[发明专利]一种换电预测方法和系统及存储介质

说明书

本发明提供一种换电预测方法，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特征，得到特征提取结果；基于特征提取结果，分别得到预计被骑行概率和预计被骑行时长；以及基于预计被骑行概率、预计被骑行时长和当前电池电量，判断是否需要换电。本发明创新性地将multi‑task思想和DeepFM算法相结合，应用到共享电瓶车换电池问题，选用合理的深度学习模型和较为精确的特征数据，两步骤衔接，端到端预测直租车电池是否需要更换，挖掘隐藏在数据背后的重要特征，将各种因素的影响充分发挥，为共享电瓶车是否需要更换电池给出合理方案。

技术领域

本发明涉及电动车换电领域，尤其涉及一种共享电动车电量是否需要换电池的实时预测方法和系统。

背景技术

随着互联网技术的发展，在全国各个大城市兴起共享电瓶车，共享电瓶车以其省力好骑，优惠方便受到大众认可。但随着共享电瓶车的投放数目增长和共享电瓶业务的日趋成熟，共享电瓶车的换电服务需要越来越多的人力资源。不合理的换电方案也会造成大量的人力资源浪费和电量浪费。

究竟共享电瓶车的电量在剩余多少时是应该被换电池的，而这个剩余电量又该如何去计算。由此可以看出，共享电瓶车何时需要换电是一个较为复杂的场景，需要去深入研究的。

目前，一些方案是使用全部一刀切的规则，即不管电瓶车其他状态，只要该车的电量低于一个阈值时，运维人员就会把电池换掉。只用了规则，并没有用任何算法去预测电池是否需要更换。

这种方案缺乏很多思考，有诸多弊端，最终应该实现的目标是‘供需平衡’，所谓‘供’即电池的剩余能提供电量，而‘需’是用户需要使用电量。而现在一刀切的方案只考虑了供给而没有考虑需求。影响用户需求的因素有很多，比如电瓶车所处的地理位置，周围用户活跃程度；当前时刻，距离高峰期的时间；天气晴朗状况，用户是否会选择电瓶车出行；电池所处的生命周期，新电池和旧电池在剩余电量相同时能骑行的距离是不同的；不同城市由于地理状况和交通情况等造成用户骑行习惯骑行距离有很大的不同；此外天气温度对电池电量消耗及下降速度也会有较大影响。由此可以看出人工利用先验知识进行地址选择会导致两个问题：

一是基本依赖于相关工作人员自身的业务能力，该人员的个人知识和认知的主观因素会直接决定收益；

二是人工选择难以捕捉特征之间、特征与收益之间深层次的关联。预测是否更换电池是有效对特征交互建模得出结果，有些特征交互可以很容易理解，因此特征工程的可以人工设计出来。然而，绝大部分特征都是隐藏在数据背后，难以形成先验知识，只能通过机器学习自动生成。

因此，本领域的技术人员致力于研发一种能够准确预测共享电瓶车此刻是否应该被换电的方法和系统。

发明内容

有鉴于现有技术的上述缺陷，本发明的目的在于提供一种能及时准确预测共享电瓶车电池电量需要更换及协助运维维修人员去为电瓶车更换电池的方法。而本发明的技术方案利用了神经网络算法从而能够在技术上支持并实现准确预测。

为实现上述目的，本发明提供了一种换电预测方法和系统，基于一种multi-task思想，利用DeepFM算法进行共享电瓶车电量是否需要换电池的实时预测，目标是用算法预测电池是否应该更换，能使共享电瓶车电量在降低成本的基础上发挥最大商业价值。其中，multi-task是指给定m个学习任务，其中所有或一部分任务是相关但并不完全一样的，多任务学习的目标是通过使用这m个任务中包含的知识来帮助提升各个任务的性能。