交互意图预测方法和车辆与流程
本技术涉及智能座舱,尤其涉及一种交互意图预测方法和一种车辆。
背景技术:
1、在车辆智能座舱领域,提供个性化、主动式的用户体验已成为行业发展的共性目标。相关技术致力于根据用户的操作习惯或实时场景,向驾乘人员推荐或执行特定服务,从而提升出行便利性与舒适度,这要求系统能够准确理解并预判用户的潜在需求。
2、为达成上述目标,相关技术通常采用基于用户画像与简单规则匹配的方式,例如依据预设的偏好设置或触发条件推送服务。然而,此类方案所依赖的数据多以非结构化的日志形式独立存储,导致系统仅能响应显性的、当前时刻的操作或状态,难以从用户长期、连续的行为历史中挖掘稳定的行为模式。此外,现有服务触发机制多为二元决策或基于模糊等级的粗略判断,无法精细平衡服务的主动性与用户免受过度打扰的需求。
技术实现思路
1、本技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本技术的第一个目的在于提出一种交互意图预测方法,通过获取包含用户行为历史记录、车辆运行历史记录以及家庭成员关联数据的多维度历史数据,并基于用户行为历史记录和车辆运行历史记录确定用户的行为模式,再将行为模式与实时状态信息进行计算生成预测意图及对应第一置信度,进而利用家庭成员关联数据确定的修正因子对第一置信度进行修正得到第二置信度,最终基于第二置信度确定服务动作,从而克服了现有技术中因用户行为数据以非结构化形式存储且缺乏多成员关联,导致无法基于长期行为模式进行预测性主动服务的缺陷。即通过构建整合多维历史数据的分析基础,并引入家庭成员关联数据进行置信度修正,实现了对用户长期行为模式的深度挖掘与精准预测,同时结合了家庭成员的社交关联因素,有效提高了预测意图的准确性和服务触发的智能化水平。
2、本技术的第二个目的在于提出一种车辆。
3、为达到上述目的,本技术第一方面实施例提出了一种交互意图预测方法,所述方法包括:获取多维度历史数据和车辆与用户的实时状态信息,所述多维度历史数据包括用户行为历史记录、车辆运行历史记录以及家庭成员关联数据;基于所述用户行为历史记录和所述车辆运行历史记录确定用户的行为模式;将所述行为模式与所述实时状态信息进行计算,生成预测意图及对应的第一置信度;基于所述家庭成员关联数据确定修正因子,并利用所述修正因子对所述第一置信度进行修正,得到第二置信度;基于所述第二置信度确定与所述预测意图对应的服务动作。
4、根据本技术实施例的交互意图预测方法,获取多维度历史数据和车辆与用户的实时状态信息,多维度历史数据包括用户行为历史记录、车辆运行历史记录以及家庭成员关联数据,基于用户行为历史记录和车辆运行历史记录确定用户的行为模式,将行为模式与实时状态信息进行计算,生成预测意图及对应的第一置信度,基于家庭成员关联数据确定修正因子,并利用修正因子对第一置信度进行修正,得到第二置信度,基于第二置信度确定与预测意图对应的服务动作。由此,该方法能够有效融合个体行为特征与家庭社交关联信息,提升意图预测的鲁棒性与适应性。在实际应用中,当用户处于特定场景(如上下班通勤、接送子女或节假日出行)时,系统不仅依据其自身历史行为轨迹进行判断,还能结合家庭成员的行程安排、位置状态等关联数据动态调整预测结果的可信程度。通过引入家庭维度的协同验证机制,显著减少了因单一用户数据噪声或异常行为导致的误判,使车辆能够更智能、更主动地提供导航规划、座舱环境调节、服务推荐等个性化响应,从而增强人车交互的自然性与用户体验的连贯性。
5、根据本技术的一个实施例,所述基于所述第二置信度确定与所述预测意图对应的服务动作,包括:确定所述第二置信度所处的置信度区间;基于所述置信度区间确定对应的所述服务动作。
6、根据本技术的一个实施例,所述置信度区间包括第一区间、第二区间、第三区间和第四区间,所述基于所述置信度区间确定对应的所述服务动作,包括:当所述第二置信度处于所述第一区间时,确定所述服务动作为直接执行;当所述第二置信度处于所述第二区间时,确定所述服务动作为通过语音提示并等待用户响应后执行;当所述第二置信度处于所述第三区间时,确定所述服务动作为通过图形界面弹窗提示并等待用户确认后执行;当所述第二置信度处于所述第四区间时,确定所述服务动作为不执行,其中,所述第一区间的第二置信度大于所述第二区间的第二置信度,所述第二区间的第二置信度大于所述第三区间的第二置信度,所述第三区间的第二置信度大于所述第四区间的第二置信度。
7、根据本技术的一个实施例,所述基于所述家庭成员关联数据确定修正因子,包括:获取家庭成员的多维度属性信息和所述家庭成员之间的历史共乘天数数据,所述多维度属性信息包括用于区分不同家庭成员的身份标识、各家庭成员的年龄属性和座位偏好属性;基于所述多维度属性确定家庭成员之间的关系类型;基于所述关系类型以及所述历史共乘天数数据确定家庭成员间的关系可靠性系数;基于所述关系可靠性系数确定所述修正因子。
8、根据本技术的一个实施例,所述基于所述关系类型以及所述历史共乘天数数据确定家庭成员间的关系可靠性系数,包括:基于所述关系类型确定具有预设亲属关系的家庭成员对;基于所述历史共乘天数数据确定所述家庭成员对在预设统计周期内的共乘天数;根据所述共乘天数所处的天数区间确定所述关系可靠性系数,其中,所述共乘天数与所述关系可靠性系数呈正相关关系。
9、根据本技术的一个实施例,所述基于所述关系可靠性系数确定所述修正因子,包括:当所述关系可靠性系数大于或等于预设系数阈值的情况下,将所述修正因子设置为大于预设阈值的数值,以提高所述第一置信度;当所述关系可靠性系数小于所述预设系数阈值时,将所述修正因子设置为小于所述预设阈值的数值,以降低所述第一置信度。
10、根据本技术的一个实施例,所述基于所述多维度属性确定家庭成员之间的关系类型,包括:根据各家庭成员在预设统计周期内基于所述身份标识关联的年龄识别结果,以最高占比原则确定各成员的稳定年龄属性;根据各家庭成员在所述预设统计周期内基于所述身份标识关联的座位位置识别结果,以最高占比原则确定各成员的稳定座位属性;基于至少两个家庭成员的稳定年龄属性和稳定座位属性,按照预设规则匹配所述关系类型。
11、根据本技术的一个实施例,所述将所述行为模式与所述实时状态信息进行计算,生成预测意图及对应的第一置信度,包括:从所述实时状态信息中提取当前时间信息和车辆的当前地理位置信息;从所述行为模式中提取与所述预测意图关联的历史执行时间信息和历史常访地点信息;计算所述当前时间信息与所述历史执行时间信息之间的时间契合度因子,并计算所述当前地理位置信息与所述历史常访地点信息之间的空间契合度因子;基于所述时间契合度因子、所述空间契合度因子以及对应的预设权重系数确定所述第一置信度。
12、根据本技术的一个实施例,所述方法还包括:监测用户对已触发的所述服务动作的响应反馈,所述响应反馈的类型包括采纳、忽略和否定中的至少一种;基于所述响应反馈的类型对所述预设权重系数进行动态调整。
13、为达到上述目的,本技术第二方面实施例提出的一种车辆,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时,实现上述的交互意图预测方法。
14、根据本技术实施例的车辆,通过执行上述的交互意图预测方法,能够减少因单一用户数据噪声或异常行为导致的误判,使车辆能够更智能,且增强人车交互的自然性与用户体验的连贯性。
15、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com