详情

原文传递一种车载空调推荐方法、装置及计算机存储介质

专利名称：	一种车载空调推荐方法、装置及计算机存储介质
摘要：	本发明公开了一种车载空调推荐方法、装置及计算机存储介质，所述车载空调推荐方法包括：获取用户操作信息以及驾驶环境信息；根据所述用户操作信息以及所述驾驶环境信息，获取空调操作建议，所述空调操作建议至少包括空调开启建议、座椅加热开启建议和座椅通风开启建议；向用户推送所述空调操作建议。本发明提供的一种车载空调推荐方法、装置及计算机存储介质，根据用户操作信息以及驾驶环境信息获取空调操作建议，根据获得的空调操作建议向用户推荐空调不同操作任务的推荐参数，实现了对用户空调不同需求的个性化推荐，在多任务的联合建模下，可一次性获得用户对空调不同操作的推荐参数，提高了模型的运算效率，提升了用户使用体验。
专利类型：	发明专利
国家地区组织代码：	湖北;42
申请人：	武汉路特斯汽车有限公司
发明人：	张振;芦振
专利状态：	有效
申请日期：	2022-05-05T00:00:00+0800
发布日期：	2023-11-17T00:00:00+0800
申请号：	CN202210482918.9
公开号：	CN117068078A
代理机构：	上海波拓知识产权代理有限公司
代理人：	杨波
分类号：	B60R16/037;B60H1/00;B60N2/56;G06N3/045;G06N3/048;G06N3/084;G06F16/9535;B;G;B60;G06;B60R;B60H;B60N;G06N;G06F;B60R16;B60H1;B60N2;G06N3;G06F16;B60R16/037;B60H1/00;B60N2/56;G06N3/045;G06N3/048;G06N3/084;G06F16/9535
申请人地址：	430056 湖北省武汉市武汉经济技术开发区川江池二路28号3号楼A404
主权项：	1.一种车载空调推荐方法，其特征在于，所述车载空调推荐方法包括：获取用户操作信息以及驾驶环境信息；根据所述用户操作信息以及所述驾驶环境信息，获取空调操作建议，所述空调操作建议至少包括空调开启建议、座椅加热开启建议和座椅通风开启建议；向用户推送所述空调操作建议。 2.根据权利要求1所述的车载空调推荐方法，其特征在于，所述根据所述用户操作信息以及所述驾驶环境信息，获取空调操作建议，包括：根据所述用户操作信息以及所述驾驶环境信息，构建多任务深度神经网络模型；基于所述多任务深度神经网络模型，根据Sigmoid函数获取空调操作概率；根据所述空调操作概率，获取所述空调操作建议。 3.根据权利要求2所述的车载空调推荐方法，其特征在于，所述根据所述用户操作信息以及所述驾驶环境信息，构建多任务深度神经网络模型，包括：对所述用户操作信息以及所述驾驶环境信息进行数据拼接；对拼接后的所述用户操作信息以及所述驾驶环境信息进行数据特征划分；通过数据分析获取所述拼接后的所述用户操作信息以及所述驾驶环境信息的标签。 4.根据权利要求3所述的车载空调推荐方法，其特征在于，所述通过数据分析获取所述拼接后的所述用户操作信息以及所述驾驶环境信息的标签之后，包括：根据所述用户操作信息，对带有标签的所述拼接后的所述用户操作信息以及所述驾驶环境信息进行数据标注。 5.根据权利要求2所述的车载空调推荐方法，其特征在于，所述根据所述用户操作信息以及所述驾驶环境信息，构建多任务深度神经网络模型，还包括：获取用户使用空调推荐功能的频次的平均值；根据所述平均值及预设数据去除比例，去除相对应的用户历史操作信息。 6.根据权利要求2所述的车载空调推荐方法，其特征在于，所述基于所述多任务深度神经网络模型，根据Sigmoid函数获取空调操作概率，包括：根据以下公式计算所述空调操作概率：其中，p_open表示用户开启空调的概率，y_open表示多任务深度神经网络模型中用户是否开启空调的输出层结果，p_seat表示用户开启座椅加热的概率，y_seat表示多任务深度神经网络模型中用户是否开启座椅加热的输出层结果，p_air表示用户开启座椅通风的概率，y_air表示多任务深度神经网络模型中用户是否开启座椅通风的输出层结果。 7.根据权利要求2所述的车载空调推荐方法，其特征在于，所述基于所述多任务深度神经网络模型，根据Sigmoid函数获取空调操作概率，还包括：根据以下交叉熵函数计算所述多任务深度神经网络模型的损失函数： Losstotal＝Lossopen+Lossseat+Lossair；其中，Lossopen表示用户是否开启空调的输出层的损失，N表示训练数据样本总量，yi_open表示用户是否开启空调的样本i的标签值1或0，pi_open表示用户是否开启空调的第i个样本经过Sigmoid函数运算输出的概率值，Lossseat表示用户是否开启座椅加热的输出层的损失，yi_seat表示用户是否开启座椅加热的样本i的标签值1或0，pi_seat表示用户是否开启座椅加热的第i个样本经过Sigmoid函数运算输出的概率值，Lossair表示用户是否开启座椅通风的输出层的损失，yi_air表示用户是否开启座椅通风的样本i的标签值1或0，pi_air表示用户是否开启座椅通风的第i个样本经过Sigmoid函数运算输出的概率值，Losstotal表示多任务深度神经网络模型的总损失。 8.根据权利要求2所述的车载空调推荐方法，其特征在于，所述向用户推送所述空调操作建议之后，包括：获取空调建议反馈信息；根据所述空调建议反馈信息，调整所述多任务深度神经网络模型。 9.一种车载空调推荐装置，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至8任一项所述车载空调推荐方法的步骤。 10.一种计算机存储介质，所述计算机存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述车载空调推荐方法的步骤。