一种模型训练和补能意图识别方法、装置、设备及介质制造方法及图纸

本发明专利技术实施例公开了一种模型训练和补能意图识别方法、装置、设备及介质。其中，模型训练方法，包括：从样本车辆数据中提取样本补能参考数据；根据样本补能参考数据，确定补能行为数据；根据补能行为数据，构建样本车辆的画像数据；根据补能行为数据和画像数据，训练补能意图识别模型。本发明专利技术实施例的技术方案采用两阶段的数据筛选操作，即初步筛选补能相关的数据，和二次筛选补能时刻对应的补能行为数据，提高了车辆补能行为数据提取的准确性和高效性。将样本车辆的画像数据与补能行为数据一并作为模型训练数据，使得模型训练数据更加全面，进而提高了补能意图识别模型训练的精准性和泛化性。和泛化性。和泛化性。

【技术实现步骤摘要】
一种模型训练和补能意图识别方法、装置、设备及介质


[0001]本专利技术实施例涉及智能交通
，尤其涉及一种模型训练和补能意图识别方法、装置、设备及介质。

技术介绍

[0002]随着智能交通技术的迅速发展，智能服务场景的细分和预测性主动服务的需求越来越高。例如，通过预测用户补能意图，来为用户提供补能提醒或补能服务推荐等服务。
[0003]目前，现有技术通常根据用户当前车辆的燃油余量或电池电量，设定规则，当触发设定的阈值，即认为存在补能意图。但该方式预测准确性较低，亟需改进。

技术实现思路

[0004]本专利技术提供一种模型训练和补能意图识别方法、装置、设备及介质，用以解决现有技术中的缺陷，提高了预测的准确性。
[0005]第一方面，本专利技术实施例提供了一种模型训练方法，其中，包括：
[0006]从样本车辆数据中提取样本补能参考数据；
[0007]根据样本补能参考数据，确定补能行为数据；
[0008]根据补能行为数据，构建样本车辆的画像数据；
[0009]根据补能行为数据和画像数据，训练补能意图识别模型。
[0010]第二方面，本专利技术实施例还提供了一种补能意图识别方法，其中，包括：
[0011]从当前车辆数据中获取当前补能参考数据；
[0012]将当前补能参考数据输入到补能意图识别模型中，得到当前时刻的补能意图识别结果；
[0013]其中，补能意图识别模型通过本专利技术实施例中任一项的方法训练得到。
[0014]第三方面，本专利技术实施例还提供了一种模型训练装置，其中，包括：
[0015]样本数据提取模块，用于从样本车辆数据中提取样本补能参考数据；
[0016]行为数据确定模块，用于根据样本补能参考数据，确定补能行为数据；
[0017]画像数据构建模块，用于根据补能行为数据，构建样本车辆的画像数据；
[0018]模型训练模块，用于根据补能行为数据和画像数据，训练补能意图识别模型。
[0019]第四方面，本专利技术实施例还提供了一种补能意图识别装置，其中，包括：
[0020]当前数据获取模块，用于从当前车辆数据中获取当前补能参考数据；
[0021]补能意图识别模块，用于将当前补能参考数据输入到补能意图识别模型中，得到当前时刻的补能意图识别结果；
[0022]其中，补能意图识别模型通过补能意图识别模型训练模块训练得到。
[0023]第五方面，本专利技术实施例还提供了一种电子设备，其中，包括：
[0024]一个或多个处理器；
[0025]存储器，用于存储一个或多个程序；
[0026]当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现本专利技术任一实施例的模型训练或补能意图识别方法。
[0027]第六方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现本专利技术任一实施例的模型训练或补能意图识别方法。
[0028]本专利技术实施例的技术方案，通过从样本车辆数据中提取样本补能参考数据；根据样本补能参考数据，确定补能行为数据；根据补能行为数据，构建样本车辆的画像数据；根据补能行为数据和画像数据，训练补能意图识别模型。本专利技术实施例的技术方案采用两阶段的数据筛选操作，即初步筛选补能相关的数据，和二次筛选补能时刻对应的补能行为数据，提高了车辆补能行为数据提取的准确性和高效性。将样本车辆的画像数据与补能行为数据一并作为模型训练数据，使得模型训练数据更加全面，进而提高了补能意图识别模型训练的精准性和泛化性。
附图说明
[0029]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1是本专利技术实施例一提供的一种模型训练方法的流程图。
[0031]图2是本专利技术实施例一提供的补能意图数据选择原理示意图。
[0032]图3是本专利技术实施例二提供的一种模型训练方法的流程图。
[0033]图4是本专利技术实施例三提供的一种模型训练方法的流程图。
[0034]图5是本专利技术实施例三提供的加油时间间隔的统计分布图。
[0035]图6是本专利技术实施例三提供的单次加油量的统计分布图。
[0036]图7是本专利技术实施例四提供的一种补能意图识别方法的流程图。
[0037]图8是本专利技术实施例五提供的一种补能意图识别模型的训练及应用场景的示意图。
[0038]图9为本专利技术实施例五提供的一种补能意图识别的系统框架图。
[0039]图10是本专利技术实施例六提供的一种模型训练装置的结构示意图。
[0040]图11是本专利技术实施例七提供的一种补能意图识别装置的结构示意图。
[0041]图12是本专利技术实施例八提供的一种电子设备的结构示意图。
具体实施方式
[0042]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0043]实施例一
[0044]图1为本专利技术实施例一提供的一种模型训练方法的流程图，本实施例可适用于车辆补能意图模型训练的情况，该方法可以由模型训练装置来执行，该模型训练装置可以采用硬件和/或软件的形式实现，该模型训练装置可集成于具有模型训练的电子设备中。
[0045]如图1所示，该方法包括：
[0046]S110、从样本车辆数据中提取样本补能参考数据。
[0047]其中，样本车辆可以是为模型训练提供数据的车辆。为了保证模型训练的准确性，本实施例的样本车辆的数量通常为多个。
[0048]根据本专利技术任一实施例的模型训练的方法，其中，样本车辆数据包括：车载终端日志数据和车辆传感器数据。
[0049]其中，车载终端日志数据可以是车机用户行为产生的埋点日志数据。示例性的，车载终端日志数据可以包括：用户导航搜索或点击屏幕等的记录数据。车载终端日志数据也可以称为彩色数据。车机可以是安装在车辆中的车载信息娱乐产品的简称，车机可以在功能上可以实现人与车、车与外界，或车与车的信息通讯。
[0050]车辆传感器数据可以是车辆各类传感器产生的数据。示例性的，车辆传感器数据可以包括：车速或车辆剩余油量等数据。车辆传感器数据也可以称为灰色数据。
[0051]通过车载终端日志数据和车辆传感器数据，可以为确定车辆补能相关的数据、确定车辆补能行为以及车辆补能意图识别做数据的前期准备。
[0052]样本补能参考数据可以是样本车辆数据中与补能相关的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：从样本车辆数据中提取样本补能参考数据；根据所述样本补能参考数据，确定补能行为数据；根据所述补能行为数据，构建样本车辆的画像数据；根据所述补能行为数据和所述画像数据，训练补能意图识别模型。2.根据权利要求1所述的方法，其特征在于，根据所述样本补能参考数据，确定补能行为数据，包括：从所述样本补能参考数据中，提取与补能意图相关的补能意图数据；从所述补能意图数据中，提取与补能行为相关的补能行为数据。3.根据权利要求2所述的方法，其特征在于，从所述样本补能参考数据中，提取与补能意图相关的补能意图数据，包括：从所述样本补能参考数据中的车载终端日志数据中，筛选补能意图关键词；从所述样本补能参考数据中的车辆传感器数据中，筛选所述补能意图关键词的关联传感数据；根据所述补能意图关键词和所述关联传感数据，确定补能意图数据。4.根据权利要求2所述的方法，其特征在于，从所述样本补能参考数据中，提取与补能意图相关的补能意图数据，包括：根据所述样本补能参考数据中的车辆传感器数据，确定补能时刻；根据所述补能时刻和参考行车时长，确定补能意图时段；提取位于所述补能意图时段的样本补能参考数据，作为补能意图数据。5.根据权利要求4所述的方法，其特征在于，确定补能时刻之后，还包括：若所述补能时刻为至少两个，则根据所述至少两个补能时刻，确定平均行车时长；根据所述平均行车时长和预设间隔百分比，确定参考行车时长。6.根据权利要求2所述的方法，其特征在于，从所述补能意图数据中，提取与补能行为相关的补能行为数据，包括：依次遍历各时刻的补能意图数据，判断该时刻是否满足入栈条件；若满足，则将该时刻的补能意图数据入栈后，判断栈内数据条数是否满足预设条数；若满足，则根据栈内的补能意图数据，确定是否存在能量增长事件；若存在，则将栈内的补能意图数据作为补能行为数据，并清空栈内的补能意图数据。7.根据权利要求6所述的方法，其特征在于，根据栈内的补能意图数据，确定是否存在能量增长事件，包括：根据栈内的补能意图数据，确定补能增长量和/或补能时间间隔；根据所述补能增长量和/或所述补能时间间隔，确定是否存在能量增长事件。8.根据权利要求1所述的方法，其特征在于，根据所述补能行为数据，构建画像数据，包括：根据所述补能行为数据，确定补能位置；根据所述补能位置，构建样本车辆的画像数据。9.根据权利要求1
‑
8中任一项所述的方法，其特征在于，所述样本车辆数据包括：车载终端日志数据和车辆传感器数据。
10.一种补能意图识别方法，其特...

【专利技术属性】
技术研发人员：袁鲁峰，付振，王明月，刘拼拼，贾振坤，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：