[发明专利]无蓄电池传感器汽车可停车时长预测方法、系统及计算机可读存储介质

权利要求书

1.无蓄电池传感器汽车可停车时长预测方法，其特征在于：

步骤1）根据真实亏电且带蓄电池传感器相关数据的车辆数据集，训练车辆放电预测模型；

步骤2）用训练的车辆放电预测模型预测尚未亏电车辆的可能亏电时间，将可能亏电时间设置为该车辆的亏电标签数据；

步骤3）使用步骤1）真实亏电且带蓄电池传感器相关数据的车辆数据集和步骤2）预测出来的带亏电标签数据的车辆数据集，去掉车辆数据集中蓄电池传感器相关数据，再次训练获得无需蓄电池传感器相关数据的车辆放电预测模型。

2.如权利要求1所述的无蓄电池传感器汽车可停车时长预测方法，其特征在于：步骤1）包括以下步骤：

步骤11）数据采集：采集售后统计出带蓄电池传感器相关数据的同一批发生亏电维修的车辆，通过这批亏电维修的车辆，采集该批车辆亏电前一个月的车辆数据集；

步骤12）通过车架号，把维修数据和车辆数据集合并，将亏电维修时间作为该车辆的亏电标签数据；

步骤13）随机把部分车辆数据集作为训练集，另一部分车辆数据集作为测试集，通过神经网络算法，在训练集上进行训练车辆放电预测模型，当车辆放电预测模型在测试集上测试，效果达到一定指标后，停止训练；

步骤2）包括以下步骤：

步骤21）预测：使用步骤1）获得的模型，对尚未亏电车辆进行预测，尚未亏电车辆的可能亏电时间，将可能亏电时间设置为该车辆的亏电标签数据，从而得到更多车辆数据集。

3.如权利要求2所述的无蓄电池传感器汽车可停车时长预测方法，其特征在于：

步骤3）包括以下步骤：

步骤31）在车辆数据集中，去掉蓄电池传感器相关数据；

步骤32）训练模型，

使用步骤1）真实亏电且带蓄电池传感器相关数据的车辆数据集和步骤2）预测出来的带亏电标签数据的车辆数据集；随机把部分车辆数据集作为训练集，另一部分车辆数据集作为测试集，使用神经网络模型，在训练集上进行训练车辆放电预测模型，当车辆放电预测模型在测试集上测试，效果达到一定指标后，停止训练。

4.如权利要求3所述的无蓄电池传感器汽车可停车时长预测方法，其特征在于：车辆数据集包含蓄电池传感器相关数据、经纬度、发动机转速、车内外温度信号、高原系数、总里程、行驶里程、维修时间、发送机冷却液温度、发送机运行状态以及各个信号灯的工作状态。

5.如权利要求4所述的无蓄电池传感器汽车可停车时长预测方法，其特征在于：蓄电池传感器相关数据包括车辆电流、SOC、SOH、累计充电量和累计放电量。

6.无蓄电池传感器汽车可停车时长预测系统，其特征在于，包括处理器以及存储器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，实现如权利要求1-5任一所述的无蓄电池传感器汽车可停车时长预测方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机该程序被处理器执行时，实现如权利要求1-5任一所述的无蓄电池传感器汽车可停车时长预测方法的步骤。