预测车辆亏电风险方法和装置、电子设备和存储介质制造方法及图纸

本发明专利技术涉及一种预测车辆亏电风险方法和装置、电子设备和存储介质。其中，方法包括：获取目标车辆在当前停车期间的停车时长；获取目标车辆在当前停车期间的当前剩余电量值；根据当前剩余电量值以及停车时长预测得到目标车辆的亏电概率，其中，亏电概率用于指示目标车辆发生动力电池亏电的概率；根据亏电概率以及停车时长确定出目标车辆的目标亏电风险等级；按照目标亏电风险等级对应的目标提醒方式，向目标车辆的用户进行风险提示。本申请克服了相关技术中的当车辆存在可能发生亏电的情况时，无法准确判断出车辆亏电的风险等级，也无法准确地向用户进行风险提示，从而导致用户体验差的技术问题。的技术问题。的技术问题。

【技术实现步骤摘要】
预测车辆亏电风险方法和装置、电子设备和存储介质


[0001]本专利技术涉及车辆智能控制
，具体涉及一种预测车辆亏电风险方法和装置、电子设备和存储介质。

技术介绍

[0002]当车辆进入休眠状态后，车上电子设备依旧有少量电流输出，即设备进入低功耗模式。而当车辆长期处于静置状态时，容易引起车辆蓄电池电量消耗过度而导致用户用车时无法成功启动车辆，也就是蓄电池亏电问题产生的原因之一。此外，除了车辆久置不开会导致蓄电池亏电以外，低温也会使蓄电池放电能力下降，车辆启动也更加困难，也容易导致蓄电池亏电。这会导致用户对车辆厂商的抱怨加重，降低了用户体验。
[0003]在相关技术中，当车辆存在可能发生亏电的情况时，无法准确判断出车辆亏电的风险等级，也无法准确地向用户进行风险提示，从而导致用户体验差的技术问题。
[0004]由此可见，相关技术中存在上述技术问题。

技术实现思路

[0005]本专利技术的目的之一在于提供一种预测车辆亏电风险方法，以解决现有技术中的当车辆存在可能发生亏电的情况时，无法准确判断出车辆亏电的风险等级，也无法准确地向用户进行风险提示，从而导致用户体验差的技术问题；目的之二在于提供一种基于行为预测的车辆控制装置；目的之三在于提供一种电子设备；目的之四在与提供一种存储介质。
[0006]为了实现上述目的，本专利技术采用的技术方案如下：
[0007]一种预测车辆亏电风险方法，包括：
[0008]获取目标车辆在当前停车期间的停车时长；
[0009]获取所述目标车辆在所述当前停车期间的当前剩余电量值；
[0010]根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率，其中，所述亏电概率用于指示所述目标车辆发生动力电池亏电的概率；
[0011]根据所述亏电概率以及所述停车时长确定出所述目标车辆的目标亏电风险等级；
[0012]按照所述目标亏电风险等级对应的目标提醒方式，向所述目标车辆的用户进行风险提示。
[0013]本实施例中的方法，通过基于目标车辆在当前停车期间的停车时长预测车辆的亏电概率，并基于亏电概率与已停车时长判断车辆亏电的目标亏电风险等级，同时还按照所述目标亏电风险等级对应的目标提醒方式，向所述目标车辆的用户进行风险提示，达到令用户能即使获取目标车辆的目标亏电风险等级的目的，同时便于后期用户能够及时对目标车辆进行补电，以降低用户需要使用目标车辆时，出现亏电的概率，进而可以有效提高用户体验；并且克服了相关技术中的当车辆存在可能发生亏电的情况时，无法准确判断出车辆亏电的风险等级，也无法准确地向用户进行风险提示，从而导致用户体验差的技术问题。
[0014]可选地，如前述预测车辆亏电风险方法，所述获取目标车辆在当前停车期间的停
车时长，包括：
[0015]在确定所述目标车辆的电源启停状态为关闭子状态的情况下，确定出所述目标车辆的关闭时间段，其中，所述关闭时间段为所述目标车辆的电源启停状态为关闭子状态的时间段；
[0016]在所述关闭时间段内，判断所述目标车辆的里程是否为0；
[0017]在所述目标车辆的里程为0的情况下，判断所述目标车辆在所述关闭时间段内的车速是否一直为0；
[0018]在确定所述目标车辆在所述关闭时间段内的车速一直为0的情况下，根据所述关闭时间段的时长，得到所述停车时长。
[0019]本实施例中的方法，能够准确判断出目标车辆是否为停车子状态，进而可以避免出现对目标车辆误判情况的发生。
[0020]可选地，如前述预测车辆亏电风险方法，所述获取所述目标车辆在所述当前停车期间的当前剩余电量值，包括：
[0021]按照所述目标车辆的车辆标识在预设数据库中进行查询，在查询得到满足预设时间范围要求的最新剩余电量值的情况下，将所述最新剩余电量值作为所述当前剩余电量值；
[0022]在未查询得到满足预设时间范围要求的最新剩余电量值的情况下，向所述目标车辆发送目标指令，将所述目标车辆响应于所述目标指令返回的剩余电量值作为所述当前剩余电量值；
[0023]在所述目标车辆未响应于所述目标指令返回剩余电量值的情况下，基于所述数据库中最新的N个历史剩余电量值，进行缺失值填补，预测得到所述当前剩余电量值。
[0024]本实施例中的方法，通过多种方式获取目标车辆的剩余电量值，从而可以避免因数据缺失导致的无法获取目标车辆当前的剩余电量值的问题。
[0025]可选地，如前述预测车辆亏电风险方法，在所述根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率之前，所述方法还包括：
[0026]获取亏电车辆数据集以及未亏电车辆数据集，其中，所述亏电车辆数据集中的每个亏电车辆数据包括：第一停车时长、第一剩余电量值、第一电压变化值、第一电流变化值以及第一环境平均温度，所述第一停车时长为亏电车辆亏电前最近一次的停车时长，所述未亏电车辆数据集中的每个未亏电车辆数据包括：第二停车时长、第二剩余电量值、第二电压变化值、第二电流变化值以及第二环境平均温度，所述第二停车时长为未亏电车辆最近一次的停车时长；
[0027]通过所述亏电车辆数据集以及所述未亏电车辆数据集对预设模型进行训练，得到目标预测模型。
[0028]可选地，如前述预测车辆亏电风险方法，所述通过所述亏电车辆数据集以及所述未亏电车辆数据集对预设模型进行训练，得到目标预测模型，包括：
[0029]将各个训练数据分别输入所述预设模型中的Copula函数，得到与每个训练数据对应的联合分布，其中，所述训练数据为所述亏电车辆数据或所述未亏电车辆数据，所述每个训练数据对应的联合分布用于指示所述每个训练数据中的各个特征参数之间的相关性，所述特征参数为以下其中一种：停车时长、剩余电量值、电压变化值、电流变化值以及环境平
均温度；
[0030]通过各个所述联合分布对所述预设模型中的贝叶斯概率模型进行训练，得到训练后贝叶斯概率模型；
[0031]基于所述Copula函数以及所述训练后贝叶斯概率模型得到所述目标预测模型。
[0032]本实施例中的方法，通过亏电车辆数据集以及未亏电车辆数据集对预设模型训练，得到目标预测模型，从而可以保证得到的目标预测模型可以进行准确的预测。
[0033]可选地，如前述预测车辆亏电风险方法，所述根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率，包括：
[0034]获取所述目标车辆在所述当前停车期间的目标电压变化值、目标电流变化值以及目标环境平均温度；
[0035]将所述当前剩余电量值、所述停车时长、所述目标电压变化值、所述目标电流变化值以及所述目标环境平均温度输入目标模型中，得到所述目标模型输出的所述亏电概率。
[0036]本实施例中的方法，通过将所述当前剩余电量值、所述停车时长、所述目标电压变化值、所述目标电流变化值以及所述目标环境平均温度输入目标模型中，得到所述目标模型输出的所述亏电概率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测车辆亏电风险方法，其特征在于，包括：获取目标车辆在当前停车期间的停车时长；获取所述目标车辆在所述当前停车期间的当前剩余电量值；根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率，其中，所述亏电概率用于指示所述目标车辆发生动力电池亏电的概率；根据所述亏电概率以及所述停车时长确定出所述目标车辆的目标亏电风险等级；按照所述目标亏电风险等级对应的目标提醒方式，向所述目标车辆的用户进行风险提示。2.根据权利要求1所述预测车辆亏电风险方法，其特征在于，所述获取目标车辆在当前停车期间的停车时长，包括：在确定所述目标车辆的电源启停状态为关闭子状态的情况下，确定出所述目标车辆的关闭时间段，其中，所述关闭时间段为所述目标车辆的电源启停状态为关闭子状态的时间段；在所述关闭时间段内，判断所述目标车辆的里程是否为0；在所述目标车辆的里程为0的情况下，判断所述目标车辆在所述关闭时间段内的车速是否一直为0；在确定所述目标车辆在所述关闭时间段内的车速一直为0的情况下，根据所述关闭时间段的时长，得到所述停车时长。3.根据权利要求1所述预测车辆亏电风险方法，其特征在于，所述获取所述目标车辆在所述当前停车期间的当前剩余电量值，包括：按照所述目标车辆的车辆标识在预设数据库中进行查询，在查询得到满足预设时间范围要求的最新剩余电量值的情况下，将所述最新剩余电量值作为所述当前剩余电量值；在未查询得到满足预设时间范围要求的最新剩余电量值的情况下，向所述目标车辆发送目标指令，将所述目标车辆响应于所述目标指令返回的剩余电量值作为所述当前剩余电量值；在所述目标车辆未响应于所述目标指令返回剩余电量值的情况下，基于所述数据库中最新的N个历史剩余电量值，进行缺失值填补，预测得到所述当前剩余电量值。4.根据权利要求1所述预测车辆亏电风险方法，其特征在于，在所述根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率之前，所述方法还包括：获取亏电车辆数据集以及未亏电车辆数据集，其中，所述亏电车辆数据集中的每个亏电车辆数据包括：第一停车时长、第一剩余电量值、第一电压变化值、第一电流变化值以及第一环境平均温度，所述第一停车时长为亏电车辆亏电前最近一次的停车时长，所述未亏电车辆数据集中的每个未亏电车辆数据包括：第二停车时长、第二剩余电量值、第二电压变化值、第二电流变化值以及第二环境平均温度，所述第二停车时长为未亏电车辆最近一次的停车时长；通过所述亏电车辆数据集以及所述未亏电车辆数据集对预设模型进行训练，得到目标预测模型。5.根据权利要求4所述预测车辆亏电风险方法，其特征在于，所述通过所述亏电车辆数据集以及所述未亏电车辆数据集对预设模型进行训练，得到目标预测模型，包括：将各个训练数据分别输入所述预设模型中的Copula函数，得到与每个训练数据对应的
联合分布，其中，所述训练数据为所述亏电车辆数据或所述未亏电车辆数据，所述每个训练数据对应的联合分布用于指示所述每个训练数据中的各个特征参数之间的相关性，所述特征参数为以下其中一种：停车时长、剩余电量值、电压变化值、电流变化值以及环境平均温度；通过各个所述联合分布对所述预设模型中的贝叶斯概率模型进行训练，得到训练后贝叶斯概率模型；基于所述Copula函数以及所述训练后贝叶斯概率模型得到所述目标预测模型。6.根据权利要求1所述预测车辆亏电风险方法，其特征在于，所述根据所述当前剩余电量值以及所述停车时长预测得到所述目标车辆的亏电概率，包括：获取所述目标车辆在所述当前停车期间...

【专利技术属性】
技术研发人员：赵娇娇，何金金，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：