[发明专利]一种基于大数据学习的车载控制方法及系统

说明书

本发明公开了一种基于大数据学习的车载控制方法，其包括以下步骤：采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。本发明可以根据车辆的实时行驶数据和/或工作参数，可以在外部环境产生危害前提前预测获得对车载空调的预测控制指令，从而实现车载空调的自动控制，反馈速度快，方便、快捷，可广泛应用于汽车行业中。

技术领域

本发明涉及车载自动控制领域，特别是涉及一种基于大数据学习的车载控制方法及系统。

背景技术

传统技术中，车辆在行驶过程中，车载空调是由驾驶员手动进行控制的，这种方式，一般是在驾驶员感受到外部温度、空气质量等环境因素的影响后，再对车载空调进行调节。这种调节方式受驾驶员感受能力、反应速度的影响，无法及时进行调节，例如当车辆行驶过程中，驾驶员闻到化学品刺激味道等异味时，才关闭车载空调的外循环，这种情况，实际上还需要很长一段时间味道才能消散，由此可见，手动调节方式响应速度慢，无法及时屏蔽外部环境对车内空气的影响。目前，出现了一种通过大数据学习算法对室内空调进行自动调节的方案，这种方案基于空气质量传感器等采集的传感数据进行自动调节，实现通过获取批量的室内空调调节数据以及对应的传感数据后，进行大数据学习，从而根据学习结果，在实际应用中，根据传感数据来自动控制空调的内外循环、风量、吹风模式等功能，实现室内空调的自动调节。但是这种调节方式仅仅针对空气质量等环境参数，而且针对的是室内空调，其应用环境、影响因素均与车载空调具有较大不同，无法直接应用到车载空调上进行自动调节。总的来说，目前缺乏有效的车载空调自动调节方案，无法及时、迅速地降低外部环境的影响。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种基于大数据学习的车载控制方法及系统。

本发明解决其技术问题所采用的技术方案是：

一种基于大数据学习的车载控制方法，其包括以下步骤：

采集车辆行驶时的实时行驶数据和/或工作参数，并发送到后台服务器；

接收后台服务器返回的与该实时行驶数据和/或工作参数对应的预测控制指令，并提醒驾驶员对该预测控制指令进行确认；

其中，所述预测控制指令是后台服务器将该实时行驶数据和/或工作参数与预测指令数据库进行匹配后获得的，其中，预测指令数据库由后台服务器基于大数据学习所获得。

进一步，还包括以下步骤：

当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换。

进一步，所述当检测到驾驶员确认该预测控制指令时，根据该预测控制指令自动控制车载空调内外循环的切换的步骤之后，还包括以下步骤：

将驾驶员对该预测控制指令的确认状态生成对应的反馈信息后，发送到后台服务器；

后台服务器根据接收到的反馈信息，标记对应的预测控制指令的有效状态。

进一步，还包括以下步骤：

根据每个预测控制指令的多次有效状态标记，更新预测指令数据库。

进一步，还包括预测指令数据库的学习步骤：

获取车辆在行驶过程中的批量训练数据；

对获取的批量训练数据进行解析后进行大数据学习，进而按照预设的学习规则生成针对车辆的不同行驶数据的预测控制指令，和/或针对车辆的不同工作参数的预测控制指令；