[发明专利]车窗的起雾预测方法、系统、电子设备及存储介质

说明书

本发明公开了一种车窗的起雾预测方法、系统、电子设备及存储介质，方法包括根据获取的特征参数预测对应的实时起雾参数，所述特征参数包括车辆参数、人员参数、环境参数及路况参数中的至少一种；根据所述实时起雾参数预测未来起雾参数；根据所述未来起雾参数判断所述车窗在未来是否起雾。本发明中，无需新增设备，通过车内已有的设备可以直接获取特征参数，通过直接获取的特征数据，可以预测能够反映车窗温度及湿度的实时起雾参数。通过实时起雾参数可以能够预测反应未来起雾趋势的未来起雾参数，从而对未来车窗的起雾情况进行及时、准确的预测。

技术领域

本发明涉及车窗起雾监测领域，特别涉及一种车窗的起雾预测方法、系统、电子设备及存储介质。

背景技术

车窗起雾是让不少驾驶员头疼的问题，其不仅影响到了驾驶员的正常驾驶，还可能会对驾驶员及车内乘客造成安全隐患。

而起雾一般有以下两点原因，原因之一在于：在空气湿度一定的情况下，车窗温度低于露点温度时，就会在车窗表面形成结露，也就是我们经常看到的前挡风玻璃起雾现象。原因之二在于：在车窗两侧出现一定的温差，温度低的表面水分饱和、蒸汽压低于周围环境的蒸汽压时，水汽就会向玻璃表面聚集，以微小的水珠形式渗析出来而形成雾汽。

传统的方式一般通过人为观察的方式来判断车窗是否起雾，在车窗起雾时，则操作车载设备来去除雾，这种方式缺少智能型，且在紧急情况下，可能存在车主对车窗起雾的状况来不及反应，来不及操作车载设备除雾的情况发生。

随着信息技术的发展，新出现了一种对于起雾状况的预测方法，即通过将传感器直接测得的车窗温度、湿度等参数输入至提前训练好的模型中以对当前的车窗起雾情况进行预测。而这种模型也是通过将传感器直接获得的历史车窗温度、湿度以等参数以及对应的车窗起雾程度输入至循环神经模型中进行训练得到的模型。通过这种方式能够对车窗起雾的情况进行智能化预测，但是缺点在于：第一、在这种方式下，需要对当前获得的温度、参数等进行实时计算，这样得到的实时的起雾状况会有延迟，即当预测出当前起雾情况时，这种起雾情况可能已经发生了；第二、用于测量温度及湿度的传感器一般装在仪表盘的下方，此处获得的温度或者湿度难以真实反应车窗及车窗周围的空气的温度及湿度，或者其反应的温度及湿度会有一定的滞后性；第三、这种方式需要对车辆同时安装温度传感器及湿度传感器，成本较高。

发明内容

本发明要解决的技术问题是为了克服现有技术中预测车窗起雾的方法具有滞后性且预测成本较高的缺陷，提供一种能够及时预测车窗起雾且预测成本较低的车窗的起雾预测方法、系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种车窗的起雾预测方法，所述起雾预测方法包括：

根据获取的特征参数预测对应的实时起雾参数，所述特征参数包括车辆参数、人员参数、环境参数及路况参数中的至少一种；

根据所述实时起雾参数预测未来起雾参数；

根据所述未来起雾参数判断所述车窗在未来是否起雾。

较佳地，所述根据获取的特征参数预测对应的实时起雾参数的步骤包括：

根据获取的若干特征参数预测若干对应的实时起雾参数，并由所述若干对应的实时起雾参数构成起雾参数时间序列；

所述根据所述实时起雾参数预测未来起雾参数的步骤包括：根据所述起雾参数时间序列预测未来起雾参数。

较佳地，所述起雾参数包括内车窗和/或外车窗的周边温度、周边湿度、表面温度及表面湿度中的至少一种。

较佳地，所述根据获取的特征参数预测对应的实时起雾参数的步骤包括：

将获取的特征参数输入至参数预测模型中以获取对应的实时起雾参数，所述参数预测模型基于测试的特征参数以及测试的实时起雾参数进行模型训练获得。