【技术实现步骤摘要】
本申请涉及数据处理，尤其涉及一种基于助手软件的测试的方法及装置。
技术介绍
1、随着汽车市场的不断扩大和竞争的加剧，越来越多的汽车制造商开始关注他们的产品被购买后的实际用途。了解车辆是否被用作运营(例如出租车、货运车辆等)还是非运营(例如私人用车)可以帮助制造商更好地理解其产品的市场定位和潜在客户群体。
2、传统方法通常涉及问卷调查、市场研究或直接与车主沟通，但这些方法都存在一些局限性。并且，这些方法需要大量的时间和资源，并且难以扩展到大规模的汽车数据。
3、因此，如何自动识别车辆的运营和非运营状态是目前亟待解决的问题。
技术实现思路
1、有鉴于此，本申请提供了一种车辆运营状态判定方法、装置、设备及存储介质，旨在自动识别车辆的运营状态。
2、第一方面，本申请提供了一种车辆运营状态判定方法，所述方法包括：
3、获取车辆工况数据；
4、根据所述车辆工况数据处理得到车辆行程数据；
5、根据所述车辆行程数据和所述车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，以使所述车辆运营状态预测模型用于预测车辆的运营状态。
6、可选地，根据所述车辆行程数据和所述车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，包括：
7、根据所述车辆行程数据和所述车辆的运行状态构建训练数据集；所述训练数据集包括特征数据和标签数据；所述标签数据包括运营车辆和非运营车辆；
9、提取训练数据集中的特征数据和标签数据；
10、根据后验概率公式对特征数据的条件概率进行初始化并进行估计得到增量式朴素贝叶斯模型。
11、可选地，所述先验概率公式通过如下公式表达：
12、p(c)＝(n*p1(c)+n'*p2(c))/(n+n')
13、所述p(c)表示状态标签c的先验概率，n是原有数据中状态标签c出现的次数，p1(c)是在原有数据中计算得到的状态标签c的先验概率，n′是新增数据中状态标签c出现的次数，p2(c)是在新增数据中计算得到的状态标签c的先验概率；
14、所述后验概率公式通过如下公式表达：
15、p(x|c)＝(m*p1(x|c)+m'*p2(x|c))/(m+m')
16、所述p(x|c)表示在状态标签c的情况下特征x的条件概率，m是原有数据中特征x在状态标签c下出现的次数，p1(x|c)是在原有数据中计算得到的特征x在状态标签c下的条件概率，m'是是新增数据中特征x在状态标签c下出现的次数，p2(x|c)是在新增数据中计算得到的特征x在状态标签c下的条件概率。
17、可选地，所述根据所述车辆工况数据处理得到车辆行程数据，包括：
18、对所述车辆工况数据进行预处理得到预处理数据；
19、基于预先设定的切割规则对所述预处理数据进行切割得到车辆工况子数据；
20、根据所述车辆工况子数据确定所述车辆行程数据。
21、可选地，所述根据所述车辆工况子数据确定所述车辆行程数据，包括：
22、根据所述车辆行程数据利用频繁模式挖掘算法确定所述车辆的常驻地；
23、根据所述车辆行程数据和常驻地建立所述车辆的频繁出行模式；
24、基于所述车辆的频繁出行模型统计所述车辆单日偏离常驻地的次数得到所述车辆的非常驻地出行次数。
25、可选地，根据所述车辆行程数据利用频繁模式挖掘算法确定所述车辆的常驻地，包括：
26、根据所述车辆行程数据利用fp-growth算法确定所述车辆的常驻地。
27、可选地，所述根据所述车辆行程数据利用fp-growth算法确定所述车辆的常驻地，包括：
28、根据所述车辆行程数据，确定行程数据中出现的所有地点以及所有地点的频次，并按照频次排序生成项头表；所述项头表用于存储频繁项集的信息；所述频繁项集的信息至少包括每个地点对应的名称、频次和事务指针；
29、根据所述项头表的排序顺序，依次读取每条事务指针对应的行程数据，将行程数据中的地点序列插入fp树中；
30、通过向上遍历所述fp树，得到每个地点的条件模式基；
31、基于所述条件模式基通过递归的方式构建子fp树，并挖掘频繁项集得到所述车辆的常驻地。
32、第二方面，本申请提供了一种车辆运营状态判定装置，其特征在于，所述装置包括：
33、获取模块，用于获取车辆工况数据；
34、确定模块，用于根据所述车辆工况数据处理得到车辆行程数据；
35、训练模块，用于根据所述车辆行程数据和所述车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，以使所述车辆运营状态预测模型用于预测车辆的运营状态。
36、第三方面，本申请提供了一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，所述处理器用于执行所述指令或代码，以使所述设备执行前述第一方面任一项所述的车辆运营状态判定方法。
37、第四方面，本申请提供了一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现前述第一方面任一项所述的车辆运营状态判定方法。
38、本申请提供了一种车辆运营状态判定方法。在执行方法时，先获取车辆工况数据，然后根据车辆工况数据处理得到车辆行程数据，最后根据车辆行程数据和车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，以使所述车辆运营状态预测模型用于预测车辆的运营状态。这样，通过车辆工况数据对应的车辆行程数据训练车辆运营状态模型，使得车辆运营状态预测模型可以根据车辆工况数据预测车辆的运营状态，达到了自动检测车辆运营状态的效果。如此，可以实现自动检测车辆运营状态。
本文档来自技高网...【技术保护点】
1.一种车辆运营状态判定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车辆运营状态判定方法，其特征在于，根据所述车辆行程数据和所述车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，包括：
3.根据权利要求2所述的车辆运营状态判定方法，其特征在于，所述先验概率公式通过如下公式表达：
4.根据权利要求1所述的车辆运营状态判定方法，其特征在于，所述根据所述车辆工况数据处理得到车辆行程数据，包括：
5.根据权利要求1所述的车辆运营状态判定方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的车辆运营状态判定方法，其特征在于，根据所述车辆行程数据利用频繁模式挖掘算法确定所述车辆的常驻地，包括：
7.根据权利要求6所述的车辆运营状态判定方法，其特征在于，所述根据所述车辆行程数据利用FP-growth算法确定所述车辆的常驻地，包括：
8.一种车辆运营状态判定装置，其特征在于，所述装置包括：
9.一种设备，所述设备包括存储器和处理器，所述存储器用于存储指令或代码，
10.一种计算机存储介质，所述计算机存储介质中存储有代码，当所述代码被运行时，运行所述代码的设备实现权利要求1-7任一项所述的车辆运营状态判定方法。
...【技术特征摘要】
1.一种车辆运营状态判定方法，其特征在于，所述方法包括：
2.根据权利要求1所述的车辆运营状态判定方法，其特征在于，根据所述车辆行程数据和所述车辆的运营状态对增量式朴素贝叶斯模型进行训练得到车辆运营状态预测模型，包括：
3.根据权利要求2所述的车辆运营状态判定方法，其特征在于，所述先验概率公式通过如下公式表达：
4.根据权利要求1所述的车辆运营状态判定方法，其特征在于，所述根据所述车辆工况数据处理得到车辆行程数据，包括：
5.根据权利要求1所述的车辆运营状态判定方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的车辆运营状态判定方法，其特征在于，根据所述...
【专利技术属性】
技术研发人员：王佳茜，
申请(专利权)人：东软睿驰汽车技术沈阳有限公司，
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。