(19)國(guó)家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN120080669B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)(73)專利權(quán)人格陸博科技有限公司地址226000江蘇省南通市崇川區(qū)新安路33號(hào)B60C23/06(2006.01)審查員靳宇(72)發(fā)明人劉思遠(yuǎn)劉兆勇吳曈原湛宇余子祥張莉莉(74)專利代理機(jī)構(gòu)北京圣州專利代理事務(wù)所(普通合伙)11818專利代理師李玉芝基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系統(tǒng)本發(fā)明公開(kāi)了基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系統(tǒng)，屬于胎壓調(diào)控領(lǐng)域，包括以下步驟：S1、采集多模態(tài)數(shù)據(jù)并預(yù)處理；S2、構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，多模態(tài)融合模型包括路面類型識(shí)別子將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生成胎壓調(diào)控建議。采用上述基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控采集多模態(tài)數(shù)據(jù)并預(yù)處理：同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生21.一種基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法，其特征在于：包括以下步S1、采集多模態(tài)數(shù)據(jù)并預(yù)處理：同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；環(huán)境信息包括溫濕度、雨量、氣壓以及路面溫度分布圖像；輪胎信息包括胎壓波形信息和輪胎接地壓力分布信息；預(yù)處理包括對(duì)路面圖像信息和路面溫度分布圖像依次進(jìn)行伽馬校正、CLAHE增強(qiáng)和滑動(dòng)窗口均值濾波，以及對(duì)輪胎信息、車輛行駛信息、溫濕度、雨量和氣壓進(jìn)行時(shí)序數(shù)據(jù)增強(qiáng)處理；S2、構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；在步驟S2中，路面類型識(shí)別子模型為經(jīng)標(biāo)注后的路面圖像信息訓(xùn)練完畢的EfficientNet-B5模型；在EfficientNet-B5模型訓(xùn)練過(guò)程中，采用凍結(jié)前10層的EfficientNet-B5網(wǎng)絡(luò)框架，將學(xué)習(xí)率設(shè)定為1e-5對(duì)頂層3層的訓(xùn)練參數(shù)進(jìn)行更新；步驟S3具體包括以下步驟：式中，X表示融合特征向量；Xroad表示路面類型特征向量；Xthermal表示輪胎熱膨脹效應(yīng)特征向量；Xwear表示輪胎磨損等級(jí)特征向量；S331、通過(guò)多層感知機(jī)計(jì)算注意力得分向量S:s=MLP(X)(3);式中，MLP·)表示多層感知機(jī)計(jì)算函數(shù)；利用Softmax函數(shù)對(duì)注意力得分進(jìn)行歸一化，得到注意力權(quán)重向量：式中，αi表示第i個(gè)特征對(duì)應(yīng)的注意力權(quán)重；Si和Sj分別表3應(yīng)的注意力得分向量；ntotal表示融合特征向量X的維度；S34、計(jì)算加權(quán)后的特征向量Xweight式中，◎表示對(duì)應(yīng)元素相乘；S37、通過(guò)線性層計(jì)算胎壓調(diào)控建議值y:偏置項(xiàng)；溫度變化子模型為經(jīng)歷史溫濕度數(shù)據(jù)訓(xùn)練完畢的雙向LSTM模型；輪胎狀態(tài)子模型為經(jīng)歷史輪胎信息訓(xùn)練完畢的三維卷積網(wǎng)絡(luò)；S3、將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生成胎壓調(diào)控建議。2.根據(jù)權(quán)利要求1所述的基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法，其特征3.如上述權(quán)利要求2所述的基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的系多模態(tài)數(shù)據(jù)及預(yù)處理模塊，用于同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；多模態(tài)融合模型構(gòu)建訓(xùn)練模塊，用于構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，且多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；胎壓調(diào)控建議生成模塊，用于將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加觸發(fā)報(bào)警模塊，用于當(dāng)胎壓超出閾值時(shí)，觸發(fā)報(bào)警，并基于車載導(dǎo)航推薦最近的維修4.根據(jù)權(quán)利要求3所述的基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的系統(tǒng)，其特征在于：多模態(tài)數(shù)據(jù)及預(yù)處理模塊包括車輛行駛信息采集單元、路面圖像信息采集單元、環(huán)境信息采集單元和輪胎信息采集單元，其中車輛行駛信息采集單元包括設(shè)置于車身上的九軸IMU傳感器和用于采集輪速信息的輪速傳感器，九軸IMU傳感器用于采集車速、加速度及車身傾角數(shù)據(jù)；路面圖像信息采集單元包括設(shè)置于車身上的1280×720分辨率車載攝像頭；環(huán)境信息采集單元包括車載溫濕度傳感器、雨量傳感器、氣壓傳感器和用于采集路面溫度分布圖像的FLIR熱像儀；輪胎信息采集單元包括用于采集胎壓波形信息的植入式MEMS傳感器和用于采集輪胎接地壓力分布信息的壓力傳感器。5.根據(jù)權(quán)利要求4所述的基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的系統(tǒng)，4其特征在于：溫濕度傳感器為SHT35傳感器，雨量傳感器為集成光學(xué)式雨量計(jì)，氣壓傳感器為BMP-280傳感器，F(xiàn)LIR熱像儀的分辨率為640×512。5基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及胎壓調(diào)控技術(shù)領(lǐng)域，尤其涉及基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系統(tǒng)。背景技術(shù)[0002]汽車胎壓是影響汽車行駛安全的重要因素之一。合理的胎壓設(shè)置可以降低汽車輪胎的滾動(dòng)阻力、提高輪胎壽命、減少爆胎風(fēng)險(xiǎn)，同時(shí)還能夠減小減震系統(tǒng)的負(fù)荷，提升汽車的抓地力和剎車性能?，F(xiàn)有技術(shù)中一般是為汽車輪胎充壓使其達(dá)到預(yù)設(shè)壓力，然后以該預(yù)設(shè)壓力行駛。預(yù)設(shè)壓力通常是在標(biāo)準(zhǔn)條件下確定的固定值，而實(shí)際上車輛在行駛過(guò)程中，會(huì)遇到多種駕駛場(chǎng)景。例如，在未鋪砌的鄉(xiāng)村道路或山路等崎嶇地形上行駛時(shí)，輪胎需要承受不規(guī)則的沖擊和不同程度的側(cè)向力。固定的預(yù)設(shè)壓力可能不足以適應(yīng)這些極端條件，導(dǎo)致輪胎磨損和刺破風(fēng)險(xiǎn)增加。[0003]針對(duì)上述問(wèn)題，現(xiàn)有技術(shù)進(jìn)一步研發(fā)了如CN202410541703.9公開(kāi)的汽車胎壓控制方法及系統(tǒng)，該發(fā)明專利通過(guò)先獲取汽車的當(dāng)前胎壓以及汽車行進(jìn)方向的路面圖像，再根據(jù)所述當(dāng)前胎壓以及所述路面圖像確定對(duì)應(yīng)的胎壓變換系數(shù)，最后根據(jù)所述胎壓變換系數(shù)調(diào)整汽車胎壓，從而可以根據(jù)汽車行進(jìn)方向的路面狀況和汽車當(dāng)前胎壓，對(duì)汽車胎壓進(jìn)行實(shí)時(shí)調(diào)整，以使汽車在不同路面狀況下行駛時(shí)，其胎壓均保持在最佳的胎壓，提高了汽車行駛的安全性。[0004]但是對(duì)胎壓影響的因素是復(fù)雜的，其中還包括熱脹冷縮的天氣變化，以及輪胎磨損程度對(duì)胎壓的影響，單一的通過(guò)路面狀況對(duì)胎壓進(jìn)行調(diào)整，調(diào)整效果不佳，無(wú)法適應(yīng)復(fù)雜的行駛環(huán)境。發(fā)明內(nèi)容[0005]本發(fā)明的目的是提供基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系統(tǒng)，解決上述技術(shù)問(wèn)題。[0006]為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)[0007]S1、采集多模態(tài)數(shù)據(jù)并預(yù)處理：同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；[0008]S2、構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；[0009]S3、將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生成胎壓調(diào)控建議。6[0012]輪胎信息包括胎壓波形信息和輪胎接地壓力分布信息；[0013]預(yù)處理包括對(duì)路面圖像信息和路面溫度分布圖像依次進(jìn)行伽馬校正、CLAHE增強(qiáng)和滑動(dòng)窗口均值濾波，以及對(duì)輪胎信息、車輛行駛信息、溫濕度、雨量和氣壓進(jìn)行時(shí)序數(shù)據(jù)增強(qiáng)處理。[0014]優(yōu)選的，在步驟S2中，路面類型識(shí)別子模型為經(jīng)標(biāo)注后的路面圖像信息訓(xùn)練完畢[0015]溫度變化子模型為經(jīng)歷史溫濕度數(shù)據(jù)訓(xùn)練完畢的雙向LSTM模型；[0016]輪胎狀態(tài)子模型為經(jīng)歷史輪胎信息訓(xùn)練完畢的三維卷積網(wǎng)絡(luò)。[0017]優(yōu)選的，在EfficientNet-B5模型訓(xùn)練過(guò)程中，采用凍結(jié)前10層的EfficientNet-B5網(wǎng)絡(luò)框架，將學(xué)習(xí)率設(shè)定為1e-5對(duì)頂層3層的訓(xùn)練參數(shù)進(jìn)行更新。[0021]式中，Wweather、Wroad和Wtire-friction分別表示路面類型、輪胎熱膨脹效應(yīng)[0024]式中，X表示融合特征向量；Xr膨脹效應(yīng)特征向量；Xwear表示輪胎磨損等級(jí)特征向量；[0026]S331、通過(guò)多層感知機(jī)計(jì)算注意力得分向[0029]利用Softmax函數(shù)對(duì)注意力得分進(jìn)行歸一化，得到注意力權(quán)重向量：[0031]式中，α;表示第i個(gè)特征對(duì)應(yīng)的注意力權(quán)重；Si和Sj分別表示第i個(gè)特征和第j個(gè)特征對(duì)應(yīng)的注意力得分向量；ntotal表示融合特征向量X的維度；[0034]式中，◎表示對(duì)應(yīng)元素相乘；7[0037]式中，W表示線性層的權(quán)重向量，且線性層的權(quán)重向量W維度與Xweighted相同；b表示偏置項(xiàng)。[0038]優(yōu)選的，在步驟S3中，當(dāng)胎壓超出閾值時(shí)，觸發(fā)報(bào)警，并基于車載導(dǎo)航推薦最近的維修點(diǎn)。[0039]基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的系統(tǒng)，包括：[0040]多模態(tài)數(shù)據(jù)及預(yù)處理模塊，用于同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；[0041]多模態(tài)融合模型構(gòu)建訓(xùn)練模塊，用于構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，且多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；[0042]胎壓調(diào)控建議生成模塊，用于將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生成胎壓調(diào)控建議；[0043]觸發(fā)報(bào)警模塊，用于當(dāng)胎壓超出閾值時(shí)，觸發(fā)報(bào)警，并基于車載導(dǎo)航推薦最近的維[0044]優(yōu)選的，多模態(tài)數(shù)據(jù)及預(yù)處理模塊包括車輛行駛信息采集單元、路面圖像信息采集單元、環(huán)境信息采集單元和輪胎信息采集單元，其中車輛行駛信息采集單元包括設(shè)置于車身上的九軸IMU傳感器和用于采集輪速信息的輪速傳感器，九軸IMU傳感器用于采集車[0045]路面圖像信息采集單元包括設(shè)置于車身上的1280×720分辨率車載攝像頭；[0046]環(huán)境信息采集單元包括車載溫濕度傳感器、雨量傳感器、氣壓傳感器和用于采集路面溫度分布圖像的FLIR熱像儀；[0047]輪胎信息采集單元包括用于采集胎壓波形信息的植入式MEMS傳感器和用于采集輪胎接地壓力分布信息的壓力傳感器。[0048]優(yōu)選的，溫濕度傳感器為SHT35傳感器，雨量傳感器為集成光學(xué)式雨量計(jì)，氣壓傳[0049]因此，本發(fā)明采用上述基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法及系[0050]1、全面且精準(zhǔn)地獲取車輛行駛過(guò)程中的各類數(shù)據(jù)，為后續(xù)精準(zhǔn)的胎壓調(diào)整提供了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)，同時(shí)對(duì)采集的數(shù)據(jù)進(jìn)行預(yù)處理，包括圖像數(shù)據(jù)增強(qiáng)(伽馬校正、CLAHE增強(qiáng)、滑動(dòng)窗口均值濾波等)和時(shí)序數(shù)據(jù)增強(qiáng)，提升了數(shù)據(jù)干擾，避免過(guò)擬合，進(jìn)一步提升模型的響應(yīng)推理速度和準(zhǔn)確性；[0051]2、構(gòu)建包含路面識(shí)別、溫度變化和輪胎狀態(tài)三個(gè)子模型的多模態(tài)融合模型架構(gòu)，綜合考慮天氣、路面和輪胎狀況等多方面因素對(duì)胎壓的影響，再通過(guò)門控注意力機(jī)制加權(quán)多源特征，自行調(diào)整各因素權(quán)重，使胎壓調(diào)整建議更貼合實(shí)際行駛環(huán)境，有效降低車胎磨[0052]綜上，本發(fā)明不僅能在復(fù)雜行駛環(huán)境下根據(jù)多種因素動(dòng)態(tài)調(diào)整胎壓，降低車胎磨損，延長(zhǎng)車胎和汽車的使用壽命，還能實(shí)時(shí)保障行車安全，在胎壓異常時(shí)及時(shí)預(yù)警并提供維8修便利，同時(shí)精準(zhǔn)的路面識(shí)別有助于優(yōu)化車輛使用和維護(hù)成本，在汽車胎壓控制領(lǐng)域具有顯著的優(yōu)勢(shì)和重要的應(yīng)用價(jià)值。[0053]下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。附圖說(shuō)明[0054]圖1為本發(fā)明所述的基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的流程具體實(shí)施方式[0055]為了使本發(fā)明實(shí)施例公開(kāi)的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明實(shí)施例進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處描述的具體實(shí)施例僅僅用以解釋本發(fā)明實(shí)施例，并不用于限定本發(fā)明實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本申請(qǐng)保護(hù)的范圍。所述實(shí)施例的示例在附圖中示出，其中自始至終相同或類似的標(biāo)號(hào)表示相同或類似的元件或具有相同或類似功能的元件。地列出的那些步驟或單元，而是可包括沒(méi)有清楚地列出的或?qū)τ谶@些過(guò)程、方法、產(chǎn)品或設(shè)備固有的其它步驟或單元。[0058]如圖1所示，基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法，包括以下步驟：[0059]S1、采集多模態(tài)數(shù)據(jù)并預(yù)處理：同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；[0061]環(huán)境信息包括溫濕度、雨量[0062]輪胎信息包括胎壓波形信息和輪胎接地壓力分布信息；[0063]預(yù)處理包括對(duì)路面圖像信息和路面溫度分布圖像依次進(jìn)行伽馬校正、CLAHE增強(qiáng)和滑動(dòng)窗口均值濾波(窗口大小=4),以及對(duì)輪胎信息、車輛行駛信息、溫濕度、雨量和氣壓進(jìn)行時(shí)序數(shù)據(jù)增強(qiáng)處理。通過(guò)對(duì)路面圖像信息和路面溫度分布圖像進(jìn)行增強(qiáng)，便于模型對(duì)特征的提取，進(jìn)一步提升模型的響應(yīng)速度。[0064]S2、構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；通過(guò)多個(gè)子模型跨區(qū)域融合，使對(duì)輪胎影響較大的多個(gè)因素同步作用于該模型，并基于各模型的不同權(quán)重，自動(dòng)調(diào)整合適的[0065]在步驟S2中，路面類型識(shí)別子模型為經(jīng)標(biāo)注后的路面圖像信息訓(xùn)練完畢的EfficientNet-B5模型，可識(shí)別多種路面類型；[0066]在EfficientNet-B5模型訓(xùn)練過(guò)程中，采用凍結(jié)前10層的EfficientNet-B5網(wǎng)絡(luò)框架，將學(xué)習(xí)率設(shè)定為1e-5對(duì)頂層3層的訓(xùn)練參數(shù)進(jìn)行更新。[0067]溫度變化子模型為經(jīng)歷史溫濕度數(shù)據(jù)訓(xùn)練完畢的雙向LSTM模型；9[0068]輪胎狀態(tài)子模型為經(jīng)歷史輪胎信息訓(xùn)練完畢的三維卷積網(wǎng)絡(luò)。[0069]在本實(shí)施例中，還可輸入10萬(wàn)組全生命周期數(shù)據(jù)(胎壓+磨損+里程),利用時(shí)間卷積網(wǎng)絡(luò)(TCN)捕獲長(zhǎng)期依賴關(guān)系，預(yù)測(cè)輪胎壽命。[0070]S3、將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪胎熱膨脹效應(yīng)預(yù)測(cè)結(jié)果(預(yù)測(cè)未來(lái)15分鐘熱膨脹效應(yīng))以及輪胎磨損等級(jí)評(píng)估結(jié)果，再結(jié)合門控注意力機(jī)制加權(quán)多源特征，動(dòng)態(tài)生成胎壓調(diào)控建議。步驟S3具體包括以下步驟：膨脹效應(yīng)特征向量；Xwear表示輪胎磨損等級(jí)特征向量；[0078]S331、通過(guò)多層感知機(jī)計(jì)算注意力得分向量S:[0081]利用Softmax函數(shù)對(duì)注意力得分進(jìn)行歸一化，得到注意力權(quán)重向量：征對(duì)應(yīng)的注意力得分向量；ntotal表示融合特征向量X的維度；[0086]式中，⊙表示對(duì)應(yīng)元素相乘；[0089]式中，W表示線性層的權(quán)重向量，且線性層的權(quán)重向量W維度與Xweighted相同；b表示偏置項(xiàng)。[0090]例如瀝青路面維持標(biāo)準(zhǔn)胎壓(2.4bar±0.03bar);積雪路面提升0.15bar增強(qiáng)胎面剛性，側(cè)滑概率降低37%;高速工況(車速>100km/h)每提速10km/h增加0.05bar抑制形變。檢測(cè)到胎壓驟降速率>0.3bar/s時(shí)：激活對(duì)應(yīng)車輪制動(dòng)預(yù)加壓；限制車速至80km/h以下。另外，[0091]在步驟S3中，在本實(shí)施例中每1000米更新一次胎壓，從而對(duì)胎壓進(jìn)行實(shí)時(shí)調(diào)整，且當(dāng)胎壓超出閾值時(shí)，觸發(fā)報(bào)警，并基于車載導(dǎo)航推薦最近的維修點(diǎn)。[0092]基于多模態(tài)融合與注意力機(jī)制的汽車胎壓調(diào)控方法的系統(tǒng)，包括：多模態(tài)數(shù)據(jù)及預(yù)處理模塊，用于同步采集車輛行駛信息、路面圖像信息、環(huán)境信息和輪胎信息；多模態(tài)融合模型構(gòu)建訓(xùn)練模塊，用于構(gòu)建并基于歷史多模態(tài)數(shù)據(jù)訓(xùn)練多模態(tài)融合模型，且多模態(tài)融合模型包括路面類型識(shí)別子模型、溫度變化子模型以及輪胎狀態(tài)子模型；胎壓調(diào)控建議生成模塊，用于將實(shí)時(shí)采集的多模態(tài)數(shù)據(jù)輸入多模態(tài)融合模型，得到路面類型、輪