本發明涉及機器學習與車載信息處理，尤其涉及基于機器學習的車載信息投放決策系統及方法。
背景技術：
1、為了將傳統的公共交通空間升級為信息化的移動服務平臺，并且在提升公共服務質量的同時，創造新的商業價值和社會效益，因此將ai（artificial?intelligence，人工智能）技術與傳統的公共交通車載多媒體結合，智能投放信息也順應了智慧城市與交通現代化的發展趨勢。
2、目前，基于ai驅動的公交車載信息投放決策系統，一般由“三層與兩核心”組成，其中，三層包括感知層、認知層以及決策與執行層，而兩核心則包括云端數據中心以及調度與廣告平臺，該架構的核心思想為由ai識別當前公交運行與乘車情境，接著自動匹配最合適的信息內容，然后智能決策是否插播與如何插播。
3、感知層一般部署了各類車載傳感器，如gps（global?positioning?system，全球定位系統）、陀螺儀、攝像頭、麥克風、obd（on-board?diagnostics，車載診斷系統）等，采集各類環境數據，如天氣、道路狀態與客流密度等；認知層則基于車載情境識別ai識別位置、事件、環境、乘客狀態，基于內容語義理解ai識別播放素材的類型、語義與主題等；然后決策與執行層在遇到插播情況時，投放決策ai判斷是否插播、插播內容與時機等。
4、其中，車載情境識別ai用于識別公交運行狀態、地理位置、時間、天氣、客流、道路狀況等，內容語義理解ai則對待播內容進行語義分類、主題標簽提取，投放決策ai則綜合情境、內容特征和業務規則，輸出最終插播決策與優先級，此外還包括乘客特征識別ai，以分析乘客性別比例、年齡段、情緒狀態，以便調整內容，還有場景匹配ai，將當前情境與內容庫語義向量匹配，計算最優投放項。
5、在結合各ai的情況下，當前主流的公交ai多媒體系統的典型實現流程為首先數據采集，接著基于情境識別ai識別當前位置、天氣、客流量、運行狀態，然后進行內容庫語義分析，提取每個內容的標簽（如“安全提示”“商業廣告”“導覽語音”），接著根據場景匹配ai基于語義相似度計算出與當前情境最匹配的內容，在通過決策ai評估優先級，綜合安全優先、乘客體驗、廣告收益等因素，最后通過播放調度系統執行插播，以控制時機、時長、沖突檢測與播放反饋，實現動態化、精準化的內容投放。
6、上述技術至少存在如下技術問題：
7、現有車載信息投放方案缺少針對待投放內容特征、車輛情境特征以及系統資源特征的聯合學習與融合決策機制，難以根據實時情境輸出自適應投放策略，導致投放時機、優先級調整和沖突預測準確性不足。
技術實現思路
1、為了解決現有技術存在的難以根據實時情境輸出自適應投放策略，導致投放時機、優先級調整和沖突預測準確性不足的技術問題，本發明通過第一經訓練模型提取待投放內容特征，通過第二經訓練模型預測投放沖突可行性，通過第三經訓練模型提取車輛情境特征，并對內容特征、情境特征和系統資源特征進行融合推理，輸出投放優先級、投放時機和投放策略參數。實施例提供的技術方案如下：
2、一方面，提供了一種基于機器學習的車載信息投放決策系統，包括：內容特征提取模塊，用于在車載多媒體按照當前投放任務隊列順序進行信息播放時，若接收到插播信號，則對插播信號進行投放沖突預測以確定插播的可行性；情境特征編碼模塊，用于在進行投放沖突預測時，基于ai進行情境識別以及情境投放關聯性評估，以判斷是否對投放沖突預測前的插播數據進行調整；策略輸出模塊，用于在插播結束之后，根據當前播放信息的任務類型進行恢復。
3、另一方面，提供了一種基于機器學習的車載信息投放決策方法，方法包括：在車載多媒體按照當前投放任務隊列順序進行信息播放時，若接收到插播信號，則對插播信號進行投放沖突預測以確定插播的可行性；在進行投放沖突預測時，基于ai進行情境識別以及情境投放關聯性評估，以判斷是否對投放沖突預測前的插播數據進行調整；在插播結束之后，根據當前播放信息的任務類型進行恢復。
4、本發明實施例提供的技術方案帶來的有益效果至少包括：
5、1、本發明提供的基于機器學習的車載信息投放決策系統，通過在車載多媒體按照當前投放任務隊列順序進行信息播放時，若接收到插播信號，則對插播信號進行投放沖突預測以確定插播的可行性，彌補了在傳統車載多媒體系統中，插播請求往往會直接打斷當前播放任務，造成畫面或語音突停、音頻錯位等現象的不足，從而有助于保障車載信息投放決策的準確性，進而使車載多媒體信息的投放更加平滑、流暢且智能化。
6、2、在進行投放沖突預測時，基于ai進行情境識別以及情境投放關聯性評估，以判斷是否對投放沖突預測前的插播數據進行調整，填補了傳統沖突分析僅依據投放任務隊列和時間，不具備環境感知能力，無法判斷插播內容與當前場景是否相關的空缺，提升了系統的信息相關性、情境適配度與用戶體驗質量，并且在插播結束之后，根據當前播放信息的任務類型進行恢復，提升了系統的任務管理智能化水平，實現了車載多媒體信息播放流程的完整閉環，有效解決了現有技術中傳統系統在插播結束后，常出現播放任務無法準確恢復、投放任務隊列混亂或內容丟失的問題。
7、3、本發明通過獲取的進行插播可行性運算，得到用于量化插播對系統運行影響程度的分析值，并記為投放沖突預測系數，解決了傳統系統無法定量衡量插播操作對系統性能的影響的問題，為后續延遲控制與插播時機決策提供統一量化依據，實現系統插播行為的精細化控制，接著將其與插播沖突界定閾值進行比較：若投放沖突預測系數大于插播沖突界定閾值，則表示出現插播沖突，基于投放沖突預測系數與插播沖突界定閾值的偏差值進行映射，得到插播延遲時長，并在到達插播延遲時長之后啟用插播算法插播信息，防止了現有技術無法根據沖突嚴重程度靈活調整插播時機，導致播放不穩定或信息延遲過大這一現象的出現，不僅避免了高負載時強制插播造成系統卡頓或播放錯誤，還實現了系統級“插播緩沖保護機制”，增強了系統運行穩定性，若投放沖突預測系數不大于插播沖突界定閾值，則立即啟用插播算法進行插播，從而與延遲機制形成互補，實現了智能動態調度。
8、4、通過獲取情境識別ai插播信息的插播情境關聯度指標，并分別與預設的插播情境權重進行賦權融合得到對應的插播情境關聯度評定值，填補了現有系統無法實現不同車輛、不同運營策略下的差異化插播優先級控制的空缺，實現靈活的插播決策策略配置，接著將插播情境關聯度評定值與情境關聯度閾值進行比較，解決了傳統系統無法判斷插播內容與情境的匹配度是否達到觸發條件，缺乏量化界定標準的問題，實現了基于情境自適應的插播觸發機制，使系統投放更智能、更精準，若插播情境關聯度評定值高于情境關聯度閾值，則對插播信息進行插播投放優先級調整，否則不對插播信息的投放優先級進行調控，從而彌補了傳統系統中插播優先級固定，無法根據實際環境動態調整，導致重要內容延遲或低優先級播放的不足，進而實現了提高車載多媒體系統整體智能性。
1.基于機器學習的車載信息投放決策系統，其特征在于，包括：
2.如權利要求1所述基于機器學習的車載信息投放決策系統，其特征在于：所述進行投放沖突預測，之前還包括：
3.如權利要求2所述基于機器學習的車載信息投放決策系統，其特征在于：所述對插播信號進行投放沖突預測以確定插播的可行性，包括：
4.如權利要求3所述基于機器學習的車載信息投放決策系統，其特征在于：所述得到插播延遲時長，之后還包括：
5.如權利要求2所述基于機器學習的車載信息投放決策系統，其特征在于：所述進行投放優先級排序，包括：
6.如權利要求1所述基于機器學習的車載信息投放決策系統，其特征在于：所述基于ai進行情境識別以及情境投放關聯性評估的具體方式如下：
7.如權利要求6所述基于機器學習的車載信息投放決策系統，其特征在于：所述車輛情境插播信息關聯度評定，包括：
8.如權利要求7所述基于機器學習的車載信息投放決策系統，其特征在于：所述插播投放優先級調整，包括：
9.如權利要求8所述基于機器學習的車載信息投放決策系統，其特征在于：所述優先級調整區間包括優先級一級調整區間、優先級二級調整區間以及優先級三級調整區間，表征的投放優先級調整力度逐級增大；
10.應用于權利要求1-9中任意一項所述一種基于機器學習的車載信息投放決策系統的方法，其特征在于，所述方法包括：