本申請涉及數(shù)據(jù)處理，具體涉及一種車窗防誤夾方法、裝置、電子設備、以及計算機可讀存儲介質(zhì)。

背景技術：

1、隨著汽車工業(yè)的快速發(fā)展和人們對汽車安全性和舒適性要求的不斷提高，車窗防夾系統(tǒng)作為汽車安全系統(tǒng)的重要組成部分，受到了廣泛關注。車窗防夾系統(tǒng)的主要功能是防止車窗在關閉過程中夾傷乘客或損壞物品，從而保障乘客的安全和車窗的正常運行。然而，傳統(tǒng)的車窗防夾系統(tǒng)主要依賴于簡單的機械結(jié)構(gòu)或單一的傳感器信號，存在誤報率高、響應速度慢、適應性差等問題，難以滿足現(xiàn)代汽車對安全性和智能化的高要求。

2、在實際應用中，車窗防夾系統(tǒng)面臨著多種復雜的工況和環(huán)境因素的影響，如車窗的運行速度、加速度、電機電流、環(huán)境溫度和車速等。這些因素的變化可能導致車窗防夾系統(tǒng)的誤報漏報，影響系統(tǒng)的可靠性和穩(wěn)定性。因此，如何提高車窗防夾系統(tǒng)的檢測準確性、響應速度和適應性是目前亟待解決的問題。

技術實現(xiàn)思路

1、為解決上述技術問題，本申請的實施例提供了一種車窗防誤夾方法及裝置、電子設備、計算機可讀存儲介質(zhì)以及計算機程序產(chǎn)品。

2、根據(jù)本申請實施例的一個方面，提供了一種車窗防誤夾方法，包括：獲取車窗的運行數(shù)據(jù)，并基于所述運行數(shù)據(jù)構(gòu)建數(shù)據(jù)訓練集；將所述數(shù)據(jù)訓練集劃分為特征集和目標變量集，并基于所述特征集和所述目標變量集對支持向量機模型進行訓練，得到訓練完成的支持向量機模型；若所述訓練完成的支持向量機模型通過預設性能考核，則將所述訓練完成的支持向量機模型作為目標支持向量機模型；獲取所述車窗的實時運行數(shù)據(jù)，基于所述目標支持向量機模型處理所述實時運行數(shù)據(jù)得到所述車窗對應的目標事件類型。

3、根據(jù)本申請實施例的一個方面，在所述基于所述特征集和所述目標變量集對支持向量機模型進行訓練之前，所述方法還包括：基于所述數(shù)據(jù)訓練集中的數(shù)據(jù)之間的線性關系確定所述支持向量機模型的核函數(shù)；基于預設參數(shù)優(yōu)化策略確定所述核函數(shù)對應的目標核函數(shù)參數(shù)以及所述支持向量機模型對應的目標懲罰參數(shù)。

4、根據(jù)本申請實施例的一個方面，所述基于所述特征集和所述目標變量集對支持向量機模型進行訓練，包括：基于所述目標核函數(shù)參數(shù)以及所述目標懲罰參數(shù)確定初始支持向量機模型；基于所述特征集以及所述目標變量集對初始支持向量機模型進行訓練。

5、根據(jù)本申請實施例的一個方面，所述特征集中包括多個樣本，所述目標變量集中包括多個目標事件類型，所述基于所述特征集以及所述目標變量集對初始支持向量機模型進行訓練，包括：基于目標分類器確定多個目標事件類型各自對應的目標樣本；基于所述多個目標事件類型以及所述多個目標事件類型各自對應的目標樣本對所述初始支持向量機模型進行訓練。

6、根據(jù)本申請實施例的一個方面，所述基于分類器確定多個目標事件類型各自對應的目標樣本，包括：基于所述目標懲罰參數(shù)以及目標核函數(shù)以及所述目標事件類型對應的偏置量確定所述目標事件類型的目標分類器，所述偏置量用于確定所述目標事件類型的邊界；基于所述目標分類器對所述多個樣本進行分類，以確定所述多個樣本各自對應的目標事件類型。

7、根據(jù)本申請實施例的一個方面，所述方法還包括：獲取所述車窗的實時運行數(shù)據(jù)，并基于所述實時運行數(shù)據(jù)構(gòu)建更新數(shù)據(jù)集，所述更新數(shù)據(jù)集與所述訓練數(shù)據(jù)集的數(shù)據(jù)格式一致；基于所述更新數(shù)據(jù)集對所述目標支持向量機模型進行更新，得到更新后的目標支持向量機模型。

8、根據(jù)本申請實施例的一個方面，所述運行數(shù)據(jù)包括：車窗位置、車窗速度、車窗加速度、車窗電機電流、環(huán)境溫度和車速數(shù)據(jù)中的多項，所述方法還包括：

9、收集每一目標事件類型各自對應的所述車窗位置、所述車窗速度、所述車窗加速度、所述車窗電機電流、所述環(huán)境溫度以及所述車速數(shù)據(jù)中的至少一項運行數(shù)據(jù)；

10、基于所述至少一項運行數(shù)據(jù)提取所述每一目標類型各自對應的車窗運行特征；

11、基于所述車窗運行特征建立所述車窗位置、所述車窗速度、所述車窗加速度、所述車窗電機電流、所述環(huán)境溫度以及所述車速數(shù)據(jù)與所述每一目標事件類型之間的映射關系。

12、根據(jù)本申請實施例的一個方面，提供了一種車窗防誤夾裝置，包括：獲取模塊，用于獲取車窗的運行數(shù)據(jù)，并基于所述運行數(shù)據(jù)構(gòu)建數(shù)據(jù)訓練集；訓練模塊，用于將所述數(shù)據(jù)訓練集劃分為特征集和目標變量集，并基于所述特征集和所述目標變量集對支持向量機模型進行訓練，得到訓練完成的支持向量機模型；考核模塊，用于若所述訓練完成的支持向量機模型通過預設性能考核，則將所述訓練完成的支持向量機模型作為目標支持向量機模型；處理模塊，用于獲取所述車窗的實時運行數(shù)據(jù)，基于所述目標支持向量機模型處理所述實時運行數(shù)據(jù)得到所述車窗對應的目標事件類型。

13、根據(jù)本申請實施例的一個方面，提供了一種電子設備，包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述電子設備實現(xiàn)如前所述的車窗防誤夾方法。

14、根據(jù)本申請實施例的一個方面，提供了一種計算機可讀存儲介質(zhì)，其上存儲有計算機可讀指令，當所述計算機可讀指令被計算機的處理器執(zhí)行時，使計算機執(zhí)行如上所述的車窗防誤夾方法。

15、根據(jù)本申請實施例的一個方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上所述的車窗防誤夾方法中的步驟。

16、在本申請的實施例所提供的技術方案中，通過收集車窗的詳細運行數(shù)據(jù)并構(gòu)建數(shù)據(jù)訓練集，可以捕捉到車窗操作的多種模式和特征，使用這些豐富的數(shù)據(jù)來訓練支持向量機模型，能夠提升模型對車窗操作及其相關事件的預測準確性。通過分析車窗的實時運行數(shù)據(jù)，目標支持向量機模型可以識別出異常操作模式，從而提前預警潛在的故障，這有助于及時采取措施，減少因車窗故障導致的車輛停用時間，故，在本實施例中，通過利用車窗的運行數(shù)據(jù)來訓練支持向量機模型，并基于該模型進行實時預測，不僅提高了預測的準確性和智能化水平，還有助于故障預警、優(yōu)化維護、增強用戶體驗和數(shù)據(jù)驅(qū)動決策。

17、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本申請。

技術特征：

1.一種車窗防誤夾方法，其特征在于，包括：

2.如權利要求1所述的方法，其特征在于，在所述基于所述特征集和所述目標變量集對支持向量機模型進行訓練之前，所述方法還包括：

3.如權利要求2所述的方法，其特征在于，所述基于所述特征集和所述目標變量集對支持向量機模型進行訓練，包括：

4.如權利要求3所述的方法，其特征在于，所述特征集中包括多個樣本，所述目標變量集中包括多個目標事件類型，所述基于所述特征集以及所述目標變量集對初始支持向量機模型進行訓練，包括：

5.如權利要求1所述的方法，其特征在于，所述基于分類器確定多個目標事件類型各自對應的目標樣本，包括：

6.如權利要求1至5任一項所述的方法，其特征在于，所述方法還包括：

7.如權利要求1所述的方法，其特征在于，所述運行數(shù)據(jù)包括：車窗位置、車窗速度、車窗加速度、車窗電機電流、環(huán)境溫度和車速數(shù)據(jù)中的多項，所述方法還包括：

8.一種車窗防誤夾裝置，其特征在于，所述裝置包括：

9.一種電子設備，其特征在于，包括：

10.一種計算機可讀存儲介質(zhì)，其特征在于，其上存儲有計算機可讀指令，當所述計算機可讀指令被計算機的處理器執(zhí)行時，使計算機執(zhí)行權利要求1至7中任一項所述的車窗防誤夾方法。

技術總結(jié)
本申請的實施例揭示了一種車窗防誤夾方法、裝置、電子設備及存儲介質(zhì)。該方法包括：獲取車窗的運行數(shù)據(jù)，并基于運行數(shù)據(jù)構(gòu)建數(shù)據(jù)訓練集；將數(shù)據(jù)訓練集劃分為特征集和目標變量集，并基于特征集和目標變量集對支持向量機模型進行訓練，得到訓練完成的支持向量機模型；若訓練完成的支持向量機模型通過預設性能考核，則將訓練完成的支持向量機模型作為目標支持向量機模型；獲取車窗的實時運行數(shù)據(jù)，基于目標支持向量機模型處理實時運行數(shù)據(jù)得到車窗對應的目標事件類型。本申請的實施例能夠提高了預測的準確性和智能化水平，還有助于故障預警、優(yōu)化維護、增強用戶體驗和數(shù)據(jù)驅(qū)動決策。

技術研發(fā)人員：譚鎮(zhèn)坤,鄧秋豪,王波,劉雪林,王俊林,葉松林,李來生
受保護的技術使用者：重慶賽力斯鳳凰智創(chuàng)科技有限公司
技術研發(fā)日：
技術公布日：2025/1/9