[发明专利]车机端启动方法、系统及装置

说明书

本发明涉及计算机控制技术领域，具体提供了一种车机端启动方法、系统及装置，旨在解决如何预估电动汽车使用时间，进而根据预估时间对动力电池预加热的技术问题。为此目的，本发明中的车机端启动方法，可以基于车辆行为预测模型预测车辆在下一时段的出行概率，进而根据预测结果，判断车辆在下一时段是否出行，并在判断车辆在下一时段出行的情况下，启动车机端中的相关出行准备功能。本发明利用机器学习算法(如GBDT算法)构建车辆行为预测模型，进而能够准确预测车辆的出行概率，即能够准确预估车辆的使用时间。同时，本发明中的装置和系统能够执行并实现上述方法。

技术领域

本发明涉及计算机控制技术领域，具体涉及一种车机端启动方法、系统及装置。

背景技术

由于动力电池材料所限，在低温环境下(如严寒天气)动力电池的电解液黏度上升，会导致动力电池的充放电性能下降，进而影响电动汽车的动力性和安全性。采用动力电池预加热方法，将动力电池的环境温度上升至一定值后再启动动力电池，可以保证动力电池能够可靠运行。但是由于无法准确预估电动汽车的使用时间，若预加热启动时间远远早于电动汽车使用时间，势必会增加电动汽车的性能损耗。

发明内容

为了解决现有技术中的上述问题，即为了解决如何预估电动汽车使用时间，进而根据预估时间对动力电池预加热的技术问题。为此目的，本发明提供了一种车机端启动方法、系统及装置。

在第一方面，本发明中车机端启动方法包括如下步骤：

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。

进一步地，本发明提供的一个优选技术方案为：

“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。

进一步地，本发明提供的一个优选技术方案为：

“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。

进一步地，本发明提供的一个优选技术方案为：

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。

进一步地，本发明提供的一个优选技术方案为：

“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：