B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001015334A (ja) * | 1999-07-02 | 2001-01-19 | Toto Ltd | ラッチングソレノイドの作動検出回路 |
| EP1116845A2 (de) * | 2000-01-12 | 2001-07-18 | AUBI Baubeschläge GmbH | Fehlbedienungssicherung |
| WO2019210017A1 (en) * | 2018-04-27 | 2019-10-31 | Carrier Corporation | A gesture access control system and method of predicting mobile device location relative to user |
| CN110415389A (zh) * | 2018-04-27 | 2019-11-05 | 开利公司 | 姿势进入控制系统和预测移动设备相对于用户所在部位的方法 |
| CN112639243A (zh) * | 2018-04-30 | 2021-04-09 | P·托菲列斯库 | 基于摄像头的免手动电动升降门 |
| CN111986351A (zh) * | 2020-07-24 | 2020-11-24 | 联合汽车电子有限公司 | 智能钥匙定位方法及系统 |
| CN111976649A (zh) * | 2020-08-28 | 2020-11-24 | 广州小鹏汽车科技有限公司 | 一种控制方法和装置 |
| CN112562135A (zh) * | 2020-12-07 | 2021-03-26 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、车辆和存储介质 |
| CN112489260A (zh) * | 2020-12-14 | 2021-03-12 | 深圳市简工智能科技有限公司 | 防误闭锁系统及方法 |
| CN112874469A (zh) * | 2021-02-23 | 2021-06-01 | 广州橙行智动汽车科技有限公司 | 一种车辆解闭锁控制方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115019420A (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112874469B (zh) | 一种车辆解闭锁控制方法和装置 | |
| CN109514586A (zh) | 实现智能客服机器人的方法及系统 | |
| EP3671441B1 (en) | Application management method and apparatus, storage medium, and electronic device | |
| CN108923983B (zh) | 机会网络链路的预测方法、装置及可读存储介质 | |
| CN116306790B (zh) | 一种基于cnn-gru和注意力机制的近海船舶轨迹实时预测方法、系统、设备及介质 | |
| CN105529030A (zh) | 语音识别处理方法和装置 | |
| CN115366920B (zh) | 用于自动驾驶车辆的决策方法及装置、设备和介质 | |
| CN112766402A (zh) | 算法选择方法、装置和电子设备 | |
| CN115546293A (zh) | 障碍物信息融合方法、装置、电子设备和计算机可读介质 | |
| CN115374016A (zh) | 一种测试场景仿真系统、方法、电子设备及存储介质 | |
| CN115019420B (zh) | 开关锁控制方法、装置、设备和存储介质 | |
| CN116611482B (zh) | 模型训练方法、装置、电子设备及介质 | |
| CN116859317A (zh) | 电容式电压互感器计量误差预测方法及装置 | |
| CN115600101B (zh) | 一种基于先验知识的无人机信号智能检测方法及装置 | |
| CN113269301B (zh) | 基于神经网络估计多目标跟踪系统参数的方法及系统 | |
| CN113313086B (zh) | 特征向量转换模型处理方法、装置、服务器及存储介质 | |
| CN115439076A (zh) | 一种车辆状态数据处理方法及装置、电子设备及存储介质 | |
| US20210168195A1 (en) | Server and method for controlling server | |
| CN115031750B (zh) | 阻断路段的状态确定方法、装置及计算机程序产品 | |
| CN115598455B (zh) | 一种电子信息装备自动测试系统及测试方法 | |
| CN112966739B (zh) | 图像分类模型自学习的方法、装置、电子设备及存储介质 | |
| CN117709338A (zh) | 互动文本的识别方法、装置、电子设备及可读存储介质 | |
| CN111583956B (zh) | 语音处理方法和装置 | |
| CN118098203A (zh) | 说话对象识别的方法、装置以及计算机可读存储介质 | |
| CN118395443A (zh) | 测试用例生成方法及相关设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |