基于本地深度学习与动态任务驱动的建议生成方法及系统

本发明提供了基于本地深度学习与动态任务驱动的建议生成方法及系统，属于智能网联汽车技术领域，所述方法包括：从数据采集控制器获取实时车况数据；将所述实时车况数据进行均值计算推送到本地深度学习模型；基于本地深度学习模型的实时推理得到可执行建议。本发明采用实时缓存（存储当前点火周期数据）与历史缓存（存储跨周期统计值）的双层结构，解决车辆冷启动数据断层问题，提升建议连贯性。本发明在车端本地部署大模型，实现实时响应，规避网络传输瓶颈，使得系统端到端延迟大幅降低到毫秒级。本发明引入任务字符串，实现“一模型多任务”的灵活适配大模型任务的动态切换，通过OTA更新任务规则库，适配不同个性化场景。