利用学习用户偏好的车辆模式安排的制作方法
本公开总体上涉及具有多个行驶动力学模式的车辆，以及更具体地涉及利用学习用户偏好的车辆模式安排。
背景技术：
具有多个行驶动力学模式的车辆变得越来越受欢迎。这些模式改变在比如转向、动力传动系统、底盘、内部照明、隔音和/或过滤信息娱乐系统等这样的多个车辆子系统中的设置。模式通过针对不同的驾驶状况来改变车辆的行为而给用户提供灵活性并且在性能方面更好地匹配驾驶员的偏好。
技术实现要素：
所附权利要求限定本申请。本公开总结实施例的各个方面并且不应该用于限制权利要求。如通过查阅下面的附图和详细描述将对本领域普通技术人员显而易见的是，根据在此描述的技术预期其他实施方式，并且这些实施方式旨在在本申请的范围内。
公开了利用学习用户偏好的车辆模式安排的示例实施例。示例公开的方法包括当车辆从第一模式改变为第二模式时监测车辆数据。示例方法还包括分析车辆数据以识别在驾驶环境期间对第二模式的偏好。此外，示例方法包括在遍历路线时基于车辆数据、以及驾驶环境来生成关于是否切换至第二模式的推荐，并且向驾驶员呈现推荐。
示例系统包括服务器和车辆。示例公开的服务器配置为分析车辆数据以识别在驾驶环境期间从第一模式切换至第二模式的驾驶员的偏好。示例车辆配置为当车辆从第一模式改变为第二模式时监测车辆数据。示例车辆还配置为在遍历路线时基于从服务器接收的分类器来生成关于是否切换至第二模式的推荐，并且向驾驶员呈现推荐。
示例车辆包括传感器、存储器、和处理器。示例传感器配置为监测车辆数据。示例存储器配置为存储从服务器接收的多个分类器。分类器基于车辆数据的子集来预测从第一模式转换至第二模式的偏好。示例处理器通信地连接至存储器和传感器。此外，示例处理器配置为基于驾驶环境来选择多个分类器中的一个并且把车辆数据应用于选择的分类器以在遍历路线时生成关于是否切换至第二模式的推荐。示例车辆还配置为响应于生成切换至第二模式的推荐，而在信息娱乐主机单元上显示推荐。
附图说明
为了更好地理解本发明，可以参考在下面的附图中显示的实施例。附图中的部件不一定按比例绘制并且相关元件可以被省略、或在某些情况下比例可能已经被放大，以便强调并且清楚地说明在此描述的新特征。此外，如本领域已知的，可以不同地设置系统部件。此外，在附图中，相同的附图标记指定在几个视图中的相应部分。
图1是根据本公开的教导的实施利用学习用户偏好的车辆模式安排的系统图；
图2是图1的模式映射器的框图；
图3是可以用于实施图1和2的模式映射器的处理器平台的框图；
图4是可以用于实施图1的模式管理器的电子部件的框图；
图5是可以通过图3的处理器平台实施的生成用于用户的模式配置文件的示例方法的流程图；
图6是可以通过图4的电子部件实施的基于模式配置文件来预测车辆驾驶模式的示例方法的流程图。
具体实施方式
虽然本发明可以以各种形式具体体现，但一些示例性且非限制性的实施例在附图中被显示并且将在下文被描述，应理解本公开被认为是本发明的范例并且不旨在把本发明限制为图示的具体实施例。
车辆(例如，汽车、卡车、厢式货车等)具有提供不同驾驶动力学的多个驾驶模式。例如，车辆可以具有运动模式、正常模式、舒适模式、一个或多个地形模式(例如，比如未铺砌道路等这样的特定地形类型的模式)和/或燃料经济性模式等。模式改变车辆中的(例如，各种电子控制单元(ecu)的)设置以改变不同驾驶偏好的平衡。例如，运动模式可以改变转向控制、变速器控制、节气门控制、牵引力控制和/或稳定控制等从而以车辆的燃料效率为代价来提高车辆的性能和控制。随着时间的推移，驾驶员可以开发在不同情况和优先顺序下使用的模式的偏好，比如燃料经济性对驾驶乐趣。
如在下面更详细地公开，车辆包括模式数据管理器，该模式数据管理器在驾驶员改变车辆的驾驶模式时从车辆子系统(例如，转向控制、变速器控制、节气门控制、牵引力控制、稳定控制、全球定位系统(gps)协调等)捕获数据。车辆支持实体从模式数据管理器接收捕获的数据并且基于捕获的数据和从该捕获的数据推断出的数据来生成车辆模式配置文件。例如，速度极限、坡度等级、以及交通拥堵程度可以从车辆外部的数据源获取。车辆支持实体是为车辆提供支持服务的任何合适的实体(例如，车辆制造商、车辆经销商、客户部分经销商、数据管理公司等)。模式管理器从车辆支持实体接收车辆模式配置文件。模式数据管理器监测车辆子系统。基于车辆子系统和车辆模式配置文件，模式管理器推荐驾驶模式(例如，通过中央控制台显示器、抬头显示器、仪表盘显示器等)或自动地把车辆切换至推荐的驾驶模式(例如，当车辆是自主或半自主车辆时)。
图1是实施根据本公开的教导的利用学习用户偏好的车辆模式安排的示例系统100。在图示示例中，系统100包括车辆102(例如，汽车、卡车、厢式货车等)和车辆支持实体104(例如，车辆制造商、车辆经销商、客户部分经销商、数据管理器公司等)。车辆102可以是标准汽油动力车辆、混合动力车辆、电动车辆、燃料电池车辆、或任何其他机动实施类型的车辆。车辆102可以是非自主的、半自主的、或自主的。车辆102包括与机动性或推进相关的部分，比如具有发动机、变速器、悬架、传动轴、和/或车轮等的动力传动系统。示例车辆102包括电子控制单元(ecu)106、传感器108、车载通信平台110、和模式管理器112。
ecu106监测和控制车辆102的系统(例如，转向控制、制动控制、变速器控制、发动机控制等)。一些车辆102可以具有位于围绕车辆102的各种位置中的七十个或更多的ecu106。ecu106是分立的电子装置集，该电子装置包括它们自己的电路(比如，集成电路、微处理器、存储器、存储装置等)以及固件、传感器、执行器、和/或安装硬件。驾驶模式由各种ecu106的设置定义。例如，经济驾驶模式可以把变速器控制设置为在较低的每分钟转数(rpm)下换挡至较高挡位、和/或把节气门控制设置为减少节气门的响应性等。
传感器108可以以任何合适的方式设置在车辆102中或围绕车辆102设置。传感器108可以包括摄像机、声呐、radar(雷达)、lidar(激光雷达)、超声波传感器、光学传感器、或配置为测量围绕车辆102外部的性能的红外装置。此外，一些传感器108可以安装在车辆102的乘客舱里面或安装在车辆102的车身(比如，发动机舱、轮窝等)中以测量车辆102内部的性能。例如，这样的传感器108可以包括加速度计、里程表、俯仰和横摆传感器、车轮转速传感器、摄像机、麦克风、以及热敏电阻、轮胎压力传感器、生物计量传感器等。传感器108为何时用户改变车辆102的驾驶模式提供环境。
车载通信平台110包括有线或无线网络接口以实现与外部网络114的通信。车载通信平台110也包括硬件(例如，处理器、存储器、存储装置等)和软件以控制有线或无线网络接口。此外，外部网络114可以是公用网络，比如因特网；私人网络，比如内联网；或其组合，并且可以利用现在可用或以后开发的各种网络协议，包括但不限于基于tcp/ip(传输控制协议/互联网协议)的网络协议。车载通信平台110也可以包括有线或无线接口以实现与电子装置(比如，智能手机、平板计算机、膝上型轻便电脑等)的直接通信。
模式管理器112监测(a)车辆102的驾驶模式，以及(b)来自ecu106和传感器108的数据。模式管理器112响应于检测到车辆102的驾驶模式的变化而生成模式事件记录116。例如，驾驶员可以通过按压车辆102的中央控制台上的按钮和/或信息娱乐主机单元(例如，下面图4的信息娱乐主机单元402)上的触摸屏来选择模式。当车辆102的驾驶员被识别时，模式事件记录116与驾驶员的配置文件关联。以这样的方式，用特定驾驶员的偏好创建模式配置文件118。在一些示例中，模式管理器112区分(i)由于驾驶员致动控制装置导致的驾驶模式的变化以及(ii)由于比如自主或半自主车辆中的系统这样的自动系统——或甚至模式管理器112——的驾驶模式的变化。在这样的示例中，模式管理器112响应于驾驶员改变驾驶模式而生成模式事件记录116，但不响应于自动系统改变驾驶模式而生成模式事件记录116。
模式管理器112包括在驾驶模式改变之前一段时间内(例如，两分钟、五分钟等)以及在驾驶模式改变之后一段时间内(例如，三十秒、一分钟等)在模式事件记录116中的数据。模式事件记录116包括(a)导航系统推断数据(例如，地理位置、路线等)，(b)车辆模式数据(例如，当前模式、过去模式、车辆自主水平等)，(c)通过ecu106和传感器108捕获的数据(例如，变速器设置、车轮转速、发动机温度、轮胎压力等)，(d)道路数据(例如，道路状况、速度极限、路面类型、道路平整度水平、高度变化、道路半径、每英里速度极限变化的数量等)，(e)环境状况数据(例如，天气、温度等)，(f)驾驶员特征数据(例如，驾驶风格、驾驶意图等)，(g)时间数据(例如，天、日期、一天中的时间等)、和/或(h)车辆数据(例如，重量、类别、模式、动力传动系统设置、特征集等)。通过模式管理器112收集的数据有时在此被称为“车辆动力学数据”。此外，模式事件记录116包括在驾驶模式改变之前的驾驶模式和在驾驶模式变化之后的驾驶模式。在一些示例中，道路数据包括通过高级驾驶员辅助系统(adas)提供的详细映射数据，比如速度极限、道路弯道、高度变化等。此外，道路数据包括从来自ecu106和传感器108的数据推断出的信息。例如，道路的状况(例如，结冰的、潮湿的、被雪覆盖的、沙子、砾石等)可以从来自车轮转速传感器和稳定控制系统的数据推断出。
不时地(例如，定期地、不定期地等)，模式管理器112通过车载通信平台110向车辆支持实体104发送模式事件记录116。在一些示例中，模式管理器112可以定期地(例如，每日、每周等)传送多个模式事件记录116。在一些示例中，模式管理器112等待直到车辆102通过wlan(无线局域网)连接而连接至外部网络114以便不使用蜂窝数据。在一些示例中，模式管理器112在创建模式事件记录116时发送模式事件记录116。
模式管理器112从车辆支持实体104接收模式配置文件118。在一些示例中，模式配置文件118与车辆102关联。在这样的示例中，模式配置文件118表示车辆102的驾驶员的偏好的结合。在一些示例中，模式配置文件118与驾驶员的驾驶员配置文件关联。在这样的示例中，当驾驶员被驾驶员识别系统识别时，从车辆支持实体104下载模式配置文件118。在一些示例中，模式配置文件118可以与车辆102的乘客关联。以这样的方式，驾驶员可以基于模式配置文件118来使用以令乘客高兴的方式进行驾驶的推荐。模式配置文件118把车辆动力学数据与车辆102的可能驾驶模式关联。在一些示例中，模式配置文件118与特定地理区域或特定路线关联。模式管理器112把车辆动力学数据应用于模式配置文件118。模式管理器112把车辆动力学数据应用于模式配置文件118以生成用于激活驾驶模式的推荐。在一些示例中，模式管理器112基于模式配置文件118也生成与推荐关联的强度值。以这样的方式，驾驶员可以基于强度值来选择对推荐的反应。模式管理器112通过信息娱乐主机单元在听觉上和/或视觉上向驾驶员呈现推荐。在一些示例中，当车辆102是自主或半自主时，模式管理器112使车辆102进入推荐的驾驶模式。
如下面关于图2更详细地公开，车辆支持实体104分析从车辆102接收的模式事件记录116并且生成用于车辆102的模式配置文件118。在图示示例中，车辆支持实体104包括在外部网络114上执行的服务器。在一些示例中，车辆支持实体104包括一个或多个因特网服务器(有时被称为“云”)。在图示示例中，车辆支持实体104包括模式映射器120、偏好数据库122、和驾驶员配置文件数据库124。
模式映射器120分析从车辆102接收的模式事件记录116并且生成用于车辆102的模式配置文件118。模式配置文件118包含使用由模式管理器112监测的数据的一个或多个分类器以(a)基于频繁的目的地和路线来预测驾驶模式，(b)基于平均驾驶员偏好来预测驾驶模式，和/或(c)基于相似驾驶员来预测驾驶模式。不时地，模式映射器120向车辆102发送模式配置文件118。例如，模式映射器120可以在已经生成或更新模式配置文件118之后发送模式配置文件118。作为另一示例，模式映射器120可以响应于检测到下载到车辆102的当前模式配置文件118不包括车辆102正沿着行驶的路线而发送模式配置文件118，但在此情况下存在关于路线上的相似驾驶员的一个或多个模式配置文件118。
基于在模式事件记录116中的车辆动力学数据，模式映射器120生成把车辆动力学数据与驾驶模式的变化关联的模式映射。模式映射器120把模式映射归纳到候选分类器中。候选分类器关联车辆动力学数据的子集以生成模式推荐。例如，候选分类器中的一个可以基于道路状况值(例如，潮湿、结冰、砾石、泥土等)以及道路弯道值(例如，直线，20度弯道等)来生成模式推荐。候选分类器可以是一维的(例如，车辆动力学数据的一个变量的值用于生成推荐)或多维的(例如，车辆动力学数据中的两个或两个以上的变量用于生成推荐)。在一些示例中，模式映射器120使用全因子、部分因子或试验方法的其他设计确定具有不同输入组合(例如，车辆动力学数据的不同组合)的一组候选模式映射。模式映射中的一个可以由所有输入信号组成但所有其他的候选模式映射应该仅具有所有输入的子集。每个候选映射将具有基于它的输入的子集构建的分类器。分类器被训练并且它的性能被记录。模式映射器120对候选分类器进行分类测试以选择候选分类器中的一个。基于复杂性(例如输入的数量)和性能(例如正确预测率)来评估候选分类器。这个过程包含交叉验证，在此情况下可用数据被迭代分成训练和验证数据以获取所有性能度量。模式映射器120选择候选分类器中的一个以包括在被发送至车辆102的模式配置文件118中。
当模式映射器120不具有与地理区域和/或导航路线关联的足够的模式事件记录116时(车辆102正以该导航路线行驶以生成通过分类测试的候选分类器(例如，模式映射器120拒绝候选分类器))，模式映射器120把存储在驾驶员配置文件数据库124中的与车辆102关联的驾驶员配置文件与存储在偏好数据库122中的偏好配置文件相比较。偏好配置文件把模式分类器与驾驶员的同类客户群体数据(demographicdata)、地理位置、和/或导航路线关联。基于与车辆102的驾驶员关联的同类客户群体数据、车辆102的地理区域、和/或正被车辆102遍历的导航路线，模式映射器120在偏好数据库122中选择分类器以包括在被发送至车辆102的模式配置文件118中。在这样的情况下，当模式映射器120具有与地理区域和/或导航路线关联的足够的模式事件记录116时(车辆102正以该导航路线行驶以生成通过分类测试的候选分类器)，模式映射器120更新模式配置文件118以包括那个候选分类器。
图2是图1的模式映射器120的框图。在图示示例中，模式映射器120包括信息调整器202、分类器生成器204、分类器验证器206和配置文件生成器208。在图示示例中，模式映射器120通信地连接至车辆102。模式映射器120从车辆102接收模式事件记录116并且向车辆102发送模式配置文件118。
信息调整器202接收模式事件记录116。信息调整器202通过用不同的抽样频率调整变量来创建统一的数据集。例如，如果轮胎压力传感器每十五秒采样轮胎压力并且车轮转速传感器每一秒采样车轮的转速，则信息调整器202可以平均或以其他方式操纵车轮转速数据以每十五秒周期获取一值。此外，信息调整器202可以执行其他数据预处理功能，比如标准化数据格式并且过滤超出范围的值、不可能的数据组合和/或推断缺失值等。在一些示例中，信息调整器202基于比如地理区域、导航路线、一天中的时间、或目的地等这样的驾驶环境把车辆动力学数据分成不同的组。
分类器生成器204基于车辆动力学数据的子集来生成预测驾驶模式的候选分类器。在一些示例中，分类器生成器204基于关注的驾驶环境使用特定组的车辆动力学数据来生成候选分类器。分类器生成器204应用试验设计技术(比如，全因子设计、部分因子设计等)和机器学习技术(比如，支持向量机、模糊c-均值、k最近邻、线性判别分析、山峰聚类)以识别不同的车辆动力学数据集的归纳的映射。例如，如果车辆动力学数据包括{速度、道路状况、一天中的时间}，使用试验设计技术，则要评估的归纳的模式映射可以是{速度}、{道路状况}、{一天中的时间}、{速度、道路状况}、{速度、一天中的时间}、{道路状况、一天中的时间}、以及{速度、道路状况、一天中的时间}。机器学习技术用于选择归纳的模式映射中要成为候选分类器的归纳的模式映射。例如，归纳的模式映射中的一些可以不以输入(例如，归纳的模式映射的特定车辆动力学数据)可以与一个或多个输出(例如，驾驶模式)关联的方式群集。以这样的方式，车辆动力学数据的全模式映射可以归纳到一个或多个候选分类器中。候选分类器包括预测驾驶员偏好哪一个驾驶模式的车辆动力学数据的变量的组合。例如，当在特定地理区域(例如关注的驾驶环境)中行驶时，候选分类器中的一个可以基于速度变量和道路状况变量来确定驾驶员更喜欢在正常驾驶模式下还是在舒适驾驶模式下。
分类器验证器206把测试应用于由分类器生成器204生成的候选分类器。测试用预测精度来平衡由候选分类器使用的变量的数量。由候选分类器使用的较低数量的变量意味着车辆102可以用较少的处理能力来处理分类器。然而，较大预测精度意味着模式管理器112的推荐将更精确地匹配驾驶员的实际偏好，提高了驾驶员满意度。分类器验证器206把由候选分类器使用的变量的数量与变量的阈值数量相比较。分类器验证器206消除不满足(例如大于)变量的阈值数量的候选分类器。在一些示例中，变量的阈值数量是五。此外，分类器验证器206把由信息调整器202接收的模式事件记录116中的车辆动力学数据应用于候选分类器。分类器验证器206把由候选分类器预测的驾驶模式与模式事件记录116中的实际驾驶模式相比较。分类器验证器206消除不满足(例如，小于)阈值精度(例如，70％、80％等)的候选分类器。在一些示例中，当所有的候选分类器被消除时，分类器验证器206请求来自分类器生成器204的更多候选分类器。可选地，在一些示例中，分类器验证器206通知配置文件生成器208候选分类器已经被消除。分类器验证器206向配置文件生成器208提供以下候选分类器：(a)满足变量的阈值数量和阈值精度，以及(b)具有最高精度。在一些示例中，如果候选分类器具有相似的精度，则分类器验证器206向配置文件生成器208提供以下候选分类器：(a)具有较低数量的变量和/或(b)具有被车辆102直接观察到的高数量的变量。
配置文件生成器208准备并且发送模式配置文件118至车辆102。配置文件生成器208从驾驶员配置文件数据库124检索与车辆102的驾驶员关联的模式配置文件118。模式配置文件118可以包括由分类器生成器204生成的多个分类器。包括在模式配置文件118中的每个分类器与比如地理区域、导航路线、一天中的时间、一周中的一天、或目的地等这样的不同的驾驶环境关联。用由分类器生成器204生成的分类器来更新模式配置文件118。在一些示例中，当分类器生成器204指示候选分类器已经被消除时，配置文件生成器208基于关注的驾驶环境和/或与模式配置文件118关联的驾驶员的同类客户群体特性来检索存储在偏好数据库122中的分类器。例如，当驾驶员正在新的地理区域中驾驶时，分类器生成器204和/或分类器验证器206可能不能生成候选分类器以添加至模式配置文件118。在这样的示例中，配置文件生成器208把驾驶风格、使用模式、车辆类型和车辆设置(例如，动力传动系统设置、悬架设置等)与驾驶员配置文件数据库125中的其他配置文件相比较并且从为地理区域生成的其他驾驶员配置文件中的一个选择分类器。在一些示例中，配置文件生成器208在驾驶员配置文件数据库124中存储模式配置文件118。
图3说明可以用于实施图1和2的模式映射器120的处理器平台300。在图示示例中，处理器平台300包括处理器或控制器302、存储器304、存储装置306、网络接口308、以及数据总线310。
处理器或控制器302可以是任何合适的处理装置或一组处理装置，比如但不限于：微处理器、基于微控制器的平台、合适的集成电路、或一个或多个专用集成电路(asic)。在图示示例中，处理器或控制器302构造为包括信息调整器202、分类器生成器204、分类器验证器206、以及配置文件生成器208。
存储器304可以是易失性存储器(例如，ram(随机存取存储器)，其可以包括易失性ram、磁性ram、铁电ram、以及任何其他合适的形式)；非易失性存储器(例如，磁盘存储器、闪速存储器、eprom(可擦除可编程只读存储器)、eeprom(电可擦可编程只读存储器)、基于忆阻器的非易失性固态存储器等)，永久存储器(例如，eprom)、以及只读存储器。在一些示例中，存储器304包括多种存储器，特别是易失性存储器和非易失性存储器。存储装置306可以包括任何大容量存储装置，比如硬盘驱动器、和/或固态驱动器。存储装置306可以在处理器平台300的局部和/或远离处理器平台300。在一些示例中，偏好数据库122和/或驾驶员配置文件数据库124存储在存储装置306中。
存储器304和存储装置306是计算机可读介质，比如用于操作本公开的方法的软件这样的一组或多组指令可以嵌入在该计算机可读介质上。指令可以包含如在此描述的方法或逻辑中的一个或多个。在特定实施例中，指令可以完全或至少部分地驻留在存储器304、计算机可读介质中的任何一个或多个内、和/或在执行指令期间驻留在控制器302内。
术语“非暂时性计算机可读介质”和“计算机可读介质”应该理解为包括单个介质或多个介质，比如集中式或分布式数据库、和/或存储一组或多组指令的相关的缓存和服务器。术语“非暂时性计算机可读介质”和“计算机可读介质”也包括能够存储、编码或携带处理器执行的一组指令的任何有形介质或使系统执行在此公开的方法或操作中的任何一个或多个的任何有形介质。如在此使用的，术语“计算机可读介质”明确地定义为包括任何类型的计算机可读存储装置和/或存储磁盘并且定义为排除传播信号。
促进车辆102与处理器平台300交互的网络接口308是网络连接。网络接口308包括比如调制解调器或网络接口卡这样的通信装置，以促进通过网络连接(例如，以太网连接、数字用户线路(dsl)、电话线路、同轴电缆、蜂窝电话系统、蓝牙连接等)与外部处理器系统(例如下面图4的车载计算平台404)的数据交换。网络接口308可以利用现在可用或以后开发的各种网络协议，包括但不限于基于tcp/ip(传输控制协议/互联网协议)的网络协议。
数据总线310通信地连接处理器302、存储器304、存储装置306、以及网络接口308。数据总线310可以通过一个或多个接口标准实施，比如以太网接口、usb(通用串行总线)接口、pci快捷接口、和/或串行ata(硬盘接口技术)接口等。
图4是图1的车辆102的电子部件400的框图。电子部件400包括示例车载通信平台110、示例信息娱乐主机单元402、车载计算平台404、示例传感器108、示例ecu106、第一车辆数据总线406、以及第二车辆数据总线408。
车载通信平台110包括有线或无线网络接口以实现与比如图1的外部网络114这样的外部网络的通信。车载通信平台110也包括硬件(例如，处理器、存储器、存储装置、天线等)和软件以控制有线或无线网络接口。在图示示例中，车载通信平台110包括蜂窝调制解调器、gps(全球定位系统)接收器、以及无线局域网(wlan)模块。蜂窝调制解调器包括用于基于标准的网络(例如，全球移动通信系统(“gsm”)、通用移动通信系统(“umts”)、长期演进(“lte”)、码分多址(“cdma”)、wimax(全球微波互联接入)(“ieee802.16m”)；以及无线千兆比特(“ieee802.11ad”)等)的控制器。无线局域网模块包括用于无线网络的控制器，比如无线保真
信息娱乐主机单元402提供车辆102和用户(例如，驾驶员、乘客等)之间的接口。信息娱乐主机单元402包括数字和/或模拟接口(例如，输入装置和输出装置)以从用户接收输入并且显示信息。输入装置可以包括例如控制旋钮、仪表板、用于图像捕获和/或视觉命令识别的数字摄像机、触摸屏幕、音频输入装置(例如，车厢麦克风)、按钮、或触摸板。输出装置可以包括组合仪表输出(例如，标度盘、照明装置)、致动器、仪表盘、抬头显示器、中央控制台显示器(例如，液晶显示器(“lcd”)、有机发光二极管(“oled”)显示器、平板显示器、固态显示器、或抬头显示器)、和/或扬声器。当模式管理器112基于模式配置文件118来推荐驾驶模式时，模式管理器112通过信息娱乐主机单元402呈现推荐。
车载计算平台404包括处理器或控制器410、存储器412、和存储装置414。在图示示例中，车载计算平台404构造为包括模式管理器112。可选地，在一些示例中，模式管理器112可以合并到具有它自己的处理器和存储器的ecu106中。处理器或控制器410可以是任何合适的处理装置或一组处理装置，比如但不限于：微处理器、基于微控制器的平台、合适的集成电路、一个或多个现场可编程门阵列(“fpga”)和/或一个或多个专用集成电路(“asic”)。存储器412可以是易失性存储器(例如，ram(随机存取存储器)、其可以包括易失性ram、磁性ram、铁电ram、以及任何其他合适的形式)；非易失性存储器(例如，磁盘存储器、闪速存储器、eprom(可擦除可编程只读存储器)、eeprom(电可擦可编程只读存储器)、基于忆阻器的非易失性固态存储器等)、永久存储器(例如，eprom)、以及只读存储器。在一些示例中，存储器412包括多种存储器，特别是易失性存储器和非易失性存储器。存储装置414可以包括任何大容量存储装置，比如硬盘驱动器、和/或固态驱动器。
存储器412和存储装置414是计算机可读介质，比如用于操作本公开的方法的软件这样的一组或多组指令可以嵌入在该计算机可读介质上。指令可以包含如在此描述的方法或逻辑中的一个或多个。在特定实施例中，指令可以完全或至少部分地驻留在存储器412、计算机可读介质中的任何一个或多个内、和/或在执行指令期间驻留在控制器410内。
ecu106监测和控制车辆102的系统。ecu106通过第一车辆数据总线406通信和交换信息。此外，ecu106可以传送性能(比如，ecu106的状态、传感器读数、控制状态、误差和诊断代码等)至其他ecu106和/或从其他ecu106接收请求。一些车辆102可以具有位于围绕车辆102的各种位置中的通过第一车辆数据总线406通信地连接的七十个或更多的ecu106。ecu106是分立的电子装置集，该电子装置包括它们自己的电路(比如，集成电路、微处理器、存储器、存储装置等)以及固件、传感器、致动器、和/或安装硬件。在图示示例中，ecu106包括牵引力控制、自适应巡航控制、以及制动控制。ecu106也可以包括发动机控制、变速器控制、和/或转向控制等。当连接的车辆是自主的或半自主的时，ecu106也可以包括自适应巡航控制。
第一车辆数据总线406通信地连接传感器108、ecu106、车载计算平台404、以及连接至第一车辆数据总线406的其他装置。在一些示例中，第一车辆数据总线406是根据如由国际标准化组织(iso)11898-1定义的控制器局域网(“can”)总线协议实施的。可选地，在一些示例中，第一车辆数据总线406可以是不同的数据协议，比如媒体导向系统传输(“most”)总线、或控制器局域网灵活数据(“can-fd”)总线(通过iso11898-7定义)。第二车辆数据总线408通信地连接车载通信平台110、信息娱乐主机单元402、以及车载计算平台404。第二车辆数据总线408可以是most总线、can-fd总线、或以太网总线。在一些示例中，车载计算平台404通信地隔离第一车辆数据总线406和第二车辆数据总线408(例如，通过防火墙、消息代理等)。可替代地，在一些示例中，第一车辆数据总线406和第二车辆数据总线408是相同的数据总线。
图5是可以由图3的处理器平台300实施的生成用于用户(例如，图1的车辆102的驾驶员)的模式配置文件118的示例方法的流程图。首先，在框502，信息调整器202从车辆102接收驾驶模式信息(例如，通过模式事件记录116)。在一些示例中，信息调整器202从车辆102分批接收模式事件记录116。在框504，信息调整器202调整在框502接收的模式事件记录116中的车辆动力学数据。调整车辆动力学数据促进比较和分析车辆动力学数据以确定车辆动力学数据和驾驶员的驾驶模式偏好之间的关系。
在框506，分类器生成器204基于调整的车辆动力学数据来生成全模式映射。全模式映射把(例如，作为输入)调整的车辆动力学数据与驾驶模式变化(例如，作为输出)关联并且包括在调整的车辆动力学数据范围内的自变量和因变量。也就是说，全模式映射描述驾驶员的驾驶模式偏好并且包括在调整的车辆动力学数据范围内的变量而不管特定的变量是否有助于驾驶员的偏好。在框508，分类器生成器204把全模式映射归纳到候选分类器中。候选分类器把全模式映射的子集与驾驶模式变化的预测关联。分类器生成器204应用试验设计技术(比如，全因子设计、部分因子设计等)和机器学习技术(比如，支持向量机、模糊c-均值、k-最近邻、线性判别分析、山峰聚类)以识别包括车辆动力学数据的不同组合的候选分类器。
在框510，分类器验证器206确定在框508生成的候选分类器是否满足属性阈值(例如，变量的阈值数量)。当候选分类器的输入变量的数量小于或等于属性阈值时，候选分类器满足属性阈值。在一些示例中，属性阈值是五。选择属性阈值以用处理负荷平衡候选分类器预测能力以生成预测。如果候选分类器不满足属性阈值，则分类器生成器204生成另一候选分类器(在框508)。否则，如果候选分类器满足属性阈值，则在框512，分类器验证器206确定候选分类器是否满足分类阈值(例如，阈值精度)。当正确分类的百分比大于或等于分类阈值时，候选分类器满足分类阈值。在一些示例中，分类阈值是百分之七十。为了计算正确分类的百分比，分类器验证器206把来自模式事件记录116的车辆动力学数据应用于候选分类器并且把候选分类器的输出与模式事件记录116中的驾驶模式变化相比较。如果候选分类器不满足分类阈值，则分类器生成器204生成另一候选分类器(在框508)。
否则，如果候选分类器满足分类阈值，则在框514，配置文件生成器208生成车辆配置文件118。车辆配置文件118可以包括与车辆102使用的取决于车辆102的当前驾驶环境的不同驾驶环境关联的候选分类器。在框516，配置文件生成器208向车辆102发送车辆配置文件118。
图6是可以由图4的电子部件400实施的基于模式配置文件118来预测车辆驾驶模式的示例方法的流程图。首先，在框602，模式管理器112监测车辆属性(例如，车辆动力学数据)。在一些示例中，模式管理器112通过第一车辆数据总线406监测车辆属性。在框604，模式管理器112把车辆属性应用于车辆配置文件118中的分类器中的一个。在一些示例中，模式管理器112基于车辆102的当前驾驶环境来生成车辆配置文件118中的分类器中的一个。在框606，模式管理器112基于车辆属性来确定分类器是否预测驾驶模式变化。如果分类器不预测驾驶模式变化，则模式管理器112继续监测车辆属性(在框602)。否则，在框608，如果分类器预测驾驶模式变化，则模式管理器112对根据车辆偏好的驾驶模式预测作出响应。在一些示例中，当车辆是非自主的时，模式管理器112通过信息娱乐主机单元402向车辆102的驾驶员显示作为推荐的预测。在一些示例中，当车辆102是自主的或半自主的时，模式管理器112通过一个或多个ecu106来自动地改变车辆102的驾驶模式(例如，在没有驾驶员干预的情况下)。模式管理器112接着继续监测车辆属性(在框602)。
图5的流程图是可以由包含一个或多个程序的机器可读指令实施的方法，该程序当被处理器(比如图3的处理器302)执行时使车辆支持实体104实施图1和2的模式映射器120。图6的流程图是可以由包含一个或多个程序的机器可读指令实施的方法，该程序当被处理器(比如图4的处理器410)执行时使车辆102实施图1的模式管理器112。此外，虽然参考图5和6所示的流程图描绘示例程序，但可以可替代地使用实施示例模式映射器120和/或模式管理器112的许多其他方法。例如，框的执行顺序可以改变、和/或一些描述的框可以改变、消除、或结合。
在本申请中，转折连词的使用旨在包括连词。定冠词或不定冠词的使用不旨在指示基数。特别地，对“该”物体或“一(a)”和“一(an)”物体的引用也旨在表示多个可能的这样的物体中的一个。此外，连接词“或”可以用于传达同时存在而不是互相排斥的可选方案的特征。也就是说，连接词“或”应该理解为包括“和/或”。术语“包括(includes)”、“包括(including)”和“包括(include)”是包括性的并且分别具有与“包含(comprises)”、“包含(omprising)”、和“包含(comprise)”相同的范围。
上述实施例——以及特别是任何“优选”实施例——是实施方式的可能示例，并且仅被提出以用于本发明的原则的清楚理解。在实质上不背离在此描述的技术的精神和原则的情况下，可以对上述实施例做出许多变化和修改。所有的修改旨在在此包括在本公开的保护范围内并且受到下列权利要求的保护。
- 还没有人留言评论。精彩留言会获得点赞！