1.一种基于自主学习的车窗控制方法,其特征在于,包括:获取多组雨量数据,每组所述雨量数据包括第一预设时间段内的降雨量;
获取多组后车窗调节数据,所述多组后车窗调节数据与所述多组雨量数据一一对应,每组所述后车窗调节数据包括在获取所述雨量数据后,乘员将后车窗玻璃所调节到的高度;
基于所述多组雨量数据和所述多组后车窗调节数据建立云数据库;
获取实时雨量数据,所述实时雨量数据包括所述第一预设时间段内的降雨量;
将所述实时雨量数据输入所述云数据库,遍历所述云数据库并获取输出数据,所述输出数据为与所述实时雨量数据相同的一组所述雨量数据,以及与该组所述雨量数据对应的所述后车窗调节数据,基于所述输出数据对后车窗进行调节,以将所述后车窗玻璃调节到与所述输出数据中的所述后车窗调节数据相对应的高度。
2.根据权利要求1所述的基于自主学习的车窗控制方法,其特征在于,所述车窗控制方法还包括:
若遍历所述云数据库中的所述多组雨量数据,无法找到与所述实时雨量数据相同的一组所述雨量数据,则获取第二实时雨量数据,所述第二实时雨量数据包括雨刮的档位数据;
基于所述第二实时雨量数据对所述后车窗进行调节,以将所述后车窗玻璃调节到不同高度。
3.根据权利要求2所述的基于自主学习的车窗控制方法,其特征在于,所述基于所述第二实时雨量数据对后车窗进行调节,以将所述后车窗玻璃调节到不同高度之前,所述车窗控制方法还包括:
获取所述雨刮的运行时间;
若所述雨刮的运行时间大于或等于预设时间阈值,则基于所述第二实时雨量数据对后车窗进行调节;或者,
若所述雨刮的运行时间小于预设时间阈值,则不基于所述第二实时雨量数据对后车窗进行调节。
4.根据权利要求1所述的基于自主学习的车窗控制方法,其特征在于,所述车窗控制方法还包括:
若遍历所述云数据库中的所述多组雨量数据,无法找到与所述实时雨量数据相同的一组所述雨量数据,则获取第三实时雨量数据,所述第三实时雨量数据包括前挡风玻璃排水孔的流量;
基于所述第三实时雨量数据对所述后车窗进行调节,以将所述后车窗玻璃调节到不同高度。
5.根据权利要求4所述的基于自主学习的车窗控制方法,其特征在于,所述基于所述第三实时雨量数据对所述后车窗进行调节,以将所述后车窗玻璃调节到不同高度之前,所述车窗控制方法还包括:
将所述第三实时雨量数据与预设流量阈值进行对比,若在第二预设时间段内所述前挡风玻璃排水孔的流量大于或等于所述预设流量阈值,则基于所述第三实时雨量数据对所述后车窗进行调节;或者,
若在所述第二预设时间段内所述前挡风玻璃排水孔的流量小于所述预设流量阈值,则不基于所述第三实时雨量数据对所述后车窗进行调节。
6.根据权利要求1所述的基于自主学习的车窗控制方法,其特征在于,所述车窗控制方法还包括:
获取所述后车窗玻璃的顶部与所述后车窗的上窗框之间的间距,若所述间距小于或等于预设距离阈值,则对所述后车窗进行调节,以将所述后车窗玻璃的顶部与所述后车窗的上窗框之间的间距调节到与所述预设距离阈值相等。
7.根据权利要求6所述的基于自主学习的车窗控制方法,其特征在于,所述车窗控制方法还包括:
获取主驾驶位的车窗调节数据,若所述主驾驶位的车窗玻璃被驾驶员调节到完全关闭,则对全部车窗进行调节,以将所述全部车窗的车窗玻璃调节到完全关闭。
8.一种车窗控制系统,其特征在于,包括:数据获取模块,用于获取多组雨量数据、多组后车窗调节数据和实时雨量数据,每组所述雨量数据包括第一预设时间段内的降雨量,所述多组后车窗调节数据与所述多组雨量数据一一对应,每组所述后车窗调节数据包括在获取所述雨量数据后,乘员将后车窗玻璃所调节到的高度,所述实时雨量数据包括所述第一预设时间段内的降雨量;
数据存储模块,用于基于所述多组雨量数据和所述多组后车窗调节数据建立云数据库;
电子控制单元,用于将所述实时雨量数据输入所述云数据库,遍历所述云数据库并获取输出数据,所述输出数据为与所述实时雨量数据相同的一组所述雨量数据,以及与该组所述雨量数据对应的所述后车窗调节数据,基于所述输出数据对后车窗进行调节,以将所述后车窗玻璃调节到与所述输出数据中的所述后车窗调节数据相对应的高度。
9.一种车窗控制系统,其特征在于,所述车窗控制系统包括:处理器;
用于存储处理器可执行的指令的存储器;
其中,所述处理器被配置为执行权利要求1至7任一项所述的车窗控制方法。
10.一种计算机存储介质,其上存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现权利要求1至7任一项所述的车窗控制方法。