一种空调参数调控方法、系统及电子装置与流程

本技术涉及车辆智能化领域，尤其涉及一种空调参数调控方法、系统及电子装置。

背景技术：

1、随着车辆智能化技术的发展，人们对于车辆空调智能化的需求越来越高。当前，技术人员一般基于大数据分析的方法，使服务器根据用户历史数据向车辆发送预先设置的空调设置参数，但是这种方法没有充分考虑车辆的实际情况。

技术实现思路

1、本技术实施例提供一种空调参数调控方法、系统及电子装置。

2、第一方面，本技术提供了一种空调参数调控方法，该方法包括：根据第一用户的车辆采集数据和第一参数预测模型，确定多组空调参数中每组空调参数对应的概率，其中，车辆采集数据包括环境数据，车辆状态数据以及乘员数据中的一种或者多种；向车辆发送第一空调参数，以使车载空调控制系统根据第一空调参数控制车载空调运行，所述第一空调参数是根据每组空调参数对应的概率确定的。

3、上述本技术提供的空调参数调控方法，通过根据第一车辆采集数据和第一参数预测模型，生成多组空调参数各自对应的概率，根据空调参数对应的概率确定最终设置的空调参数，可以在不同的环境、车辆状态下，满足用户对空调的个性化需求。

4、在一种可能的实现方式中，该方法还包括：根据多个用户的空调历史数据对多个用户进行聚类，得到每个用户的用户类别；其中，空调历史数据包括用户标识，历史空调参数以及历史车辆采集数据；历史空调参数包括多个历史时间点采集的空调参数，历史车辆采集数据包括多个历史时间点采集的车辆采集数据；根据第一类别的用户对应的空调历史数据对参数预测模型进行训练，得到第一参数预测模型；其中，第一用户属于第一类别的用户。上述方法根据大量的空调历史数据对用户进行聚类，生成多个用户类别，属于相同用户类别的用户对于空调具有相同或者相近的冷热偏好，结合用户类别生成第一参数预测模型，可以更加准确地预测用户的空调使用需求，可以提高预测的泛化能力。

5、在一种可能的实施方式中，根据第一类别的用户对应的空调历史数据对参数预测模型进行训练，得到第一参数预测模型的具体过程包括如下步骤：从第一类别的用户对应的空调历史数据中获取多组状态数据，其中，状态数据包括车载空调在开启状态下的车辆采集数据和对应的空调参数；根据多组状态数据对参数预测模型进行训练，得到第一参数预测模型。上述过程从第一类别的用户对应的大量空调历史数据中筛选出空调处于开启状态时对应的空调历史数据，根据筛选的状态数据可以更加准确地进行模型的预测，从而根据更加准确的第一参数预测模型确定空调参数对应的准确概率。

6、在一种可能的实施方式中，根据多组状态数据对参数预测模型进行训练，得到第一参数预测模型具体过程包括如下步骤。确定多组状态数据中每组状态数据对应的工况，其中，工况是第一工况、第二工况和第三工况中的任意一种；其中，第一工况是在空调设置温度大于车内温度，且空调设置温度和车内温度之间的差值的绝对值大于第一温度阈值时的工况，第二工况是在空调设置温度小于车内温度，且空调设置温度和车内温度之间的差值的绝对值大于第二温度阈值时的工况，第三工况是空调设置温度和车内温度不满足第一工况的条件和第二工况的条件时的工况；对应第一工况的状态数据、对应第二工况的状态数据和对应第三工况的状态数据各自对应一个权重，对应第一工况的状态数据的权重大于对应第三工况的状态数据的权重，对应第二工况的状态数据的权重大于对应第三工况的状态数据的权重；根据每组状态数据和每组状态数据对应的权重对参数预测模型进行训练，得到第一参数预测模型。上述过程在确定状态数据的基础上，确定每组状态数据对应的工况，每种工况对应的权重不同表示了工况不同的重要程度，这里状态数据对应第一工况和第二工况的情况较为重要。第一工况是低温工况，说明用户需要车载空调在短时间内实现车辆快速升温，为对应第一工况的状态数据设置较大的权重可以实现这一目的，同理，第二工况是高温工况，说明用户需要车载空调在短时间内实现车辆快速降温，为对应第二工况的状态数据设置较大的权重可以实现这一目的，通过上述方法可以更好地满足用户对于空调的需求，提升用户体验。

7、在一种可能的实施方式中，该方法还包括：根据第一车辆采集数据和第一能耗预测模型，确定每组空调参数对应的空调能耗，其中，每组空调参数对应的空调能耗用于与每组空调参数对应的概率结合确定第一空调参数。生成每组空调参数对应的空调能耗可以在满足用户个性化需求的情况下，选择合适的第一空调参数，实现节省空调能耗的效果。

8、在一种可能的实施方式中，该方法还包括：根据第一类别的用户对应的空调历史数据对能耗预测模型进行训练，得到第一能耗预测模型。生成能耗预测模型可以在满足用户个性化空调需求的基础上，节约空调能耗。

9、在一种可能的实施方式中，根据第一类别的用户对应的空调历史数据对能耗预测模型进行训练，得到第一能耗预测模型的具体步骤如下。将第二用户的多组状态数据根据采集时间排序；第二用户是第一类别的用户中的一个；根据第二用户的多组状态数据，获取预设时间段内的空调能耗，得到第二用户对应的多组能耗数据；其中，能耗数据包括预设时间段内的m组状态数据和对应的空调能耗；m组状态数据中相邻两组状态数据的采集时间点的差值等于采集周期；采集周期是指车辆传感器采集车辆采集数据的周期；服务器根据第一类别的用户的能耗数据对能耗预测模型进行训练，得到第一能耗预测模型。通过上述过程，获取第一类别的用户中的每个用户各自对应的多组能耗数据，通过获取多组状态数据对应的较为准确空调能耗，可以生成更加准确的能耗预测模型，从而更好地实现空调节能。

10、在一种可能的实施方式中，在根据第一用户的车辆采集数据和第一参数预测模型，确定多组空调参数中每组空调参数对应的概率之前，该方法还包括：根据第一类别的用户对应的空调历史数据对开关预测模型进行训练，得到第一开关预测模型；器根据第一用户的车辆采集数据和第一开关预测模型，确定开关指示信息；开关指示信息用于指示开启车载空调、关闭车载空调或保持车载空调开关状态不变。在确定开关指示信息的情况下，根据第一用户的车辆采集数据和第一参数预测模型，确定多组空调参数中每组空调参数对应的概率的具体过程如下。在开关指示信息表示开启车载空调，或者，在车载空调当前为开启状态，且开关指示信息表示保持车载空调开关状态不变的情况下，根据第一用户的车辆采集数据和第一参数预测模型，确定多组空调参数中每组空调参数对应的概率。在进行空调参数对应的概率的预测之前，通过生成的空调开关预测模型对空调的开关指示信息进行预测，可以尽量减少用户与车载空调控制系统的交互，减少空调开启或者关闭状态的频繁变化，从而节省空调能耗。

11、在一种可能的实施方式中，在向车辆发送第一空调参数之前，该方法还包括：从每组空调参数对应的概率中选取概率大于预设概率的n组目标空调参数；根据每组目标空调参数对应的概率和空调能耗，确定每组目标空调参数的优先级，将优先级最高的目标空调参数确定为第一空调参数。上述方法基于决策的模糊性，将空调参数对应的概率以及空调能耗相结合，在满足用户对空调的个性化需求的情况下，同时满足空调节能的需求。

12、在一种可能的实施方式中，环境数据包括车内温度、车外温度、玻璃温度、玻璃湿度或者天气信息中的一个或者多个；车辆状态数据包括车速、电量信息或者空调能耗中的一个或者多个；乘员数据包括乘员面部温度、乘员数量、乘员服装信息或者驾驶员标号中的一个或者多个；空调参数包括开关指示信息、空调设置温度、空调设置出风档位、空调设置循环模式以及空调设置吹风模式中的一个或者多个。通过上述全面的数据可以更加准确地生成预测模型、空调参数的概率以及空调能耗，更好地满足用户需求。

13、第二方面，本技术提供了另一种空调参数调控方法，用于车辆，该方法包括：根据车辆采集数据和第一参数预测模型，确定空调参数中每组空调参数对应的概率，其中，车辆采集数据包括环境数据，车辆状态数据以及乘员数据中的一种或者多种，第一参数预测模型是根据第一类别的用户对应的空调历史数据对参数预测模型进行训练得到的；其中，空调历史数据包括用户标识，历史空调参数以及历史车辆采集数据；历史空调参数包括多个历史时间点采集的空调参数，历史车辆采集数据包括多个历史时间点采集的车辆采集数据；确定第一空调参数，以使车载空调控制系统根据所述第一空调参数控制车载空调运行，所述第一空调参数是根据所述每组空调参数对应的概率确定的。

14、在一种可能的实施方式中，该方法还包括：根据车辆采集数据和第一能耗预测模型，确定每组空调参数对应的空调能耗，其中，第一能耗预测模型是根据第一类别的用户对应的空调历史数据对能耗预测模型进行训练得到的，每组空调参数对应的空调能耗用于与每组空调参数对应的概率结合确定第一空调参数。

15、在一种可能的实施方式中，在根据车辆采集数据和第一参数预测模型，确定空调参数中每组空调参数对应的概率之前，该方法还包括：利用第一开关预测模型，并根据车辆采集数据，确定开关指示信息；第一开关预测模型是根据第一类别的用户对应的空调历史数据对开关预测模型进行训练得到的，开关指示信息用于指示开启车载空调、关闭车载空调或保持车载空调开关状态不变。根据车辆采集数据和第一参数预测模型，确定空调参数中每组空调参数对应的概率的具体过程如下：在开关指示信息表示开启车载空调，或者，在车载空调当前为开启状态，且开关指示信息表示保持车载空调开关状态不变的情况下，根据车辆采集数据和第一参数预测模型，确定多组空调参数中每组空调参数对应的概率。在进行空调参数对应的概率的预测之前，通过生成的空调开关预测模型对空调的开关指示信息进行预测，可以尽量减少用户与车载空调控制系统的交互，减少空调开启或者关闭状态的频繁变化，从而节省空调能耗。

16、在一种可能的实施方式中，在确定第一空调参数之前，该方法还包括：从每组空调参数对应的概率中选取概率大于预设概率的n组目标空调参数；根据每组目标空调参数对应的概率和空调能耗，确定每组目标空调参数的优先级，将优先级最高的目标空调参数确定为第一空调参数。上述方法基于决策的模糊性，将空调参数对应的概率以及空调能耗相结合，在满足用户对空调的个性化需求的情况下，同时满足空调节能的需求。

17、在一种可能的实施方式中，环境数据包括车内温度、车外温度、玻璃温度、玻璃湿度或者天气信息中的一个或者多个；车辆状态数据包括车速、电量信息或者空调能耗中的一个或者多个；乘员数据包括乘员面部温度、乘员数量、乘员服装信息或者驾驶员标号中的一个或者多个；空调参数包括开关指示信息、空调设置温度、空调设置出风档位、空调设置循环模式以及空调设置吹风模式中的一个或者多个。通过上述全面的数据可以更加准确地生成预测模型、空调参数的概率以及空调能耗，更好地满足用户需求。

18、上述方法中，服务器可以通过空中下载技术(over-the-air technology，ota)或者通过wifi等技术，将第一参数预测模型和第一能耗预测模型发送给车辆，车辆接收服务器生成的第一参数预测模型和第一能耗预测模型，并根据上述模型和车辆采集数据直接在车端进行空调参数的概率以及空调能耗的计算，不需要将车辆采集数据上传至服务器，也不需要向服务器请求空调参数，可以避免网络不稳定造成的预测效果差，无法及时更新空调设置参数的问题，可以减少网络通信的瓶颈以及响应时延。车辆将个性化预测模型和第一能耗预测模型相结合，并根据车辆数据进行预测，可以在满足用户个性化空调需求的情况下，节省车辆空调能耗。

19、第三方面，本技术实施例提供了一种空调参数调控方法，用于车辆，该方法包括：接收服务器发送的第一空调参数，以使车载空调控制系统根据第一空调参数控制车载空调运行；其中，第一空调参数是根据每组空调参数对应的概率确定的；每组空调参数对应的概率是根据第一用户的车辆采集数据和第一参数预测模型确定的，其中，车辆采集数据包括环境数据，车辆状态数据以及乘员数据中的一种或者多种，第一参数预测模型是根据第一类别的用户对应的空调历史数据对参数预测模型进行训练得到的；其中，空调历史数据包括用户标识，历史空调参数以及历史车辆采集数据；历史空调参数包括多个历史时间点采集的空调参数，历史车辆采集数据包括多个历史时间点采集的车辆采集数据。

20、第四方面，本发明实施例提供了一种电子装置，该电子装置包括处理器和存储器，存储器存储计算机程序，处理器执行计算机程序，使所述电子装置执行第一方面所述的方法。

21、第五方面，本发明实施例提供了另一种电子装置，该电子装置包括处理器和存储器，存储器存储计算机程序，处理器执行计算机程序，使所述电子装置执行第二方面所述的方法。

22、第六方面，本技术提供了一种空调参数调控系统，该系统包括第四方面提供的电子装置和第五方面提供的电子装置。

23、第七方面，本技术提供了一种车辆，该车辆包括第五方面提供的电子装置。

24、第八方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，该指令在电子装置上运行，使电子装置执行上述第一方面所述的方法。

25、第九方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质中存储有指令，该指令在电子装置上运行，使电子装置执行上述第二方面所述的方法。

26、本技术在上述各方面提供的实现方式的基础上，可以进行进一步组合提供更多实现方式。