汽车空调系统是保证汽车热舒适性的核心系统。在人民日益增长的美好生活需要的背景下,汽车空调系统也面临着新的挑战,需要实现更精细化、更个性化的热舒适性设置。同时,随着产业升级以及“中国制造2025”的国家战略,汽车空调智能化成为汽车领域的研究重点之一。本文针对汽车空调热舒适性系统算法进行相关研究工作,基于真实智能网联汽车大数据进行分析和建模,提出了一系列新的特征工程方法、热舒适性系统预测模型,主要研究工作如下:1.基于特征工程的汽车空调热舒适性系统特征的构建与研究。通过业务逻辑分析、特征线性组合、特征统计值等理论方法,构造汽车空调热舒适性系统特征。为汽车空调热舒适性模型构建了基础,也为数据驱动的汽车空调系统热舒适性算法模型的特征工程提供了系统指导。2.汽车空调热舒适性算法通用模型的设计与研究。基于大数据训练,通过逻辑斯蒂回归、决策树、GBDT、随机森林、XGboost等算法,形成一个汽车空调热舒适性智能算法模型。该模型可以基于车外和车内的环境条件,为用户完成空调系统开关、温度、风量和吹风模式的自动设置,极大地降低用户使用车载空调的操作复杂度,提升用户的汽车空调使用体验。在此基础上创新性地提出了加权峰度聚类算法,形成了基于分区规划模式的汽车空调热舒适性算法理论。3.汽车空调热舒适性算法个性化模型的设计与研究。提出了记忆系统算法。通过每一个用户的使用数据进行实际模型的生成,通过门限动态调整算法,适时调整模型动态启动门限,兼顾系统稳定性与对用户个性化热舒适性偏好的满足。本文基于汽车空调用户大数据,通过多种机器学习算法,设计与研究数据驱动、更精细化、更个性化、更自动化、更高性能的汽车空调系统热舒适性算法,实现了无需冷启动、预测精度高的汽车空调热舒适性通用控制算法和能实现千人千面、高度个性化的汽车空调热舒适性个性化控制算法,实现对汽车空调开关、主副温区温度、风量、内外循环、吹风模式的自动设置。