基于参数大数据检测的分时点亮系统及方法与流程

1.本发明涉及智能控制领域，尤其涉及一种基于参数大数据检测的分时点亮系统及方法。


背景技术：

2.智能控制是指驱动智能机器自主地实现其目标的过程，即是一类无需人的直接干预就能独立地驱动智能机器实现其目标的自动控制。其理论基础是人工智能、控制论、运筹学、和信息论等学科的交叉。傅京孙教授于1971年首先提出了智能控制的二元交集理论即人工智能和自动控制的交叉；美国的萨里迪斯(gnsaridis)于1977年把傅京孙教授的二元结构扩展为三元结构，即人工智能、自动控制和运筹学的交叉。智能控制可以应用到各种不同类型的细分领域。
3.现有技术中，车辆作为人们家用和公用的重要交通工具，除了向电动能源的转化研究之外，其集成化程度和智能化程度成为车辆研发的关键方向之一，例如，在黑暗环境下一般车辆的所有功能组件上的指示灯体都会保持不间断的点亮状态以提醒车辆用户各个功能组件的所在位置，显然，这种显示模式会对有限的车载能源造成较大的消耗。


技术实现要素：

4.为了解决现有技术中的技术问题，本发明提供了一种基于参数大数据检测的分时点亮系统及方法，能够基于车辆的功能组件上的指示灯体的历史点亮数据智能预测未来时间分段的每一指示灯体的点亮数据，并采用定制的暗黑点亮驱动机制完成对每一指示灯体在车辆黑暗环境下的点亮驱动模式，从而能够基于历史数据尽可能地减少车辆指示灯体的消耗能源。
5.相比较于现有技术，本发明至少需要具备以下三处突出的实质性特点：
6.(1)对同一车辆中分布式设置的各个显示组件执行基于周围环境亮度以及分时点亮预测数据的暗黑环境下的自动化点亮驱动控制，用于提醒用户相应控制组件的位置；
7.(2)为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
8.(3)针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小，从而实现对每一个显示组件的智能预测模型的定制。
9.根据本发明的一方面，提供了一种基于参数大数据检测的分时点亮系统，所述系统包括：
10.多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
11.多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
12.环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度；
13.信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
14.信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
15.内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
16.其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小。
17.根据本发明的另一方面，还提供了一种基于参数大数据检测的分时点亮方法，所述方法包括：
18.使用多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
19.使用多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
20.使用环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度；
21.使用信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
22.使用信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
23.使用内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于
对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
24.其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小。
附图说明
25.以下将结合附图对本发明的实施方案进行描述，其中：
26.图1为根据本发明实施方案示出的基于参数大数据检测的分时点亮系统以及方法所使用的亮度传感器的外部结构拆解示意图。
27.图2为根据本发明实施方案示出的基于参数大数据检测的分时点亮系统以及方法所使用的亮度传感器的内部电路示意图。
具体实施方式
28.下面将参照附图对本发明的基于参数大数据检测的分时点亮方法的实施方案进行详细说明。
[0029]“智能车辆”，就是在普通车辆的基础上增加了先进的传感器(雷达、摄像)、控制器、执行器等装置，通过车载传感系统和信息终端实现与人、车、路等的智能信息交换，使车辆具备智能的环境感知能力，能够自动分析车辆行驶的安全及危险状态，并使车辆按照人的意愿到达目的地，最终实现替代人来操作的目的。现有技术中，车辆作为人们家用和公用的重要交通工具，除了向电动能源的转化研究之外，其集成化程度和智能化程度成为车辆研发的关键方向之一，例如，在黑暗环境下一般车辆的所有功能组件上的指示灯体都会保持不间断的点亮状态以提醒车辆用户各个功能组件的所在位置，显然，这种显示模式会对有限的车载能源造成较大的消耗。
[0030]
为了克服上述不足，本发明搭建了一种基于参数大数据检测的分时点亮系统及方法，能够有效解决相应的技术问题。
[0031]
第一实施方案：
[0032]
本发明的基于参数大数据检测的分时点亮系统可以包括：
[0033]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
[0034]
多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
[0035]
环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获
得参考环境亮度；
[0036]
其中，图1为所述亮度传感器的外部结构拆解示意图，图2为所述亮度传感器的内部电路示意图；
[0037]
信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0038]
信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
[0039]
内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
[0040]
其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小；
[0041]
其中，对所述智能预测模型执行各次学习动作包括：所述显示组件被使用时的白昼时间越长，对应的智能预测模型被执行学习动作的次数越多；
[0042]
所述信号驱动组件还用于在接收到的参考环境亮度高于所述预设亮度阈值时，禁止所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0043]
其中，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度中出现次数最多的实时环境亮度作为所述参考环境亮度；
[0044]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括车窗升降按钮，设置在车窗附近，用于在用户的操作下执行车窗的升降动作；
[0045]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括温控旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的温控动作；
[0046]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括风量旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的出风风量控制动作；
[0047]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括音量调节按钮，设置在车辆的中控台内，用于在用户的操作下执行车载多媒体播放器的播放音量控制动作。
[0048]
第二实施方案：
[0049]
本发明的基于参数大数据检测的分时点亮系统可以包括：
[0050]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
[0051]
多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
[0052]
环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度；
[0053]
其中，图1为所述亮度传感器的外部结构拆解示意图，图2为所述亮度传感器的内部电路示意图；
[0054]
信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0055]
信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
[0056]
内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
[0057]
其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小；
[0058]
模型学习组件，与所述内容预测组件连接，用于对每一个显示组件对应的智能预测模型执行以下学习动作：将所述显示组件在过往各天的时间分段对应的使用次数作为所述智能预测模型的输入数据和输出数据，对所述智能预测模型执行各次学习动作；
[0059]
其中，对所述智能预测模型执行各次学习动作包括：所述显示组件被使用时的白昼时间越长，对应的智能预测模型被执行学习动作的次数越多；
[0060]
所述信号驱动组件还用于在接收到的参考环境亮度高于所述预设亮度阈值时，禁止所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0061]
其中，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度中出现次数最多的实时环境亮度作为所述参考环境亮度；
[0062]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括车窗升降按钮，设置在车窗附近，用于在用户的操作下执行车窗的升降动作；
[0063]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分
别执行不同动作包括：所述多个控制组件包括温控旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的温控动作；
[0064]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括风量旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的出风风量控制动作；
[0065]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括音量调节按钮，设置在车辆的中控台内，用于在用户的操作下执行车载多媒体播放器的播放音量控制动作。
[0066]
第三实施方案：
[0067]
本发明的基于参数大数据检测的分时点亮方法可以包括：
[0068]
使用多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
[0069]
使用多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
[0070]
使用环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度；
[0071]
其中，图1为所述亮度传感器的外部结构拆解示意图，图2为所述亮度传感器的内部电路示意图；
[0072]
使用信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0073]
使用信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
[0074]
使用内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
[0075]
其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小；
[0076]
其中，对所述智能预测模型执行各次学习动作包括：所述显示组件被使用时的白昼时间越长，对应的智能预测模型被执行学习动作的次数越多；
[0077]
所述信号驱动组件还用于在接收到的参考环境亮度高于所述预设亮度阈值时，禁止所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0078]
其中，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度中出现次数最多的实时环境亮度作为所述参考环境亮度；
[0079]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括车窗升降按钮，设置在车窗附近，用于在用户的操作下执行车窗的升降动作；
[0080]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括温控旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的温控动作；
[0081]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括风量旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的出风风量控制动作；
[0082]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括音量调节按钮，设置在车辆的中控台内，用于在用户的操作下执行车载多媒体播放器的播放音量控制动作。
[0083]
第四实施方案：
[0084]
本发明的基于参数大数据检测的分时点亮方法可以包括：
[0085]
使用多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作；
[0086]
使用多个显示组件，分别集成在所述多个控制组件的外壳表面，每一个显示组件用于在接收到暗亮驱动信号时，在黑暗环境下执行点亮动作以提醒用户相应控制组件的位置，每一个显示组件还用于在接收到暗黑驱动信号时，在黑暗环境下不执行点亮动作；
[0087]
使用环境测量组件，包括设置在车辆内部各个不同位置的亮度传感器，用于获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度；
[0088]
其中，图1为所述亮度传感器的外部结构拆解示意图，图2为所述亮度传感器的内部电路示意图；
[0089]
使用信号驱动组件，分别与所述环境测量组件以及所述多个显示组件连接，用于在接收到的参考环境亮度低于等于预设亮度阈值时，使能所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0090]
使用信息采集组件，分别与所述多个显示组件连接，用于采集每一显示组件在历史上每一天的各个时间分段中分别对应的各个使用次数，所述各个时间分段长度相等；
[0091]
使用内容预测组件，分别与所述信息采集组件以及所述信号驱动组件连接，用于对每一个显示组件执行以下预测处理：为每一个显示组件建立一个基于前馈神经网络的智能预测模型，所述智能预测模型以所述显示组件在最接近当天之前的固定天数的过往各天在与预测时间分段相同时间分段的各个时间分段分别对应的各个使用次数作为与所述固定天数数值相等数量的各个输入数据执行所述智能预测模型，以获得所述智能预测模型的单个输出数据即当天的预测时间分段的使用次数，并在获得的当天的预测时间分段的使用次数超过设定次数限量时，在当天的预测时间分段为所述显示组件分配暗亮驱动信号，否
则，在当天的预测时间分段为所述显示组件分配暗黑驱动信号；
[0092]
其中，针对每一个显示组件，其使用频率越频繁，其对应的智能预测模型的固定天数的数值越小；
[0093]
使用模型学习组件，与所述内容预测组件连接，用于对每一个显示组件对应的智能预测模型执行以下学习动作：将所述显示组件在过往各天的时间分段对应的使用次数作为所述智能预测模型的输入数据和输出数据，对所述智能预测模型执行各次学习动作；
[0094]
其中，对所述智能预测模型执行各次学习动作包括：所述显示组件被使用时的白昼时间越长，对应的智能预测模型被执行学习动作的次数越多；
[0095]
所述信号驱动组件还用于在接收到的参考环境亮度高于所述预设亮度阈值时，禁止所述信号驱动组件向每一个显示组件发送暗亮驱动信号或暗黑驱动信号；
[0096]
其中，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度中出现次数最多的实时环境亮度作为所述参考环境亮度；
[0097]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括车窗升降按钮，设置在车窗附近，用于在用户的操作下执行车窗的升降动作；
[0098]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括温控旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的温控动作；
[0099]
多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括风量旋转按钮，设置在车辆的中控台内，用于在用户的操作下执行车载空调的出风风量控制动作；
[0100]
其中，多个控制组件，分别分布在同一车辆的不同位置且用于在用户的操作下分别执行不同动作包括：所述多个控制组件包括音量调节按钮，设置在车辆的中控台内，用于在用户的操作下执行车载多媒体播放器的播放音量控制动作。
[0101]
另外，在所述基于参数大数据检测的分时点亮系统及方法中，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度的算术平均值作为所述参考环境亮度；
[0102]
以及替换地，获取所述各个亮度传感器分别发送的各个实时环境亮度，并对所述各个实时环境亮度执行计算以获得参考环境亮度包括：将所述各个实时环境亮度的中间值作为所述参考环境亮度。
[0103]
采用本发明的基于参数大数据检测的分时点亮系统及方法，针对现有技术中车辆各个指示灯体在黑暗环境保持长亮导致过度能源消耗的技术问题，能够基于车辆的功能组件上的指示灯体的历史点亮数据智能预测未来时间分段的每一指示灯体的点亮数据，并采用定制的黑暗点亮驱动机制完成对每一指示灯体在车辆黑暗环境下的点亮驱动模式，从而提升车载能源的利用率。
[0104]
这里虽参照实施方案详述了本发明的具体实施方式，但应理解，本发明不限于这些精密的实施方案，他们不准备把本发明穷举或限于所揭示的精密形式，因而众多修正与变化是显而易见的。