DE102010036666A1

DE102010036666A1 - Intelligente Musikauswahl in Fahrzeugen

Info

Publication number: DE102010036666A1
Application number: DE102010036666A
Authority: DE
Inventors: Kacie Alane Novi Theisen; Oleg Yurievitch West Bloomfield Gusikhin; Perry Robinson Lathrup Village Macneille; Dimitar Petrov Novi Filev
Original assignee: Ford Global Technologies LLC
Current assignee: Ford Global Technologies LLC
Priority date: 2009-08-12
Filing date: 2010-07-28
Publication date: 2011-02-24
Also published as: US20110040707A1; CN101992779A; CN101992779B

Abstract

Ein Verfahren zur intelligenten Musikauswahl in einem Fahrzeug (14) beinhaltet die Maßnahme, Benutzervorlieben für eine Musikauswahl in dem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs (14) zu lernen (130). Es wird eine Eingabe empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt (132), und es wird Musik wird auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung ausgewählt (134).

Description

Die Erfindung betrifft ein Verfahren zur intelligenten Musikauswahl in Fahrzeugen auf Basis von Benutzervorlieben und Fahrbedingungen.
Die technische Entwicklung hat gezeigt, dass zunächst im häuslichen Bereich eingesetzte technisch relevante Audiotechniken später auch im Automobilbereich Anwendung gefunden haben. Beispiele hierfür sind das AM-Radio, das FM-Radio, Stereotechnik, CD-Technik u. dgl. Der neueste Trend im häuslichen Bereich ist das Internet-Radio, welches zu einer erheblichen Veränderung des Rundfunks führen wird.
Für Fahrer in vielen Ländern ist es üblich, beim Autofahren Musik im Radio zu hören. Wenn dabei die Aufmerksamkeit des Fahrers von der Straße auf die Bedienung des Radios gerichtet wird, stellt dies ein sicherheitstechnisches Problem dar. Da traditionelle Radiosender Musik zu kommerziellen Zwecken spielen, wechseln manche Hörer häufig den Sender, um nach einem Musikstück zu suchen, das ihren Vorlieben entspricht. Auch ist es seit langem bekannt, dass das Musiktempo die Handlungen eines Hörers beeinflussen kann, derart dass manche Fahrer bei zunehmendem Tempo der gehörten Musik unbewusst die Fahrgeschwindigkeit erhöhen. Benutzervorlieben und Fahrbedingungen mit den Parametern gerade gespielter Musik zu korrelieren, würde das Fahren auf der Straße sicherer machen.
Das Autoradio hat sich in den letzten Jahren zu einer komplexen Medienzentrale entwickelt. Jeder Fahrzeuginsasse hat individuelle Bedienungsmöglichkeiten, und die Medienquellen sind erheblich größer und vielfältiger geworden. Dem Fahrer bieten sich wesentlich mehr Auswahlmöglichkeiten an als in der Vergangenheit. Mittels konventioneller Bedienungseinrichtungen unter beispielsweise 400 Kanälen eines Satellitenradios auszuwählen, ist eine entmutigende Aufgabe, die die kognitive Beanspruchung des Fahrers erhöht und somit eine Ablenkung von wichtigeren Aufgaben darstellt.
Außer dass sie eine Ablenkung bedeutet, erfordert eine Radiobedienung kognitive Leistung, was ermüdet und die Fahrpraxis beeinträchtigt. Andererseits können Fahrzeuginsassen beim Fahren ihre Umgebung nur wenig kontrollieren, wobei das Radio traditionell als eines der zu kontrollierenden Elemente anzusehen ist. Daher besteht Bedarf nach einer Schnittstelle, mit der Fahrzeuginsassen einerseits Kontrolle darüber ausüben können, was in der Medienzentrale gespielt wird; andererseits sie aber auch nicht mit Auswahlmöglichkeiten überhäuft.
Ein weiteres Problem bei modernen Medienzentralen ist, dass diese nach den Bedürfnissen von Heim-Unterhaltungssystemen strukturiert und für einen Gebrauch in Fahrzeugen nicht sonderlich handlich sind. Moderne Medienzentralen sind typischerweise in eine Anzahl von einzelnen Einheiten wie z. B. Radio, DVD/CD-Spieler, MP3-Spieler usw. aufgegliedert. Sie stehen daher mit anderen, konventionellen Bedienungseinrichtungen, die gleichermaßen komplex sind, hinsichtlich des erforderlichen Platzes auf dem Armaturenbrett und hinsichtlich Aufmerksamkeit der Fahrzeuginsassen in Wettbewerb. Erforderlich sind Maßnahmen, die einzelnen Bedienungseinrichtungen zusammenzulegen und sie kompakter zu machen, während diese gleichzeitig benutzerfreundlich bleiben. Somit werden auch neue Verfahren zur Radiosteuerung und zur Verminderung der kognitiven Beanspruchung des jeweiligen Fahrers angestrebt.
Hintergrundinformationen zu vorstehend erläutertem Stand der Technik sind aus den Dokumenten US70 03 515 , US 2006/01 07 822 , US 2007/01 69 614 und US 2008/02 69 958 sowie "CES09: Gracenote gives you a talking celebrity music guide", SFGate, San Francisco Chronicle, 9. Januar 2009 ersichtlich.
Die o. g. Probleme werden durch ein Verfahren zur intelligenten Musikauswahl in einem Fahrzeug gelöst, das die in Patentanspruch 1 angegebenen Merkmale aufweist.
Das Verfahren zur intelligenten Musikauswahl in einem Fahrzeug umfasst die Maßnahme, Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs zu lernen. Es wird eine Eingabe (input) empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt, und es wird Musik wird auf Basis der gelernten Benutzervorlieben für Musikauswahl im Fahrzeug entsprechend der aktuellen Fahrbedingung ausgewählt. Das Verfahren umfasst weiterhin die Maßnahme, die ausgewählte Musik zu spielen.
In zweckmäßiger Weiterbildung umfasst die Erfindung diverse zusätzliche Merkmale, die in Ausführungsformen der Erfindung enthalten sein können und/oder in abhängigen Ansprüchen angegeben sind. Entsprechend einer Ausführungsform weist das Fahrzeug eine Schnittstelle für natürliche Sprache auf, und das Lernen von Benutzervorlieben umfasst weiterhin die Maßnahme, eine Eingabe zu empfangen, die Benutzervorlieben in Form von über die Schnittstelle für natürliche Sprache empfangener natürlicher Sprache anzeigt. Entsprechend einer anderen Ausführungsform der Erfindung weist das Fahrzeug ein Emotionserkennungssystem auf, und das Lernen von Benutzervorlieben umfasst weiterhin die Maßnahme, empfangene natürliche Sprache mit dem Emotionserkennungssystem zu verarbeiten, um Benutzervorlieben zu ermitteln. Entsprechend einer anderen Ausführungsform der Erfindung weist das Fahrzeug ein emotionales Beratungssystem auf, das die Schnittstelle für natürliche Sprache enthält und das unter Verwendung von hörbarer natürlicher Sprache und eines visuell dargestellten Avatars mit dem Benutzer interagiert. Dem Benutzer wird eine sicht- und hörbare Ausgabe (output) zur Verfügung gestellt, indem Daten, die den Avatar repräsentieren, für Sichtanzeige ausgegeben werden und Daten, die eine Äußerung des Avatars repräsentieren, für Tonwiedergabe ausgegeben werden.
Ausführungsformen der Erfindung können verschiedene zusätzliche Merkmale in Bezug auf die Art und Weise, in der Musik ausgewählt wird, umfassen. Zum Beispiel kann das Auswählen von Musik umfassen, einen Musiksender auf Basis der gelernten Benutzervorlieben auszuwählen und ein Empfehlungssystem zu verwenden, um Musik auf Basis des ausgewählten Musiksenders auszuwählen. In einem Empfehlungssystem werden bestimmte Merkmale einer Musikeinheit erkannt und in einer Datenbank gespeichert. Benutzer können ihren eigenen Informationsfilter entwickeln, indem sie Musik hören und dem System sagen, ob sie diese mögen oder nicht. Das System erkennt dann die Merkmale der Benutzervorlieben und verfeinert seine Auswahlen auf Basis der Historie der Reaktionen des Benutzers. Die Priorität und Zufriedenheit mit jedem Merkmal wird in einem Benutzerprofil gespeichert. Jeder Internet-Radiosender hat sein eigenes Benutzerprofil, und ein einzelner Benutzer kann mehrere Sender haben. Der Benutzer kann selbst einen Sender auswählen, der zu seinen aktuellen Vorlieben passt. Musik kann auch auf Basis eines Aktive-Mitarbeit-Filterungssystems ausgewählt werden, welches die Musikauswahl auf Basis einer Verbundenheitsgruppe weiter verfeinert, deren Mitglieder für ihre bevorzugte Musik stimmen. Musik, die die meisten Stimmen erhält, wird für die Mitglieder der Gruppe häufiger gespielt. Jede Verbundenheitsgruppe wird ein ”Sender” genannt. Musik kann weiterhin auf Basis eines Kontextbewusstsein-Systems ausgewählt werden, welches die Musikauswahl auf der Basis von Kontext weiter verfeinert.
Entsprechend einer anderen Ausführungsform umfasst die Erfindung ein Verfahren zur intelligenten Musikauswahl in einem Fahrzeug, das die Maßnahmen umfasst, eine Eingabe zu empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt, und ein diskretes dynamisches System mit einem Statusvektor einzurichten und einen Eingabevektor zu empfangen. Der Statusvektor repräsentiert eine aktuelle Musikauswahl. Der Eingabevektor repräsentiert die aktuelle Fahrbedingung des Fahrzeugs. Das diskrete dynamische System bewirkt eine Vorhersage der nächsten Musikauswahl in Übereinstimmung mit einem Wahrscheinlichkeitsstatusübergangsmodell, das Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs repräsentiert.
Das Verfahren kann weiterhin die Maßnahme umfassen, die nächste Musikauswahl mit dem diskreten dynamischen System vorherzusagen. Musik wird auf Basis der vorhergesagten nächsten Musikauswahl ausgewählt, und die ausgewählte Musik wird gespielt.
Entsprechend Weiterbildungen der Erfindung kann das Verfahren die zusätzlichen Maßnahmen beinhalten, Benutzervorlieben für eine Musikauswahl in dem Fahrzeug entsprechend der Vielzahl von Fahrbedingungen des Fahrzeugs zu lernen und das Wahrscheinlichkeitsstatusübergangsmodell auf Basis der gelernten Benutzervorlieben aufzustellen.
Entsprechend einer anderen Ausführungsform umfasst die Erfindung ein System zur intelligenten Musikauswahl in einem Fahrzeug. Das System umfasst ein Modul mit künstlicher Intelligenz für Musik zum Auswählen von Musik und einen kontextbewussten Musikspieler (CAMP), der dahingehend eingerichtet ist, die ausgewählte Musik zu spielen. Das Modul mit künstlicher Intelligenz für Musik ist dahingehend eingerichtet, bestimmte Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs zu lernen, eine Eingabe zu empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt, und Musik auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung auszuwählen.
Entsprechend einer Weiterbildung der Erfindung kann der kontextbewusste Musikspieler dahingehend eingerichtet sein, Musik in Übereinstimmung mit Benutzerbefehlen zu spielen. Das Modul mit künstlicher Intelligenz für Musik kann dann in einem Lernmodus arbeiten, in dem das Modul mit künstlicher Intelligenz für Musik Benutzervorlieben für Musikauswahl im Fahrzeug entsprechend der Vielzahl von Fahrbedingungen in Übereinstimmung mit der in Reaktion auf die Benutzerbefehle gespielten Musik lernt. Weiterhin kann das Modul mit künstlicher Intelligenz für Musik dann in einem Vorhersagemodus arbeiten, in dem das Modul mit künstlicher Intelligenz für Musik auf Basis der gelernten Benutzervorlieben Musik auswählt.
Weitere Einzelheiten und Merkmale der vorliegenden Erfindung ergeben sich aus der nachfolgenden Beschreibung von Ausführungsbeispielen der Erfindung anhand der Zeichnungen. Es zeigen:
1 ein Blockdiagramm eines emotionalen Beratungssystems für ein Kraftfahrzeug entsprechend einer Ausführungsform der Erfindung;
2 ein Blockdiagramm eines emotionalen Beratungssystems für ein Kraftfahrzeug, das einen kontextbewussten Musikspieler und ein Modul mit künstlicher Intelligenz (Al) für Musik enthält, entsprechend einer Ausführungsform der Erfindung;
3 ein Modell des Moduls mit künstlicher Intelligenz (Al) für Musik entsprechend einer Ausführungsform der Erfindung;
4 eine Übergangswahrscheinlichkeitsmatrix für das Musik-Al-Modul;
5 ein Blockdiagramm, das ein Verfahren zur intelligenten Musikauswahl entsprechend einer Ausführungsform der Erfindung veranschaulicht:
6 ein Blockdiagramm, das weitere Detailaspekte eines Verfahrens zur intelligenten Musikauswahl veranschaulicht;
7 ein Blockdiagramm, das weitere Detailaspekte eines Verfahrens zur intelligenten Musikauswahl veranschaulicht; und
8 ein Blockdiagramm, das ein Verfahren zur intelligenten Musikauswahl entsprechend einer anderen Ausführungsform der Erfindung veranschaulicht.
Die nachfolgend beschriebenen Ausführungsformen der Erfindung betreffen eine intelligente Musikauswahl in Fahrzeugen auf der Basis von Benutzervorlieben und auf der Basis von Fahrbedingungen. Entsprechend einer Maßnahme zur Realisierung der intelligenten Musikauswahl sind verschiedene Medienschnittstellen in einem Kraftfahrzeug zu einer einzigen Schnittstelle in einem emotionalen Beratungssystem (EAS) zusammengelegt. Es sei bemerkt, dass die Anwendung der vorliegenden Erfindung nicht auf Kraftfahrzeuge oder auf emotionale Beratungssysteme eingeschränkt ist.
Das emotionale Beratungssystem (EAS) für das Kraftfahrzeug übermittelt einem Fahrzeuginsassen generell emotional Informationen. Das System empfängt eine Eingabe, die einen Betriebszustand des Fahrzeugs anzeigt, wandelt die Eingabe in Daten um, die einen simulierten Emotionszustand repräsentieren, und erzeugt Daten, die einen Avatar repräsentieren, der den simulierten Emotionszustand ausdrückt. Der Avatar kann sichtbar gemacht werden. Das System kann von einem Insassen eine Frage hinsichtlich des Emotionszustands des Avatars empfangen und auf die Frage antworten. Ein Beispiel für ein emotionales Beratungssystem und -verfahren ist in dem Dokument US 2008/02 69 958 beschrieben.
Wie aus 1 ersichtlich, assistiert eine Ausführungsform eines emotionalen Beratungssystems (EAS) 10 einem Insassen/Benutzer 12 eines Fahrzeugs 14 bei einem Betreiben des Fahrzeugs 14 und bei einem Zugreifen auf Informationsquellen 16a, 16b, 16c, z. B. auf vom Fahrzeug 14 entfernte Web-Server usw., über ein Netz 17. Bei anderen Geräten und/oder Maschinen können natürlich andere Ausführungsformen des EAS 10 realisiert werden. Z. B. kann das EAS 10 in Verbindung mit einem Haushaltsgerät, einem Taschenrechner od. dgl. eingesetzt werden. Manche Ausführungsformen des EAS 10 können als ein integriertes Modul realisiert sein, das an ein anderes Gerät und/oder eine andere Maschine angedockt werden kann. Ein Benutzer kann daher sein EAS 10 mit sich tragen und als Schnittstelle mit Geräten und/oder Maschinen benutzen, mit denen er interagieren möchte. Weitere Ausgestaltungen und Anordnungen sind ebenfalls möglich.
Entsprechend der Ausführungsform gemäß 1 detektieren Sensoren 18 von dem Insassen 12 erzeugte Eingaben und wandeln sie in digitale Informationen für einen Computer 20 um. Der Computer 20 empfängt diese Eingaben sowie Eingaben von den Informationsquellen 16a, 16b, 16c und von Fahrzeugsystemen 22. Der Computer 20 verarbeitet diese Eingaben und erzeugt Ausgaben für den Insassen 12, die Informationsquellen 16a, 16b, 16c und/oder die Fahrzeugsysteme 22. Aktuatoren/Ausgabeeinrichtungen usw. 24 wandeln die Ausgaben für den Insassen 12 von einem digitalen Format in ein Format um, das von dem Insassen 12 wahrgenommen werden kann, z. B. visuell, hörbar, taktil, haptisch, usw.
Der Insasse 12 kann bei manchen Ausführungsformen durch einen Sprechdialog, der Diskursregeln folgt, mit dem EAS 10 kommunizieren. Z. B. kann der Insasse fragen ”Gibt es gute Restaurants in der Gegend?”. Daraufhin kann das EAS 10 geeignete Informationsquellen 16a, 16b, 16c abfragen und zusammen mit Geopositionsinformationen von den Fahrzeugsystemen 22 eine Liste von hoch bewerteten Restaurants in der Nähe der aktuellen Position des Fahrzeugs 14 ermitteln. Das EAS 10 kann mit dem simulierten Dialog antworten: ”Es gibt einige. Möchten Sie die Liste hören?”. Eine bejahende Antwort des Insassen 12 kann das EAS 10 veranlassen, die Liste zu vorzulesen.
Der Insasse 12 kann dem EAS 10 auch die Anweisung geben, bestimmte Parameter zu ändern, die mit den Fahrzeugsystemen 22 in Zusammenhang stehen. Beispielsweise kann der Insasse 12 äußern, ”Ich habe heute Lust, schnell zu fahren”. Als Antwort kann das EAS 10 fragen ”Möchten Sie den Antrieb für Höchstleistungsfahrt optimiert haben?”. Eine bejahende Antwort des Insassen 12 kann das EAS 10 veranlassen, Motorabstimmungsparameter im Hinblick auf gesteigerte Leistung zu ändern.
Entsprechend manchen Ausführungsformen kann der Sprechdialog mit dem EAS 10 eingeleitet werden, ohne irgendwelche Knöpfe zu drücken oder auf andere Weise physisch eine Eingabe in das EAS 10 zu erzeugen. Diese Funktionalität mit empfangsbereitem Mikrofon erlaubt es dem Insassen 12, eine Unterhaltung mit dem EAS 10 auf dieselbe Weise zu beginnen wie der Insasse 12 eine Unterhaltung mit einem anderen Insassen des Fahrzeugs 14 beginnen würde.
Der Insasse 12 kann dem EAS 10 auch ”ins Wort fahren”, während das EAS 10 spricht. Beispielsweise kann der Insasse 12, während das EAS 10 die oben erwähnte Liste von Restaurants vorliest, dazwischenrufen ”Erzähle mir mehr über das Restaurant X”. Daraufhin kann das EAS 10 aufhören, die Liste vorzulesen, und geeignete Informationsquellen 16a, 16b, 16c abfragen, um zusätzliche Informationen hinsichtlich des Restaurants X zu sammeln. Das EAS 10 kann dem Insassen 12 dann die zusätzlichen Informationen vorlesen.
Entsprechend einiger Ausführungsformen können die Aktuatoren/Ausgabeeinrichtungen 24 einen Bildschirm aufweisen, der nach Wahl einen Avatar anzeigt. Der Avatar kann als graphische Darstellung eines Menschen, eines Tieres, einer Maschine, einer Pflanze, eines Fahrzeugs usw. wiedergegeben werden und kann Merkmale, wie z. B. ein Gesicht od. dgl., enthalten, die im Stande sind, visuell Emotion zu vermitteln. Der Avatar kann vor Sicht verborgen werden, wenn z. B. die Geschwindigkeit des Fahrzeugs 14 größer als ein Schwellenwert ist, der hersteller- oder benutzerdefiniert sein kann. Die Stimme des Avatars kann jedoch weiterhin zu hören sein. Natürlich kann eine beliebige andere geeignete Art von Anzeigetechnik verwendet werden, wie z. B. eine holografische Anzeige oder eine Blickfeldanzeige.
Der von dem Avatar simulierte menschliche Emotionszustand kann von vielen verschiedenen Kriterien abhängen, wie zum Beispiel von einem geschätzten Emotionszustands des Insassen 12, einer Bedingung des Fahrzeugs 14 und/oder einer Güte, mit der das EAS 10 eine Aufgabe durchführt. Beispielsweise können die Sensoren 18 Kopfbewegungen, Sprachmetrik, biometrische Informationen usw. des Insassen 12 erfassen, durch die, wenn sie von dem Computer 20 verarbeitet worden sind, angezeigt wird, dass der Insasse 12 wütend ist. Entsprechend einer anderen Beispielreaktion kann das EAS 10 den Dialog, den es mit dem Insassen 12 anfängt, während dieser wütend ist, beschränken oder unterbrechen. Entsprechend einer weiteren Beispielreaktion kann der Avatar in blauen Farbtönen mit einem besorgten Gesichtsausdruck wiedergegeben werden und mit ruhiger Stimme fragen ”Ärgert Sie etwas?”. Wenn der Insasse 12 darauf antwortet, ”Wegen dieses Verkehrs komme ich wohl zu spät zur Arbeit”, kann der Avatar antworten ”Soll ich für Sie eine schnellere Route finden?” oder ”Soll ich jemanden für Sie anrufen?”. Wenn der Insasse 12 darauf antwortet, ”Nein. Dies ist der einzige Weg...”, kann der Avatar fragen ”Möchten Sie etwas klassische Musik hören?”. Möglicherweise antwortet der Insasse 12 ”Nein. Aber könntest Du mir etwas zu den kommenden Wahlen erzählen?”. Daraufhin kann das EAS 10 die geeigneten Informationsquellen 16a, 16b, 16c abfragen, um die aktuellen Neuigkeiten hinsichtlich der Wahlen zu sammeln. Wenn die Kommunikationsverbindung mit den Informationsquellen 16a, 16b, 16c während der Abfrage gut ist, kann der Avatar froh erscheinen. Ist jedoch die Kommunikationsverbindung mit den Informationsquellen 16a, 16b, 16c während der Abfrage schlecht, kann der Avatar betrübt aussehen, was den Insassen 12 veranlassen kann zu fragen ”Hast Du Schwierigkeiten, Neuigkeiten über die Wahlen zu bekommen?”. Der Avatar kann antworten ”Ja, ich habe Mühe, eine Fernkommunikationsverbindung aufzubauen”.
Während des vorstehend beschriebenen Austausches kann der Avatar enttäuscht erscheinen, wenn z. B. das Fahrzeug 14 einem häufigen Beschleunigen und Abbremsen oder einer sonstigen harschen Bedienung unterworfen wird. Diese Änderung der simulierten Emotion kann den Insassen 12 veranlassen zu fragen ”Was ist los?”. Der Avatar kann antworten ”Ihre Fahrweise schadet meiner Kraftstoffeffizienz. Vielleicht wollen Sie das häufige Beschleunigen und Abbremsen einschränken”. Der Avatar kann auch verwirrt aussehen, wenn er z. B. einen Befehl oder eine Frage des Insassen 12 nicht versteht. Diese Art von Dialog kann weitergehen, während der Avatar seinen simulierten Emotionszustand mittels seines Aussehen, seines Ausdrucks, seines Tonfalls, seiner Wortwahl usw. dynamisch ändert, um dem Insassen 12 Informationen zu vermitteln.
Das EAS 10 kann auch lernen, Anfragen, Befehle und/oder Vorlieben des Insassen 12 auf Basis einer Interaktionshistorie zwischen dem Insassen 12 und dem EAS 10 zu antizipieren. Beispielsweise kann das EAS 10 lernen, dass der Insasse 12 eine Kabinentemperatur von 22°C bevorzugt, wenn die Umgebungstemperatur 26°C übersteigt, und eine Kabinentemperatur von 25°C bevorzugt, wenn die Umgebungstemperatur niedriger als 5°C und es ein wolkiger Tag ist. Eine Aufzeichnung solcher Klimaregelungseinstellungen und Umgebungstemperaturen kann das EAS 10 bezüglich dieser offensichtlichen Vorlieben des Insassen 12 informieren. In ähnlicher Weise kann das EAS 10 lernen, dass der Insasse 12 nach dem Starten des Fahrzeugs gern lokale Verkehrsnachrichten hört. Eine Aufzeichnung von mehreren Wünschen nach Verkehrsnachrichten im Anschluss an ein Starten des Fahrzeugs kann das EAS 10 veranlassen, solche Informationen nach dem Starten des Fahrzeugs zu sammeln und den Insassen 12 zu fragen, ob er gerne die lokalen Verkehrsnachrichten hören möchte. Andere gelernte Verhaltensweisen sind ebenfalls möglich.
Diese gelernten Anfragen, Befehle und/oder Vorlieben können mit benutzerdefinierten Kriterien ergänzt und/oder initialisiert werden. Z. B. kann der Insasse 12 das EAS 10 informieren, dass er nicht gerne über Sport spricht, aber gerne über Musik, usw. In diesem Beispiel kann das EAS 10 davon absehen, Unterhaltungen mit dem Insassen 12 bezüglich Sport anzufangen, aber von Zeit zu Zeit mit dem Insassen 12 über Musik reden.
Das emotionale Beratungssystem EAS kann auf viele Arten realisiert werden. Die die vorliegende Beschreibung ist daher nur beispielhaft. Eine sehr viel detailliertere Beschreibung eines exemplarischen emotionalen Beratungssystems ist dem Dokument US 2008/02 69 958 zu entnehmen. Wie weiterhin aus 1 ersichtlich kommuniziert der Computer 20 mit den Informationsquellen 16a, 16b, 16c und mit verschiedenen Peripheriegeräten wie z. B. Knöpfen, einer Videokamera, einem Fahrzeug-Bus-Controller, einem Ton-Gerät und einem privaten Fahrzeugnetz. Der Computer 20 kommuniziert weiterhin mit einer Anzeige, auf der der Avatar wiedergegeben werden kann. Andere Ausgestaltungen und Anordnungen sind natürlich ebenfalls möglich.
Entsprechend einem Ausführungsbeispiel der Erfindung für intelligente Musikauswahl in Fahrzeugen auf der Basis von Benutzervorlieben und Fahrbedingungen kann vorgesehen sein, dass die verschiedenen Medienschnittstellen in dem Kraftfahrzeug zu einer einzigen Schnittstelle in dem EAS 10 zusammengelegt sind. Das EAS 10 fungiert dann als digitale Medienzentrale, jedoch mit einer Schnittstelle für natürliche Sprache und einem für Fahrzeuggebrauch geeigneten Avatar. Auf diese Weise benötigt man nur ein Gerät, um Medien im Satelliten-Radio, im Internet-Radio, in einem konventionellen Radio, im Fernsehen, im Internet-Video, in einem mp3- und Video-Spieler, in einem DVD/CD-Spieler, usw. auszuwählen, statt eine getrennte Schnittstelle für jedes Gerät zu haben. Dies spart Platz auf dem Armaturenbrett, vermindert Wirrwarr in Fahrgastabteil und bedeutet, dass die Fahrzeuginsassen nur eine Schnittstelle verstehen müssen, um das gesamte System zu steuern.
Auf einer detaillierteren Ebene der Beschreibung weisen Ausführungsformen der Erfindung verschiedene Merkmale auf, die je nach Anwendung einzeln oder in Verbindung miteinander realisiert werden können.
Gemäß einem nachfolgend näher betrachteten Merkmal weist das EAS 10, welches als die gemeinsame Schnittstelle dient, außerdem ein als Empfehlungssystem bezeichnetes Informationsfilterungssystem auf, das den Insassen hilft, Medien auszuwählen, die sie gespielt haben möchten. Empfehlungssysteme sind gegenwärtig Gegenstand umfangreicher Forschungen, und es ist hervorzuheben, dass die Realisierung eines derartigen Empfehlungssystems verschiedenartige Formen annehmen kann. Mit einem derartigen System kann ein Fahrzeuginsasse unter Verwendung von ”Und” und ”Oder” eine Gruppe von Beispielen für Musik angeben, die er gerne hören möchte. Z. B. könnte der Insasse in natürlicher Sprache (da sie im EAS 10 realisiert ist) sagen ”Ich möchte gerne etwas ähnliches wie Billy Joel (Klavierspieler), Janis Joplin oder Joe Cocker hören, ich mag aber nicht King Crimson oder Henri Mancini”. Dies würde das System veranlassen, ein Musikstück außerhalb der von dem Insassen angegebenen Gruppe auszuwählen, das den Musikstücken, die der Insassen mag, ähnlich ist und denen, die der Insasse nicht mag, unähnlich ist.
Ein Beispiel für ein Empfehlungssystem findet man bei den immer populärer werdenden Internet-Radiodiensten, da dort der Benutzer im Stande ist, seine musikalischen Vorlieben zu setzen, und der Benutzer die gespielten Musikstücke auf seine Angaben hin zugeschnitten bekommt. Wenn sich ein Benutzer erstmals auf einer Internet-Radio-Website anmeldet, wird er gebeten, einen Künstler oder ein Musikgenre auszuwählen, den oder das er gerne hören möchte. In diesem Zeitpunkt wird eine Abspielliste aufgestellt, und wenn ein Benutzer zuhört, kann irgendeine Form von Rückmeldung möglich sein, die anzeigt, ob der Benutzer ein bestimmtes Musikstück mag oder nicht. Jedes Musikstück, das ein Benutzer mag oder nicht mag, kann nach mehreren Parametern aufgeschlüsselt werden. Aus dem Dokument US 70 03 515 ist ein Algorithmus zum Erkennen und Klassifizieren der Charakteristika eines Musikstücks bekannt; auch sind mehrere Software-Pakete erhältlich, die dazu in der Lage sind. Wenn sich Historie-Informationen für einen Benutzer ansammeln, können bestimmte Parameter der musikalischen Vorlieben und Abneigungen des Benutzers zusammengetragen werden. Der Internet-Radiosender kann diese Informationen nutzen, um die zu spielenden Musikstücke auszuwählen. Ein Internet-Radiosender ist in der Tat ein Informationsfilter, durch den auf einen bestimmten Benutzer zugeschnittene Musik automatisch ausgewählt wird. Arten von Informationsfiltern sind beispielsweise Mitwirkungsfilter und Empfehlungssysteme. Im Gegensatz zu physischen Rundfunksendern erfolgt bei einem Internet-Radio eine Auswahl mit einem konfigurierbaren Informationsfilter, der von dem Endbenutzer der Inhalte und nicht von Fachleuten in einem Radiosender oder einer Medienverkaufsstelle konfiguriert wird.
Wenn ein Fahrzeuginsasse eine Medienauswahl abspielen lässt, fragt das System unter Verwendung der Schnittstelle für natürliche Sprache des EAS häufig, ob der Insasse mit dem Musikstück zufrieden ist und warum oder warum nicht. Es benutzt auch das EAS 10 dazu, die Verfassung des Insassen einzuschätzen, um zu ermitteln, ob die Medien von dem Insassen günstig aufgenommen worden sind. Dies hilft dem Empfehlungssystem, die Medienauswahl weiter zu verfeinern, so dass das System die Benutzervorlieben kennenlernt. Historie-Informationen über Auswahlen des Insassen werden benutzt, um das Empfehlungssystem zu trainieren, so dass das System mit der Zeit lernt, welche Vorlieben jeder Benutzer hat.
Das System kann auch dazu in der Lage sein, Änderungen der Benutzervorlieben im Laufe der Zeit unter Verwendung von Echtzeit-Clustering-Verfahren, die mit statistischer Prozesssteuerung in Beziehung stehen, zu erkennen. Diese Änderungen können von dem EAS 10 benutzt werden, um Emotionen (schnelle Änderung), Stimmung (langsamere Änderung), Tendenzen (typische Fahrerverfassungen), Persönlichkeit (sehr langfristige Verfassung), Geschlecht (Musik kann eine Geschlechtsausrichtung haben), Volksgruppenzugehörigkeit (ethnozentrische Musikauswahlen) usw. des Fahrers abzuschätzen. Diese Informationen werden von dem EAS 10 benutzt, um die Art und Weise der Interaktion zwischen dem EAS 10 und dem Insassen zu bestimmen. Entsprechend einem anderen Beispiel kann das EAS 10 das Alter des Fahrers schätzen (Musikperiode). Genauer gesagt ist bevorzugte Musik nicht lediglich eine Sache des Alters, sondern die Musik, die Leute während ihrer prägenden Lebensjahre zwischen ungefähr 14 Jahren und 22 Jahren gehört haben. Die bevorzugte Musik kann auch davon abhängen, wo die Person gelebt hat und welchen Einflüssen sie ausgesetzt war.
Das Empfehlungssystem kann es dem Fahrzeuginsassen auch erlauben, Gruppen von Medien zu definieren, die dieser zu unterschiedlichen Zeiten bevorzugt, abhängig von Faktoren wie z. B. Stimmung, Fahrbedingungen, Reisezweck, anderen Insassen des Fahrzeugs, usw. Diese Auswahlen können vom EAS 10 auch benutzt werden, um die Verfassung des Insassen zu ermitteln.
Gemäß einem weiteren nachfolgend näher betrachteten Merkmal könnte dem EAS 10 ein Aktive-Mitarbeit-Filterungssystem hinzugefügt werden, das es dem Benutzer erlaubt, die Medien mittels einer Verbundenheitsgruppe weiter zu verfeinern, wie z. B. politischer Neigung, ethnischer Identität, geografischer Zugehörigkeit, Verbraucherwahlen, Alter, Religion, Arbeitsidentifikation, Firmenzugehörigkeit, usw. Eine derartige Mitarbeit-Filterung kann auf eine Und/Oder/Weder-Noch/Nicht-verknüpfende Weise mit dem Empfehlungssystem kombiniert und auf Vorlieben von selbstorganisierten Gruppen im Word-Wide-Web, Musikstücke auszuwählen, gestützt werden. Mitarbeit-Filter machen typischerweise nicht von Merkmalen der Musik Gebrauch. Sie stützen sich vielmehr ausschließlich auf Voten der Mitglieder. Z. B. könnte man eine Verbundenheitsgruppe mit dem Namen ”Harvard Drinking Songs” abonnieren. Mitgliedern der Gruppe würden dann Medien empfohlen, die für mit den Themen der Gruppe für die Gruppe verträglich gehalten werden. Dies würde verstärkt, wenn viele Gruppenmitglieder dasselbe Musikstück empfehlen, oder aufgehoben werden, wenn viele Mitglieder die Einbeziehung eines Mediums in die Gruppe nicht unterstützen.
Die Medien können dahingehend eingesetzt werden, proaktiv eine passende Stimmung im Fahrzeug zu erzeugen, wenn Insassen durch Interaktionen im Fahrzeug vom Fahren abgelenkt werden. Eltern können das System benutzen, um den Zugang von jugendlichen Fahrern auf bestimmte Musik beim Fahren einzuschränken. Wenn der Fahrer durch starke Emotionen abgelenkt wird, können Medien ausgewählt werden, die ein passenderes und sichereres Ambiente erzeugen.
Eine Realisierung von Aktive-Mitarbeit-Filterungssystemen, die auch Gegenstand umfangreicher Forschungen gewesen sind, kann in unterschiedlichen Formen erfolgen.
Gemäß einem weiteren nachfolgend näher erläuterten Merkmal ist eine dritte Art einer Filterungs-/Suchmethode, die benutzt werden kann, ein Kontextbewusstsein. Auch eine kontextbewusste Informationsverarbeitung war Gegenstand umfangreicher Forschungen, und es ist hervorzuheben, dass eine Realisierung von Kontextbewusstsein auf verschiedenartige Weisen erfolgen kann.
Entsprechend einem weiteren nachfolgend näher betrachteten Merkmal werden auch Informationen über Fahrzeugstandort, Insassenverfassung, wie mittels EAS 10 ermittelt, nahegelegene ”Points of Interest” (interessante Orte wie z. B. Sehenswürdigkeiten), Länge der Fahrt, restliche Fahrzeit, Verfassung des Aktienmarkts, Wetter, Topografie usw. benutzt, um die Liste der Medien, die ausgewählt werden, zu verfeinern. Zum Beispiel kennt das EAS 10 von einem in dem Fahrzeug angeordneten Navigationssystem die Route, die ein Fahrer auf einer bestimmten Reise zu nehmen beabsichtigt, die Geschwindigkeit des Fahrzeugs, die wahrscheinliche Dauer der Fahrt, den Ort, an dem der Fahrer möglicherweise einen Tankstopp einlegen muss, usw. Diese Informationen können benutzt werden, um eine dynamische Abspielliste für die gesamte Reise aufzustellen, die die Medienbedürfnisse der Insassen antizipiert und die Medien nach Bedarf zur Verfügung stellt.
Ausführungsformen der Erfindung, bei denen verschiedene Medienschnittstellen zu einer einzigen Schnittstelle in dem EAS 10 zusammengelegt sind, gehen das Problem frustrierter Fahrer, die die Medien, die sie im Fahrzeug wünschen, nicht finden können, dadurch an, dass sie den Insassen eine leicht benutzbare Schnittstelle für gesprochene Sprache darbieten. Der Benutzer ist dann in der Lage, Meinungen hinsichtlich der Musikauswahl zu äußern, um mittels Redewendungen wie ”Nächstes Stück”, ”Ich mag diesen Künstler nicht” oder ”Ich mag dieses Stück” sein Profil aufzubauen. Diese gesprochenen Befehle werden dann an einen Server zurückgesendet, von wo aus die Benutzervorlieben aktualisiert werden können und außerdem etwas unternommen wird, um das gerade gespielte Musikstück zu wechseln, wenn der Benutzer es nicht mag. Die Spracherkennungssoftware kann mit Emotionserkennungssoftware zusammengeschaltet werden, die zu analysieren erlaubt, was der Zuhörer sagt, um dessen emotionalen Zusammenhang zu gewinnen. Zum Beispiel kann er ”Nächstes” neutral sagen, was anzeigt, dass er das Musikstück mögen könnte, es nur im Augenblick nicht hören möchte, oder er könnte ”Nächstes” ärgerlich sagen, was anzeigt, dass er das Musikstück nicht mag und es nicht wieder hören möchte. Dies kann helfen, die Benutzervorlieben schnell aufzubauen.
Im Rahmen von Untersuchungen wurde festgestellt, dass es eine positive Korrelation zwischen Fahrgeschwindigkeiten und Musiktempo gibt. Zusätzlich zur Einbeziehung von Benutzervorlieben in die Auswahl des nächsten Musikstücks könnte das System auch die aktuellen Fahrbedingungen einbeziehen. Die aktuelle Geschwindigkeit des Fahrers kann von dem im Fahrzeug befindlichen Fahrzeug CAN-Bus erhalten werden. Außerdem kann eine ausgeschilderte Geschwindigkeitsbegrenzung der Straße von Navigationsgeräten oder Websites ermittelt werden. Wird ermittelt, dass der Fahrer zu schnell ist, kann das nächste ausgewählte Musikstück eines mit einem langsameren Tempo sein, um den Fahrer zu bewegen, langsamer zu fahren. Außerdem können Sensoren außen am Fahrzeug oder Informationen über aktuelle Verkehrsbedingungen benutzt werden, um zu ermitteln, ob der Benutzer in einem Verkehrsstau steckt. Falls ja, wird Musik mit langsameren Tempi ausgewählt. Wird ermittelt, dass die Straße nicht verstopft ist und die Fahrgeschwindigkeit langsamer ist als die vorgeschriebene Geschwindigkeitsbegrenzung erlaubt, kann das nächste ausgewählte Musikstück ein solches mit einem etwas höheren Tempo sein. Auch die Tageszeit kann benutzt werden, um zu ermitteln, welche Musik als Nächstes gespielt werden sollte. Früh am Morgen wird vielleicht eine peppige Musik gespielt, um einem Zuhörer zu helfen, wach zu werden und sich auf den Tag einzustimmen. Spät in der Nacht könnte ebenfalls peppige Musik ausgewählt werden, um hilfreich dabei zu sein, zu verhindern, dass der Fahrer am Steuer einschläft.
Es gibt mehrere Vorteile der erfindungsgemäßen Maßnahme, das nächste zu spielende Musikstück auf der Basis der Benutzervorlieben und der aktuellen Fahrbedingungen intelligent zu wählen. Durch Spielen von Musikstücken, die ein Zuhörer genießt, und Einschließen von Sprechinteraktion mit dem Radio wird die mit der Radiobedienung verbrachte Zeit minimiert und folglich auch die Zeit, in der die Aufmerksamkeit des Fahrers von der Straße abgelenkt ist. Ein Einbeziehen der aktuellen Fahrbedingungen in die Auswahl des nächsten zu spielenden Musikstücks kann ebenfalls sichere Fahrpraktiken fördern. Ein weiterer Vorteil ist die Fähigkeit, das Radio für jeden einzelnen Fahrer zu personalisieren.
2 zeigt ein Blockdiagramm eines emotionalen Beratungssystems EAS 30 für ein Kraftfahrzeug. Das EAS 30 ist auf einer detaillierteren Ebene dargestellt und enthält einen kontextbewussten Musikspieler CAMP 32 und ein Modul 34 mit künstlicher Intelligenz Al für Musik, um mehrere avisierte Merkmale zu realisieren. Das EAS 30 gemäß 2 kann allgemein auf dieselbe Weise arbeiten wie vorstehend für das EAS 10 gemäß 1 beschrieben. Es sei darauf hingewiesen, dass der CAMP 32 und das Musik-Al-Modul 34 nur ein möglicher Weg zur Realisierung von avisierten Merkmalen ist, und dass auch andere Realisierungen möglich sind.
Der kontextbewusste Musikspieler CAMP 32 ist als ein Informationsfilter ausgebildet, das den Strom von Musikstücken aus Internet-Quellen in die Fahrzeuglautsprecher steuert. Der CAMP 32 nimmt Kanalauswahlen und proaktive Befehle vom Musik-Al-Modul 34 und Befehle von einem Sprechdialogsystem/Verteiler 36 entgegen. Proaktive Befehle werden zu dem Sprechdialogsystem 36 weitergeleitet und von diesem als durch die Fahrerinteraktion modifizierte Befehle zurückgesendet.
Der CAMP 32 nimmt Befehle von einem Sprechdialogsystem/Verteiler 36 und dem Musik-Al-Modul 34 entgegen und empfängt Daten von einem Internet-Radiosystem 38 (z. B. dem Internet-Radiosystem PANDORA Internet radio, Pandora Media, Inc., Oakland, Kalifornien; Rhapsody, RealNetworks, Inc., Seattle, Washington). Das Musik-Al-Modul 34 gibt eine Statusmeldung an einen Datenmanager 40 aus, und der CAMP 32 spielt Musik auf dem Fahrzeugtonsystem über eine Bluetooth^®-Verbindung.
Entsprechend einer weiteren Ausführungsformen der Erfindung kann ein personalisierter kontextbewusster Musikspieler CAMP vorgesehen sein, der explizite Insassenvorlieben und außerdem entdeckte Insassenvorlieben im Musikauswahlprozess realisiert. Vorteilhaft kann dadurch das Wahlparadoxon gelöst werden, dass der Fahrer von der Anzahl der Musikauswahlen erdrückt wird, und es können Medieninhalte ohne Gebühren oder Abonnements bereitstellt werden. Der Musikauswahlprozess kann quellenagnostisch sein, d. h. unabhängig von irgendeinem bestimmten Internet-Radiosystem. In vorteilhafter Weise kann das Fahrerlebnis durch automatische Auswahl der richtigen Musikstücke für die richtige Gelegenheit verbessert werden.
Wie weiterhin aus 2 ersichtlich sind der kontextbewusste Musikspieler CAMP 32 und das Musik-Al-Modul 34 in dieser Ausführungsform in einem mobilen Gerät 50 realisiert. Das mobile Gerät 50 kann die Form irgendeines geeigneten Geräts annehmen, wie der Fachmann erkennt, und über eine Verbindung 70 mit dem Sprechdialogsystem/Verteiler 36 kommunizieren. Z. B. kann das mobile Gerät 50 in Form eines Mobiltelefons oder PDA ausgebildet sein. In einer Realisierung ist sog. ARM Hardware der ARM Holdings, Cambridge, England, Großbritannien, und das Betriebssystem ”Windows^® Mobile” der Microsoft Corporation, Redmond, Washington, verwendet worden. Es ist weiterhin ersichtlich, dass ein Internet-Radio 38 ist dem Internet 52 verbunden ist. Zusätzliche Komponenten des EAS 30 sind in einem Prozessor 54 realisiert. Der Prozessor 54 kann die Form irgendeines geeigneten Geräts haben, wie der Fachmann erkennt. Beispielsweise kann der Prozessor 54 als ein Steuermodul in dem Fahrzeug realisiert sein. Gemäß weiteren Details sind zusätzliche Komponenten des EAS 30 mittels des Prozessors 54 realisiert. Wie ersichtlich, kommuniziert die Anordnung Sprechdialogsystem/Verteiler 36 mit einer Spracherkennungs-Komponente 60 und einer Avatar-Komponente 62, welche eine Schnittstelle zu dem Fahrer 64 darstellt. Außerdem kommuniziert das Sprechdialogsystem/Verteiler 36 mit einer Emotionsdialog-Komponente 66. Schließlich kommuniziert ein Antriebs-Al-Modul 68 mit dem Sprechdialogsystem/Verteiler 36 und mit einer CAN-Schnittstelle 80, welche einen Datenmanager 40 und einen CAN-Manager 82 aufweist. Diese verschiedenen Komponenten des EAS 30 können wie vorstehend beschrieben arbeiten.
Entsprechend dem Ausführungsbeispiel gemäß 2 kann das System in zwei Betriebsarten arbeiten: in einem Lernmodus und in einem DJ-Modus. Der Lernmodus ist der voreingestellte Modus. In dem Lernmodus werden die Sender durch den Benutzer gewechselt, während das Musik-Al-Modul 34 die Benutzerauswahlen beobachtet und daraus lernt.
Insbesondere das Internet-Radio 38 macht eine Vielzahl von Sendern zum Hören verfügbar. Der CAMP 32 wirkt als Schnittstelle von dem EAS 30 zu dem Internet-Radio 38. Das heißt, das Internet-Radio 38 ist dahingehend verantwortlich, die verschiedenen Sender bereitzustellen, und der CAMP 32 stellt die Schnittstelle zu dem Internet-Radio 38 bereit, derart, dass ein Sender ausgewählt werden kann. Beispielsweise kann das Internet-Radio 38 einen herkömmlichen Klassikmusik-Sender, einen herkömmlichen Hardrock-Sender usw. bereitstellen. Der CAMP 32 wählt dann einen Sender aus diesen zugänglich gemachten Sendern aus. In dem Lernmodus tut dies der CAMP 32 unter der Anleitung des Benutzers.
In dem Lernmodus werden die Sender durch den Benutzer gewechselt, während das Musik-Al-Modul 34 die Benutzerauswahlen beobachtet und daraus lernt, mit nur einer Ausnahme, nämlich wenn der Benutzer einen anderen Sender verlangt, ohne den genauen Namen des Senders anzugeben. In diesem Fall wählt das Musik-Al-Modul 34 den passenden Sender aus.
Außer dass es eine Vielzahl von Sendern zur Auswahl zur Verfügung stellt, erlaubt es das Internet-Radio 38, diese Sender selbst als für den Benutzer passend einzuordnen. Das heißt, dass Internet-Radio 38 nimmt für einen gerade von ihm gespielten Sender Rückmeldungen von dem Benutzer entgegen, derart, dass der bestimmte Sender als passend eingeordnet werden kann. Für das oben angegebene Beispiel kann das Internet-Radio 38 einen herkömmlichen Klassikmusik-Sender bereitstellen. Dieser Sender spielt nur klassische Musik. Wenn der Benutzer den Klassikmusik-Sender hört, erlaubt eine Rückmeldung vom Benutzer wie z. B.: Ich mag dieses Stück (”Daumen nach oben”), Ich mag dieses Stück nicht (”Daumen nach unten”), dem Internet-Radio 38, den Sender als noch besser passend einzuordnen. Anders ausgedrückt, das Internet-Radio 38 stellt eine Vielzahl von Musik- oder Informationssendern zur Verfügung, wobei alle oder einige dieser Sender auf Basis von Benutzerrückmeldungen als für den Benutzer passend eingeordnet werden. In der Folge wählt der CAMP 32 zu einer gegebenen Zeit den gewünschten Sender für den Benutzer bzw. Fahrer aus. Im Lernmodus trifft der CAMP 32 die Auswahl auf Basis der speziellen Anforderung des Fahrers.
In dem DJ-Modus wechselt das System Musiksender automatisch auf Basis des Musik-Al-Moduls 34. Der CAMP 32 wählt den Sender für einen Empfang von dem Internet-Radio 38 aus, wobei das Musik-Al-Modul 34 die Senderauswahl leitet. Dies erzeugt eine Funktionalität wie bei einem intelligente Mischen oder bei einem DJ. Der Benutzer kann natürlich trotzdem explizit den Sender auswählen, den er gerne hören möchte. Das Musik-Al-Modul 34 wechselt den Sender auf Basis der folgenden Regeln: (i) der Benutzer verlangt, den Sender zu wechseln; (ii) der Benutzer überspringt drei Musikstücke hintereinander oder votiert drei mal hintereinander ”Daumen nach unten”; iii) das Musik-Al-Modul 34 wechselt den Sender auf Basis der neuesten Vorlieben des Benutzers.
Wie vorstehend erläutert, stellt der CAMP 32 die Schnittstelle zu dem Internet-Radio 38 bereit. Das Internet-Radio 38 stellt eine Vielzahl von Sendern bereit und empfängt Rückmeldungen, um jeden Sender als für den Benutzer passend einzuordnen. Im Betrieb wird eine Senderauswahl von dem CAMP 32 weiterhin entweder unter der Anleitung des Benutzers oder des Musik-Al-Moduls 34 getroffen. Die Kommunikation zwischen dem Benutzer, dem Musik-Al-Modul 34, dem CAMP 32 und dem Internet-Radio 38 erlaubt es dem Internet-Radio 38, die Sender fortlaufend zu verfeinern, und erlaubt es dem Musik-Al-Modul 34, die Logik und Regeln, die zur Auswahl des passenden Senders benutzt werden, auf der Basis von Benutzervorlieben und/oder Fahrbedingungen fortlaufend zu verfeinern.
In dem dargestellten Ausführungsbeispiel wählt das Musik-Al-Modul 34 Sender auf der Basis von gelernten Benutzervorlieben in Bezug auf die folgenden Parameter aus: aktueller Sender, mit dem aktuellen Sender verbrachte Zeit (oder Anzahl der Musikstücke), kognitive Beanspruchung, Aggressivität, Fahrzeuggeschwindigkeit, Tageszeit. Natürlich sind auch Abänderungen möglich.
Die Interaktion zwischen Musik-Al-Modul 34 und CAMP 32 umfasst: Benutzer hat für ein Musikstück gestimmt/mag das Musikstück, und Benutzer hat den Sender einschließlich des alten und des neuen Senders gewechselt. Natürlich sind auch Abänderungen möglich.
Der Benutzer kann zu dem Sender Rückmeldung geben, indem er die Wahl hat, dem ausgewählten Sender zuzuhören, den Sender zu wechseln und mit Daumen nach oben oder Daumen nach unten für oder gegen einzelne Musikstücke zu stimmen. Wenn der Benutzer bis zum Ende des Musikstücks zuhört (den Sender nicht wechselt) und/oder mit ”Daumen nach oben” für das Musikstück stimmt, wird dies als ”positive” Rückmeldung hinsichtlich der Senderauswahl zum Musik-Al-Modul 34 gesendet. Negative Rückmeldung wird durch Fehlen von positiver Rückmeldung und durch das Ereignis, dass der Sender gewechselt wird, angezeigt. Negative Rückmeldung hinsichtlich Musikstückwahlen wird zum Internet-Radioserver 38 gesendet, um den ausgewählten Sender zu verfeinern. Auch hier sind wiederum Abänderungen möglich.
In dem dargestellten Ausführungsbeispiel enthält die Befehlssequenz für Befehle (und Dialoge) von dem Benutzer im Allgemeinen einen Befehl, der von dem Benutzer zu dem Sprechdialogsystem SDS 36 und von dem SDS 36 weiter zu dem CAMP 32 und ggf. weiter zu dem Internet-Radio 38 gesendet wird. Im Allgemeinen können Befehle von dem Benutzer gesprochen und durch Spracherkennung in ein Computerprotokoll umgewandelt werden. In dem dargestellten Ausführungsbeispiel stehen dem Benutzer die folgenden Befehle (und Dialoge) zur Verfügung:

• Schalte das System Ein/Aus – Befehl sowohl zum Internet-Radio 38 als auch zum CAMP 32 gesendet.
• Wechsle in DJ-Modus (Schalte DJ-Modus Ein/Aus) – Befehl zum CAMP 32 gesendet, automatische Senderempfehlungen unter Verwendung von Musik-Al zu starten. Ein Fehlen dieses Befehls zeigt an, dass das System im Lernmodus sein sollte.
• Wähle/Wechsle Sender X – Befehl zum Internet-Radio 38 über CAMP 32 gesendet.
• Umschalte/Wechsle den (anderen) Sender – Befehl zum Internet-Radio 38 über CAMP 32 gesendet.
• Gehe zum nächsten Stück/Überspringe ein Stück – Befehl zum Internet-Radio 38 über CAMP 32 gesendet.
• Votiere ”Daumen nach oben”/Ich mag das Stück – Befehl zum Internet-Radio 38 über CAMP 32 gesendet.
• Votiere ”Daumen nach unten”/Ich mag das Stück nicht – Befehl zum Internet-Radio 38 gesendet.
• Bitte das Musik-Al-Modul 34, einen anderen Sender auszuwählen – Befehl zum CAMP 32 gesendet.
• Stück beendet – dieser Befehl steht dem Benutzer nicht zur Verfügung, wird aber zum CAMP 32 gesendet.
• Wer ist der Künstler? – Befehl zum Internet-Radio 38 gesendet.
• Wie heißt das Stück? – Befehl zum Internet-Radio 38 gesendet.
• Schalte Ansagen Ein/Aus – zum CAMP 32 gesendet.
• Setze Lesezeichen für das Stück – Befehl zum Internet-Radio 38 gesendet.

In dem dargestellten Ausführungsbeispiel interagiert das intelligente Musikauswahlsystem weiterhin durch den in dem EAS 30 verfügbaren Avatar 62 mit dem Benutzer. Die Gesichtsausdrücke des Avatars sollten wie folgt auf die oben beschriebenen Befehle abgebildet werden:

• Glücklich: Ich mag das Stück/”Daumen nach oben”.
• Betrübt: Ich mag das Stück nicht/”Daumen nach unten”; Gehe zum nächsten Stück/Überspringe ein Stück.
• Enttäuschung: Wenn ein Befehl/eine Bitte nicht verstanden wird, gibt es Probleme oder Verzögerungen, das Stück zu spielen.
• Befriedigung: Wenn Befehle ausgeführt werden (und Bitten verstanden werden) – Schalte das System Ein/Aus, Wechsle in DJ-Modus, Wähle/Wechsle Sender X, Umschalte/Wechsle den (anderen) Sender.
• Neutral: Sonstiges.

Ist der aktuelle Status eine niedrige kognitive Beanspruchung, so werden Ansagen hinsichtlich irgendwelcher Probleme oder Verzögerungen bei einem Spielen von Musik oder Verstehen eines Befehls oder einer Bitte gemacht.
Unter weiterer Bezugnahme auf 2 sei bemerkt, dass das EAS 30 es zusätzlich zu der oben beschriebenen Basisfunktionalität ermöglicht, Befehle über die Verbindung 70 zur Steuerung des CAMP 32 zu übermitteln. Insbesondere umfassen EAS-Verbindung-Befehle zur Steuerung des CAMP 32: Starten, Unterbrechen, Anhalten, Fortfahren und Signalisieren (hup).
Der Sprechdialogsystem/Verteiler 36 und das Musik-Al-Modul 34 ermöglichen auch Befehle an den CAMP 32 bezüglich Steuerung des Medienspielers, Track-Steuerung, Ansagen, Senderauswahl und Ein- und Ausschalten des DJ-Modus. Die Befehle zur Steuerung des Medienspielers umfassen: Stoppe den Medienspieler; Starte den Medienspieler; Lasse den Medienspieler warten; Lasse den Medienspieler fortfahren. Die Track-Steuerungsbefehle umfassen: Sage dem CAMP 32, dass der Fahrer den Track (d. h. das Musikstück von digitalem Tonträger) mag, der gerade spielt; Sage dem CAMP 32, dass der Fahrer den Track nicht mag, der gerade spielt; Sage dem CAMP 32, den aktuellen Track zu überspringen; Sage dem CAMP 32, den aktuellen Track mit einem Lesezeichen zu versehen. Die Befehle bezüglich Ansagen umfassen: Sage dem CAMP 32, Ansagen auszuschalten; Sage dem CAMP 32, Ansagen einzuschalten. Die Senderauswahlbefehle umfassen einen Befehl zum Auswählen eines Senders. Und die Befehle in Bezug auf den CJ-Modus umfassen: DJ-Modus aus und DJ-Modus ein.
Unter weiterer Bezugnahme auf 2 ermöglicht der CAMP 32 außerdem die Abgabe einer CAMP-Status-Globalinformationsmeldung, die immer dann, wenn eine Statusänderung erfolgt, in einem Datenmanager 40 veröffentlich wird. Die Meldung ist global verfügbar, wird aber in erster Linie vom Sprechdialogsystem/Verteiler 36 und Musik-Al-Modul 34 benötigt.
Das Folgende ist ein Muster einer Statusmeldung in XML:
Mögliche Werte der Status-Attribute sind nachfolgend aufgezählt:

• playerStatus (Spieler-Status): Gestoppt, Spielt, Wartet, Fortfahren.
• station (Sender): Vom Fahrer angegebener Name als Zeichenfolge.
• status (Status): Normal, Warnung, Ernst, Schwerwiegend.
• DJstatus (DJ-Status): Wahr, Falsch.
• executionStatus (Ausführungs-Status): Gestoppt, Läuft.
• stationList (Senderliste): Begrenzte Liste aller Sendernamen, die ausgewählt werden können.
• tractInformation (Trakt-Informations-Attribute sind optional):
• album: Album-Name als Zeichenfolge.
• artist: Künstler-Name als Zeichenfolge.
• title: Titels des Trakts als Zeichenfolge.
• label: Musiklabel, das das Album/den Trakt aufgenommen hat.
• genre: Genre des Stücks, wie durch CDDB-Datenbank definiert.
• graphic: URL eines Grafikbildes.
• publicationDate: Datum, zu dem der Trakt veröffentlicht wurde.

Es sei darauf hingewiesen, dass das EAS 30 einschließlich CAMP 32 und Musik-Al-Modul 34 und einschließlich der ganzen beschriebenen Funktionalität nur ein Ausführungsbeispiel ist. Andere Ausführungsformen der Erfindung sind in vielen Formen möglich, und man kann auch andere Wege gehen, um eines oder mehrere der in Rede stehenden Merkmale und Funktionalitäten für eine intelligente Musikauswahl zu realisieren.
Das Musik-Al-Modul 34 ist vorstehend dahingehend beschrieben, dass es den CAMP 32 anleitet, Senderauswahlen zu treffen, und dass es die zum Auswählen des passenden Senders benutzten Logiken und Regeln auf der Basis von Benutzervorlieben und/oder Fahrbedingungen fortlaufend verfeinert. Man beachte aber, dass es viele andere mögliche Wege zur Realisierung des Musik-Al-Moduls 34 oder zur Realisierung irgendeiner anderen Form von intelligenter Musikauswahl in Übereinstimmung mit einem oder mehreren der von der Erfindung umfassten Merkmale gibt.
Die nachfolgende Beschreibung bezieht sich auf ein Ausführungsbeispiel des Musik-Al-Moduls 34 für das EAS 30.
Das Musik-Al-Modul 34 behält die Übersicht über die Musikauswahlen des Fahrers unter verschiedenen Bedingungen und benutzt diese Informationen, um eine automatische Musikauswahl entsprechend der zusammengefassten Fahrervorlieben und der aktuellen Fahrbedingungen zu ermöglichen. In dem hier beschriebenen Ausführungsbeispiel basiert das Musik-Al-Modul 34 auf einem Lern- und Denkalgorithmus, der das Markow-Kette(MC)-Wahrscheinlichkeitsmodell benutzt. Das Musik-Al-Modul 34 kommuniziert mit dem Internet-Radio 38 (über den CAMP 32) und dem Datenmanager 40, wie in 2 dargestellt.
Das Musik-Al-Modul 34 befindet sich in einem mobilen Gerät 50 und benötigt einen Flash-Speicher für die Musikauswahlen des Fahrers. Der benötigte Speicher hängt von der Eingabeauswahl und der Anzahl der Sender ab. Die Vorgabekonfiguration benötigt weniger als 1 kB Speicher.
Unterschiedliche Ausführungsformen der Erfindung können jeweils verschiedene Vorteile haben. Bei manchen Ausführungsformen können Musikvorlieben eines Fahrers, die als Sender definiert werden können (Sender werden gewöhnlich mit unterschiedlichen Musikrichtungen in Verbindung gebracht), automatisch zusammengefasst, gelernt und gespeichert. Bei manchen Ausführungsformen kann eine Abbildung erkannt werden, die die Sender mit bestimmten vordefinierten Fahrbedingungen verknüpft, z. B. Tageszeit, Fahrstil, Beanspruchungs-Index und mittlere Fahrzeuggeschwindigkeit (falls es solche Korrelationen gibt). Bei manchen Ausführungsformen kann ein automatisches Umschalten zwischen den Sendern auf Basis der erkannten Beziehungen ermöglicht sein (DJ-Modus).
Weiterhin kann bei manchen Ausführungsformen die Beziehung zwischen den Sendern und den Fahrbedingungen automatisch beibehalten und aktualisiert werden. Solche Ausführungsformen können Informationen zu anderen Musikanwendungen übertragen, die die Musikauswahlen in Gruppen ähnlich dem Konzept der Sender strukturieren können.
Das Musik-Al-Modul 34 ist im Allgemeinen nicht verantwortlich für ein Lernen von Musikcharakteristiken der Musikstücke, eine Abbildung zwischen den einzelnen Musikstücken und für Fahrbedingungen oder für Anwendungen auf andere Musikgeräte, die nicht in Gruppen strukturiert werden können, die dem Konzept eines Senders ähneln, der von dem Internet-Radio 38 benutzt wird.
Im Einzelnen ist in dem dargestellten Ausführungsbeispiel das Musik-Al-Modul 34 als ein diskretes dynamisches System ausgebildet, welches wirksam mit einem Statusvektor X, der durch die Sender gebildet wird, und einem Eingabevektor U ist,, der den Fahrbedingungen entspricht. In einem Lernmodus lernt das Musik-Al-Modul 34 fortlaufend die Beziehungen zwischen den Senderauswahlen und Fahrbedingungen und erzeugt ein Modell – eine Übergangswahrscheinlichkeitsmatrix – das eine Zusammenfassung dieser Beziehungen repräsentiert. In einem DJ-Modus erkennt das Musik-Al-Modul 34 die Bedingungen und die vorhandenen Muster von Übergängen zwischen den aktuellen und den neu ausgewählten Sendern unter diesen Bedingungen und gibt eine Empfehlung für die Senderauswahl. Ein Modell des Musik-Al-Moduls 34 entsprechend einer Ausführungsform ist in 3 gezeigt.
Wie aus 3 ersichtlich, enthält das Musik-Al-Modul 34 einen Block 90, der das diskrete dynamische System repräsentiert. Der Statusvektor X ist ein Vektor aller Sender (diskreter Satz von Kennungen ('1', '2', ...)). Der Eingabevektor U besteht aus Vektoren von Bedingungen (fortlaufend, diskretisiert in 2 Intervallen (Tageszeit), 2 Intervallen (Fahrstil)). Die Anzahl der Bedingungen kann variieren.
Unter weiterer Bezugnahme auf 3 empfängt das diskrete dynamische System (Block 90) Eingaben von dem Datenmanager 40 (2), die Tageszeit 92, den Fahrstil 94, den Kognitive-Beanspruchung-Index 96 und die Fahrzeuggeschwindigkeit 98 repräsentieren. Wie weiterhin dargestellt, empfängt der Block 90 einen aktuellen Sender 100 und einen aktuellen Punktwert 102 (weiter unten beschrieben). Der Block 90 gibt einen nächsten Sender 104 und einen nächsten Punktwert 106 aus, welcher durch einen Verzögerungsblock 108 zur Eingabeseite zurückgeführt werden.
Der Algorithmus des Musik-Al-Moduls 34 deckt drei Szenarien ab: Initialisierung, Lernen und DJ (Vorhersage).
Initialisierung wird durchgeführt, wenn:

• Das System das erste Mal in dem mobilen Gerät installiert wird.
• Die maximale Anzahl der Sender geändert wird.
• Die Art und/oder die Anzahl der Parameter, die die Fahrbedingungen bestimmen, geändert wird.
• Wenn die Intervalle, die die Markow-Kette-Status definieren, geändert werden.

Das Ergebnis dieser Phase begründet die Struktur des Al-Modells – eine Übergangswahrscheinlichkeits-Markow-Kette-Matrix.
Initialisierungs-Installationsparameter sind:

• max_states – Maximale Anzahl der Sender (Vorgabe max_states=5).
• nr_inputs – Anzahl der Fahrbedingungen (Vorgabe nr_inputs=2, Tageszeit und Fahrstil).
• min_inputs – Vektor der unteren Eingabegrenzen (Vorgabe [0 0]).
• max_inputs – Vektor der oberen Eingabegrenzen (Vorgabe [24 1]).
• discr_inputs – Länge der äquidistanten Intervalle, die die Eingaben unterteilen (Vorgabe [12 0,5] zum Unterteilen der Tageszeit und des Fahrstils jeweils in 2 Intervalle).

Eine Initialisierung erzeugt eine leere Markow-Kette-Übergangswahrscheinlichkeitsmatrix der Größe (Vorgabe): F = 5 × (5·2·2), die die Wahrscheinlichkeiten für Übergänge zwischen den Sendern für unterschiedliche Fahrbedingungen speichert, wie in 4 dargestellt. In 4 ist eine Übergangswahrscheinlichkeitsmatrix mit 110 bezeichnet. Jede Spalte repräsentiert einen aktuellen Status und Satz von mit 112 bezeichneten Eingabebedingungen. Jede Zeile repräsentiert einen mit 114 bezeichneten nächsten Status.
Bei Beendigung eines jeden Musikstücks wird eine Lernphase durchgeführt. Der Zweck ist, die aktuellen Fahrbedingungen mit dem Sender und der Ranglistenstellung des Musikstücks zu verknüpfen. Das Ergebnis wird genutzt, um die Übergangswahrscheinlichkeitsmatrix zu aktualisieren, die dahingehend genutzt wird, die Auswahlen des Fahrers in einem DJ-Modus zu schätzen.
Nach jedem Musikstück empfängt das Musik-Al-Modul 34 die folgenden Daten von dem CAMP 32: Sender, Punktwert, Rücksetzen, Vektor der Fahrbedingungen (Vorgabe [Tageszeit Fahrstil]):

• Sender ist die Nummer des Senders, der gespielt wurde.
• Punktwert = 1 zeigt an, dass der Fahrer das Musikstück mochte (Spracherkennung), das heißt, die Senderauswahl wurde bestätigt.
• Punktwert = 0,8 zeigt an, dass das Musikstück gespielt, aber nicht bestätigt wurde (gelinde Akzeptanz).
• Punktwert = 0 zeigt an, dass die Auswahl zurückgewiesen wurde (Fahrer mochte die Senderauswahl für die aktuellen Fahrbedingungen nicht). Dieser Auswahl wird in dem Modell die Wahrscheinlichkeit Null zugewiesen.
• Rücksetzen = 1 zeigt einen neuen Sender an. Die Wahrscheinlichkeiten, die mit dem Sender verknüpft sind, der durch den neuen Sender ersetzt wurde, werden auf Null zurückgesetzt.

Das Musik-Al-Modul 34 erzeugt die folgenden Eingabevektoren für den Lernalgorithmus: xk = [Vorgängersender Sender Punktwert Rücksetzen] uk – Vektor der Fahrbedingungen (Vorgabe uk = [Tageszeit Fahrstil])
Die Ausgabe des Lernalgorithmus ist die aktualisierte Übergangswahrscheinlichkeitsmatrix F.
Der DJ-Modus (Vorhersagemodus) wird unmittelbar nach dem Lernmodus durchgeführt. Die Ausgabe des Vorhersagemodus ist der vorhergesagte neue Sender. War die letzte Vorhersage erfolgreich, Punktwert > 0,7, ersetzt der Musik-Al-Algorithmus den vorherigen Sender durch den aktuellen Sender: Vorgängersender = Sender und benutzt dies zur Vorhersage des neuen Senders. Andernfalls bleibt der vorherige Sender ungeändert und wird für einen weiteren Versuch benutzt, eine korrekte Vorhersage zu treffen. In beiden Fällen ist der Eingabevektor für den Vorhersagealgorithmus formal derselbe: xpk = [Vorgängersender uk] wobei uk der Vektor der Fahrbedingungen ist.
Die Ausgabe des Vorhersagealgorithmus ist der vorhergesagte Sender. Die Kennung dieses vorhergesagten Senders wird zum CAMP 32 gesendet.
Das Musik-Al-Modul 34 ist dahingehend eingerichtet, mit dem CAMP 32 zusammenzuarbeiten, wenn der CAMP 32 in einem DJ-Modus ist, wobei die Senderauswahl durch das Musik-Al-Merkmal betrieben und die Eingabe von dem Fahrer nur benutzt wird, um die empfohlene Senderauswahl zu bestätigen bzw. abzulehnen. Es kann auch mit dem CAMP 32 arbeiten, wenn der CAMP 32 durch den Fahrer gesteuert wird. In diesem Fall benutzt der Lernalgorithmus die Auswahlen des Fahrers, um das Übergangswahrscheinlichkeitsmodell zu aktualisieren.
Man beachte, dass die vorstehende Beschreibung nur ein Ausführungsbeispiel darstellt. Die Musikauswahlintelligenz kann auch andere Formen annehmen. Die Beispielmethode benutzt eine Übergangswahrscheinlichkeitsmatrix. Auch andere Methoden sind möglich. Weiterhin kann das Lernen auf irgendeine geeignete Weise realisiert werden, wobei einige allgemeine Details einer Lernmethode weiter oben beschrieben worden sind. Viele Lernalgorithmen sind möglich, wie dem Fachmann auf dem Gebiet der Markow-Kette(MC)-Wahrscheinlichkeitsmodelle bekannt ist.
5 bis 8 stellen Blockdiagramme dar, die Beispielsverfahren gemäß der vorliegenden Erfindung veranschaulichen. In 5 veranschaulicht ein Blockdiagramm ein Verfahren zur intelligenten Musikauswahl entsprechend einer Ausführungsform der Erfindung. In einem Block 130 werden Benutzervorlieben für eine Musikauswahl in einem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs gelernt. In einem Block 132 wird eine Eingabe empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt. In einem Block 134 wird auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung Musik ausgewählt. In einem Block 136 wird die ausgewählte Musik gespielt.
6 veranschaulicht weitere Details des Verfahrens. Wenn das Fahrzeug eine Schnittstelle für natürliche Sprache aufweist, kann das Lernen von Benutzervorlieben die Maßnahme umfassen, wie in einem Block 140 gezeigt, eine Eingabe zu empfangen, die Benutzervorlieben in Form von über die Schnittstelle für natürliche Sprache empfangener natürlicher Sprache anzeigt. Wenn das Fahrzeug ein Emotionserkennungssystem aufweist, kann das Lernen von Benutzervorlieben die Maßnahme umfassen, wie in einem Block 142 gezeigt, empfangene natürliche Sprache mit dem Emotionserkennungssystem zu verarbeiten, um Benutzervorlieben zu ermitteln. Wenn das Fahrzeug ein emotionales Beratungssystem aufweist, wie in einem Block 144 gezeigt, wird dem Benutzer eine sicht- und hörbare Ausgabe zur Verfügung gestellt, indem Daten, die den Avatar repräsentieren, für eine Sichtanzeige ausgegeben werden und Daten, die eine Äußerung des Avatars repräsentieren, für eine Tonwiedergabe ausgegeben werden.
7 veranschaulicht weitere Details des Verfahrens und insbesondere weitere Details in Bezug auf die Musikauswahl entsprechend einiger Ausführungsformen der Erfindung. In einem Block 150 wird ein Musiksender auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung ausgewählt. Ein Block 152 zeigt die Verwendung eines Empfehlungssystems zum Auswählen von Musik auf Basis des ausgewählten Musiksenders. Ein Block 154 zeigt ein Verfeinern der Musikauswahl auf Basis eines Aktive-Mitarbeit-Filterungssystems, das die Musikauswahl auf Basis einer Verbundenheitsgruppe weiter verfeinert. Ein Block 156 zeigt ein Verfeinern der Musikauswahl auf Basis eines Kontextbewusstsein-Systems, das die Musikauswahl auf Basis von Kontext weiter verfeinert.
8 zeigt ein Blockdiagramm eines Verfahrens zur intelligenten Musikauswahl entsprechend einer weiteren Ausführungsform der Erfindung. In einem Block 160 wird ein diskretes dynamisches System eingerichtet. In einem Block 162 wird eine Eingabe empfangen, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt. Ein Block 164 zeigt ein Vorhersagen der nächsten Musikauswahl mit dem diskreten dynamischen System, und ein Block 166 zeigt ein Auswählen von Musik auf Basis der vorhergesagten nächsten Musikauswahl. In einem Block 168 wird die ausgewählte Musik gespielt.
ZITATE ENTHALTEN IN DER BESCHREIBUNG
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
Zitierte Patentliteratur

- US 7003515 [0007, 0043]
- US 2006/0107822 [0007]
- US 2007/0169614 [0007]
- US 2008/0269958 [0007, 0027, 0039]

Zitierte Nicht-Patentliteratur

- ”CES09: Gracenote gives you a talking celebrity music guide”, SFGate, San Francisco Chronicle, 9. Januar 2009 [0007]

Claims

Verfahren zur intelligenten Musikauswahl in einem Fahrzeug (14), dadurch gekennzeichnet, dass das Verfahren Folgendes umfasst: Lernen (130) von Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend einer Vielzahl von Fahrbedingungen des Fahrzeugs (14); Empfangen (132) einer Eingabe, die eine aktuelle Fahrbedingung des Fahrzeugs anzeigt; Auswählen (134) von Musik auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung; und Spielen (136) der ausgewählten Musik.
Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass das Fahrzeug eine Schnittstelle für natürliche Sprache aufweist, und dass das Lernen (130) von Benutzervorlieben weiterhin umfasst, eine Eingabe zu empfangen, die Benutzervorlieben in Form von über die Schnittstelle für natürliche Sprache empfangener natürlicher Sprache anzeigt (140).
Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das Fahrzeug ein Emotionserkennungssystem aufweist, und dass das Lernen (130) von Benutzervorlieben weiterhin umfasst, empfangene natürliche Sprache mit dem Emotionserkennungssystem zu verarbeiten, um Benutzervorlieben zu ermitteln (142).
Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass das Fahrzeug ein emotionales Beratungssystem aufweist, das die Schnittstelle für natürliche Sprache enthält und das unter Verwendung von hörbarer natürlicher Sprache und eines visuell dargestellten Avatars (62) mit dem Benutzer interagiert, und dass das Lernen (130) von Benutzervorlieben weiterhin umfasst, dem Benutzer eine sicht- und hörbare Ausgabe zur Verfügung zu stellen, indem Daten, die den Avatar repräsentieren, für Sichtanzeige ausgegeben werden und Daten, die eine Äußerung des Avatars repräsentieren, für Tonwiedergabe ausgegeben werden (144).
Verfahren nach einem der Ansprüche 1 bis 4, dadurch gekennzeichnet, dass das Auswählen (134) von Musik weiterhin umfasst, einen Musiksender auf Basis der gelernten Benutzervorlieben für Musikauswahl im Fahrzeug entsprechend der aktuellen Fahrbedingung auszuwählen (150), und ein Empfehlungssystem zu verwenden, um Musik auf Basis des ausgewählten Musiksenders auszuwählen (152).
Verfahren nach einem der Ansprüche 1 bis 5, dadurch gekennzeichnet, dass das Auswählen (134) von Musik weiterhin umfasst, Musik auf Basis der gelernten Benutzervorlieben für Musikauswahl im Fahrzeug entsprechend einer aktuellen Fahrbedingung (150) und weiterhin auf Basis eines Aktive-Mitarbeit-Filterungssystems, das die Musikauswahl auf Basis einer Verbundenheitsgruppe weiter verfeinert, auszuwählen (154).
Verfahren nach einem der Ansprüche 1 bis 6, dadurch gekennzeichnet, dass das Auswählen (134) von Musik weiterhin umfasst, Musik auf Basis der gelernten Benutzervorlieben für Musikauswahl in dem Fahrzeug entsprechend der aktuellen Fahrbedingung (150) und weiterhin auf Basis eines Kontextbewusstsein-Systems, das die Musikauswahl auf Basis von Kontext weiter verfeinert, auszuwählen (156).