[发明专利]一种电动汽车用户耐久性数据分析方法及系统

说明书

本发明提供了一种电动汽车用户耐久性数据分析方法及系统，通过将电动汽车的用户运行工况数据进行预处理，并片段划分，得到各目标子数据，并分别对各目标子数据进行因素提取和分层，得到分层结果，根据分层结果，确定特征子空间参数集，并对特征子空间参数集进行降维处理，得到类动能数据和类势能数据，将电动汽车用户数据特征量大、维数多、种类复杂的问题简单化，同时，又涵盖了用户使用工况全局，最后，通过本发明的聚类处理方法，将类动能数据和类势能数据进行聚类处理，可以有效提高噪声抗干扰性，进而有效解决了电动汽车用户耐久性数据分析效率低，分析结果不准确的问题。

技术领域

本发明属于电动汽车用户耐久性数据分析的技术领域，具体涉及一种电动汽车用户耐久性数据分析方法及系统。

背景技术

电动汽车(BEV)是指以车载电源为动力，用电机驱动车轮行驶，符合道路交通、安全法规各项要求的车辆，由于其具有一定的经济性和环保性，受到广大消费者的青睐。

为了更好的提高电动汽车用户驾驶体验，通常需要收集目标车型的用户运行工况信息，并进行分析，以根据分析结果，对电动汽车相关参数进行调整、优化。

在制定耐久试验规范中，用户数据是制定源头，是规范制定考核强度的重要参考。那么，如何对用户数据分级分类，科学提取产品目标用户，制定试验规范考核强度，是一项重大技术难点。若仅仅单一考虑用户数据的某些特征，会造成最终试验规范的强度过大或强度缺失，造成考核效果的不稳健。

需要说明的是，实际中电动汽车用户数据具有特征量大、维数多以及种类复杂的特点，现有的分类方法通常使用特征值分解来生成近似解，这使得模型效率较低。此外，现有模型中的损失函数要么对异常值敏感，要么对小损失误差敏感，无法全面的涵盖多维数据并容易造成“维数灾难”。

发明内容

基于此，本发明实施例当中提供了一种电动汽车用户耐久性数据分析方法及系统，旨在解决现有技术中，电动汽车用户耐久性数据分析效率低，分析结果不准确的问题。

本发明实施例的第一方面提供了一种电动汽车用户耐久性数据分析方法，所述方法包括：

获取电动汽车的用户运行工况数据，并对所述用户运行工况数据进行预处理，得到目标数据；

根据运行状态规则，将所述目标数据进行片段划分，得到各目标子数据，并分别对各所述目标子数据进行因素提取和分层，得到分层结果；

根据所述分层结果，确定特征子空间参数集，并对所述特征子空间参数集进行降维处理，得到类动能数据和类势能数据；

将所述类动能数据和所述类势能数据进行聚类处理，得到聚类结果，并根据所述聚类结果，描绘出用户画像。

进一步的，所述获取电动汽车的用户运行工况数据，并对所述用户运行工况数据进行预处理，得到目标数据的步骤包括：

获取电动汽车的用户运行工况数据，将所述用户运行工况数据中的异常数据进行删除，得到有效数据；

将所述有效数据进行归一化处理，以得到所述目标数据。

进一步的，所述将所述有效数据进行归一化处理，以得到所述目标数据的步骤中，归一化处理的公式为：

z＝(x-μ)/σ；

其中，z表示为所述目标数据，x表示为所述有效数据，μ表示为所有有效数据的均值，σ表示为所有有效数据的方差。

进一步的，所述分别对各所述目标子数据进行因素提取和分层，得到分层结果的步骤包括：

将各所述目标子数据进行拉普拉斯变换，得到各转换值，并根据各所述转换值，确定对应的分层值；