CN115391054B - 车机系统的资源分配方法及车机系统 - Google Patents

车机系统的资源分配方法及车机系统 Download PDF

Info

Publication number
CN115391054B
CN115391054B CN202211326751.3A CN202211326751A CN115391054B CN 115391054 B CN115391054 B CN 115391054B CN 202211326751 A CN202211326751 A CN 202211326751A CN 115391054 B CN115391054 B CN 115391054B
Authority
CN
China
Prior art keywords
vehicle
user
resource
machine system
target service
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
Application number
CN202211326751.3A
Other languages
English (en)
Other versions
CN115391054A (zh
Inventor
姚振中
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.)
Ningbo Joynext Technology Corp
Original Assignee
Ningbo Joynext Technology 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 Ningbo Joynext Technology Corp filed Critical Ningbo Joynext Technology Corp
Priority to CN202211326751.3A priority Critical patent/CN115391054B/zh
Publication of CN115391054A publication Critical patent/CN115391054A/zh
Application granted granted Critical
Publication of CN115391054B publication Critical patent/CN115391054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
    • G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
    • G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
    • 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
    • B60R16/023—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 transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供了一种车机系统的资源分配方法及车机系统，包括：车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与用户数据确定当前用户的用户画像；识别车辆场景，并基于当前用户的用户画像与识别到的车辆场景确定目标服务；根据预设规则执行资源调度操作以释放车机系统的空闲资源并将空闲资源分配给目标服务。本申请通过对用户进行画像并检测车辆场景，在车机系统高负荷的情况下针对性的分配资源，确保目标服务的正常使用，提升用户体验感；进一步，本申请在调度资源时从程序到服务线程再到子线程的逻辑依次进行处理，最大化的将释放有限的空闲资源，节省整车资源消耗。

Description

车机系统的资源分配方法及车机系统
技术领域
本申请涉及智能驾驶领域，特别涉及一种车机系统的资源分配方法及车机系统。
背景技术
随着当前车辆配置的提高，车机系统能够提供的服务也逐渐增加，然而随着可提供服务选项的增加，车机系统极易出现瞬间高负荷的情况从而导致无法正常提供相应的服务。
现有的应用于车机系统的资源分配方法，均设定固定的服务启动优先级和处理器算力分配，无法实时动态调整资源；其次，车机系统瞬间高负荷基本都体现在车主刚上车的阶段，而车辆一旦行驶基本上会停留在某一个服务上，现有技术方案只停留在是优化对车辆启动后固定到某个服务画面切换时的卡顿的优化，无法有效分配资源以解决车机系统高负荷的问题。
因此，亟需一种能够针对车主需求以及车辆状态，动态调整车机系统内资源分配的方法，以解决现有技术的上述技术问题。
发明内容
为了解决现有技术的不足，本申请的主要目的在于提供一种车机系统的资源分配方法及车机系统，以解决现有技术的上述技术问题。
为了达到上述目的，第一方面本申请提供了一种车机系统的资源分配方法，所述方法包括：
车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
在一些实施例中，所述资源调度操作包括第一调度操作、第二调度操作以及第三调度操作，所述空闲资源包括第一空闲资源、第二空闲资源以及第三空闲资源，所述根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务，包括：
检测所述车机系统的系统负荷并判断所述车机系统的系统负荷是否大于第一预设阈值；
若所述车机系统的系统负荷大于第一预设阈值，则执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务；
所述第一调度操作执行完毕后，若检测到所述车机系统的系统负荷大于第二预设阈值，则执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，其中，所述第二预设阈值小于所述第一预设阈值；
所述第二调度操作执行完毕后，若检测到所述车机系统的系统负荷大于所述第二预设阈值，则执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
在一些实施例中，所述执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务，包括：
步骤0、根据程序库中每一程序对应的触发次数，从所述程序库中筛选出一个或多个非常用程序以生成非常用程序列表；
步骤1、获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
步骤2、检测所述车机系统的系统负荷是否大于第二预设阈值；
步骤3、若所述车机系统的系统负荷小于等于所述第二预设阈值，则停止执行所述资源调度操作并将所述第一空闲资源调度给所述目标服务；
步骤4、若所述车机系统的系统负荷大于所述第二预设阈值，则继续获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
重复上述步骤1-4直至所述非常用程序列表为空。
在一些实施例中，所述执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，包括：
确定所述车辆场景对应的服务需求；
根据所述服务需求，降低所述目标服务内在所述车辆场景下非必要服务线程的优先级，以及获取所述目标服务内每一服务线程中的待运行子线程并降低所述待运行子线程的优先级以释放所述第二空闲资源；
所述第二空闲资源释放后若所述车机系统的系统负荷小于等于第二预设阈值，则停止所述资源调度操作并将所述第二空闲资源调度给所述目标服务。
在一些实施例中，所述数据传输速率包括视频数据传输速率和/或音频数据传输速率，所述执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放第三空闲资源，包括：
执行所述第三调度操作来降低所述运行子线程的视频数据传输速率和/或降低所述运行子线程的音频数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
在一些实施例中，所述用户数据包括用户特征数据及用户行为数据，所述车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户画像，包括：
车辆为热启动时，采集所述用户特征数据并根据所述用户特征数据分析所述当前用户与车辆前一次驾驶时的历史用户的匹配度；
若所述匹配度满足预设条件，则根据所述历史用户对应的用户画像确定所述当前用户的用户画像；
若所述匹配度不满足预设条件，则采集所述用户行为数据并将所述用户行为数据及所述用户特征数据输入至所述用户画像模型以输出所述当前用户的用户画像；
车辆为冷启动时，采集所述用户特征数据及所述用户行为数据，并输入所述用户特征数据及所述用户行为数据至所述用户画像模型以输出所述当前用户的用户画像。
在一些实施例中，所述方法还包括：
基于所述用户画像以及所述车辆场景，记录所述车机系统内各程序的运行状态以及所述目标服务内的线程调整数据生成资源配置映射表以便在获取到相同用户画像和车辆场景时，直接查询所述资源配置映射表来调整所述车机系统内的资源分配。
在一些实施例中，所述识别车辆场景，包括：
获取所述车辆对应的当前环境数据并提取环境特征；
根据所述环境特征及贝叶斯分类器，生成识别结果以确定所述车辆当前对应的所述车辆场景。
在一些实施例中，所述方法还包括：
获取当前时刻下所述车机系统的资源占用观测值以及前一时刻下所述车机系统的资源占用估计值；
基于卡尔曼滤波程序获取当前卡尔曼增益，并结合所述资源占用观测值以及所述资源占用估计值获取最优估计值，所述最优估计值用于表示当前时刻下的车机系统的系统负荷。
第二方面，本申请提供了一种车机系统，所述车机系统包括：
一个或多个处理器；
以及与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：
车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
第三方面，本申请提供了一种资源分配系统，所述系统包括：
用户识别模块，用于车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
场景识别模块，用于识别车辆场景；
服务分析模块，用于基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
资源调度模块，用于根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
本申请实现的有益效果为：
本申请提供了一种资源分配方法，包括：车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。本申请通过对用户进行画像并检测车辆场景，在车机系统高负荷的情况下针对性的分配资源，确保目标服务的正常使用，提升用户体验感；进一步，本申请在调度资源时从程序到服务线程再到子线程的逻辑依次进行处理，最大化的释放有限的空闲资源，节省整车资源消耗。
进一步，本申请还提出了在车辆启动时，根据车辆启动的类型，选择是否需要当前用户生成用户画像；并在车辆启动为热启动类型时，将车机系统前一次生成的用户画像作为当前用户的用户画像，以减少资源浪费。
进一步，本申请还提出了记录资源配置映射表，以便在后续出现相同的用户画像和车辆场景时，可以直接根据资源配置映射表查询对应的资源分配方法，从而节约确定具体的资源分配方案的时间，提高解决车机系统的高负荷问题的效率。
进一步，本申请还提出了利用卡尔曼滤波对当前车机系统的系统负荷进行最优估计，从而有效的避免了在系统负荷变高之后，监控程序受影响而导致检测到的车机系统的系统负荷不准确的情况。
进一步，本申请还提出了利用贝叶斯分类器判定当前车辆场景，降低车辆场景判断的错误率以提高资源分配的准确性。
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简单地介绍，显而易见地，下面描述中的附图仅仅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，其中：
图1是本申请实施例提供的资源分配方法第一流程图；
图2是本申请实施例提供的资源分配逻辑图；
图3是本申请实施例提供的资源分配方法第二流程图；
图4是本申请实施例提供的资源分配系统架构图；
图5是本申请实施例提供的车机系统原理示意图。
具体实施方式
为使本申请的目的、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，所描述的实施例仅仅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，都属于本申请保护的范围。
应当理解，在本申请的描述中，除非上下文明确要求，否则整个说明书和权利要求书中的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
还应当理解，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本申请的描述中，除非另有说明，“多个”的含义是两个或两个以上。
需要注意的是，术语“S1”、“S2”等仅用于步骤的描述目的，并非特别指称次序或顺位的意思，亦非用以限定本申请，其仅仅是为了方便描述本申请的方法，而不能理解为指示步骤的先后顺序。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本申请要求的保护范围之内。
根据背景技术可知，车机系统在不断的发展中能够提供的服务越来越复杂，因此对车机系统的算力要求也越来越高，而在这种情况下车机系统极易出现瞬间高负荷的情况导致系统瘫痪，无法正常为用户提供相应的服务。同时，当前现有方案也只是对提供的服务画面切换卡顿时的简单优化，无法针对不同场景进行动态调整；因此，本申请提供了一种资源分配方法以解决上述区别技术问题。可以理解的是，本申请可应用于车机系统内，还可进行适应性调整以应用于其他任何需要进行个性化服务的系统中来优化系统资源分配。
实施例一
本申请实施例提供了一种应用于车机系统的资源分配方法，具体的，如图1所示，应用本实施例公开的资源分配方法解决车机系统高负荷问题的过程包括：
S10、车辆启动时，采集当前用户的用户数据以确定当前用户的用户画像，其中用户数据包括用户行为数据及用户特征数据。
上述当前用户的用户画像的确定过程具体包括以下步骤：
S11、基于车辆启动类型及用户数据，判断是否调用用户画像程序生成当前用户的用户画像：
具体的，车辆启动的类型分为热启动和冷启动两种类型；通常车辆电源状态在未锁车情况下准备状态保持在8分钟以内，或者车辆电源状态在锁车情况下低功耗状态保持在30分钟内（此时可认为仍有处理器未掉电），可以认为车辆具备进行热启动的条件。因此可以理解车辆在热启动场景下，只是短暂关机，本次车辆启动与前一次车辆启动时驾驶该车辆的历史用户极大可能是同一用户；而为了节省车机系统资源并提高资源分配的速度，本实施例提出在车辆为热启动时，触发特征数据采集模块通过采集用户特征数据来判断当前用户与上述历史用户是否为同一人；如果判定是同一人则直接将前一次驾驶车辆的历史用户的用户画像作为当前用户的用户画像；如果判定不是同一人，则触发行为数据采集模块以采集用户行为数据，调用用户画像程序将获取到的用户行为数据输入用户画像模型，其中用户行为数据包括但不限于用户在显示屏的轨迹数据以及选择的服务数据。如果车辆本次启动为冷启动，则同时触发行为数据采集模块以及特征数据采集模块获取用户行为数据以及用户特征数据，并调用用户画像程序将获取到的用户行为数据输入用户画像模型。
其中，在一个实施场景中本实施例触发特征数据采集模块通过采集用户特征数据来判断当前用户与上述历史用户是否为同一人的过程包括：通过预先设置的摄像头以及座椅传感器采集用户特征数据，其中，用户特征数据包括用户面部数据、承载重量数据以及座椅位置数据；若三项数据的匹配度大于等于预设匹配度，则可以判定车辆本次启动与前一次启动时驾驶的历史用户为同一用户；若三项数据的匹配度小于预设匹配度，则可以判定当前用户与历史用户不是为同一用户，优选的，上述预设匹配度可以设置为98%。本申请对车内摄像头的安装位置不做限定，可以安装在驾驶位正前方，也可安装在车窗等侧面，只需能够确保获取用户面部数据即可。需要理解的是，在其他的实施场景中获取的用户特征数据不限于用户面部数据、承载重量数据以及座椅位置数据，还可以利用摄像头获取用户服饰特征数据等其他任何可描述用户特征的数据。
S12、调用用户画像程序并基于已训练好的用户画像模型，生成当前用户对应的用户画像。
用户画像程序将行为数据采集模块采集到的用户行为数据进行清洗后，输入已训练好的用户画像模型获取对应的用户画像。其中，本申请实施例通过收集在车机系统内历史用户行为数据，如用户在显示屏上的历史轨迹数据以及使用的历史服务数据等，将所述历史用户行为数据作为训练集对建立的用户画像模型进行训练直至模型输出的用户画像与实际的用户画像的误差在允许范围内，训练成功。本实施例所采用的用户画像模型的具体建模方法为本领域常规技术手段，本申请在此不再赘述。
S20、利用贝叶斯分类器进行车辆场景的检测，以获取车辆场景。
具体的，采集当前车辆对应的当前环境数据并根据所述环境数据抽象提取环境特征X，所述当前环境数据包括但不限于利用车速传感器获取的车辆速度数据、利用激光雷达获取的车辆位置数据和障碍物识别数据、以及利用摄像头获取的环境图像数据。其中，上述车速传感器包括但不限于磁电式车速传感器、霍尔式车速传感器以及光电式车速传感器；本实施例可设置能够调整角度的摄像头以获取车辆四周的环境图像数据，也可在车外或车内设置多个摄像头以全面的获取车辆四周的环境图像数据。
为了更好的说明，在本实施例中假设一共存在3类车辆场景，标注为场景一（乡村/山路）、场景二（城市/街道）以及场景三（高度/高架），可以理解的是，在实际应用中远远不止三类场景。本实施例利用贝叶斯公式
Figure 660101DEST_PATH_IMAGE001
(i=1,2,3,…c)，计算每一场景的后验概率，其中
Figure 518336DEST_PATH_IMAGE002
来表示可能分类的类别。
Figure 333845DEST_PATH_IMAGE003
对应着第i类，如果是一个两类问题，i=1，2；如果是c类问题，则i=1，2，…，c；
Figure 277530DEST_PATH_IMAGE004
是由环境特征X预测的结果，也就是后验概率；
Figure 367846DEST_PATH_IMAGE005
是类条件概率，取决于类别
Figure 815008DEST_PATH_IMAGE002
的状态，环境特征X这个随机变量分布情况；
Figure 801418DEST_PATH_IMAGE006
是类先验信息，是根据先前知识经验给定；p(x)是归一化因子；并且因为总共就c类，所以很容易得到
Figure 232400DEST_PATH_IMAGE007
。
在一个实施场景中，为了验证对当前车辆场景判定的准确性，本实施例还引入了一个错误率函数：
Figure 329669DEST_PATH_IMAGE008
，而为了提高判断的准确性，我们需要做让
Figure 896916DEST_PATH_IMAGE009
数值最小的选择，假如我们让
Figure 850966DEST_PATH_IMAGE010
，也就是判定为场景一，而根据贝叶斯公式判定出的场景却是
Figure 769243DEST_PATH_IMAGE011
和
Figure 139045DEST_PATH_IMAGE012
，那么我们判断正确的概率就是
Figure 820518DEST_PATH_IMAGE013
，而判断错误的概率就是
Figure 148732DEST_PATH_IMAGE014
，因此若判定当前车辆场景为场景一是正确的，则
Figure 288726DEST_PATH_IMAGE015
时，
Figure 993377DEST_PATH_IMAGE009
的数值最小。同样的，如果判定当前车辆场景为场景二是正确的，则
Figure 331954DEST_PATH_IMAGE016
时，
Figure 565489DEST_PATH_IMAGE009
的值最小；如果判定当前车辆场景为场景三是正确的，则
Figure 192780DEST_PATH_IMAGE017
时，
Figure 169963DEST_PATH_IMAGE018
的值最小。但是，如果根据后验概率判定当前车辆场景为场景一，而
Figure 831889DEST_PATH_IMAGE019
时，
Figure 298642DEST_PATH_IMAGE009
的数值并不是最小的，此时说明后验概率计算可能发生错误，此时重新提取环境特征X并重新判断当前车辆所处的车辆场景。
可以理解的是，本实施例并不限定步骤S10与S20的顺序，车辆启动后可以是先执行步骤S10后执行S20，也可以先执行S20后执行步骤S10，还可以同时执行步骤S10和S20。
S30、根据识别到的车辆场景和用户画像，确定目标服务。
具体的，可由技术人员预先设定优化矩阵，定义不同用户画像和不同车辆场景下，车机系统优先需要优先保证提供给用户的服务（即目标服务），如表1所示：
表1
Figure 413229DEST_PATH_IMAGE020
根据表1可知，若当前用户画像为活力/青年同时当前车辆场景为乡村/山路，则根据优化矩阵可知，当前车机系统内优先使用的目标服务为安全服务；若当前用户画像为沉稳/中年同时当前车辆场景为乡村/山路，则根据优化矩阵可知，当前车机系统内优先使用的目标服务为检测服务；其他用户画像和车辆场景组合可得出不同的目标服务，本申请在此不再一一列举。
S40、检测车机系统的系统负荷，并根据预设规则在车机系统高负荷场景下执行资源调度操作以释放空闲资源，并将空闲资源分配给目标服务。其中，资源调度操作包括第一调度操作、第二调度操作及第三调度操作；空闲资源包括第一空闲资源、第二空闲资源以及第三空闲资源。
具体的，如图2所示，本实施例在检测车机系统的系统负荷时，为了解决CPU负荷趋向满负荷的时候，监控程序提供的数据可能会不准确以及不及时的问题，引入卡尔曼滤波对数据进行处理。监控程序实时获取车机系统的当前时刻下的资源占用观测值以及前一时刻下车机系统的资源占用估计值；基于卡尔曼滤波程序获取当前卡尔曼增益，并结合资源占用观测值以及资源占用估计值获取最优估计值，最优估计值即为当前时刻下的车机系统的系统负荷。
当检测到的车机系统的系统负荷大于第一预设阈值时，本实例首先执行第一调度操作来调整非常用程序以释放第一空闲资源，具体的：步骤0、根据程序库中每一程序对应的触发次数，首先筛选出触发次数小于预设次数的程序为非常用程序并生成非常用程序列表；步骤1、获取非常用程序列表中最大占用资源的非常用程序，并将该非常用程序调整为休眠状态以释放第一空闲资源；步骤2、此时检测所述车机系统的系统负荷是否大于第二预设阈值；步骤3、若车机系统的系统负荷小于等于第二预设阈值（即车机系统负荷正常）则停止执行资源调度操作并将第一空闲资源调度给目标服务；步骤4、若车机系统的系统负荷大于第二预设阈值（（即车机系统负荷正常），则继续获取非常用程序列表中最大占用资源的非常用程序并调整非常用程序为休眠状态以释放所述第一空闲资源；重复上述步骤1-4直至非常用程序列表为空。若检测到的车机系统的系统负荷小于等于第一预设阈值，则无需进行资源调度操作，只需优先启动目标服务。可选的，上述第一预设阈值可设置为95%，上述第二预设阈值可设置为90%。
如果第一调度操作执行完毕后，检测到的车机系统的系统负荷仍旧大于第二预设阈值，也就是说将非常用程序设置为休眠状态后释放的空闲资源仍旧无法将车机系统的系统负荷降低至正常范围内；此时则执行第二调度操作来调整目标服务内线程优先级以释放第二空闲资源。根据检测到的车辆场景，确定服务需求，根据服务需求筛选出在目标服务内不属于上述服务需求的服务线程为非必要服务线程并降低非必要服务线程的优先级；具体而言，在车机系统内默认优选级从高到低排定为安全保障类服务线程、贴心提醒类服务线程及应用体验类服务线程；如果当前车辆场景为高速变道、十字路口、拥堵街口、维修路段、急转弯路段、山路等路况复杂、安全风险系数高的场景下，服务需求为提供安全提醒，此时贴心提醒类服务线程和体验类服务线程则为非必要线程，可将降低贴心提醒类服务线程的优先级到与体验类服务线程相同的优先级，或者将贴心提醒类服务线程的加入休眠列表；如果当前车辆场景为路况简单、安全风险系数低的场景下，此时服务需求为对用户进行一些贴心提醒如维修保养服务、天气和自然灾害服务、道路维修及危险路段驾驶提醒等，安全保障类服务进程为非必要服务线程，因此可将降低贴心提醒类服务线程的优先级到与体验类服务类线程或者与贴心提醒服务类线程相同的优先级，还可以将安全提醒类服务线程的加入休眠列表；此外，如果不是用户主动触发应用体验类服务线程，则将应用体验类服务线程加入休眠列表。调整服务线程的优先级后，本实施例还获取在目标服务内各类服务线程内的待运行子线程（如非编解码的音频或视频）并降低该待运行子线程在该类服务线程内运行的优先级；至此，释放的空闲资源为第二空闲资源，若此时检测到的车机系统的系统负荷小于等于第二预设阈值，则停止资源调度操作，并将第二空闲资源调度给目标服务。若此时检测到的车机系统负荷大于第二预设阈值，则继续执行第三调度操作，在降低所述目标服务下的运行子线程的数据传输速率以释放第三空闲资源并将第三空闲资源分配给目标服务；具体包括：在保障视频流畅的条件下降低运行子线程的视频数据传输速率，和/或在保障音频完整的条件下降低运行子线程的音频数据传输速率。
S50、基于用户画像以及车辆场景，记录车机系统内各程序的运行状态以及目标服务内的线程调整数据（即调整后的各线程的优先级以及运行子线程的数据传输速率）生成资源配置映射表以方便后续在相同用户画像和车辆场景下可直接调用资源配置映射表内记录的各程序的运行状态以及目标服务内的线程调整数据调整车机系统内的资源分配，以减少资源分配的时间。
实施例二
对应上述实施例一，本申请实施例还提供了一种资源分配方法，如图3所示，具体如下：
3100、车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
优选的，所述用户数据包括用户特征数据及用户行为数据，所述车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户画像，包括：
3110、车辆为热启动时，采集所述用户特征数据并根据所述用户特征数据分析所述当前用户与车辆前一次驾驶时的历史用户的匹配度；
3120、若所述匹配度满足预设条件，则根据所述历史用户对应的用户画像确定所述当前用户的用户画像；
3130、若所述匹配度不满足预设条件，则采集所述用户行为数据并将所述用户行为数据及所述用户特征数据输入至所述用户画像模型以输出所述当前用户的用户画像；
3140、车辆为冷启动时，采集所述用户特征数据及所述用户行为数据，并输入所述用户特征数据及所述用户行为数据至所述用户画像模型以输出所述当前用户的用户画像。
3200、识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
优选的，所述识别车辆场景，包括：
3210、获取所述车辆对应的当前环境数据并提取环境特征；
3220、根据所述环境特征及贝叶斯分类器，生成识别结果以确定所述车辆当前对应的所述车辆场景。
3300、根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
优选的，所述资源调度操作包括第一调度操作、第二调度操作以及第三调度操作，所述空闲资源包括第一空闲资源、第二空闲资源以及第三空闲资源，所述根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务，包括：
3310、检测所述车机系统的系统负荷并判断所述车机系统的系统负荷是否大于第一预设阈值；
优选的，所述方法还包括：
3311、获取当前时刻下所述车机系统的资源占用观测值以及前一时刻下所述车机系统的资源占用估计值；
3312、基于卡尔曼滤波程序获取当前卡尔曼增益，并结合所述资源占用观测值以及所述资源占用估计值获取最优估计值，所述最优估计值用于表示当前时刻下的车机系统的系统负荷。
3320、若所述车机系统的系统负荷大于第一预设阈值，则执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务；
优选的，所述执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务，包括：
3321、根据程序库中每一程序对应的触发次数，从所述程序库中筛选出一个或多个非常用程序以生成非常用程序列表；
3322、获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
3323、检测所述车机系统的系统负荷是否大于第二预设阈值；
3324、若所述车机系统的系统负荷小于等于所述第二预设阈值，则停止执行所述资源调度操作并将所述第一空闲资源调度给所述目标服务；
3325、若所述车机系统的系统负荷大于所述第二预设阈值，则继续获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
3326、重复上述步骤3322-3325直至所述非常用程序列表为空。
3330、所述第一调度操作执行完毕后，若检测到所述车机系统的系统负荷大于第二预设阈值，则执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，其中，所述第二预设阈值小于所述第一预设阈值；
优选的，所述执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，包括：
3331、确定所述车辆场景对应的服务需求；
3332、根据所述服务需求，降低所述目标服务内在所述车辆场景下非必要服务线程的优先级，以及获取所述目标服务内每一服务线程中的待运行子线程并降低所述待运行子线程的优先级以释放所述第二空闲资源；
3333、所述第二空闲资源释放后若所述车机系统的系统负荷小于等于第二预设阈值，则停止所述资源调度操作并将所述第二空闲资源调度给所述目标服务。
3340、所述第二调度操作执行完毕后，若检测到所述车机系统的系统负荷大于所述第二预设阈值，则执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
优选的，所述数据传输速率包括视频数据传输速率和/或音频数据传输速率，所述执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放第三空闲资源，包括：
3341、执行所述第三调度操作来降低所述运行子线程的视频数据传输速率和/或降低所述运行子线程的音频数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
优选的，所述方法还包括：
3400、基于所述用户画像以及所述车辆场景，记录所述车机系统内各程序的运行状态以及所述目标服务内的线程调整数据生成资源配置映射表以便在获取到相同用户画像和车辆场景时，直接查询所述资源配置映射表来调整所述车机系统内的资源分配。
实施例三
如图4所示，对应上述实施例一和实施例二，本申请实施例提供了一种资源分配系统，所述系统包括：
用户识别模块410，用于在车辆启动时采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
场景识别模块420，用于识别车辆场景；
服务分析模块430，用于基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
资源调度模块440，用于根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
在一些实施例中，所述资源调度操作包括第一调度操作、第二调度操作以及第三调度操作，所述空闲资源包括第一空闲资源、第二空闲资源以及第三空闲资源，所述资源调度模块440还用于检测所述车机系统的系统负荷并判断所述车机系统的系统负荷是否大于第一预设阈值；所述资源调度模块440还用于在所述车机系统的系统负荷大于第一预设阈值时，执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务；所述资源调度模块440还用于在所述第一调度操作执行完毕后，若检测到所述车机系统的系统负荷大于第二预设阈值，执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，其中，所述第二预设阈值小于所述第一预设阈值；所述资源调度模块440还用于在所述第二调度操作执行完毕后，若检测到所述车机系统的系统负荷大于所述第二预设阈值，执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
在一些实施例中，步骤0、所述资源调度模块440还用于根据程序库中每一程序对应的触发次数，从所述程序库中筛选出一个或多个非常用程序以生成非常用程序列表；步骤1、所述资源调度模块440还用于获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；步骤2、所述资源调度模块440还用于检测所述车机系统的系统负荷是否大于第二预设阈值；步骤3、若所述车机系统的系统负荷小于等于第二预设阈值，则所述资源调度模块440停止执行所述资源调度操作并将所述第一空闲资源调度给所述目标服务；步骤4、若所述车机系统负荷大于第二预设阈值，则所述资源调度模块440继续获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；重复上述步骤1-4直至所述非常用程序列表为空。
在一些实施例中，所述资源调度模块440还用于确定所述车辆场景对应的服务需求；并根据所述服务需求，降低所述目标服务内在所述车辆场景下非必要服务线程的优先级，以及获取所述目标服务内每一服务线程中的待运行子线程并降低所述待运行子线程的优先级以释放所述第二空闲资源；所述第二空闲资源释放后若所述车机系统的系统负荷小于等于第二预设阈值，则所述资源调度模块440停止所述资源调度操作并将所述第二空闲资源调度给所述目标服务。
在一些实施例中，所述数据传输速率包括视频数据传输速率和/或音频数据传输速率，所述资源调度模块440还用于执行所述第三调度操作来降低所述运行子线程的视频数据传输速率和/或降低所述运行子线程的音频数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
在一些实施例中，所述用户数据包括用户行为数据及用户特征数据；车辆为热启动时，所述用户识别模块410还用于采集所述用户特征数据并根据所述用户特征数据分析所述当前用户与车辆前一次驾驶时的历史用户的匹配度；若所述匹配度满足预设条件，则所述用户识别模块410根据所述历史用户对应的用户画像确定所述当前用户的用户画像；若所述匹配度不满足预设条件，则所述用户识别模块410采集所述用户行为数据并将所述用户行为数据及所述用户特征数据输入至所述用户画像模型以输出所述当前用户的用户画像；车辆为冷启动时，所述用户识别模块410还用于采集所述用户行为数据并将所述用户行为数据及所述用户特征数据输入至所述用户画像模型以输出所述当前用户的用户画像。
在一些实施例中，所述资源分配系统还包括数据存储模块450（图中未示意），所述数据存储模块450用于基于所述用户画像以及所述车辆场景，记录所述车机系统内各程序的运行状态以及所述目标服务内的线程调整数据生成资源配置映射表以便在获取到相同用户画像和车辆场景时，直接查询所述资源配置映射表来调整所述车机系统内的资源分配。
在一些实施例中，所述场景识别模块420还用于获取所述车辆对应的当前环境数据并提取环境特征；所述场景识别模块420还用于根据所述环境特征及贝叶斯分类器，生成识别结果以确定当前车辆对应的所述车辆场景。
在一些实施例中，所述资源分配系统还包括负荷检测模块460（图中未示意），所述负荷检测模块460用于获取当前时刻下所述车机系统的资源占用观测值以及前一时刻下所述车机系统的资源占用估计值；并基于卡尔曼滤波程序获取当前卡尔曼增益，并结合所述资源占用观测值以及所述资源占用估计值获取最优估计值，所述最优估计值用于表示当前时刻下的车机系统的系统负荷。
实施例四
对应上述所有实施例，本申请实施例提供一种车机系统，包括： 一个或多个处理器；以及与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下步骤：
车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务。
其中，图5示例性的展示出了车机系统的架构，具体可以包括处理器510，视频显示适配器511，磁盘驱动器512，输入/输出接口513，网络接口514，以及存储器520。上述处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514，与存储器520之间可以通过总线530进行通信连接。
其中，处理器510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，以实现本申请所提供的技术方案。
存储器520可以采用ROM（Read Only Memory，可编写存储器）、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520可以存储用于控制车机系统500执行的操作系统521，用于控制车机系统500的低级别操作的基本输入输出系统(BIOS)522。另外，还可以存储网页浏览器523，数据存储管理系统524，以及图标字体处理系统525等等。上述图标字体处理系统525就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之，在通过软件或者固件来实现本申请所提供的技术方案时，相关的程序代码保存在存储器520中，并由处理器510来调用执行。
输入/输出接口513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。
网络接口514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530包括一通路，在设备的各个组件（例如处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514，与存储器520）之间传输信息。
另外，该车机系统500还可以从虚拟资源对象领取条件信息数据库中获得具体领取条件的信息，以用于进行条件判断，等等。
需要说明的是，尽管上述设备仅示出了处理器510、视频显示适配器511、磁盘驱动器512、输入/输出接口513、网络接口514，存储器520，总线530等，但是在具体实施过程中，该设备还可以包括实现正常执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申请方案所必需的组件，而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的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软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，云服务端，或者网络设备等）执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统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，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。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劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (9)

1.一种车机系统的资源分配方法，其特征在于，所述方法包括：
车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户的用户画像；
识别车辆场景，并基于所述当前用户的用户画像与识别到的所述车辆场景确定目标服务；
根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务；
其中，所述用户数据包括用户特征数据及用户行为数据，所述车辆启动时，采集当前用户的用户数据，并基于预设已训练的用户画像模型与所述用户数据确定当前用户画像，包括：
车辆为热启动时，采集所述用户特征数据并根据所述用户特征数据分析所述当前用户与车辆前一次驾驶时的历史用户的匹配度；
若所述匹配度满足预设条件，则根据所述历史用户对应的用户画像确定所述当前用户的用户画像；
若所述匹配度不满足预设条件，则采集所述用户行为数据并将所述用户行为数据及所述用户特征数据输入至所述用户画像模型以输出所述当前用户的用户画像；
车辆为冷启动时，采集所述用户特征数据及所述用户行为数据，并输入所述用户特征数据及所述用户行为数据至所述用户画像模型以输出所述当前用户的用户画像。
2.根据权利要求1所述的方法，其特征在于，所述资源调度操作包括第一调度操作、第二调度操作以及第三调度操作，所述空闲资源包括第一空闲资源、第二空闲资源以及第三空闲资源，所述根据预设规则执行资源调度操作以释放车机系统的空闲资源并将所述空闲资源分配给所述目标服务，包括：
检测所述车机系统的系统负荷并判断所述车机系统的系统负荷是否大于第一预设阈值；
若所述车机系统的系统负荷大于第一预设阈值，则执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务；
所述第一调度操作执行完毕后，若检测到所述车机系统的系统负荷大于第二预设阈值，则执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，其中，所述第二预设阈值小于所述第一预设阈值；
所述第二调度操作执行完毕后，若检测到所述车机系统的系统负荷大于所述第二预设阈值，则执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
3.根据权利要求2所述的方法，其特征在于，所述执行所述第一调度操作来调整非常用程序以释放所述第一空闲资源并将所述第一空闲资源调度给所述目标服务，包括：
步骤0、根据程序库中每一程序对应的触发次数，从所述程序库中筛选出一个或多个非常用程序以生成非常用程序列表；
步骤1、获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
步骤2、检测所述车机系统的系统负荷是否大于第二预设阈值；
步骤3、若所述车机系统的系统负荷小于等于所述第二预设阈值，则停止执行所述资源调度操作并将所述第一空闲资源调度给所述目标服务；
步骤4、若所述车机系统的系统负荷大于所述第二预设阈值，则继续获取所述非常用程序列表中最大占用资源的非常用程序并调整所获取的非常用程序为休眠状态以释放所述第一空闲资源；
重复上述步骤1-4直至所述非常用程序列表为空。
4.根据权利要求2所述的方法，其特征在于，所述执行所述第二调度操作来调整所述目标服务内线程优先级以释放所述第二空闲资源并将所述第二空闲资源调度给所述目标服务，包括：
确定所述车辆场景对应的服务需求；
根据所述服务需求，降低所述目标服务内在所述车辆场景下非必要服务线程的优先级，以及获取所述目标服务内每一服务线程中的待运行子线程并降低所述待运行子线程的优先级以释放所述第二空闲资源；
所述第二空闲资源释放后若所述车机系统的系统负荷小于等于第二预设阈值，则停止所述资源调度操作并将所述第二空闲资源调度给所述目标服务。
5.根据权利要求2所述的方法，其特征在于，所述数据传输速率包括视频数据传输速率和/或音频数据传输速率，所述执行所述第三调度操作来降低所述目标服务下的运行子线程的数据传输速率以释放第三空闲资源，包括：
执行所述第三调度操作来降低所述运行子线程的视频数据传输速率和/或降低所述运行子线程的音频数据传输速率以释放所述第三空闲资源并将所述第三空闲资源调度给所述目标服务。
6.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括：
基于所述用户画像以及所述车辆场景，记录所述车机系统内各程序的运行状态和所述目标服务内的线程调整数据；
根据记录到的所述车机系统内各程序的运行状态和所述目标服务内的线程调整数据以及对应的所述用户画像和所述车辆场景，来生成资源配置映射表以便在获取到相同用户画像和车辆场景时，直接查询所述资源配置映射表来调整所述车机系统内的资源分配。
7.根据权利要求1-5任一所述的方法，其特征在于，所述识别车辆场景，包括：
获取所述车辆对应的当前环境数据并提取环境特征；
根据所述环境特征及贝叶斯分类器，生成识别结果以确定所述车辆当前对应的所述车辆场景。
8.根据权利要求1-5任一所述的方法，其特征在于，所述方法还包括：
获取当前时刻下所述车机系统的资源占用观测值以及前一时刻下所述车机系统的资源占用估计值；
基于卡尔曼滤波程序获取当前卡尔曼增益，并结合所述资源占用观测值以及所述资源占用估计值获取最优估计值，所述最优估计值用于表示当前时刻下的车机系统的系统负荷。
9.一种车机系统，其特征在于，所述车机系统包括：
一个或多个处理器；
以及与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令，所述程序指令在被所述一个或多个处理器读取执行时，执行权利要求1-8任一所述方法。
CN202211326751.3A 2022-10-27 2022-10-27 车机系统的资源分配方法及车机系统 Active CN115391054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211326751.3A CN115391054B (zh) 2022-10-27 2022-10-27 车机系统的资源分配方法及车机系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211326751.3A CN115391054B (zh) 2022-10-27 2022-10-27 车机系统的资源分配方法及车机系统

Publications (2)

Publication Number Publication Date
CN115391054A CN115391054A (zh) 2022-11-25
CN115391054B true CN115391054B (zh) 2023-03-17

Family

ID=84127663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211326751.3A Active CN115391054B (zh) 2022-10-27 2022-10-27 车机系统的资源分配方法及车机系统

Country Status (1)

Country Link
CN (1) CN115391054B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019056471A1 (zh) * 2017-09-19 2019-03-28 平安科技（深圳）有限公司 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质
CN114943030A (zh) * 2022-05-10 2022-08-26 岚图汽车科技有限公司 一种网联汽车推荐方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111866941B (zh) * 2019-04-23 2022-09-23 华为云计算技术有限公司 一种网络资源调度方法及相关设备
CN110300175B (zh) * 2019-07-02 2022-05-17 腾讯科技（深圳）有限公司 消息推送方法、装置、存储介质及服务器
CN110704187A (zh) * 2019-09-25 2020-01-17 深圳传音控股股份有限公司 系统资源的调整方法、装置及可读存储介质
CN111666140A (zh) * 2020-05-28 2020-09-15 北京百度网讯科技有限公司 资源调度方法、装置、设备和存储介质
CN111831438A (zh) * 2020-07-01 2020-10-27 Oppo广东移动通信有限公司 资源分配方法、装置、存储介质及电子设备
CN114936330A (zh) * 2021-02-04 2022-08-23 腾讯科技（深圳）有限公司 一种车辆行驶场景中信息推送的方法以及相关装置
CN115220843A (zh) * 2022-07-25 2022-10-21 深圳深略智慧信息服务有限公司 基于场景、画像和产品体验的产品开发创景创新方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019056471A1 (zh) * 2017-09-19 2019-03-28 平安科技（深圳）有限公司 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质
CN114943030A (zh) * 2022-05-10 2022-08-26 岚图汽车科技有限公司 一种网联汽车推荐方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于车联网远程驾驶的虚拟资源智能协同管理技术;彭新玉等;《电信科学》;20200420(第04期);全文 *

Also Published As

Publication number Publication date
CN115391054A (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
CN109240576B (zh) 游戏中的图像处理方法及装置、电子设备、存储介质
CN111045814B (zh) 资源调度方法和终端设备
US20170017845A1 (en) Determination of object presence and motion state
EP3270287A1 (en) Scheduling method and system for video analysis tasks
JP5287333B2 (ja) 年令推定装置
CN109740573B (zh) 视频分析方法、装置、设备及服务器
CN110533046B (zh) 一种图像实例分割方法、装置、计算机可读存储介质及电子设备
US20200293925A1 (en) Distributed learning model for fog computing
CN114072854A (zh) 基于异构平台的目标检测方法、终端设备和存储介质
CN113420675A (zh) 一种口罩佩戴规范度的检测方法及装置
CN113516144A (zh) 目标检测方法及装置、计算设备
CN115576534A (zh) 原子服务的编排方法、装置、电子设备及存储介质
CN115391054B (zh) 车机系统的资源分配方法及车机系统
CN108334820B (zh) 信息处理设备、信息处理方法和存储介质
US8913838B2 (en) Visual information processing allocation between a mobile device and a network
CN112104730A (zh) 存储任务的调度方法、装置及电子设备
JP6902983B2 (ja) 判定装置、判定方法および判定プログラム
CN113269190B (zh) 基于人工智能的数据分类方法、装置、计算机设备及介质
CN112860931B (zh) 人脸识别库的构建方法
CN114998782A (zh) 面审视频的场景分类方法、装置、电子设备及存储介质
CN112560685A (zh) 人脸表情识别方法、装置及存储介质
CN114387554A (zh) 车辆人员超载识别方法、装置、设备及可读介质
CN113595814A (zh) 消息延迟检测方法、装置、电子设备及存储介质
CN114968546A (zh) 一种负载处理方法及相关装置
JP2012128693A (ja) 映像処理装置、映像処理方法およびプログラム

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
GR01 Patent grant
GR01 Patent grant