交通工具乘员数据收集与利用人工智能的处理的制作方法

本公开总体上涉及交通工具乘员数据收集和处理系统。更具体地，本公开涉及用于收集乘员数据的交通工具系统和用于使用人工智能(ai)技术分析数据的服务器。

背景

许多交通工具提供了舒适度功能(comfortfeature)，例如加热、通风、和空调(hvac)、座椅按摩等。传感器可以用于收集关于交通工具用户和对这些功能的使用的数据。由传感器收集的数据可用于交通工具制造者来确定这些功能的使用模式，从而优化交通工具软件更新并且改进未来交通工具的设计。

技术实现要素：

在本公开的一个或更多个说明性实施例中，服务器包括接口，该接口被编程为从交通工具接收指示交通工具状态的交通工具数据和指示用户对交通工具功能的使用的用户数据；以及处理器，该处理器被编程为使用人工智能(ai)逻辑来分析交通工具数据和用户数据，以生成用户的舒适度预测；以及使用该舒适度预测在交通工具外部配置与用户相关联的舒适度设备。

在本公开的一个或更多个说明性实施例中，一种用于服务器的方法包括：从多个交通工具接收指示交通工具状态的交通工具数据和指示多个用户对交通工具功能的使用的用户数据；使用人工智能(ai)逻辑来分析交通工具数据和用户数据，以生成指示多个交通工具功能的使用模式的分析结果；并且基于分析结果优化交通工具软件更新。

在本公开的一个或更多个说明性实施例中，一种非暂时性计算机可读介质包括指令，该指令当被计算机的处理器执行时，使得处理器：向交通工具查询指示交通工具状态的交通工具数据和指示交通工具中的多个用户对交通工具功能的使用的用户数据；响应于从多个交通工具接收到交通工具数据和用户数据，使用人工智能(ai)逻辑来分析交通工具数据和用户数据，以生成指示用户对多个交通工具功能的使用模式的分析结果；并且基于多个交通工具功能的使用模式来输出保修索赔预测(warrantyclaimprediction)。

附图简述

为了更好地理解本发明并示出如何执行本发明，现在将参考附图，仅以非限制性示例的方式描述本发明的实施例，其中：

图1示出了本公开的一个实施例的交通工具系统的示例块拓扑；

图2示出了本公开的一个实施例的用户数据的示例图；

图3示出了本公开的一个实施例的交通工具数据的示例图；

图4示出了本公开的一个实施例的示例数据流图；和

图5示出了本公开的一个实施例的ai逻辑的示例框图。

详细描述

根据要求，本发明的详细实施例在本文被公开；然而，将理解的是，所公开的实施例仅为本发明的示例，其可以以各种各样的且可替代的形式体现。附图不一定是按比例的；一些特征可能被放大或最小化，以示出特定部件的细节。因此，本文所公开的特定的结构细节和功能细节不应被解释为限制性的，而是仅仅作为用于教导本领域中的技术人员以各种方式实施本发明的代表性基础。

本公开一般性地提供了多个电路或其它电气设备。对电路和其它电气设备以及由每个电路和电气设备提供的功能的所有的参考并非旨在被限于只包括本文示出并描述的内容。而特定的标签可以被分配给各种电路或其它电气设备。这样的电路和其它电气设备可基于所期望的特定类型的电气实现方式而以任何方式彼此组合和/或分离。要认识到的是，本文所公开的任何电路或其它电气设备可以包括任意数量的微处理器、集成电路、存储器设备(例如，闪存、随机存取存储器(ram)、只读存储器(rom)、电可编程只读存储器(eprom)、电可擦除可编程只读存储器(eeprom)、或这些存储器设备的其他合适的变体)和软件，它们彼此共同合作以执行本文所公开的操作。另外，这些电气设备中的任意一个或更多个可以被配置为执行被体现在非暂时性计算机可读介质中的计算机程序，该计算机程序被编程以执行所公开的任意数量的功能。

本公开尤其提出了一种用于通过各种传感器收集交通工具数据和交通工具用户数据并将数据存储在储存装置中的交通工具系统。交通工具数据和用户数据可以被上传到云服务器进行分析，以确定与交通工具分离的舒适度设备(例如椅子、沙发等)可以被配置的用户舒适度偏好，从而提供良好的用户体验。此外，舒适度偏好可以用于配置在交通工具内的舒适度设备(例如，另一交通工具座椅、或另一交通工具的座椅)。此外，利用从多个交通工具和用户接收到的数据，云服务器可以进一步集中分析数据，并确定各种交通工具功能的使用模式，以及从而预测某个时间段内的保修索赔、保险纠纷(insurancedisputes)。基于预测的用户最频繁的模式/偏好，云服务器可以以“现成的”方式优化并改进交通工具软件更新，并且可以执行定制。

图1示出了可以用于交通工具集成方案的系统100的示例图。交通工具(未示出)可以包括各种类型的汽车、多功能跨界车(cuv)、运动型多功能车(suv)、卡车、休闲车(rv)、船、飞机、或用于运送人或货物的其他移动机器。在许多情况下，交通工具可以由内燃机提供动力。作为另一种可能性，交通工具可以是由内燃机和一个或更多个移动电动机提供动力的混合动力交通工具(hev)，例如串联混合动力交通工具(shev)、并联混合动力交通工具(phev)、或并联/串联混合动力交通工具(pshev)、船、飞机或用于运送人或货物的其他移动机器。

交通工具100可以包括一个或更多个座椅102。如图1所示，座椅平台102可以包括控制模块104，控制模块104被配置成控制座椅平台102的操作，以提供各种功能，例如座椅角度调节、冷却/加热、按摩等。控制模块104还可以包括一个或更多个传感器106，一个或更多个传感器106经由座椅网络120与控制模块104通信，一个或更多个传感器106被配置为收集交通工具用户110的数据。传感器106可以包括各种类型的传感器，包括但不限于压力传感器、压电电阻传感器(piezo-electric-resistivesensor)、或多普勒雷达传感器。这些传感器106可以用于收集用户110的身体和/或人体测量数据。由传感器106收集的数据可以被发送到一个或更多个处理器108，以用于进行处理并生成用户数据112。用户数据可以经由存储器116传输到座椅储存装置114以进行存储。座椅储存装置114可以包括被配置成以非易失性方式存储用户数据的非暂时性存储介质。附加地或替代地，传感器数据和/或用户数据112可以经由车载网络120发送到计算平台118，以用于进行处理和存储。计算平台118可以包括非易失性储存装置122，以存储接收到的用户数据112。作为一些示例，车载网络120可以包括但不限于以下项中的一个或更多个：控制器局域网(can)、本地互连网络(lin)、以太网、以及面向媒体的系统传输(most)。

计算平台118可以包括存储用户数据112的非易失性储存装置。计算平台118还可以包括一个或更多个处理器124，该一个或更多个处理器124被配置成执行指令、命令、和其他例程来支持本文描述的过程。例如，计算平台118可以被配置成执行被存储在储存装置122中的交通工具应用126的指令，以提供执行传感器数据处理功能。此外，计算平台118可以被配置成经由一个或更多个交通工具传感器130收集交通工具数据128，并将交通工具数据128存储在储存装置122中。交通工具数据128可以指示与交通工具100相关联的各种交通工具设置/状态(例如，hvac设置、位置数据等)。注意，术语“传感器”在本公开中被用作通用术语，并且可以包括被提供有感测或信号收集能力以收集与交通工具操作或状况的任何方面相关的数据的任何设备/部件。例如，传感器130可以包括速度传感器、振动传感器、照相机、安全带传感器、光传感器等。计算平台118可以被提供有允许交通工具乘员/用户与计算平台118交互的各种功能。例如，计算平台118可以向人机界面(hmi)控件132进行输出和从人机界面(hmi)控件132接收输入，人机界面(hmi)控件132被配置为提供用户与交通工具的交互。作为示例，计算平台118可以与一个或更多个按钮(未示出)或被配置为调用计算平台118上的功能的其他hmi控件(例如，方向盘音频按钮、按键通话按钮、仪表板控件等)对接(interface)。计算平台118还可以包括全球导航卫星系统(gnss)控制器133，该全球导航卫星系统(gnss)控制器133被配置为与多个卫星通信并计算交通工具100的位置。gnss控制器133可以被配置成支持各种当前和/或未来的全球或区域定位系统，例如全球定位系统(gps)、伽利略、北斗、全球导航卫星系统(glonass)等。

座椅平台102和计算平台118还可以被配置成经由车载网络120与远程信息控制单元(tcu)134通信。tcu134可以包括一个或更多个无线调制解调器136，该一个或更多个无线调制解调器136被配置为经由无线网络140将tcu134连接到远程服务器138，以提供网络连接。注意，术语无线网络和服务器在本公开中被用作通用术语，并且可以包括涉及运营商、路由器、计算机、控制器等的任何计算网络，其被配置为传送、存储数据和执行数据处理功能，并且促进各种实体之间的通信。

参考图2，示出了本公开的一个实施例的用户数据的示例图200。继续参考图1，用户数据112可以包括多个条目，以记录用户及他/她的使用模式的各个方面。例如，用户数据112可以包括识别用户110的用户身份条目202。一个交通工具100可以由多个用户共享，并且对用户的识别可能是重要的。计算平台118可以被配置成经由各种手段(诸如使用指纹读取器或照相机130的生物识别(例如指纹或面部识别))来识别用户110。附加地或替代地，计算平台118还可以被配置为使用与用户110相关联并经由有线或无线连接而连接到计算平台118的移动设备(未示出)来识别用户110。用户数据112还可以包括压力图条目204，以记录反映用户110的就座定位(seatingposition)和压力分布的用户110的就座压力图。压力图条目204可以包括从传感器106收集的数据，例如反映用户110的就座状况的压力值、分布、位置等。用户数据112还可以包括人体测量数据条目206，以记录由传感器106检测到的用户110的身体的测量结果和/或比例。例如，人体测量数据条目206可以包括体重、身高、臀部宽度、肩部宽度、腰部宽度、大腿长度、膝盖枢轴(kneepivot)到胯点(h点)的距离等。用户数据112还可以包括生物医学数据条目208，以记录用户110的测量结果。例如，生物医学数据条目208可以包括心率数据、肺部数据(例如呼吸)和/或脑部数据(例如脑电图)。用户数据112还可以包括使用条目210，以记录与用户110相关联的使用测量结果。例如，使用条目210可以记录与用户110相关联的安全带和开门空间的使用。安全带的使用可以反映在软垫(bolster)和坐垫上座椅安全带接触织物处的磨损，这可以有助于预测磨损和损坏，并改进在未来设计中的材料设计。类似地，开门空间可能与座椅坐垫上的进/出(ingress/egress)磨损有关，因为在一些情况下，用户110可能需要由于门空间而“滑”下边缘，增加了坐垫上的磨损。

参考图3，示出了本公开的一个实施例的交通工具数据的示例图300。继续参考图1和图2，交通工具数据128可以包括多个条目以记录交通工具操作的各个方面。例如，交通工具数据128可以包括座椅尺寸条目302，以记录交通工具座椅102的尺寸。交通工具座椅可以包括驾驶员座椅，以及交通工具100内的任何乘员座椅。座椅尺寸条目可以包括交通工具座椅102的宽度、长度、离地板的距离、或软垫宽度。交通工具数据128还可以包括座椅定位条目304，以记录座椅102的定位/配置。作为几个非限制性示例，座椅定位条目304可以包括指示座椅102在轨道上的滑动定位的轨道放置、座椅靠垫角度(seatsquabangle)、气囊(用于按摩或姿势)充气水平、压力等。座椅尺寸302和座椅定位304条目对于可调节座椅来说可能特别有用，以确定与每个用户110相关联的交通工具座椅102的使用偏好。交通工具数据128还可以包括根据(via)传感器130检测的信号的振动/阻尼曲线(dampingprofile)306。交通工具数据128还可以包括根据从hvac控制器(未示出)收集的、指示交通工具制冷/制热使用状态/模式的信号的hvac状态/模式条目308。交通工具数据128还可以包括来自交通工具里程表的、指示交通工具100已经运行的总里程的交通工具里程条目310。交通工具数据128还可以包括交通工具驾驶模式312(例如，短途、长途旅行)和路况条目314(例如，正常、下雪)。交通工具数据128还可以包括经由座椅传感器106和/或座椅安全带传感器130检测到的加高座椅(boosterseats)的存在的条目316。交通工具数据128还可以包括用于座椅按摩功能激活的条目318，其指示与用户110相关联的一个或更多个按摩功能的使用(例如，一天中的时间、持续时间等)。交通工具数据128还可以包括交通工具位置条目320，其被配置为使用来自gnss控制器133的位置数据来记录/报告在给定时间的交通工具位置。交通工具数据128还可以包括交通工具规范条目322，以记录交通工具规范。例如，交通工具规范条目322可以包括vin，hmi配置(例如方向盘上的按钮、语音控制等)、自动/手动档变速器记录等，这可能会影响交通工具磨损。例如，方向盘按钮和语音控制的可用性可以减少用户在座椅上前后移动，从而减少座椅磨损。类似地，自动变速器可以减少用户左脚的移动，减少座椅磨损。

参考图4，本公开的一个实施例的过程400的示例数据流图被示出。继续参考图1至图3，在操作402，交通工具100经由座椅传感器106和交通工具传感器130收集数据。在一个示例中，座椅平台102和计算平台118可以被配置成分别通过经由座椅传感器106收集用户数据112和经由交通工具传感器130收集交通工具数据128来单独操作。作为另一个示例，座椅平台102和计算平台118可以共同操作来收集并存储用户数据112和交通工具数据128。在操作404，交通工具100将收集的用户数据112和交通工具数据128存储在储存装置114、122中。这里，类似地，座椅平台102和计算平台118可以根据交通工具100的具体配置来单独地或共同地存储数据。在一些示例中，座椅平台102可以仅被提供有限的存储能力。如果是这种情况，用户数据112和交通工具数据128可以一起存储在计算平台118的储存装置122中。为了隐私保护，用户数据112和交通工具数据128可以以“黑盒”方式存储在储存装置122中。在这种情况下，由传感器收集的数据可以在存储前被加密。

在操作406，服务器从交通工具100查询用户数据112和交通工具数据128。服务器138可以查询存储在储存装置122中的所有用户数据112和交通工具数据128。可选地，服务器138可以通过指定数据的条件(例如，时间、条目名称等)来仅查询用户数据112和交通工具数据128的一部分。响应于接收到查询，在操作408，计算平台118将用户数据112和交通工具数据128上传到服务器138以进行处理和分析。可选地，计算平台118可以被配置成以实时方式或以预定间隔周期性地自动将用户数据112和交通工具数据128上传到服务器138，而不接收来自服务器138的查询。在从交通工具100接收的数据被加密的情况下，服务器138可以被配置为在开始分析之前首先对数据进行解密。

在操作410，响应于从交通工具100接收用户数据112和交通工具数据128，服务器138使用ai技术来分析接收的数据(将在下面详细描述)。作为数据分析的一部分，在操作412，服务器138可以计算舒适度预测，该舒适度预测被配置为操作与同一用户110相关联的舒适度设备的舒适度设置。例如，通过分析诸如交通工具数据128中的hvac状态条目308和座椅按摩激活条目318的功能的使用模式，服务器138可以确定与用户110相关联的舒适度预测。舒适度预测不仅适用于交通工具设置，还适用于办公室或家庭环境中的兼容舒适度设备。例如，被提供有按摩功能的沙发可以与在家的用户110相关联。此外，用户110的家用空调(ac)可以被远程调节。随着舒适度预测被确定，服务器138可以使用舒适度预测来操作那些舒适度设备(例如沙发和ac)，以向用户110提供更好的用户体验。在操作414，服务器138检测舒适度设备并确定设备和舒适度预测之间的兼容性。舒适度设备可以与舒适度预测完全或部分兼容。继续使用上述沙发的示例，例如，沙发可以被提供有按摩功能，其不同于用户在交通工具100中使用的按摩功能。在这种类型的部分兼容的情况下，服务器138可以进一步确定与用户110在交通工具100中使用的按摩功能最相似的沙发按摩功能，从而修改舒适度预测。作为示例，如果用户在交通工具100中使用腰部和颈部按摩功能，并且沙发仅提供腰部按摩，则服务器138可以将沙发的舒适度预测修改为仅腰部按摩。在操作416，服务器138向舒适度设备418发送(原始的或修改的)舒适度预测。

除了舒适度预测之外，在操作420，服务器138的ai分析可以进一步优化交通工具系统的软件更新。这些操作可以基于对许多交通工具的分析和获得交通工具使用模式的大量统计数据。多个交通工具100的交通工具识别号(vin)可以被跟踪并作为来自每个交通工具的交通工具数据的一部分被提交给服务器138。服务器138可以通过接收到的vin号来确定每个交通工具的软件版本和可用功能。通过分析多个交通工具上的功能的使用率和模式，服务器138可以基于使用来确定当前和未来交通工具阵容(currentandfuturevehiclelineups)的优化软件更新版本。例如，如果交通工具座椅102的某些型号被提供了多个舒适度功能(例如，五个功能)，但是由服务器138确定的使用模式指示不同功能的使用率因地理位置而异，则可以相应地协调软件更新。例如，当车厢温度低于由使用模式确定的阈值时，服务器138可以将交通工具软件更新推送到北方的交通工具，以自动激活座椅加热。类似地，当车厢温度高于基于使用模式确定的阈值时，服务器138还可以将交通工具软件更新推送到南方的交通工具，以自动激活座椅冷却。在操作422，服务器138还基于所确定的使用模式来预测保修/保险索赔。例如，使用较多的功能可以增加与这些功能相关的交通工具部件的保修/保险索赔的可能性。

参考图5，示出了本公开的一个实施例的示例ai逻辑框图500。作为示例，ai逻辑500可以经由服务器138的处理器来实现。继续参考图1至图4，知识引擎502接收用户数据112和交通工具数据128以用于处理和分析。知识引擎502可以包括被配置为运行各种数据分析过程的过程引擎504、被配置为评估并确定接收到的各种数据的关系的数据关系引擎506、以及被配置为确定舒适度预测、更新优化、和/或保修预测的替代解决方案的替代解决方案引擎508。ai逻辑500还可以包括元知识引擎510，元知识引擎510具有被配置为处理数学解的方程求解器引擎512、以及结合了用于数据处理的各种ai算法的算法引擎514。作为几个非限制性示例，ai算法可以包括神经网络、数据分类器、线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯、k最近邻、k均值、随机森林(randomforest)、降维(dimensionalityreduction)、和/或梯度提升(gradientboosting)和adaboost。

可以基于元知识引擎510来确定解决方案技术516的选择。在518，ai逻辑可以基于解决方案技术516和知识引擎502的处理结果来对处理顺序做出决定，并且可以在520操作处理例程。例程520还可以从过程引擎504获取输入以优化操作。例程520的处理结果然后可以在522进行数值计算，并最终在524生成输出结果。ai逻辑可以被配置为向知识引擎502和元知识引擎510提供输出结果524作为反馈，以改进处理操作。

在另一个实施例中，并行ai逻辑可以根据用例和时序来被同时部署。例如，可以在交通工具级别和/或网络级别(例如服务器138)部署像聚类和/或降维技术这样的无监督方法，以提供实时舒适度预测并制定对策。同时，像分类和回归这样的监督技术可以出现在网络级别，从而既可以处理保修用例，也可以处理关于针对交通工具队伍(fleet)的大规模调整的总体人群舒适度信息。

虽然上面描述了示例性实施例，但是这些实施例并不意图描述本发明的所有可能的形式。相反，在说明书中使用的词语是描述的词语而非限制的词语，并且应理解，在不偏离本发明的精神和范围的情况下可做出各种变化。此外，各种实施的实施例的特征可以被组合以形成本发明的另外的实施例。