一种座椅加热预测方法技术

本发明专利技术公开了一种座椅加热预测方法，涉及车辆使用技术领域，包括以下步骤：以下步骤：S1：数据来源及提取；S2：数据的预处理和特征工程；S3：构建机器学习模型；S4：对模型的作用进行分析。所述S1中，通过对用户使用座椅加热时的相关数据进行统计分析，车辆的座椅加热主要根据座椅表面温度决定，当座椅表面温度低于用户习惯开启座椅加热的平均值温度时，座椅加热开启。本发明专利技术中，用户启动车辆后，根据用户对座椅加热的使用习惯，以及车内温度、车外温度和车内空间的数据，车机自动预测用户是否有意图开启座椅加热，以及关闭座椅加热，显著的提高了用户的使用体验。了用户的使用体验。

【技术实现步骤摘要】
一种座椅加热预测方法


[0001]本专利技术涉及车辆使用
，尤其涉及一种座椅加热预测方法。

技术介绍

[0002]座椅加热是利用座椅内的电加热丝对座椅内部加热，并通过热传递将热量传递给乘坐者，改善冬天时座椅因长时间停放后座椅过凉造成的乘坐不舒适感。
[0003]传统车辆的座椅加热都是用户自己手动开启关闭的，当用户驾驶车辆时，自己点开座椅加热的按钮进行调节，但是，上述用户在对座椅加热进行使用时，需要寻找按钮，不仅容易按错按钮，而且还影响驾车效果，因此需要设计一种座椅加热预测方法来解决上述问题。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的一种座椅加热预测方法。本专利技术的目的是针对传统车辆的座椅加热都是用户自己手动开启关闭的，不仅容易按错按钮，而且还影响驾车效果。其优点在于：车机自动预测用户是否有意图开启座椅加热，以及关闭座椅加热，显著的提高了用户的使用体验。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种座椅加热预测方法，包括以下步骤：
[0007]S1：数据来源及提取；
[0008]S2：数据的预处理和特征工程；
[0009]S3：构建机器学习模型；
[0010]S4：对模型的作用进行分析。
[0011]本专利技术进一步设置为，所述S1中，通过对用户使用座椅加热时的相关数据进行统计分析，车辆的座椅加热主要根据座椅表面温度决定，当座椅表面温度低于用户习惯开启座椅加热的平均值温度时，座椅加热开启，当座椅表面温度高于用户习惯关闭座椅加热的平均值温度时，座椅加热关闭，采用的数据类别还包括：车辆座椅加热使用数据、车内温度数据、车外温度数据、车内空间数据；与车辆座椅加热使用数据相关的字段，包括开启座椅加热时座椅表面温度、关闭座椅加热时座椅表面温度、座椅加热使用时长、座椅加热使用日期、车机启动后到开启座椅加热的时间间隔；与车内温度数据的字段，包括开启座椅加热时车内温度、关闭座椅加热时车内温度；与车外温度数据的字段，包括开启座椅加热时车外温度、关闭座椅加热时车外温度；与车内空间数据的字段，包括车内空间尺寸。
[0012]本专利技术进一步设置为，所述S2中，通过探索性数据分析，空值的填补、字段数据的计算转换、连续型数据的分箱处理、类别型变量的独热编码后，最后转换得到的特征有车辆座椅加热使用数据特征，包括开启座椅加热时座椅表面温度、关闭座椅加热时座椅表面温度、座椅加热使用时长、座椅加热使用日期、车机启动后到开启座椅加热的时间间隔；车内温度数据特征，包括开启座椅加热时车内温度、关闭座椅加热时车内温度；车外温度数据特
征，包括开启座椅加热时车外温度、关闭座椅加热时车外温度；车内空间数据特征，包括车内空间尺寸。
[0013]本专利技术进一步设置为，所述S3中，使用通过S2得到的特征字段数据，运用pytorch，xgboost、lightgbm、catboost、deepforest模型进行训练，最后构建了座椅加热预测的机器学习模型。
[0014]本专利技术进一步设置为，所述S4中，比如在用户启动车辆行驶5分钟后，获取上述用户驾驶车辆对应的特征数据，将其输入到已构建的机器学习模型中,若输出为1，则认为该用户需要启动座椅加热；若输出为0，则认为该用户不需要启动座椅加热。
[0015]本专利技术的有益效果为：
[0016]本专利技术的优势是相对于传统车辆的座椅加热都是用户自己手动开启关闭的，本专利技术中，用户启动车辆后，根据用户对座椅加热的使用习惯，以及车内温度、车外温度和车内空间的数据，车机自动预测用户是否有意图开启座椅加热，以及关闭座椅加热，显著的提高了用户的使用体验。
具体实施方式
[0017]下面结合具体实施方式对本专利的技术方案作进一步详细地说明。
[0018][0019]一种座椅加热预测方法，包括以下步骤：
[0020]S1：数据来源及提取，通过对用户使用座椅加热时的相关数据进行统计分析，车辆的座椅加热主要根据座椅表面温度决定，当座椅表面温度低于用户习惯开启座椅加热的平均值温度时，座椅加热开启，当座椅表面温度高于用户习惯关闭座椅加热的平均值温度时，座椅加热关闭，采用的数据类别还包括：车辆座椅加热使用数据、车内温度数据、车外温度数据、车内空间数据；与车辆座椅加热使用数据相关的字段，包括开启座椅加热时座椅表面温度、关闭座椅加热时座椅表面温度、座椅加热使用时长、座椅加热使用日期、车机启动后到开启座椅加热的时间间隔；与车内温度数据的字段，包括开启座椅加热时车内温度、关闭座椅加热时车内温度；与车外温度数据的字段，包括开启座椅加热时车外温度、关闭座椅加热时车外温度；与车内空间数据的字段，包括车内空间尺寸；
[0021]S2：数据的预处理和特征工程，通过探索性数据分析，空值的填补、字段数据的计算转换、连续型数据的分箱处理、类别型变量的独热编码后，最后转换得到的特征有车辆座椅加热使用数据特征，包括开启座椅加热时座椅表面温度、关闭座椅加热时座椅表面温度、座椅加热使用时长、座椅加热使用日期、车机启动后到开启座椅加热的时间间隔；车内温度数据特征，包括开启座椅加热时车内温度、关闭座椅加热时车内温度；车外温度数据特征，包括开启座椅加热时车外温度、关闭座椅加热时车外温度；车内空间数据特征，包括车内空间尺寸；
[0022]S3：构建机器学习模型，使用通过S2得到的特征字段数据，运用pytorch，xgboost、lightgbm、catboost、deepforest模型进行训练，最后构建了座椅加热预测的机器学习模型；
[0023]S4：对模型的作用进行分析，比如在用户启动车辆行驶5分钟后，获取上述用户驾驶车辆对应的特征数据，将其输入到已构建的机器学习模型中,若输出为1，则认为该用户
需要启动座椅加热；若输出为0，则认为该用户不需要启动座椅加热。
[0024]对于在第S3部分中提到过的特征数据，不运用xgboost、lightgbm、catboost、deepforest等机器学习模型，而是采用其它的机器学习/深度学习模型比如bilstm、lstm等，也可以实现本专利技术类似的目的。
[0025]采用lightgbm/catboost/dnn/mlp等方法来构建用户使用座椅加热的预测模型，采用的思路比目前基于规则的办法来预测用户使用座椅加热的意图更具有新颖性和创造性，而且模型预测更精准。
[0026]以上，仅为本专利技术较佳的具体实施方式，但本专利技术的保护范围并不局限于此，任何熟悉本
的技术人员在本专利技术揭露的技术范围内，根据本专利技术的技术方案及其专利技术构思加以等同替换或改变，都应涵盖在本专利技术的保护范围之内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种座椅加热预测方法，其特征在于，包括以下步骤：S1：数据来源及提取；S2：数据的预处理和特征工程；S3：构建机器学习模型；S4：对模型的作用进行分析。2.根据权利要求1所述的一种座椅加热预测方法，其特征在于，所述S1中，通过对用户使用座椅加热时的相关数据进行统计分析，车辆的座椅加热主要根据座椅表面温度决定，当座椅表面温度低于用户习惯开启座椅加热的平均值温度时，座椅加热开启，当座椅表面温度高于用户习惯关闭座椅加热的平均值温度时，座椅加热关闭，采用的数据类别还包括：车辆座椅加热使用数据、车内温度数据、车外温度数据、车内空间数据；与车辆座椅加热使用数据相关的字段，包括开启座椅加热时座椅表面温度、关闭座椅加热时座椅表面温度、座椅加热使用时长、座椅加热使用日期、车机启动后到开启座椅加热的时间间隔；与车内温度数据的字段，包括开启座椅加热时车内温度、关闭座椅加热时车内温度；与车外温度数据的字段，包括开启座椅加热时车外温度、关闭座椅加热时车外温度；与车内空间数据的字段，包括车内空间尺寸。3.根据权利要求2所述的一种座椅加热预测方法，其特征在于，所述S2中，通过...

【专利技术属性】
技术研发人员：韦昱多，
申请(专利权)人：上海嘉峪智能科技有限公司，
类型：发明
国别省市：