用于递送信息以满足车辆的驾驶员的当前需求的方法与流程

本发明总体上涉及一种用于向车辆的驾驶员递送信息的方法和系统，并且更具体地涉及递送和与驾驶员和/或车辆关联的当前状态相关的精确且有用的信息。

背景技术：

驾驶员操作车辆的主要目的是在合理时间内安全地到达目的地。次要目的可以包括：维持车辆的状况，以及向乘客提供舒适性和娱乐。完成这些目的需要各种各样的信息，例如关于餐馆、休息区、酒店、服务站、娱乐场所等的信息。

通常，存在多个选项，并且驾驶员选择的选项可以取决于成本、质量、位置和/或驾驶员的偏好。常规地，通过无法预料任何特定的驾驶员的偏好或需求的路边的商业标志或者当地播放的商业广告来递送信息。

一种更好的途径是将递送定位到特定消费者。通常，通过使用协作的或基于内容的过滤的推荐系统，诸如Google AdWords^TM、Microsoft Bing^TM广告，来实现定向递送。然而，这些推荐系统并未被设计用于车载用途。常规系统使用消费者购买模式的大型数据库，诸如关于之前购买或使用的产品的信息。利用这种在线系统的交互可能是复杂的且极其分散注意力。

现有技术的信息递送通常仅集中于商业广告，参见U.S.20120101903，“Apparatus and Method for Mobile Intelligent Advertizing Service Based on Mobile user Contextual Matching”(用于基于移动用户上下文匹配的移动智能广告服务的装置和方法)、U.S.20120221413“Intelligent Presentation of Advertising with Navigation”(利用导航的广告的智能呈现)、U.S.20110066501“Apparatus and Method for Rendering Advertising Contents on a Mobile Communication Device”(用于在移动通信设备上实现广告内容的装置和方法)以及U.S.20090298483“Method and Apparatus for Selecting Advertisements and Determining Constraints for Presenting the Advertisements on Mobile Communication Devices”(用于选择广告并确定用于在移动通信设备上呈现广告的约束条件的方法和装置)。

技术实现要素：

本发明的实施方式提供一种用于向车辆的驾驶员自发地递送商业信息和非商业信息的系统和方法。该驾驶员被认为是该信息的潜在消费者。具体地，该信息涉及对驾驶员来说具有潜在兴趣的商品和服务。该方法以选择树上的概率分布的形式来识别潜在需求，并且确定要递送什么信息。该方法是基于如下的认识：与从众多无方向的路边标志和广播商业选择相比，驾驶员很可能更愿意考虑相对少量的相关信息。

附图说明

图1是根据本发明的实施方式用于向车辆的驾驶员递送信息的系统和方法的流程图。

图2是由本发明的实施方式使用的示例性选择树。

图3是根据实施方式的由系统和方法使用的记录。

具体实施方式

本发明的实施方式提供一种用于自发地递送信息以满足车辆的驾驶员的当前需求的系统和方法。应当注意的是，该信息还可以与其他乘员相关。然而，主要目的是消除驾驶员对系统的输入。

信息可以是商业(营销)信息的形式，例如广告，以及与现有技术的系统不同地，可以是非商业(公共服务)信息，例如行驶或道路状况、公共停车场、无广告的广播无线电台等。

该方法识别驾驶员的当前需求，然后自发地递送与潜在满足当前需求的产品和服务相关的信息。应当理解的是，信息可以是对驾驶员有用的任何类型的信息。还应理解的是，商业信息和非商业信息争夺驾驶员的注意力。如本文中使用的，术语“自发地”意味着该方法不需要如在典型的现有技术系统和方法中那样通过语音或打字查询的来自驾驶员的直接输入。

该方法是基于如下的认识：需求的指定在打字输入或语音输入方面，如在现有技术中一样，对驾驶员来说是不安全的和/或不精确的。该方法在对驾驶员来说有可能感兴趣的产品和服务的搜索和选择过程中有效地利用与驾驶员和/或车辆关联的当前状态和过去状态，以使得相关信息能够被自发地递送来满足驾驶员的当前需求。

例如，当前需求可以基于如下的事实：驾驶员经常在工作日上午八点至九点之间停在由特定连锁店经营的当地咖啡店，同时收听特定的新闻节目。所以，如果系统检测到驾驶员在当前状态下处于不同的场所这一事件，则该系统自发地递送与相同连锁店的咖啡店相关的信息，同时在正确时间调到驾驶员最喜爱的新闻节目。驾驶员仅进行驾驶即可。作为另一示例，如果车辆当前需求燃料或修理，则关于驾驶员偏爱品牌的最近的服务站的位置的信息能够被递送。由于该信息的递送对被识别为对驾驶员有用的商品或服务的供应商具有商业利益，因此从这些供应商收取广告收益。

为了实现这一点，如图1中所示，该方法获取数据100。数据获取可以是持续的和/或周期性的。数据可以包括驾驶员和车辆相关数据，例如，导航数据101、车辆总线数据102(例如，燃油油位、速度等)、内部和外部天气数据102、当日时间和日期104，并形成当前状态110。当前状态可以是向量的形式。当前状态被用来对数据库中的过去状态151进行更新。该更新足够频繁以形成用来维持如下所述的选择树(CT)200中的节点的当前状态和过去状态以及观察到的需求的选择的良好表征。

在本发明的一个实施方式中，如图1中所示，该方法是通过由与车辆190进行无线联络的车载信息通信系统(ICICS)180操作的系统来执行的。也就是说，使用无线通信系统将数据200从车辆发送到ICICS。ICICS维持过去状态、CT以及预测模型，执行预测过程，并且基于选择概率将信息发送到车辆。针对每个驾驶员和/或车辆可以有一个CT。也就是说，驾驶员或车辆的身份在每个当前状态下被发送到ICICS，所以ICICS能够选择合适的CT来进行操作。

在本发明的另一实施方式中，ICICS的大部分功能(诸如CT的维护和更新)在车辆的内部本地地实现，并且仅有可用广告的数据库通过无线连接持续地被上传。

当前状态和过去状态被用来维持预测模型160。预测模型160涉及当前状态和过去状态。预测模型可以从数据100中学习、手动生成(hand-crafted)、或者通过一些其它方式(例如，参见相关申请)获得。预测过程130使用预测模型和当前状态来确定针对CT中的节点的选择概率131。这种预测过程的一个示例在由Nikovski等在2013年9月24日提交的美国申请14/035,502“Method and System for Dynamically Adapting user Interfaces in Vehicle Navigation Systems to Minimize Interaction Complexity”(用于动态调整车辆导航系统中的用户界面以使交互复杂性最小化的方法和系统)中进行了描述，该美国申请通过引用被包含在本文中。选择概率被用来使用输出设备170(例如，显示屏或扬声器，参见相关申请)自发地向驾驶员递送并呈现特定信息。在实施方式中，自发地递送是通过当前状态或相对最近的状态发起的，而不是如现有技术中那样由与系统进行交互的驾驶员发起的。

该方法可以在连接到如现有技术中已知的存储器和输入/输出接口的一个或更多个处理器来执行。处理器为了无线通信可以连接到收发器。

如图2中所示，可能的需求以及关于该需求的信息被组织在选择树(CT)200中。根据驾驶员需要的产品和服务的类型来组织该CT。该树的顶部是根节点201。第一中间级别210指示通常需求，例如，食物、燃料、住宿和娱乐。这一级别还可以包括与其它最高级别的驾驶员需求(例如，气候控制、地图操作(map manipulation)等)相关的需求。其它中间级别220更加具体，例如，标识该通常需求的分类。底部(叶节点)级别230与满足具体需求的产品和服务相关。换句话说，当向下移动CT的级别时，节点的特异性增加。

确定用户需求的一种方法在美国申请14/403,502中进行了描述。

“Method and System for Dynamically Adapting user Interfaces in Vehicle Navigation Systems to Minimize Interaction Complexity”(用于动态调整车辆导航系统中的用户界面以使交互复杂性最小化的方法和系统)是由Nikovski等在2013年9月24日提交，该美国申请通过引用被包含在本文中。此方法基于表示与车辆相关的当前状态的输入向量而适应性改变车辆导航系统的用户界面。使用表示之前状态的预测模型对动作的概率进行预测，以实现下一状态。然后，在车辆中显示使与车辆导航系统进行交互的复杂性最小化的具有最高概率的动作的子集。

由Hershey等于2013年11月8日提交的美国申请14/075,939“Method for Predicting Travel Destinations Based on Historical Data”(用于基于历史数据预测行驶目的地的方法)被并入本文中，其描述了一种用于基于导航数据确定访问特定位置的概率的方法。

图3示出了与CT中的节点关联的记录300的格式。该记录包括标签310、强度值(SV)320、成本330、关于产品或服务的信息340(例如，文本、图像、或音频、视频、或者例如音乐)、以及指向与该记录关联的CT节点的指针350。将指针350指向的节点的选择概率乘以SV 320将得到用于满足驾驶员的当前需求的该节点的相关性的估计值。

标签

标签识别在选择树的不同级别下的产品或服务，例如，在第一级别210下的食物和住宿、在中间级别220下的咖啡和酒店、以及在底部级别230叶节点的Starbucks(星巴克)和Hilton(希尔顿)。对于CT的较低级别，标签增加了特异性。

SV

SV指示信息340与关联节点的相关程度。SV表示消费者/驾驶员对信息作出响应的概率，该概率应当与信息将导致满足识别出的需求的结果的可能性成比例。例如，关于加油站的信息将具有与CT中的对应于燃料的节点的关联的高强度值，因为所有的加油站都将满足对燃料的需求。相反，针对对应于食物的CT节点，加油站将具有更低的SV，因为并不是所有的加油站都出售食物，而且当驾驶员停在加油站处时不能在全部情况下都满足对食物的需求。精确的SV值能够基于在操作期间收集的数据而进行调整。SV最初被设置为默认值，并且能够基于从许多驾驶员获取到的数据100而被更新。选择过程使用当前SV来优选地将信息递送到消费者。

每当更新SV时，该方法使用当前概率来选择要进行递送的优选信息。在一个实施方式中，选择过程递送与对应于具有最高选择概率的叶节点的最高SV关联的信息。该选择使得驾驶员的主要需求得到满足且驾驶员实际上使用所递送的信息的可能性最大化。例如，如果系统已经识别出驾驶员在当前时刻需要咖啡，则将从整个数据库选择与咖啡最相关的信息。

在其它实施方式中，被递送到驾驶员的信息使得SV、成本以及节点中的其标签与该信息关联的一个节点的选择概率的乘积最大。这种递送策略的目的在于使得针对ICICS的收益最大化。

成本

如本文中使用的，术语“成本”在广义上被解释为例如货币价值、正面或负面的诱因、或者从某个成本函数中导出的任意的度量标准。在一个实施方式中，成本表示商品和服务的供应商为递送信息而愿意支付ICICS的金额。支付条件可以是例如每次曝光成本(cost per impression(s)，CPI)或每千次曝光成本(cost per thousand impression(s)，CPM)，即信息已经被递送给消费者的次数，或者每次“点击”成本(CPC)，即已经实际使用信息的次数，尽管在根据本发明的实施方式的系统中不存在实际的“点击”。当使用CPC时，能够连同该信息一起递送优惠码。当优惠码在供应商处使用时，信息的使用能够得到证实，并且消费者能够因此得到奖励。ICICS还可以将优惠码发送到移动设备(例如蜂窝电话或平板计算机)，便于以后在汽车外使用。

该方法可以通过竞拍来将得到提高的效率转换为货币，在该竞拍中，供应商对位于CT中更高级别处的标签(诸如“食物”、“燃料”或“酒店”)进行报价。在这种类型的竞拍中，全部级别的信息的成本被确定为CPC报价价格和其相关性的乘积。

与不同，信息的相关性被估计为针对与该信息关联的CT的选择概率。在该信息选择机制中，仅有一个CT节点与该信息关联，尽管相同的信息能够被包括在多个记录中，每个记录与不同的CT节点关联，并且有可能与不同的成本关联。

在确定针对全部记录的概率之后，具有最高选择概率的记录中的信息被递送，并且供应商愿意支付的金额被确定为第二最高选择概率除以最高选择概率的相关性，加上较小的固定金额(例如0.01美元)。该机制选择与消费者相关的信息，并且还使得供应商在非竞争的情况下支付的成本最小化。这会是商品和服务的供应商加入ICICS的最重要的诱因。

另一选择过程允许供应商对CT节点以及对与和信息关联的信任值相关的逻辑条件(例如，当信息要被显示时)进行报价。继续上述的咖啡示例，两个咖啡供应商，例如，在叶节点的Starbucks(星巴克)和Dunkin Donuts(唐恩都乐)能够对第二级别节点【咖啡】报价0.03美元和0.02美元。另外，Dunkin Donuts能够对其中节点【咖啡】的选择概率高于0.7、并且子节点【Starbucks】的选择概率高于兄弟节点【Dunkin Donuts】的选择概率的逻辑条件报价0.05美元。也就是说，在已经识别出驾驶员对其产品的需求但是还相信驾驶员可能去竞争对手处时，供应商能够为优惠而报价更多，以展示其信息。在这种情况下，出于吸引消费者的希望，可以递送不同的信息(例如，提供更大折扣的信息)。当多个广告与逻辑条件匹配时，可以使用具有最高成本的节点中的信息，或者可以进行竞拍。

此外，当两个或更多个供应商对同一节点进行报价时，递送信息的成本可以基于报价金额以及车辆的当前位置。例如，如果Starbucks、Dunkin Donuts和Pete’s Coffee对节点“咖啡”报价0.03美元、0.02美元和0.01美元，但是仅Dunkin Donuts和Pete’s Coffee在当前时间是方便的选择，则递送Dunkin Donuts的信息，而不递送Starbucks的信息。这等同于对上述的方案附加另外的逻辑条件，使得当在规定的时间期限内供应商能够到达时该条件为真。该时间期限可以是用户特定的。

可以针对与CT进行交互的所有驾驶员来更新SV。关于正面关联的信息的主要来源是优惠码的成功回收。在向驾驶员展示信息的规定时间段之内缺乏这种回收可以被当作是CT中的节点与信息之间的负面关联的标志。此外，能够借助于利用所显示的信息可得的“拇指向下”按钮更直接地给出负面关联的标志，该“拇指向下”按钮使得驾驶员能够拒绝所递送的产品或服务。相应的SV会被大大降低，使得当CT节点的选择概率增加时，信息不太可能被递送。

该方法还能够被用于规划旅行，结合在本文中的由Harsham等于2014年3月6日提交的美国专利申请14/198,742“Actions Prediction for Hypothetical Driving Conditions”(对假设驾驶条件的动作预测)描述了用于基于驾驶状态参数和驾驶历史的集合来预测动作的预测引擎、以及用于在旅行之前生成相应的假设场景的模拟引擎。在驾驶员选择旅行的出发地和目的地之后，连同旅行的日期和时间，旅行规划工具能够使用根据本发明所述的方法来识别驾驶员在途中的需求，并准备能够满足需求的信息的列表，连同驾驶员在其未来的旅程中使用的个性化优惠的集合。可以假定，这种个性化优惠集合将比当地旅游协会分发的通用优惠券册子更有使用价值且更有效。