CN111047292A - 智能交通工具、智能设备及智能出行提醒方法 - Google Patents

Abstract

本申请涉及智能提醒技术领域，提供一种智能交通工具、智能设备及智能出行提醒方法，首先获取用户的业务预订指令，根据所述业务预订指令获取用户的预订意图，获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案，根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案，在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。本申请能够给用户提供智能快捷的业务预订功能，方便用户进行方便的出行行动，而且能够针对用户的个性习惯，提供自动设置的多种事项提醒功能，避免遗忘或者错过重要日程，改善用户体验。

Description

智能交通工具、智能设备及智能出行提醒方法

技术领域

本申请涉及智能提醒技术领域，具体涉及一种智能出行提醒方法，以及应用所述智能出行提醒方法的智能设备和智能交通工具。

背景技术

随着生活水平的不断改善，汽车在人们的生活中越来越普遍，逐步成为城市和乡村的人们生活中不可或缺的交通工具之一。

同时，人们不再简单的定义汽车为交通运输工具与代步工具，汽车的安全性、环保性、舒适性以及娱乐性等方面的需求越来越大。同时，现有的手机等智能设备以及车机设备等，可以实现业务处理功能，比如用于预定出行计划等。但是，在用户设置出行计划等日程之后，用户还需要额外设置日程小助手或者闹钟等，才能在到达出发日期时，通过闹钟提醒用户相关事项，这给用户带来很大的不便，缺乏智能功能。

针对现有技术的多方面不足，本申请的发明人经过深入研究，提出一种智能交通工具、智能设备及智能出行提醒方法。

发明内容

本申请的目的在于，提供一种智能交通工具、智能设备及智能出行提醒方法，能够给用户提供智能快捷的业务预订功能，方便用户进行方便的出行行动，而且能够针对用户的个性习惯，提供自动设置的多种事项提醒功能，避免遗忘或者错过重要日程，改善用户体验。

为解决上述技术问题，本申请提供智能出行提醒方法，作为其中一种实施方式，所述智能出行提醒方法包括：

获取用户的业务预订指令；

根据所述业务预订指令获取用户的预订意图；

获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案；

根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案；

在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。

作为其中一种实施方式，所述根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案的步骤，具体包括：根据所述业务预订方案设置在目标时间段、处在目标位置、或同时满足目标时间段和目标位置时进行提醒的智能提醒方案，其中，所述智能提醒方案包括声音闹钟、发起短信息提醒、拨打电话提醒和通过第三方间接提醒的其中之一或任意组合。

作为其中一种实施方式，所述获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理的步骤，具体包括：

采集用户的历史数据信息生成标记文件；

根据所述标记文件和局部回归神经网络的输入与输出生成训练样本；

采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值；

根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。

作为其中一种实施方式，所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括：

解析所述标记文件；

抓取所述标记文件中的训练历史数据信息；

根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。

作为其中一种实施方式，所述采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：

判断内容分发网络服务器是否可用；

在所述内容分发网络服务器可用的情况下，向所述内容分发网络服务器发送所述训练样本，其中，所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值；在所述内容分发网络服务器不可用的情况下，由设备自身根据所述训练样本，采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。

作为其中一种实施方式，所述采用差分进化算法，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：

所述局部回归神经网络根据所述训练样本初始化种群及算法参数；

确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；

依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；

在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。

作为其中一种实施方式，所述用户的历史数据信息至少包括以下之一：用户的出行次数、出行工具选择、出行时间段选择和总费用；所述训练样本，至少包括以下之一：出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。

作为其中一种实施方式，所述获取用户的业务预订指令的步骤，具体包括：

获取用户语音输入的业务预订指令；

通过声纹识别技术进行身份识别和鉴权验证；

在声纹识别技术进行身份识别和鉴权验证通过后，采用语义识别技术识别得到所述业务预订指令。

为解决上述技术问题，本申请还提供一种智能设备，作为其中一种实施方式，所述智能设备包括存储器和处理器，所述存储器存储有智能出行规划程序，所述处理器用于执行智能出行规划程序，以实现包括如上所述的智能出行提醒方法的步骤。

为解决上述技术问题，本申请还提供一种智能交通工具，作为其中一种实施方式，所述智能交通工具配置有如上所述的智能设备。

本申请提供的智能交通工具、智能设备及智能出行提醒方法，首先获取用户的业务预订指令，根据所述业务预订指令获取用户的预订意图，获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案，根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案；在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。本申请能够给用户提供智能快捷的业务预订功能，方便用户进行方便的出行行动，而且能够针对用户的个性习惯，提供自动设置的多种事项提醒功能，避免遗忘或者错过重要日程，改善用户体验。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。

附图说明

图1为本申请智能出行提醒方法一实施方式的流程示意图。

图2为本申请智能设备一实施方式的模块示意图。

具体实施方式

为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本申请智能交通工具、智能设备及智能出行提醒方法的具体实施方式、智能出行提醒方法、步骤、特征及其效果，详细说明如下。

有关本申请的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段及效果得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用,并非用来对本申请加以限制。

请参阅图1，图1为本申请智能出行提醒方法一实施方式的流程示意图。

需要说明的是，本实施方式所述智能出行提醒方法可以应用于手机、平板电脑、车机设备等智能终端上，其可以包括但不限于如下几个步骤。

步骤S101，获取用户的业务预订指令；

步骤S102，根据所述业务预订指令获取用户的预订意图；

步骤S103，获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案；

步骤S104，根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案；

步骤S105，在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。

其中，在通过所述智能提醒方案提醒用户之后，可以获取用户的反馈，比如“确认”、“稍后提醒”或者“忽略”等响应操作，进而执行不同的处理方式，比如如果选择“稍后提醒”，那么可以在预设时间后再次提醒等。

在本实施方式中，所述根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案的步骤，具体包括：根据所述业务预订方案设置在目标时间段、处在目标位置、或同时满足目标时间段和目标位置时进行提醒的智能提醒方案，所述智能提醒方案包括声音闹钟、发起短信息提醒、拨打电话提醒和通过第三方间接提醒的其中之一或任意组合。

具体而言，比如用户的业务预订方案是7：20到虹桥机场坐飞机到合肥，那么，对应的目标时间段可以根据用户的位置以及路况等，设置具体的时间，比如预计耗时需要一小时，那么，可以设置6：00的目标时间段；或者，比如，用户的业务预订方案是7：20到虹桥机场坐飞机到合肥，那么，对应的目标位置可以在离虹桥机场10公里的范围内，用户在进入所述10公里范围内或者离开所述10公里范围内，均可以触发提醒，避免用户离开这个范围而无法及时赶上飞机。当然，也可以通过目标时间段和目标位置进行综合提醒的方式，在此不作限定。

需要指出的是，本实施方式所述获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理的步骤，具体包括如下步骤：

S31，采集用户的历史数据信息生成标记文件；

S32，根据所述标记文件和局部回归神经网络的输入与输出生成训练样本；

S33，采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值；

S34，根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。

其中，容易理解的是，本实施方式还可以在预设的时间间隔更新所述训练样本。

进一步而言，本实施方式所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括如下步骤：

步骤S41，解析所述标记文件；

步骤S42，抓取所述标记文件中的训练历史数据信息；

步骤S43，根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。

需要指出的是，本实施方式所述采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：判断内容分发网络服务器是否可用；在所述内容分发网络服务器可用的情况下，向所述内容分发网络服务器发送所述训练样本，其中，所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值；在所述内容分发网络服务器不可用的情况下，由设备自身根据所述训练样本，采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。

在具体的实施方式中，所述采用差分进化算法，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体可以包括如下实施过程：

S51，所述局部回归神经网络根据所述训练样本初始化种群及算法参数；

S52，确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；

S53，依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；

S54，在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。

需要补充说明的是，本实施方式所述用户的历史数据信息至少包括以下之一：用户的出行次数、出行工具选择、出行时间段选择和总费用；所述训练样本，至少包括以下之一：出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。

此外，本实施方式所述获取用户的业务预订指令的步骤，具体可以包括：

S61，获取用户语音输入的业务预订指令；

S62，通过声纹识别技术进行身份识别和鉴权验证；

S63，在声纹识别技术进行身份识别和鉴权验证通过后，采用语义识别技术识别得到所述业务预订指令。

本申请能够给用户提供智能快捷的业务预订功能，方便用户进行方便的出行行动，而且能够针对用户的个性习惯，提供自动设置的多种事项提醒功能，避免遗忘或者错过重要日程，改善用户体验。

请参阅图2，本申请还提供一种智能设备，作为其中一种实施方式，所述智能设备包括存储器20和处理器21，所述存储器20存储有智能出行规划程序，所述处理器21用于执行智能出行规划程序，以实现包括如上所述的智能出行提醒方法的步骤。

需要首先说明的是，本实施方式所述智能设备，可以为手机、车机设备、平板电脑等智能用户设备，在此不作限定。

具体而言，所述处理器21用于获取用户的业务预订指令；

所述处理器21用于根据所述业务预订指令获取用户的预订意图；

所述处理器21用于获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案；

所述处理器21用于根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案；在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。

需要说明的是，所述处理器21用于根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案，具体包括：所述处理器21用于根据所述业务预订方案设置在目标时间段、处在目标位置、或同时满足目标时间段和目标位置时进行提醒的智能提醒方案，其中，所述智能提醒方案包括声音闹钟、发起短信息提醒、拨打电话提醒和通过第三方间接提醒的其中之一或任意组合。

具体而言，比如用户的业务预订方案是7：20到虹桥机场坐飞机到合肥，那么，对应的目标时间段可以根据用户的位置以及路况等，设置具体的时间，比如预计耗时需要一小时，那么，可以设置6：00的目标时间段；或者，比如，用户的业务预订方案是7：20到虹桥机场坐飞机到合肥，那么，对应的目标位置可以在离虹桥机场10公里的范围内，用户在进入所述10公里范围内或者离开所述10公里范围内，均可以触发提醒，避免用户离开这个范围而无法及时赶上飞机。当然，也可以通过目标时间段和目标位置进行综合提醒的方式，在此不作限定。

需要指出的是，本实施方式所述获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，具体包括如下步骤：

所述处理器21用于采集用户的历史数据信息生成标记文件；

所述处理器21用于根据所述标记文件和局部回归神经网络的输入与输出生成训练样本；

所述处理器21用于采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值；

所述处理器21用于根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。

其中，容易理解的是，本实施方式还可以在预设的时间间隔更新所述训练样本。

进一步而言，本实施方式所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括如下步骤：

所述处理器21用于解析所述标记文件；

所述处理器21用于抓取所述标记文件中的训练历史数据信息；

所述处理器21用于根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。

需要指出的是，本实施方式所述处理器21用于采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：所述处理器21用于判断内容分发网络服务器是否可用；在所述内容分发网络服务器可用的情况下，向所述内容分发网络服务器发送所述训练样本，其中，所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值；在所述内容分发网络服务器不可用的情况下，由设备自身根据所述训练样本，采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。

在具体的实施方式中，所述处理器21用于采用差分进化算法，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体可以包括如下实施过程：

S51，所述局部回归神经网络根据所述训练样本初始化种群及算法参数；

S52，确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；

S53，依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；

S54，在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。

需要补充说明的是，本实施方式所述用户的历史数据信息至少包括以下之一：用户的出行次数、出行工具选择、出行时间段选择和总费用；所述训练样本，至少包括以下之一：出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。

此外，本实施方式所述处理器21用于获取用户的业务预订指令，具体可以包括：

所述处理器21用于获取用户语音输入的业务预订指令；

所述处理器21用于通过声纹识别技术进行身份识别和鉴权验证；

所述处理器21用于在声纹识别技术进行身份识别和鉴权验证通过后，采用语义识别技术识别得到所述业务预订指令。

本申请能够给用户提供智能快捷的业务预订功能，方便用户进行方便的出行行动，而且能够针对用户的个性习惯，提供自动设置的多种事项提醒功能，避免遗忘或者错过重要日程，改善用户体验。

对应地，本申请还提供一种智能交通工具，作为其中一种实施方式，所述智能交通工具配置有如上所述的智能设备。

具体而言，本实施方式智能交通工具可以为车辆、飞行器或者其他车载设备，在此不作限定。

本实施方式智能交通工具以车辆且所述智能设备以车机设备作为其中一种组合，实现上述的智能出行提醒方法的实施方式。

值得一提的是，本实施方式车辆、车机设备可以采用5G通讯网络技术，可以是一个面向场景化的技术，本申请利用5G技术对车辆(特别是智能网联汽车)起到关键的支持作用，其同时实现连接人、连接物或连接车辆，其具体可以采用下述三个典型应用场景组成。

第一个是eMBB(Enhance Mobile Broadband，增强移动宽带)，使用户体验速率在0.1～1gpbs，峰值速率在10gbps，流量密度在10Tbps/km²；

第二个超可靠低时延通信，本申请可以实现的主要指标是端到端的时间延迟为ms(毫秒)级别；可靠性接近100％；

第三个是mMTC(海量机器类通信)，本申请可以实现的主要指标是连接数密度，每平方公里连接100万个其他终端，10⁶/km²。

通过上述方式，本申请利用5G技术的超可靠、低时延时的特点，结合比如雷达和摄像头等就可以给车辆提供显示的能力，可以跟车辆实现互动，同时利用5G技术的交互式感知功能，用户可以对外界环境做一个输出，不光能探测到状态，还可以做一些反馈等。进一步而言，本申请还可以应用到自动驾驶的协同里面，比如车辆之间进行协作式避碰，车辆编队等，以进行车速整体编队通行，提高通行效率。

此外，本申请还可以利用5G技术实现通信增强自动驾驶感知能力，并且可以满足车内乘客对AR(增强现实)/VR(虚拟现实)、游戏、电影、移动办公等车载信息娱乐，以及高精度的需求。本申请可以实现厘米级别的3D高精度定位地图的下载量在3～4Gb/km，正常车辆限速120km/h(千米/时)下每秒钟地图的数据量为90Mbps～120Mbps(兆比特每秒)，同时还可以支持融合车载传感器信息的局部地图实时重构，以及危险态势建模与分析等。

需要说明的是，本申请还可以应用到自动驾驶层面，利用5G技术可以协助对城市固定路线车辆实现部分智能云控制，对园区、港口的无人驾驶车辆实现基于云的运营优化以及特定条件下的远程显示、控制。

在本申请中，上述系统和智能出行提醒方法，均可以使用到具备车辆TBOX的车辆系统中，即车辆为可以具备车辆TBOX的车辆系统，其还可以连接到车辆的CAN总线上。

在本实施方式中，CAN可以包括三条网络通道CAN_1、CAN_2和CAN_3，车辆还可以设置一条以太网网络通道，其中三条CAN网络通道可以通过两个车联网网关与以太网网络通道相连接，举例而言，其中CAN_1网络通道包括混合动力总成系统，其中CAN_2网络通道包括运行保障系统，其中CAN_3网络通道包括电力测功机系统，以太网网络通道包括高级管理系统，所述的高级管理系统包括作为节点连接在以太网网络通道上的人-车-路模拟系统和综合信息采集单元，所述的CAN_1网络通道、CAN_2网络通道与以太网网络通道的车联网网关可以集成在综合信息采集单元中；CAN_3网络通道与以太网网络通道的车联网网关可以集成在人-车-路模拟系统中。

进一步而言，所述的CAN_1网络通道连接的节点有：发动机ECU、电机MCU、电池BMS、自动变速器TCU以及混合动力控制器HCU；CAN_2网络通道连接的节点有：台架测控系统、油门传感器组、功率分析仪、瞬时油耗仪、直流电源柜、发动机水温控制系统、发动机机油温度控制系统、电机水温控制系统以及发动机中冷温度控制系统；CAN_3网络通道连接的节点有：电力测功机控制器。

优选的所述的CAN_1网络通道的速率为250Kbps，采用J1939协议；CAN_2网络通道的速率为500Kbps，采用CANopen协议；CAN_3网络通道的速率为1Mbps，采用CANopen协议；以太网网络通道的速率为10/100Mbps，采用TCP/IP协议。

在本实施方式中，所述车联网网关支持5G技术的V2X车联网网络，其还可以配备有IEEE802.3接口、DSPI接口、eSCI接口、CAN接口、MLB接口、LIN接口和/或I2C接口。

在本实施方式中，比如，IEEE802.3接口可以用于连接无线路由器，为整车提供WIFI网络；DSPI(提供者管理器组件)接口用于连接蓝牙适配器和NFC(近距离无线通讯)适配器，可以提供蓝牙连接和NFC连接；eSCI接口用于连接4G/5G模块，与互联网通讯；CAN接口用于连接车辆CAN总线；MLB接口用于连接车内的MOST(面向媒体的系统传输)总线，LIN接口用于连接车内LIN(局域互联网络)总线；IC接口用于连接DSRC(专用短程通讯)模块和指纹识别模块。此外，本申请可以通过采用MPC5668G芯片对各个不同协议进行相互转换，将不同的网络进行融合。

此外，本实施方式车辆TBOX系统，Telematics-BOX，简称车载TBOX或远程信息处理器。

本实施方式Telematics为远距离通信的电信(Telecommunications)与信息科学(Informatics)的合成，其定义为通过内置在车辆上的计算机系统、无线通信技术、卫星导航装置、交换文字、语音等信息的互联网技术而提供信息的服务系统。简单的说就通过无线网络将车辆接入互联网(车联网系统)，为车主提供驾驶、生活所必需的各种信息。

此外，本实施方式Telematics是无线通信技术、卫星导航系统、网络通信技术和车载电脑的综合，当车辆行驶当中出现故障时，通过无线通信连接服务中心，进行远程车辆诊断，内置在发动机上的计算机可以记录车辆主要部件的状态，并随时为维修人员提供准确的故障位置和原因。通过用户通讯终端接收信息并查看交通地图、路况介绍、交通信息、安全与治安服务以及娱乐信息服务等，另外，本实施方式的车辆还可以在后座设置电子游戏和网络应用。不难理解，本实施方式通过Telematics提供服务，可以方便用户了解交通信息、临近停车场的车位状况，确认当前位置，还可以与家中的网络服务器连接,及时了解家中的电器运转情况、安全情况以及客人来访情况等等。

本实施方式车辆还可设置ADAS(Advanced Driver Assistant System，先进驾驶辅助系统)，其可以利用安装于车辆上的上述各种传感器，在第一时间收集车内外的环境数据，进行静、动态物体的辨识、侦测与追踪等技术上的处理，从而能够让驾驶者在最快的时间察觉可能发生的危险，以引起注意和提高安全性。对应地，本申请ADAS还可以采用雷达、激光和超声波等传感器，可以探测光、热、压力或其它用于监测车辆状态的变量，通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。不难看出，上述ADAS功能所使用的各种智能硬件，均可以通过以太网链路的方式接入V2X车联网网络实现通信连接、交互。

本实施方式车辆的主机可包括适当的逻辑器件、电路和/或代码以用于实现OSI模型(Open System Interconnection，开放式通信系统互联参考模型)上面五层的运行和/或功能操作。因此，主机会生成用于网络传输的数据包和/或对这些数据包进行处理，并且还会对从网络接受到的数据包进行处理。同时，主机可通过执行相应指令和/或运行一种或多种应用程序来为本地用户和/或一个或多个远程用户或网络节点提供服务。在本申请的不同实施方式中，主机可采用一种或多种安全协议。

在本申请中，用于实现V2X车联网网络的网络连接可以为交换机，其可以具有AVB功能(Audio Video Bridging，满足IEEE802.1的标准集合)，和/或包括有一条或多条非屏蔽双绞线，每一端可以具有8P8C模块连接器。

在一优选实施方式中，V2X车联网网络中具体可以包括车身控制模块BCM、动力总线P-CAN、车身总线I-CAN、组合仪表CMIC、底盘控制装置和车身控制装置。

在本实施方式中，车身控制模块BCM可以集成车联网网关的功能，进行不同网段，即动力总线P-CAN和车身总线I-CAN之间的信号转换及报文转发等，例如，挂接在动力总线上的控制器如需要与挂接在车身总线I-CAN上的控制器进行通信，则要经过车身控制模块BCM进行两者之间的信号转换及转发等。

动力总线P-CAN和车身总线I-CAN分别与车身控制模块BCM相连。

组合仪表CMIC与动力总线P-CAN相连，且组合仪表CMIC与车身总线I-CAN相连。优选地，本实施方式的组合仪表CMIC与不同的总线，如动力总线P-CAN和车身总线I-CAN均相连，当组合仪表CMIC需要获取挂接在任意总线上的控制器信息时，均无需通过车身控制模块BCM进行信号转换以及报文转发，因此，可减轻网关压力、减少网络负载，且提高组合仪表CMIC获取信息的速度。

底盘控制装置与动力总线P-CAN相连。车身控制装置与车身总线I-CAN相连。在一些示例中，底盘控制装置和车身控制装置可分别向动力总线P-CAN和车身总线I-CAN上进行信息等数据广播，以便挂接在动力总线P-CAN或车身总线I-CAN上的其它车载控制器等设备获取该广播的信息，从而实现不同控制器等车载设备之间的通信。

此外，本实施方式车辆的V2X车联网网络，可以使用两条CAN总线，即动力总线P-CAN和车身总线I-CAN，将车身控制模块BCM作为网关，将组合仪表CMIC与动力总线P-CAN和车身总线I-CAN均相连的结构，可以省去了传统方式中组合仪表CMIC挂接在两条总线上的一条上时的底盘控制装置或车身控制装置的信息通过网关转发给组合仪表CMIC的操作，由此，减轻了车身控制模块BCM作为网关的压力，减少了网络负载，且更加方便将多条总线，如动力总线P-CAN和车身总线I-CAN上挂接的车载设备的信息发送至组合仪表CMIC上进行显示、信息传输实时性强。

举例而言，本申请的具体实施方式包括如下：

1.车机设备或手机启动；

2.用户语音说“小E，帮我预定一张去合肥的高铁票，老时间来回”；

3.车机设备或手机的语音助理：“好的，周六早上7:20出发，周日12点回，行程2小时，上海到合肥来回最快的航空高铁了，价格202，确定吗？”；

4.用户操作确定；

5.比如，设置在手机时，用户在办公室开会，手机软件屏幕亮起显示，语音提醒用户，“珍贵的主人，您要去合肥，现在需要去虹桥机场，赶7：20的飞机，请你准备出发”；

6.同时可以提醒用户，“是否需要帮您叫车？”

7.用户说“好的”；

8.用户手机软件显示，正在呼叫专车，用户无需任何输入。

本实施方式可以通过语音唤醒的关键词，使用声纹识别技术等实现用户的身份识别和鉴定，可以通过挖掘用户出行目的地历史的出行时间偏好，优先考虑该时间段，而无需用户再输入时间；还可以优先提示历史出行时间端的出行工具时间；此外，本申请可以通过挖掘用户出行的偏好，比方说高铁票的类型，航班公司，以减少用户输入的次数。

容易理解的是，本申请可以在手机或者车机设备上设置语音助理软件，其比如可以读取用户的预订航班的短信信息或者日历软件，从而得到用户出发的航班，接着可以根据用户当前的位置和路况，来计算用户到达机场时间；进而可以智能地提醒用户出发，并且提示是否叫专车送达，如果用户确定的话就直接叫车。

需要说明的是，本实施方式可以通过语音、声音震动的方式提醒用户，并且需要用户反馈，如果有用户有反馈，然后继续给到用户更多的服务，比如专车等，同时可以提醒用户不要忘记携带东西。

以上所述，仅是本申请的较佳实施例而已，并非对本申请作任何形式上的限制，虽然本申请已以较佳实施例揭露如上，然而并非用以限定本申请,任何熟悉本专业的技术人员，在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容，依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。

Claims (10)

1.一种智能出行提醒方法，其特征在于，所述智能出行提醒方法包括：

获取用户的业务预订指令；

根据所述业务预订指令获取用户的预订意图；

获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理，以得到符合用户预期的业务预订方案；

根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案；

在时间或位置到达触发条件时，通过所述智能提醒方案提醒用户。

2.根据权利要求1所述的智能出行提醒方法，其特征在于，所述根据所述业务预订方案设置用于根据时间和/或位置进行提醒的至少一种智能提醒方案的步骤，具体包括：

根据所述业务预订方案设置在目标时间段、处在目标位置、或同时满足目标时间段和目标位置时进行提醒的智能提醒方案，其中，所述智能提醒方案包括声音闹钟、发起短信息提醒、拨打电话提醒和通过第三方间接提醒的其中之一或任意组合。

3.根据权利要求2所述的智能出行提醒方法，其特征在于，所述获取用户的历史数据信息，根据所述历史数据信息对所述预订意图进行智能处理的步骤，具体包括：

采集用户的历史数据信息生成标记文件；

根据所述标记文件和局部回归神经网络的输入与输出生成训练样本；

采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值；

根据所述局部回归神经网络的权值和阈值获取用户对各出行业务类型的预订意图近似度。

4.根据权利要求3所述的智能出行提醒方法，其特征在于，所述根据标记文件和局部回归神经网络的输入与输出生成训练样本具体包括：

解析所述标记文件；

抓取所述标记文件中的训练历史数据信息；

根据所述局部回归神经网络的输入和输出的结构或参数将所述训练历史数据信息生成训练样本。

5.根据权利要求3所述的智能出行提醒方法，其特征在于，所述采用差分进化算法训练所述局部回归神经网络，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：

判断内容分发网络服务器是否可用；

在所述内容分发网络服务器可用的情况下，向所述内容分发网络服务器发送所述训练样本，其中，所述内容分发网络服务器根据所述训练样本采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值；在所述内容分发网络服务器不可用的情况下，由设备自身根据所述训练样本，采用差分进化算法训练局部回归神经网络以生成所述局部回归神经网络的权值和阈值。

6.根据权利要求5所述的智能出行提醒方法，其特征在于，所述采用差分进化算法，根据所述训练样本生成所述局部回归神经网络的权值和阈值，具体包括：

所述局部回归神经网络根据所述训练样本初始化种群及算法参数；

确定适应度函数，根据所述种群的个体及算法参数得到不同的网络结构，根据适应度函数值评价网络性能；

依次进行变异操作、交叉操作、选择操作生成新种群，将所述新种群中的每个个体进行解码变为权值和阈值，构成神经网络，直接计算对应网络的输出误差作为所述新种群中的个体的适应度值；

在所述适应度值达到了最大进化代数时，将所述新种群中的最优个体解码后作为所述局部回归神经网络的权值和阈值。

7.根据权利要求1-6任一项所述的智能出行提醒方法，其特征在于，所述用户的历史数据信息至少包括以下之一：用户的出行次数、出行工具选择、出行时间段选择和总费用；所述训练样本，至少包括以下之一：出发时间、出行时长、出行工具、回程时间和各种消费费用组合方式。

8.根据权利要求1-6任一项所述的智能出行提醒方法，其特征在于，所述获取用户的业务预订指令的步骤，具体包括：

获取用户语音输入的业务预订指令；

通过声纹识别技术进行身份识别和鉴权验证；

在声纹识别技术进行身份识别和鉴权验证通过后，采用语义识别技术识别得到所述业务预订指令。

9.一种智能设备，其特征在于，所述智能设备包括存储器和处理器，所述存储器存储有智能出行规划程序，所述处理器用于执行智能出行规划程序，以实现包括如权利要求1-8中任一项所述的智能出行提醒方法的步骤。

10.一种智能交通工具，其特征在于，所述智能交通工具配置有如权利要求9所述的智能设备。

Images