[发明专利]预测模型构建方法和相关装置

说明书

本申请实施例公开了智能车领域的一种预测模型构建方法和相关装置，该方法包括：终端设备采集第一数据，所述第一数据为实现预测任务所需的数据；所述终端设备将第一特征数据输入至第一预测模型进行预测处理以得到第一子更新数据；所述第一特征数据为对所述第一数据进行特征提取得到的特征数据；所述第一预测模型用于实现所述预测任务；所述终端设备将所述第一子更新数据发送给远程服务端设备，所述第一子更新数据用于所述远程服务端设备更新所述第一预测模型以得到第二预测模型。终端设备完成一部分模型训练任务，远程服务端设备完成另一部模型训练任务，可以减少远程服务端设备的资源消耗，并有效提高整体的资源利用率。

技术领域

本申请涉及智能车技术领域，尤其涉及一种预测模型构建方法和相关装置。

背景技术

在能源危机和气候变化的背景下，电动汽车、混合动力汽车以及其他电动代步工具相关产业得到快速发展。可以想象，以动力电池(特别是锂电池)为动力来源的代步工具将成为未来人们出行工具的主流。汽车的充电时间信息作为一个重要的提升用户体验的功能是汽车的必备功能。

由于汽车充电时间和很多因素相关而且呈现出复杂的非线性关系，因此难以在汽车本地利用预测模型进行充电时间预测。因此，基于充电样本数据，采用大数据+机器学习的方式，在远程服务器集中训练建立充电电压电流等特征与充电时间关系模型(即充电时间预测模型)的方式得到了流行。通常，如果一款汽车的保有量以数十万记，加上历史充电信息数据和数据重采样的方法，对于一款汽车的充电时间预测机器学习模型的样本可达上亿条。同时，由于不同型号电池的特性不同，因此需要对每个型号的电池都建立相应的模型，加上训练和更新的计算消耗，即使是在云端计算资源丰富的条件下也需要较长的时间，对于实现这样一个并非很复杂的功能来说性价比不高。因此，需要研究性价比更高、资源开销更小的方法。

发明内容

本申请实施例公开了一种预测模型构建方法和相关装置，采用分布式训练预测模型，通过利用终端设备的计算资源来减少远程服务端设备的资源消耗，能够有效提高整体的资源利用率。

第一方面，本申请实施例提供了一种预测模型构建方法，该方法包括：终端设备采集第一数据，所述第一数据为实现预测任务所需的数据；所述终端设备将第一特征数据输入至第一预测模型进行预测处理以得到第一子更新数据；所述第一特征数据为对所述第一数据进行特征提取得到的特征数据；所述第一预测模型用于实现所述预测任务；所述终端设备将所述第一子更新数据发送给远程服务端设备，所述第一子更新数据用于所述远程服务端设备更新所述第一预测模型以得到第二预测模型。