空调参数推荐方法技术

本发明专利技术公开了一种空调参数推荐方法

【技术实现步骤摘要】
空调参数推荐方法、模型的训练方法、装置、设备和介质


[0001]本专利技术涉及车辆
，尤其涉及一种空调参数推荐方法
、
模型的训练方法
、
装置
、
设备和介质
。

技术介绍

[0002]汽车空调系统是实现对车厢内空气进行制冷
、
加热
、
换气和空气净化等功能的装置
。
它可以为乘车人员提供舒适的乘车环境，降低驾驶员的疲劳强度，提高行车安全
。
空调装置已成为衡量汽车功能是否齐全的标志之一
。
[0003]目前的车载空调控制方法，大多数基于机器学习
、
深度学习，通过大量历史数据训练，得出不同条件下的推荐参数
。
然而，专利技术人发现现有技术至少存在如下问题：现有方法中，若训练数据量过大会导致用户短期内的空调喜好变化无法准确识别，训练数据量不足又会导致模型准确率过低
。

技术实现思路

[0004]本专利技术实施例的目的是提供一种空调参数推荐方法
、
模型的训练方法
、
装置
、
设备和介质，其能够充分考虑用户长期的空调使用习惯和短期的空调使用习惯，为用户推荐合适的空调参数，提高用户的使用体验
。
[0005]为实现上述目的，本专利技术实施例提供了一种空调参数推荐模型的训练方法，包括：
[0006]实时获取车辆环境特征组合和空调参数组合，构建样本数据序列；
[0007]根据不同日期对应预设的权重系数对所述样本数据序列进行处理，将处理后的样本数据序列作为空调参数推荐模型的训练数据；其中，所处日期越近的样本数据序列对应的权重系数越大；
[0008]根据所述训练数据对所述空调参数推荐模型进行训练，以更新所述空调参数推荐模型
。
[0009]作为上述方案的改进，所述实时获取车辆环境特征组合和空调参数组合，构建样本数据序列，包括：
[0010]在车辆上电过程中，实时获取车辆环境特征组合和空调参数组合，并根据同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，构建样本数据序列；
[0011]在所述车辆下电之后，将本次上电周期内的样本数据序列与在前上电周期的历史样本数据序列进行整合
。
[0012]作为上述方案的改进，所述根据不同日期对应预设的权重系数对所述样本数据序列进行处理，包括：
[0013]根据不同日期对应预设的权重系数，对不同日期对应的所述样本数据序列中的累计使用时长进行加权处理，得到处理后的样本数据序列
。
[0014]作为上述方案的改进，所述在车辆上电过程中，实时获取车辆环境特征组合和空调参数组合，并根据同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使
用时长，构建样本数据序列，包括：
[0015]在车辆上电过程中，实时获取若干个预设的车辆环境特征数据的值，确定每一所述车辆环境特征数据的值所处的数据区间，得到车辆环境特征组合；
[0016]获取在同一车辆环境特征组合下的若干个预设的空调参数的值，确定每一所述空调参数的值所处的数据区间，得到空调参数组合；
[0017]记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述累计使用时长的对应关系，构建样本数据序列并进行存储
。
[0018]作为上述方案的改进，所述记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述累计使用时长的对应关系，构建样本数据序列并进行存储，包括：
[0019]记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的持续使用时长；
[0020]当所述持续使用时长达到预设的存储时长阈值时，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述持续使用时长的对应关系，构建数据序列；
[0021]判断本次上电周期内是否已存储有与当前构建的数据序列具有相同特征数据的样本数据序列；其中，所述相同特征数据指的是具有相同的车辆环境特征组合
、
空调参数组合和日期；
[0022]若是，将当前构建的数据序列的持续使用时间与已存储的具有相同特征数据的样本数据序列的累计使用时长进行求和，以合并为一个样本数据序列进行存储；
[0023]若否，将当前构建的数据序列作为一个样本数据序列进行存储
。
[0024]作为上述方案的改进，所述在所述车辆下电之后，将本次上电周期内的样本数据序列与在前上电周期的历史样本数据序列进行整合，包括：
[0025]在所述车辆下电之后，将本次上电周期与在前上电周期中具有相同的特征数据的样本数据序列的累计使用时长进行求和，以合并为一个样本数据序列；其中，所述相同特征数据指的数具有相同的车辆环境特征组合
、
空调参数组合和日期；
[0026]将具有相同车辆环境特征组合和空调参数组合的样本数据序列按照日期从近到远的顺序进行排序，保留最近预设数量日期内的样本数据序列
。
[0027]作为上述方案的改进，所述根据所述训练数据对所述空调参数推荐模型进行训练，以更新所述空调参数推荐模型，包括：
[0028]根据所述训练数据，采用预设的条件概率公式，计算得到每一种车辆环境特征组合下推荐概率最大的空调参数组合；
[0029]根据每一种车辆环境特征组合与其对应的推荐概率最大的空调参数组合，得到更新后的空调参数推荐模型
。
[0030]作为上述方案的改进，所述车辆环境特征组合包括的车辆环境特征数据为：环境温度
、
车内温度
、
相对湿度
、
座椅占位数
、
光照强度
、
车辆速度和车窗开度；
[0031]所述空调参数组合包括的空调参数为：空调设置温度
、
主驾空调模式
、
空调风量
、
座位加热档位
、
座位通风档位和方向盘加热档位
。
[0032]作为上述方案的改进，所述若干个预设的车辆环境特征数据是通过以下步骤提取
得到的：
[0033]实时获取车辆相关数据；其中，所述车辆相关数据包括环境状态数据
、
车辆状态数据和乘员状态数据；
[0034]将所述车辆相关数据进行数据预处理和数据降维处理，提取得到若干个预设的车辆环境特征数据
。
[0035]本专利技术实施例还提供了一种空调参数推荐方法，包括：
[0036]在车辆上电后，获取当前的车本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种空调参数推荐模型的训练方法，其特征在于，包括：实时获取车辆环境特征组合和空调参数组合，构建样本数据序列；根据不同日期对应预设的权重系数对所述样本数据序列进行处理，将处理后的样本数据序列作为空调参数推荐模型的训练数据；其中，所处日期越近的样本数据序列对应的权重系数越大；根据所述训练数据对所述空调参数推荐模型进行训练，以更新所述空调参数推荐模型
。2.
如权利要求1所述的空调参数推荐模型的训练方法，其特征在于，所述实时获取车辆环境特征组合和空调参数组合，构建样本数据序列，包括：在车辆上电过程中，实时获取车辆环境特征组合和空调参数组合，并根据同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，构建样本数据序列；在所述车辆下电之后，将本次上电周期内的样本数据序列与在前上电周期的历史样本数据序列进行整合
。3.
如权利要求2所述的空调参数推荐模型的训练方法，其特征在于，所述根据不同日期对应预设的权重系数对所述样本数据序列进行处理，包括：根据不同日期对应预设的权重系数，对不同日期对应的所述样本数据序列中的累计使用时长进行加权处理，得到处理后的样本数据序列
。4.
如权利要求2所述的空调参数推荐模型的训练方法，其特征在于，所述在车辆上电过程中，实时获取车辆环境特征组合和空调参数组合，并根据同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，构建样本数据序列，包括：在车辆上电过程中，实时获取若干个预设的车辆环境特征数据的值，确定每一所述车辆环境特征数据的值所处的数据区间，得到车辆环境特征组合；获取在同一车辆环境特征组合下的若干个预设的空调参数的值，确定每一所述空调参数的值所处的数据区间，得到空调参数组合；记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述累计使用时长的对应关系，构建样本数据序列并进行存储
。5.
如权利要求4所述的空调参数推荐模型的训练方法，其特征在于，所述记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的累计使用时长，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述累计使用时长的对应关系，构建样本数据序列并进行存储，包括：记录在同一日期内，同一车辆环境特征组合下相同的空调参数组合的持续使用时长；当所述持续使用时长达到预设的存储时长阈值时，根据所述车辆环境特征组合
、
所述空调参数组合
、
所述日期和所述持续使用时长的对应关系，构建数据序列；判断本次上电周期内是否已存储有与当前构建的数据序列具有相同特征数据的样本数据序列；其中，所述相同特征数据指的是具有相同的车辆环境特征组合
、
空调参数组合和日期；若是，将当前构建的数据序列的持续使用时间与已存储的具有相同特征数据的样本数据序列的累计使用时长进行求和，以合并为一个样本数据序列进行存储；
若否，将当前构建的数据序列作为一个样本数据序列进行存储
。6.
如权利要求2所述的空调参数推荐模型的训练方法，其特征在于，所述在所述车辆下电之后，将本次上电周期内的样本数据序列与在前上电周期的历史样本数据序列进行整合，包括：在所述车辆下电之后，将本次上电周期与在前上电周期中具有相同的特征数据的样本数据序列的累计使用时长进行求和，以合并为一个样本数据序列；其中，所述相同特征数据指的数具有相同的车辆环境特征组合
、
空调参数组合和日期；将具有相同车辆环境特征组合和空调参数组合的样本数据序列按照日期从近到远的顺序进行排序，保留最近预设数量日期内的样本数据序列
。7.
如权利要求1所述的空调参数推荐模型的训练方法，其特征在于，所述根据所述训练数据对所述空调参数推荐模型进行训练，以更新所述空调参数推荐模型，包括：根据所述训练数据，采用预设的条件概率公式，计算得到每一种车辆环境特征组合下推荐概率最大的空调参数组合；根据每一种车辆环境特征组合与其对应的推荐概率最大的空调参数组合，得到更新后的空调参数推荐模型
。8.
如权利要求3所述的空调参数推荐模型的训练方法，其特征在于，所述车辆环境特征组合包括的车辆环境特征数据为：环境温度
、
车内温度
、
相对湿度
、
座椅占位数
、
光照强度
、
车辆速度和车窗开度；所述空调参数...

【专利技术属性】
技术研发人员：王勇，李梓豪，房性会，丘世全，
申请(专利权)人：华人运通上海云计算科技有限公司，
类型：发明
国别省市：