[发明专利]一种换电预测方法和系统及存储介质

权利要求书

1.一种换电预测方法，其特征在于，包括以下步骤：

采集与换电相关的一个或多个特征；

根据预设的算法处理所述特征，得到特征提取结果；以及

基于所述特征提取结果，分别得到预计被骑行概率和预计被骑行时长；

其中，所述根据预设的算法处理所述特征的步骤包括：

利用FM处理所述特征，得到第一处理结果，以通过特征间交叉得到低阶特征；

利用DNN处理所述特征，得到第二处理结果，以利用深度学习数据在网络间的传播性得到高阶特征；以及

合并所述第一处理结果和所述第二处理结果，得到所述特征提取结果，以同时兼顾所述低阶特征和所述高阶特征。

2.如权利要求1所述的换电预测方法，其特征在于，还包括：

基于所述预计被骑行概率、所述预计被骑行时长和当前电池电量，判断是否需要换电。

3.如权利要求2所述的换电预测方法，其特征在于，所述判断是否需要换电的步骤包括：利用DNN处理所述预计被骑行概率、所述预计被骑行时长和当前电池电量，并使用Sigmoid激活，以得到分类结果分数，其中，所述分类结果分数大于换电阈值表示不需要换电，以及所述分类结果分数小于等于所述换电阈值表示需要换电。

4.如权利要求3所述的换电预测方法，其特征在于，所述换电阈值为0.5。

5.如权利要求3所述的换电预测方法，其特征在于，利用包含两个隐含层的DNN处理所述预计被骑行概率、所述预计被骑行时长和当前电池电量。

6.如权利要求1所述的换电预测方法，其特征在于，所述根据预设的算法处理所述特征的步骤包括：

将所述特征分为类别特征和数值特征；

对所述类别特征进行onehot编码；以及

对onehot编码后得到的数据进行embedding操作，以使得所述类别特征能够作为数值特征使用。

7.如权利要求1所述的换电预测方法，其特征在于，使用concat方法合并所述第一处理结果和所述第二处理结果。

8.如权利要求1所述的换电预测方法，其特征在于，所述得到预计被骑行概率的步骤包括：利用DNN处理所述特征提取结果，并使用Sigmoid激活。

9.如权利要求1所述的换电预测方法，其特征在于，所述得到预计被骑行时长的步骤包括：利用DNN处理所述特征提取结果，并使用线性激活。

10.如权利要求8或9所述的换电预测方法，其特征在于，利用包含两个隐含层的DNN处理所述特征提取结果。

11.如权利要求10所述的换电预测方法，其特征在于，所述利用DNN处理所述特征提取结果的步骤包括：使用网格搜索和交叉验证进行训练。

12.如前述权利要求中任一项所述的换电预测方法，其特征在于，所述特征包括：

与车辆本身硬件特性相关的特征，包括以下一种或多种特征：车辆总投放时长、电池投放时长、电池版本、车辆软硬件版本、过去一天中开锁成功率、过去一天开锁失败错误码；

与车辆所在环境相关的特征，包括以下一种或多种特征：车辆所处的geohash网格信息、当前时刻周围用户活跃等级、天气晴朗状况、天气温度、当前骑行状态、当前用户特征；以及

与订单相关的特征，包括以下一种或多种特征：过去一周的日均订单数、每单的骑行时长、订单开始具体时刻、订单结束具体时刻。