空调控制方法、装置、电子设备及存储介质与流程

1.本技术涉及空调技术领域，尤其涉及一种空调控制方法、装置、电子设备及存储介质。


背景技术：

2.现有技术中的空调，通常需要在用户对其进行开启和设置之后才能工作。例如，设置于车辆中的空调，是用户使用车辆过程中操作最多的产品之一，也是人机交互的重要端口。通常，对于此类空调，驾驶员或乘客通过空调控制面板按键、车机屏幕或语音等方式操纵空调。之后，空调控制器根据用户命令，以及车上各种传感器的信号输入，自动调节空调的送风温度、吹风模式、风量大小、内外循环方式，甚至吹风的方向角度等参数，将车内温度、湿度和风速始终控制在用户体感舒适的范围内。
3.然而，随着智能设备的快速发展，用户对空调的智能化程度提出了更高的要求。目前的空调往往需要用户进行操作后才能执行相应的操作，导致空调控制的智能化程度较低、操作复杂度较高，并且，容易产生误操作，导致空调控制的准确性较低。


技术实现要素：

4.鉴于此，为解决上述部分或全部技术问题，本技术实施例提供一种空调控制方法、装置、电子设备及存储介质。
5.第一方面，本技术实施例提供一种空调控制方法，所述方法包括：
6.获取目标用户信息；
7.基于所述目标用户信息，进行用户身份识别，得到用户身份标识；
8.从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；
9.采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；
10.控制所述空调按照所述目标空调运行状态进行运行。
11.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
12.获取目标信息，其中，所述目标信息包括以下至少一项：所述车辆的当前车况信息、所述空调的当前运行信息、所述车辆所处环境的当前环境信息；
13.采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态。
14.在一个可能的实施方式中，所述预测方式集合中的每个预测方式对应一个预测模型，所述预测模型用于表示目标信息与空调运行状态之间的对应关系；以及
15.所述采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的
用户匹配的空调运行状态，包括：
16.确定所述目标预测方式对应的预测模型，得到目标预测模型；
17.将所获取的目标信息输入至所述目标预测模型，得到所述用户身份标识表示的用户匹配的空调运行状态。
18.在一个可能的实施方式中，所述目标预测模型采用如下方式训练获得：
19.获取训练样本集合；其中，所述训练样本集合中的训练样本包括：样本目标信息和样本空调运行状态，所述样本空调运行状态为所述用户身份标识表示的用户匹配的空调运行状态；
20.采用机器学习算法，将所述训练样本集合中的样本目标信息作为输入数据，将所述训练样本集合中的样本空调运行状态作为期望输出数据，训练得到目标预测模型。
21.在一个可能的实施方式中，所述训练样本集合中的单个训练样本采用如下方式获得：
22.按照第一预设频率获取目标信息和空调运行状态，得到预设数量个目标信息和所述预设数量个空调运行状态，其中，按照第一预设频率获取的空调运行状态与所述用户身份标识表示的用户相匹配；
23.基于所述预设数量个目标信息，确定待生成的训练样本集合中的单个样本目标信息；
24.基于所述预设数量个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。
25.在一个可能的实施方式中，所述目标预测模型在满足以下至少一者的情况下进行训练：
26.所述训练样本集合中的训练样本的数量大于或等于预设数量阈值；
27.最近一次训练目标预测模型的时刻与当前时刻之间的时长大于或等于预设时长阈值；
28.当前时刻并非属于所述车辆的使用时段。
29.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
30.确定所述空调是否接收到用户控制指令，其中，所述用户控制指令用于控制所述空调的运行状态；
31.在所述空调未接收到所述用户控制指令的情况下，按照第二预设频率执行预测步骤；
32.在所述空调接收到所述用户控制指令的情况下，在目标上电期间内停止执行所述预测步骤；
33.其中，所述预测步骤为：采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态；所述目标上电期间的起始时刻为所述车辆的上电时刻，并且，所述目标上电期间的终止时刻为所述上电时刻对应的下电时刻；所述下电时刻位于所述上电时刻之后，并且，所述下电时刻与所述上电时刻之间不包括其他下电时刻。
34.在一个可能的实施方式中，在所述目标用户信息包括面部图像的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
35.通过人脸识别，对所述目标用户信息中的所述面部图像进行用户身份识别；和/或
36.在所述目标用户信息包括座椅状态信息的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
37.通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份。
38.第二方面，本技术实施例提供一种空调控制装置，所述装置包括：
39.获取单元，用于获取目标用户信息；
40.识别单元，用于基于所述目标用户信息，进行用户身份识别，得到用户身份标识；
41.第一确定单元，用于从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；
42.第二确定单元，用于采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；
43.控制单元，用于控制所述空调按照所述目标空调运行状态进行运行。
44.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
45.获取目标信息，其中，所述目标信息包括以下至少一项：所述车辆的当前车况信息、所述空调的当前运行信息、所述车辆所处环境的当前环境信息；
46.采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态。
47.在一个可能的实施方式中，所述预测方式集合中的每个预测方式对应一个预测模型，所述预测模型用于表示目标信息与空调运行状态之间的对应关系；以及
48.所述采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
49.确定所述目标预测方式对应的预测模型，得到目标预测模型；
50.将所获取的目标信息输入至所述目标预测模型，得到所述用户身份标识表示的用户匹配的空调运行状态。
51.在一个可能的实施方式中，所述目标预测模型采用如下方式训练获得：
52.获取训练样本集合；其中，所述训练样本集合中的训练样本包括：样本目标信息和样本空调运行状态，所述样本空调运行状态为所述用户身份标识表示的用户匹配的空调运行状态；
53.采用机器学习算法，将所述训练样本集合中的样本目标信息作为输入数据，将所述训练样本集合中的样本空调运行状态作为期望输出数据，训练得到目标预测模型。
54.在一个可能的实施方式中，所述训练样本集合中的单个训练样本采用如下方式获得：
55.按照第一预设频率获取目标信息和空调运行状态，得到预设数量个目标信息和所述预设数量个空调运行状态，其中，按照第一预设频率获取的空调运行状态与所述用户身份标识表示的用户相匹配；
56.基于所述预设数量个目标信息，确定待生成的训练样本集合中的单个样本目标信
息；
57.基于所述预设数量个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。
58.在一个可能的实施方式中，所述目标预测模型在满足以下至少一者的情况下进行训练：
59.所述训练样本集合中的训练样本的数量大于或等于预设数量阈值；
60.最近一次训练目标预测模型的时刻与当前时刻之间的时长大于或等于预设时长阈值；
61.当前时刻并非属于所述车辆的使用时段。
62.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
63.确定所述空调是否接收到用户控制指令，其中，所述用户控制指令用于控制所述空调的运行状态；
64.在所述空调未接收到所述用户控制指令的情况下，按照第二预设频率执行预测步骤；
65.在所述空调接收到所述用户控制指令的情况下，在所述目标上电期间内停止执行所述预测步骤；
66.其中，所述预测步骤为：采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态；所述目标上电期间的起始时刻为所述车辆的上电时刻，并且，所述目标上电期间的终止时刻为所述上电时刻对应的下电时刻；所述下电时刻位于所述上电时刻之后，并且，所述下电时刻与所述上电时刻之间不包括其他下电时刻。
67.在一个可能的实施方式中，
68.在所述目标用户信息包括面部图像的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
69.通过人脸识别，对所述目标用户信息中的所述面部图像进行用户身份识别；和/或
70.在所述目标用户信息包括座椅状态信息的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
71.通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份。
72.第三方面，本技术实施例提供一种电子设备，包括：
73.存储器，用于存储计算机程序；
74.处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现本技术上述第一方面的空调控制方法中任一实施例的方法。
75.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述第一方面的空调控制方法中任一实施例的方法。
76.第五方面，本技术实施例提供一种计算机程序，所述计算机程序包括计算机可读代码，当所述计算机可读代码在设备上运行时，使得该设备中的处理器实现如上述第一方面的空调控制方法中任一实施例的方法。
77.本技术实施例提供的空调控制方法，可以获取目标用户信息，之后，基于所述目标用户信息，进行用户身份识别，得到用户身份标识，然后，从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态，随后，采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态，最后，控制所述空调按照所述目标空调运行状态进行运行。由此，可以通过识别用户身份，来确定用户匹配的空调运行状态，进而控制空调按照上述目标空调运行状态进行运行，可以自动确定出与用户匹配的空调运行状态，降低了空调控制的操作复杂度，提高了空调控制的智能化程度和准确性。
附图说明
78.图1为本技术实施例提供的一种空调控制方法的流程示意图；
79.图2为本技术实施例提供的另一种空调控制方法的流程示意图；
80.图3a为本技术实施例提供的一种空调控制系统的架构图；
81.图3b为本技术实施例提供的另一种空调控制系统的架构图；
82.图4为本技术实施例提供的一种空调控制装置的结构示意图；
83.图5为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
84.现在将参照附图来详细描述本技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值并不限制本技术的范围。
85.本领域技术人员可以理解，本技术实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等对象，既不代表任何特定技术含义，也不表示它们之间的逻辑顺序。
86.还应理解，在本实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
87.还应理解，对于本技术实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
88.另外，本技术中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本技术中字符“/”，一般表示前后关联对象是一种“或”的关系。
89.还应理解，本技术对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
90.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本技术及其应用或使用的任何限制。
91.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，上述技术、方法和设备应当被视为说明书的一部分。
92.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一
个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
93.需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。为便于对本技术实施例的理解，下面将参考附图并结合实施例来详细说明本技术。显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
94.图1为本技术实施例提供的一种空调控制方法的流程示意图。如图1所示，该方法具体包括：
95.步骤101，获取目标用户信息。
96.在本实施例中，目标用户信息，可以包括各种用户信息。例如，目标用户信息可以包括位于空调所在的区域(例如房间、车辆)内的用户的信息。比如，目标用户信息，可以包括但不限于以下至少一项：用户年龄、用户性别、用户位置、用户图像等。
97.示例性的，目标用户信息可以包括面部图像和/或座椅状态信息。其中，面部图像，可以采用摄像头拍摄获得。座椅状态信息可以表示设置有上述空调的车辆内的座椅的状态。例如，座椅状态信息可以包括座椅高度、座椅靠背倾斜度、座椅位置等。
98.步骤102，基于所述目标用户信息，进行用户身份识别，得到用户身份标识。
99.在本实施例中，可以预先建立目标用户信息与用户身份标识之间的关联关系，由此，可以通过上述关联关系确定出上述步骤101中所获取的目标用户信息关联的用户身份标识，以便通过用户身份识别得到用户身份标识。
100.其中，上述用户身份标识，可以用于唯一确定一个用户。
101.在本实施例的一些可选的实现方式中，在所述目标用户信息包括面部图像的情况下，可以采用如下方式，来基于所述目标用户信息，进行用户身份识别：
102.通过人脸识别，对所述目标用户信息中的所述面部图像进行用户身份识别。
103.可以理解，上述可选的实现方式中，可以通过人脸识别，基于面部图像进行用户身份识别，由此，通过后续步骤，可以自动为进入面部图像的采集区域的用户确定出目标空调运行状态，并控制空调按照该目标空调运行状态进行运行，从而提高了空调控制的智能化程度和准确性。
104.在本实施例的一些可选的实现方式中，在所述目标用户信息包括座椅状态信息的情况下，可以采用如下方式，来基于所述目标用户信息，进行用户身份识别：
105.通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份。
106.可以理解，上述可选的实现方式中，在预先存储座椅状态信息和用户身份标识之间的对应关系的基础上，可以通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份，由此，可以利用座椅记忆功能关联用户身份标识，进而进行身份识别，提高了空调控制的智能化程度和准确性。
107.步骤103，从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态。
108.在本实施例中，预测方式集合，可以包括多个不同的预测方式。每个预测方式与一
个或多个用户身份标识相匹配。
109.目标预测方式，可以是与所述用户身份标识相匹配的预测方式。
110.空调运行状态，可以包括以下至少一项：开启/关闭空调、运行温度、运行模式、风量等。
111.预测方式与用户身份标识之间的匹配关系可以采用如下方式确立：
112.针对每个用户身份标识，确定一种预测算法，以建立预测方式与用户身份标识之间的匹配关系。其中，预测算法可以用于确定该用户身份标识表示的用户匹配的空调运行状态。具体地，预测算法1，可以用于确定用户身份标识1表示的用户匹配的空调运行状态；预测算法2，可以用于确定用户身份标识2表示的用户匹配的空调运行状态；预测算法3，可以用于确定除用户身份标识1、2之外的其他用户身份标识(例如用户身份标识3、4、5)表示的用户匹配的空调运行状态。
113.步骤104，采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态。
114.在本实施例中，目标空调运行状态，可以是采用与所述用户身份标识相匹配的预测方式确定的空调运行状态。
115.步骤105，控制所述空调按照所述目标空调运行状态进行运行。
116.在本实施例中，如果目标空调运行状态表示开启空调，那么，可以控制所述空调开启；如果目标空调运行状态表示制热模式，那么，可以控制所述空调进入制热模式。
117.在本实施例的一些可选的实现方式中，在所述空调设置于车辆中的情况下，可以采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态：
118.首先，确定所述空调是否接收到用户控制指令。
119.其中，所述用户控制指令用于控制所述空调的运行状态。
120.具体地，用户控制指令，可以是用户参与生成(例如触发)的控制指令。例如，用户控制指令，可以是用户通过空调遥控器、手机等设备生成的控制指令。
121.之后，在所述空调未接收到所述用户控制指令的情况下，按照第二预设频率执行预测步骤；在所述空调接收到所述用户控制指令的情况下，在上电期间内停止执行所述预测步骤。
122.其中，所述预测步骤为：采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态。
123.所述目标上电期间的起始时刻为所述车辆的上电时刻，并且，所述目标上电期间的终止时刻为所述上电时刻对应的下电时刻。
124.所述下电时刻位于所述上电时刻之后，并且，所述下电时刻与所述上电时刻之间不包括其他下电时刻。
125.这里，可以将上述目标上电期间，作为一个控制周期，在车辆上电到下电的一个控制周期内，预测用户匹配的空调运行状态，例如，开启/关闭空调、温度设置、风量设置、吹风模式设置、内外循环设置。在一个控制周期内，当空调接收到用户控制指令时，这一控制周期内将停止对空调运行状态的预测。如在一个控制周期内，用户将风量设为5档，在这一控制周期内，将不再预测用户的风量设置。
126.可以理解，上述可选的实现方式中，在空调未接收到用户控制指令的情况下，按照
预设频率执行预测步骤；而一旦空调接收到用户控制指令的情况下，则在对应的上电期间内不再执行所述预测步骤。由此，可以进一步提高空调控制的准确性。
127.本技术实施例提供的空调控制方法，可以获取目标用户信息，之后，基于所述目标用户信息，进行用户身份识别，得到用户身份标识，然后，从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态，随后，采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态，最后，控制所述空调按照所述目标空调运行状态进行运行。由此，可以通过识别用户身份，来确定用户匹配的空调运行状态，进而控制空调按照上述目标空调运行状态进行运行，可以自动确定出与用户匹配的空调运行状态，降低了空调控制的操作复杂度，提高了空调控制的智能化程度和准确性。
128.图2为本技术实施例提供的另一种空调控制方法的流程示意图。
129.在本实施例中，所述空调设置于车辆中。
130.如图2所示，该方法具体包括：
131.步骤201，获取目标用户信息。
132.在本实施例中，步骤201与图1对应实施例中的步骤101基本一致，这里不再赘述。
133.步骤202，基于所述目标用户信息，进行用户身份识别，得到用户身份标识。
134.在本实施例中，步骤202与图1对应实施例中的步骤102基本一致，这里不再赘述。
135.步骤203，从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态。
136.在本实施例中，步骤203与图1对应实施例中的步骤103基本一致，这里不再赘述。
137.步骤204，获取目标信息，其中，所述目标信息包括以下至少一项：所述车辆的当前车况信息、所述空调的当前运行信息、所述车辆所处环境的当前环境信息。
138.在本实施例中，当前车况信息，可以是采集时刻距离当前时刻之间的时长小于或等于预设阈值的车况信息。例如，当前车况信息，可以包括以下至少一项：车窗开度、车速等。
139.当前运行信息，可以是采集时刻距离当前时刻之间的时长小于或等于预设阈值的空调的运行信息。例如，当前运行信息，可以包括以下至少一项：开启/关闭状态、温度、风量、吹风模式、内外循环状态等。
140.当前环境信息，可以是采集时刻距离当前时刻之间的时长小于或等于预设阈值的环境信息。当前环境信息，可以包括以下至少一项：车外温度、车内温度、日照强度、车内湿度等。
141.步骤205，采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态。
142.在本实施例中，目标预测方式，可以表示目标信息，以及所述用户身份标识表示的用户匹配的空调运行状态之间的对应关系。
143.在本实施例的一些可选的实现方式中，所述预测方式集合中的每个预测方式对应一个预测模型，所述预测模型用于表示目标信息与空调运行状态之间的对应关系。
144.其中，上述预测模型，可以是采用机器学习算法训练得到的模型，也可以是表示目标信息与空调运行状态之间的对应关系的表格。
145.在此基础上，可以采用如下方式，来采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态：
146.首先，确定所述目标预测方式对应的预测模型，得到目标预测模型。
147.其中，目标预测模型，可以是所述目标预测方式对应的预测模型。
148.之后，将所获取的目标信息输入至所述目标预测模型，得到所述用户身份标识表示的用户匹配的空调运行状态。
149.可以理解，上述可选的实现方式中，采用目标预测模型，来基于目标信息预测所述用户身份标识表示的用户匹配的空调运行状态，可以进一步提高空调控制的准确性。
150.在上述可选的实现方式中的一些应用场景下，所述目标预测模型可以采用如下方式训练获得：
151.首先，获取训练样本集合。
152.其中，所述训练样本集合中的训练样本包括：样本目标信息和样本空调运行状态。所述样本空调运行状态为所述用户身份标识表示的用户匹配的空调运行状态。
153.这里，训练样本集合中的数据经由实际采集而获得。
154.实践中，在一个控制周期内，可以实时从接收用户身份标识、目标信号(例如环境、车况和空调状态)，并每隔预设时间，将用户身份标识、目标信号作为变量，将空调运行状态信息作为标签，拼接成一条样本，存储在该用户编码(也即用户身份标识)对应的样本库中。
155.之后，采用机器学习算法，将所述训练样本集合中的样本目标信息作为输入数据，将所述训练样本集合中的样本空调运行状态作为期望输出数据，训练得到目标预测模型。
156.这里，若训练过程中的预测模型的性能超过设定阈值，则更新该用户的预测模型的模型参数；若预测模型性能未超过设定阈值，则等待下一次训练。
157.可以理解，上述应用场景下，可以通过机器学习算法，基于实际采集而获得训练样本集合，来训练预测模型，这样可以进一步提高空调控制的准确性。
158.在上述应用场景中的一些情况下，所述训练样本集合中的单个训练样本采用如下方式获得：
159.首先，按照第一预设频率获取目标信息和空调运行状态，得到预设数量个目标信息和所述预设数量个空调运行状态。
160.其中，按照第一预设频率获取的空调运行状态与所述用户身份标识表示的用户相匹配。
161.之后，基于所述预设数量个目标信息，确定待生成的训练样本集合中的单个样本目标信息。以及，基于所述预设数量个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。
162.例如，在预设数量个目标信息均包括数值数据(例如表示车外温度)的情况下，可以将上述预设数量个数值数据的均值、众数或中位数，作为待生成的训练样本集合中的单个样本目标信息。在预设数量个目标信息均包括非数值数据(例如车窗状态)的情况下，可以将上述预设数量个非数值数据中出现次数最多的数据，作为待生成的训练样本集合中的单个样本目标信息。类似地，在预设数量个空调运行状态均包括数值数据(例如空调温度)
的情况下，可以将上述预设数量个数值数据的均值、众数或中位数，作为待生成的训练样本集合中的单个样本空调运行状态。在预设数量个空调运行状态均包括非数值数据(例如空调模式)的情况下，可以将上述预设数量个非数值数据中出现次数最多的数据，作为待生成的训练样本集合中的单个样本空调运行状态。
163.可以理解，上述情况下，可以基于多个目标信息，确定待生成的训练样本集合中的单个样本目标信息。以及，基于多个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。这样，既可以减少样本数量，又可以确保样本的正确性，进而提高预测模型的训练效率的预测准确性。
164.在上述可选的实现方式中的一些应用场景下，所述目标预测模型在满足以下三者中的至少一者的情况下进行重新训练或继续训练：
165.一，所述训练样本集合中的训练样本的数量大于或等于预设数量阈值。
166.二，最近一次训练目标预测模型的时刻与当前时刻之间的时长大于或等于预设时长阈值。
167.三，当前时刻并非属于所述车辆的使用时段。
168.可以理解，上述应用场景下，可以在满足上述三者中的至少一者的情况下，自动触发目标预测模型的训练，由此，可以及时优化目标预测模型，及时提高目标预测模型的预测准确度。
169.步骤206，控制所述空调按照所述目标空调运行状态进行运行。
170.在本实施例中，步骤206与图1对应实施例中的步骤105基本一致，这里不再赘述。
171.需要说明的是，除以上所记载的内容之外，本实施例还可以包括图1对应的实施例中所描述的相应技术特征，进而实现图1所示空调控制方法的技术效果，具体请参照图1相关描述，为简洁描述，在此不作赘述。
172.本技术实施例提供的空调控制方法，通过车辆的当前车况信息、车辆中空调的当前运行信息、车辆所处环境的当前环境信息中的至少一者，来预测用户匹配的空调运行状态。由此，可以自动确定出与用户匹配的车载空调的运行状态，降低了车载空调控制的操作复杂度，提高了车载空调控制的智能化程度、准确性，以及车辆使用过程中的安全性。
173.下面对本技术实施例进行示例性说明，但需要注意的是，本技术实施例可以具有以下所描述的特征，但以下描述并不构成对本技术实施例保护范围的限定。
174.具体地，请参照图3a和图3b。
175.其中，图3a为本技术实施例提供的一种空调控制系统的架构图。
176.如图3a所示，该空调控制系统包括：用户识别模块1、用户控制模块2、环境及车况监测模块3、样本生成和管理模块4、智能空调中枢平台5、自动空调控制器6、用户习惯模型训练模块7、汽车空调系统执行模块8。
177.所述的用户识别模块1，在用户上车时，识别用户身份。若用户已在用户库中，则发送用户编号(也即上述用户身份标识)给智能空调中枢平台5；若为新用户，则新建用户编号，发送给智能空调中枢平台5。其中，对于新用户，可以采将默认的空调运行状态，作为该用户对应的目标空调运行状态。
178.进一步地，所述用户识别模块1的硬件，根据车辆的配置而定，可以是人脸识别摄像头，也可以是座椅记忆功能关联的用户编号。
179.所述的用户控制模块2指空调控制面板和车机系统，用户可以通过空调控制面板或车机app(application，应用程序)发送控制指令给智能空调中枢平台5、空调控制器6，并显示空调运行状态。
180.所述的环境及车况监测模块3负责监测车外温度、车内温度、日照强度、车内湿度、车窗开度、车速，以及空调系统的运行状况(也即上述目标信息)，并将这些信号发送给智能空调中枢平台5、空调控制器6。
181.所述的智能空调中枢平台5的功能为：根据环境及车况监测模块3发送的环境、车况及空调工作状态信号，预测用户期望的空调设置(也即上述目标空调运行状态)；接收用户控制模块2发送的命令，协调用户人工控制命令和智能空调自动控制命令的关系，并按既定的逻辑，向空调控制器6发送控制命令。
182.进一步地，所述的预测用户期望的空调设置，指在车辆上电到下电的一个控制周期(也即上述目标上电期间)内，预测用户开启/关闭空调、温度设置、开启auto(自动)模式、ac开关(制冷制热开关)、风量设置、吹风模式设置、内外循环设置(也即上述目标空调运行状态)。所述的协调用户人工控制命令和智能空调自动控制命令的关系的既定逻辑，指在一个控制周期内，当接收到用户控制模块2发送的命令时，这一控制周期内将停止对相应命令的预测。如在一个控制周一内，用户将风量设为5档，在这一控制周期内，将不再预测用户的风量设置。
183.进一步地，所述的预测用户的空调操作的预测算法，是由用户习惯模型训练模块7生成的用户预测模型。
184.所述的样本生成和管理模块4，在一个控制周期内，实时从智能空调中枢平台5接收用户编码、环境、车况和空调状态信号，并每隔t时间(也即上述第一预设频率)，将用户编码、车外温度均值、车内温度均均值、日照强度均值、车内湿度均值、车窗开度均值、车速均值(也即上述样本目标信息)作为变量(也即上述输入数据)，将空调开启/关闭状态众数、温度设置众数、风量设置众数、吹风模式众数、内外循环状态众数、auto状态众数、ac开关众数(也即上述样本空调运行状态)作为标签(也即上述期望输出数据)，拼接成一条样本，存储在该用户编码对应的样本库中。
185.所述的用户模型训练模块7，会在新样本数量和训练间隔时间任一个值达到设定阈值时，且非用户用车时段时，分别根据每个用户标签下的样本，训练该用户的预测模型，训练结束后，若预测模型性能超过设定阈值，则更新智能空调中枢平台中该用户的预测模型；若预测模型性能未超过设定阈值，则等待下一次训练。进一步地，预测模型的算法为机器学习算法。
186.所述空调控制器6，可根据空调设置，自动调节空调的送风温度、吹风模式、风量大小、内外循环方式，甚至吹风的方向角度，将车内温度、湿度和风速始终控制在用户需求的范围内。
187.所述的汽车空调系统执行模块8指：受自动空调控制器控制的执行机构。
188.此外，图3b为本技术实施例提供的另一种空调控制系统的架构图。
189.如图3b所示，该空调控制系统分为车端系统和云端系统两部分，车端系统包括用户识别模块1、用户控制模块2、环境及车况监测模块3、智能空调中枢平台5、空调控制器6、汽车空调系统执行模块8、thu(车机控制器)9；云端系统包括样本生成和管理模块4和用户
习惯模型训练模块7。
190.所述的用户识别模块1，在用户上车时，识别用户身份。若用户已在用户库中，则发送用户编号(也即上述用户身份标识)给智能空调中枢平台5；若为新用户，则新建用户编号，发送给智能空调中枢平台5。其中，对于新用户，可以采将默认的空调运行状态，作为该用户对应的目标空调运行状态。
191.进一步地，所述用户识别模块1的硬件，根据车辆的配置而定，可以是人脸识别摄像头，也可以是座椅记忆功能关联的用户编号。
192.所述的用户控制模块2指空调控制面板和车机系统，用户可以通过空调控制面板或车机app发送控制指令给智能空调中枢平台5、空调控制器6，并向用户显示空调运行状态。
193.所述的环境及车况监测模块3负责监测车外温度、车内温度、日照强度、车内湿度、车窗开度、车速，以及空调系统的运行状况(也即上述目标信息)，并将这些信号发送给智能空调中枢平台5、空调控制器6。
194.所述的智能空调中枢平台5的功能为：根据环境及车况监测模块3发送的环境、车况及空调工作状态信号，预测用户期望的空调设置(也即上述目标空调运行状态)；接收用户控制模块2发送的命令，协调用户人工控制命令和智能空调自动控制命令的关系，并按既定的逻辑，向空调控制器6发送控制命令；实时将环境、车况和空调状态信号转发给thu9。
195.进一步地，所述的预测用户期望的空调设置，指在车辆上电到下电的一个控制周期内，预测用户开启/关闭空调、温度设置、开启auto模式、ac开关、风量设置、吹风模式设置、内外循环设置(也即上述目标空调运行状态)。所述的协调用户人工控制命令和智能空调自动控制命令的关系的既定逻辑，指在一个控制周期内，当接收到用户控制模块2发送的命令时，这一控制周期内将停止对相应命令的预测。如在一个控制周一内，用户将风量设为5档，在这一控制周期内，将不再预测用户的风量设置。
196.进一步地，所述的预测用户的空调操作的预测算法，是由用户习惯模型训练模块7生成的用户预测模型。
197.所述thu9在一个控制周期内，实时将用户编号、车外温度、车内温度均、日照强度、车内湿度、车窗开度、车速、将空调开启/关闭状态、温度设置、风量设置、吹风模式、内外循环状态、auto状态、ac状态(也即上述目标信息)发送到云端。
198.所述的样本生成和管理模块4位于云端，间隔固定时间会集中处理云端采集的用户数据。处理方式为，将每t时间(也即上述第一预设频率)的车外温度均值、车内温度均均值、日照强度均值、车内湿度均值、车窗开度均值、车速均值(也即上述样本目标信息)作为变量(也即上述输入数据)，将空调开启/关闭状态众数、温度设置众数、风量设置众数、吹风模式众数、内外循环状态众数、auto状态众数、ac开关众数(也即上述样本空调运行状态)作为标签(也即上述期望输出数据)，拼接成一条样本，存储在用户编码对应样本库中。
199.所述的用户习惯模型训练模块7，会在新样本数量和训练间隔时间任一个值达到设定阈值时，且非用户用车时段，分别根据每个用户标签下的样本，训练该用户的预测模型，训练结束后，若预测模型性能超过设定阈值，则通过thu9从云端下发到车端，更新智能空调中枢平台5中该用户的预测模型；若预测模型性能未超过设定阈值，则等待下一次训练。进一步地，预测模型的算法为机器学习算法。
200.所述空调控制器6，可根据空调设置，自动调节空调的送风温度、吹风模式、风量大小、内外循环方式，甚至吹风的方向角度，将车内温度、湿度和风速始终控制在用户需求的范围内。
201.所述的汽车空调系统执行模块8指受自动空调控制器控制的执行机构。
202.需要说明的是，除以上所记载的内容之外，本实施例还可以包括以上各实施例中所描述的技术特征，进而实现以上所示空调控制方法的技术效果，具体请参照以上描述，为简洁描述，在此不作赘述。
203.本技术实施例中，智能空调系统可以识别用户，并收集用户空调使用习惯数据，通过机器学习算法，生成该用户空调使用习惯模型(也即上述预测模型)，模型生成后，就可以预测用户空调使用需求，实时帮助用户自动开启、关闭和调节空调设置(也即上述目标空调运行状态)，自动将车内气候控制在用户体感舒适区间，减少用户操作空调的频次，提高汽车空调的智能化程度，提升车辆驾乘的舒适性和安全性。
204.图4为本技术实施例提供的一种空调控制装置的结构示意图。具体包括：
205.获取单元401，用于获取目标用户信息；
206.识别单元402，用于基于所述目标用户信息，进行用户身份识别，得到用户身份标识；
207.第一确定单元403，用于从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；
208.第二确定单元404，用于采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；
209.控制单元405，用于控制所述空调按照所述目标空调运行状态进行运行。
210.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
211.获取目标信息，其中，所述目标信息包括以下至少一项：所述车辆的当前车况信息、所述空调的当前运行信息、所述车辆所处环境的当前环境信息；
212.采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态。
213.在一个可能的实施方式中，所述预测方式集合中的每个预测方式对应一个预测模型，所述预测模型用于表示目标信息与空调运行状态之间的对应关系；以及
214.所述采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
215.确定所述目标预测方式对应的预测模型，得到目标预测模型；
216.将所获取的目标信息输入至所述目标预测模型，得到所述用户身份标识表示的用户匹配的空调运行状态。
217.在一个可能的实施方式中，所述目标预测模型采用如下方式训练获得：
218.获取训练样本集合；其中，所述训练样本集合中的训练样本包括：样本目标信息和样本空调运行状态，所述样本空调运行状态为所述用户身份标识表示的用户匹配的空调运行状态；
219.采用机器学习算法，将所述训练样本集合中的样本目标信息作为输入数据，将所述训练样本集合中的样本空调运行状态作为期望输出数据，训练得到目标预测模型。
220.在一个可能的实施方式中，所述训练样本集合中的单个训练样本采用如下方式获得：
221.按照第一预设频率获取目标信息和空调运行状态，得到预设数量个目标信息和所述预设数量个空调运行状态，其中，按照第一预设频率获取的空调运行状态与所述用户身份标识表示的用户相匹配；
222.基于所述预设数量个目标信息，确定待生成的训练样本集合中的单个样本目标信息；
223.基于所述预设数量个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。
224.在一个可能的实施方式中，所述目标预测模型在满足以下至少一者的情况下进行训练：
225.所述训练样本集合中的训练样本的数量大于或等于预设数量阈值；
226.最近一次训练目标预测模型的时刻与当前时刻之间的时长大于或等于预设时长阈值；
227.当前时刻并非属于所述车辆的使用时段。
228.在一个可能的实施方式中，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：
229.确定所述空调是否接收到用户控制指令，其中，所述用户控制指令用于控制所述空调的运行状态；
230.在所述空调未接收到所述用户控制指令的情况下，按照第二预设频率执行预测步骤；
231.在所述空调接收到所述用户控制指令的情况下，在所述目标上电期间内停止执行所述预测步骤；
232.其中，所述预测步骤为：采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态；所述目标上电期间的起始时刻为所述车辆的上电时刻，并且，所述目标上电期间的终止时刻为所述上电时刻对应的下电时刻；所述下电时刻位于所述上电时刻之后，并且，所述下电时刻与所述上电时刻之间不包括其他下电时刻。
233.在一个可能的实施方式中，
234.在所述目标用户信息包括面部图像的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
235.通过人脸识别，对所述目标用户信息中的所述面部图像进行用户身份识别；和/或
236.在所述目标用户信息包括座椅状态信息的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：
237.通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份。
238.本实施例提供的空调控制装置可以是如图4中所示的空调控制装置，可执行以上所述的各空调控制方法的所有步骤，进而实现以上所述的各空调控制方法的技术效果，具
体请参照以上相关描述，为简洁描述，在此不作赘述。
239.图5为本技术实施例提供的一种电子设备的结构示意图，图5所示的电子设备500包括：至少一个处理器501、存储器502、至少一个网络接口504和其他用户接口503。电子设备500中的各个组件通过总线系统505耦合在一起。可理解，总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图5中将各种总线都标为总线系统505。
240.其中，用户接口503可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
241.可以理解，本技术实施例中的存储器502可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddrsdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，drram)。本文描述的存储器502旨在包括但不限于这些和任意其它适合类型的存储器。
242.在一些实施方式中，存储器502存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统5021和应用程序5022。
243.其中，操作系统5021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序5022，包含各种应用程序，例如媒体播放器(media player)、浏览器(browser)等，用于实现各种应用业务。实现本技术实施例方法的程序可以包含在应用程序5022中。
244.在本实施例中，通过调用存储器502存储的程序或指令，具体的，可以是应用程序5022中存储的程序或指令，处理器501用于执行各方法实施例所提供的方法步骤，例如包括：
245.获取目标用户信息；
246.基于所述目标用户信息，进行用户身份识别，得到用户身份标识；
247.从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；
248.采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；
249.控制所述空调按照所述目标空调运行状态进行运行。
250.上述本技术实施例揭示的方法可以应用于处理器501中，或者由处理器501实现。处理器501可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各
步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器501可以是通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502，处理器501读取存储器502中的信息，结合其硬件完成上述方法的步骤。
251.可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(application specific integrated circuits，asic)、数字信号处理器(digital signal processing，dsp)、数字信号处理设备(dspdevice，dspd)、可编程逻辑设备(programmable logic device，pld)、现场可编程门阵列(field-programmable gate array，fpga)、通用处理器、控制器、微控制器、微处理器、用于执行本技术的上述功能的其它电子单元或其组合中。
252.对于软件实现，可通过执行本文上述功能的单元来实现本文上述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
253.本实施例提供的电子设备可以是如图5中所示的电子设备，可执行以上所述的各空调控制方法的所有步骤，进而实现以上所述的各空调控制方法的技术效果，具体请参照以上相关描述，为简洁描述，在此不作赘述。
254.本技术实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
255.当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在电子设备侧执行的空调控制方法。
256.上述处理器用于执行存储器中存储的空调控制程序，以实现以下在电子设备侧执行的空调控制方法的步骤：
257.获取目标用户信息；
258.基于所述目标用户信息，进行用户身份识别，得到用户身份标识；
259.从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；
260.采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；
261.控制所述空调按照所述目标空调运行状态进行运行。
262.专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬
件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
263.结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
264.以上所述的具体实施方式，对本技术的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本技术的具体实施方式而已，并不用于限定本技术的保护范围，凡在本技术的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。此外，对于前述的各实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。

技术特征：
1.一种空调控制方法，其特征在于，所述方法包括：获取目标用户信息；基于所述目标用户信息，进行用户身份识别，得到用户身份标识；从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；控制所述空调按照所述目标空调运行状态进行运行。2.根据权利要求1所述的方法，其特征在于，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：获取目标信息，其中，所述目标信息包括以下至少一项：所述车辆的当前车况信息、所述空调的当前运行信息、所述车辆所处环境的当前环境信息；采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态。3.根据权利要求2所述的方法，其特征在于，所述预测方式集合中的每个预测方式对应一个预测模型，所述预测模型用于表示目标信息与空调运行状态之间的对应关系；以及所述采用所述目标预测方式，基于所述目标信息，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：确定所述目标预测方式对应的预测模型，得到目标预测模型；将所获取的目标信息输入至所述目标预测模型，得到所述用户身份标识表示的用户匹配的空调运行状态。4.根据权利要求3所述的方法，其特征在于，所述目标预测模型采用如下方式训练获得：获取训练样本集合；其中，所述训练样本集合中的训练样本包括：样本目标信息和样本空调运行状态，所述样本空调运行状态为所述用户身份标识表示的用户匹配的空调运行状态；采用机器学习算法，将所述训练样本集合中的样本目标信息作为输入数据，将所述训练样本集合中的样本空调运行状态作为期望输出数据，训练得到目标预测模型。5.根据权利要求4所述的方法，其特征在于，所述训练样本集合中的单个训练样本采用如下方式获得：按照第一预设频率获取目标信息和空调运行状态，得到预设数量个目标信息和所述预设数量个空调运行状态，其中，按照第一预设频率获取的空调运行状态与所述用户身份标识表示的用户相匹配；基于所述预设数量个目标信息，确定待生成的训练样本集合中的单个样本目标信息；基于所述预设数量个空调运行状态，确定待生成的训练样本集合中的单个样本空调运行状态。6.根据权利要求3所述的方法，其特征在于，所述目标预测模型在满足以下至少一者的情况下进行训练：所述训练样本集合中的训练样本的数量大于或等于预设数量阈值；
最近一次训练目标预测模型的时刻与当前时刻之间的时长大于或等于预设时长阈值；当前时刻并非属于所述车辆的使用时段。7.根据权利要求1所述的方法，其特征在于，在所述空调设置于车辆中的情况下，所述采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，包括：确定所述空调是否接收到用户控制指令，其中，所述用户控制指令用于控制所述空调的运行状态；在所述空调未接收到所述用户控制指令的情况下，按照第二预设频率执行预测步骤；在所述空调接收到所述用户控制指令的情况下，在目标上电期间内停止执行所述预测步骤；其中，所述预测步骤为：采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态；所述目标上电期间的起始时刻为所述车辆的上电时刻，所述目标上电期间的终止时刻为所述上电时刻对应的下电时刻，并且，所述空调接收到所述用户控制指令的时刻属于所述目标上电期间；所述下电时刻位于所述上电时刻之后，并且，所述下电时刻与所述上电时刻之间不包括其他下电时刻。8.根据权利要求1-7任一所述的方法，其特征在于，在所述目标用户信息包括面部图像的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：通过人脸识别，对所述目标用户信息中的所述面部图像进行用户身份识别；和/或在所述目标用户信息包括座椅状态信息的情况下，所述基于所述目标用户信息，进行用户身份识别，包括：通过确定所述目标用户信息中的所述座椅状态信息对应的用户身份，识别用户身份。9.一种空调控制装置，其特征在于，所述装置包括：获取单元，用于获取目标用户信息；识别单元，用于基于所述目标用户信息，进行用户身份识别，得到用户身份标识；第一确定单元，用于从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；第二确定单元，用于采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；控制单元，用于控制所述空调按照所述目标空调运行状态进行运行。10.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；存储器，用于存放计算机程序；处理器，用于执行存储器上所存放的程序时，实现权利要求1-8中任一所述的方法步骤。11.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。

技术总结
本发明涉及一种空调控制方法、装置、电子设备及存储介质，所述空调控制方法包括：获取目标用户信息；基于所述目标用户信息，进行用户身份识别，得到用户身份标识；从预先确定的预测方式集合中，确定与所述用户身份标识相匹配的预测方式，得到目标预测方式，其中，所述预测方式集合中的预测方式用于确定用户匹配的空调运行状态；采用所述目标预测方式，确定所述用户身份标识表示的用户匹配的空调运行状态，得到目标空调运行状态；控制所述空调按照所述目标空调运行状态进行运行。由此，可以自动确定出与用户匹配的空调运行状态，降低了空调控制的操作复杂度，提高了空调控制的智能化程度和准确性。程度和准确性。程度和准确性。


技术研发人员：马峰 杜明成 赵仁中
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：2023.04.21
技术公布日：2023/7/6