[发明专利]车辆加油日期预测方法及设备

说明书

本申请涉及一种车辆加油日期预测方法及设备，本申请中，基于车辆联网数据，获取待测车辆在周期内多个维度的行驶记录数据；所述维度至少包括：车辆实时GPS坐标，车辆停车时间和车辆状态。对行驶记录数据进行预处理，得到待测车辆的每日驾驶里程和历史加油行为。根据待测车辆在周期内的每日驾驶里程，基于ARIMA模型，得到待测车辆在预设未来时间段内的每日行驶里程。根据待测车辆在周期内的行驶记录数据，每日驾驶里程和历史加油行为，确定待测车辆的下次加油日期。本申请中，基于车辆多个维度的行驶记录数据对车辆的下次加油日期进行预测，更加准确，且基于ARIMA模型预测待测车辆在预设未来时间段内的每日行驶里程，相对于现有技术中的均值法预测更加准确。

技术领域

本申请涉及汽车剩余油量实时预测技术领域，尤其涉及一种车辆加油日期预测方法及设备。

背景技术

随着市场的推广和用户认知度的提高，网联车的产量正在爆炸式增长，网联车的用户量会保持激增状态。随着网联车保有量的持续增长，车用燃油的需求量也在快速增长，同时也催生了包括汽车能源服务在内的各类汽车生活服务。智能车辆联网技术的发展，为收集汽车状态和驾驶行为数据提供了技术基础。

现有技术中，鲜有汽车生活服务的主动推送，而汽车能源服务，是汽车生活服务的重要业务组成部分。而在车辆加油日期预测领域，现有技术中的预测方法都只能进行简单的预测，无法进行精度较高的预测。

发明内容

为至少在一定程度上克服相关技术中存在的问题，本申请提供一种车辆加油日期预测方法及设备。

本申请的方案如下：

根据本申请实施例的第一方面，提供一种车辆加油日期预测方法，包括：

基于车辆联网数据，获取待测车辆在周期内多个维度的行驶记录数据；所述维度至少包括：车辆实时GPS坐标，车辆停车时间和车辆状态；

对所述行驶记录数据进行预处理，得到所述待测车辆的每日驾驶里程和历史加油行为；

根据所述待测车辆在周期内的每日驾驶里程，基于ARIMA(AutoregressiveIntegrated Moving Average model，差分整合移动平均自回归模型)模型，得到所述待测车辆在预设未来时间段内的每日行驶里程；

根据所述待测车辆在周期内的行驶记录数据，每日驾驶里程和历史加油行为，确定所述待测车辆的下次加油日期。

优选的，在本申请一种可实现的方式中，所述基于车辆联网数据，获取待测车辆在周期内多个维度的行驶记录数据，具体包括：

通过所述待测车辆的前装、后装设备获取车辆联网数据，基于车辆联网数据，获取所述待测车辆在周期内的车辆实时GPS坐标维度，车辆停车时间维度和车辆状态维度的行驶记录数据；

所述车辆实时GPS坐标维度的行驶记录数据具体包括：车辆行驶时的GPS经纬度坐标和车辆停车点GPS经纬度坐标；

所述车辆停车时间维度的行驶记录数据具体包括：车辆停车开始时间，车辆停车结束时间；

所述车辆状态维度的行驶记录数据具体包括：VIN码，驾驶人ID，驾驶时间，驾驶里程，急加速次数，急减速次数，车速，剩余油量。

优选的，在本申请一种可实现的方式中，所述对所述行驶记录数据进行预处理，得到所述待测车辆的每日驾驶里程，具体包括：

将所述车辆实时GPS坐标从火星坐标系转化成地球坐标系，并进行坐标偏修；

将坐标偏修后的所述车辆实时GPS坐标中的异常值删除，缺失值插补；