Einleitung

Nach einem halben Jahr intensiver Vorbereitungen hat unser KI-Team diese Woche eine Nord-Süd-„Klimazonen-Durchquerung“ absolviert – von Shanghai über Qufu und Tianjin bis zum Halbziel Changchun in der Provinz Jilin, mit einer Gesamtstrecke von über 2.700 km. In zwei Testfahrzeugen – einem Leapmotor und einem Tesla – führten wir eine einwöchige Echtfahrzeug-Datenerfassung durch, die sich auf Komfort und personalisiertes Nutzerverhalten der Klimaanlage im Winter mit mehreren Personen und über verschiedene Klimazonen erstreckte.

Warum so weit fahren?

Weil echter Klimakomfort im Auto verschiedenen Klimabedingungen standhalten muss.
Durch die Auswahl von Leapmotor und Tesla erfassen wir Daten sowohl von nationalen als auch internationalen Nutzergruppen. Das Sammeln von Interaktionsdaten verschiedener Personen unter unterschiedlichen Bedingungen macht die Schlussfolgerungen und das Lernen des KI-Modells robuster und allgemeiner anwendbar.

图片

Warum eine lange Strecke für die Datensammlung?

Echter Komfort muss sich unterschiedlichen Klimazonen anpassen. Unsere Route führt durch das feuchte Jiangnan, den kühlen Norden Chinas und die extreme Kälte Nordostchinas. So können wir das Klimaanlagen-Nutzungsverhalten unter verschiedenen Temperatur-, Feuchtigkeits- und Klimabedingungen erfassen und eine solide Datenbasis für die „klimaadaptive“ KI-Klimaanlage schaffen.

图片

Warum legen wir Wert auf „Echtfahrzeug- und Realumgebungs“-Erfassung?

Klimakomfort ist keine statische, sondern eine dynamische, kontextabhängige Wissenschaft mit räumlichen und zeitlichen Merkmalen. Dieselbe Person kann unter unterschiedlicher Luftfeuchtigkeit, Temperatur oder Sonneneinstrahlung „Komfort“ und sogar „Wohlgefühl“ völlig anders definieren und empfinden.

„Daten sind das neue Öl, Daten sind der Treibstoff für KI.“ — Fei-Fei Li, „Godmother of AI“

Durch diese Langstreckenerfassung können wir:

  • Echte Regelverläufe der Klimaanlage im transienten und stationären Zustand aufzeichnen.

  • Die sich während der Langstreckenfahrt allmählich verändernden Komfortpräferenzen der Nutzer dokumentieren.

  • Die Anpassungsfähigkeit des Systems unter verschiedenen Umweltbedingungen validieren.

图片

Was haben wir erfasst?

  • Cloud-Daten, physiologische Merkmale der Personen und fahrzeugbezogene Daten zum Wärmemanagement der Klimaanlage.

  • Analyse von Änderungen im Bedienverhalten der Klimaanlage und der zugrundeliegenden Logik bei Kurz- und Langstreckenfahrten.

  • Unterschiede bei Komfortpräferenzen von Nutzern aus verschiedenen Regionen.

  • Szenariobasierte Bedienungen wie Kalt-/Warmstarts, Stadtstau, nächtliche Entnebelung bei voller Besetzung und Abfahrten aus beheizten Garagen.

Diese Daten werden mit unseren vorhandenen Datensätzen zusammengeführt, um das KI-Klimaanlagenmodell zu trainieren und zu optimieren.

图片

Daten unterwegs, Intelligenz in Entwicklung

Diese Sammelreise von Shanghai nach Jilin ist nicht nur eine technische Übung, sondern auch ein langer Marsch auf dem Weg der intelligenten Erkundung. Wir sind überzeugt: Eine wirklich intelligente Klimaanlage sollte nicht nur vom „Menschen“ lernen, sondern auch das „Wetter“ verstehen, die „Geografie“ wahrnehmen und sich in die „Reise“ einfügen.

Intelligenz sollte nicht nur im Labor wachsen – sie muss in der realen Welt verwurzelt sein. Von Shanghai nach Jilin erfassen wir nicht nur Daten, sondern auch reale, komfortable Reiseerfahrungen durch das weite Land China. Die Entwicklungsgeschichte der KI-Klimaanlage schreiben wir gerade mit Hingabe…