[发明专利]车机端启动方法、系统及装置

权利要求书

1.一种车机端启动方法，其特征在于，包括：

基于预先构建的车辆行为预测模型，并根据车辆的车辆特征和相关用户的用户特征，预测车辆在下一时段的出行概率；

根据预测结果，判断所述车辆在下一时段是否出行，

若所述车辆在下一时段出行，则启动所述车机端中的相关出行准备功能；

其中，所述车辆行为预测模型为基于所述车辆的历史行车数据，并利用机器学习算法所构建的出行概率预测模型；所述车辆特征包括车辆在特定时段的出行次数、车辆在特定时段特定位置的出行次数和当前所有被监测车辆在特定时段的出行次数；所述用户特征包括用户画像，所述用户画像是能够表征用户的社会属性和出行习惯的特征标识。

2.根据权利要求1所述的车机端启动方法，其特征在于，“基于预先构建的车辆行为预测模型，并根据车辆的车辆特征和相关用户的用户特征，预测车辆在下一时段的出行概率”的步骤之前包括：

获取当前预测时段之前一段时间内所述车辆的历史行车数据；

根据所获取的历史行车数据，生成所述车辆的车辆特征和相关用户的用户特征；

根据所生成的车辆特征与用户特征，并利用机器学习算法对所述车辆行为预测模型进行模型训练。

3.根据权利要求2所述的车机端启动方法，其特征在于，“根据所生成的车辆特征与用户特征，并利用机器学习算法对所述车辆行为预测模型进行模型训练”的步骤包括：

根据所述车辆特征与用户特征，并利用GBDT算法对所述车辆行为预测模型进行模型训练。

4.根据权利要求1所述的车机端启动方法，其特征在于，所述方法还包括对车辆特征与用户特征进行更新的步骤，并且该步骤包括：

基于低时延的数据传输算法，定时获取所述车辆的历史行车数据；

根据当前时段获取的历史行车数据生成车辆特征和用户特征，并对前一时段生成的车辆特征和用户特征进行更新；

在此情况下，“根据车辆的车辆特征和相关用户的用户特征，预测车辆在下一时段的出行概率”是利用更新后的车辆特征和用户特征来预测车辆在下一时段的出行概率。

5.根据权利要求1-4任一项所述的车机端启动方法，其特征在于，“根据预测结果，判断所述车辆在下一时段是否出行”的步骤包括：

若P_g≥P_th，则判断为车辆在下一时段出行；

若P_g＜P_th，则判断为车辆在下一时段不出行；

其中，所述P_g为出行概率，所述P_th为预设的概率阈值。

6.根据权利要求5所述的车机端启动方法，其特征在于，所述方法还包括：

针对每个预设的候选概率阈值，通过预设的测试集对所述车辆行为预测模型进行测试，得到每个所述候选概率阈值对应的测试集准确率；

针对每个所述候选概率阈值，通过预设的验证集对所述车辆行为预测模型进行验证，得到每个所述候选概率阈值对应的验证集准确率；

选取所述测试集准确率和验证集准确率中最大准确率所对应的候选概率阈值，并将所选取的候选概率阈值作为预设的概率阈值P_th。

7.根据权利要求1-4任一项所述的车机端启动方法，其特征在于，所述方法还包括：

在判断出所述车辆在下一时段出行的情况下，向所述车机端发送唤醒指令，以使所述车机端能够根据所述唤醒指令启动相关出行准备功能。

8.根据权利要求2或3所述的车机端启动方法，其特征在于，“获取当前预测时段之前一段时间内所述车辆的历史行车数据”的步骤包括：

获取当前预测时段之前6个月内所述车辆的历史行车数据。

9.根据权利要求4所述的车机端启动方法，其特征在于，

所述车辆特征与用户特征的更新频率为1天。