[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

说明书

本发明公开一种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，其基于车辆启停、设防、解闭锁、开关门、远程控制、蓄电池传感器等信号数据，通过规则加算法，先实现带蓄电池传感器的汽车可停车时长预测，当该模型达到一定的准确率之后，再去掉蓄电池传感器相关的信号数据，如电流SOC等，使用神经网络训练车辆放电预测模型，从而在无需蓄电池传感器前提下实现预测汽车的可停车时长。

技术领域

本发明属于汽车安全技术领域，具体涉及汽车可停车时长预测技术。

背景技术

蓄电池是汽车必不可少的一部分，目前传统燃油车的蓄电池普遍都是铅酸电池，因为车辆本身软硬件，用户驾驶习惯或者车辆周边环境影响，导致用户熄火后的安全停车时长大大降低，最终用户无法启动发动机，造成用户抱怨，据国内领先的缺陷汽车产品信息收集平台车质网数据显示，2014年至今车辆蓄电池故障投诉总量已达4090宗，其中绝大部分为亏电问题。在相关投诉中，蓄电池亏电常常会导致车辆无法启动，如果没有搭线设备就只能原地等待救援，在用车过程中将会给消费者造成极大困扰。且这一趋势依然还在延续。从故障问题来看，反映蓄电池亏电问题的投诉最为集中，占比高达97%。现如今，蓄电池已不存在技术瓶颈，而大面积故障问题的出现，投诉中也出现另一类情况，就是车辆电气系统因设计、装配和车辆环境等原因，造成用户亏电。

现有技术的汽车蓄电池寿命预测主要通过规则和硬件装置实现，如公开号为CN111091632A 一种汽车蓄电池寿命预测方法和装置，该蓄电池寿命预测系统具体包括蓄电池、蓄电池传感器、车辆信息采集模块、网关、远程信息处理器和服务器；蓄电池传感器采集蓄电池的电池特性数据，将蓄电池的电池特性数据发送至网关；车辆信息采集模块采集车辆状态数据，将车辆状态数据发送至网关；网关根据电池特性数据确定SOH初始值，通过远程信息处理器将SOH初始值和车辆状态数据发送至服务器；服务器根据SOH初始值和车辆状态数据计算SOH校正值，当判断该SOH校正值是否小于标定校正值时，向终端设备发送蓄电池更换提醒消息，以保证及时准确地提醒用户需要更换蓄电池,但是此类方法仅仅用于电池全生命周期的寿命预测，主要用于提醒用户是否需要更换蓄电池，对车辆熄火后的安全停车时长并未涉及,还有一类发明是针对非车辆电池预测的算法，如公开号为CN107748936A基于遗传算法改进的BP神经网络蓄电池寿命预测算法，包括用遗传算法对BP神经网络进行优化；借鉴已有的蓄电池寿命预测思路，建立指标体系；将对应的指标数据作为训练样本，训练后的BP神经网络；用训练后的BP神经网络对蓄电池寿命进行预测。该技术将遗传算法和BP神经网络有机结合起来，遗传算法是一种基于生物机制的全局搜索优化算法，利用遗传算法优化BP神经网络的初始权值和阀值，再利用误差反向传播方法找到其最优解，避免了陷入局部极值点的情况。

因此，有必要开发一种系统及方法，能在云端通过现有车辆运行数据，自动实现车辆停车后，预测出本次车辆的安全停车时长，降低对于用户车辆亏电问题的售后抱怨，还能主动为用户提供服务。

发明内容

本发明公开一种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，去掉蓄电池传感器相关的信号数据，使用神经网络训练车辆放电预测模型，从而在无需蓄电池传感器前提下实现预测汽车的可停车时长。

本发明公开的无蓄电池传感器汽车可停车时长预测方法，

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。

进一步地，

步骤1）包括以下步骤：