车内环境调控方法、装置、电子设备和存储介质与流程

本发明涉及车内环境控制技术领域，尤其涉及一种车内环境调控方法、装置、电子设备和存储介质。

背景技术：

随着车载电子技术的不断发展，智能语音交互系统已逐渐在各种智能驾驶方案中普及，车内乘员可以通过智能语音交互系统实现对各种车内设备的控制。车内环境直接影响到车内乘员的驾驶体验和感受，通过智能语音交互系统对车内环境进行调整对提升驾驶体验意义显著。

目前，车内环境的调整多借助车内环境调整系统，该系统基于车内环境状态与最优环境状态之间偏差，控制车内设备自动调整车内环境以使车内环境达到最优环境状态，通常只考虑一些客观因素如车内温度、车内湿度等，若温度高于最优环境温度，则开启空调；若湿度低于最优环境湿度，则打开加湿装置。对于车外环境较好，车内乘员希望通风换气降低车内环境的温度及二氧化碳浓度的情形，仅考虑客观因素开启空调降温的调整方案难以满足车内乘员的需求。另外，车内乘员个体感知的最有车内环境并非一成不变，仅考虑客观因素调整车内环境明显无法为车内乘员提供舒适的驾乘体验。

技术实现要素：

本发明实施例的目的是提供一种车内环境调控方法、装置、电子设备和存储介质，用以解决现有的车内环境调控方法仅考虑客观因素难以提供舒适的驾乘体验的问题。

第一方面，本发明实施例提供一种车内环境调控方法，包括：

获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息；

获取当前车内环境状态信息和当前驾驶场景下的最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定；

获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。

其中，车控指令，具体包括任务链；

其中，所述任务链包括执行每个车控指令的执行顺序、对象实体、控制命令取值以及执行时间。

其中，所述根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令包括：

将所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息输入至全连接层，获得全局信息特征；

将车内设备状态信息输入至卷积层，获得设备信息特征；

将所述设备信息特征及所述全局信息特征输入attention层，确定不同车控设备和全局信息特征的相关性，并利用相关性对设备信息加权获得用于生成任务链的编码特征；

将所述编码特征输入循环神经网络解码器，生成车控指令。

其中，所述根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息包括：

获取兴趣点信息，根据所述车辆驾驶信息和所述兴趣点信息确定车辆的行驶轨迹信息和数字环境信息；所述车辆驾驶信息包括车辆位置信息，所述兴趣点信息根据所述车辆位置信息确定；

根据所述行驶轨迹信息和所述数字环境信息确定所述当前驾驶场景的分类结果信息。

其中，所述最优环境状态信息是通过如下步骤获取的：

获取所述当前车内环境状态信息和所述当前车外环境状态信息；

将所述当前车内环境状态信息和所述当前车外环境状态信息输入最优环境预测模型，由所述最优环境预测模型输出当前驾驶场景下的所述最优环境状态信息。

其中，所述获取车内乘员的调控意图的句子特征信息之前还包括，确认所述最优环境状态信息与所述当前车内环境状态信息的偏差超出当前驾驶场景下的设定阈值。

其中，所述获取车内乘员的调控意图的句子特征信息包括：

若车内乘员发出语音信息，则基于车内乘员的所述语音信息确定车内乘员的调控意图；

若车内乘员未发出语音信息或车内乘员发出的语音信息包含非车控类的调控意图，则引导车内乘员发出语音信息以确认车内乘员的调控意图。

其中，所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定，包括：

所述最优环境状态信息根据所述当前车内环境状态信息、所述当前车外环境状态信息和车内乘员的语音信息确定。

第二方面，本发明实施例提供一种车内环境调控装置，包括：

第一处理模块，用于获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息；

第二处理模块，用于获取当前车内环境状态信息和当前驾驶场景下的最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定；

第三处理模块，用于获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。

第三方面，本发明实施例提供一种电子设备，包括处理器、通信接口、存储器和总线，其中，处理器，通信接口，存储器通过总线完成相互间的通信，处理器可以调用存储器中的逻辑命令，以执行如第一方面所提供的方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。

本发明实施例提供的车内环境调控方法、装置、电子设备和存储介质，基于车内乘员的调控意图的句子特征信息和当前驾驶场景的分类结果信息生成车控指令，考虑车内乘员的主观调控意愿，在结合车内外客观环境因素进行调控的同时兼顾不同驾驶场景下不同调节方式体验感差异，有效提升了车内乘员的驾车体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的车内环境调控方法的流程示意图；

图2为本发明实施例提供的车控指令生成方法的流程示意图；

图3为本发明实施例提供的分类结果信息的确定方法的流程示意图；

图4为本发明实施例提供的最优环境状态信息的获取方法的流程示意图；

图5为本发明实施例提供的车内环境调控装置的结构示意图；

图6为本发明实施例提供的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供一种车内环境调控方法，能够调节车内环境的同时兼顾车内乘员的主观意愿。图1为本发明实施例提供的车内环境调控方法的流程示意图，如图1所示，该方法包括：

步骤110，获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息。

具体地，车辆驾驶信息包括车辆位置信息及车辆车速信息。其中。车辆位置信息为车载gps采集的车辆当前位置的经纬度坐标，车辆车速信息为车载测速仪采集的车速信息。根据车辆驾驶信息确定当前驾驶场景的分类结果信息可以采用多种方式确定，比如，根据车辆车速信息确定其分为高速、低速或驻车，根据车辆位置信息判断车辆所处的位置是城区道路、高速道路、山区道路、红绿灯或停车位，进而确定当前驾驶场景归属于城区道路高速驾驶、城区道路低速驾驶、城区红绿灯驻车、城区停车位驻车、高速道路高速驾驶、高速道路低速驾驶、高速服务区驻车、山区道路高速驾驶、山区道路低速驾驶、山区驻车中的哪一种。

除此之外，还可以根据车辆车速信息和车辆位置信息分别确定行驶轨迹信息和数字环境信息，并根据行驶轨迹信息和数字环境信息确定当前驾驶场景的分类结果信息。

步骤120，获取当前车内环境状态信息和当前驾驶场景下最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定。

具体地，当前车内环境状态信息包括当前车内的温度、湿度及二氧化碳浓度，当前车外环境状态信息包括当前车外的温度、湿度、pm2.5值及风雨雪等天气信息。最优环境状态信息，包括车内最优温度、车内最优湿度及车内最优二氧化碳浓度。可以将当前车内环境状态信息和当前车外环境状态信息输入最优环境预测模型确定当前驾驶场景下的最优环境状态信息，还可以将当前车内环境状态信息、当前车外环境状态信息和车内乘员的主观偏好输入最优环境预设模型确定符合车内乘员个体需求的最优环境状态信息。

步骤130，获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。

其中，在当前车内环境相同的条件和最优环境状态信息相同的情况下，因当前驾驶场景的不同，生成的用于进行车内环境调控的车控指令也不相同。比如，为了实现通风换气，在高速道路场景下可以直接通过控制车窗的开启实现，而在城区道路的场景下通过空调外循环实现。

具体地，获取车内乘员的调控意图的句子特征信息可以是在满足特定条件时触发也可以间隔特定时间获取。车内乘员的调控意图可以为进行车内环境调控的肯定意图、不进行车内环境调控的否定意图及与车内环境调控不相关的非车控意图。比如，当车内乘员的调控意图为进行车内环境调控的肯定意图时，可以根据当前车内环境状态信息与最优环境状态信息的偏差大小确定是否需要对车内环境进行调控；当车内乘员的调控意图为不进行车内环境调控的否定意图或非车控意图时，则可以基于车内乘员的调控意图，生成空指令，对车内环境不进行任何调整。

本发明实施例提供的车内环境调控方法，相比于传统的车内环境调控方法，在生成车控指令时考虑车内乘员的调控意图，考虑车内外客观环境因素的同时兼顾不同驾驶场景下不同调节方式体验感差异，有效提升了车内乘员的驾车体验。

在上一实施例的基础上，车控指令具体包括任务链，该任务链包括执行车控指令的执行顺序、对象实体、控制命令取值及执行时间。

其中，对象实体是车控指令的执行对象，比如空调内循环、空调外循环、左前车窗、右前车窗、天窗等车控实体。控制命令取值表示每个车控实体的取值，可以采用归一化的标量表示，比如，空调的取值代表档位1-6挡，车窗的取值代表开启程度0-100％。执行时间可以采用归一化的指令执行时长或者普通的时间设定，比如，可以设定最长执行时间为10分钟。

具体地，车控指令可以为单一任务也可以为一系列车控指令依次执行构成环境调整的任务链。当为单一任务时，其包括对象实体、控制命令取值和/或执行时间。比如，开启空调至28℃，对空调这一对象实体进行开启操作，并将温度调整至28℃，未设置具体的任务结束标志；或者开启空调至28℃运行30分钟，对空调这一对象实体进行开启操作，并将温度调整至28℃，当运行30分钟时，任务结束。当车控指令为任务链时，执行顺序为各车控指令的执行排序，对象实体除了车控实体之前还包括任务结束标志，与任务结束标志对应的控制命令取值和执行时间变量无实际意义。使用任务链可以达到多种设备多轮调整的目的，以实现动态的最优环境调整。该任务链可以由解码器网络通过循环神经网络实现，通过循环神经网络生成一个代表任务链的序列，序列中的每个节点代表一个任务，单个任务的生成依赖编码器的输出及上一个任务，即解码器的输入为编码器输出以及上一次的历史特征。模型的训练涉及对象实体、控制命令取值和执行时间三个变量，所以损失函数包含三个部分，其中对车控实体的预测使用交叉熵损失计算，车控实体取值和执行时间通过均方误差损失进行训练，总的损失函数计算方式如下：

其中，loss1、loss2、loss3分别对应车控实体预测、车控实体取值预测、执行时间预测损失。特别的，在计算总的损失函数loss时，loss2、loss3需要乘上一个系数，该系数仅在取值为1时为0，其他情况下为1，即仅在当前实体为任务链结束标志时不计算loss2、loss3。因当任务实体为任务链结束标志时，取值和时间的预测没有实际意义，通过设置该系数实现对真实车控实体的任务的关注，忽略任务链结束标志的后两个变量预测，以达到任务聚焦的目的。

在上述任一实施例的基础上，如图2所示为本发明实施例提供的车控指令生产方法的流程示意图，根据分类结果信息、当前车内环境状态信息、最优环境状态信息和句子特征信息，生成用于进行车内环境调控的车控指令包括：

步骤210，将分类结果信息、当前车内环境状态信息、最优环境状态信息和句子特征信息输入至全连接层，获得全局信息；

步骤220，将车内设备状态信息输入至卷积层，获得设备信息特征；

步骤230，将设备信息特征及全局信息输入注意力(attention)层，确定不同车控实体和全局信息特征的相关性，并利用相关性对设备信息加权获得用于生成任务链的编码特征；

步骤240，将所述编码特征输入循环神经网络解码器，生成车控指令。

具体地，任务链的生成通过编码器-解码器模型实现。任务链生成模型的编码器包括卷积层、全连接层及attention层。将当前驾驶场景的分类结果信息、当前车内环境状态信息、最优环境状态信息、句子特征信息输入全连接层之前，先将这些信息进行串联，得到一个包含了驾驶场景、车内乘员调控意图以及车内环境调整信息的特征，全连接层对该特征进行处理或获得全局信息特征。车内设备状态信息为当前车辆的空调、车窗等用于调整车内环境的设备状态组合成的状态矩阵，其中，状态矩阵的每一行可以设置为一种车控实体的状态取值，状态取值包括：该车控实体的一个20维embedding编码、表示是否开启的0/1值及在[0，1]之间取值的用于表示开启程度的数值。将该车内设备状态信息输入编码器的卷积层，卷积层通过多次1×n的卷积生成一个高维特征，该高维特征用于表征设备信息特征，该特征的每一行只与自身相关，不受其他车控实体状态影响。将全连接层产生的全局信息特征和卷积层输出的设备信息特征送入编码器的attention层，确定不同车控实体和全局信息特征的相关性，并利用相关性对设备信息加权获得用于生成任务链的编码特征，以便通过循环神经网络解码器生成车控指令，确定当前驾驶场景下各车控实体的调整主次顺序及调整幅度。需要说明的是，步骤210与步骤220的执行不分先后。

在本发明实施例中，如图3所示为本发明实施例提供的分类结果信息的确定方法的流程示意图。根据车辆驾驶信息确定当前驾驶场景的分类结果信息具体包括：

步骤310，获取兴趣点信息，根据车辆驾驶信息和兴趣点信息确定车辆的行驶轨迹信息和数字环境信息；其中，车辆驾驶信息包括车辆位置信息，兴趣点信息根据车辆位置信息确定；

步骤320，根据行驶轨迹信息和数字环境信息确定当前驾驶场景的分类结果信息。

具体地，车辆驾驶信息包括车辆位置信息和车辆车速信息。在本发明实施例中，可以每隔30秒获取一次新的车速信息及位置信息，每5分钟形成一组数据，由此形成的一组数据中包含10个位置信息和10个车速信息。当然，也可以每20秒或40或其他时间间隔获取一次新的车速信息及位置信息。通过用户车机将位置信息和车速信息上传至服务器端。兴趣点信息是根据车辆当前位置信息查询到的近邻地理信息中人为标注的具有代表意义的地标点信息。通常地图服务商提供的兴趣点信息包含兴趣点的名称、位置、类型、电话、价格等多种信息。在本发明实施例中，可以仅取兴趣点的位置信息和类型信息作为兴趣点信息，其中，兴趣点的位置信息为全球经纬度坐标，兴趣点的类别信息包括商场、酒店、餐饮等。当然也可以取兴趣点的名称、位置和类型作为兴趣点信息，对此，本发明实施例不做具体限定。

根据车辆位置信息和车辆车速信息确定车辆的行驶轨迹信息。具体地，创建一个两通道的矩阵，其中一个通道用于标识当前位置是否是车辆轨迹点，取值为0或1；另外一个通道代表车辆轨迹点的车速，取值为实际车速归一化为[0，1]之间的值。对位置信息中坐标值进行数字化，其中将浮点数表示的全球经纬度转换为整型数表示的矩阵下标，以准确反映车辆停留时的位置信息，在数字化后的位置坐标对应位置填充车速信息，即可得到车辆一定时间内的行驶轨迹信息。

获取兴趣点信息，根据兴趣点信息确定车辆的数字环境信息。其中，兴趣点信息根据车辆位置信息确定。具体地，服务器端接收车辆位置信息，通过地图服务商提供的查询服务查询每个位置信息最近邻的兴趣点信息。若查询到的兴趣点信息已经记录，则取次近邻的兴趣点信息，直到获取一组完全不同的兴趣点信息，将所有兴趣点信息的经纬度坐标按照与上同样的方式进行数字化获取矩阵坐标，将每个兴趣点的类型按照embedding编码后对照矩阵坐标填充到另外一个和行驶轨迹信息相同尺寸的多通道矩阵中，即可得到一定时间内的数字环境信息。其中，使用embedding编码可以方便类型扩展以及模型迭代，embedding的维度可以设置为20。

步骤330中，将行驶轨迹信息和数字环境信息的通道进行串联，得到车辆的驾驶特征图。驾驶特征图直观地反应了车辆在一定时间内的驾驶情况，包括车辆是在高速行驶、低速行驶或是驻车以及车辆的驾驶环境是在城区内或高速道路等。通过一个卷积神经网络分类器对驾驶特征图进行驾驶场景分类，以获取当前驾驶场景的分类结果信息。

将行驶轨迹信息和数字环境信息输入驾驶场景分类模型，获得当前驾驶场景的分类结果信息。具体地，将行驶轨迹信息和数字环境信息串联层，合并为驾驶特征图；然后对驾驶特征图进行四次卷积-池化的操作映射为高维空间下的特征图，将该特征图拉展为特征向量；通过两次全连接操作将特征向量转换为不同驾驶场景下的概率分布，最终取概率最高的场景进行输出。在本发明实施例中驾驶场景可以包括以下几类：城区道路高速驾驶、城区道路低速驾驶、城区红绿灯驻车、城区停车位驻车；高速道路高速驾驶、高速道路低速驾驶、高速服务区驻车；山区道路高速驾驶、山区道路低速驾驶、山区驻车。

驾驶场景分类模型的训练使用交叉熵损失函数进行，交叉熵损失函数表示如下：

其中，n表示场景的数量，比如上述分类方式中共有10个场景，则n为10；和cⁱ分别表示每个场景概率的真值和模型预测值。将分类得到的当前一段时间内的驾驶场景作为分类结果信息从服务器端回传至用户车机。

在上述实施例的基础上，如图4所示为本发明实施例提供的最优环境状态信息的获取方法的流程示意图，最优环境状态信息是通过如下步骤获取的：

步骤410，获取当前车内环境状态信息和当前车外环境状态信息；

步骤420，将当前车内环境状态信息和当前车外环境状态信息输入最优环境预测模型，由最优环境预测模型输出当前驾驶场景下车内环境的最优环境状态信息。

具体地，当前车内环境状态信息包括车内环境的温度、湿度以及co2浓度。车内环境的温度、湿度以及co2浓度分别通过车辆搭载的温度传感器、湿度传感器和二氧化碳浓度检测仪实时采集，采集结果数字化后传送至用户车机。通过服务器端查询当前位置车外环境的温度、湿度、天气以及pm2.5值，将查询结果数字化后作为当前车外环境信息回传至用户车机。由此，当前驾驶场景下的最优环境状态信息综合车内外综合车内外温度、湿度、天气、pm2.5值等诸多影响车内环境的因素进行预测，更加贴合实际，满足了车内乘员的驾乘需求。

步骤420中，通过车机上部署的最优环境预测模型对当前驾驶场景下的最优环境状态信息进行预测。其中，最优环境预测模型可以使用卷积神经网络(convolutionalneuralnetworks，简称cnn)、深度神经网络(deepneuralnetworks，简称dnn)、人工神经网络(artificialneuralnetwork，简称ann)或是传统预测算法，对此，本发明实施例不做具体限制。

比如，最优环境预测模型可以以编码器-解码器结构的dnn网络。首先，将车外环境的温度、湿度、天气、pm2.5值及车内环境的温度、湿度、co2浓度编码为向量表示。其中，天气包括晴天、阴天、大雨、小雨、雪天、大风、冰雹七类，可以使用one-hot编码；其余车内环境信息和车外环境信息归一化为[0，1]之间，编码后得到13维的向量，该向量用于表征当前车外环境状态信息。将当前车外环境状态信息输入编码器网络进行特征映射得到瓶颈层特征；解码器网络将瓶颈层特征转换为当前驾驶场景下的最优环境状态信息，该最优环境状态信息包括当前车内环境的最优温度、最优湿度和最优co2浓度。最优环境预测模型使用均方误差损失函数进行训练，均方误差损失函数公式如下：

其中，i取值不同，和iⁱ分别表示车内最优温度、车内最优湿度、车内最优co2浓度的真值和预测值。

在上述实施例的基础上，在步骤130之前还包括：确认最优环境状态信息与当前车内环境状态信息的偏差超出当前驾驶场景下的设定阈值。

具体地，当最优环境状态信息与当前车内环境状态信息的偏差超过设定阈值时方获取车内乘员的调控意图的句子特征信息，根据句子特征信息、分类结果信息、当前车内环境状态信息和最优环境状态信息生成用于进行车内环境调控的车控指令。若最优环境状态信息与当前车内环境状态信息的偏差未超过设定阈值则返回执行步骤110，不再获取车内乘员的调控意图。

其中，当前驾驶场景下的设定阈值由车内乘员自己设定，不同的驾驶场景可以设定不同的阈值范围。将最优环境状态信息与当前车内环境状态信息进行比对，若偏差超出当前驾驶场景下的设定阈值则需要对当前车内环境进行调整，此时获取车内人员的调控意图的句子特征信息，执行步骤130。若没有超出当前驾驶场景下的设定阈值则不需要进行调整，启动下一轮的最优环境状态信息预测，执行步骤410或者步骤110。

在上述实施例的基础上，获取车内乘员的调控意图的句子特征信息包括：

若车内乘员发出语音信息，则基于车内乘员的所述语音信息确定车内乘员的调控意图；

若车内乘员未发出语音信息或车内乘员发出的语音信息包含非车控类的调控意图，则引导车内乘员发出语音信息以确认车内乘员的调控意图。

具体地，可以借助车载语音交互系统获取车内乘员的语音信息，根据车内乘员的语音信息通过意图识别模型或者环境引导确定车内乘员的调控意图。

当最优环境状态信息与当前车内环境状态信息的偏差超过设定阈值时，车载语音交互系统被车内环境控制系统激活，通过四音区语音识别模块采集车内乘员的语音信息并进行语音识别(四音区语音识别模块可以识别出说话人在车内的位置：左前、右前、左后、右后，该信息可以辅助于后续进行精确的车窗控制)，将语音识别得到的文本信息送入意图识别模型，意图识别模型可以使用常见的模型如基于bilstm结构的意图识别模型。以下以bilstm结构的意图识别模型为例对意图识别过程进行详细介绍。首先，将语音识别得到的文本信息输入意图识别模型，意图识别模型先通过嵌入层将文本信序列转换为词向量序列，然后通过bilstm转换为句子特征向量，通过全连接层输出该文本对应的意图，以判断乘员意图是否涉及车内环境调整。如车内乘员的语音内容为“好热啊”、“车内味道好难闻”“开启空调”等，意图识别模型识别出的意图为“车控类”，即车内乘员的调控意图涉及车内环境调整；若车内乘员的语音内容为“我想听歌”，即车内乘员的调控意图不涉及车内环境调整。当车内乘员的调控意图涉及车内环境调整时，结合分类结果信息、当前车内环境状态信息和最优环境状态信息，生成用于进行车内环境调控的车控指令，对车内环境进行调整。

当车内乘员的调控意图不涉及车内环境调整时，启动语音交互系统通过语音合成生成对应提示语引导车内乘员发出语音信息以获取车内乘员的调控意图。比如，当最优环境状态信息与当前车内环境状态信息的偏差超过设定阈值且车内乘员的调控意图不涉及车内环境调整时，语音交互系统发出“主人，车内现在有点闷热，是否进行最优环境调控”、“主人，车内味道好难闻，是否进行最优环境调控”等提示音，在提示音引导下，若车内乘员发出否定意图，则记录当前驾驶场景及车内乘员的调控意图以调整优化当前驾驶场景下的最优环境状态信息；若车内乘员发出肯定意图，则结合分类结果信息、当前车内环境状态信息和最优环境状态信息，生成用于进行车内环境调控的车控指令，对车内环境进行调整。当最优环境状态信息与当前车内环境状态信息的偏差超过当前驾驶场景下的设定阈值时，若车内乘员一段时间内没有发出语音信息，则同样可以通过语音交互系统发出提示音引导车内乘员以确定车内乘员的调控意图。

在上一实施例的基础上，最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定，包括：

最优环境状态信息根据当前车内环境状态信息、当前车外环境状态信息和车内乘员的语音信息确定。

具体地，当最优环境状态信息与当前车内环境状态信息的偏差超过当前驾驶场景下的设定阈值但车内乘员发出否定意图时，无需对车内环境进行调整，将此时的驾驶场景、车内乘员的调控意图及当前车内环境作为样本再次训练最优环境预测模型。另外，当最优环境状态信息与当前车内环境状态信息的偏差未超过当前驾驶场景下的设定阈值时，若车内乘员发出车控类调控意图，则同样可以将此时的驾驶场景、车内乘员的调控意图及当前车内环境作为样本对最优环境预测模型进行再次训练。

基于上述任一实施例，图5为本发明实施例提供的车内环境调控装置的结构示意图，如图5所示，该装置包括：

第一处理模块510，用于获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息；

第二处理模块520，用于获取当前车内环境状态信息和当前驾驶场景下的最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定；

第三处理模块530，用于获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。本发明实施例提供的装置，车内环境调控单元基于分类结果信息和车内乘员的调控意图的句子特征信息生成用于进行车内环境调控的车控指令，在对车内环境进行调控的同时，兼顾车内乘员的主观意愿并考虑驾驶场景对车内环境的调控方案的影响，提升车内乘员的乘驾体验。

基于上述任一实施例，该装置中，车控指令具体包括任务链；其中，所述任务链包括执行每个车控指令的执行顺序、对象实体、控制命令取值以及执行时间。

基于上述任一实施例，该装置中，第三处理模块530具体用于：

将所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息输入至全连接层，获得全局信息特征；

将车内设备状态信息输入至卷积层，获得高维特征；

将所述高维特征及所述全局信息特征输入attention层，确定需要调整的车内设备。

基于上述任一实施例，在该装置中，第一处理模块510具体用于：

根据车辆驾驶信息和兴趣点信息确定车辆的行驶轨迹信息和数字环境信息；兴趣点信息根据车辆当前位置信息确定；

分类单元，用于根据行驶轨迹信息和数字环境信息确定当前驾驶场景的分类结果信息。

基于上述任一实施例，在该装置中，第二处理模块520具体用于：

获取当前车内环境状态信息和当前车外环境状态信息；将所述当前车内环境状态信息和当前车外环境状态信息输入最优环境预测模型，由所述最优环境预测模型输出当前驾驶场景下车内环境的最优环境状态信息。

基于上述任一实施例，在该装置中，在第三处理模块530之前还包括偏差确认单元，用于确认所述最优环境状态信息与所述当前车内环境状态信息的偏差超出当前驾驶场景下的设定阈值。

基于上述任一实施例，在该装置中，第三处理模块530具体用于：若车内乘员发出语音信息，则基于车内乘员的所述语音信息确定车内乘员的调控意图；若车内乘员未发出语音信息或车内乘员发出的语音信息包含非车控类的调控意图时，则引导车内乘员发出语音信息以确定车内乘员的调控意图。

基于上述任一实施例，在该装置中，最优环境状态信息确定单元530具体用于：根据所述当前车内环境状态信息、所述当前车外环境状态信息和车内乘员的语音信息确定最优环境状态信息。

图6为本发明实施例提供的电子设备的结构示意图，如图6所示，该电子设备可以包括：处理器(processor)610、通信接口(communicationsinterface)620、存储器(memory)630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑命令，以执行如下方法：获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息；获取当前车内环境状态信息和当前驾驶场景下最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定；获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。

此外，上述的存储器630中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法，例如包括：获取车辆驾驶信息，根据所述车辆驾驶信息确定当前驾驶场景的分类结果信息；获取当前车内环境状态信息和当前驾驶场景下最优环境状态信息；所述最优环境状态信息根据所述当前车内环境状态信息和当前车外环境状态信息确定；获取车内乘员的调控意图的句子特征信息，并根据所述分类结果信息、当前车内环境状态信息、最优环境状态信息和所述句子特征信息，生成用于进行车内环境调控的车控指令。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。