[发明专利]预测模型训练方法、状态更新方法、装置、设备和介质

说明书

本公开提供了一种用于充电站的状态预测模型训练方法、状态更新方法、装置、设备、介质和程序产品，涉及数据处理领域，尤其涉及智能交通、大数据和深度学习技术。具体实现方案为：从车辆的历史数据中获取轨迹数据和电量数据；根据路网数据、充电站的属性数据以及所述轨迹数据和电量数据挖掘样本特征，并根据所述样本特征构造样本数据，其中，所述样本特征用于描述与充电站是否可用有关的因素；利用所述样本数据训练状态预测模型，其中，所述状态预测模型用于对充电站是否可用的状态进行预测。本公开能够有效地利用状态预测模型提升地图中充电站状态信息的自动化更新效率和准确性。

技术领域

本公开涉及数据处理技术领域，尤其涉及智能交通、大数据和深度学习技术，具体涉及一种预测模型训练方法、状态更新方法、装置、设备、介质和程序产品。

背景技术

随着我国新能源车的保有量不断增加，作为支撑新能源汽车发展的重要基础设施，充电桩行业迎来快速发展。

在地图类APP中，每个充电站是一个POI(point of interest)，每个充电站POI包括名称、位置、状态、充电桩数目、功率、空闲数目等动静态数据。充电站的状态描述了充电站的开放与关闭状态，状态信息若不及时更新，则将极大影响充电站的使用效率以及用户的充电体验。

发明内容

本公开提供了一种用于充电站的状态预测模型训练方法、状态更新方法、装置、设备、介质和程序产品，以提高充电站信息的自动化更新效率和准确性。

根据本公开的一方面，提供了一种用于充电站的状态预测模型训练方法，包括：

从车辆的历史数据中获取轨迹数据和电量数据；

根据路网数据、充电站的属性数据以及所述轨迹数据和电量数据挖掘样本特征，并根据所述样本特征构造样本数据，其中，所述样本特征用于描述与充电站是否可用有关的因素；

利用所述样本数据训练状态预测模型，其中，所述状态预测模型用于对充电站是否可用的状态进行预测。

根据本公开的另一方面，提供了一种用于充电站的状态更新方法，包括：

获取设定时间段内车辆的轨迹数据和电量数据；

根据路网数据、充电站的属性数据以及所述轨迹数据和电量数据进行特征挖掘，得到充电站特征；

利用如本公开任意实施例所述的方法训练的状态预测模型，根据所述充电站特征预测充电站的状态；

根据预测结果更新所述充电站的状态。

根据本公开的另一方面，提供了一种用于充电站的状态预测模型训练装置，包括：

历史数据获取模块，用于从车辆的历史数据中获取轨迹数据和电量数据；

样本数据构造模块，用于根据路网数据、充电站的属性数据以及所述轨迹数据和电量数据挖掘样本特征，并根据所述样本特征构造样本数据，其中，所述样本特征用于描述与充电站是否可用有关的因素；

模型训练模块，用于利用所述样本数据训练状态预测模型，其中，所述状态预测模型用于对充电站是否可用的状态进行预测。

根据本公开的另一方面，提供了一种用于充电站的状态更新装置，包括：

数据获取模块，用于获取设定时间段内车辆的轨迹数据和电量数据；

特征挖掘模块，用于根据路网数据、充电站的属性数据以及所述轨迹数据和电量数据进行特征挖掘，得到充电站特征；

状态预测模块，用于利用如本公开任意实施例所述的装置训练的状态预测模型，根据所述充电站特征预测充电站的状态；

状态更新模块，用于根据预测结果更新所述充电站的状态。