用于识别车辆乘员的装置及方法与流程

本申请一般地涉及车内信息娱乐(in-vehicle infotainment，IVI)系统，更具体地，涉及检测每个乘员(occupant)的座椅位置并按需要提供个性化服务的IVI系统。

背景技术：

车内信息娱乐(IVI)系统正在变得无处不在。驾驶员可以收听来自IVI头部单元的音乐、新闻和其它音频内容。而且，驾驶员可以针对喜爱的内容、导航历史或车辆远程信息系统(vehicle telematics)等，对IVI头部单元进行个性化。一些IVI系统包括针对每位乘客(passenger)的额外的娱乐系统，诸如在座椅靠背上、车顶等。乘客甚至可以在那些系统上观看视频和玩游戏。同时，还可对单独的驾驶员或乘客高度定制车辆控制，使得车辆能为车辆的一个或多个用户存储座椅位置、方向盘位置、反光镜位置、广播站、温度设置等。这些进步已经促成了“互联汽车”(connected car)系统的发展，该“互联汽车”系统与“云”(cloud)服务通信并为每位乘员提供高度的车辆定制。

互联汽车解决方案的一个主要的挑战是个性化。传统的系统要么不个性化(即，识别每位乘员并为每位乘员进行自动定制)，要么要求用户明确的交互以便识别该用户。而且，如果车辆有多个用于其IVI系统的显示器，诸如具有用于每个座椅的多个显示器的后座娱乐系统，则对于每个座椅上的每位乘客需要进一步的个性化。但是，当前的车辆IVI系统不会自动地知道“谁坐在哪儿”。

举个例子，有通过限制分心来增强驾驶员安全的智能电话服务，诸如AT&T“驾驶模式”应用。当该服务检测到智能电话在移动的车里时，该服务将该智能电话置于受限的模式。例如，在此模式下，用户只能拨打紧急电话，其它的都不行。然而，该服务不能区分该智能电话是驾驶员的还是乘客的。如果乘客的智能电话也运行该服务，那么这导致他们的不便。

再举一例，没有个性化的情况下，IVI头部单元可以对所有驾驶员具有相同的设置(如，音乐频道、气候控制、音频设置、所保存的目的地等)。这对于经常由夫妻双方、有可能还有孩子所共用的家庭车辆来说是不便的。一些车辆利用钥匙存储个人设置，但该钥匙不是特定人的个人物品并且通常只有两把密钥。这对于租用的汽车来说是个特别的问题。

为了使能完整的个性化，一些联网的(connected)IVI系统每当用户进入车辆时就索要PIN，从而认证该用户并且加载他的个人偏好。这并不方便。有其它的方式来认证驾驶员，诸如通过轻敲近场通信(NFC)设备，指纹等，但是所有这些都需要用户交互和精力。蓝牙配对可以帮助自动地识别用户，但是它需要为每个车辆进行预配置，并且不能确定用户位于哪个座椅。

因此，本技术中需要用于自动地为每位乘员个性化车辆控制及设置的改进的方法和装置。特别地，需要自动地确定乘员的座椅位置，并根据那个乘员的座椅位置，要么是驾驶员位置、要么是特定的乘客位置，来个性化车辆控制及设置的车内信息娱乐(IVI)系统。

技术实现要素：

为了解决上面讨论的现有技术的不足，主要的目标是提供用于根据移动设备的用户的座椅位置(诸如驾驶员座椅或任何特定的乘客座椅)来个性化车辆的控制设置的无线移动设备。无线移动设备被配置为：i)从车辆中的多个蓝牙低能耗(BLE)信标的每一个接收无线电信号；ii)对每个接收到的无线电信号确定接收信号强度指示符(RSSI)值；iii)将座椅预测模型M应用到每个接收到的无线电信号的RSSI值；iv)将预测的座椅位置P发送到服务器。

在一个实施例中，无线移动设备进一步被配置为从至少一个信标接收车辆的标识(ID)值。

在另一实施例中，无线移动设备进一步被配置为通过使用信标的ID从服务器取回车辆的标识(ID)值。

在另一实施例中，无线移动设备从无线移动设备中的存储器取回座椅预测模型M。

仍然是另一实施例中，无线移动设备进一步被配置为向服务器请求座椅预测模型M。

还是另一实施例中，无线移动设备进一步被配置为从服务器接收座椅预测模型M。

另一主要的目标是提供用于根据无线移动设备的用户的座椅位置来个性化车辆的控制设置的服务器。该服务器被配置为：i)从无线移动设备接收对于与车辆相对应的座椅预测模型M的请求，其中座椅预测模型基于先前测量的车辆中多个信标的每一个发送的无线电信号的接收信号强度指示符(RSSI)值；ii)响应于所述请求，将座椅预测模型M发送到无线移动设备；以及iii)从无线移动设备接收预测的座椅位置P。

在一个实施例中，服务器将预测的座椅位置P发送给车辆。

在又一个实施例中，服务器将用户简档信息发送到车辆，用户简档信息与无线移动设备的用户相对应。

还是另一实施例中，响应于来自车辆的请求，服务器将用户简档信息发送给车辆。

进一步的目标是提供用于根据无线移动设备的用户的座椅位置来个性化车辆的控制设置的系统。所述系统包含：i)多个信标，每个信标被配置为将无线电信号发送到无线移动设备；以及ii)车内信息娱乐(IVI)系统，被配置为从服务器接收车辆中用户的预测的座椅位置P，其中预测的座椅位置P基于先前测量的由多个信标所发送的无线电信号的接收信号强度指示符(RSSI)值。

在又一个实施例中，IVI系统进一步被配置为从服务器接收与无线移动设备的用户相对应的用户简档信息。

在又一个的实施例中，无线移动设备进一步被配置为根据该用户在车中坐在哪里来个性化无线移动设备的行为。例如，如果无线移动设备被检测到在驾驶员座椅上，则它可以被置于受限的模式以减少驾驶员的分心。

另一主要的目标是提供一种移动设备中用于个性化车辆的控制设置的的方法。所述方法包括从车中的多个信标设备的每一个接收信号，对每个接收到的信号确定接收信号强度指示符(RSSI)值，基于从服务器接收的第一信息和所确定的RSSI值来生成第二信息，并且将包含第二信息的消息发送到服务器。第一信息包含关于车内多个座椅的布置的信息。第二信息包含关于与多个座椅中的一个相对应的移动设备的位置的信息。

另一主要的目标是提供一种服务器中用于个性化车辆的控制设置的方法。所述方法包括从移动设备接收关于第一信息的请求消息，将包含第一信息的消息发送到移动设备，以及从移动设备接收包含第二信息的消息。第一信息包含关于车中多个座椅的布置的信息，第二信息包含关于与多个座椅中的一个相对应的移动设备的位置的信息。第二信息是基于移动设备从车中多个信标设备中的每一个接收的每个信号的接收信号强度指示(RSSI)值和第一信息而被生成的。

在进行下面详细描述之前，阐述贯穿本专利文档全文所使用的某些词语和词组的定义可能是有益的：术语“包括”和“包含”及其派生词，意思是无限制的包含；术语“或”，是包括性的，意思是和/或；词组“与…关联”和“与之关联”，及其派生词，可以意为包括、被包含在内、与…互联、含有、由…构成、连接到或与…连接、耦接到或与…耦接、与…通信、与…合作、交织、并排、与…临近、被绑定到或与…绑定、有、具有…属性等；以及术语“控制器”意指控制至少一个操作的任何设备、系统或其部分，这样的设备可以被实施于硬件、固件或软件、或其至少两者的某种组合。应当注意与任何特定控制器关联的功能可以被集中或被分布，无论在本地或在远端。对于某些词语或词组的定义被提供于贯穿本专利文档全文，本领域普通技术人员应当理解，在许多情况而非大多数情况下，这样的定义应用于这样定义的词语和短语的现有和将来的使用。

附图说明

为了对本公开及其优点的更全面的理解，现在结合附图对下面的描述作了引用，图中相同的附图标记代表相同的部分：

图1示出了根据本公开的一个实施例的车内信息娱乐(IVI)系统和蓝牙低能耗(BLE)信标的示范性配置。

图2示出了根据本公开的一个实施例的示范性蓝牙低能耗(BLE)信标。

图3示出了根据本公开的一个实施例的蓝牙低能耗(BLE)信标的示范性无定向和定向图案(pattern)。

图4示出了根据本公开的一个实施例的显示车辆的座椅配置的示范性用户界面。

图5示出了根据本公开的一个实施例的对一个座椅位置测量的8个蓝牙低能耗(BLE)信标的收集的数据的示范性集合。

图6示出了根据本公开的一个实施例的针对多个座椅位置的收集的数据的多个集合的示范性数据表。

图7示出了根据本公开的一个实施例的用于提供车内个性化的设置的示范性网络拓扑。

图8是示出了根据本公开的一个实施例的车内个性化的流程图。

具体实施方式

下面所讨论的图1到图8以及用来描述本公开原理的各种实施例，只是为了例示而不应以任何方式被解释为限制本公开的范围。本领域技术人员将理解，本公开的原理可被实施于任何合理布置的互联汽车系统和移动电话。

本公开提供用于自动地检测每位乘员的车内座椅位置并且相应地个性化车辆控制的框架。该框架包括下面的特征：i)特别布置于车辆内部的蓝牙低能耗(BLE)信标(beacon)阵列；ii)一组容易被用户(通常是所有者或车辆制造商)在他的移动设备上执行的校准；iii)扩展校准数据到较宽范围的真实世界场景的一组方法；iv)在较宽范围的真实世界场景中最优地确定每位乘员的车内位置的一组智能机器学习算法；以及v)用以辅助每位乘员的车内座椅定位并且使能进一步个性化的基于云的基础设施。

图1示出了根据本公开的一个实施例的车辆110中的车内信息娱乐(IVI)系统150和多个蓝牙低能耗(BLE)信标(BLEB1-BLEB8)的示范性配置100。IVI系统150向车辆提供大量先进服务，包括高速无线访问(如，4G/LTE)，先进的诊断，远程信息处理，远距离服务，前排乘客座椅和/或后排座椅“信息娱乐”(如，音频、视频、因特网)，语音识别，汽车应用等。

蓝牙低能耗(BLE)信标BLEB1-BLEB8被安装在车辆110内部。BLEB1、BLEB2、BLEB3和BLEB4是无定向信标，其在360度的弧内均匀地发射信号。在示范性配置中，BLEB1被放置于乘客隔间的左前角，BLEB2被放置于乘客隔间的右前角，BLEB3被放置于乘客隔间的左后角，以及BLEB4被放置于乘客隔间的右后角。

BLEB5、BLEB6、BLEB7和BLEB8是定向信标，其主要在一个方向上发射信号。在示范性配置中，BLEB5被放置于驾驶员座椅和前排乘客座椅之间的前排座椅中并且主要朝向驾驶员座椅发射它的信号。BLEB6也被放置于驾驶员和前排乘客座椅之间前排座椅中，但BLEB6主要朝向前排乘客座椅发射它的信号。BLEB7被放置于两个后排乘客座椅之间的后排座椅中并且主要朝向后排左边乘客座椅发射它的信号。BLEB8也被放置于两个后排乘客座椅之间，但BLEB8主要朝向后排右边乘客座椅发射它的信号。

根据本公开的原理，坐在车辆110里的人的移动设备被配置为测量来自所有8个蓝牙低能耗(BLE)信标(BLEB1-BLEB8)的信号，然后应用下文所述的座椅位置预测模型M，来检测用户的座椅位置，然后将该座椅位置报告给云服务器。所述座椅位置预测模型M可以从服务器被接收并且包含关于车辆内的多个座椅的布置的信息。

图2示出了根据本公开的一个实施例的示范性定向蓝牙低能耗(BLE)信标200。定向BLE信标200包含电磁(EM)屏蔽205和非定向BLE信标210。EM屏蔽205可以包含，例如，充当电磁屏蔽的铝箔，其阻挡非定向BLE信标210的一侧，只要该铝箔的半径大于BLE信号的波长(～12.5cm)即可。替代地，可使用其它EM技术来以其它外形因子制造定向信标，诸如高通(QUALCOMM)Gimbal定向信标。

BLE信标1-8是具有两(2)年或更长电池寿命的低能耗广播设备。每个BLE信标是周期地广播数据信号的独立设备，该数据信号包括信标标识符(ID)值和其它可选数据，诸如车辆标识符(ID)值。示范性非定向信标可以包括Estimote信标。示范性定向信标可以包括高通Gimbal定向信标或如图2所示改进的非定向信标。

图3示出了根据本公开的一个实施例的蓝牙低能耗(BLE)信标的示范性非定向和定向的图案(pattern)。示范性信号图案包括非定向310、心形定向320、超心形定向(supercardioid)330、强心形定向(hypercardioid)340以及双定向350。

车辆110中的BLE信标的实际布局是灵活的。图1中，定向信标被沿着车辆中心线放置并且面对座椅。预计这将在大多时间里生成左边和右边座椅之间的足够的区别。至少一个非定向信标被放置在合理远离座椅的位置，诸如最远角。预计这将充当额外的参考以进一步增强可靠性。在每个座椅处，接收到的信号强度预计将与其它座椅处的不同。

可以在车内的任何位置观测来自每个信标的信号，信号总是带有不可预测的噪声、干扰和波动。因此，在任何车内位置，移动设备都可以接收所有8个BLE信标信号。然而，可能由于噪声和干扰，例如，在右后座椅处接收的来自BLEB2的信号，有时候可能比来自BLEB3的信号要强，尽管大多时候将会是更弱的。因此，没有单一的阈值用来从(多个)接收信号强度指示符(RSSI)可靠地确定移动设备的车内位置。然而，根据本公开的原理的机器学习过程滤除了噪声。本公开描述了总体地且智能地使用所有信标信号来可靠地确定用户和他的或她的移动设备的车内位置的方法和装置。

图4示出了根据本公开的一个实施例的显示车辆的座椅配置的校准应用的示范性用户界面(UI)400。为了开始生成车辆110的座椅预测模型M的过程，移动电话用户——通常是车辆的所有者或制造商，在显示UI 400的移动电话上启动应用。用户之后按照该用户位于哪个座椅来选择左前(FL)、右前(FR)、左后(RL)或右后(RR)中的一个。一旦座椅被选择，移动电话就开始连续地记录每个BLE信标的接收信号强度指示符(RSSI)。在记录期间，该用户可以以和他坐着时通常会使用的方式的相同方式到处移动该移动电话。所述记录可以持续较短的时段，诸如半分钟。然后用户可以停止使用UI 400对于那个座椅的记录过程。用户对每个座椅重复这个记录过程。

所公开的移动设备和相关的方法不要求任何关于每个BLE信标的位置或广播功率的现有知识。而是，所公开的技术使用用户的个人移动设备(如，智能手表，智能电话，平板设备，膝上型计算机等)来收集BLE信标校准数据。例如，如果用户的移动设备记录来自车辆110中4个座椅位置(左前、右前、左后、右后)的每一个的信标信号，则由移动设备上的应用所收集的数据的一个条目可能看起来像图5中的数据那样。图5示出了根据本公开的一个实施例的针对在一个时刻对一个座椅位置(即，左前(FL))测量的8个蓝牙低能耗(BLE)信标所收集到的数据的示范性数据集500。数据集500本质上是在某个时刻在左前座椅处所看到的8个BLE信标的电子签名的样本。这个签名将在所述记录过程期间以固定的间隔被连续地采样，诸如每秒一次，持续30秒。一旦该签名被充分地采样，数据泛化(generalization)和机器学习过程将被用来滤除噪声并且找到那个座椅的签名。4个座椅的每一个中的电子签名将是不同的。同时，所有4个座椅的电子签名都包含座椅预测模型M。

因此，由用户和用户的移动设备所执行的数据收集过程可以概括如下：i)用户持移动设备并且占据车辆110内的一个座椅；ii)用户点击如图4所示的移动设备UI 400上的按钮(FL、FR、RL和RR)中的一个。按钮与用户所占据的座椅相对应；iii)数据收集应用周期性地(例如，每秒一次)记录所有信标信号强度值(即，RSSI值)；iv)每个被记录的数据条目由来自每个BLE信标的信号强度值(例如，如图5中的8个值)构成。该数据条目还可以用当前的座椅位置(如，FL)来加标签；v)在数据记录期间，用户到处移动移动设备或将移动设备放在口袋里，如同用户坐着时正常会做的一样。

每一个记录可以持续大约30秒。然后用户终止移动设备上的当前的记录并且对车辆110内的所有其它座椅重复该过程。更可取地，可重复进行多轮数据收集以增大数据的大小。所公开的技术还可在用户刚好在车辆110的外面时记录数据。

图6示出了根据本公开的一个实施例的针对多个座椅位置的所收集的数据的多个集合的示范性数据表600。第一条目与图5的针对FL座椅的数据集500相同。该过程被以固定的间隔(如，每秒一次)对左前座椅重复，以便对于FL座椅收集并在数据表600中填入数据条目列表，每秒一行。所以，如果记录时间是30秒并且间隔是一秒，则FL座椅将总共记录30行。该过程然后被重复用于其余的座椅(FR、RL、RR)直到数据表600是完整的。

更可取地，数据收集过程收集足够的数据以覆盖由用户或其它因素造成的干扰和噪声的所有可能的场景。一些典型场景可以包括：i)另一用户可能携带不同的用户设备，诸如不同型号的智能电话，或将智能电话放在防护套(cover case)或手提包中，这可能导致它的BLE天线的不同的灵敏度；ii)车中可能有多位乘员。人体吸收并减弱BLE信号或者改变该BLE信号的行进路径；iii)更长持续时间的数据收集。所收集的数据是时间序列的离散样本。数据收集时段越长，在该时间序列中将被捕获到的数据的变化越大；iv)BLE信标在一段时间的使用后可能退化，诸如性能或电力下降；以及v)BLE信标可能会从原始安装位置处被移动一点点，诸如由车辆振动。

然而实际上，对于一般的车辆所有者或制造商来说不太可能或者甚至不可能收集所有那些场景的数据。因而，需要基于使用单一的移动设备在相对短的时段内记录的数据来自动地生成模拟的数据以最大化地覆盖那些场景。所公开的系统和方法泛化所收集的数据以包括下面的场景：i)各种BLE天线灵敏度。所公开的系统通过以一个因数缩放原始数据条目来生成新的数据条目。从而，所公开的技术可以模拟移动设备上的或较低或较高灵敏度的BLE天线；ii)多位乘员。对每个座椅，所公开的系统可以减弱来自和其它座椅关联的信标的RSSI，从而模拟当其它座椅被占用时人体对BLE信号的吸收；iii)更长的记录时间。除了原始数据收集外，所公开的系统还可以通过随机地打乱每个座椅的时间序列的原始数据并且之后附加到那个座椅的数据集来增加数据的大小和覆盖范围。从而，所公开的系统可以模拟更长的数据收集时间；以及iv)各种BLE信标噪声。所公开的系统可以通过添加随机值到原始记录的数据条目以生成新的数据条目来模拟BLE信标噪声。

为了获得最佳的鲁棒性，所公开的系统可以针对每个座椅将滑动窗口应用到数据表600。举个例子，大小为3的滑动窗口将表600的针对FL座椅的前三行(FL1、FL2、FL3)连结(concatenate)成新的表600中的单一的条目。滑动窗口然后将针对FL座椅的接下来的3个数据集(FL2、FL3、FL4)连结成新表600中下一个单一的条目。滑动窗口在对其它座椅重复该过程之前对所有剩余FL座椅数据集继续该处理，从而生成泛化(generalized)数据表600。

泛化数据表600是准备用于机器学习的带标签的训练数据集。在本公开的示例实施例中，从训练数据集习得的座椅预测模型M将被用于，基于时间序列的BLE信号样本，即，滑动窗口，来预测用户的座椅位置。自动分类器使用现有的机器学习算法来处理泛化数据表600。分类器将使用训练数据，例如含BLE测量值和标签(FL、FR、RL、RR)的泛化数据表600，被训练，直到它学会怎样自动并准确地为新的测量值加标签。两个最广泛使用的“现成的”分类器是支持向量机(SVM)和随机森林(RF)。这两个公知的分类器具有相似的性能，并且几乎不用手动调整。附加的信息可以在下面被找到：

支持向量机器—http://en.wikipedia.org/wiki/Support_vector_machine

随机森林—http://en.wikipedia.org/wiki/Random_forest

在分类器(SVM、RF或其它)处理或学习泛化数据表600之后，分类器生成具有预测精确度的座椅预测模型M。座椅预测模型M然后被应用到新的数据，如含3个连续BLE测量值的新的窗口，然后输出新的座椅位置P。使用上述数据泛化技术，精确度通常将达到98％至100％。所使用的滑动窗口越长，可获得的精确度越高，但是延迟会增加。可以根据应用的需要而选择可接受的折衷方案(trade-off)。

图7示出了根据本公开的一个实施例的用于提供车内个性化设置的示范性网络拓扑700。图8描述了流程图800，其示出了根据本公开的一个实施例的车内个性化。云服务器720可被车辆110中的IVI系统150和与用户或车辆110中的乘客关联的移动设备710访问并与之通信。服务器720经由诸如因特网的网际协议(IP)网络730与IVI系统150和移动设备710无线地通信。一旦所有者或制造商确定了车辆110的座椅预测模型M，就上传座椅预测模型M并将它存储在云服务器720中与车辆110的车辆ID关联的记录里，并且在任何注册的用户请求它时将它下载。被下载的模型M可以被缓存在移动设备710中用于在不远的将来被重复使用。所公开的系统使新的乘客和租用汽车的用户能够接收按需个性化服务，即使该注册的用户和移动设备并没有预先了解车辆110。

图8中，与车辆110中的IVI系统150关联的BLE信标BLEB1-BLEB8周期性地向用户移动设备(MD)710广播具有信标ID的BLE信标信号(步骤805)。MD 710之后可以使用信标ID从云服务器取回车辆110ID。替代地，BLE信标信号可以被配置为直接向MD 710广播车辆110ID。当MD 710获得车辆110ID时，MD 710向服务器720发送对于车辆110的座椅预测模型M的请求(步骤810)。作为响应，服务器720取回先前存储的车辆110的座椅预测模型M并将模型M发送到MD 710(步骤815)。此后，MD 710测量由BLEB1-BLEB8所发送的8个BLE信标信号的RSSI值(步骤820)。在MD 710确定RSSI值之后，MD 710将座椅预测模型M应用于滑动窗口中的所测量的RSSI值，以预测操作MD 710的用户的座椅位置P(步骤825)。

接下来，MD 710向服务器720发送预测的座椅位置P和车辆110的ID(步骤830)。预测的座椅位置P可以包含关于与车辆110中的多个座椅中的一个相对应的移动设备710的位置的信息。作为响应，服务器720向车辆110中的IVI 150通知，用户A(MD 710的操作者)位于车辆110的座椅P上(步骤835)。IVI 150然后向服务器720请求用户A的简档和设置信息(如音乐列表，网站，视频等)(步骤840)。服务器720然后将所请求的用户A的简档和设置信息下载到IVI系统150(步骤845)。最后，IVI系统150根据所下载的用户A的简档和设置来对车辆110进行个性化(步骤850)。

尽管本公开已用示例性实施例进行了描述，但是各种变化和修改可以被建议给本领域技术人员。意图使本公开包含落入所附权利要求范围内的这些变化和修改。