基于智能網聯汽車功能服務的推薦系統設計

程碩

（長城汽車股份有限公司）

當前，隨著汽車網聯化的發展，車輛的配置功能越來越多，服務資源也越來越豐富，在滿足人們出行需求的同時，也提供了更多的舒適性、娛樂性與便利性選擇。然而，汽車服務功能的增多，會給駕駛員帶來一些困擾或使車輛駕駛增加一定的風險，例如用戶對功能配置的學習和使用的時間成本增加，以及行車過程中的非駕駛類操作導致駕駛安全性下降等?；谝陨媳尘?，文章設計了基于實時場景分析和不同場景下對用戶需求預判的推薦系統，以提升車輛智能化與用戶駕乘體驗，確保駕駛便利性、安全性[1]。

1 系統框架

本推薦系統設計主要由車移動終端、汽車遠程服務平臺（TSP）、大數據云平臺3 部分組成，系統框架，如圖1 所示。

圖1 推薦系統框架圖

1.1 車移動終端

車移動終端主要包括車載多媒體主機（HU）、車載無線通訊終端（TBOX）、車身控制模塊（BCM）及其他與車輛功能服務相關的電子控制單元（ECU）。TBOX 按照TSP 平臺配置的采集信號文件，將全球定位系統（GPS）數據、心跳包數據、控制器局域網絡（CAN）數據發送至TSP 服務端，接收來自TSP 平臺下發的推送編碼指令，并將編碼傳遞至HU 端；HU 的本地存儲單元根據編碼序號判斷當前的推送服務，并將相關服務以語音合成技術（TTS）、信息（Message）、人機交互（HMI）或系統彈窗（Popup）的形式進行主動人機交互，根據用戶判斷結果或直接發送執行請求至BCM模塊，BCM模塊根據請求執行相應命令。此外，用戶交互及動作執行結果也將通過TBOX 上傳至TSP 平臺和大數據平臺。

1.2 TSP 平臺

TSP 平臺主要用于下發配置信號文件至TBOX，并將TBOX 上傳的大數據，以及用戶賬號信息發送至大數據平臺。同時，將大數據平臺計算的結果與車輛關聯的功能服務進行匹配，并將匹配的功能服務以編碼指令形式下發至TBOX，從而實現功能服務推薦。

1.3 大數據平臺

大數據平臺接收TSP 同步的車輛數據，對數據信息進行收集、存儲、分析、數據建模等數據處理任務，判斷車輛及駕駛員當前所處場景，并建立基于不同賬號（ID）的用戶畫像，包括功能使用偏好、習慣等，如音樂收聽類型。最終將計算結果輸出至TSP 平臺。

2 系統設計

系統業務流程設計，如圖2 所示，主要包括數據獲取、數據存儲與標準化、大數據建模分析、功能服務資源匹配、交互與執行5 部分[2]。

圖2 推薦系統業務流程設計

2.1 數據獲取

車輛啟動后，在通訊模塊TBOX 向TSP 平臺發送登錄請求，二者建立基于4G 網絡的無線通訊連接，與此同時，TSP 向TBOX 下發配置文件，其中包括TBOX需采集上傳的信號類型及頻率等參數。

用戶在駕駛、使用車輛時，車內各ECU 工作產生的信號，通過CAN 網絡進行實時交互、傳遞，同時，TBOX 與網關連接，實時獲取、解析車輛信號，并根據TBOX 與TSP 通信協議將數據加密，經網絡通訊方式向TSP 服務器發送，TSP 服務器解密后即獲得車輛實時狀態數據以及用戶操作、使用數據。

2.2 數據存儲與標準化

TSP 平臺對接收的數據包進行解析，記錄數據上傳信息，再次加密后同步至大數據平臺，大數據平臺將接收到的數據包進行解析，隨后對數據進行清洗治理工作，剔除空數據、無效數據等異常數據后，最終實現對數據的標準化管理與存儲。

2.3 大數據建模分析

根據時效性要求，大數據分析模型可分為實時模型與離線模型2 種，實時模型主要針對工況、環境及故障等實時場景或需求的分析，離線模型主要針對用戶畫像、基于用戶賬號ID 的習慣特征等用戶標簽類別的分析[3]。具體搭建過程主要有以下3 部分。

2.3.1 構建場景特征，生成數據集

不同場景定義，在車輛數據中會有一定的差異，通過分析具體的業務場景，并結合獲取的數據情況，構建并計算出用于不同場景分析的特征變量，并生成數據集。

2.3.2 特征工程

對數據集中的特征變量進行證據權重（WOE）、信息價值（IV）、多重共線性等分析，新構建特征或者找出影響分類關鍵變量，用于后續對模型的訓練。

2.3.3 模型訓練

通過以上步驟中得到的含有標簽的數據集，將此數據集按照比例劃分成訓練集和測試集。使用訓練集對邏輯回歸模型進行訓練，用測試集驗證模型的準確性。

2.4 功能服務資源匹配

推薦系統資源匹配原則主要為：相似場景下同一資源具有相似的匹配度、相似人群下同一資源具有相似的匹配度、相似資源對于同一用戶具有相似的匹配度，以及不同用戶對于功能服務的使用偏好或習慣，從而實現場景與資源匹配、用戶群與資源匹配、資源與用戶匹配[4]。本設計方案中所述功能服務資源包括：車輛自身功能配置資源（如空調、座椅設置）、內容資源（如新聞、音樂）、服務資源（如洗車、停車）、定制信息（如故障處置引導、熱門活動）等。

大數據平臺將數據模型計算的結果回傳至TSP 平臺。TSP 平臺根據計算結果判斷是否符合服務推送條件，如符合條件，則根據大數據計算結果與車輛相關的功能服務進行匹配，并生成特定推薦編碼指令下發至車移動終端。

2.5 交互與執行

推薦系統實時分析、判斷用戶及車輛所處場景，并基于功能服務資源的匹配，通過車聯網平臺向車輛TBOX 通信模塊輸出推薦指令，TBOX 將TSP 平臺下發的推薦編碼指令進行解析，并將指令內容分發至HU或其他關聯ECU 執行模塊，與此同時，HU 以HMI、TTS、消息提示等形式主動提示并向用戶進行主動推薦交互，并根據用戶反饋情況，調用推薦的功能服務資源或終止本次推薦[5]，如圖3 所示。

圖3 HMI 交互示例

此外，TBOX 將繼續收集用戶對于推薦消息的接收情況并回傳系統，系統可據此調整推薦資源的推薦策略與優先級以優化推薦體驗。

3 結論

文章綜合利用車聯網、大數據、主動交互等技術，設計了一種個性化、場景化的智能網聯汽車功能服務推薦系統。系統支持采集車輛終端的用戶行為、后端服務器日志、業務數據及第三方等多方數據源，進一步分析車輛駕乘場景與用戶使用偏好，并將豐富多樣的車輛配置、功能服務以場景化、個性化方式進行關聯，最終以多模聯動的形式進行主動推薦與交互。該系統的應用為用戶提供了高效的功能服務使用方式，降低了用戶對于車輛功能服務的學習、使用成本，對提升車輛智能化水平、駕乘體驗與駕駛安全性，具有重要意義。