[发明专利]一种共享车辆骑回概率和丢失概率预测方法及装置

权利要求书

1.一种车辆骑回概率预测方法，其特征在于，该方法包括：

从被骑行出指定运营区域的共享车辆的相关信息中选择目标共享车辆的相关信息；

获取所述目标共享车辆的相关信息在至少一种车辆特征和至少一种位置特征下的特征值；

将所述目标共享车辆的相关信息的所述特征值输入至预先训练好的共享车辆骑回概率预测模型中，预测得到所述目标共享车辆在被骑行出指定运营区域后被骑回所述指定运营区域的骑回概率。

2.根据权利要求1所述的方法，其特征在于，所述从被骑行出指定运营区域的共享车辆的相关信息中选择目标共享车辆的相关信息，具体包括：

针对每辆被骑行出指定运营区域的共享车辆，获取该被骑行出指定运营区域的共享车辆被骑行出指定运营区域的出圈时间；

若所述出圈时间距离当前时间之间的时间长度超出预设的时间长度阈值，且该共享车辆当前并未处于使用状态，则将该共享车辆的相关信息确定为所述目标共享车辆的相关信息。

3.根据权利要求2所述的方法，其特征在于，所述从被骑行出指定运营区域的共享车辆的相关信息中选择目标共享车辆的相关信息之前，还包括：

当被使用的共享车辆关锁时，检测该共享车辆所处的当前位置是否位于与所述共享车辆对应的指定运营区域之外；

如果是，则将该共享车辆作为被骑行出指定运营区域的共享车辆。

4.根据权利要求1所述的方法，其特征在于，所述车辆特征包括：实时电量特征、被骑行出指定运营区域的时间特征、投放运营时间长度特征、历史被骑行次数特征、历史报修次数特征中的至少一项；

所述位置特征包括：当前位置与该目标共享车辆对应的指定运营区域之间的距离特征、当前位置与最近一条马路的距离特征、当前位置所处场所特征中至少一项。

5.根据权利要求4所述的方法，其特征在于，针对所述车辆特征包括实时电量特征的情况，采用下述方式获取所述目标共享车辆的相关信息在实时电量特征下的特征值：

基于设置在所述目标共享车辆上的无线通讯模块，读取所述目标共享车辆的实时电量；

将读取的实时电量作为实时电量特征下的特征值。

6.根据权利要求4所述的方法，其特征在于，针对所述车辆特征包括被骑行出指定运营区域的时间的情况，采用下述方式获取所述目标共享车辆的相关信息在该目标共享车辆被骑行出指定运营区域的时间特征下的特征值：

获取目标共享车辆在被骑行出指定运营区域后首次被关锁的关锁时间；

将所述关锁时间作为所述目标共享车辆的相关信息在该目标共享车辆被骑行出指定运营区域的时间特征下的特征值。

7.根据权利要求4所述的方法，其特征在于，针对所述位置特征包括当前位置所处场所特征的情况，采用下述方式获取所述目标共享车辆的相关信息在当前位置所处场所特征下的特征值：

确定所述目标共享车辆是否处于指定场所内；

如果是，则确定所述目标共享车辆的相关信息在当前位置所处场所特征下的特征值为处于指定场所；

如果否，则确定所述目标共享车辆的相关信息在当前位置所处场所特征下的特征值为未处于指定场所。

8.根据权利要求1所述的方法，其特征在于，采用下述方式确定预先训练好的共享车辆骑回概率预测模型：

确定进行共享车辆骑回概率预测所基于的基础预测模型；

将所述车辆特征以及所述位置特征作为基础预测模型的自变量，将共享车辆骑回概率作为所述基础预测模型的因变量，构建所述基础预测模型；

使用训练数据对所述基础预测模型进行训练，得到所述共享车辆骑回概率预测模型。

9.根据权利要求8所述的方法，其特征在于，所述基础预测模型采用逻辑回归模型、自回归模型、移动平均模型、自回归移动平均模型、整合移动平均自回归模型、广义自回归条件异方差模型、深度学习模型、决策树模型、梯度下降树模型、梯度提升树模型中任意一种。