基于智能网联汽车功能服务的推荐系统设计

程硕

（长城汽车股份有限公司）

当前，随着汽车网联化的发展，车辆的配置功能越来越多，服务资源也越来越丰富，在满足人们出行需求的同时，也提供了更多的舒适性、娱乐性与便利性选择。然而，汽车服务功能的增多，会给驾驶员带来一些困扰或使车辆驾驶增加一定的风险，例如用户对功能配置的学习和使用的时间成本增加，以及行车过程中的非驾驶类操作导致驾驶安全性下降等。基于以上背景，文章设计了基于实时场景分析和不同场景下对用户需求预判的推荐系统，以提升车辆智能化与用户驾乘体验，确保驾驶便利性、安全性[1]。

1 系统框架

本推荐系统设计主要由车移动终端、汽车远程服务平台（TSP）、大数据云平台3 部分组成，系统框架，如图1 所示。

图1 推荐系统框架图

1.1 车移动终端

车移动终端主要包括车载多媒体主机（HU）、车载无线通讯终端（TBOX）、车身控制模块（BCM）及其他与车辆功能服务相关的电子控制单元（ECU）。TBOX 按照TSP 平台配置的采集信号文件，将全球定位系统（GPS）数据、心跳包数据、控制器局域网络（CAN）数据发送至TSP 服务端，接收来自TSP 平台下发的推送编码指令，并将编码传递至HU 端；HU 的本地存储单元根据编码序号判断当前的推送服务，并将相关服务以语音合成技术（TTS）、信息（Message）、人机交互（HMI）或系统弹窗（Popup）的形式进行主动人机交互，根据用户判断结果或直接发送执行请求至BCM模块，BCM模块根据请求执行相应命令。此外，用户交互及动作执行结果也将通过TBOX 上传至TSP 平台和大数据平台。

1.2 TSP 平台

TSP 平台主要用于下发配置信号文件至TBOX，并将TBOX 上传的大数据，以及用户账号信息发送至大数据平台。同时，将大数据平台计算的结果与车辆关联的功能服务进行匹配，并将匹配的功能服务以编码指令形式下发至TBOX，从而实现功能服务推荐。

1.3 大数据平台

大数据平台接收TSP 同步的车辆数据，对数据信息进行收集、存储、分析、数据建模等数据处理任务，判断车辆及驾驶员当前所处场景，并建立基于不同账号（ID）的用户画像，包括功能使用偏好、习惯等，如音乐收听类型。最终将计算结果输出至TSP 平台。

2 系统设计

系统业务流程设计，如图2 所示，主要包括数据获取、数据存储与标准化、大数据建模分析、功能服务资源匹配、交互与执行5 部分[2]。

图2 推荐系统业务流程设计

2.1 数据获取

车辆启动后，在通讯模块TBOX 向TSP 平台发送登录请求，二者建立基于4G 网络的无线通讯连接，与此同时，TSP 向TBOX 下发配置文件，其中包括TBOX需采集上传的信号类型及频率等参数。

用户在驾驶、使用车辆时，车内各ECU 工作产生的信号，通过CAN 网络进行实时交互、传递，同时，TBOX 与网关连接，实时获取、解析车辆信号，并根据TBOX 与TSP 通信协议将数据加密，经网络通讯方式向TSP 服务器发送，TSP 服务器解密后即获得车辆实时状态数据以及用户操作、使用数据。

2.2 数据存储与标准化

TSP 平台对接收的数据包进行解析，记录数据上传信息，再次加密后同步至大数据平台，大数据平台将接收到的数据包进行解析，随后对数据进行清洗治理工作，剔除空数据、无效数据等异常数据后，最终实现对数据的标准化管理与存储。

2.3 大数据建模分析

根据时效性要求，大数据分析模型可分为实时模型与离线模型2 种，实时模型主要针对工况、环境及故障等实时场景或需求的分析，离线模型主要针对用户画像、基于用户账号ID 的习惯特征等用户标签类别的分析[3]。具体搭建过程主要有以下3 部分。

2.3.1 构建场景特征，生成数据集

不同场景定义，在车辆数据中会有一定的差异，通过分析具体的业务场景，并结合获取的数据情况，构建并计算出用于不同场景分析的特征变量，并生成数据集。

2.3.2 特征工程

对数据集中的特征变量进行证据权重（WOE）、信息价值（IV）、多重共线性等分析，新构建特征或者找出影响分类关键变量，用于后续对模型的训练。

2.3.3 模型训练

通过以上步骤中得到的含有标签的数据集，将此数据集按照比例划分成训练集和测试集。使用训练集对逻辑回归模型进行训练，用测试集验证模型的准确性。

2.4 功能服务资源匹配

推荐系统资源匹配原则主要为：相似场景下同一资源具有相似的匹配度、相似人群下同一资源具有相似的匹配度、相似资源对于同一用户具有相似的匹配度，以及不同用户对于功能服务的使用偏好或习惯，从而实现场景与资源匹配、用户群与资源匹配、资源与用户匹配[4]。本设计方案中所述功能服务资源包括：车辆自身功能配置资源（如空调、座椅设置）、内容资源（如新闻、音乐）、服务资源（如洗车、停车）、定制信息（如故障处置引导、热门活动）等。

大数据平台将数据模型计算的结果回传至TSP 平台。TSP 平台根据计算结果判断是否符合服务推送条件，如符合条件，则根据大数据计算结果与车辆相关的功能服务进行匹配，并生成特定推荐编码指令下发至车移动终端。

2.5 交互与执行

推荐系统实时分析、判断用户及车辆所处场景，并基于功能服务资源的匹配，通过车联网平台向车辆TBOX 通信模块输出推荐指令，TBOX 将TSP 平台下发的推荐编码指令进行解析，并将指令内容分发至HU或其他关联ECU 执行模块，与此同时，HU 以HMI、TTS、消息提示等形式主动提示并向用户进行主动推荐交互，并根据用户反馈情况，调用推荐的功能服务资源或终止本次推荐[5]，如图3 所示。

图3 HMI 交互示例

此外，TBOX 将继续收集用户对于推荐消息的接收情况并回传系统，系统可据此调整推荐资源的推荐策略与优先级以优化推荐体验。

3 结论

文章综合利用车联网、大数据、主动交互等技术，设计了一种个性化、场景化的智能网联汽车功能服务推荐系统。系统支持采集车辆终端的用户行为、后端服务器日志、业务数据及第三方等多方数据源，进一步分析车辆驾乘场景与用户使用偏好，并将丰富多样的车辆配置、功能服务以场景化、个性化方式进行关联，最终以多模联动的形式进行主动推荐与交互。该系统的应用为用户提供了高效的功能服务使用方式，降低了用户对于车辆功能服务的学习、使用成本，对提升车辆智能化水平、驾乘体验与驾驶安全性，具有重要意义。