基于大数据规则车辆功能主动推荐系统及方法与流程

1.本发明涉及大数据领域,具体涉及基于大数据规则车辆功能主动推荐系统及方法。


背景技术：

2.公开号为cn110203154a的专利“车辆功能的推荐方法、装置、电子设备和计算机存储介质”介绍了一种车辆功能推荐方法及装置，专注于描述如何搭建数据采集设备、数据处理设备、及功能推荐整体实现框架的方法，本专利是描述功能推荐的软件实现规则、算法、系统的方法。
3.当前车主使用车上的功能，比如使用导航、开启音乐、收音机以及自适应巡航功能，完全是由自己的主观意愿来判断使用时机以及使用哪些功能。然而当前车上的功能越来越多，尤其是一些智能化的功能，很多车主对车辆的某些功能并不了解，甚至都不知晓自己车上的某些功能。即便是当前已有的车辆功能推荐系统，也只是向简单的用户告知有某些功能，并没有考虑场景因素、使用时机以及用户本身的特点；或者由用户自身主动发起使用某些功能的诉求。因此，就存在以下问题：1）车上的一些功能，用户从来没有用过，这些功能变成僵尸功能，比如停车技术不好的车主，不知道车上有自动泊车功能，自然也就不可能使用自动泊车技术，不能给车主带来便利和好的体验，造成功能的浪费；2）某些功能，尤其是智能化类的功能，用户非常感兴趣，但是并不知道怎样使用，在不合适的时机错误使用某个车辆功能，可能会带来危险和不便，比如自适应巡航功能，在高速上，且天气状况和道路状况都良好的时候才能使用，否侧，可能会带来安全问题；出现上述问题的根源在于人主动的找车辆的功能，是人找服务，当服务种类较多且有很多新的服务时，难免会出现上述情况。


技术实现要素：

4.本发明公开的基于大数据规则车辆功能主动推荐系统，由人找服务、人找功能，转化为服务找人、功能找人，并实现功能个性化的服务于车主。
5.本发明公开的基于大数据规则车辆功能主动推荐方法，由人找服务、人找功能，转化为服务找人、功能找人，并实现功能个性化的服务于车主。
6.本发明公开的基于大数据规则车辆功能主动推荐系统,包括，数据采集子系统、数据传输子系统、大数据平台子系统、云端学习子系统、云端预测子系统、车端预测子系统和车端app；数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系统上传至大数据平台子系统及云端预测子系统；大数据平台子系统，所述大数据平台子系统用于存储历史数据，为云端学习子系统提供源数据；
云端学习子系统从大数据平台子系统获取历史数据，学习生成模型及用户画像特征；云端预测子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据；调用云端学习子系统生成的模型及用户画像特征；计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给车端预测子系统；车端预测子系统通过一定车端车辆功能业务规则在车端app上向用户推荐车辆功能推荐结果。
7.进一步地，所述云端预测子系统设置云端业务规则子系统，所述车端预测子系统设置车端推荐子系统和车端业务规则子系统；所述云端业务规则子系统用于建立云端车辆功能业务规则库；所述车端业务规则子系统用于建立车端车辆功能业务规则库；云端预测子系统计算用户画像和云端车辆功能业务规则，按照设定逻辑和算法获得预测车辆功能推荐结果，向车端推荐子系统传送车辆功能推荐结果，所述车端推荐子系统计算车辆功能推荐结果是否符合车端车辆功能业务规则，从而获得最终的车辆功能推荐结果并传送给车端app。
8.进一步地，还包括推送子系统；云端预测子系统通过推送子系统向车端推荐子系统传送车辆功能推荐结果。
9.进一步地，所述云端学习子系统内设置学习算法库、画像特征库和存储数据库；所述云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，所述模型及用户画像特征存储在存储数据库中。
10.进一步地，所述云端预测子系统内还设置消费数据子系统、调用子系统、计算画像和车辆功能业务规则子系统；所述消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；所述计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型，计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给调用子系统；所述调用子系统将云端预测子系统的车辆功能推荐结果推送到车端推荐子系统。
11.本发明还公开了基于大数据规则车辆功能主动推荐方法,包括以下步骤，步骤1）数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系统上传至大数据平台子系统及云端预测子系统；步骤2）大数据平台子系统，所述大数据平台子系统存储历史数据，为云端学习子系统提供源数据；步骤3）云端学习子系统从大数据平台子系统获取历史数据，学习生成模型及用户画像特征；步骤4）云端预测子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据；调用云端学习子系统生成的模型及用户画像特征；计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给车端
推荐子系统；步骤5）车端推荐子系统通过车端车辆功能业务规则在车端app上向用户推荐车辆功能推荐结果。
12.进一步地，步骤3）中，所述云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，所述模型及用户画像特征存储在存储数据库中。
13.进一步地，步骤4）中，所述消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；所述计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型，计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给调用子系统；所述调用子系统将车辆功能推荐结果推送到车端推荐子系统。
14.进一步地，步骤4）中，调用云端学习子系统生成的模型及用户画像特征，若调用失败，使用默认设置的云端车辆功能业务规则得到车辆功能推荐结果，然后将车端功能推荐结果传输给车端推荐子系统。
15.本发明有益技术效果为：1）为保证服务找人和功能找人的准确性和个性化，采用大数据和规则相结合的技术，综合考虑场景、用户偏好和车辆功能等信息，将车辆功能和服务在合适的时机主动的推荐给车主。
16.2）对于新车车主，该系统可以把车上的亮点和实用功能在合适的时机主动告知车主（如：对新车车主全部推荐），并采用一种比较安全且易于接受的方式引导用户正确使用，让车主知晓这些功能的存在，在合适的时机使用这些功能；3）对于非新车车主，该系统通过使用大数据技术计算的模型、画像技术和特定的规则，向特定的用户在特定的场景下推荐使用特定的功能，引导用户正确使用，让用户更高效的使用特定的车辆功能，为用户带来更好的体验以及实现个性化；该系统还能记录用户对推荐的车辆功能的使用/反馈效果，进一步校正推荐时机、推荐场景以及推荐人群，同时可以作为分析用户对功能偏好的基础数据。
附图说明
17.图1是本发明系统示意框图；图2是本发明业务逻辑示意图；图3是本发明功能主动推送流程图；图4是本发明学习训练流程图。
具体实施方式
18.下面结合附图对本发明做详细说明。
19.如图1至图4所示，本发明公开的基于大数据规则车辆功能主动推荐系统,包括，数据采集子系统1、数据传输子系统2、大数据平台子系统3、云端学习子系统4、云端预测子系统5、推送子系统6、车端预测子系统7和车端app8；
数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系统上传至大数据平台子系统及云端预测子系统；大数据平台子系统，所述大数据平台子系统用于存储历史数据，为云端学习子系统提供源数据；云端学习子系统内设置学习算法库、画像特征库和存储数据库；云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，模型及用户画像特征存储在存储数据库中。
20.模型和画像特征：当云端原始数据库系统中有大量的车辆数据、用户行为数据和场景数据，且这些数据的维度和信息比较丰富的时候，通过将这些数据喂到学习算法库中，进而获得学习完成的模型和用户画像特征数据，故云端学习子系统是建立在有海量的历史数据基础之上的，对于新车和新车主，是没有模型和用户画像特征的；云端预测子系统内设消费数据子系统、调用子系统、计算画像和车辆功能业务规则子系统以及云端业务规则子系统；消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型，计算用户画像和云端车辆功能业务规则，以及根据云端业务规则子系统中的规则，按照特定的逻辑和算法获得预测车辆功能推荐结果，并将云端计算的车辆功能推荐结果传输给调用子系统；调用子系统将云端预测子系统的车辆功能推荐结果通过推送子系统推送到车端预测子系统。
21.云端业务规则子系统，所述云端业务规则子系统用于建立云端车辆功能业务规则库；云端业务规则子系统的业务规则建立方式为：根据业务场景和需求分析出推荐当前车辆功能推荐结果所需要的数据项以及数据量，将这批数据存储在存储数据库，利用学习算法库、画像特征库来学习存储的历史数据，并获得模型和用户画像特征；根据业务场景和数据分析出推荐当前车辆功能的使用条件和限制条件以及场景特征，建立云端车辆功能业务规则库，该规则库中的规则需与车辆功能对应起来，同时要求这些规则对实时性要求较低，且计算复杂度相对较高。
22.车端预测子系统设置车端推荐子系统和车端业务规则子系统。
23.车端业务规则子系统，车端业务规则子系统用于建立车端车辆功能业务规则库；车端业务规则库子系统的业务规则建立方式为：根据业务场景和数据分析出推荐当前车辆功能的使用条件和限制条件以及场景特征，建立车端车辆功能业务规则库，该规则库中的规则需与车辆功能对应起来，同时要求这些规则对实时性要求较高，且计算复杂度相对较低，对资源的消耗也比较低。
24.车端推荐子系统计算车辆功能推荐结果是否符合车端业务规则子系统的规则，从而获得最终的车辆功能推荐结果并传送给车端app，供车端app做服务，进而实现服务找人的效果。
25.当车主接收到车端app提供的车辆功能推荐结果对应的服务后，根据自己的喜好以及服务质量的优劣会对服务产生一定的反馈，通过传感器以及埋点策略采集车主的行为数据，并将这些行为数据上传到存储数据库，进而形成数据闭环。
26.此外，对于新车车主，由于缺乏车辆数据、用户行为数据和场景数据，无法学习得
到模型和用户画像特征，因此前期综合使用默认设置的云端车辆功能业务规则和车端车辆功能业务规则向车主主动推荐车辆功能推荐结果对应的功能和服务；对于老车主，即车辆数据和车主数据都已经上传的情况下，由学习算法获得模型和用户画像特征，结合云端车辆功能业务规则和车端车辆功能业务规则，向车主做个性化的车辆功能推荐结果对应的车辆功能主动推荐。
27.本发明公开的基于大数据规则车辆功能主动推荐系统是一种由场景触发的主动推荐服务：由读取实时数据模块读取上传的实时数据，经预测模块得到实时预测结果实时的下发到车端，主动的向车主推荐车辆功能服务；主动向车主提供服务：需要预先学习，获得存储数据库中学习完成的模型和画像特征库中的用户画像特征，制定云端车辆功能适用和限制规则和车端车辆功能适用和限制规则。
28.如图1至图4所示，本发明还公开的基于大数据规则车辆功能主动推荐方法,包括以下步骤，步骤1）数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系统上传至大数据平台子系统及云端预测子系统；步骤2）大数据平台子系统，所述大数据平台子系统用于存储历史数据，为云端学习子系统提供源数据；步骤3）云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，所述模型及用户画像特征存储在存储数据库中。
29.步骤4）消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型；若调动成功，计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给调用子系统；调用子系统将车辆功能推荐结果推送到车端推荐子系统。
30.若调用失败，使用默认设置的云端车辆功能业务规则得到车辆功能推荐结果，然后将车端功能推荐结果传输给调用子系统；调用子系统将车辆功能推荐结果推送到车端推荐子系统。
31.步骤5）车端推荐子系统计算车辆功能推荐结果是否符合车端业务规则子系统的规则，从而获得最终的车辆功能推荐结果并传送给车端app，供车端app做服务，进而实现服务找人的效果。当车主接收到车端app提供的车辆功能推荐结果对应的服务后，根据自己的喜好以及服务质量的优劣会对服务产生一定的反馈，通过传感器以及埋点策略采集车主的行为数据，并将这些行为数据上传到存储数据库，进而形成数据闭环。
32.在上述说明书中，已经通过参考特定的示例描述了本发明的主旨内容。然而，在不脱离如权利要求书所阐述的本发明的主旨内容的情况下，可以进行各种修改和改变。本说明书中的附图是说明性而不是限制性的。因此，本发明的主旨范围应当由权利要求及其符合法律规定的等效形式或实体确定，而非仅由所描述的示例确定。在本说明书任何方法或过程权利要求中所阐述的任何步骤可以按任何次序或次序组合执行，并不受限于所述权利
要求中所给出的示例性特定次序。

技术特征：
1.基于大数据规则车辆功能主动推荐系统,其特征在于：包括，数据采集子系统（1）、数据传输子系统（2）、大数据平台子系统（3）、云端学习子系统（4）、云端预测子系统（5）、车端预测子系统（7）和车端app（8）；数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系统上传至大数据平台子系统及云端预测子系统；大数据平台子系统，所述大数据平台子系统用于存储历史数据，为云端学习子系统提供源数据；云端学习子系统从大数据平台子系统获取历史数据，学习生成模型及用户画像特征；云端预测子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据；调用云端学习子系统生成的模型及用户画像特征；计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给车端预测子系统；车端预测子系统通过一定车端车辆功能业务规则在车端app上向用户推荐车辆功能推荐结果。2.如权利要求1所述的基于大数据规则车辆功能主动推荐系统,其特征在于：所述云端预测子系统设置云端业务规则子系统，所述车端预测子系统设置车端推荐子系统和车端业务规则子系统；所述云端业务规则子系统用于建立云端车辆功能业务规则库；所述车端业务规则子系统用于建立车端车辆功能业务规则库；云端预测子系统计算用户画像和云端车辆功能业务规则，按照设定逻辑和算法获得预测车辆功能推荐结果，向车端推荐子系统传送车辆功能推荐结果，所述车端推荐子系统计算车辆功能推荐结果是否符合车端车辆功能业务规则，从而获得最终的车辆功能推荐结果并传送给车端app。3.如权利要求2所述的基于大数据规则车辆功能主动推荐系统,其特征在于：还包括推送子系统；云端预测子系统通过推送子系统向车端推荐子系统传送车辆功能推荐结果。4.如权利要求3所述的基于大数据规则车辆功能主动推荐系统,其特征在于：所述云端学习子系统内设置学习算法库、画像特征库和存储数据库；所述云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，所述模型及用户画像特征存储在存储数据库中。5.如权利要求4所述的基于大数据规则车辆功能主动推荐系统,其特征在于：所述云端预测子系统内还设置消费数据子系统、调用子系统、计算画像和车辆功能业务规则子系统；所述消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；所述计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型，计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给调用子系统；所述调用子系统将云端预测子系统的车辆功能推荐结果推送到车端推荐子系统。6.基于大数据规则车辆功能主动推荐方法,其特征在于：包括以下步骤，步骤1）数据采集子系统，采集车辆数据、用户行为数据和场景数据，通过数据传输子系
统上传至大数据平台子系统及云端预测子系统；步骤2）大数据平台子系统，所述大数据平台子系统存储历史数据，为云端学习子系统提供源数据；步骤3）云端学习子系统从大数据平台子系统获取历史数据，学习生成模型及用户画像特征；步骤4）云端预测子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据；调用云端学习子系统生成的模型及用户画像特征；计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给车端推荐子系统；步骤5）车端推荐子系统通过车端车辆功能业务规则在车端app上向用户推荐车辆功能推荐结果。7.如权利要求6所述的基于大数据规则车辆功能主动推荐方法,其特征在于：步骤3）中，所述云端学习子系统从大数据平台子系统获取历史数据，通过学习算法库学习历史数据生成模型，通过画像特征库学习历史数据生成用户画像特征，所述模型及用户画像特征存储在存储数据库中。8.如权利要求7所述的基于大数据规则车辆功能主动推荐方法,其特征在于：步骤4）中，所述消费数据子系统从数据采集子系统获取含车辆数据、用户行为数据和场景数据的消费实时数据，分发至计算画像和车辆功能业务规则子系统；所述计算画像和车辆功能业务规则子系统根据消费实时数据，调用云端学习子系统存储数据库中用户画像特征和模型，计算用户画像和云端车辆功能业务规则，并得到车辆功能推荐结果；然后将车辆功能推荐结果传输给调用子系统；所述调用子系统将车辆功能推荐结果推送到车端推荐子系统。9.如权利要求7所述的基于大数据规则车辆功能主动推荐方法,其特征在于：步骤4）中，调用云端学习子系统生成的模型及用户画像特征，若调用失败，使用默认设置的云端车辆功能业务规则得到车辆功能推荐结果，然后将车端功能推荐结果传输给车端推荐子系统。

技术总结
本发明公开的基于大数据规则车辆功能主动推荐系统及方法为保证服务找人和功能找人的准确性和个性化，采用大数据和规则相结合的技术，综合考虑场景、用户偏好和车辆功能等信息，将车辆功能和服务在合适的时机主动的推荐给车主。给车主。给车主。


技术研发人员：张帆 刘金彦 王皓 胡升
受保护的技术使用者：重庆长安汽车股份有限公司
技术研发日：2021.11.22
技术公布日：2022/3/7