一种基于机器学习的车辆OTA推送系统和方法与流程

一种基于机器学习的车辆ota推送系统和方法
技术领域
1.本发明属于车辆ota升级的技术领域，具体涉及一种基于机器学习的车辆ota推送系统和方法。


背景技术：

2.ota（over－the－air technology）空中下载技术，应用到汽车上就是通过移动通信实现车上软件更新的技术。ota升级的消息推送是ota升级中不可缺少的环节，用户接收到ota升级的消息推送后根据当前情况选择升级或不升级，如中国专利cn202022612603.0 一种基于ota的车辆ecu升级系统。
3.目前，用户在接收到车辆ota升级的消息推送时，选择ota升级的概率较低，导致用户选择ota升级的概率低下的原因主要有：ota升级不稳定，迭代内容对用户没有吸引力，ota升级体验不佳等。其中，ota升级体验主要体现在ota升级消息推送的时机，如给用户推送ota升级的时间、环境、车辆状态等，当推送时机不符合用户习惯时，就会导致用户放弃ota升级，在错误的时机给用户进行ota升级推送，如当用户着急用车的时候推送或者车辆在不适合的地点进行推送等，容易引起用户反感，甚至引来用户投诉；中国专利cn202010805461.1 一种ota升级控制方法及tsp平台，该方案所述ota升级控制方法，用户可以设置期望推送ota升级的时间，但是设定的推送时间是固定不变的，无法随不同的用车场景进行改变，导致设定的推送时间在部分时候与用户的用车需求或期望冲突。
4.另外，现行业内为了提升车辆ota升级体验，缓解因推送时机和场景不合适导致的用户反感，采取推送后用户可选择锁车或时间预约的方式进行升级；但这种方式也存在如下缺陷：一是体验的滞后性，这种升级方式需要用户在推送后需要进一步执行锁车升级或预约升级的选择操作，对于推送本身造成的用户抱怨，实际改善作用不大，用户也未必会进一步选择锁车或预约升级；二是推送时机和场景依然无法契合用户的“心意”。这种方式其实是一种针对所有用户的统一处理，然而实际不同的用户对升级推送的时间和场景需求是不同的。


技术实现要素：

5.针对现有技术的上述不足，本发明要解决的技术问题是提供一种基于机器学习的车辆ota推送系统和方法，解决目前因ota升级的推送时机不合理而导致选择升级的概率较低的问题，取得提高升级推送合理性和车辆ota升级体验的效果。
6.为解决上述技术问题，本发明采用如下技术方案：一种基于机器学习的车辆ota推送系统，包括搭载于车辆上的车端ota模块、车机和传感设备以及设于云端的ota管理平台和推送引擎；车端ota模块分别与车机和传感设备电连接，车端ota模块与ota管理平台无线通信连接；车机和传感设备用于获取用户升级参数并传递至车端ota模块，车端ota模块用于上传用户升级参数至ota管理平台和执行ota升级任务，ota管理平台用于上传用户升级参
数至推送引擎、向车端ota模块推送ota升级任务和运行ota推送模型，ota推送模型用于根据用户升级参数判断是否推送ota升级任务，推送引擎用于根据用户升级参数训练ota推送模型。
7.进一步地，用户升级参数指车辆当前的场景数据，所述场景数据包括时间信息、位置信息、道路信息和车辆状态信息。
8.进一步地，车端ota模块分别与车机和传感设备通过can总线连接或eth通信连接。
9.本发明还包括一种基于机器学习的车辆ota推送方法，该方法使用如上所述一种基于机器学习的车辆ota推送系统，包括如下步骤：1）车端ota模块通过车机和传感设备获取用户升级参数；2）ota管理平台判断是否推送ota升级任务，是，则执行步骤3）；3）ota管理平台向车端ota模块推送ota升级任务；4）车端ota模块向ota管理平台反馈用户是否选择ota升级，是，则执行步骤6），否，则执行步骤5）；5）车端ota模块保持推送状态，等待用户选择ota升级；6）推送引擎训练ota推送模型；进一步地，步骤2）中，ota管理平台根据用户升级参数和ota推送模型判断是否推送ota升级任务。
10.进一步地，步骤6）包括如下子步骤：61）车端ota模块通过车机和传感设备获取用户选择ota升级时的用户升级参数；62）将步骤61）中的用户升级参数定义为升级命中参数；63）车端ota模块通过ota管理平台将升级命中参数传输至推送引擎；64）推送引擎利用升级命中参数训练ota推送模型。
11.相比现有技术，本发明的有益效果如下：本发明所述一种基于机器学习的车辆ota推送方法基于上述一种基于机器学习的车辆ota推送系统进行，其核心思路是在每次有升级任务时，采集用户升级参数即车辆当前的环境数据，ota推送模型根据用户升级参数判断此时是否适合推送ota升级任务；同时，将每次用户选择ota升级时的用户升级参数定义为升级命中参数，利用升级命中参数对ota推送模型进行训练升级，用户升级的次数越多，ota推送模型就被训练得越发完善，这样，后续ota推送模型根据用户升级参数判断此时是否适合推送ota升级任务就会更加准确，更符合用户的升级习惯，可有效解决目前因ota升级的推送时机不合理而导致选择升级的概率较低的问题，取得提高升级推送合理性和车辆ota升级体验的效果。
附图说明
12.图1为实施例的一种基于机器学习的车辆ota推送系统的组成框图；图2为实施例的一种基于机器学习的车辆ota推送方法的流程图。
具体实施方式
13.下面结合附图对本发明的具体实施方式作进一步的详细说明。
14.实施例：
请参见图1，一种基于机器学习的车辆ota推送系统，包括搭载于车辆上的车端ota模块、车机（可用具有网联功能和地图功能的soc代替）、传感设备和设于云端的ota管理平台、推送引擎；车端ota模块分别与车机和传感设备通过can总线连接或eth（以太网）通信连接，车端ota模块与ota管理平台无线通信连接；车机和传感设备用于获取用户升级参数并传递至车端ota模块，车端ota模块用于上传用户升级参数至ota管理平台、用于执行ota升级任务，ota管理平台用于上传用户升级参数至推送引擎、用于向车端ota模块推送ota升级任务、用于运行ota推送模型，ota推送模型用于根据用户升级参数判断是否推送ota升级任务，推送引擎用于根据用户升级参数训练ota推送模型；其中，用户升级参数指车辆当前的场景数据，所述场景数据包括时间信息、位置信息、道路信息和车辆状态信息。
15.请参见图2，本发明还包括一种基于机器学习的车辆ota推送方法，该方法使用如上所述一种基于机器学习的车辆ota推送系统，包括如下步骤：1）车端ota模块通过车机和传感设备获取用户升级参数；2）ota管理平台根据用户升级参数和ota推送模型判断是否推送ota升级任务，是，则执行步骤3）；3）ota管理平台向车端ota模块推送ota升级任务；4）车端ota模块向ota管理平台反馈用户是否选择ota升级，是，则执行步骤6），否，则执行步骤5）；5）车端ota模块保持推送状态，等待用户选择ota升级；6）推送引擎训练ota推送模型；包括如下子步骤：61）车端ota模块通过车机和传感设备获取用户选择ota升级时的用户升级参数；62）将步骤61）中的用户升级参数定义为升级命中参数；63）车端ota模块通过ota管理平台将升级命中参数传输至推送引擎；64）推送引擎利用升级命中参数训练ota推送模型。
16.本发明所述一种基于机器学习的车辆ota推送方法基于上述一种基于机器学习的车辆ota推送系统进行，其核心思路是在每次有升级任务时，采集用户升级参数即车辆当前的环境数据，ota推送模型根据用户升级参数判断此时是否适合推送ota升级任务；同时，将每次用户选择ota升级时的用户升级参数定义为升级命中参数，利用升级命中参数对ota推送模型进行训练升级，用户升级的次数越多，ota推送模型就被训练得越发完善，这样，后续ota推送模型根据用户升级参数判断此时是否适合推送ota升级任务就会更加准确，更符合用户的升级习惯，可有效解决目前因ota升级的推送时机不合理而导致选择升级的概率较低的问题，取得提高升级推送合理性和车辆ota升级体验的效果。
17.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。