用于车辆的分布式场景引擎的方法和装置与流程

1.本发明涉及一种用于车辆的分布式场景引擎的方法和装置。


背景技术：

2.在车联网场景中，很多服务需要在合适的时间以一种方式恰当地呈现给用户。因此，一种场景引擎被定义来在一些上下文中支持向驾驶员推荐适当的内容或服务。这些场景通常是由操作者、产品管理者等等来预先定义的。为了支持最大化的灵活性，通常使用一些规则引擎。这些规则引擎可以用于支持商业事件、服务推荐和更好的用户体验。场景引擎通常由当前的联网车辆系统用来提供人工智能(ai)技术。场景引擎可以支持具有互联网连接的智能车，并且不仅能够实现物理连接，还提供将车连接到云端服务器(在本文中也可简称为“云端”)的智能移动体验。
3.然而，当前的场景引擎仍是处理由人定义的场景，这对于在支持智能性时还考虑车辆的物理特性的情况是比较难以执行的，从而难以获得更大的灵活性。从性能和效率方面来看，当前的场景引擎更多考虑联网的信息而不考虑车辆自身的信息。当前的场景引擎主要是基于规则的引擎，对于场景的定义通常不是固定的且经常会随着不同的需求而改变。车辆的场景引擎需要跨越车辆和云端服务器收集很多信息。为了使场景引擎能够理解当前情况(或上下文)以及触发相关动作，规则引擎通常需要跨越车辆和云端服务器来收集不同的信息，例如车辆处的车辆的速度、燃料油位、车灯状态、片上系统，以及云端服务器处的天气、航班信息、订单情况等等。
4.随着车辆上的信息越来越复杂，车辆中的车机难以负担繁重的计算密集型任务。然而，将大量车辆端的信息传递到云端服务器来进行计算处理会使得云端服务器处理量太大，成本较高且难以支持实时的任务需求，同时还增加车辆的信息传递成本。现有的很多场景引擎是组织从云端服务器获取的规则参数或者将车辆的所有相关参数(例如传感器数据)从车辆传送到云端服务器。然而，这会带来较大的数据传输成本且对网络造成很大的压力。一些其它场景引擎在符合条件时(例如导航到特定信息点、燃料油位低于特定油位等)会从车机端启动触发逻辑，以向云端服务器发送关于操作的请求。然而这使得触发逻辑被硬编码且无法适应灵活性需求。
5.因此，存在对一种能够既有灵活性又有效率的系统的需求和挑战。


技术实现要素：

6.提供本发明内容以便介绍一组概念，这组概念将在以下的具体实施方式中做进一步描述。本发明内容并非旨在标识所保护主题的关键特征或必要特征，也不旨在用于限制所保护主题的范围。
7.本发明的目的在于提供用于车辆的分布式场景引擎的方法和装置，尤其是用于车辆联网系统中的两阶段协作的分布式场景引擎的方法和装置，用以至少部分地克服现有技术存在的缺陷。
8.本发明的实施例提供一种用于车辆的分布式场景引擎的方法，所述方法在车内场景引擎处执行，包括：获得车辆的上下文信息；基于所述上下文信息和预定规则集来判断所述车辆所处的当前场景是综合场景还是纯车内场景；当所述当前场景被判断是所述综合场景时，基于所述上下文信息针对所述综合场景中的车内场景生成车内场景信号；以及将所述车内场景信号发送给云端服务器。
9.本发明的实施例还提供一种用于车辆的分布式场景引擎的方法，所述方法在云端场景引擎处执行，包括：获得车辆的车外信息；从所述车辆接收车内场景信号；根据预定云端规则集，基于所述车外信息和所述车内场景信号来识别综合场景；基于所识别的综合场景生成综合场景信号以及将所述综合场景信号发送给所述车辆。
10.本发明的实施例还提供一种用于车辆的分布式场景引擎的装置，所述装置在车内场景引擎处，包括：获得模块，用于获得车辆的上下文信息；判断模块，用于基于所述上下文信息和预定规则集来判断所述车辆所处的当前场景是综合场景还是纯车内场景；生成模块，用于当所述当前场景被判断是所述综合场景时，基于所述上下文信息针对所述车内场景生成车内场景信号；以及发送模块，用于将所述车内场景信号发送给云端服务器。
11.本发明的实施例还提供一种用于车辆的分布式场景引擎的装置，所述装置在云端场景引擎处，包括：获得模块，用于获得车辆的车外信息；接收模块，用于从所述车辆接收车内场景信号；识别模块，用于根据预定云端规则集，基于所述车外信息和所述车内场景信号来识别综合场景；生成模块，用于基于所识别的综合场景生成综合场景信号；以及发送模块，用于将所述综合场景信号发送给所述车辆。
12.按照本发明实施例的一种用于车辆的分布式场景引擎的设备，包括：处理器；以及存储器，用于存储可执行指令，其中，所述可执行指令当被执行时使得所述处理器执行前述的方法。
13.按照本发明实施例的一种机器可读介质，其上存储有可执行指令，其中，所述可执行指令当被执行时，使得机器执行前述的方法。
14.从以上的描述可以看出，本发明实施例的方案通过在车辆处和云端服务器处布置两阶段分布式的场景引擎可以使得在车辆和云端服务器分别独立闭环处理场景，使得将一些能够在车辆侧处理的场景由车内场景引擎处理，将车内无法或难以完成的场景(例如需要耗费大量处理资源的场景)的信息传递到云端服务器去处理，从而既可以提高实时响应能力，又可以减少传递给云端服务器的数据量。
15.应当注意，以上一个或多个方面包括以下详细描述以及在权利要求中具体指出的特征。下面的说明书及附图详细阐述了所述一个或多个方面的某些说明性特征。这些特征仅仅指示可以实施各个方面的原理的多种方式，并且本公开内容旨在包括所有这些方面和其等同变换。
附图说明
16.以下将结合附图描述所公开的多个方面，这些附图被提供用以说明而非限制所公开的多个方面。
17.图1示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的系统的架构示意图；
18.图2示出了按照本发明的一个实施例的、包括分布式场景引擎中的车内场景引擎的车辆侧的场景处理架构示意图；
19.图3示出了按照本发明的一个实施例的、包括分布式场景引擎中的云端场景引擎的云端侧的场景处理架构示意图；
20.图4示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的方法的流程示意图；
21.图5示出了按照本发明的一个实施例的用于对车辆的上下文信息的因素进行分类的示例方法的流程示意图；
22.图6示出了按照本发明的一个实施例的在车内场景引擎处执行的、用于车辆的分布式场景引擎的方法的示例图；
23.图7示出了按照本发明的另一个实施例的在云端场景引擎处执行的、用于车辆的分布式场景引擎的方法的示例图；
24.图8示出了按照本发明的一个实施例的在车内场景引擎处的、用于车辆的分布式场景引擎的装置的示意图；
25.图9示出了按照本发明的一个实施例的在云端场景引擎处的、用于车辆的分布式场景引擎的装置的示意图；
26.图10示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的设备的示意图。
具体实施方式
27.现在将参考多种示例性实施方式来讨论本公开内容。应当理解，这些实施方式的讨论仅仅用于使得本领域技术人员能够更好地理解并从而实施本公开内容的实施例，而并非教导对本公开内容的范围的任何限制。
28.下面给将结合附图详细描述本发明的各个实施例。
29.图1示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的系统100的架构示意图。如图1所示，用于车辆的分布式场景引擎的示例性系统100可以包括网络110、车辆120、云端服务器130。
30.在图1中，网络110被用于在车辆120和云端服务器130之间进行互连，使得车辆120和云端服务器130可以通过网络110互传数据或信息。网络110可以是能够对网络实体进行互连的任何类型的网络，且可以是单个网络或各种网络的组合。
31.车辆120可以是智能车辆。在车辆120中可以设置有车内场景引擎122，其用于判断车辆的当前场景是否为综合场景，以及闭环处理车内场景和/或与云端场景引擎协作地处理综合场景。在本文中，综合场景可以包括车内场景和云端场景的组合。在综合场景情况下，车内场景引擎122可以闭环地处理涉及综合场景中的车内场景部分的车内信息或数据，针对车内场景来生成车内场景信号并将车内场景信号通过网络110传输到云端服务器130。此外，车内场景引擎122还可以根据识别的车内场景执行操作，例如向用户或驾驶员发出警告或提示和/或控制车辆的部件自动执行动作(如自动减速或刹车等)。在一些例子中，车内场景引擎122可以响应于车辆当前状态信息，基于预定规则来识别车内场景并执行相关操作。在一些例子中，车辆当前状态信息可以包括但不限于车辆状态、车辆剩余油量、车速、电
量、车辆故障等与车辆自身有关的各种信息。在一些例子中，车内场景引擎122可以根据预定的车内规则集或算法来识别车内场景。
32.云端服务器130可以从车辆120接收信号或可选地获得车辆相关信息，还可以从网络或其它实体获得车外信息，例如天气、用户的航班、订单或快递包裹信息、车辆行程或导航信息(例如目的地、距目的地的里程数、到达目的地的时间、途经兴趣点等等)、城市限行信息、用户简档(例如驾驶习惯、偏好加油站品牌、)、用户违章信息、加油站或充电桩信息等等。
33.如图1所示，在云端服务器130中设置有云端场景引擎132。在一些例子中，云端场景引擎132接收来自车辆的车内场景信号(也可被称为场景码)，获得对应的上下文信息(例如车外信息)，至少基于该车内场景信号和对应的上下文信息，基于预定规则来识别综合场景并生成综合场景信号。在一些例子中，云端场景引擎132可以根据预定的云端规则集或算法和车外信息来识别云端场景并生成云端场景的定义。在一些例子中，云端场景引擎132还可以基于云端场景的定义和车内场景信号来识别综合场景以生成综合场景信号。综合场景信号可以通过网络110被反馈或发送至车辆120，以使得车辆120根据该综合场景信号来执行操作，其中所述操作包括但不限于向车辆的用户发出提示和/或控制车辆的部件自动执行动作。
34.应当理解，图1中所示的所有网络实体都是示例性的，根据具体的应用需求，系统100可以包括任何其它网络实体。此外，虽然图1中仅示出了一辆车120和一个云端服务器130，但根据具体的应用需求，可以存在任意数量的车辆和/或任意数量的云端服务器，本发明对此并不做任何限制。
35.图2示出了按照本发明的一个实施例的、包括分布式场景引擎中的车内场景引擎的车辆侧的场景处理架构200的示意图。
36.在车辆侧的场景处理架构200至少包括规则集定义器202、数据合成器204、接收器206、传感器208、车内场景引擎210、场景执行器216。在一些例子中，车内场景引擎210至少包括但不限于场景解释器212和场景识别器214。
37.在一些例子中，规则集定义器202用于预先设定或定义若干规则集(或算法)，例如用于判断车辆的当前场景是综合场景还是纯车内场景的场景规则集、用于识别车内场景的车内规则集和用于识别云端场景或综合场景的云端规则集。在一些例子中，场景规则集可以是《条件或信息，场景类别》形式，例如《纯车内信息，纯车内场景》、《上下文信息或车内信息 车外信息，综合场景》。举例而言，场景规则可以是《车辆当前状态，车内场景》、《车辆当前状态 加油站促销信息，综合场景》等等。需要理解的是，此处列出的一些场景规则仅是示例性的，在实际应用中，可以采用任意形式或内容的场景规则。
38.在本文中，规则集定义器202将预定规则集传送至车辆或云端，以供车内场景引擎和云端场景引擎分别用于识别车内场景和云端场景或综合场景。在一些例子中，根据需求，可以在规则平台或工具中通过一些逻辑定义来确定如何在综合场景中区分是车内闭环场景还是云端闭环场景。通过对规则集中的规则进行提前定义、编译并动态下发给车内的车机系统来指示车机系统应该如何执行操作。例如，可以通过在什么条件下规定系统做什么动作来限定规则集。在本文中，“动作”包含了车内场景的动作以及云端场景的动作。在另一些例子中，车内规则集可以是《条件或信息，具体场景或动作》形式。举例而言，车内规则集
中的规则可以是《低油量，加油场景或加油》等等。在又一些例子中，云端规则集可以是《车内场景信号 一个或多个云端条件或信息，具体场景或动作》形式。举例而言，云端规则集中的规则可以是《表示“需要加油”的信号 加油站促销信息，加油场景或加油》等等。需要理解的是，此处列出的一些车内规则和云端规则仅是示例性的，在实际应用中，可以采用任意形式或内容的车内规则和云端规则。
39.车辆侧的数据合成器204可以从规则集定义器202获得预定规则集。在一些例子中，可以预先从规则集定义器202获得规则集并将规则集存储在数据合成器204中。此外，数据合成器204可以从接收器206获得来自云端的车外信息或对应的上下文信息，从传感器208或车辆的存储器(图中未示出)获得来自车辆的车内信息或对应的上下文信息。在本文中，车内信息和车外信息可以组合为车辆的上下文信息。在一些例子中，车内信息可以包括但不限于车辆位置信息、车辆速度信息、车辆行驶时长、车辆电子围栏、车辆剩余油量或电量等等；车外信息可以包括但不限于车辆当前位置附近的加油站类别(是否有促销、是否为用户偏好的品牌等)、车辆所在位置是否有快递等等。
40.数据合成器204将获得的规则集和上下文信息传递给车内场景引擎210以供车内场景引擎210进行闭环场景处理，从而生成车内场景信号以发送给云端服务器，或者直接在车辆内根据车内场景采取相应的操作。需要理解的是，虽然在图2中将数据合成器204示为在车内场景引擎210外部，但其也可以被设置于车内场景引擎210内部。在一些例子中，可以将规则集从规则集定义器202实时传输至车内场景引擎210中，或者预先传输至并存储在车内场景引擎210中。
41.车内场景引擎210被配置用于闭环处理车内场景和/或与云端场景引擎协作地处理综合场景，其可以是图1的车内场景引擎122的一个例子。
42.在一个实施例中，车内场景引擎210中的场景解释器212用于根据当前接收到的数据或信息，基于场景规则集来判断车辆的当前场景是纯车内场景还是综合场景。具体而言，可以基于接收到的信息是否包括云端因素来判断车辆的当前场景是否为综合场景。
43.举例而言，如果获得的当前场景的上下文信息仅包括车机端因素，则可以将当前场景判断为纯车内场景且仅在车内对上述信息进行处理以识别出当前场景并基于所识别的纯车内场景执行车内操作，而不需要将上述信息或根据上述信息生成的信号提供给云端。例如当信息仅包括车辆剩余油量低于阈值之类的因素时，可以对所述信息进行处理以识别出该纯车内场景为“加油场景”并向用户提示车辆需要加油。在上述示例性纯车内场景下，系统不需要将车内信息或生成的信号发送到云端。
44.在另一些例子中，如果获得的当前场景的上下文信息包括车机端因素和云端因素的组合，则可以将当前场景判断为综合场景。在这种情况下，在车辆处对车内场景进行处理，并仅将对车内场景处理生成的车内场景信号传递至云端，而不需要传输涉及车内场景的大量信息。例如，如果当前场景中的信息包括指示剩余油量低于阈值的车机端因素以及指示各个加油站的信息(例如促销信息)的云端因素，则将当前场景判断为综合场景。
45.在一个实施例中，场景识别器214用于根据接收到的上下文信息和预定的车内规则集来识别当前场景，例如车辆启动场景、加油/充电场景、减速场景、停车场景、加速场景、空调启动/关闭场景等等。举例而言，当从传感器208接收到“低油量”信息时，基于预定的车内规则集中的规则《低油量，加油场景或加油》，识别出当前场景为“加油场景”或当前需要
执行的动作为“加油”。
46.在一些例子中，基于当前场景的类别和识别出的当前场景，场景执行器216可以在综合场景类别下生成车内场景信号或在纯车内场景类别下针对当前场景执行操作。在一些例子中，执行的操作包括但不限于向车辆的用户发出提示和/或控制车辆的部件自动执行动作。例如，如果当前场景是纯车内场景且识别出的纯车内场景为加油场景，则场景执行器216可以向用户发出提示信号“车辆需加油，还可行驶x公里”。再举一个例子，如果当前场景是纯车内场景且识别出的场景为减速场景，则场景执行器216可以向驾驶员发出提示“请减速”或在自动驾驶情况下直接控制制动器减速。在另一个例子中，如果当前场景是综合场景且识别出的综合场景为加油场景，则场景执行器216可以生成车内场景信号(例如指示“车辆需加油，还可行驶x公里”的信号或场景码)并将该信号发送至云端服务器，而不必将车辆剩余油量信息、车速信息、车辆每公里油耗信息等涉及加油场景的车内信息传送至云端服务器。这可以使得在不同的场景类别下加快车辆的反应速度或减少信息传输量。虽然上文以车辆加油场景为例进行了描述，但在实际应用中可以对任意其它场景进行处理或可以采用任意其它适当的信息或提示。
47.需要理解的是，虽然在图2中将场景执行器216示为在车内场景引擎210外部，但其也可以被设置于车内场景引擎210内部。另外，虽然图2中将规则集定义器202示为设置在车辆侧的场景处理架构内，但根据实际应用需求，其也可以被设置在云端服务器、另一个实体内或作为模块存储于单独的设备中。
48.图3示出了按照本发明的一个实施例的、包括分布式场景引擎中的云端场景引擎的云端侧的场景处理架构300的示意图。
49.云端侧的场景处理架构300至少包括规则集定义器302、云端场景引擎304、接收器306、场景执行器316。在一些例子中，云端场景引擎304可以至少包括但不限于信号识别器308、(可选的)场景补充单元310、场景选择单元312、场景元素提取单元314。
50.在一些例子中，规则集定义器302可以是与图2中的规则集定义器202相同或相似的规则集定义器，其用于预先设定或定义若干规则集，例如用于判断车辆的当前场景是综合场景还是纯车内场景的场景规则集、用于识别车内场景的车内规则集和用于识别云端场景或综合场景的云端规则集。在另一些例子中，规则集定义器302可以与图2中的规则集定义器202不同，例如仅定义用于识别云端场景或综合场景的云端规则集。为了便于描述，在图3中仅描述规则集定义器302中涉及云端规则集的功能或部分。规则集定义器302将预先设定的云端规则集传送至云端场景引擎304，用于使得云端场景引擎304基于云端规则集来识别云端场景或综合场景。
51.在图3所示的例子中，云端场景引擎304通过接收器306经由网络接收来自车辆(例如车内场景引擎)的车内场景信号以及来自网络或其它实体的车外信息或对应上下文信息。在此处的例子中，信号识别器308对接收的车内场景信号进行分析，以识别出车内场景信号。云端场景引擎304可以基于车外信息和预定的云端规则集来识别云端场景。场景补充单元310基于场景森林对识别出的云端场景进行补充。在本文的实施例中，场景森林可以具有场景树的形式，每个场景对应若干个子场景，每个子场景对应若干个条件或规则。
52.基于所识别的车内场景信号和/或补充的云端场景，可以由场景选择单元312从场景森林识别或选择匹配的场景作为综合场景。可选地，由元素提取单元314从选择的场景中
提取场景元素，以用于生成综合场景信号。在一些例子中，场景元素包括涉及上下文信息的各种元素，包括但不限于车辆的车速、油量/电量、车辆故障、天气、用户偏好、用户简档、用于订单信息、用户违章信息、城市限行信息、充电桩可用性导航目的地等等。
53.在一些例子中，场景执行器316可以基于所识别的综合场景来生成综合场景信号。在进一步的例子中，场景执行器316可以对从场景中提取的场景元素进行处理以生成综合场景信号。需要理解的是，虽然在图3中将场景执行器316示为在云端场景引擎304外部，但其也可以被设置于云端场景引擎304内部。
54.虽然图3中将规则集定义器302示为设置在云端侧的场景处理架构内，但根据实际应用需求，其也可以被设置在另一个实体内或作为模块存储于单独的设备中。
55.图4示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的方法400的流程示意图。图4所示的方法400可以由例如系统100来实现。
56.如图4所示，在方框402，由规则集定义器预先定义规则集，例如场景规则集、车内规则集、云端规则集等等。
57.在方框404，可以从规则集定义器获得规则集。在本文中，获得的规则集可以包括场景规则集、车内规则集和云端规则集中的一个或多个。在一些例子中，可以由规则集定义器预先向车辆或云端提供这些规则集或者由车辆或云端实时地向规则集定义器请求这些规则集。
58.在方框406，可以获得车辆的上下文信息，其中上下文信息可以是因素形式且其中的每个因素可以被识别或分类为车机端因素或云端因素。
59.在框408，基于预定的场景规则集来判断当前场景是综合场景还是纯车内场景。在本文中，如果确定获得的上下文信息中的所有因素均为车机端因素，则可以将当前场景判断为纯车内场景；如果确定获得的上下文信息中的因素包括车机端因素和云端因素的组合，则可以将当前场景判断为综合场景。在一些例子中，综合场景指的是包括车内场景和云端场景二者或涉及车内处理和云端服务器处理二者的场景。如果判断为不是综合场景(即为纯车内场景)，则过程进行到方框410。
60.在方框410，基于在方框404从规则集定义器获得的车内规则集以及在方框406获得的上下文信息，可以识别出纯车内场景下的具体场景。在一些例子中，识别具体场景可以进一步包括以下操作：基于获得的上下文信息和车内规则集来确定车内规则集中与上下文信息(例如其中的车机端因素)相匹配的特定规则；以及根据该特定规则来识别具体的纯车内场景。
61.在方框412，基于在方框410识别出的纯车内场景来执行车内操作。在一些例子中，车内操作可以包括向用户发出提示，或者指示车内的部件自动执行动作，例如加速、降速、停车、开启/关闭空调等等。
62.在一个实施例中，如果在框408判断当前场景是综合场景，则过程进行到方框414和方框422。
63.在方框414，基于在方框404从规则集定义器获得的车内规则集以及在方框406获得的上下文信息中的车机端因素，可以识别出综合场景下的具体的车内场景。
64.在方框416，基于识别的车内场景，根据车机端因素生成车内场景信号。
65.在方框418，将生成的车内场景信号发送给云端服务器。
66.在方框420，在云端服务器分析信号以识别车内场景信号，例如由云端服务器中的信号识别器执行该操作，以及将识别出的车内场景信号提供给云端场景引擎。
67.在方框422，基于在方框404从规则集定义器获得的云端规则集以及在方框406获得的上下文信息中的云端因素，可以识别云端场景。
68.在方框424，可以基于所识别的云端场景来生成云端场景的定义并将其提供至云端场景引擎。
69.在方框426，云端场景引擎接收云端场景的定义、车内场景信号以及可选的云端场景上下文信息来识别具体的综合场景。
70.在方框428，由云端场景引擎或云端服务器基于识别的具体综合场景来生成综合场景信号并向车辆或车辆的用户发送综合场景信号，例如向用户发出提示信号“车辆需要加油，相距2.5公里处的加油站正在做促销”或“车辆需要加油，相距3公里处的加油站是您喜欢的加油站品牌”等等。
71.基于图4的流程图，在此处分别以“纯车内加油场景”、“综合加油场景”和“收取快递包裹的综合场景”为例来描述用于车辆的分布式场景引擎的方法的具体过程，如下所示。
72.针对上述场景的任意一种场景，方框402和404的操作可以是相同的。例如，在方框402中，在规则集定义器中预先定义的场景规则可以包括但不限于《剩余油量低于阈值，纯车内场景》、《剩余油量低于阈值 加油站的促销信息，综合场景》、《进入家的电子围栏 收取快递包裹信息，综合场景》。车内规则可以包括但不限于《剩余油量低于阈值，加油场景》、《电子围栏信息，位置场景》；而云端规则可以包括但不限于《加油站的促销信息，加油场景》、《快递包裹信息，位置场景》。
73.针对“纯车内加油场景”的例子，当在方框406处获得的车辆上下文信息中仅包括车机端因素时，例如从油箱传感器获得的低油量信息(例如剩余油量低于阈值，属于车机端因素)，则基于从规则集定义器处获得(如方框404处所示)的场景规则《车机端因素，纯车内场景》，可以在框408处判断出当前场景为纯车内场景而非综合场景(即判断结果为“否”)，则流程可以进行到框410。基于在方框404获得的车内规则《剩余油量低于阈值，加油场景》，以及在方框406处获得的低油量信息，可以识别出(如方框410所示)当前的具体场景为“加油场景”。基于识别出的“加油场景”，可以在车内执行操作，例如向用户发出诸如“需要加油”之类的提示。
74.针对“综合加油场景”的例子，当在方框406处获得的车辆上下文信息包括车机端因素和云端因素二者时，例如从油箱传感器获得的低油量信息(属于车机端因素)、从云端服务器获得的附近某个或某些加油站的促销信息(属于云端因素)，则基于从规则集定义器处获得(如方框404处所示)的场景规则《车机端因素 云端因素，综合场景》，可以在框408处判断出当前场景为综合场景(即判断结果为“是”)，则流程可以进行到方框414和方框422。基于在方框404获得的车内规则，例如但不限于：《剩余油量低于阈值，加油场景》，以及上下文信息中的车机端因素(低油量信息)，可以识别出(如方框414所示)当前的具体车内场景为“加油场景”。基于识别出的“加油场景”，可以生成车内场景信号(如方框416所示)，该信号可以指示车辆需要加油，以及可选地还可以指示车辆位置信息、车辆id、用户id等。将该信号(例如以场景码的形式)发送至云端(如方框418所示)。云端服务器接收该信号并对其进行分析，以识别出该信号指示的信息为“车辆需要加油”(如方框420所示)。此外，基于上
下文信息中的云端因素“加油站的促销消息”和在框404处获得的云端规则《加油站的促销信息，加油场景》可以识别具体的云端场景为“加油场景”(如框422所示)。将识别的云端场景的定义如“加油场景”和对应的上下文信息(例如云端因素“加油站的促销消息”和车辆当前相距加油站的距离)提供给云端场景引擎(如框424所示)，以基于车内场景信号和云端场景的定义识别出具体的综合场景(如框426所示)，从而生成综合场景信号(例如指示信息“车辆需要加油，相距2.5公里处的加油站正在做促销”的信号)并将该综合场景信号发送给车辆或车辆的用户(如框428所示)。
75.针对“收取快递包裹的综合场景”的例子，当在方框406处获得的车辆上下文信息包括车机端因素和云端因素二者时，例如从位置传感器获得的关于车辆进入家的电子围栏的信息(属于车机端因素)、从云端服务器获得的与该用户有关的快递信息(属于云端因素)，则基于从规则集定义器处获得(如方框404处所示)的场景规则《车机端因素 云端因素，综合场景》，可以在框408处判断出当前场景为综合场景(即判断结果为“是”)，则流程可以进行到框414。基于在方框404获得的车内规则《电子围栏信息，位置场景》，以及上下文信息中的车机端因素“进入家的电子围栏”，可以识别出(如方框414所示)当前的具体车内场景为“位置场景”。基于识别出的“位置场景”，可以生成车内场景信号(如方框416所示)，该信号可以指示车辆进入家的电子围栏，以及可选地还可以指示车辆的详细位置信息、车辆id、用户id等。将该信号(例如以场景码的形式)发送至云端(如方框418所示)。云端服务器接收该信号并对其进行分析(如方框420所示)，以识别出该信号指示的信息为“车辆进入家的电子围栏”。此外，基于上下文信息中的云端因素“与用户有关的快递信息”和在框404处获得的云端规则《快递包裹信息，位置场景》可以识别云端场景为“位置场景”(如框422所示)。将识别的云端场景的定义如“位置场景”和对应的上下文信息(例如云端因素“与用户有关的快递包裹信息”和/或关于当前位置是否有包裹待取的信息)提供给云端场景引擎(如框424所示)，以识别出具体的综合场景(如框426所示)，从而生成综合场景信号(例如指示信息“家附近的某快递柜有包裹待取”的信号)并将该综合场景信号发送给车辆或车辆的用户(如框428所示)。
76.需要理解的是，上述场景例子仅为便于理解图4所述过程而做出的示例性描述，而并非是对纯车内场景和综合场景的任何限制。
77.图5示出了按照本发明的一个实施例的用于对车辆上下文信息的因素进行分类的示例方法500的流程示意图。该方法500可以是在执行图4中的框408处的综合场景判断操作之前执行的过程。
78.在框502处基于预定规则对获得的上下文信息的来源进行判断，以判断获得的上下文信息是否来自于车辆内部。在本文中，获得的上下文信息可以是因素形式且可以包括车内信息和/或车外信息。例如，可以将通过车辆的传感器获取的信息的来源确定为车内来源以及将这样的信息识别为车内信息，可以将通过云端查询或从云端获取的信息的来源确定为云端来源以及将这样的信息识别为车外信息。
79.如果在框502处判断的结果为是，则流程可以转到框504，在此进一步通过车内规则引擎(也可以称作为车机端规则引擎)基于车辆上下文信息判断上下文信息的因素是否为车机端因素。
80.如果在框504处判断的结果为是，则流程可以转到框508，在此可以将所获得的因
素确定为车机端因素。
81.如果在框504处判断的结果为否，则流程可以转到框506，在此可以基于静态数据来判断所获得的因素是否为车机端因素。在本文中，静态数据可以指与车辆有关的基本不变的因素，例如但不限于车辆的型号或id、车辆部件信息、用户id、电子围栏数据、节假日时间等。
82.如果在框506处的判断结果为是，则流程可以转到框508，在此可以将获得的信息确定为车机端因素。如果在框506处的判断结果为否，则流程可以转到框510。在框510处，该方法可以进一步基于因素取值的动态变化来判断所获得的因素是否为车机端因素。如果在框510处的判断结果为否，即因素取值动态变化低于阈值，例如因素取值动态变化不大且容易感知到变化，则流程可以转到框508，在此可以将获得的因素确定为车机端因素。
83.如果在框510处的判断结果为是，即因素取值动态变化大于或等于阈值，例如因素取值动态变化较大且难以感知到变化，则流程可以转到框512，在此可以将获得的因素确定为云端因素。
84.此外，如果在框502处的判断结果为否，即所获得的信息或因素来源于车外，则流程可以转到框510，以判断所获得的因素的取值动态变化是否大于或等于阈值。如果判断结果为是，即因素的取值动态变化大于或等于阈值，例如因素取值的动态变化较大且难以感知到变化，则流程可以转到框512，在此将来自车外的该因素确定为云端因素。如果判断结果为否，即因素的取值动态变化小于阈值，例如因素取值动态变化不大且容易感知到变化，则流程可以转到框508，在此可以将来自车外的该因素确定为车机端因素。
85.在进一步的实施例中，如果获得的上下文信息中的因素全部都为车机端因素，则可以将当前场景判断为纯车内场景；如果获得的因素为车机端因素和云端因素的组合，则可以将当前场景判断为综合场景。
86.基于图5的因素分类过程，可以针对获得的不同上下文信息或因素进行分类。举例而言，当获得的上下文信息是剩余燃油量低于阈值时，可以在框502处判断该因素来源于车内并且过程转到框504；在框504可以基于上下文判断该因素为车机端因素，从而过程可以转到框508。在另一个例子中，当获得的上下文信息是电子围栏因素时，可以在框502处判断该因素来源于车内并且过程转到框504；在框504可以基于上下文判断该因素不是车机端因素，从而过程可以转到框506；在框506可以基于预先下发到车辆的静态数据(例如电子围栏数据)判断该因素为车机端因素，继而过程转到框508。
87.在又一个例子中，当获得的上下文信息是当前所在城市(例如北京)时，例如通过车内gps获得，在框502处的判断结果为是，继而过程转到框504；在框504处，基于上下文可以判断因素“当前所在城市(北京)”不是车机端因素，从而过程继续进行到框506；在框506处，基于下发的静态数据可以判断出该因素不是车机端因素，继而过程转到框510，以判断该因素的取值动态变化是否大于等于阈值。由于因素“当前所在城市”的取值基本不变或者变化较小，因此，在框510处的判断结果为否，从而过程转到框508将该因素分类为车机端因素。
88.在一些例子中，如果获得的上下文信息或因素是用户偏好或支付服务(例如开通免密服务)，则在框502处可以判断出该因素不是来源于车内，即判断结果为否，从而过程转到框510。由于用户偏好或开通免密服务的取值基本不变或变化不大，因此在框510处的判
断结果为否(即因素取值动态变化小于阈值)，继而过程转到框508以将该因素分类为车机端因素。
89.在又一些例子中，如果获得的上下文信息或因素是用户违章信息，则在框502处可以判断出该因素不是来源于车内，即判断结果为否，从而过程转到框510。由于用户违章信息的取值变化不定(难以感知)或变化较大，因此在框510处的判断结果为是(即因素取值动态变化大于或等于阈值)，继而过程转到框512以将该因素分类为云端因素。
90.需要理解的是，上述例子仅为便于理解图5所述过程而做出的示例性描述，而并非是对获得的上下文信息或因素以及相应分类过程的任何限制。
91.图6示出了按照本发明的一个实施例的在车内场景引擎处执行的、用于车辆的分布式场景引擎的方法600的示例图。
92.在方框602，可以获得车辆的上下文信息。在一些例子中，上下文信息包括车内信息和车外信息，以及获得车辆的上下文信息进一步包括：从车辆的传感器获得车内信息，以及从云端接收车外信息。在一些例子中，可以将所获得的上下文信息中的每个因素分类为车机端因素和云端因素。
93.在方框604，可以基于上下文信息和预定规则集来判断车辆所处的当前场景是综合场景还是纯车内场景。在一个实施例中，综合场景包括车内场景和云端场景的组合。在一个例子中，当所述当前场景被判断是纯车内场景时，至少基于上下文信息和预定的车内规则集来执行车内操作。在进一步的例子中，该方法还包括：确定与上下文信息匹配的车内规则集中的特定规则；根据特定规则来识别纯车内场景；以及基于纯车内场景来执行车内操作，其中，车内操作包括向车辆的用户发出提示或控制车辆的部件自动执行动作。在一些实施例中，判断当前场景是综合场景还是纯车内场景进一步包括：根据预定规则集，当上下文信息中的所有因素均为车机端因素时，将当前场景判断为纯车内场景；以及当上下文信息包括车机端因素和云端因素的组合时，将当前场景判断为综合场景。
94.在方框606，当所述当前场景被判断是综合场景时，可以基于上下文信息针对综合场景中的车内场景生成车内场景信号。在一些例子中，生成车内场景信号进一步包括：基于车机端因素和预定的车内规则集来识别车内场景；以及基于所识别的车内场景的定义来生成车内场景信号。
95.在方框608，可以将车内场景信号发送给云端服务器。在一些实施例中，车内场景信号可以用于使得云端服务器至少基于车内场景信号和对应的上下文信息来识别综合场景，以及基于所识别的综合场景生成综合场景信号。
96.可选地，该方法600还可以包括：从云端服务器接收所生成的综合场景信号；以及根据综合场景信号来执行操作，其中，所述操作包括向车辆的用户发出提示和/或控制车辆的部件自动执行动作。虽然图中未示出，但需要理解的是，在方法600中还可以利用本文中描述的任何其它操作来增加、减少或修改该方法中的步骤。
97.图7示出了按照本发明的另一个实施例的在云端场景引擎处执行的、用于车辆的分布式场景引擎的方法700的示例图。
98.在方框702，获得车辆的车外信息。
99.在方框704，从车辆接收车内场景信号。
100.在方框706，根据预定的云端规则集，基于车外信息和车内场景信号来识别综合场
景。在一个实施例中，识别综合场景进一步包括：将车外信息中的每个因素分类为车机端因素或云端因素；基于云端规则集和云端因素来识别云端场景；生成所识别的云端场景的定义；分析车内场景信号；基于所分析的车内场景信号、云端场景的定义识别综合场景。
101.在方框708，基于所识别的综合场景来生成综合场景信号。
102.在方框710，将综合场景信号发送给车辆或车辆的用户，以使得在车辆中基于综合场景信号来执行操作，其中，操作包括向用户发出提示。
103.虽然图中未示出，但需要理解的是，在方法700中还可以利用本文中描述的任何其它操作来增加、减少或修改该方法中的步骤。
104.图8示出了按照本发明的一个实施例的在车内场景引擎处的、用于车辆的分布式场景引擎的装置800的示意图。图8所示的装置800可以利用软件、硬件或软硬件结合的方式来实现。
105.如图8所示，装置800可以包括获得模块802、判断模块804、生成模块806和发送模块808。
106.获得模块802可以用于获得车辆的上下文信息。
107.判断模块804可以用于基于上下文信息和预定规则集来判断车辆所处的当前场景是综合场景还是纯车内场景，其中，综合场景包括车内场景和云端场景的组合。
108.生成模块806可以用于当所述当前场景被判断是综合场景时，基于上下文信息针对综合场景中的车内场景生成车内场景信号。
109.发送模块808可以用于将所述车内场景信号发送给云端，以使得在云端至少基于车内场景信号和对应的上下文信息来识别综合场景，以及基于所识别的综合场景生成综合场景信号。
110.可选地，装置800还可以包括：分类模块，用于将上下文信息中的每个因素分类为车机端因素或云端因素。在一个例子中，判断模块804进一步用于：根据预定规则集，当上下文信息中的所有因素均为车机端因素时，将当前场景判断为纯车内场景；以及当上下文信息包括车机端因素和云端因素的组合时，将当前场景判断为综合场景。虽然图中未示出，但需要理解的是，在装置800中还可以利用用于执行本文中描述的任何其它操作的模块来增加、减少或修改该装置中的模块。
111.图9示出了按照本发明的一个实施例的在云端场景引擎处的、用于车辆的分布式场景引擎的装置900的示意图。图9所示的装置900可以利用软件、硬件或软硬件结合的方式来实现。
112.如图9所示，装置900可以包括获得模块902、接收模块904、识别模块906、生成模块908和发送模块910。
113.在一个实施例中，获得模块902可以用于获得车辆的车外信息。接收模块904可以用于从车辆接收车内场景信号。识别模块906可以用于根据预定的云端规则集，基于车外信息和车内场景信号来识别综合场景。生成模块908可以用于基于所识别的综合场景生成综合场景信号。发送模块910可以用于将综合场景信号发送给所述车辆。在一个例子中，所述识别模块906还用于基于云端规则集和车外信息来识别云端场景。
114.可选地，装置900还可以包括：分类模块，其可以用于将车外信息中的每个因素分类为车机端因素或云端因素；另一生成模块，用于生成所识别的云端场景的定义；以及分析
模块，用于分析车内场景信号。在一个例子中，识别模块906进一步基于云端规则集和云端因素来识别云端场景，以及基于所识别的车内场景信号、云端场景的定义识别综合场景。虽然图中未示出，但需要理解的是，在装置900中还可以利用用于执行本文中描述的任何其它操作的模块来增加、减少或修改该装置中的模块。
115.图10示出了按照本发明的一个实施例的用于车辆的分布式场景引擎的设备1000的示意图。
116.如图10所示，设备1000可以包括处理器1002和存储器1004，其中，存储器1004用于存储可执行指令，所述可执行指令当被执行时使得处理器1002执行图4所示的方法400和/或图5所示的方法500和/或图6所示的方法600和/或图7所示的方法700。
117.本发明实施例还提供一种机器可读介质，其上存储有可执行指令，当所述可执行指令被执行时，使得机器执行图4所示的方法400和/或图5所示的方法500和/或图6所示的方法600和/或图7所示的方法700。
118.应当理解，以上描述的方法中的所有操作都仅仅是示例性的，本公开并不限制于方法中的任何操作或这些操作的顺序，而是应当涵盖在相同或相似构思下的所有其它等同变换。还应当理解，以上描述的装置中的所有模块都可以通过各种方式来实施。这些模块可以被实施为硬件、软件、或其组合。此外，这些模块中的任何模块可以在功能上被进一步划分成子模块或组合在一起。
119.已经结合各种装置和方法描述了处理器。这些处理器可以使用电子硬件、计算机软件或其任意组合来实施。这些处理器是实施为硬件还是软件将取决于具体的应用以及施加在系统上的总体设计约束。作为示例，本公开中给出的处理器、处理器的任意部分、或者处理器的任意组合可以实施为微处理器、微控制器、数字信号处理器(dsp)、现场可编程门阵列(fpga)、可编程逻辑器件(pld)、状态机、门逻辑、分立硬件电路、以及配置用于执行在本公开中描述的各种功能的其它适合的处理部件。本公开给出的处理器、处理器的任意部分、或者处理器的任意组合的功能可以实施为由微处理器、微控制器、dsp或其它适合的平台所执行的软件。
120.本领域技术人员应当理解，以上公开的各个实施例可以在不偏离发明实质的情况下做出各种修改和变形，这些修改和变形都应当落入本发明的保护范围之内，并且，本发明的保护范围应当由权利要求书来限定。