智能座舱产品设计主要是围绕一个个具体的场景进行展开，本篇文章围绕车内用户抽烟时，汽车做智能调节的相关案例拆解座舱产品在具体的工作中需要做的事宜。

一、场景分析

中国烟民截止到2023年为3.5亿，男性烟民将近3.1亿，女性烟民为4000万，男性吸烟率为53.3%，女性吸烟率为2.9%。由此可见，吸烟群体众多，而在开车过程中，由于驾驶的疲惫感（尤其是长途驾驶），一些驾驶者会有在车内抽烟的行为（这种行为极度不提倡），如何在前排乘客抽烟时（后排暂不考虑），最大化的降低抽烟带来的车内空气质量问题，给到车内乘客相对好一些的用户体验呢？

二、抽烟事件监听

首先，我们需要能监听到该场景的发生（即让车知道当前是有人在车内抽烟），考虑有2种监听方式：

做了8年产品经理后，我是这么看产品经理的

我个人是从非常初级的产品经理做起，再到负责一个大产品的项目管理，现在有幸跳出了日常基础的工作更多的去看产品的PMF，product strategy...

查看详情 >

主动监听方式：

• 利用车内摄像头进行捕捉识别抽烟动作
• 利用车内空气质量传感器检测车内的空气质量（因为抽烟导致的直接结果就是车内空气质量严重下降）

被动监听：用户手动打开抽烟模式

1. 主动监听

1）摄像头识别 

利用摄像头识别抽烟动作，需要考虑以下几个问题：

• 利用哪里的摄像头，如果车辆配备DMS，则可以利用DMS摄像头进行捕捉，不过一般的DMS摄像头位于A柱，主要的捕获画面为驾驶员，副驾驶的画面怎么捕捉？
• 抽烟动作识别：这里需要借助算法团队来进行抽烟识别场景的测试，产品经理需要做的事情需要定义抽烟正向样本、专项负样本以及自然驾驶的数据，例如：抽烟正向样本的常见抽烟形态，尽可能的列举（用嘴叼着烟、左右手夹着烟等）；专项负样本（吃棒棒糖、牙签剔牙、用吸管喝牛奶等）；自然驾驶的数据（自然驾驶过程中的状态），定义的越细越全面，采集数据时就会越准确，在算法训练时效果越好，示例如下：

• 场景测试：定义好数据后，进行场景数据采集标注好后，即可进行算法训练，完成后可在车内场景中做相应的测试检测，逐步提高完善算法的准确性

2）空气传感器检测

空气传感器检测主要是利用对应的传感器实时检测车内车内空气中PM2.5含量、苯、一氧化碳、二氧化碳等的含量阈值进行触发，如果车内配备相应的传感器即可触发识别，这一块根据相应的传感器的参数及功能可做对应的识别参数阈值匹配即可。

2. 被动监听

用户在抽烟前，通过开启“抽烟模式”，即可进入，这种做法相对成本低，但是比较被动，需要考虑一些触发方式，例如通过语音交互“抽支烟”“我想抽烟”等关键词触发。

三、场景触发响应

当场景监听触发后，车辆做出何种响应是产品经理需要考虑的。抽烟场景发生后，车辆要做的事情是尽快降低烟雾对车内空气质量的干扰，可行的动作响应如下：

• 打开车窗
• 开启外循环
• 开启空气绿净
• 开启辅助驾驶

针对以上的动作，需要根据车辆的行驶状态和外部环境进行判断：

• 外面下雨
• 车速在不同的数值的开启车窗的影响

针对以上的情况，产品经理需要给出明确的响应说明。

四、场景冲突处理

一般，在车辆的场景响应中，可能并不会只针对某个场景触发，如果此时有多个场景在触发，产品经理需要考虑不同场景对相同控制操作的冲突处理，比如：智能车控中的驾驶员、前排乘客抽烟场景会涉及到开车窗的操作，驾驶员疲劳缓解策略中，当检测到驾驶员处于重度疲劳时，会主动开启空调降低车内温度，同时当车速低于60KM/h时，会把驾驶员车窗开启10%来缓解驾驶员疲劳状态，也会涉及车窗的操作。这样一来，当2个场景同时触发，便会产生针对车窗操作的冲突。

除了车窗，空调、中控屏的显示都有可能涉及冲突处理。为此，需要设计一套冲突处理策略，这有点类似互联网产品中的弹窗冲突处理。通过结合格场景触发时的资源占用状态以及优先级来对场景交互行为的触发进行决策。

五、场景交互反馈

完成了场景的感知以及冲突处理之后，接下来需要进行场景触发的交互行为设计。交互行为一般遵循闭环原则，即开始，持续、结束。

• 开始：当场景触发时，需要让用户感知抽烟模式已开始，车辆会做哪些动作（这里可通过TTS播报动作）
• 持续：动作生效过程
• 结束：当场景结束后，需要给到提示，例如“已退出抽烟模式”，并且车身控制恢复到之前的状态。

以上只是简单的描述场景交互，产品经理可结合车辆的具体情况和配置，在实际体验测试中优化场景交互反馈，做到交互的自然和无感。

六、总结

针对车内抽烟的场景，从场景分析、场景感知、冲突处理最后到交互反馈，这样一个完整的抽烟场景设计即可完成，产品经理需要输出一份prd文档和相关的参与方进行评审沟通，根据多方的建议，结合当前车辆的配置，做最低资源最大化效果的解决方案。