[发明专利]软件升级方法、装置、服务器及存储介质

说明书

本申请涉及智能网联技术领域，特别涉及一种软件升级方法、装置、服务器及存储介质，其中，方法包括：通过大数据获取车辆数据和用户行为数据；根据车辆数据和用户行为数据建立训练数据集，利用训练数据集和训练样本训练预测模型，其中，训练样本包括用于模型训练的用户数据和软件包数据；将用户数据和软件包数据输入训练完成的预测模型，输出用户偏好任意软件包的预测概率，并获取用户偏好任意软件包的群体特征，根据用户的群体特征和/或预测概率给用户推荐偏好软件包，使得用户根据偏好软件包升级车辆软件。由此，解决了现有技术中车辆的软件升级的应用场景存在限制，没有充分利用用户用车的全方位数据，并且用户体验感较差等问题。

技术领域

本发明涉及智能网联技术领域，具体涉及一种软件升级方法、装置、服务器及存储介质。

背景技术

随着车联网大数据、智能化技术、终端硬件的不断发展，车辆开始加速由传统交通工具向移动智能终端转变。为了给用户提供更满意的服务，从而提升用户体验及增强用户粘性，很多新能源汽车公司开始基于已交付汽车通过OTA(Over-The-Air，空中下载技术)方式提供更加多样的软件升级包，例如专属驾驶模式、记忆座椅、定制化氛围灯、充电桩推荐等各项功能。但是OTA软件版本受限于汽车硬件状态和用户喜好，推送硬件不适配的软件升级包可能会导致车辆发生故障，引发客户投诉，推送用户不喜好的软件升级包可能会导致用户抱怨，影响企业口碑，降低企业竞争力。

基于车辆的运行数据能够对车辆状况进行分析，可以作为判断用户是否乐意接受OTA升级且本次升级是否足够稳定安全的重要依据。相关技术中提供了种基于车联网的OTA系统升级方法，通过抓取网联设备T-BOX(Telematics-Box，智能车载终端)反馈的ECU(Electronic Control Unit，电子控制单元)软件版本、控制器运行状态等数据，通过归纳定义好的特征模型，进行数据特征对比，根据符合度对车辆自动执行静默升级，但该方法所述应用场景是对车辆本身潜在问题的处理，即针对性故障的修复，不涉及车辆本身智能功能应用的推荐，重要但不明显，客户感知度不高，也缺乏和用户的交互性数据的使用。另一种基于机器学习的车辆OTA推送系统和方法，通过采集用户升级参数，建立推送模型，将每次用户选择OTA升级时的用户升级参数定义为升级命中参数，利用升级命中参数对OTA推送模型进行训练升级，使OTA推送模型判断需要推送OTA升级任务的时机更符合用户的升级习惯，但是该方法所述应用场景只涉及OTA软件推送时间和场景的优化，针对推送的软件内容是否契合用户“心意”，升级的软件是否足够安全稳定缺乏相应的处理，未能进一步提升用户的产品体验。

发明内容

本发明的目的之一在于提供一种软件升级方法，以解决现有技术中车辆的软件升级的应用场景存在限制，没有充分利用用户用车的全方位数据，并且用户体验感较差的问题；目的之二在于提供另一种软件升级方法；目的之三在于提供一种软件升级装置；目的之四在于提供另一种软件升级装置；目的之五在于提供一种服务器；目的之六在于提供一种计算机可读存储介质。

为了实现上述目的，本发明采用的技术方案如下：

一种软件升级方法，包括以下步骤：通过大数据获取车辆数据和用户行为数据；根据所述车辆数据和所述用户行为数据建立训练数据集，利用所述训练数据集和训练样本训练预测模型，其中，所述训练样本包括用于模型训练的用户数据和软件包数据；将用户数据和软件包数据输入训练完成的预测模型，输出用户偏好任意软件包的预测概率，并获取用户偏好任意软件包的群体特征，根据用户的群体特征和/或所述预测概率给所述用户推荐偏好软件包，使得所述用户根据所述偏好软件包升级车辆软件。

根据上述技术手段，本申请实施例可以充分利用车辆数据和用户行为数据建立训练数据集，利用训练数据集合训练样本训练预测模型，实现利用预测模型预测用户偏好任意软件包的概率，使得用户根据偏好软件包升级车辆软件，进一步使车辆软件推送升级内容与用户的需求更加吻合，提升用户使用体验感。