一种基于车主多维度画像的汽车续航需求预测方法和系统技术方案

本发明专利技术公开了一种基于车主多维度画像的汽车续航需求预测方法和系统。采用聚类算法对基于画像标签的车主用户进行分类；采用改进的自注意力深度学习算法对车主用户群体的多个特征即画像标签数据进行续航需求分类模型训练，训练后的模型输出每类用户群体的续航需求预测值，包括续航里程及预测概率。解决了车企仅依据用户群体出行里程数据的统计分析、调研等方式规划纯电动汽车续航版本，导致续航版本设计固化的问题，降低了用户的购车成本，提升了用户满意度。了用户满意度。了用户满意度。

【技术实现步骤摘要】
一种基于车主多维度画像的汽车续航需求预测方法和系统


[0001]本专利技术属于汽车续航需求预测
，具体涉及一种基于车主多维度画像的汽车续航需求预测方法和系统。

技术介绍

[0002]纯电动汽车的发展承载着缓解能源危机和解决环境污染问题，近些年纯电动汽车进入黄金发展期，随着纯电动汽车的大面积普及，纯电动汽车电池续航和价格成为车主购车时综合考虑的2个关键问题。随着电池技术的发展，续航能力得以大幅度提升且电池生产成本随之降低，但近几年随着车企对车主用车场景的研究深入，电池续航版本设计逐渐精细化，并非只规划最高续航版本，车企也纷纷在自有品牌下推出了不同的电池续航版本，以尽可能满足不同车主群体对于续航的需求。车主也通常会选购满足自身用车需求且价格适合的版本，并非直接追求最高续航版本。如表1所示，目前纯电动汽车推出的续航版本多集中在300～600km的续航级别，但150～200km续航版本占比大幅增长，而200～300km、300～400km续航版本占比逐渐下降，400km 以上续航版本占比呈现波动变化趋势，即说明车主对续航版本的需求，影响因素多样化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于车主多维度画像的汽车续航需求预测方法，其特征在于，包括如下步骤：S1、采用聚类算法对基于画像标签的车主用户进行分类；S2、采用改进的自注意力深度学习算法对分类后的车主用户的多个画像标签数据进行续航需求的分类模型训练，训练后的模型输出每类用户群体的续航需求预测值。2.如权利要求1所述的基于车主多维度画像的汽车续航需求预测方法，其特征在于，所述步骤S2中，改进的自注意力深度学习算法的计算公式包括：Att(Q,K,V)＝ω(W1*QK
T
)V*W2式中：Att(Q,K,V)：表示最终预测的表示用户续航需求矩阵，矩阵中每个元素代表每个群体的续航需求；ω：表示深度学习中需要训练的参数；QKV为自注意力模型的向量参数，其中Q为车主用户的画像标签所属维度的矩阵；K为车主用户的画像标签矩阵；V为用户的画像标签权重；W1和W2为设定参数，用于修改两个车主用户的画像标签分别所属的维度之间的关联度。3.如权利要求1所述的基于车主多维度画像的汽车续航需求预测方法，其特征在于，所述步骤S1中，采用二分K
‑
means聚类算法对车主用户进行分群。4.如权利要求1或3所述的基于车主多维度画像的汽车续航需求预测方法，其特征在于，所述步骤S1中，对车主用户进行分群的方法包括：S101、将所有车主用户作为父节点计算误差平方和SSE；S102、在该父节点上采用K
‑
means聚类方法将车主用户群体分成2个群体，再分别计算SSE。5.如权利要求4所述的基于车主多维度画像的汽车续航需求预测方法，其特征在于，所述步骤S102后，还包括如下步骤：S103、计算父节点的SSE与每个...

【专利技术属性】
技术研发人员：张洁，平颜智佳，刘源，梁杰，王杰，王旭光，陈凯，李晨皓，姜发胤，
申请(专利权)人：东风本田汽车有限公司，
类型：发明
国别省市：