具有衣着程度补偿的车辆气候控制系统的制作方法

具有衣着程度补偿的车辆气候控制系统


背景技术：

1.在本部分中提供的信息是用于大体呈现本公开背景的目的。在这个部分中所描述的程度上，当前署名的发明人的工作，以及在提交日可能不能作为现有技术的描述的各方面既不明确地也不暗示地被承认为是本公开的现有技术。
2.本公开涉及车辆气候控制系统。
3.机动车辆包括加热、通风和空调（hvac）系统，用于控制车辆的内部车舱内的温度。hvac系统通过保持可由乘员设定的目标温度为车辆的乘员提供热舒适性。可以针对车辆的内部车舱的不同区域设定不同温度。可以基于来自相应区域中的温度传感器的信号控制温度。


技术实现要素：

4.提供气候控制系统并且其包括存储器、补偿模块和气候控制模块。存储器被构造成存储由一个或更多个图像传感器采集的图像。补偿模块被构造成：基于图像，估计在车辆的内部车舱中的第一乘员的衣着程度或者从边缘计算装置或基于云的网络装置中的至少一者接收衣着程度；确定第一等效均质温度（eht）设定点；并且基于衣着程度和第一eht设定点，确定第一合成eht。气候控制模块被构造成：基于第一合成eht和车舱温度设定点确定第一eht错误；基于第一eht错误，确定控制值；以及设定气候控制参数以基于控制值控制内部车舱内的第一区域的温度。
5.在其他特征中，气候控制系统进一步包括所述一个或更多个图像传感器。
6.在其他特征中，气候控制系统进一步包括收发器，所述收发器被构造成传输图像至边缘计算装置以及从边缘计算装置接收衣着程度。
7.在其他特征中，气候控制系统进一步包括边缘计算装置，其中边缘计算装置包括卷积神经网络，该卷积神经网络被构造成分析图像并且基于卷积神经网络提供的分析结果估计第一乘员的衣着程度。
8.在其他特征中，气候控制系统进一步包括被构造成传输图像至基于云的网络装置并且从基于云的网络装置接收衣着程度的收发器。
9.在其他特征中，补偿模块被构造成：基于皮肤温度以及基线衣着程度处的基线eht温度计算eht补偿值；以及基于eht补偿值确定第一合成eht。
10.在其他特征中，补偿模块被构造成：基于所述图像，估计在所述车辆的所述内部车舱中的第二乘员的衣着程度或者从所述边缘计算装置或所述基于云的网络装置中的所述至少一者接收所述第二乘员的所述衣着程度；确定第二eht设定点；以及基于所述第二乘员的所述衣着程度以及所述第二eht设定点，确定第二合成eht。气候控制模块被构造成：基于所述第二合成eht以及第二区域的第二车舱温度设定点确定第二eht错误；基于所述第二eht错误确定另一控制值；以及设定气候控制参数以基于所述另一控制值控制所述内部车舱内的所述第二区域的温度。
11.在其他特征中，气候控制系统进一步包括收发器，所述收发器被构造成传输图像
至边缘计算装置以及从边缘计算装置接收第二乘员的衣着程度。
12.在其他特征中，气候控制系统进一步包括被构造成传输图像至基于云的网络装置并且从基于云的网络装置接收第二乘员的衣着程度的收发器。
13.在其他特征中，所述气候控制模块被构造成设定所述气候控制参数以便调整天窗或一个或更多个车窗中的至少一者的不透明程度。
14.在其他特征中，提供一种气候控制方法，并且所述气候控制方法包括：由一个或更多个图像传感器采集并存储图像至存储器中；基于图像，估计在车辆的内部车舱中的第一乘员的衣着程度或者从边缘计算装置或基于云的网络装置中的至少一者接收衣着程度；确定第一等效均质温度（eht）设定点；基于所述衣着程度和所述第一eht设定点，确定第一合成eht；基于所述第一合成eht和车舱温度设定点，确定第一eht错误；基于所述第一eht错误，确定控制值；以及设定气候控制参数以基于所述控制值控制所述内部车舱内的第一区域的温度。
15.在其他特征中，气候控制方法进一步包括：传输所述图像至所述边缘计算装置和从所述边缘计算装置接收所述衣着程度。
16.在其他特征中，气候控制方法进一步包括：经由卷积神经网络分析所述图像，并且基于所述卷积神经网络提供的分析结果估计所述第一乘员的所述衣着程度。
17.在其他特征中，气候控制方法进一步包括：传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述衣着程度。
18.在其他特征中，气候控制方法进一步包括：经由卷积神经网络分析所述图像，并且基于所述卷积神经网络提供的分析结果估计所述第一乘员的所述衣着程度。
19.在其他特征中，气候控制方法进一步包括：基于皮肤温度以及基线衣着程度处的基线eht温度计算eht补偿值；以及基于所述eht补偿值，确定所述第一合成eht。
20.在其他特征中，气候控制方法进一步包括：基于所述图像，估计在所述车辆的所述内部车舱中的第二乘员的衣着程度或者从所述边缘计算装置或所述基于云的网络装置中的所述至少一者接收所述第二乘员的所述衣着程度；确定第二eht设定点；基于所述第二乘员的所述衣着程度以及所述第二eht设定点，确定第二合成eht；基于所述第二合成eht以及第二区域的第二车舱温度设定点，确定第二eht错误；基于所述第二eht错误，确定另一控制值；以及设定气候控制参数以基于所述另一控制值控制所述内部车舱内的所述第二区域的温度。
21.在其他特征中，气候控制方法进一步包括：传输所述图像至所述边缘计算装置和从所述边缘计算装置接收所述第二乘员的所述衣着程度。
22.在其他特征中，气候控制方法进一步包括：传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述第二乘员的所述衣着程度。
23.在其他特征中，气候控制方法进一步包括：设定所述气候控制参数以便调整天窗或一个或更多个车窗中的至少一者的不透明程度。
24.本发明还包括如下方案：方案1. 一种气候控制系统，包括：被构造成存储由一个或更多个图像传感器采集的图像的存储器；补偿模块，其被构造成
基于所述图像，估计在车辆的内部车舱中的第一乘员的衣着程度或者从边缘计算装置或基于云的网络装置中的至少一者接收所述衣着程度；确定第一等效均质温度（eht）设定点；并且基于所述衣着程度和所述第一eht设定点，确定第一合成eht；以及气候控制模块，其被构造成基于所述第一合成eht和车舱温度设定点确定第一eht错误；基于所述第一eht错误，确定控制值；以及设定气候控制参数以基于所述控制值控制所述内部车舱内的第一区域的温度。
25.方案2. 根据方案1所述的气候控制系统，进一步包括所述一个或更多个图像传感器。
26.方案3. 根据方案1所述的气候控制系统，进一步包括被构造成传输所述图像至所述边缘计算装置以及从所述边缘计算装置接收所述衣着程度的收发器。
27.方案4. 根据方案3所述的气候控制系统，进一步包括所述边缘计算装置，其中所述边缘计算装置包括卷积神经网络，所述卷积神经网络被构造成分析所述图像并且基于所述卷积神经网络提供的分析结果估计所述第一乘员的所述衣着程度。
28.方案5. 根据方案1所述的气候控制系统，进一步包括被构造成传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述衣着程度的收发器。
29.方案6. 根据方案1所述的气候控制系统，其中所述补偿模块被构造成：基于皮肤温度和基线衣着程度处的基线eht温度计算eht补偿值；以及基于所述eht补偿值确定所述第一合成eht。
30.方案7.根据方案1所述的气候控制系统，其中：所述补偿模块被构造成基于所述图像，估计在所述车辆的所述内部车舱中的第二乘员的衣着程度或者从所述边缘计算装置或所述基于云的网络装置中的所述至少一者接收所述第二乘员的所述衣着程度；确定第二eht设定点；以及基于所述第二乘员的所述衣着程度以及所述第二eht设定点，确定第二合成eht；以及所述气候控制模块被构造成基于所述第二合成eht以及针对第二区域的第二车舱温度设定点确定第二eht错误；基于所述第二eht错误确定另一控制值；以及设定气候控制参数以基于所述另一控制值控制所述内部车舱内的所述第二区域的温度。
31.方案8. 根据方案7所述的气候控制系统，进一步包括被构造成传输所述图像至所述边缘计算装置以及从所述边缘计算装置接收所述第二乘员的所述衣着程度的收发器。
32.方案9. 根据方案7所述的气候控制系统，进一步包括被构造成传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述第二乘员的所述衣着程度的收发器。
33.方案10. 根据方案1所述的气候控制系统，其中所述气候控制模块被构造成设定所述气候控制参数以便调整天窗或一个或更多个车窗中的至少一者的不透明程度。
34.方案11. 一种气候控制方法，包括：由一个或更多个图像传感器采集并存储图像至存储器中；基于所述图像，估计在车辆的内部车舱中的第一乘员的衣着程度或者从边缘计算装置或基于云的网络装置中的至少一者接收所述衣着程度；确定第一等效均质温度（eht）设定点；基于所述衣着程度和所述第一eht设定点，确定第一合成eht；基于所述第一合成eht和车舱温度设定点，确定第一eht错误；基于所述第一eht错误，确定控制值；以及设定气候控制参数以基于所述控制值控制所述内部车舱内的第一区域的温度。
35.方案12. 根据方案11所述的气候控制方法，进一步包括传输所述图像至所述边缘计算装置和从所述边缘计算装置接收所述衣着程度。
36.方案13. 根据方案12所述的气候控制方法，进一步包括经由卷积神经网络分析所述图像，并且基于所述卷积神经网络提供的分析结果估计所述第一乘员的所述衣着程度。
37.方案14. 根据方案11所述的气候控制方法，进一步包括传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述衣着程度。
38.方案15. 根据方案14所述的气候控制方法，进一步包括经由卷积神经网络分析所述图像，并且基于所述卷积神经网络提供的分析结果估计所述第一乘员的所述衣着程度。
39.方案16. 根据方案11所述的气候控制方法，进一步包括：基于皮肤温度和基线衣着程度处的基线eht温度计算eht补偿值；以及基于所述eht补偿值，确定所述第一合成eht。
40.方案17. 根据方案11所述的气候控制方法，进一步包括：基于所述图像，估计在所述车辆的所述内部车舱中的第二乘员的衣着程度或者从所述边缘计算装置或所述基于云的网络装置中的所述至少一者接收所述第二乘员的所述衣着程度；确定第二eht设定点；基于所述第二乘员的所述衣着程度以及所述第二eht设定点，确定第二合成eht；以及基于所述第二合成eht以及第二区域的第二车舱温度设定点，确定第二eht错误；基于所述第二eht错误，确定另一控制值；以及设定气候控制参数以基于所述另一控制值控制所述内部车舱内的所述第二区域的温度。
41.方案18. 根据方案17所述的气候控制方法，进一步包括传输所述图像至所述边缘计算装置和从所述边缘计算装置接收所述第二乘员的所述衣着程度。
42.方案19. 根据方案17所述的气候控制方法，进一步包括传输所述图像至所述基于云的网络装置并且从所述基于云的网络装置接收所述第二乘员的所述衣着程度。
43.方案20. 根据方案11所述的气候控制方法，进一步包括设定所述气候控制参数以便调整天窗或一个或更多个车窗中的至少一者的不透明程度。
44.从具体实施方式、权利要求和附图将显而易见到本公开的其他应用领域。具体实施方式和特定示例试图仅旨在用于说明目的并且不旨在限制本公开的范围。
附图说明
45.从具体实施方式和附图将更加全面地理解本公开，其中:图1是根据本公开的执行对车辆内乘员的车外衣着程度检测的基于eht的气候控制系统的示例的功能框图；图2是图1的基于eht的气候控制系统的一部分的功能框图；图3是示出为了衣着程度估计对车辆乘员进行图像采集的车辆的一部分的透视图；图4是示出为了衣着程度估计对多个车辆乘员进行图像采集的车辆的一部分的透视图；图5是包括在没有基于衣着程度补偿的情况下针对不同衣着程度的预测平均投票（pmv）指数与eht关系绘图的示例图；图6是包括根据本公开的具有基于衣着程度的补偿的情况下针对不同衣着程度的pmv指数与eht关系绘图的示例图；图7示出根据本公开的具有衣着程度补偿的示例性基于eht的气候控制系统；图8a-图8b示出了根据本公开的由车辆实施的示例性基于eht气候控制方法；以及图9示出了根据本公开的由边缘计算和/或基于云的网络装置实施的示例性衣着程度估计方法。
46.在附图中，附图标记可以被重复使用以便指代类似的和/或相同的元素。
具体实施方式
47.各种热源会影响车辆的内部车舱内的温度并且因此影响车舱内的乘员的舒适性。热源能够包括发动机、车窗、一个或更多个加热器、太阳能（在本文被称为太阳负载）、外部空气的外部热能、结构元件（例如，面板和座椅）、乘员和/或下文提到的其他热源。外部空气的热能程度取决于空气温度（或外部环境温度）。例如，车辆的挡风玻璃和仪器面板会经历高的表面温度。此外，温度会受到不同的空气速度、车辆速度和hvac鼓风机速度的影响。内部车舱内的每个元件的温度能够与内部车舱内的其他元件的温度和/或其他环境条件有关和/或取决于内部车舱内的其他元件的温度和/或其他环境条件。因此，内部车舱内的温度分布和关系是复杂的并且难以表征和限定。这使得难以针对乘员热舒适性校准hvac控制系统。
48.本文所阐释的示例包括简化校准过程，同时提供改进的乘员热舒适性。示例消除了常规自动气候控制（acc）校准过程中的主观依赖性和单个校准器变化。
49.示例包括车辆气候控制系统，其基于经由图像传感器（例如，照相机和红外线传感器）获得的采集图像考虑到各种乘员衣着程度。机器学习算法和神经网络被用于检测在车辆车舱的一个或更多个区域中的一个或更多个乘员的衣着程度。之后调整区域的一个或更多个等效均质温度（eht）值以考虑到衣着程度。之后基于调整过的eht值控制各种致动器以便向所述一个或更多个乘员提供热舒适性。
50.图1示出实施对车辆102内的乘员的车外衣着程度检测的基于eht的气候控制系统100。基于eht的气候控制系统100包括车辆102并且可以包括边缘计算装置104和/或基于云的网络装置106，它们可以经由分布式网络108彼此通信。边缘计算装置104可以位于车辆102内部或者车辆外部，如图所示。边缘计算装置104可以是使用车辆至基础设施（v2i）通信的基础设施装置并且例如位于沿着车辆102行驶的道路上。基础设施装置可以包括交通信号、交通标示、安装在建筑物上的装置和/或车行道结构等等。边缘计算装置104可以是部署在蜂窝塔和/或区域站处的微型数据中心。基于云的网络装置可以远程地位于中央位置并且例如由服务供应商控制。
51.车辆102、边缘计算装置104和基于云的网络装置106可以包括相应的收发器110、112、114、控制模块116、118、120和存储器122、124、126。车辆控制模块116可以包括eht补偿模块130和气候控制模块132。控制模块118（或者边缘节点控制模块）可以包括衣着程度模块140。服务器控制模块120（或者服务器控制模块）可以包括另一衣着程度模块150。
52.衣着程度模块140、150接收在车辆102内采集的内部车舱图像并且基于图像估计车辆102内的乘员的衣着程度。衣着程度模块140、150可以分别地包括神经网络并且实施机器学习算法以估计衣着程度。神经网络可以包括卷积神经网络。机器学习算法可以操作成更好地检测衣着的存在、衣着的程度并且识别不同类型的衣着，诸如裤子、衬衫、短裤、外套、帽子、手套等。在一一个实施例中，边缘节点控制模块118对从车辆102接收的图像数据执行实时时间数据处理以便执行基础分析并且将分析结果传达给服务器控制模块120以进行进一步分析。神经网络检测图像中示出的物体的特征线和其他属性。eht补偿模块130基于估计的衣着程度调整eht值。气候控制模块132基于调整过的eht值控制车舱内的温度。在下文进一步描述这些操作。
53.图2示出位于车辆102内的图1的基于eht的气候控制系统100的一部分200。车辆102可以是部分或完全自主车辆或者其他类型的车辆。部分200包括车辆控制模块116、存储器122、传感器202和hvac系统204。车辆控制模块116包括模块130、132并且可以包括其他模块206。气候控制模块132针对相应区域基于一个或更多个经补偿eht值和一个或更多个目标（或设定）温度控制车辆102的车舱内的温度。每个区域可以具有相应的经补偿eht值和/或目标温度。两个或更多个区域可以共用单个经补偿eht值和/或单个目标温度。可以基于经由温度输入控制装置208从车辆乘员接收的输入来设定目标温度。温度输入控制装置208可以包括旋钮、按钮、滑块、触摸屏图标等等，其可以位于仪器面板、中心控制台、置顶控制台和/或其他位置上。可以通过使用扩音器、便携网络装置（例如，移动电话、平板、可穿戴装置等）和/或经由某一其他的输入装置经由声音命令来设定目标温度。
54.为了调整车舱内的温度以匹配目标温度，气候控制模块132可以控制hvac系统204和其他温度调整元件、装置和系统。这可以包括控制被排放到车舱内和/或在车舱周围循环的空气的空气温度和速度。气候控制模块132可以控制一个或更多个鼓风机（或风扇）210的速度。在一种实施例中，车辆102包括智能玻璃212。作为示例，车辆102的天窗可包括智能玻璃212。气候控制模块132可以基于经补偿eht值和目标温度来控制智能玻璃212的不透明程度。
55.存储器122可以存储eht值211（例如，eht设定点、eht补偿值、eht错误等）、其他参数213、数据214和算法216（例如，eht补偿算法、机器学习算法等）。传感器202可以位于遍及
车辆102并且包括照相机220、红外线（ir）传感器222、外部环境温度传感器224、一个或更多个内部车舱温度传感器226和/或其他传感器228。可以针对车辆102的内部车舱的每个区域包括内部车舱温度传感器。其他传感器228可以包括偏航速率传感器、加速度计、全球定位系统（gps）传感器、空气流量传感器、温度传感器、压力传感器、车辆速度传感器、马达速度传感器等。车辆控制模块116和传感器202可以彼此直接通信，可以经由控制器局域网（can）总线230和/或经由以太网交换机232彼此通信。在所示示例中，传感器202经由以太网交换机232连接到车辆控制模块116，不过也可以或替代性地直接连接到车辆控制模块116和/或can总线230。
56.车辆102可以进一步包括其他控制模块，诸如底盘控制模块240，其控制包括一个或更多个电动马达242和一个或更多个发动机（示出一个发动机244）的转矩源。底盘控制模块240可以控制经由转矩源至车辆102的车轴的输出转矩的分布。底盘控制模块240可以控制包括（一个或多个）电动马达242和（一个或多个）发动机244的推进系统246的操作。每个发动机可以包括起动机马达250、燃料系统252、点火系统254和节流阀系统256。
57.在一种实施方式中，车辆控制模块116是主体控制模块（bcm），其与远程信息处理模块262、制动系统263、导航系统264、娱乐信息系统266、其他致动器272和装置274以及其他车辆系统和模块276通信和/或控制它们操作。导航系统264可以包括gps 278。其他致动器272可以包括转向致动器和/或其他致动器。模块和系统116、204、240、262、264、266可以经由can总线230彼此通信。可以包括电源280并且其给车辆控制模块116和其他系统、模块、控制器、存储器、装置和/或部件提供动力。电源280可以包括一个或更多个电池和/或其他电源。控制模块116可以基于车辆102的计划轨迹、检测到的物体、检测到的物体的位置和/或其他相关操作和/或参数来执行对抗措施和/或自主车辆操作。这可以包括控制提到的转矩源和致动器以及经由娱乐信息系统266提供图像、指示和/或指令。
58.远程信息处理模块262可以包括收发器282和远程信息处理控制模块284，其可以被用于与其他车辆、网络、边缘计算装置和/或基于云的装置通信。收发器282可以包括图1的收发器110。控制模块116可以控制模块和系统204、262、263、264、266和其他致动器、装置和系统（例如，智能玻璃212、致动器272和装置274）。该控制可以是基于来自传感器202的数据。
59.图3示出车辆（例如，图1-图2的车辆102）的一部分300，从而示出为了衣着程度估计进行的车辆乘员302的图像采集。在所示示例中，单个图像传感器304被用于采集车辆的内部车舱303内的车辆乘员302的图像。图像传感器304可以是照相机或ir传感器。之后由图像传感器304采集的图像可以如本文所述的那样被分析以估计乘员302的衣着程度。虽然示出单个图像传感器，不过可以包括任意数量的图像传感器以采集车辆内的乘员302和/或其他乘员的图像。箭头306代表车辆速度，可以在检测能够影响内部车舱温度的参数时监测该车辆速度。
60.附图标记308指示车辆的智能玻璃。在所示示例中，车辆包括天窗，该天窗包括智能玻璃，可以基于乘员302的衣着程度由图1-图2的车辆控制模块116控制该智能玻璃。车辆可以包括辐射加热器和/或元件310，其可以由车辆控制模块116控制以调整内部车舱内的温度。车辆控制模块116可以进一步控制图2的hvac系统204和鼓风机210以调整被排放到图3的内部车舱303内和/或在所述内部车舱内循环的空气的气流温度t
air
和速度v
air
。
61.图4示出了车辆（例如，图1-图2的车辆102）的一部分400，从而示出为了衣着程度估计进行的对多个乘员402的图像采集。在所示示例中，单个图像传感器404被用于采集车辆的内部车舱403内的车辆乘员402的图像。图像传感器404可以是照相机或者ir传感器。之后由图像传感器404采集的图像可以如本文所述的那样被分析以估计乘员402的衣着程度。虽然示出单个图像传感器，不过可以包括任意数量的图像传感器以采集乘员402的图像。
62.图5示出包括在没有基于衣着程度的补偿的情况下针对不同衣着程度的预测平均投票（pmv）指数与eht关系绘图的图。在所示示例中，针对四种不同的衣着程度（iclo=0.3，iclo=0.6，iclo=1.0，和iclo=1.2）绘制了多组点。针对这四种不同的衣着程度分别提供了已经曲线地拟合到成组点的线性曲线500、502、504、506。iclo=0的衣着程度指的是乘员不穿任何衣物。iclo=0.6的衣着程度指的是乘员穿薄衣物（例如，夏季暖和天气的服装，诸如衬衫和t恤）。iclo=1.2的衣着程度指的是乘员穿厚衣物（例如，冬季冷天气的服装，诸如裤子、冬季外套、帽子和手套）。pmv是对热舒适性的人感觉的经验拟合。5的pmv被看作是热的。0的pmv被看作是中性的。-5的pmv被看作是冷的。eht的测量单位是
°
c（摄氏度）。如从绘图可见，衣着程度越大，则乘员感觉到的温度差异或者经历的温度变化感知越小。
63.图6示出包括如本文公开的在具有基于衣着程度的补偿的情况下针对不同衣着程度的pmv指数与eht关系绘图的图。在所示示例中，针对四种不同的衣着程度（iclo=0.3，iclo=0.6，iclo=1.0，和iclo=1.2）绘制了成组的点。如能够看到的，所述成组的点大体能够曲线拟合到同一线性曲线600。因此，本文公开的温度补偿考虑到不同的衣着程度并且最小化了车辆乘员经历的温度变化和/或感知。
64.图7示出具有衣着程度补偿的示例性基于eht气候控制系统700。基于eht气候控制系统700可以由图1-图2的车辆控制模块116实施。基于eht气候控制系统700可以设定eht设定点ehtsp，如框702所代表的。可以通过使用常规方法来确定eht设定点ehtsp。查找表可以被用于基于应用和各种参数确定eht设定点 ehtsp。应用可以指的是车辆类型和车辆特征，诸如车舱大小、车舱中的材料、车窗的数量和大小、车窗的不透明程度、加热器和加热元件的类型、座椅数量、车舱内的材料、乘员数量等等。eht设定点ehtsp可以是固定值或者可以基于这些和其他因素被调整。
65.eht设定点ehtsp例如可以被设定在24
°
c，该温度可以在1-9的舒适等级中对应于5的舒适等级。在示例舒适等级上，1可以被分类为冷，2可以被分类为很凉，3可以被分类为凉，4可以被分类为稍凉，5可以被分类为舒适，6可以被分类为稍暖，7可以被分类为暖，8可以被分类为太暖，并且9可以被分类为热。乘员可以根据个人、季节和衣着程度而在20-25摄氏度范围内的eht设定点ehtsp处是“舒适的”。
66.eht设定点ehtsp可以被提供给第一加法器704，其将ehtsp与eht补偿值
∆
t
iclo-eht
相加。可以基于估计的衣着程度iclo计算eht补偿值
∆
t
iclo-eht
，如框712所代表的。衣着程度iclo可以由车辆控制模块116、由车辆的另一模块或者在外部在边缘计算装置（例如，图1的边缘计算装置104）处或者由基于云的网络装置（例如，图1的基于云的网络装置106）估计。
67.第一加法器提供合成的eht值ehtres，其可以被提供给第二加法器706。合成的eht值ehtres独立于外部环境温度ta、太阳负载程度、被排放到车辆的内部车舱中且在其内循环的空气的hvac空气速度以及内部车舱温度。中性热感知的eht取决于乘员新陈代谢速率和衣着程度。合成的eht值ehtres的计算考虑到衣着程度。本文所提到的eht合成值被用于
提供代表值以便将非均匀热环境表征为与乘员热感知相关的均匀热环境。
68.第二加法器可以从合成的eht值ehtres减去温度设定点tsp以便提供eht错误值
∆
eht。可以基于控制信号cont（716）、外部环境温度ta（718）、太阳负载程度（720）、被排放到车辆的内部车舱中或在其内循环的空气的hvac空气速度（722）、内部车舱温度724（例如，内部车舱温度tc和/或其他内部车舱温度）和/或其他参数来确定温度设定点tsp。可以基于车辆的内部车舱中的辐射平均值温度来设定温度设定点tsp。温度设定点tsp可以是基于这些参数的稳态值和/或这些参数的瞬态（或变化）。这个操作由框714表示。可以例如基于指示车辆乘员请求的设定温度的车辆乘员输入来生成控制信号716。这可以例如由图2的温度输入控制装置208中的一者提供。
69.框708代表基于eht错误值
∆
eht以及信号718、720、722、724中的一个或更多个确定控制值yn。控制值yn可以是基于这些参数的稳态值和/或这些参数的瞬态（或变化）。比例积分微分（pid）控制器可以被用于使用反馈控制来生成控制值yn。
70.框710代表基于控制值yn确定气候控制参数，其中气候控制参数包括车窗（或智能玻璃）的不透明度、鼓风机速度、排放或循环空气温度tair、hvac模式、辐射加热器和/或加热元件的辐射加热设定等等。hvac模式可以包括加热模式、冷却模式、空气循环模式、空气排放模式或其组合。
71.可以同时执行图8a-图9的下述方法。可以执行根据图8a-图8b的方法，图8a-图8b示出由图1-图2的车辆102实施的基于eht气候控制方法。可以迭代地执行这个方法的操作。方法可以开始于800。在802处，传感器202采集车辆102的内部的一个或更多个区域的图像。
72.在804处，eht补偿模块130可以确定是否将采集的图像发送到外部处理装置（例如，图1的装置104、106中的一者）。如果是，则执行操作806，否则执行操作810。
73.在806处，eht补偿模块130将图像传输到外部处理装置。
74.在808处，eht补偿模块130从外部处理装置接收在所述一个或更多个区域中的一个或更多个乘员的一个或更多个衣着程度。可以从外部处理装置接收识别乘员、乘员的位置和乘员的衣着程度的信号。
75.在810处，eht补偿模块130可以分析采集的图像以便检测乘员、乘员的位置和乘员的衣着程度。在812处，eht补偿模块130检测乘员和乘员的位置。这可以包括基于历史数据的目标、大小和形状图像识别。eht补偿模块130可以使用神经网络来执行图像处理以便识别形状、颜色、目标检测、皮肤识别、衣着图案等等。也可以经由非基于图像的信号来检测乘员的存在性。例如，在车辆的座椅中的重量和/或应变传感器可以指示乘员在车辆的座椅上。
76.在814处，eht补偿模块130可以确定乘员的衣着程度。这可以包括使用神经网络和/或机器学习系统来执行基于历史数据的目标、大小和形状图像识别。eht补偿模块130可以使用神经网络来执行图像处理以便识别形状、颜色、目标检测、皮肤识别、衣着图案等等。图像的像素可以针对各种已知图案被分析以识别所述识别特征和/或其他特征，诸如衣着类型。
77.在816处，eht补偿模块130基于衣着程度计算eht补偿值
∆
t
iclo-eht
。作为示例，eht补偿值
∆
t
iclo-eht
可以通过使用等式1-等式2被确定，其中iclo0是基线衣着程度（例如，0.6），iclo是确定的衣着程度，t
skin
是人的皮肤温度（例如，34
°
c），并且t
eht0
是基线衣着程度
iclo0的参考eht。基线衣着程度iclo0和皮肤温度t
skin
可以是固定值。等式2可以被用于首先确定t
eht0
并且之后等式1可以被用于确定eht补偿值
∆
t
iclo-eht
。eht补偿值
∆
t
iclo-eht
可以是正的或负的。
[0078] (1)t
eht0
=在iclo0处的基线t
eht0
ꢀꢀꢀꢀꢀꢀꢀꢀ
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)虽然等式1包括分子和分母中具有恒定标度值1.395的比，但也可以使用其他恒定值。
[0079]
在818处，eht补偿模块130基于eht设定点ehtsp和eht补偿值
∆
t
iclo-eht
确定合成eht值ehtres。合成eht值ehtres可以是eht设定点ehtsp和eht补偿值
∆
t
iclo-eht
的和，如上所述。在820处，气候控制模块132确定外部环境空气温度、车舱温度、太阳负载和hvac空气排放速度。在821处，气候控制模块132确定车舱温度设定点tsp。这可以如参考图7的框714在上文所述的那样被完成。操作822可以在操作818、821之后被执行。
[0080]
在822处，气候控制模块132可以基于合成eht值ehtres和设定点温度tsp确定eht错误值
∆
eht。这可以经由图7的加法器706来实现。在824处，气候控制模块132可以基于eht错误值
∆
eht确定控制值yn。这可以通过使用将eht错误值关联于值yn的一个或更多个表格和/或一个或更多个等式来完成。在826处，气候控制模块132基于控制值yn确定气候控制参数。这可以通过使用将值yn关联于气候控制参数的一个或更多个表格和/或一个或更多个等式来完成。在828处，气候控制模块132基于气候控制参数控制hvac系统204。
[0081]
在830处，气候控制模块132确定是否存在要执行上述操作的另一区域和/或是否应该针对相同的一个或更多个区域执行上述操作的另一迭代。如果是，则操作802可以被执行，否则方法可以在832处结束。
[0082]
图9示出由边缘计算和/或基于云的网络装置（例如图1的装置104、106）实施的衣着程度估计方法。这个方法的操作可以被迭代地执行并且可以通过图1的控制模块118、120中的一者和/或衣着程度模块140、150中的一者被执行。方法可以开始于900。在902处，控制模块从车辆102接收采集的图像。
[0083]
在904处，控制模块可以分析采集的图像以便检测乘员、乘员的位置和乘员的衣着程度。在906处，控制模块检测乘员和乘员的位置。这可以包括基于历史数据的目标、大小和形状图像识别。控制模块可以使用神经网络来执行图像处理以便识别形状、颜色、目标检测、皮肤识别、衣着图案等等。在908处，控制模块可以确定乘员的衣着程度。这可以包括使用神经网络和/或机器学习系统来执行基于历史数据的目标、大小和形状图像识别。控制模块可以使用神经网络来执行图像处理以便识别形状、颜色、目标检测、皮肤识别、衣着图案等等。图像的像素可以针对各种已知图案被分析以识别所述识别特征和/或其他特征，诸如衣着类型。
[0084]
在910处，控制模块将信号传输给车辆102，所述信号指示所述一个或更多个确定的衣着程度。信号也可以指示对一个或更多个对应乘员的检测及其位置。在912处，控制模块可以确定是否针对车辆102的内部车舱的另一区域执行上述方法。如果是，操作902可以被执行，否则这方法可以在914处结束。
[0085]
上述示例包括基于个体的衣着程度个性化热舒适性的气候控制系统。衣着程度可
以通过使用卷积神经网络来确定。示例通过控制车辆的内部车舱内的温度同时最小化温度校准中的人为主观因素提供了热舒适性。可以基于自动确定控制参数而不需要和/或独立于乘员介入来控制致动器。也可以在最小化hvac系统的能量消耗的同时提供热舒适性。针对车辆内的相应区域针对区域内的不同乘员确定局部温度，以便为每个乘员提供经调试的热舒适性。
[0086]
所述系统使用eht值将非均匀环境转换成均匀环境表示。本文描述的基于eht气候控制系统为车辆乘员提供了对智能玻璃、辐射加热、排放空气温度、鼓风机速度和hvac模式的实时控制以产生中性热感觉（不太热且不太冷）。系统提供了基于乘员的衣着程度对控制设定温度的精细调试。
[0087]
上述描述实质上仅是说明性的并且绝不旨在限制本公开、其应用或使用。能够以各种形式来实施本公开的广泛教导。因此，虽然本公开包括特定示例，但是不应该将本公开的真实范围限制于此，这是因为一旦研究了附图、说明书以及所附权利要求，则将显而易见到其他改型。应该理解方法中的一个或更多个步骤可以按不同顺序（或被同时地）被执行而不改变本公开的原理。进一步，虽然在上文中每种实施例均被描述为具有某些特征，不过关于本公开的任意实施例所述的这些特征中的任何一个或更多个能够在其他实施例中的任一者的特征中实施和/或与其他实施例中的任一者的特征相结合，即使这样的组合没有被明确描述。换言之，所述实施例不相互排斥，并且一个或更多个实施例彼此之间的置换落入本公开的范围内。
[0088]
通过使用各种术语，包括“被连接”、“被接合”、“被联接”、“邻近”、“挨着”、“在
…
顶部上”、“上方”、“下方”和“被设置”，来描述元件之间（例如，在模块、电路元件、半导体层等等之间）的空间和功能关系。除非被明确描述为“直接”，否则当在上述公开中描述在第一和第二元件之间的关系时，该关系能够是在第一和第二元件之间不存在其他中间元件的直接关系，但也可以是在第一和第二元件之间存在一个或多个中间元件（空间或功能上）的间接关系。如本文使用的，短语a、b和c中的至少一者应该被解释为意味着使用非排他性逻辑或（or）的逻辑（a或b或c），并且不应该被解释为“a中的至少一者、b中的至少一者和c中的至少一者”。
[0089]
在附图中，如箭头所示的箭头方向通常指示图释感兴趣的信息（诸如数据或者指令）的流动。例如，当元素a和元素b交换各种信息，但是从元素传输到元素b的信息是与图释有关的，箭头可以从元素a指向元素b。这个单向箭头不暗示没有其他信息从元素b传输到元素a。进一步，对于从元素a发送到元素b的信息，元素b可以向元素a发送信息请求或接收信息确认。
[0090]
在包括如下定义的本技术中，可以使用术语“电路”来代替术语“模块”或术语“控制器”。术语“模块”可以是指以下各者，是以下各者的一部分或包含以下各者：专用集成电路（asic）；数字、模拟或混合的模/数分立电路；数字、模拟或混合的模/数集成电路；组合逻辑电路；现场可编程门阵列（fpga）；执行代码的处理器电路（共享、专用或组）；存储由处理器电路执行的代码的存储器电路（共享、专用或组）；提供描述的功能的其他合适的硬件部件；或上述的一些或全部的组合，诸如在片上系统中。
[0091]
模块可以包括一个或更多个接口电路。在一些示例中，接口电路可以包括被连接到局域网（lan）、因特网、广域网（wan）或其组合的有线或无线接口。本公开的任意给定模块
的功能可以分布于经由接口电路连接的多个模块中。例如，多个模块可以允许负载均衡。在进一步示例中，服务器（也被公知为远程或云）模块可以代表客户模块完成一些功能。
[0092]
上面使用的术语代码可以包含软件、固件和/或微代码，并且可以涉及程序、例程、函数、类、数据结构和/或对象。术语共享处理器电路包括执行来自多个模块的一些或全部代码的单个处理器电路。术语组处理器电路包括与额外处理器电路结合来执行来自一个或更多个模块的一些或全部代码的处理器电路。提及多个处理器电路包括在分立管芯上的多个处理器电路、在单个管芯上的多个处理器电路、单个处理器电路的多个核、单个处理器电路的多个线程或上述的组合。术语共享存储器电路包括存储来自多个模块的一些或全部代码的单个存储器电路。术语组存储器电路包括与额外存储器结合来存储来自一个或更多个模块的一些或全部代码的存储器电路。
[0093]
术语存储器电路是术语计算机可读介质的子集。如本文所用的术语计算机可读介质不包括通过介质（例如在载波上）传播的瞬态电子或者电磁信号；术语计算机可读介质因此可以被看作是有形且非瞬态的。非瞬态有形计算机可读介质的非限制性示例是非易失存储器电路（例如闪存电路、可擦除可编程只读存储器电路或者掩码只读存储器电路）、易失性存储器电路（例如静态随机存取存储器电路或者动态随机存取存储器电路）、磁性存储介质（例如模拟或数字磁带或者硬盘驱动器）和光学存储介质（例如cd、dvd或蓝光盘）。
[0094]
可以通过配置通用计算机来执行以计算机程序实现的一个或更多个特定功能来产生专用计算机，可以由所述专用计算机部分或全部地实现本技术中描述的设备和方法。上述功能块、流程图组件和其他元素用作软件说明，其能够通过技术人员或程序员的例程工作被转换成计算机程序。
[0095]
计算机程序包含存储在至少一个非瞬态有形计算机可读介质上的处理器可执行指令。计算机程序还可以包含或者依赖于存储的数据。计算机程序可以包含与专用计算机的硬件交互作用的基础输入/输出系统（bios）、与专用计算机的特定设备交互作用的设备驱动器、一个或更多个操作系统、用户应用、后台服务、后台应用等等。
[0096]
计算机程序可以包括：（i）要被解析的描述性文本，例如html（超文本标记语言）、xml（可扩展标记语言）或json（javascript对象表示法），（ii）汇编代码，（iii）由编译器从源代码产生的对象代码，（iv）由翻译器执行的源代码，（v）被即时编译器编译和执行的源代码等等。仅作为示例，源代码可以通过使用由包括c、c++、c#、objective-c、swift、haskell、go、sql、r、lisp、java
®
、fortran、perl、pascal、curl、ocaml、javascript
®
、html5（超文本标记语言第五次修订）、ada、asp（动态服务器页面）、php（php：超级文本预处理语言）、scala、eiffel、smalltalk、erlang、ruby、flash
®
、visual basic
®
、lua、matlab、simulink和python
®
的语言形成的语法被书写。