一种空调调节方法、服务器、终端及系统与流程

1.本发明涉及计算机技术领域，尤其涉及一种空调调节方法、服务器、终端及系统。


背景技术：

2.现如今，随着车辆的普及，越来越多的人选择便利的自驾方式出行，而在驾驶车辆时，空调的运行对驾驶环境的影响至关重要，合理地设置空调的温度以及风速是调节驾驶环境的关键要素。


技术实现要素：

3.本发明提供一种空调调节方法、服务器、终端及系统，通过服务器获取调节数据获取请求，将得到的空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
4.第一方面，本发明实施例提供一种空调调节方法，包括：车载终端获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求；所述服务器接收所述调节数据获取请求，获取所述调节数据获取请求中的所述当前行驶数据；所述服务器基于所述当前行驶数据，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；所述服务器获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；所述车载终端接收所述空调调节数据，基于所述空调调节数据进行空调调节。
5.第二方面，本发明实施例提供一种空调调节方法，所述方法应用于服务器，包括：接收调节数据获取请求，获取所述调节数据获取请求中的当前行驶数据；基于所述当前行驶数据，在车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
6.可选的，所述基于所述当前行驶数据之前，还包括：基于所述当前行驶数据，确定所述车辆的当前出行类型。
7.可选的，所述接收所述调节数据获取请求之前，还包括：获取车辆的历史行驶数据中的历史行驶轨迹以及所述历史行驶轨迹对应的历史出行时间；基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型。
8.可选的，所述基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出
行类型，包括：在所述历史行驶轨迹中获取轨迹相似的多个第一行驶轨迹；所述轨迹相似的多个第一行驶轨迹基于所述车辆的位置变化进行确定。
9.在所述历史出行时间中确定所述多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间；基于至少一个出行时间段对所述各第一行驶轨迹对应的第一出行时间进行时间筛选；基于所述至少一个出行时间段中各出行时间段所包含的出行时间数量，确定所述各出行时间段的出行类型。
10.可选的，所述基于所述当前行驶数据确定所述车辆的当前出行类型，包括：获取所述当前行驶数据中的当前出行时间，在所述至少一个出行时间段中获取所述当前出行时间所属的目标出行时间段；将所述目标出行时间段的出行类型确定为所述车辆的当前出行类型。
11.可选的，所述基于所述当前出行类型，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据，包括：当所述当前出行类型为概率出行时，在所述历史行驶数据中获取历史行驶里程和所述历史行驶里程对应的历史状态数据，所述历史状态数据包括历史空调调节数据和历史环境数据；基于所述历史行驶里程和所述历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在所述历史状态数据中获取所述至少一个聚合类中各聚合类对应的历史环境数据，所述历史环境数据包括车内温度和车外环境温度；获取所述当前行驶数据中的当前环境数据，对所述当前环境数据和所述各聚合类对应的所述历史环境数据分别进行近似度计算，以在所述各聚合类中确定近似度最大值对应的目标历史状态数据。
12.可选的，所述获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节，包括：在所述至少一个聚合类中各聚合类对应的历史状态数据中，获取所述目标历史行驶数据对应的空调调节数据和行驶里程；获取预存于所述服务器的预设里程，基于所述各聚合类中目标历史状态数据的所述行驶里程进行计算得到差值里程，确定所述差值里程与所述预设里程之间的大小关系；基于所述差值里程与所述预设里程之间的大小关系以及所述空调调节数据，确定所述空调调节数据的下发方式，将所述空调调节数据基于所述下发方式发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
13.可选的，所述基于所述差值里程与所述预设里程之间的大小关系以及所述空调调节数据，确定目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节，包括：当所述差值里程大于或者等于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据作为目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端针对所述目标空调调节数据的选择操作，确定所选择的所
述目标空调调节数据作为选择数据，以基于所述选择数据进行空调调节；或者，当所述差值里程小于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据进行均值处理得到目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端采用所述目标空调调节数据进行空调调节。
14.可选的，所述基于所述当前行驶数据，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据，包括：当所述当前出行类型为规律出行时，获取所述车辆的所述历史行驶数据中历史状态数据；基于所述当前行驶数据和所述历史行驶数据中的行驶里程、车内温度和车外环境温度为特征分别进行近似度计算，以在所述历史状态数据中确定近似度最大值对应的目标历史状态数据。
15.所述获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节，包括：在所述历史行驶数据中，获取所述目标历史状态数据对应的空调调节数据；将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
16.第三方面，本发明实施例提供一种空调调节方法，所述方法应用于车载终端，包括：获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求，以使所述服务器接收所述调节数据获取请求后，基于所述调节数据获取请求中的所述当前行驶数据，获取与所述当前行驶数据相关联的目标历史行驶数据，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；接收所述空调调节数据，基于所述空调调节数据进行空调调节。
17.第四方面，本发明实施例提供一种服务器，其特征在于，所述服务器包括：当前数据获取单元，用于接收调节数据获取请求，获取所述调节数据获取请求中的当前行驶数据；历史数据获取单元，用于在车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；数据发送单元，用于获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
18.第五方面，本发明实施例提供一种车载终端，所述车载终端包括：请求发送单元，用于获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求，以使所述服务器接收所述调节数据获取请求后，基于所述调节数据获取请求中的所述当前行驶数据，获取与所述当前行驶数据相关联的目标历史行驶数据，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；空调调节单元，用于接收所述空调调节数据，基于所述空调调节数据进行空调调节。
19.第六方面，本发明实施例提供一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行上述的方法的步骤。
20.第七方面，本发明实施例提供一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行第二方面所述的方法的步骤。
21.第八方面，本发明实施例提供一种电子设备，包括：处理器和存储器；其中，所述存储器存储有计算机程序，所述计算机程序适于由所述处理器加载并执行第三方面所述的方法的步骤。
22.第九方面，本发明实施例提供一种空调调节系统，其特征在于，所述空调调节系统包括服务器和车载终端，所述服务器执行第二方面所述的方法的步骤，所述车载终端执行第三方面的所述方法的步骤。
23.在本发明实施例中，通过服务器获取调节数据获取请求，基于历史行驶数据以及调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
附图说明
24.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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，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。
25.图1为本发明实施例提供的一种空调调节的系统架构图；图2为本发明实施例提供的一种空调调节方法的流程时序图；图3为本发明实施例提供的一种判断相似轨迹的举例示意图；图4为本发明实施例提供的一种近似度计算的举例示意图；图5为本发明实施例提供的一种显示调节询问信息的举例示意图；图6为本发明实施例提供的一种空调调节方法的流程时序图；图7为本发明实施例提供的一种空调调节方法的流程示意图；图8为本发明实施例提供的一种空调调节方法的流程示意图；图9为本发明实施例提供的一种空调调节方法的流程示意图；图10为本发明实施例提供的一种服务器的结构示意图；图11为本发明实施例提供的一种服务器的结构示意图；图12为本发明实施例提供的一种历史类型确定单元的结构示意图；图13为本发明实施例提供的一种当前类型确定单元的结构示意图；图14为本发明实施例提供的一种历史数据获取单元的结构示意图；图15为本发明实施例提供的一种数据发送单元的结构示意图；图16为本发明实施例提供的一种车载终端的结构示意图；图17为本发明实施例提供的一种电子设备的结构示意图；
图18为本发明实施例提供的另一种电子设备的结构示意图。
具体实施方式
26.为使得本发明的特征和优点能够更加的明显和易懂，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，所描述的实施例仅仅是本发明一部分实施例，而非全部实施例。基于本发明中的实施例，本领域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。
27.现有技术中，在车辆启动时，大多默认启动车辆的空调系统，并采用设置好的空调的温度以及风速对车辆驾驶环境进行调节，导致空调调节过于死板，影响对驾驶环境的调节质量。
28.基于此，本发明实施例提供了一种空调调节方法，通过服务器获取调节数据获取请求，基于历史行驶数据以及调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
29.请参见图1，为本发明实施例提供了一种空调调节方法的系统结构图。如图1所示，本发明实施例提供的空调调节方法可以应用于服务器10以及车载终端20，以实现对车载终端所在车辆的空调调节的过程，本发明实施例提供的系统结构主要包括服务器10以及车载终端20。其中，服务器10可以为保存有车载终端20对应车辆的历史行驶数据的计算机；车载终端20可以为车载电脑等终端设备。
30.在本发明实施例中，车载终端20向服务器10发送调节数据获取请求，服务器10响应于调节数据获取请求，获取历史行驶数据以及调节数据获取请求携带的当前行驶数据，进而得到空调调节数据，将空调调节数据发送至车载终端20，车载终端20基于空调调节数据进行空调调节。
31.在本发明实施例中，通过服务器获取调节数据获取请求，基于历史行驶数据以及调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
32.基于图1所示的系统架构，下面将结合图2-图6，对本发明实施例提供的空调调节方法进行详细介绍。
33.请参见图2，为本发明实施例提供了一种空调调节方法的流程示意图。如图2所示，所述方法可以包括以下步骤s101-步骤s106。
34.s101，获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求；在一个实施例中，车载终端获取车辆所处环境的当前行驶数据，生成调节数据获取请求，该调节数据获取请求携带有获取的当前行驶数据，将调节数据获取请求发送至服务器。
35.进一步的，当前环境数据可以为车辆所处环境的车内温度、车外环境温度、当前出
行时间等，其中，当前出行时间可以为车辆启动时对应的时间，例如为“9月1日周一7:56”等。
36.进一步的，调节数据获取请求可以为用于向服务器获取调节数据的请求指令，以使得服务器响应于调节数据获取请求获取调节数据。
37.s102，接收所述调节数据获取请求，获取所述调节数据获取请求中的所述当前行驶数据；在一个实施例中，服务器接收到调节数据获取请求后，对调节数据获取请求进行解析，获取调节数据获取请求中的当前行驶数据。
38.s103，基于所述当前行驶数据，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；在一个实施例中，服务器基于当前行驶数据中的当前出行时间，确定当前出行时间所属的目标出行时间段，基于目标出行时间段在历史行驶数据中确定所述车辆的当前出行类型，在确定当前出行类型后，在车辆的历史行驶数据中获取当前行驶数据相关联的包括空调设置温度和风速数据在内的目标历史行驶数据。
39.进一步的，基于当前出行时间确定当前出行时间所属的目标出行时间段，在历史行驶数据中确定该目标出行时间段对应的出行类型，将该出行类型作为当前出行类型。例如，当前出行时间为“周一7:56”，该出行时间归属于“周一8:00-9:00”这一目标出行时间段，在历史行驶数据中对应的出行类型为规律出行，则当前出行类型为规律出行。
40.进一步的，目标出行时间段可以为当前出行时间所属的时间段，例如，当前出行时间为“周一7:56”，由于7:56与八点整相差4分钟，在日常的使用习惯中常将7:56近似看作8点，为了便于在服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差，设置整点时间点的附近一段时间作为所属于该整点的时间段，具体时间长度可根据数据需要进行设置。需要说明的是，为了避免出现由于采用时间近似的方法对当前出行时间进行归属，导致计算结果出现误差，一种可行的方法为将同一时间点归属于两个时间段，例如“周一7:56”即归属于“周一8:00-9:00”，也归属于“周一7:00-8:00”。
41.进一步的，为了便于根据当前行驶数据确定车辆的当前出行类型，预先获取历史行驶数据中的历史行驶轨迹以及历史行驶轨迹对应的历史出行时间，确定历史出行时间对应的出行类型。
42.进一步的，确定历史出行时间对应的出行类型，一种可行的方法为，获取历史行驶轨迹中轨迹相似的多个第一行驶轨迹，确定多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间，基于至少一个出行时间段对各第一行驶轨迹对应的第一出行时间进行时间筛选，在一个出行时间段中各出行时间段所包含的出行时间数量，确定出行时间段的出行类型。
43.进一步的，出行类型可以为根据车辆的出行轨迹进行划分的类型，例如可以划分为概率出行和规律出行，概率出行可以为历史行驶数据中不存在轨迹相似的行驶轨迹，规律出行可以为在历史行驶数据中存在轨迹相似的行驶轨迹。
44.进一步的，一种可行的判断轨迹相似的方法为，每隔设定时长获取车辆的当前位置，从而得到车辆此次出行的轨迹，若存在位置变化相同的多个出行轨迹，则认为这些出行
轨迹为轨迹相似。可以理解的是，在实际的行驶过程中，不存在位置变化完全相同的情况，因此在实际计算过程中，若车辆在同一道路行驶，则认为在该道路上行驶中处于相同位置变化。例如，如图3所示，图3中包括有“a”、“b”、“c”和“d”四个行驶轨迹，从图3中车辆的位置变化，可以看出行驶轨迹“a”和“b”在同一道路上进行行驶，则即使在道路上的具体位置变化存在区别，也可以认为行驶轨迹“a”和“b”为轨迹相似；而查看行驶轨迹“c”和“d”，可以看出行驶轨迹“c”和“d”在不同道路行驶，则可以认为行驶轨迹“c”和“d”的轨迹不相似。
45.进一步的，第一行驶轨迹可以为具有相似轨迹的行驶轨迹集合，将具有相似轨迹的行驶轨迹作为同一相似行驶轨迹。例如，图3中的行驶轨迹“a”、“b”和“c”可以作为同一相似行驶轨迹。
46.进一步的，第一出行时间可以为第一行驶轨迹对应的时间，第一出行时间的精确进度可以精确到分钟，例如图3中的行驶轨迹“a”、“b”和“c”的出行时间分别为“周一7:56”、“周一8:05”和“周一8:15”，由于行驶轨迹“a”、“b”和“c”为相似行驶轨迹可视为第一行驶轨迹，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一8:15”；若出行时间为“周一7:56”、“周一8:05”和“周一18:15”，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一18:15”。
47.进一步的，出行时间段可以为一段时间的时长范围，例如可以为“周一8:00-9:00”等，将出行时间进行归属判断，以便于服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差。例如“周一7:56”和“周一8:05”可以归属于“周一8:00-9:00”这一时间段。需要说明的是，由于工作日的出行作息相较于周末较为规律，因此在确定时间段时，需要标记时间对应的星期类型，以便于避免仅根据小时时间进行判断，导致工作日与周末的区别，影响对出行类型的判断。
48.进一步的，为了便于提高对出行时间进行判断的效率，一种可行的方法为，对第一出行时间进行时间筛选，确定各出行时间段中所包含的出行时间数量，当出行时间数量大于或者等于1时，则确定该出行时间段为规律出行；当出行时间数量小于1时，则确定该出行时间为概率出行。需要说明的是，为了提高可靠性，判断出行类型的出行时间数量可根据实际情况进行设置，例如可以为2、3、4等。
49.进一步的，在当前出行类型为概率出行时，获取历史行驶数据中的历史行驶里程和历史行驶里程对应的历史状态数据，获取历史状态数据中的历史空调调节数据和历史环境数据，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在历史状态数据中获取各聚合类对应的历史环境数据，并获取当前行驶数据中的当前环境数据，将当前环境数据和各聚合类对应的历史环境数据分别进行近似度计算，得到各聚合类对应的历史环境数据与当前环境数据的近似度，从而得到各聚合类中近似度最大值对应的目标历史环境数据，进而根据目标历史环境数据确定对应的历史状态数据。其中，聚合类可以为对数据信息进行聚类后得到的多组数据，例如可以分为长里程段和短里程段等。
50.进一步的，当前环境数据可以为包括有当前车内温度和当前车外环境温度等数据在内的数据信息。其中，当前车内温度可以为车载终端在当前时刻获取的车内温度，当前车外环境温度可以为车载终端在当前时刻获取的车外温度。
51.进一步的，历史行驶里程可以为历史行驶数据中的行驶里程，记录着车辆某一次
行驶过程中所行驶的里程，例如为10公里等。
52.进一步的，历史状态数据可以为包括历史环境数据、历史空调调节数据等数据在内的数据信息。
53.进一步的，历史环境数据可以为包括车内温度和车外环境温度等数据在内的数据信息。其中，车内温度可以为历史时刻记录的车内温度，车外环境温度为历史时刻记录的车外温度。
54.进一步的，历史空调调节数据可以为包括空调设置温度和设置风速等数据在内的数据信息。
55.进一步的，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，一种聚类的结果可以为根据里程得到分为长短两类的聚合类，确定里程长短的方法可以为根据历史行驶里程实际数值进行判断。例如，历史行驶里程为3公里、5公里、2公里、10公里、50公里、120公里，则可以将该历史行驶里程分为长里程段（50公里和120公里）与短里程段（3公里、5公里、2公里和10公里）；若历史行驶里程为3公里、5公里、2公里、8公里、10公里，则可以将该历史行驶里程分为长里程段（8公里和10公里）与短里程段（3公里、5公里和2公里）。可以看出，“10公里”在不同的情况下被分为了长里程段以及短里程段两种情况，因此基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类时，具体分类方法以实际情况进行确定。
56.进一步的，获取各聚合类对应的历史环境数据，确定各聚合类车辆对应的车内温度和车外环境温度，并获取当前车辆的车内温度和车外环境温度。
57.进一步的，将各聚合类车辆对应的车内温度和车外环境温度与当前车辆的车内温度和车外环境温度分别进行近似度计算，从而得到各聚合类对应的近似度，并从近似度中确定近似度最大值，进而得到近似度最大值对应的目标历史状态数据。例如，如图4所示，图4中将当前环境数据“车内温度：39摄氏度车外环境温度：26摄氏度”，分别与短里程段与长里程段中的1、2、3组进行近似度计算，得到各组对应的近似度，从而得到长里程段中的最大近似度84%与短里程段中的最大近似度78%，进而确定短里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：27摄氏度”以及长里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：26摄氏度”，再根据目标历史环境数据分别确定各聚合类对应的目标历史状态数据。
58.进一步的，在当前出行类型为规律出行时，获取当前行驶数据中的当前行驶数据和历史行驶数据中的行驶里程、车内温度以及车外环境温度，将当前行驶数据与历史行驶数据中的行驶里程、车内温度以及车外环境温度进行近似度计算，得到各历史行驶数据对应的近似度，并确定近似度最大值对应的目标历史状态数据，近似度计算方法可以与出现类型为概率出行的计算方法相同，具体计算过程可参考概率出行的近似度计算过程。
59.s104，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；在一个实施例中，在确定目标历史行驶数据后，在目标历史行驶数据中获取目标历史行驶数据中的历史状态数据对应的空调调节数据，将空调调节数据发送至车载终端。
60.进一步的，在当前出行类型为概率出行时，获取各聚合类对应的历史状态数据中获取目标历史状态数据对应的空调调节数据和行驶里程，再获取预先设置的预设里程，对
各聚合类的行驶里程计算差值里程，确定差值里程与预设里程之间的大小关系，基于差值里程与预设里程之间的大小关系以及空调调节数据，确定空调调节数据的下发方式，将空调调节数据基于确定的下发方式发送至车载终端。
61.进一步的，预设里程可以为预先设置的里程数值，也可以为预先设置的行驶里程的百分数，例如为1公里，或者短里程段对应的行驶里程为5公里，而百分数设置为10%，则预设里程为0.5公里，预设里程可以服务器根据获取的行驶里程进行计算得到的数值，也可以为用户预先设置并存储在服务器的数值。
62.进一步的，计算差值里程可以为将长里程段中目标历史行驶数据对应的行驶里程与短里程段中目标历史行驶数据对应的行驶里程进行差值计算，得到差值里程。例如，长里程段中目标历史行驶数据对应的行驶里程为8公里，短里程段中目标历史行驶数据对应的行驶里程为5公里，则差值里程为3公里。
63.进一步的，确定差值里程与预设里程之间的大小关系的方法可以为，计算差值里程与预设里程之间的差值，若差值里程减去预设里程得到的数值为负数或者为零，则差值里程大于预设里程，若为正数则差值里程小于预设里程。
64.进一步的，确定空调调节数据的下发方式的方法可以为，若差值里程大于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据都作为目标调节数据，将目标调节数据发送至车载终端；若差值里程小于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据进行均值处理，得到目标空调调节数据，将目标空调调节数据发送至车载终端。
65.进一步的，在出行类型为规律出行时，获取历史行驶数据中目标历史行驶数据对应的空调调节数据，将空调调节数据发送至车载终端。
66.s105，接收所述空调调节数据，基于所述空调调节数据进行空调调节；在一个实施例中，车载终端接收到目标空调调节数据后，基于目标空调调节数据对车辆的空调设置温度和风速设置进行调节。
67.进一步的，在出行类型为概率出行时，接收服务器发送的目标空调调节数据，当差值里程大于或者等于预设里程时，车载终端在车载终端的显示屏上显示询问信息，获取用户针对显示屏显示的询问信息的选择操作，确定所选择的目标空调调节数据作为选择数据，车载终端基于选择数据进行空调调节。
68.进一步的，车载终端显示询问信息可以为用于确定要采用的空调调节数据。例如，如图5所示，图5中显示询问信息“采用以下哪一数据进行空调调节:数据1：温度：26摄氏度风速：3级数据2：温度：24摄氏度风速：4级”，并显示选择按键，选择按键包括“数据1”以及“数据2”，若用户选择“数据1”，则车载终端采用“温度：26摄氏度风速：3级”这一空调调节数据进行空调调节；若用户选择“数据2”，则车载终端采用“温度：24摄氏度风速：4级”这一目标空调调节数据进行空调调节。
69.进一步的，当差值里程小于预设里程时，车载终端采用服务器发送的目标空调调节数据进行空调调节。
70.进一步的，在出行类型为规律出行时，车载终端接收服务器发送的目标空调调节数据，采用目标空调调节数据进行空调调节。
71.在本发明实施例中，通过服务器获取调节数据获取请求，基于历史行驶数据以及
调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
72.请参见图6，为本发明实施例提供了一种空调调节方法的流程示意图。如图6所示，所述方法可以包括以下步骤s201-步骤s209。
73.s201，获取车辆的历史行驶数据中的历史行驶轨迹以及所述历史行驶轨迹对应的历史出行时间；在一个实施例中，获取历史行驶数据中的历史行驶轨迹以及历史行驶轨迹对应的历史出行时间，以便于确定历史出行时间对应的出行类型。
74.进一步的，历史行驶轨迹可以为车辆在过往时间中行驶位置变化，车辆开始该历史行驶轨迹的出发时间为历史行驶轨迹对应的历史出行时间。
75.进一步的，出行类型可以为根据车辆的出行轨迹进行划分的类型，例如可以划分为概率出行和规律出行，概率出行可以为历史行驶数据中不存在轨迹相似的行驶轨迹，规律出行可以为在历史行驶数据中存在轨迹相似的行驶轨迹。
76.s202，基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型；在一个实施例中，服务器获取到历史行驶轨迹后，确定历史行驶轨迹中的历史出行时间所属出行时间段，再确定出行时间段对应的出行类型。
77.进一步的，确定历史出行时间对应的出行类型，一种可行的方法为，获取历史行驶轨迹中轨迹相似的多个第一行驶轨迹，确定多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间，基于至少一个出行时间段对各第一行驶轨迹对应的第一出行时间进行时间筛选，在一个出行时间段中各出行时间段所包含的出行时间数量，确定出行时间段的出行类型。
78.进一步的，一种可行的判断轨迹相似的方法为，每隔设定时长获取车辆的当前位置，从而得到车辆此次出行的轨迹，若存在位置变化相同的多个出行轨迹，则认为这些出行轨迹为轨迹相似。可以理解的是，在实际的行驶过程中，不存在位置变化完全相同的情况，因此在实际计算过程中，若车辆在同一道路行驶，则认为在该道路上行驶中处于相同位置变化。例如，如图3所示，图3中包括有“a”、“b”、“c”和“d”四个行驶轨迹，从图3中车辆的位置变化，可以看出行驶轨迹“a”和“b”在同一道路上进行行驶，则即使在道路上的具体位置变化存在区别，也可以认为行驶轨迹“a”和“b”为轨迹相似；而查看行驶轨迹“c”和“d”，可以看出行驶轨迹“c”和“d”在不同道路行驶，则可以认为行驶轨迹“c”和“d”的轨迹不相似。
79.进一步的，第一行驶轨迹可以为具有相似轨迹的行驶轨迹集合，将具有相似轨迹的行驶轨迹作为同一相似行驶轨迹。例如，图3中的行驶轨迹“a”、“b”和“c”可以作为同一相似行驶轨迹。
80.进一步的，第一出行时间可以为第一行驶轨迹对应的时间，第一出行时间的精确进度可以精确到分钟，例如图3中的行驶轨迹“a”、“b”和“c”的出行时间分别为“周一7:56”、“周一8:05”和“周一8:15”，由于行驶轨迹“a”、“b”和“c”为相似行驶轨迹可视为第一行驶轨迹，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一8:15”；若出行时间为“周一
7:56”、“周一8:05”和“周一18:15”，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一18:15”。
81.进一步的，出行时间段可以为一段时间的时长范围，例如可以为“周一8:00-9:00”等，将出行时间进行归属判断，以便于服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差。例如“周一7:56”和“周一8:05”可以归属于“周一8:00-9:00”这一时间段。需要说明的是，由于工作日的出行作息相较于周末较为规律，因此在确定时间段时，需要标记时间对应的星期类型，以便于避免仅根据小时时间进行判断，导致工作日与周末的区别，影响对出行类型的判断。
82.进一步的，为了便于提高对出行时间进行判断的效率，一种可行的方法为，对第一出行时间进行时间筛选，确定各出行时间段中所包含的出行时间数量，当出行时间数量大于或者等于1时，则确定该出行时间段为规律出行；当出行时间数量小于1时，则确定该出行时间为概率出行。需要说明的是，为了提高可靠性，判断出行类型的出行时间数量可根据实际情况进行设置，例如可以为2、3、4等。
83.s203，获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求；在一个实施例中，车载终端获取车辆所处环境的当前行驶数据，生成调节数据获取请求，该调节数据获取请求携带有获取的当前行驶数据，将调节数据获取请求发送至服务器。
84.进一步的，当前环境数据可以为车辆所处环境的车内温度、车外环境温度、当前出行时间等，其中，当前出行时间可以为车辆启动时对应的时间，例如为“9月1日周一7:56”等。
85.进一步的，调节数据获取请求可以为用于向服务器获取调节数据的请求指令，以使得服务器响应于调节数据获取请求获取调节数据。
86.s204，接收所述调节数据获取请求，获取所述调节数据获取请求中的所述当前行驶数据；在一个实施例中，服务器接收到调节数据获取请求后，对调节数据获取请求进行解析，获取调节数据获取请求中的当前行驶数据。
87.s205，获取所述当前行驶数据中的当前出行时间，在所述至少一个出行时间段中获取所述当前出行时间所属的目标出行时间段；在一个实施例中，服务器获取当前行驶数据中的当前出行时间，基于当前出行时间确定当前出行时间所属的目标出行时间段。
88.进一步的，目标出行时间段可以为当前出行时间所属的时间段，例如，当前出行时间为“周一7:56”，由于7:56与八点整相差4分钟，在日常的使用习惯中常将7:56近似看作8点，为了便于在服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差，设置整点时间点的附近一段时间作为所属于该整点的时间段，具体时间长度可根据数据需要进行设置。需要说明的是，为了避免出现由于采用时间近似的方法对当前出行时间进行归属，导致计算结果出现误差，一种可行的方法为将同一时间点归属于两个时间段，例如“周一7:56”即归属于“周一8:00-9:00”，也归属于“周一7:00-8:00”。
89.s206，将所述目标出行时间段的出行类型确定为所述车辆的当前出行类型；在一个实施例中，服务器获取目标出行时间后，在历史行驶数据中确定该目标出行时间段对应的出行类型，将该出行类型作为当前出行类型。
90.例如，当前出行时间为“周一7:56”，该出行时间归属于“周一8:00-9:00”这一目标出行时间段，在历史行驶数据中对应的出行类型为规律出行，则当前出行类型为规律出行。
91.s207，基于所述当前出行类型，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；在一个实施例中，在确定当前出行类型后，在车辆的历史行驶数据中获取当前行驶数据相关联的包括空调设置温度和风速数据在内的目标历史行驶数据。
92.进一步的，在当前出行类型为概率出行时，获取历史行驶数据中的历史行驶里程和历史行驶里程对应的历史状态数据，获取历史状态数据中的历史空调调节数据和历史环境数据，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在历史状态数据中获取各聚合类对应的历史环境数据，并获取当前行驶数据中的当前环境数据，将当前环境数据好各聚合类对应的历史环境数据分别进行近似度计算，得到各聚合类对应的历史环境数据与对应的当前环境数据的近似度，从而得到各聚合类中近似度最大的目标历史环境数据，进而根据目标历史环境数据确定对应的历史状态数据。其中，聚合类可以为对数据信息进行聚类后得到的多组数据，例如可以分为长里程段和短里程段等。
93.进一步的，当前环境数据可以为包括有当前车内温度和当前车外环境温度等数据在内的数据信息。其中，当前车内温度可以为车载终端在当前时刻获取的车内温度，当前车外环境温度可以为车载终端在当前时刻获取的车外温度。
94.进一步的，历史行驶里程可以为历史行驶数据中的行驶里程，记录着车辆某一次行驶过程中所行驶的里程，例如为10公里等。
95.进一步的，历史状态数据可以为包括历史环境数据、历史空调调节数据等数据在内的数据信息。
96.进一步的，历史环境数据可以为包括车内温度和车外环境温度等数据在内的数据信息。其中，车内温度可以为历史时刻记录的车内温度，车外环境温度为历史时刻记录的车外温度。
97.进一步的，历史空调调节数据可以为包括空调设置温度和设置风速等数据在内的数据信息。
98.进一步的，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，一种聚类的结果可以为根据里程得到分为长短两类的聚合类，确定里程长短的方法可以为根据历史行驶里程实际数值进行判断。例如，历史行驶里程为3公里、5公里、2公里、10公里、50公里、120公里，则可以将该历史行驶里程分为长里程段（50公里和120公里）与短里程段（3公里、5公里、2公里和10公里）；若历史行驶里程为3公里、5公里、2公里、8公里、10公里，则可以将该历史行驶里程分为长里程段（8公里和10公里）与短里程段（3公里、5公里和2公里）。可以看出，“10公里”在不同的情况下被分为了长里程段以及短里程段两种情况，因此基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类时，具体分类方法以实际情况进行确定。
99.进一步的，获取各聚合类对应的历史环境数据，确定各聚合类车辆对应的车内温度和车外环境温度，并获取当前车辆的车内温度和车外环境温度。
100.进一步的，将各聚合类车辆对应的车内温度和车外环境温度与当前车辆的车内温度和车外环境温度分别进行近似度计算，从而得到各聚合类对应的近似度，并从近似度中确定近似度最大值，进而得到近似度最大的目标历史状态数据。例如，如图4所示，图4中将当前环境数据“车内温度：39摄氏度车外环境温度：26摄氏度”，分别与短里程段与长里程段中的1、2、3组进行近似度计算，得到各组对应的近似度，从而得到长里程段中的最大近似度84%与短里程段中的最大近似度78%，进而确定短里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：27摄氏度”以及长里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：26摄氏度”，再根据目标历史环境数据分别确定各聚合类对应的目标历史状态数据。
101.进一步的，在当前出行类型为规律出行时，获取当前行驶数据中的当前行驶数据和历史行驶数据中的行驶里程、车内温度以及车外环境温度，将当前行驶数据与历史行驶数据中的行驶里程、车内温度以及车外环境温度进行近似度计算，得到各历史行驶数据对应的近似度，并确定近似度最大值对应的目标历史状态数据，近似度计算方法可以与出现类型为概率出行的计算方法相同，具体计算过程可参考概率出行的近似度计算过程。
102.s208，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；在一个实施例中，在确定目标历史行驶数据后，在目标历史行驶数据中获取目标历史行驶数据中的历史状态数据对应的空调调节数据，将空调调节数据发送至车载终端。
103.进一步的，在当前出行类型为概率出行时，获取各聚合类对应的历史状态数据中获取目标历史状态数据对应的空调调节数据和行驶里程，再获取预先设置的预设里程，对各聚合类的行驶里程计算差值里程，确定差值里程与预设里程之间的大小关系，基于差值里程与预设里程之间的大小关系以及空调调节数据，确定空调调节数据的下发方式，将空调调节数据基于确定的下发方式发送至车载终端。
104.进一步的，预设里程可以为预先设置的里程数值，也可以为预先设置的行驶里程的百分数，例如为1公里，或者短里程段对应的行驶里程为5公里，而百分数设置为10%，则预设里程为0.5公里，预设里程可以服务器根据获取的行驶里程进行计算得到的数值，也可以为用户预先设置并存储在服务器的数值。
105.进一步的，计算差值里程可以为将长里程段中目标历史行驶数据对应的行驶里程与短里程段中目标历史行驶数据对应的行驶里程进行差值计算，得到差值里程。例如，长里程段中目标历史行驶数据对应的行驶里程为8公里，短里程段中目标历史行驶数据对应的行驶里程为5公里，则差值里程为3公里。
106.进一步的，确定差值里程与预设里程之间的大小关系的方法可以为，计算差值里程与预设里程之间的差值，若差值里程减去预设里程得到的数值为负数或者为零，则差值里程大于预设里程，若为正数则差值里程小于预设里程。
107.进一步的，确定空调调节数据的下发方式的方法可以为，若差值里程大于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据都作为目标调节数据，将目标调节数据发送至车载终端；若差值里程小于预设里程，则将长里程段对应的空调
调节数据和短里程段对应的空调调节数据进行均值处理，得到目标空调调节数据，将目标空调调节数据发送至车载终端。
108.进一步的，在出行类型为规律出行时，获取历史行驶数据中目标历史行驶数据对应的空调调节数据，将空调调节数据发送至车载终端。
109.s209，接收所述空调调节数据，基于所述空调调节数据进行空调调节；在一个实施例中，车载终端接收到目标空调调节数据后，基于目标空调调节数据对车辆的空调设置温度和风速设置进行调节。
110.进一步的，在出行类型为概率出行时，接收服务器发送的目标空调调节数据，当差值里程大于或者等于预设里程时，车载终端在车载终端的显示屏上显示询问信息，获取用户针对显示屏显示的询问信息的选择操作，确定所选择的目标空调调节数据作为选择数据，车载终端基于选择数据进行空调调节。
111.进一步的，车载终端显示里程询问信息可以为用于确定要采用的空调调节数据。例如，如图5所示，图5中显示询问信息“采用以下哪一数据进行空调调节:数据1：温度：26摄氏度风速：3级数据2：温度：24摄氏度风速：4级”，并显示选择按键，选择按键包括“数据1”以及“数据2”，若用户选择“数据1”，则车载终端采用“温度：26摄氏度风速：3级”这一空调调节数据进行空调调节；若用户选择“数据2”，则车载终端采用“温度：24摄氏度风速：4级”这一目标空调调节数据进行空调调节。
112.进一步的，当差值里程小于预设里程时，车载终端采用服务器发送的目标空调调节数据进行空调调节。
113.进一步的，在出行类型为规律出行时，车载终端接收服务器发送的目标空调调节数据，采用目标空调调节数据进行空调调节。
114.在本发明实施例中，通过服务器获取调节数据获取请求，基于历史行驶数据以及调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
115.请参见图7，为本发明实施例提供了一种空调调节方法的流程示意图。如图7所示，所述方法可以包括以下步骤s301-步骤s303。
116.s301，接收调节数据获取请求，获取所述调节数据获取请求中的当前行驶数据；在一个实施例中，服务器接收到调节数据获取请求后，对调节数据获取请求进行解析，获取调节数据获取请求中的当前行驶数据。
117.进一步的，车载终端获取车辆所处环境的当前行驶数据，生成调节数据获取请求，该调节数据获取请求携带有获取的当前行驶数据，将调节数据获取请求发送至服务器。
118.进一步的，当前环境数据可以为车辆所处环境的车内温度、车外环境温度、当前出行时间等，其中，当前出行时间可以为车辆启动时对应的时间，例如为“9月1日周一7:56”等。
119.进一步的，调节数据获取请求可以为用于向服务器获取调节数据的请求指令，以使得服务器响应于调节数据获取请求获取调节数据。
120.s302，基于所述当前行驶数据，在车辆的历史行驶数据中获取与所述当前行驶数
据相关联的目标历史行驶数据；在一个实施例中，服务器基于当前行驶数据中的当前出行时间，确定当前出行时间所属的目标出行时间段，基于目标出行时间段在历史行驶数据中确定所述车辆的当前出行类型，在确定当前出行类型后，在车辆的历史行驶数据中获取当前行驶数据相关联的包括空调设置温度和风速数据在内的目标历史行驶数据。
121.进一步的，基于当前出行时间确定当前出行时间所属的目标出行时间段，在历史行驶数据中确定该目标出行时间段对应的出行类型，将该出行类型作为当前出行类型。例如，当前出行时间为“周一7:56”，该出行时间归属于“周一8:00-9:00”这一目标出行时间段，在历史行驶数据中对应的出行类型为规律出行，则当前出行类型为规律出行。
122.进一步的，目标出行时间段可以为当前出行时间所属的时间段，例如，当前出行时间为“周一7:56”，由于7:56与八点整相差4分钟，在日常的使用习惯中常将7:56近似看作8点，为了便于在服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差，设置整点时间点的附近一段时间作为所属于该整点的时间段，具体时间长度可根据数据需要进行设置。需要说明的是，为了避免出现由于采用时间近似的方法对当前出行时间进行归属，导致计算结果出现误差，一种可行的方法为将同一时间点归属于两个时间段，例如“周一7:56”即归属于“周一8:00-9:00”，也归属于“周一7:00-8:00”。
123.进一步的，为了便于根据当前行驶数据确定车辆的当前出行类型，预先获取历史行驶数据中的历史行驶轨迹以及历史行驶轨迹对应的历史出行时间，确定历史出行时间对应的出行类型。
124.进一步的，确定历史出行时间对应的出行类型，一种可行的方法为，获取历史行驶轨迹中轨迹相似的多个第一行驶轨迹，确定多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间，基于至少一个出行时间段对各第一行驶轨迹对应的第一出行时间进行时间筛选，在一个出行时间段中各出行时间段所包含的出行时间数量，确定出行时间段的出行类型。
125.进一步的，出行类型可以为根据车辆的出行轨迹进行划分的类型，例如可以划分为概率出行和规律出行，概率出行可以为历史行驶数据中不存在轨迹相似的行驶轨迹，规律出行可以为在历史行驶数据中存在轨迹相似的行驶轨迹。
126.进一步的，一种可行的判断轨迹相似的方法为，每隔设定时长获取车辆的当前位置，从而得到车辆此次出行的轨迹，若存在位置变化相同的多个出行轨迹，则认为这些出行轨迹为轨迹相似。可以理解的是，在实际的行驶过程中，不存在位置变化完全相同的情况，因此在实际计算过程中，若车辆在同一道路行驶，则认为在该道路上行驶中处于相同位置变化。例如，如图3所示，图3中包括有“a”、“b”、“c”和“d”四个行驶轨迹，从图3中车辆的位置变化，可以看出行驶轨迹“a”和“b”在同一道路上进行行驶，则即使在道路上的具体位置变化存在区别，也可以认为行驶轨迹“a”和“b”为轨迹相似；而查看行驶轨迹“c”和“d”，可以看出行驶轨迹“c”和“d”在不同道路行驶，则可以认为行驶轨迹“c”和“d”的轨迹不相似。
127.进一步的，第一行驶轨迹可以为具有相似轨迹的行驶轨迹集合，将具有相似轨迹的行驶轨迹作为同一相似行驶轨迹。例如，图3中的行驶轨迹“a”、“b”和“c”可以作为同一相似行驶轨迹。
128.进一步的，第一出行时间可以为第一行驶轨迹对应的时间，第一出行时间的精确进度可以精确到分钟，例如图3中的行驶轨迹“a”、“b”和“c”的出行时间分别为“周一7:56”、“周一8:05”和“周一8:15”，由于行驶轨迹“a”、“b”和“c”为相似行驶轨迹可视为第一行驶轨迹，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一8:15”；若出行时间为“周一7:56”、“周一8:05”和“周一18:15”，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一18:15”。
129.进一步的，出行时间段可以为一段时间的时长范围，例如可以为“周一8:00-9:00”等，将出行时间进行归属判断，以便于服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差。例如“周一7:56”和“周一8:05”可以归属于“周一8:00-9:00”这一时间段。需要说明的是，由于工作日的出行作息相较于周末较为规律，因此在确定时间段时，需要标记时间对应的星期类型，以便于避免仅根据小时时间进行判断，导致工作日与周末的区别，影响对出行类型的判断。
130.进一步的，为了便于提高对出行时间进行判断的效率，一种可行的方法为，对第一出行时间进行时间筛选，确定各出行时间段中所包含的出行时间数量，当出行时间数量大于或者等于1时，则确定该出行时间段为规律出行；当出行时间数量小于1时，则确定该出行时间为概率出行。需要说明的是，为了提高可靠性，判断出行类型的出行时间数量可根据实际情况进行设置，例如可以为2、3、4等。
131.进一步的，在当前出行类型为概率出行时，获取历史行驶数据中的历史行驶里程和历史行驶里程对应的历史状态数据，获取历史状态数据中的历史空调调节数据和历史环境数据，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在历史状态数据中获取各聚合类对应的历史环境数据，并获取当前行驶数据中的当前环境数据，将当前环境数据和各聚合类对应的历史环境数据分别进行近似度计算，得到各聚合类对应的历史环境数据与当前环境数据的近似度，从而得到各聚合类中近似度最大值对应的目标历史环境数据，进而根据目标历史环境数据确定对应的历史状态数据。其中，聚合类可以为对数据信息进行聚类后得到的多组数据，例如可以分为长里程段和短里程段等。
132.进一步的，当前环境数据可以为包括有当前车内温度和当前车外环境温度等数据在内的数据信息。其中，当前车内温度可以为车载终端在当前时刻获取的车内温度，当前车外环境温度可以为车载终端在当前时刻获取的车外温度。
133.进一步的，历史行驶里程可以为历史行驶数据中的行驶里程，记录着车辆某一次行驶过程中所行驶的里程，例如为10公里等。
134.进一步的，历史状态数据可以为包括历史环境数据、历史空调调节数据等数据在内的数据信息。
135.进一步的，历史环境数据可以为包括车内温度和车外环境温度等数据在内的数据信息。其中，车内温度可以为历史时刻记录的车内温度，车外环境温度为历史时刻记录的车外温度。
136.进一步的，历史空调调节数据可以为包括空调设置温度和设置风速等数据在内的数据信息。
137.进一步的，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进
行聚类，一种聚类的结果可以为根据里程得到分为长短两类的聚合类，确定里程长短的方法可以为根据历史行驶里程实际数值进行判断。例如，历史行驶里程为3公里、5公里、2公里、10公里、50公里、120公里，则可以将该历史行驶里程分为长里程段（50公里和120公里）与短里程段（3公里、5公里、2公里和10公里）；若历史行驶里程为3公里、5公里、2公里、8公里、10公里，则可以将该历史行驶里程分为长里程段（8公里和10公里）与短里程段（3公里、5公里和2公里）。可以看出，“10公里”在不同的情况下被分为了长里程段以及短里程段两种情况，因此基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类时，具体分类方法以实际情况进行确定。
138.进一步的，获取各聚合类对应的历史环境数据，确定各聚合类车辆对应的车内温度和车外环境温度，并获取当前车辆的车内温度和车外环境温度。
139.进一步的，将各聚合类车辆对应的车内温度和车外环境温度与当前车辆的车内温度和车外环境温度分别进行近似度计算，从而得到各聚合类对应的近似度，并从近似度中确定近似度最大值，进而得到近似度最大值对应的目标历史状态数据。例如，如图4所示，图4中将当前环境数据“车内温度：39摄氏度车外环境温度：26摄氏度”，分别与短里程段与长里程段中的1、2、3组进行近似度计算，得到各组对应的近似度，从而得到长里程段中的最大近似度84%与短里程段中的最大近似度78%，进而确定短里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：27摄氏度”以及长里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：26摄氏度”，再根据目标历史环境数据分别确定各聚合类对应的目标历史状态数据。
140.进一步的，在当前出行类型为规律出行时，获取当前行驶数据中的当前行驶数据和历史行驶数据中的行驶里程、车内温度以及车外环境温度，将当前行驶数据与历史行驶数据中的行驶里程、车内温度以及车外环境温度进行近似度计算，得到各历史行驶数据对应的近似度，并确定近似度最大值对应的目标历史状态数据，近似度计算方法可以与出现类型为概率出行的计算方法相同，具体计算过程可参考概率出行的近似度计算过程。
141.s303，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端；在一个实施例中，在确定目标历史行驶数据后，在目标历史行驶数据中获取目标历史行驶数据中的历史状态数据对应的空调调节数据，将空调调节数据发送至车载终端，以使车载终端接收到目标空调调节数据后，基于目标空调调节数据对车辆的空调设置温度和风速设置进行调节。
142.进一步的，在当前出行类型为概率出行时，获取各聚合类对应的历史状态数据中获取目标历史状态数据对应的空调调节数据和行驶里程，再获取预先设置的预设里程，对各聚合类的行驶里程计算差值里程，确定差值里程与预设里程之间的大小关系，基于差值里程与预设里程之间的大小关系以及空调调节数据，确定空调调节数据的下发方式，将空调调节数据基于确定的下发方式发送至车载终端。
143.进一步的，预设里程可以为预先设置的里程数值，也可以为预先设置的行驶里程的百分数，例如为1公里，或者短里程段对应的行驶里程为5公里，而百分数设置为10%，则预设里程为0.5公里，预设里程可以服务器根据获取的行驶里程进行计算得到的数值，也可以为用户预先设置并存储在服务器的数值。
144.进一步的，计算差值里程可以为将长里程段中目标历史行驶数据对应的行驶里程与短里程段中目标历史行驶数据对应的行驶里程进行差值计算，得到差值里程。例如，长里程段中目标历史行驶数据对应的行驶里程为8公里，短里程段中目标历史行驶数据对应的行驶里程为5公里，则差值里程为3公里。
145.进一步的，确定差值里程与预设里程之间的大小关系的方法可以为，计算差值里程与预设里程之间的差值，若差值里程减去预设里程得到的数值为负数或者为零，则差值里程大于预设里程，若为正数则差值里程小于预设里程。
146.进一步的，确定空调调节数据的下发方式的方法可以为，若差值里程大于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据都作为目标调节数据，将目标调节数据发送至车载终端；若差值里程小于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据进行均值处理，得到目标空调调节数据，将目标空调调节数据发送至车载终端。
147.进一步的，在出行类型为规律出行时，获取历史行驶数据中目标历史行驶数据对应的空调调节数据，将空调调节数据发送至车载终端。
148.进一步的，在出行类型为概率出行时，接收服务器发送的目标空调调节数据，当差值里程大于或者等于预设里程时，车载终端在车载终端的显示屏上显示询问信息，获取用户针对显示屏显示的询问信息的选择操作，确定所选择的目标空调调节数据作为选择数据，车载终端基于选择数据进行空调调节。
149.进一步的，车载终端显示询问信息可以为用于确定要采用的空调调节数据。例如，如图5所示，图5中显示询问信息“采用以下哪一数据进行空调调节:数据1：温度：26摄氏度风速：3级数据2：温度：24摄氏度风速：4级”，并显示选择按键，选择按键包括“数据1”以及“数据2”，若用户选择“数据1”，则车载终端采用“温度：26摄氏度风速：3级”这一空调调节数据进行空调调节；若用户选择“数据2”，则车载终端采用“温度：24摄氏度风速：4级”这一目标空调调节数据进行空调调节。
150.进一步的，当差值里程小于预设里程时，车载终端采用服务器发送的目标空调调节数据进行空调调节。
151.进一步的，在出行类型为规律出行时，在显示屏上显示接收服务器发送的目标空调调节数据，采用目标空调调节数据进行空调调节。
152.在本发明实施例中，通过服务器获取调节数据获取请求，基于历史行驶数据以及调节数据获取请求中的当前行驶数据，得到空调调节数据，将空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
153.请参见图8，为本发明实施例提供了一种空调调节方法的流程示意图。如图8所示，所述方法可以包括以下步骤s401-步骤s407。
154.s401，获取车辆的历史行驶数据中的历史行驶轨迹以及所述历史行驶轨迹对应的历史出行时间；在一个实施例中，获取历史行驶数据中的历史行驶轨迹以及历史行驶轨迹对应的历史出行时间，以便于确定历史出行时间对应的出行类型。
155.进一步的，历史行驶轨迹可以为车辆在过往时间中行驶位置变化，车辆开始该历史行驶轨迹的出发时间为历史行驶轨迹对应的历史出行时间。
156.进一步的，出行类型可以为根据车辆的出行轨迹进行划分的类型，例如可以划分为概率出行和规律出行，概率出行可以为历史行驶数据中不存在轨迹相似的行驶轨迹，规律出行可以为在历史行驶数据中存在轨迹相似的行驶轨迹。
157.s402，基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型；在一个实施例中，服务器获取到历史行驶轨迹后，确定历史行驶轨迹中的历史出行时间所属出行时间段，再确定出行时间段对应的出行类型。
158.进一步的，确定历史出行时间对应的出行类型，一种可行的方法为，获取历史行驶轨迹中轨迹相似的多个第一行驶轨迹，确定多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间，基于至少一个出行时间段对各第一行驶轨迹对应的第一出行时间进行时间筛选，在一个出行时间段中各出行时间段所包含的出行时间数量，确定出行时间段的出行类型。
159.进一步的，一种可行的判断轨迹相似的方法为，每隔设定时长获取车辆的当前位置，从而得到车辆此次出行的轨迹，若存在位置变化相同的多个出行轨迹，则认为这些出行轨迹为轨迹相似。可以理解的是，在实际的行驶过程中，不存在位置变化完全相同的情况，因此在实际计算过程中，若车辆在同一道路行驶，则认为在该道路上行驶中处于相同位置变化。例如，如图3所示，图3中包括有“a”、“b”、“c”和“d”四个行驶轨迹，从图3中车辆的位置变化，可以看出行驶轨迹“a”和“b”在同一道路上进行行驶，则即使在道路上的具体位置变化存在区别，也可以认为行驶轨迹“a”和“b”为轨迹相似；而查看行驶轨迹“c”和“d”，可以看出行驶轨迹“c”和“d”在不同道路行驶，则可以认为行驶轨迹“c”和“d”的轨迹不相似。
160.进一步的，第一行驶轨迹可以为具有相似轨迹的行驶轨迹集合，将具有相似轨迹的行驶轨迹作为同一相似行驶轨迹。例如，图3中的行驶轨迹“a”、“b”和“c”可以作为同一相似行驶轨迹。
161.进一步的，第一出行时间可以为第一行驶轨迹对应的时间，第一出行时间的精确进度可以精确到分钟，例如图3中的行驶轨迹“a”、“b”和“c”的出行时间分别为“周一7:56”、“周一8:05”和“周一8:15”，由于行驶轨迹“a”、“b”和“c”为相似行驶轨迹可视为第一行驶轨迹，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一8:15”；若出行时间为“周一7:56”、“周一8:05”和“周一18:15”，则对应的第一出行时间为“周一7:56”、“周一8:05”和“周一18:15”。
162.进一步的，出行时间段可以为一段时间的时长范围，例如可以为“周一8:00-9:00”等，将出行时间进行归属判断，以便于服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差。例如“周一7:56”和“周一8:05”可以归属于“周一8:00-9:00”这一时间段。需要说明的是，由于工作日的出行作息相较于周末较为规律，因此在确定时间段时，需要标记时间对应的星期类型，以便于避免仅根据小时时间进行判断，导致工作日与周末的区别，影响对出行类型的判断。
163.进一步的，为了便于提高对出行时间进行判断的效率，一种可行的方法为，对第一出行时间进行时间筛选，确定各出行时间段中所包含的出行时间数量，当出行时间数量大
于或者等于1时，则确定该出行时间段为规律出行；当出行时间数量小于1时，则确定该出行时间为概率出行。需要说明的是，为了提高可靠性，判断出行类型的出行时间数量可根据实际情况进行设置，例如可以为2、3、4等。
164.s403，接收所述调节数据获取请求，获取所述调节数据获取请求中的所述当前行驶数据；在一个实施例中，服务器接收到调节数据获取请求后，对调节数据获取请求进行解析，获取调节数据获取请求中的当前行驶数据。
165.进一步的，车载终端获取车辆所处环境的当前行驶数据，生成调节数据获取请求，该调节数据获取请求携带有获取的当前行驶数据，将调节数据获取请求发送至服务器。
166.进一步的，当前环境数据可以为车辆所处环境的车内温度、车外环境温度、当前出行时间等，其中，当前出行时间可以为车辆启动时对应的时间，例如为“9月1日周一7:56”等。
167.进一步的，调节数据获取请求可以为用于向服务器获取调节数据的请求指令，以使得服务器响应于调节数据获取请求获取调节数据。
168.s404，获取所述当前行驶数据中的当前出行时间，在所述至少一个出行时间段中获取所述当前出行时间所属的目标出行时间段；在一个实施例中，服务器获取当前行驶数据中的当前出行时间，基于当前出行时间确定当前出行时间所属的目标出行时间段。
169.进一步的，目标出行时间段可以为当前出行时间所属的时间段，例如，当前出行时间为“周一7:56”，由于7:56与八点整相差4分钟，在日常的使用习惯中常将7:56近似看作8点，为了便于在服务器基于当前出行时间确定当前出行类型时，将时间判断的日常使用习惯作为计算时所运行的误差，设置整点时间点的附近一段时间作为所属于该整点的时间段，具体时间长度可根据数据需要进行设置。需要说明的是，为了避免出现由于采用时间近似的方法对当前出行时间进行归属，导致计算结果出现误差，一种可行的方法为将同一时间点归属于两个时间段，例如“周一7:56”即归属于“周一8:00-9:00”，也归属于“周一7:00-8:00”。
170.s405，将所述目标出行时间段的出行类型确定为所述车辆的当前出行类型；在一个实施例中，服务器获取目标出行时间后，在历史行驶数据中确定该目标出行时间段对应的出行类型，将该出行类型作为当前出行类型。
171.例如，当前出行时间为“周一7:56”，该出行时间归属于“周一8:00-9:00”这一目标出行时间段，在历史行驶数据中对应的出行类型为规律出行，则当前出行类型为规律出行。
172.s406，基于所述当前出行类型，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；在一个实施例中，在确定当前出行类型后，在车辆的历史行驶数据中获取当前行驶数据相关联的包括空调设置温度和风速数据在内的目标历史行驶数据。
173.进一步的，在当前出行类型为概率出行时，获取历史行驶数据中的历史行驶里程和历史行驶里程对应的历史状态数据，获取历史状态数据中的历史空调调节数据和历史环境数据，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在历史状态数据中获取各聚合类对应的历史环境数据，并获取当前
行驶数据中的当前环境数据，将当前环境数据和各聚合类对应的历史环境数据分别进行近似度计算，得到各聚合类对应的历史环境数据与当前环境数据的近似度，从而得到各聚合类中近似度最大值对应的目标历史环境数据，进而根据目标历史环境数据确定对应的历史状态数据。其中，聚合类可以为对数据信息进行聚类后得到的多组数据，例如可以分为长里程段和短里程段等。
174.进一步的，当前环境数据可以为包括有当前车内温度和当前车外环境温度等数据在内的数据信息。其中，当前车内温度可以为车载终端在当前时刻获取的车内温度，当前车外环境温度可以为车载终端在当前时刻获取的车外温度。
175.进一步的，历史行驶里程可以为历史行驶数据中的行驶里程，记录着车辆某一次行驶过程中所行驶的里程，例如为10公里等。
176.进一步的，历史状态数据可以为包括历史环境数据、历史空调调节数据等数据在内的数据信息进一步的，历史环境数据可以为当时车辆的车内温度、车外环境温度等数据在内的数据信息。
177.进一步的，历史环境数据可以为包括车内温度和车外环境温度等数据在内的数据信息。其中，车内温度可以为历史时刻记录的车内温度，车外环境温度为历史时刻记录的车外温度。
178.进一步的，历史空调调节数据可以为包括空调设置温度和设置风速等数据在内的数据信息。
179.进一步的，基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类，一种聚类的结果可以为根据里程得到分为长短两类的聚合类，确定里程长短的方法可以为根据历史行驶里程实际数值进行判断。例如，历史行驶里程为3公里、5公里、2公里、10公里、50公里、120公里，则可以将该历史行驶里程分为长里程段（50公里和120公里）与短里程段（3公里、5公里、2公里和10公里）；若历史行驶里程为3公里、5公里、2公里、8公里、10公里，则可以将该历史行驶里程分为长里程段（8公里和10公里）与短里程段（3公里、5公里和2公里）。可以看出，“10公里”在不同的情况下被分为了长里程段以及短里程段两种情况，因此基于历史行驶里程和历史空调调节数据中的空调设置温度作为特征进行聚类时，具体分类方法以实际情况进行确定。
180.进一步的，获取各聚合类对应的历史状态数据集合，确定各聚合类车辆对应的车内温度和车外环境温度，并获取当前车辆的车内温度和车外环境温度。
181.进一步的，将各聚合类车辆对应的车内温度和车外环境温度与当前车辆的车内温度和车外环境温度分别进行近似度计算，从而得到各聚合类对应的近似度，并从近似度中确定近似度最大值，进而得到近似度最大的目标历史状态数据。例如，如图4所示，图4中将当前环境数据“车内温度：39摄氏度车外环境温度：26摄氏度”，分别与短里程段与长里程段中的1、2、3组进行近似度计算，得到各组对应的近似度，从而得到长里程段中的最大近似度84%与短里程段中的最大近似度78%，进而确定短里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：27摄氏度”以及长里程段中的目标历史环境数据“车内温度：38摄氏度车外环境温度：26摄氏度”，再根据目标历史环境数据分别确定各聚合类对应的目标历史状态数据。
182.进一步的，在当前出行类型为规律出行时，获取当前行驶数据中的当前行驶数据
和历史行驶数据中的行驶里程、车内温度以及车外环境温度，将当前行驶数据与历史行驶数据中的行驶里程、车内温度以及车外环境温度进行近似度计算，得到各历史行驶数据对应的近似度，并确定近似度最大值对应的目标历史状态数据，近似度计算方法可以与出现类型为概率出行的计算方法相同，具体计算过程可参考概率出行的近似度计算过程。
183.s407，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端；在一个实施例中，在确定目标历史行驶数据后，在目标历史行驶数据中获取目标历史行驶数据中的历史状态数据对应的空调调节数据，将空调调节数据发送至车载终端，以使车载终端接收到目标空调调节数据后，基于目标空调调节数据对车辆的空调设置温度和风速设置进行调节。
184.进一步的，在当前出行类型为概率出行时，获取各聚合类对应的历史状态数据中获取目标历史状态数据对应的空调调节数据和行驶里程，再获取预先设置的预设里程，对各聚合类的行驶里程计算差值里程，确定差值里程与预设里程之间的大小关系，基于差值里程与预设里程之间的大小关系以及空调调节数据，确定空调调节数据的下发方式，将目标空调调节数据基于确定的下发方式发送至车载终端。
185.进一步的，预设里程可以为预先设置的里程数值，也可以为预先设置的行驶里程的百分数，例如为1公里，或者短里程段对应的行驶里程为5公里，而百分数设置为10%，则预设里程为0.5公里，预设里程可以服务器根据获取的行驶里程进行计算得到的数值，也可以为用户预先设置并存储在服务器的数值。
186.进一步的，计算差值里程可以为将长里程段中目标历史行驶数据对应的行驶里程与短里程段中目标历史行驶数据对应的行驶里程进行差值计算，得到差值里程。例如，长里程段中目标历史行驶数据对应的行驶里程为8公里，短里程段中目标历史行驶数据对应的行驶里程为5公里，则差值里程为3公里。
187.进一步的，确定差值里程与预设里程之间的大小关系的方法可以为，计算差值里程与预设里程之间的差值，若差值里程减去预设里程得到的数值为负数或者为零，则差值里程大于预设里程，若为正数则差值里程小于预设里程。
188.进一步的，确定空调调节数据的下发方式的方法可以为，若差值里程大于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据都作为目标调节数据，将目标调节数据发送至车载终端；若差值里程小于预设里程，则将长里程段对应的空调调节数据和短里程段对应的空调调节数据进行均值处理，得到目标空调调节数据，将目标空调调节数据发送至车载终端。
189.进一步的，在出行类型为规律出行时，获取历史行驶数据中目标历史行驶数据对应的空调调节数据，将空调调节数据发送至车载终端。
190.进一步的，在出行类型为概率出行时，接收服务器发送的目标空调调节数据，当差值里程大于或者等于预设里程时，车载终端在车载终端的显示屏上显示询问信息，获取用户针对显示屏显示的询问信息的选择操作，确定所选择的目标空调调节数据作为选择数据，车载终端基于选择数据进行空调调节。
191.进一步的，车载终端显示询问信息可以为用于确定要采用的空调调节数据。例如，如图5所示，图5中显示询问信息“采用以下哪一数据进行空调调节:数据1：温度：26摄氏度
风速：3级数据2：温度：24摄氏度风速：4级”，并显示选择按键，选择按键包括“数据1”以及“数据2”，若用户选择“数据1”，则车载终端采用“温度：26摄氏度风速：3级”这一空调调节数据进行空调调节；若用户选择“数据2”，则车载终端采用“温度：24摄氏度风速：4级”这一目标空调调节数据进行空调调节。
192.进一步的，当差值里程小于预设里程时，车载终端采用服务器发送的目标空调调节数据进行空调调节。
193.进一步的，在出行类型为规律出行时，车载终端接收服务器发送的目标空调调节数据，则车载终端采用目标空调调节数据进行空调调节。
194.在本发明实施例中，通过服务器预先根据历史行驶数据确定各出行时间段对应的出行类型，在获取调节数据获取请求后，基于当前行驶数据确定对应的出行类型，以及当前行驶数据对应的空调调节数据，将空调调节数据根据出行类型发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
195.请参见图9，为本发明实施例提供了一种空调调节方法的流程示意图。如图9所示，所述方法可以包括以下步骤s501-步骤s502。
196.s501，获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求；在一个实施例中，车载终端获取车辆所处环境的当前行驶数据，生成调节数据获取请求，该调节数据获取请求携带有获取的当前行驶数据，将调节数据获取请求发送至服务器。
197.进一步的，当前环境数据可以为车辆所处环境的车内温度、车外环境温度、当前出行时间等，其中，当前出行时间可以为车辆启动时对应的时间，例如为“9月1日周一7:56”等。
198.进一步的，调节数据获取请求可以为用于向服务器获取调节数据的请求指令，以使得服务器响应于调节数据获取请求获取调节数据。
199.进一步的，服务器获取到调节数据获取请求后，执行步骤s401-步骤s407。
200.s502，接收所述空调调节数据，基于所述空调调节数据进行空调调节；在一个实施例中，车载终端接收到目标空调调节数据后，基于目标空调调节数据对车辆的空调设置温度和风速设置进行调节。
201.进一步的，在出行类型为概率出行时，接收服务器发送的目标空调调节数据，当差值里程大于或者等于预设里程时，车载终端在车载终端的显示屏上显示询问信息，获取用户针对显示屏显示的询问信息的选择操作，确定所选择的目标空调调节数据作为选择数据，车载终端基于选择数据进行空调调节。
202.进一步的，车载终端显示里程询问信息可以为用于确定要采用的空调调节数据。例如，如图5所示，图5中显示询问信息“采用以下哪一数据进行空调调节:数据1：温度：26摄氏度风速：3级数据2：温度：24摄氏度风速：4级”，并显示选择按键，选择按键包括“数据1”以及“数据2”，若用户选择“数据1”，则车载终端采用“温度：26摄氏度风速：3级”这一空调调节数据进行空调调节；若用户选择“数据2”，则车载终端采用“温度：24摄氏度风速：4级”这一目标空调调节数据进行空调调节。
203.进一步的，当差值里程小于预设里程时，车载终端采用服务器发送的目标空调调节数据进行空调调节。
204.进一步的，在出行类型为规律出行时，车载终端接收服务器发送的目标空调调节数据，采用目标空调调节数据进行空调调节。
205.在本发明实施例中，通过获取车辆的当前行驶数据，向服务器发送携带有当前行驶数据的调节数据获取请求，以获得空调调节数据进行空调调节，以实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
206.基于图1所示的系统架构，下面将结合图10-图15，对本发明实施例提供的服务器进行详细介绍。需要说明的是，图10-图15中的服务器，用于执行本发明图3-图8所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明图3-图8所示的实施例。
207.请参见图10，为本发明实施例提供了一种服务器的结构示意图。如图10所示，本发明实施例的所述服务器1可以包括：当前数据获取单元11、历史数据获取单元12和数据发送单元13。
208.当前数据获取单元11，用于接收调节数据获取请求，获取所述调节数据获取请求中的当前行驶数据；历史数据获取单元12，用于在车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；数据发送单元13，用于获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
209.可选的，如图11所示，所述服务器1，还包括：当前类型确定单元14，用于基于所述当前行驶数据，确定所述车辆的当前出行类型。
210.可选的，如图11所示，所述服务器1，还包括：历史时间获取单元15，用于获取车辆的历史行驶数据中的历史行驶轨迹以及所述历史行驶轨迹对应的历史出行时间；历史类型确定单元16，用于基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型。
211.可选的，如图12所示，所述历史类型确定单元16，包括：第一轨迹获取子单元161，用于在所述历史行驶轨迹中获取轨迹相似的多个第一行驶轨迹；所述轨迹相似的多个第一行驶轨迹基于所述车辆的位置变化进行确定。
212.第一时间确定子单元162，用于在所述历史出行时间中确定所述多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间；时间筛选子单元163，用于基于至少一个出行时间段对所述各第一行驶轨迹对应的第一出行时间进行时间筛选；历史类型确定子单元164，用于基于所述至少一个出行时间段中各出行时间段所包含的出行时间数量，确定所述各出行时间段的出行类型。
213.可选的，如图13所示，所述当前类型确定单元14，包括：
时间段获取子单元141，用于获取所述当前行驶数据中的当前出行时间，在所述至少一个出行时间段中获取所述当前出行时间所属的目标出行时间段；当前类型确定子单元142，用于将所述目标出行时间段的出行类型确定为所述车辆的当前出行类型。
214.可选的，如图14所示，所述历史数据获取单元12，包括：历史数据获取子单元121，用于当所述当前出行类型为概率出行时，在所述历史行驶数据中获取历史行驶里程和所述历史行驶里程对应的历史状态数据，所述历史状态数据包括历史空调调节数据和历史环境数据；里程聚类子单元122，用于基于所述历史行驶里程和所述历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在所述历史状态数据中获取所述至少一个聚合类中各聚合类对应的历史环境数据，所述历史环境数据包括车内温度和车外环境温度；目标数据获取子单元123，用于获取所述当前行驶数据中的当前环境数据，对所述当前环境数据和所述各聚合类对应的所述历史环境数据分别进行近似度计算，以在所述各聚合类中确定近似度最大的目标历史状态数据，所述当前环境数据包括当前车内温度和当前车外环境温度。
215.可选的，如图15所示，所述数据发送单元13，包括：调节数据获取子单元131，用于在所述至少一个聚合类中各聚合类对应的历史状态数据中，获取所述目标历史行驶数据对应的空调调节数据和行驶里程；里程大小确定子单元132，用于获取预存于所述服务器的预设里程，基于所述各聚合类中目标历史状态数据的所述行驶里程进行计算得到差值里程，确定所述差值里程与所述预设里程之间的大小关系；数据发送子单元133，用于基于所述差值里程与所述预设里程之间的大小关系以及所述空调调节数据，确定所述空调调节数据的下发方式，将所述空调调节数据基于所述下发方式发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
216.可选的，所述数据发送子单元133，还用于：当所述差值里程大于或者等于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据作为目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端针对所述目标空调调节数据的选择操作，确定所选择的所述目标空调调节数据作为选择数据，以基于所述选择数据进行空调调节；或者，当所述差值里程小于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据进行均值处理得到目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端采用所述目标空调调节数据进行空调调节。
217.可选的，所述历史数据获取单元12，还用于：历史数据获取子单元121，还用于当所述当前出行类型为规律出行时，获取所述车辆的所述历史行驶数据中历史状态数据；目标数据获取子单元123，还用于基于所述当前行驶数据中的当前环境数据和所述历史行驶数据中的行驶里程、车内温度和车外环境温度为特征分别进行近似度计算，以
在所述历史状态数据中确定近似度最大的目标历史状态数据。
218.所述数据发送单元13，还用于：调节数据获取子单元131，还用于在所述历史行驶数据中，获取所述目标历史状态数据对应的空调调节数据；数据发送子单元133，还用于将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
219.在本发明实施例中，通过服务器预先根据历史行驶数据确定各出行时间段对应的出行类型，在获取调节数据获取请求后，基于当前行驶数据确定对应的出行类型，以及当前行驶数据对应的空调调节数据，将空调调节数据根据出行类型将目标空调调节数据发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
220.基于图1所示的系统架构，下面将结合图16，对本发明实施例提供的车载终端进行详细介绍。需要说明的是，图16中的车载终端，用于执行本发明图5以及图9所示实施例的方法，为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明图5以及图9所示的实施例。
221.请参见图16，为本发明实施例提供了一种车载终端的结构示意图。如图16所示，本发明实施例的所述车载终端2可以包括：请求发送单元21和空调调节单元22。
222.请求发送单元21，用于获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求，以使所述服务器接收所述调节数据获取请求后，基于所述调节数据获取请求中的所述当前行驶数据，获取与所述当前行驶数据相关联的目标历史行驶数据，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；空调调节单元22，用于接收所述空调调节数据，基于所述空调调节数据进行空调调节。
223.在本发明实施例中，通过获取车辆的当前行驶数据，向服务器发送携带有当前行驶数据的调节数据获取请求，以获得空调调节数据进行空调调节，以实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
224.本发明实施例还提供了一种计算机存储介质，所述计算机存储介质可以存储有多条程序指令，所述程序指令适于由处理器加载并执行如上述图1-图9所示实施例的方法步骤，具体执行过程可以参见图1-图9所示实施例的具体说明，在此不进行赘述。
225.本发明实施例还提供了一种空调调节系统，所述计空调调节系统包括服务器和车载终端，所述服务器执行如上述图3-图8所示实施例的方法步骤，所述车载终端执行如上述图5以及图9所示实施例的方法步骤，在此不进行赘述。
226.请参见图17，为本发明实施例提供了一种电子设备的结构示意图。如图17所示，所述电子设备1000可以包括：至少一个处理器1001，例如cpu，至少一个网络接口1004，输入输出接口1003，存储器1005，至少一个通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。其中，网络接口1004可选的可以包括标准的有线接口、无线接口（如wi-fi
接口）。存储器1005可以是高速ram存储器，也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图17所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、输入输出接口模块以及空调调节应用程序。
227.在图17所示的电子设备1000中，输入输出接口1003主要用于为用户提供输入的接口，获取用户输入的数据。
228.在一个实施例中，处理器1001可以用于调用存储器1005中存储的空调调节应用程序，并具体执行以下操作：接收调节数据获取请求，获取所述调节数据获取请求中的当前行驶数据；基于所述当前行驶数据，在车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据；获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
229.可选的，所述处理器1001在执行在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据之前，还执行以下操作：基于所述当前行驶数据，确定所述车辆的当前出行类型。
230.可选的，所述处理器1001在执行接收所述调节数据获取请求之前，还执行以下操作：获取车辆的历史行驶数据中的历史行驶轨迹以及所述历史行驶轨迹对应的历史出行时间；基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型。
231.可选的，所述处理器1001在执行基于所述历史行驶轨迹确定所述历史出行时间所属出行时间段的出行类型时，具体执行以下操作：在所述历史行驶轨迹中获取轨迹相似的多个第一行驶轨迹；所述轨迹相似的多个第一行驶轨迹基于所述车辆的位置变化进行确定。
232.在所述历史出行时间中确定所述多个第一行驶轨迹中各第一行驶轨迹对应的第一出行时间；基于至少一个出行时间段对所述各第一行驶轨迹对应的第一出行时间进行时间筛选；基于所述至少一个出行时间段中各出行时间段所包含的出行时间数量，确定所述各出行时间段的出行类型。
233.可选的，所述处理器1001在执行基于所述当前行驶数据确定所述车辆的当前出行类型时，具体执行以下操作：获取所述当前行驶数据中的当前出行时间，在所述至少一个出行时间段中获取所述当前出行时间所属的目标出行时间段；将所述目标出行时间段的出行类型确定为所述车辆的当前出行类型。
234.可选的，所述处理器1001在执行基于所述当前出行类型，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据时，具体执行以下操作：当所述当前出行类型为概率出行时，在所述历史行驶数据中获取历史行驶里程和
所述历史行驶里程对应的历史状态数据，所述历史状态数据包括历史空调调节数据和历史环境数据；基于所述历史行驶里程和所述历史空调调节数据中的空调设置温度作为特征进行聚类，以得到至少一个聚合类，在所述历史状态数据中获取所述至少一个聚合类中各聚合类对应的历史环境数据，所述历史环境数据包括车内温度和车外环境温度；获取所述当前行驶数据中的当前环境数据，对所述当前环境数据和所述各聚合类对应的所述历史环境数据分别进行近似度计算，以在所述各聚合类中确定近似度最大值对应的目标历史状态数据，所述当前环境数据包括当前车内温度和当前车外环境温度。
235.可选的，所述处理器1001在执行获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节时，具体执行以下操作：在所述至少一个聚合类中各聚合类对应的历史状态数据中，获取所述目标历史行驶数据对应的空调调节数据和行驶里程；获取预存于所述服务器的预设里程，基于所述各聚合类中目标历史状态数据的所述行驶里程进行计算得到差值里程，确定所述差值里程与所述预设里程之间的大小关系；基于所述差值里程与所述预设里程之间的大小关系以及所述空调调节数据，确定所述空调调节数据的下发方式，将所述空调调节数据基于所述下发方式发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
236.可选的，所述处理器1001在执行基于所述差值里程与所述预设里程之间的大小关系以及所述空调调节数据，确定目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节时，具体执行以下操作：当所述差值里程大于或者等于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据作为目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端针对所述目标空调调节数据的选择操作，确定所选择的所述目标空调调节数据作为选择数据，以基于所述选择数据进行空调调节；或者，当所述差值里程小于所述预设里程时，将所述各聚合类中目标历史状态数据对应的所述空调调节数据进行均值处理得到目标空调调节数据，将所述目标空调调节数据发送至所述车载终端，以使所述车载终端采用所述目标空调调节数据进行空调调节。
237.可选的，所述处理器1001在执行基于所述当前行驶数据，在所述车辆的历史行驶数据中获取与所述当前行驶数据相关联的目标历史行驶数据时，执行以下操作：当所述当前出行类型为规律出行时，获取所述车辆的所述历史行驶数据中历史状态数据；基于所述当前行驶数据和所述历史行驶数据中的行驶里程、车内温度和车外环境温度为特征分别进行近似度计算，以在所述历史状态数据中确定近似度最大值对应的目标历史状态数据。
238.所述处理器1001在执行获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节时，具体执行以下操作：
在所述历史行驶数据中，获取所述目标历史状态数据对应的空调调节数据；将所述空调调节数据发送至所述车载终端，以使所述车载终端基于所述空调调节数据进行空调调节。
239.在本发明实施例中，通过服务器预先根据历史行驶数据确定各出行时间段对应的出行类型，在获取调节数据获取请求后，基于当前行驶数据确定对应的出行类型，以及当前行驶数据对应的空调调节数据，将空调调节数据根据出行类型发送至车载终端，以使车载终端基于空调调节数据进行空调调节，实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
240.请参见图18，为本发明实施例提供了一种电子设备的结构示意图。如图18所示，所述电子设备2000可以包括：至少一个处理器2001，例如cpu，至少一个网络接口2004，输入输出接口2003，存储器2005，至少一个通信总线2002。其中，通信总线2002用于实现这些组件之间的连接通信。其中，网络接口2004可选的可以包括标准的有线接口、无线接口（如wi-fi接口）。存储器2005可以是高速ram存储器，也可以是非不稳定的存储器（non-volatile memory），例如至少一个磁盘存储器。存储器2005可选的还可以是至少一个位于远离前述处理器2001的存储装置。如图18所示，作为一种计算机存储介质的存储器2005中可以包括操作系统、网络通信模块、输入输出接口模块以及空调调节应用程序。
241.在图18所示的电子设备2000中，输入输出接口2003主要用于为用户提供输入的接口，获取用户输入的数据。
242.在一个实施例中，处理器2001可以用于调用存储器2005中存储的空调调节应用程序，并具体执行以下操作：获取车辆的当前行驶数据，向服务器发送携带有所述当前行驶数据的调节数据获取请求，以使所述服务器接收所述调节数据获取请求后，基于所述调节数据获取请求中的所述当前行驶数据，获取与所述当前行驶数据相关联的目标历史行驶数据，获取所述目标历史行驶数据对应的空调调节数据，将所述空调调节数据发送至所述车载终端；接收所述空调调节数据，基于所述空调调节数据进行空调调节。
243.可选的，所述处理器2001在执行接收所述空调调节数据，基于所述空调调节数据进行空调调节时，具体执行以下操作：当所述车辆的出行类型为概率出行时，接收所述服务器发送的空调调节数据；当差值里程大于或者等于预设里程时，在所述车载终端的显示屏上显示询问信息，获取针对所述询问信息的选择操作，基于所述选择操作确定所选择的所述空调调节数据作为选择数据，基于所述选择数据进行空调调节，所述里程询问信息用于确定要采用的空调调节数据；或者，当所述差值里程小于所述预设里程时，基于所述空调调节数据进行空调调节。
244.可选的，所述处理器2001在执行接收所述空调调节数据，基于所述空调调节数据进行空调调节时，还执行以下操作：当所述车辆的出行类型为规律出行时，接收所述服务器发送的空调调节数据；基于所述空调调节数据进行空调调节。
245.在本发明实施例中，通过获取车辆的当前行驶数据，向服务器发送携带有当前行
驶数据的调节数据获取请求，以获得空调调节数据进行空调调节，以实现根据用户的历史数据结合当前环境数据，确定空调调节数据，从而提供具有个性化的空调调节数据，进而提高车辆驾驶环境的调节质量。
246.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体（read-only memory，rom）或随机存储记忆体（random access memory，ram）等。
247.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。