【技术实现步骤摘要】
本专利技术涉及智能供应链，尤其涉及一种车辆备件的消耗量的确定方法和装置。
技术介绍
1、车辆备件是指车辆使用过程中经常需要更换的零部件，在备件生命周期的不同阶段，其消耗规律呈现上市期较小、销售增长期逐步增大、销售平稳期大概持平波动较小、退市期逐渐减小的趋势。
2、现有的车辆备件的消耗量预测过程中，通常基于平稳期阶段的备件数据进行预测，因为该阶段备件的消耗情况、销售数据等较为成熟，历史数据量大，可以获得较为准确的备件消耗量以进行储备。
3、然而，不同于成熟车辆的备件消耗预测，新车备件的各种销售、更换和损耗等数据很少，在对新车的备件消耗进行预测时，无法获取足够的备件数据作为样本，需要人为预测新车的备件消耗，准确性过低，使得备件储备误差较大，同时新车的备件数据也未得到有效利用。
技术实现思路
1、有鉴于此，本专利技术实施例提供一种车辆备件的消耗量的确定方法和装置，能够充分利用新车数据，确定备件属性、季节等各种影响因素对于备件消耗量的影响程度，选择适合的备件消耗量预测模型，从而准确确定的车辆备件的消耗量，防止备件囤积浪费存储成本或者备件不足无法供给用户需求，提升用户满意度，提高新车数据利用率。
2、为实现上述目的，根据本专利技术实施例的一个方面，提供了一种车辆备件的消耗量的确定方法，包括：
3、获取目标车辆的交易数量、以及适用于所述目标车辆的多种车辆备件的交易时间和备件类型；其中，所述交易数量与所述交易时间相对应；
4、根据所述交
5、将所述目标备件数据输入预置的与所述目标车辆备件对应的目标消耗量模型；其中，所述消耗量模型是根据历史车辆数据和历史备件数据训练得到的；
6、根据所述目标消耗量模型的输出，确定所述目标车辆备件的消耗量。
7、可选地，所述根据所述交易时间、所述备件类型和所述交易数量，选取目标车辆备件、与所述目标车辆备件对应的目标备件数据，包括：
8、根据多种所述车辆备件的交易时间与所述目标车辆的交易数量之间的关系系数，确定大于预设关系系数阈值的中间备件数据；
9、根据所述备件类型，确定目标车辆备件，从所述中间备件数据中选取与所述目标车辆备件对应的中间备件数据，并标定对应的分类特征；
10、对携带所述分类特征的中间备件数据进行聚类处理，得到所述目标备件数据。
11、可选地，所述根据多种所述车辆备件的交易时间与所述目标车辆的交易数量之间的关系系数，确定大于预设关系系数阈值的中间备件数据，包括：
12、根据所述交易时间与所述交易数量之积，确定所述车辆备件与所述目标车辆的所述关系系数；
13、分别将所述关系系数与所述预设关系系数阈值进行对比，选取关系系数大于或等于所述预设关系系数阈值的中间备件数据。
14、可选地，所述对携带分类特征的中间备件数据进行聚类处理，得到所述目标备件数据，包括：
15、分别确定不同所述分类特征的中间备件数据的特征值；
16、针对每一种所述分类特征，设置多个特征阈值：
17、根据所述特征值与所述特征阈值的关系，对所述中间备件数据进行划分，确定不同分类特征下的所述中间备件数据的多个均方误差；
18、根据所述均方误差的最小值，确定所述目标备件数据。
19、可选地，所述根据所述特征值与所述特征阈值的关系，对所述中间备件数据进行划分，确定不同分类特征下的所述中间备件数据的多个均方误差，包括：
20、分别根据每一个所述特征阈值，将所述分类特征对应的中间备件数据划分为第一样本数据和第二样本数据；其中，所述第一样本数据的特征值小于或等于所述特征阈值，所述第二样本数据的特征值大于所述特征阈值；
21、确定所述第一样本数据包括的全部特征值的第一均值、以及所述第二样本数据包括的全部特征值的第二均值；
22、计算所述第一样本数据和所述第二样本数据的均方误差。
23、可选地，所述根据所述均方误差的最小值，确定所述目标备件数据，包括：
24、根据每一个所述特征阈值对应的均方误差的最小值，将对应的所述第一样本数据和所述第二样本数据作为所述中间备件数据的目标备件数据。
25、可选地，所述分类特征包括维修类和保养类。
26、可选地，还包括：
27、对所述历史车辆数据和所述历史备件数据进行预处理；
28、将预处理后的所述历史车辆数据和所述历史备件数据作为输入、多个历史备件消耗量作为输出，分别对多个消耗量模型进行训练；
29、对比多个所述消耗量模型的训练结果，分别确定适用于所述目标车辆备件的所述目标消耗量模型。
30、可选地，在所述对携带所述分类特征的中间备件数据进行聚类处理之前，还包括：
31、标定携带所述分类特征的中间备件数据的季节特征。
32、根据本专利技术实施例的再一个方面，提供了一种车辆备件的消耗量的确定装置，包括：
33、获取模块，用于获取目标车辆的交易数量、以及适用于所述目标车辆的多种车辆备件的交易时间和备件类型；其中，所述交易数量与所述交易时间相对应；
34、选取模块，用于根据所述交易时间、所述备件类型和所述交易数量，选取目标车辆备件、以及与所述目标车辆备件对应的目标备件数据；
35、输入模块，用于将所述目标备件数据输入预置的与所述目标车辆备件对应的目标消耗量模型；其中，所述消耗量模型是根据历史车辆数据和历史备件数据训练得到的；
36、输出模块，用于根据所述目标消耗量模型的输出，确定所述目标车辆备件的消耗量。
37、根据本专利技术实施例的另一个方面，提供了一种车辆备件的消耗量的确定的电子设备，包括：
38、一个或多个处理器；
39、存储装置，用于存储一个或多个程序，
40、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本专利技术提供的车辆备件的消耗量的确定方法。
41、根据本专利技术实施例的还一个方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本专利技术提供的车辆备件的消耗量的确定方法。
42、上述专利技术中的一个实施例具有如下优点或有益效果：因为采用根据多种车辆备件的交易时间与目标车辆的交易数量之间的关系系数，从初始备件数据中筛选出关系系数大于预设关系系数阈值的中间备件数据；根据备件类型，选取贴合目标车辆(即新车车型)的中间备件数据，对其分类特征、价格特征和季节特征进行标定；根据各个特征的特征阈值，将标定后的中间备件数据进行划分，并计算划分后的样本数据的均方误差，从而对标定后的中间备件数据进行聚合，确定目标备件数据，输入预筛选的目标消耗量模型，以确定/预测目标车辆未来的备件消耗量的技本文档来自技高网...
【技术保护点】
1.一种车辆备件的消耗量的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述交易时间、所述备件类型和所述交易数量，选取目标车辆备件、与所述目标车辆备件对应的目标备件数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据多种所述车辆备件的交易时间与所述目标车辆的交易数量之间的关系系数，确定大于预设关系系数阈值的中间备件数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对携带分类特征的中间备件数据进行聚类处理，得到所述目标备件数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述特征值与所述特征阈值的关系，对所述中间备件数据进行划分，确定不同分类特征下的所述中间备件数据的多个均方误差，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述均方误差的最小值，确定所述目标备件数据，包括：
7.根据权利要求2至6中任一所述的方法，其特征在于，所述分类特征包括维修类和保养类。
8.根据权利要求1所述的方法，其特征在于，还包括：
...【技术特征摘要】
1.一种车辆备件的消耗量的确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述交易时间、所述备件类型和所述交易数量，选取目标车辆备件、与所述目标车辆备件对应的目标备件数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述根据多种所述车辆备件的交易时间与所述目标车辆的交易数量之间的关系系数，确定大于预设关系系数阈值的中间备件数据，包括：
4.根据权利要求2所述的方法，其特征在于，所述对携带分类特征的中间备件数据进行聚类处理，得到所述目标备件数据，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述特征值与所述特征阈值的关系，对所述中间备件数据进行划分，确定不同分类特征下的所述中间备件数据的多个...
【专利技术属性】
技术研发人员：张轩琪，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。