CN114228637B - 一种车辆断电保护方法、装置、存储介质及设备 - Google Patents

一种车辆断电保护方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN114228637B
CN114228637B CN202111462400.0A CN202111462400A CN114228637B CN 114228637 B CN114228637 B CN 114228637B CN 202111462400 A CN202111462400 A CN 202111462400A CN 114228637 B CN114228637 B CN 114228637B
Authority
CN
China
Prior art keywords
feature vector
distance
data
vehicle
target vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111462400.0A
Other languages
English (en)
Other versions
CN114228637A (zh
Inventor
万卓昊
张臻言
杨劲松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
iFlytek Co Ltd
Original Assignee
iFlytek Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by iFlytek Co Ltd filed Critical iFlytek Co Ltd
Priority to CN202111462400.0A priority Critical patent/CN114228637B/zh
Publication of CN114228637A publication Critical patent/CN114228637A/zh
Application granted granted Critical
Publication of CN114228637B publication Critical patent/CN114228637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
    • B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/03—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for
    • B60R16/033—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for supply of electrical power to vehicle subsystems or for characterised by the use of electrical cells or batteries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent

Abstract

本申请公开了一种车辆断电保护方法、装置、存储介质及设备，该方法包括：首先获取当前时刻目标车辆所处的环境数据，然后从中提取出时间数据的特征向量、目标车辆的位置数据的特征向量及目标车辆的行驶数据的特征向量；接着分别计算这三个特征向量与时间标准特征向量、位置标准特征向量、车辆的行驶标准特征向量之间的距离，得到第一距离、第二距离、第三距离；再根据这三个距离，确定是否控制目标车辆进行自动断电。可见，由于本申请是根据用户使用习惯和目标车辆的行驶数据，确定目标车辆所处环境与需要自动断电的车辆所处环境之间的差异，从而能够更准确的判定出是否需要对目标车辆自动断电，延长了电池的使用寿命，也提高了用户的驾驶体验。

Description

一种车辆断电保护方法、装置、存储介质及设备
技术领域
本申请涉及车辆技术领域，尤其涉及一种车辆断电保护方法、装置、存储介质及设备。
背景技术
随着人们生活水平的提高和社会经济的快速发展，汽车的使用率逐渐增高，越来越多的汽车走进了人们的生活，为人们生活的各个方面都带来了极大的便利。其中，车辆的安全性也一直是人们重点关注的问题。
目前，为了保护车辆电池状态及电路安全，以延长电池使用寿命，会在车辆上安装断电保护装置，以帮助用户根据不同场景不同环境对车辆进行自动断电。但是现有的车辆自动断电保护装置主要由熔断器、易熔线和断路器组成，仅能够在车辆短路状态下通过熔断器熔断保护电路，功能单一，在车辆锁车的一段时间后，仅能自动关闭车内氛围灯及车内音响，而其他大多数车载电器设备控制开关并不由钥匙控制，即使拔掉钥匙后各种车载电器设备依然可以照常开启，并不能够在车辆停止时智能控制车辆其他电器供电情况，造成车辆在未使用的状态下过度放电，导致车载蓄电池的使用寿命缩短，在用户使用车辆时的车载蓄电池处于亏电状态，也影响了用户的驾驶体验。
因此，如何智能控制车辆实现自动断电保护，以延长电池使用寿命，提高用户的驾驶体验是目前亟待解决的技术问题。
发明内容
本申请实施例的主要目的在于提供一种车辆断电保护方法、装置、存储介质及设备，能够根据用户的使用习惯和车辆的行驶数据，智能判断出是否需要对车辆进行自动断电，以延长车载电池的使用寿命，并提高用户的驾驶体验。
本申请实施例提供了一种车辆断电保护方法，包括：
获取当前时刻目标车辆所处的环境数据；所述环境数据包括时间数据、所述目标车辆的位置数据和所述目标车辆的行驶数据；
从所述当前时刻的环境数据中提取时间数据的特征向量、所述目标车辆的位置数据的特征向量以及所述目标车辆的行驶数据的特征向量；
计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；
根据所述第一距离、第二距离、第三距离，确定是否控制所述目标车辆进行自动断电。
一种可能的实现方式中，所述计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离，包括：
计算所述时间数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
利用所述时间数据的特征向量中每一维度特征向量值的权重，计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离。
一种可能的实现方式中，所述计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离，包括：
计算所述目标车辆的位置数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
利用所述目标车辆的位置数据的特征向量中每一维度特征向量值的权重，计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离。
一种可能的实现方式中，所述计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离，包括：
计算所述目标车辆的行驶数据的特征向量中每一特征维度向量值的信息增益，作为对应维度向量值的权重；
利用所述目标车辆的行驶数据的特征向量中每一特征维度向量值的权重，计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离。
一种可能的实现方式中，所述方法还包括：
将所述当前时刻的时间数据的特征向量、所述目标车辆的位置数据的特征向量和所述目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；
将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；
计算所述第一拼接特征向量和所述第二拼接特征向量之间的距离，得到第四距离；
所述根据所述第一距离、第二距离、第三距离，确定是否控制所述目标车辆进行自动断电，包括：
根据所述第一距离、第二距离、第三距离和第四距离，确定是否控制所述目标车辆进行自动断电。
一种可能的实现方式中，所述根据所述第一距离、第二距离、第三距离和第四距离，确定是否控制所述目标车辆进行自动断电，包括：
将所述第一距离、第二距离、第三距离和第四距离输入预先构建的概率预测模型，预测得到控制所述目标车辆进行自动断电的概率，并根据所述概率确定是否控制所述目标车辆进行自动断电；
所述概率预测模型的构建方式如下：
获取车辆所处的样本环境数据；
利用所述样本环境数据，对预先构建的初始概率预测模型进行训练，得到所述概率预测模型。
一种可能的实现方式中，所述初始概率预测模型为BP神经网络模型。
一种可能的实现方式中，所述方法还包括：
获取车辆所处的验证环境数据；并从中提取时间数据的验证特征向量、所述车辆的位置数据的验证特征向量以及所述车辆的行驶数据的验证特征向量；
计算所述时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；计算所述车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；计算所述车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离；
将所述时间数据的验证特征向量、所述车辆的位置数据的验证特征向量和所述车辆的行驶数据的验证特征向量进行拼接，得到第一拼接验证特征向量；将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；计算所述第一拼接验证特征向量和所述第二拼接特征向量之间的距离，得到第四验证距离；
将所述第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得所述验证环境数据的自动断电概率预测结果；
当所述验证环境数据的自动断电概率预测结果与所述验证环境数据对应的自动断电概率标签结果不一致时，将所述验证环境数据重新作为所述样本环境数据，对所述概率预测模型进行更新。
本申请实施例还提供了一种车辆断电保护装置，所述装置包括：
第一获取单元，用于获取当前时刻目标车辆所处的环境数据；所述环境数据包括时间数据、所述目标车辆的位置数据和所述目标车辆的行驶数据；
提取单元，用于从所述当前时刻的环境数据中提取时间数据的特征向量、所述目标车辆的位置数据的特征向量以及所述目标车辆的行驶数据的特征向量；
第一计算单元，用于计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；
确定单元，用于根据所述第一距离、第二距离、第三距离，确定是否控制所述目标车辆进行自动断电。
一种可能的实现方式中，所述第一计算单元包括：
第一计算子单元，用于计算所述时间数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
第二计算子单元，用于利用所述时间数据的特征向量中每一维度特征向量值的权重，计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离。
一种可能的实现方式中，所述第一计算单元包括：
第三计算子单元，用于计算所述目标车辆的位置数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
第四计算子单元，用于利用所述目标车辆的位置数据的特征向量中每一维度特征向量值的权重，计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离。
一种可能的实现方式中，所述第一计算单元包括：
第五计算子单元，用于计算所述目标车辆的行驶数据的特征向量中每一特征维度向量值的信息增益，作为对应维度向量值的权重；
第六计算子单元，用于利用所述目标车辆的行驶数据的特征向量中每一特征维度向量值的权重，计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离。
一种可能的实现方式中，所述装置还包括：
第一拼接单元，用于将所述当前时刻的时间数据的特征向量、所述目标车辆的位置数据的特征向量和所述目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；
第二拼接单元，用于将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；
第二计算单元，用于计算所述第一拼接特征向量和所述第二拼接特征向量之间的距离，得到第四距离；
所述确定单元具体用于：
根据所述第一距离、第二距离、第三距离和第四距离，确定是否控制所述目标车辆进行自动断电。
一种可能的实现方式中，所述确定单元具体用于：
将所述第一距离、第二距离、第三距离和第四距离输入预先构建的概率预测模型，预测得到控制所述目标车辆进行自动断电的概率，并根据所述概率确定是否控制所述目标车辆进行自动断电；
所述装置还包括：
第二获取单元，用于获取车辆所处的样本环境数据；
训练单元，用于利用所述样本环境数据，对预先构建的初始概率预测模型进行训练，得到所述概率预测模型。
一种可能的实现方式中，所述初始概率预测模型为BP神经网络模型。
一种可能的实现方式中，所述装置还包括：
第三获取单元，用于获取车辆所处的验证环境数据；并从中提取时间数据的验证特征向量、所述车辆的位置数据的验证特征向量以及所述车辆的行驶数据的验证特征向量；
第三计算单元，用于计算所述时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；计算所述车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；计算所述车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离；
第三拼接单元，用于将所述时间数据的验证特征向量、所述车辆的位置数据的验证特征向量和所述车辆的行驶数据的验证特征向量进行拼接，得到第一拼接验证特征向量；将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；计算所述第一拼接验证特征向量和所述第二拼接特征向量之间的距离，得到第四验证距离；
获得单元，用于将所述第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得所述验证环境数据的自动断电概率预测结果；
更新单元，用于当所述验证环境数据的自动断电概率预测结果与所述验证环境数据对应的自动断电概率标签结果不一致时，将所述验证环境数据重新作为所述样本环境数据，对所述概率预测模型进行更新。
本申请实施例还提供了一种车辆断电保护设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述车辆断电保护方法中的任意一种实现方式。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述车辆断电保护方法中的任意一种实现方式。
本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述车辆断电保护方法中的任意一种实现方式。
本申请实施例提供的一种车辆断电保护方法、装置、存储介质及设备，首先获取当前时刻目标车辆所处的环境数据；其中，环境数据包括时间数据、目标车辆的位置数据和目标车辆的行驶数据，然后从中提取出时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量；接着，计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离，其中，时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；进而可以根据第一距离、第二距离、第三距离，确定是否控制目标车辆进行自动断电。
可见，由于本申请实施例是根据用户的使用习惯和目标车辆的行驶数据，确定出目标车辆当前时刻所处环境与需要自动断电的车辆所处环境之间的差异，从而能够根据差异值更准确的判定出是否需要控制目标车辆进行自动断电，进而有助于延长目标车辆车载电池的使用寿命，也提高了用户的驾驶体验。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种车辆断电保护方法的流程示意图；
图2为本申请实施例提供的将第一距离、第二距离、第三距离和第四距离输入预先构建的概率预测模型，预测得到控制目标车辆进行自动断电的概率的流程示意图；
图3为本申请实施例提供的一种车辆断电保护装置的组成示意图。
具体实施方式
随着社会经济的快速发展，智能汽车已经逐渐融入人们日常生活中。但是许多用户的使用习惯可能会导致车辆实际使用寿命降低。例如用户在停车熄火之后可能忘记关闭车辆的前置大灯致使车载电池电量耗尽，影响后续使用等。
由此，为了保护车载电池状态及电路安全，以延长电池使用寿命，会在车辆上安装断电保护装置，以帮助用户根据不同场景不同环境对车辆进行自动断电，延长电池使用寿命。但是现有的车辆自动断电保护装置主要由熔断器、易熔线和断路器组成，仅能够在车辆短路状态下通过熔断器熔断保护电路，功能单一，并不能够在车辆停止时智能控制车辆大部分车载电器的供电情况，造成车辆在未使用的状态下过度放电，导致车载蓄电池的使用寿命缩短，在用户使用车辆时的车载蓄电池处于亏电状态，影响了用户的驾驶体验。
为解决上述缺陷，本申请提供了一种车辆断电保护方法，首先获取当前时刻目标车辆所处的环境数据；其中，环境数据包括时间数据、目标车辆的位置数据和目标车辆的行驶数据，然后从中提取出时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量；接着，计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离，其中，时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；进而可以根据第一距离、第二距离、第三距离，确定是否控制目标车辆进行自动断电。
可见，由于本申请实施例是根据用户的使用习惯和目标车辆的行驶数据，确定出目标车辆当前时刻所处环境与需要自动断电的车辆所处环境之间的差异，从而能够根据差异值更准确的判定出是否需要控制目标车辆进行自动断电，进而有助于延长目标车辆车载电池的使用寿命，也提高了用户的驾驶体验。
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
第一实施例
参见图1，为本实施例提供的一种车辆断电保护方法的流程示意图，该方法包括以下步骤：
S101：获取当前时刻目标车辆所处的环境数据；其中，环境数据包括时间数据、目标车辆的位置数据和目标车辆的行驶数据。
在本实施例中，将需要进行自动断电判定的任一车辆定义为目标车辆，为了能够准确确定出当前时刻是否需要控制目标车辆进行自动断电，以保护目标车辆车载电池状态及电路安全，延长电池使用寿命。首先，需要通过目标车辆的车载控制器和各类车载传感器获取当前时刻目标车辆所处的环境数据，用以执行后续步骤S102。
其中，当前时刻目标车辆所处的环境数据可以包括时间数据、目标车辆的位置数据和目标车辆的行驶数据。时间数据可以包括当前时间、已停车时长、目标车辆是否为夜间停车、是否为经常长时间停车时间段等。目标车辆的位置数据可以包括当前时刻目标车辆与常用导航地址或收藏地址的最近距离、目标车辆是否在家附近、目标车辆是否在工作地点附近、目标车辆所处当前位置附近交通拥堵情况、目标车辆所处当前位置的天气状况等。目标车辆的行驶数据可以包括用户是否已经离开目标车辆、用户手机与目标车辆的距离、用户预设下次使用目标车辆的时间、用户预设时间与当前时间间隔、目标车辆运行状态、目标车辆发动机温度、目标车辆车内外温度、目标车辆的车况监控是否异常等。
并且，对于目标车辆的位置数据、目标车辆运行状态、目标车辆发动机温度、目标车辆车内外温度、目标车辆的车况监控是否异常、是否为经常长时间停车时间段等数据均可从车载控制器的显示屏幕上获取。而用户是否已经离开目标车辆、用户手机与目标车辆的距离等数据可通过用户手机蓝牙与车载控制器相连或等登录相关联的账号来获取。对于用户预设的下次使用目标车辆的时间，则可以在目标车辆停车完毕后，通过车载控制器与用户的语音交互功能，通过向用户进行语音询问的方式，获取其下次使用目标车辆的时间信息。
需要说明的是，对于当前时刻目标车辆所处的环境数据的具体获取方式本申请不进行限定，可根据实际情况进行选择，上述各类数据的获取方式仅为本申请提出的优选示例方式。
S102：从当前时刻的环境数据中提取时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量。
在本实施例中，通过步骤S101获取到当前时刻目标车辆所处的环境数据后，为了能够准确判断出是否需要对目标车辆进行自动断电，进一步可以利用现有或未来出现的特征提取方法，从当前时刻的环境数据中提取出时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量，用以执行后续步骤S103。
需要说明的是，时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量的具体维度可根据各自包含的数据内容和实际情况来确定，本实施例对此不进行限定，比如时间数据的特征向量可以为一个4维的向量，且其中4个维度的特征向量值分别表征了当前时间、已停车时长、目标车辆是否为夜间停车、是否为经常长时间停车时间段的含义。
具体来讲，时间数据的特征向量用于表征在时间维度上，判断某一时间段目标车辆是否需要自动断电。例如，在确定时间数据的特征向量时，当目标车辆运行状态变为停止，挂入P挡时，则视为目标车辆开始停车，开始计时；假设用户晚上8点停放目标车辆，第二天早上7点启动车辆，则视为该次停车时长为11小时为长时间停车(判断是否长时间停车的阈值可在车辆控制器端的显示屏幕进行配置)。每一次停放车辆，计时器从0开始计算，直到用户启动车辆时停止，单位为小时。是否夜间停车的起止时间可在车辆控制器端的显示屏幕进行配置，并默认为晚上10点到凌晨4点。经常长时间停车时间段根据用户配置的长时间停车阈值，记录每次长时间停车的停车开始时间，经过一段时间数据采集后，确定该时间段范围，若某次停车起始时间处于该范围，则“是否为经常长时间停车时间段”对应维度的特征向量值可设定为1，否则为0。假设用户在21点停车，且经常长时间停车时间段为20点至22点，在22:00时用户在手机APP上进行了断电处理，则若当前时刻22:00时，目标车辆的时间数据的特征向量为：[22(当前时间)，1(已停车时长)，1(目标车辆是否为夜间停车)，1(是否为经常长时间停车时间段)]
目标车辆的位置数据的特征向量用于表征在空间维度上，判断出目标车辆是否在长时间停放车辆车位附近，以及位置附近的客观状况。例如，在确定位置数据的特征向量时，首先，通过车载控制器直接获取目标车辆当前位置的经纬度，然后计算当前位置与车载定位装置(如GPS等)中常用导航地址或收藏地址的最近距离，单位为米，如对应维度的特征向量值可以为100；因为导航所储存的常用位置可以出现无法精确或定位不准确的问题，所以当目标车辆当前位置距离常用位置(如家)小于预设距离阈值(如200米)时，即认为目标车辆停放在常用位置附近，并可将对应维度的特征向量值设定为1，否则为0；当前位置附近交通拥堵情况可从车载控制器的实时地图app获取，并可根据拥堵等级预先进行赋值，如对应维度的特征向量值可以取值为2等；当前位置天气状况可从车载控制器的天气app获取，并可按照恶劣情况预先进行赋值，如对应维度的特征向量值可以取值为0，用于表示晴天，而多云则用1来表示等。从而，可以确定出当前时刻目标车辆的位置数据的特征向量为：[100(目标车辆与常用导航地址或收藏地址的最近距离)，1(目标车辆是否在家附近)，0(目标车辆是否在工作地点附近)，2(目标车辆所处当前位置附近交通拥堵情况)，1(标车辆所处当前位置天气状况)]。
目标车辆的行驶数据的特征向量用于表征结合用户(即驾驶目标车辆的车主)的使用习惯和车辆的行驶状况预测是否需要自动断电。例如，在确定目标车辆的行驶数据的特征向量时，如果用户离开车辆，断开手机与车载控制器的连接，并且蓝牙钥匙不在目标车辆附近，则可以认为用户已经离开车辆，可将“用户是否已经离开目标车辆”对应维度的特征向量值设定为1；用户手机与车辆的距离通过车载控制器与配套手机app获取，单位米，如对应维度的特征向量值可以为50；用户预设下次使用车辆时间是用户离开车辆时车载控制器语音提醒车主预设的，并记录该时间距当前时间的时间间隔，单位为小时，如8；目标车辆运行状态对应维度的特征向量值可以用0表示已熄火，用1表示仍在运行中；目标车辆发动机温度可以通过车载控制器获取，单位℃，如对应维度的特征向量值可以为80；目标车辆车内外温度均从车载控制器获取，单位℃，如对应维度的特征向量值可以为27、31；目标车辆的车况监控是否异常可以从车载监控系统获取，异常则对应维度的特征向量值可以为1，正常则对应维度的特征向量值可以为0。从而，可以确定出当前时刻目标车辆的行驶数据的特征向量为：[1(用户是否已经离开目标车辆)，50(用户手机与目标车辆的距离)，10(用户预设下次使用目标车辆的时间)，8(用户预设时间与当前时间间隔)，0(目标车辆运行状态)，60(目标车辆发动机温度)，31(目标车辆车内温度)，27(目标车辆车外温度)]。
S103：计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；其中，时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的。
在本实施例中，通过步骤S102从当前时刻的环境数据中提取出时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量后，为了能够准确判断出是否需要对目标车辆进行自动断电，进一步需要分别计算出这个三个特征向量与各自对应的标准特征向量之间的距离，以判断出目标车辆当前所处状态与需要自动断电的车辆所处状态的相似度高低，进而可以通过执行后续步骤S104，确定出是否控制目标车辆进行自动断电。
其中，标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的。也就是说，本申请会预先获取大量长时间停放的车辆(即需要自动断电的车辆)所处的时间数据、位置数据和行驶数据，然后再从中提取出时间数据的特征向量、位置数据的特征向量以及车辆的行驶数据的特征向量，接着，计算所有长时间停放车辆(即需要自动断电的车辆)的时间数据的特征向量的平均值，作为时间标准特征向量；并计算所有长时间停放车辆(即需要自动断电的车辆)的位置数据的特征向量的平均值，作为位置标准特征向量；以及计算所有长时间停放车辆(即需要自动断电的车辆)的车辆的行驶数据的特征向量，作为车辆的行驶标准特征向量。
具体来讲，本申请在计算目标车辆的时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离时，是采用余弦距离的计算方式，具体计算公式如下：
其中，d(A,B)表示目标车辆的时间数据的特征向量与时间标准特征向量之间的距离；A表示目标车辆的时间数据的特征向量；B表示时间标准特征向量；Ai表示目标车辆的时间数据的特征向量中第i个维度的特征向量值；Bi表示时间标准特征向量中第i个维度的特征向量值；n表示目标车辆的时间数据的特征向量和时间标准特征向量的维度总数。
在对上述公式(1)进行简化处理后，可得到下述公式(2)：
可见，d(A,B)的取值越小，表明目标车辆的时间数据的特征向量与时间标准特征向量越接近，即，表明目标车辆越可能是长时间停放的需要自动断电的车辆。反之，d(A,B)的取值越大，表明目标车辆的时间数据的特征向量与时间标准特征向量的区别越大，即，表明目标车辆越不可能是长时间停放的需要自动断电的车辆。
但是在使用上述(1)或(2)等余弦距离公式计算目标车辆的时间数据的特征向量与时间标准特征向量之间的距离d(A,B)时，特征向量中各维度特征向量值的权重相同，而实际上在不同地点，不同时间段长时间停车的决定因素也各不相同，不同特征对预测结果的影响也应不同。
因此，一种可选的实现方式是，上述步骤S103中“计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离”的具体实现过程可以包括一下步骤A1-A2：
步骤A1：计算时间数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重。
在本实现方式中，采用结合信息增益的方式来改进余弦距离的计算公式，即，在上述公式(2)中的累加之前，先将每一维度特征向量值乘以对应的权重，即该特征的信息增益，以体现不同特征向量值对预测结果的影响。
其中，信息增益是针对每个特征向量值而言的，对于某一特征向量值，包含它和不包含它时整体的信息熵的差值，就是这个特征向量值给整体特征向量所带来的信息量。对于一个特征向量值Ai，它的信息增益的计算公式如下：
IG(Ai)＝H(C)-H(C|Ai) (3)
其中，H(C)表示类别(包括需要自动断电和不需要自动断电两种类别)的熵；H(C|Ai)表示特征向量值为Ai时的，类别C的条件熵；假设C的需要自动断电和不需要自动断电两种类别分别表示是为C1和C2，则H(C)的计算公式如下：
其中，P(Cj)表示Cj出现的概率；根据条件概率公式可得H(C|Ai)的计算公式为公式如下：
其中，P(ai)表示Ai出现的概率；表示Ai不出现的概率；H(Cj|ai)表示特征向量值Ai出现的情况下Cj出现的概率；/>表示特征向量值Ai不出现的情况下Cj出现的概率。
在此基础上，可以得到特征向量值Ai的信息增益计算公式如下：
其中，由于Cj仅包括需要自动断电和不需要自动断电两种类别C1和C2，则P(Cj|ai)仅包括P(C1|ai)和P(C2|ai)，且二者分别表示考虑特征向量值Ai时开启自动断电保护和不开启自动断电保护的概率；而仅包括/>和/>且二者分别表示不考虑特征向量值Ai时开启自动断电保护和不开启自动断电保护的概率。
进一步，可以将特征向量值Ai的信息增益IG(Ai)作为特征向量值Ai的权重，用以执行后续步骤A2。
步骤A2：利用时间数据的特征向量中每一维度特征向量值的权重，计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离。
通过步骤A1计算出时间数据的特征向量中每一维度特征向量值的权重IG(Ai)后，进一步可以利用IG(Ai)对时间数据的特征向量与时间标准特征向量之间的距离的计算公式进行改进，即对上述公式(2)进行改进，得到第一距离，具体计算公式如下：
其中，d1(A,B)表示目标车辆的时间数据的特征向量与时间标准特征向量之间的距离，即第一距离；IG(Ai)表示目标车辆的时间数据的特征向量中第i个维度的特征向量值Ai的信息增益(即权重)。
类似的，另一种可选的实现方式是，上述步骤S103中“计算目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离”的具体实现过程可以包括一下步骤B1-B2：
步骤B1：计算目标车辆的位置数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重。
步骤B2：利用目标车辆的位置数据的特征向量中每一维度特征向量值的权重，计算位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离。
需要说明的是，步骤B1-B2的实现过程与上述步骤A1-A2一致，仅是将其中的时间数据的特征向量、时间标准特征向量、第一距离分别替换为目标车辆的位置数据的特征向量、位置标准特征向量、第二距离即可，详细实现过程可参照上述步骤A1-A2的描述内容，在此不再赘述。
同理，又一种可选的实现方式是，上述步骤S103中“计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离”的具体实现过程可以包括一下步骤C1-C2：
步骤C1：计算目标车辆的行驶数据的特征向量中每一特征维度向量值的信息增益，作为对应维度向量值的权重。
步骤C2：利用目标车辆的行驶数据的特征向量中每一特征维度向量值的权重，计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离。
需要说明的是，步骤C1-C2的实现过程与上述步骤A1-A2一致，仅是将其中的时间数据的特征向量、时间标准特征向量、第一距离分别替换为目标车辆的行驶数据的特征向量、车辆的行驶标准特征向量、第三距离即可，详细实现过程可参照上述步骤A1-A2的描述内容，在此不再赘述。
S104：根据第一距离、第二距离、第三距离，确定是否控制目标车辆进行自动断电。
在本实施例中，通过步骤S103得到第一距离、第二距离、第三距离后，进一步可以通过对第一距离、第二距离、第三距离进行处理，并根据处理结果，确定出是否需要控制目标车辆进行自动断电。例如，当第一距离、第二距离、第三距离的取值均大于预设阈值(具体取值可根据实际情况进行设定，本申请对此不进行限定，比如可以取值为0.8等)时，可以确定出需要控制目标车辆进行自动断电。
并且，为了能够更为准确的确定出是否需要控制目标车辆进行自动断电，不仅将第一距离、第二距离、第三距离作为判断依据，本申请还通过向量拼接的方式计算出当前时刻的环境数据中提取时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量与标准特征向量之间的综合距离(即后续提及的第四距离)，共同作为判断依据，以提供判断结果的准确性。
具体来讲，一种可选的实现方式是，首先可以将当前时刻目标车辆的时间数据的特征向量、目标车辆的位置数据的特征向量和目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；然后，将时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；接着，计算第一拼接特征向量和第二拼接特征向量之间的距离，得到第四距离。
举例说明：首先可以将通过步骤S102得到的目标车辆的时间数据的特征向量、目标车辆的位置数据的特征向量和目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量为：[22(当前时间)，1(已停车时长)，1(目标车辆是否为夜间停车)，1(是否为经常长时间停车时间段)，100(目标车辆与常用导航地址或收藏地址的最近距离)，1(目标车辆是否在家附近)，0(目标车辆是否在工作地点附近)，2(目标车辆所处当前位置附近交通拥堵情况)，1(标车辆所处当前位置天气状况)，1(用户是否已经离开目标车辆)，50(用户手机与目标车辆的距离)，10(用户预设下次使用目标车辆的时间)，8(用户预设时间与当前时间间隔)，0(目标车辆运行状态)，60(目标车辆发动机温度)，31(目标车辆车内温度)，27(目标车辆车外温度)]。同理可以将时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量，具体拼接结果根据实际获取的数据(即预先获取的大量需要自动断电的车辆所处的时间数据、位置数据和目标车辆的行驶数据)来确定，本实施例对第二拼接特征向量的具体内容不进行限定；接着，可以利用上述公式(1)-(7)计算出第一拼接特征向量和第二拼接特征向量之间的第四距离。
在此基础上，可以根据获得的第一距离、第二距离、第三距离和第四距离共同作为判断依据，确定出是否控制目标车辆进行自动断电。例如，当第一距离、第二距离、第三距离和第四距离的取值均大于预设阈值0.8时，可以确定出需要控制目标车辆进行自动断电。或者，一种可选的实现方式是，可以将第一距离、第二距离、第三距离和第四距离输入预先构建的概率预测模型，预测得到控制目标车辆进行自动断电的概率，并根据该概率确定是否控制目标车辆进行自动断电。比如，当通过模型预测得到控制目标车辆进行自动断电的概率大于概率阈值时，则可以确定是需要控制目标车辆进行自动断电，反之，若通过模型预测得到控制目标车辆进行自动断电的概率不大于概率阈值，则可以确定不需要控制目标车辆进行自动断电。其中，概率阈值的具体取值可根据实际情况进行设定，本申请实施例对此不进行限定，比如可以将概率阈值取值为0.5等。
其中，概率预测模型的构建过程具体可以包括：首先获取车辆所处的样本环境数据，然后利用所述样本环境数据，对预先构建的初始概率预测模型进行训练，得到概率预测模型。
具体来讲，在本实现方式中，为了构建概率预测模型，需要预先进行大量的准备工作，首先，需要收集大量长时间停放的车辆(即需要自动断电的车辆)和不需要自动断电的车辆所处的时间数据、位置数据和行驶数据等环境数据作为样本环境数据，然后再从中提取出时间数据的样本特征向量、位置数据的样本特征向量以及车辆的行驶数据的样本特征向量，接着，再利用上述公式(1)-(7)计算出第一样本距离、第二样本距离、第三样本距离和第四样本距离，并预先通过人工标注出这些样本环境数据对应车辆需要进行自动断电的概率标签。接着，可以根据该第一样本距离、第二样本距离、第三样本距离和第四样本距离以及样本环境数据对应的概率标记结果对初始概率预测模型进行训练，进而生成概率预测模型。
其中，一种可选的实现方式是，初始概率预测模型可以为BP神经网络模型。如图2所示，该BP神经网络模型输入层包括4节点(分别为i1、i2、i3、i4)，隐含层包括4节点(分别为h1、h2、h3、h4)，输出层包括1节点(o1)。
具体地，在进行模型训练时，可以依次从训练数据中提取一份包括时间数据、位置数据和车辆的行驶数据等环境数据作为样本环境数据的样本环境数据，并将该样本环境数据对应的归一化后的4种样本距离(第一样本距离、第二样本距离、第三样本距离和第四样本距离)作为模型输入，需要进行自动断电的概率(且概率取值在0和1之间，其中，1表示需要进行自动断电，0表示不需要进行自动断电)作为输出，进行多轮模型训练，并将每轮训练得到的预测概率值与对应的人工标注结果进行比较，并根据二者的差异对模型参数进行更新，直至满足预设的条件，比如差值变化幅度很小，则停止模型参数的更新，完成概率预测模型的训练，生成一个训练好的概率预测模型。
进一步的，在根据样本环境数据训练生成概率预测模型后，还可以利用验证环境数据对生成的概率预测模型进行验证。具体验证过程可以包括下述步骤(1)-(5)：
步骤(1)：获取车辆所处的验证环境数据；并从中提取时间数据的验证特征向量、车辆的位置数据的验证特征向量以及车辆的行驶数据的验证特征向量。
在本实施例中，为了实现对概率预测模型进行验证，首先需要获取车辆所处的验证环境数据，如可以收集大量长时间停放的车辆(即需要自动断电的车辆)和不需要自动断电的车辆所处的时间数据、位置数据和行驶数据等环境数据作为验证环境数据，其中，验证环境数据指的是可以用来进行概率预测模型验证的数据信息，在获取到这些验证环境数据并从中提取出时间数据的验证特征向量、车辆的位置数据的验证特征向量以及车辆的行驶数据的验证特征向量后，可继续执行后续步骤(2)。
步骤(2)：计算时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；计算车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；计算车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离。
通过步骤(1)获取到时间数据的验证特征向量、车辆的位置数据的验证特征向量以及车辆的行驶数据的验证特征向量后，进一步的，可以利用上述公式(1)-(7)计算出时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；并计算出车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；以及计算出车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离，用以执行后续步骤(3)，具体计算过程在此不再赘述。
步骤(3)：将时间数据的验证特征向量、车辆的位置数据的验证特征向量和车辆的行驶数据的验证特征向量进行拼接，得到第一拼接验证特征向量；将时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；计算第一拼接验证特征向量和所述第二拼接特征向量之间的距离，得到第四验证距离。
通过步骤(1)获取到时间数据的验证特征向量、车辆的位置数据的验证特征向量以及车辆的行驶数据的验证特征向量后，进一步的，可以将各个验证特征向量进行拼接，并与拼接后的标准特征向量进行距离计算，以得到二者之间的第四验证距离，用以执行后续步骤(4)，具体计算过程在此不再赘述。
步骤(4)：将第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得验证环境数据的自动断电概率预测结果。
通过步骤(2)获取到第一验证距离、第二验证距离、第三验证距离以及通过步骤(3)获取到第四验证距离后，进一步的，可以将第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得验证环境数据的自动断电概率的预测结果，用以执行后续步骤(5)。
步骤(5)：当验证环境数据的自动断电概率预测结果与验证环境数据对应的自动断电概率标签结果不一致时，将验证环境数据重新作为样本环境数据，对概率预测模型进行更新。
通过步骤(4)获得验证环境数据的自动断电概率的预测结果后，当该预测结果与验证环境数据对应的真实断电结果(如人工标注的断电概率标记结果)不一致时，可以将该验证环境数据重新作为样本环境数据，对概率预测模型进行参数更新。
通过上述实施例，可以利用验证环境数据对概率预测模型进行有效验证，当验证环境数据对应的自动断电概率的预测结果与验证环境数据对应的真实断电结果(如人工标注的断电概率标记结果)不一致时，可以及时调整更新概率预测模型，进而有助于提高预测模型的预测精度和准确性。
综上，本实施例提供的一种车辆断电保护方法，首先获取当前时刻目标车辆所处的环境数据；其中，环境数据包括时间数据、目标车辆的位置数据和目标车辆的行驶数据，然后从中提取出时间数据的特征向量、目标车辆的位置数据的特征向量以及目标车辆的行驶数据的特征向量；接着，计算时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离，其中，时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；进而可以根据第一距离、第二距离、第三距离，确定是否控制目标车辆进行自动断电。
可见，由于本申请实施例是根据用户的使用习惯和目标车辆的行驶数据，确定出目标车辆当前时刻所处环境与需要自动断电的车辆所处环境之间的差异，从而能够根据差异值更准确的判定出是否需要控制目标车辆进行自动断电，进而有助于延长目标车辆车载电池的使用寿命，也提高了用户的驾驶体验。
第二实施例
本实施例将对一种车辆断电保护装置进行介绍，相关内容请参见上述方法实施例。
参见图3，为本实施例提供的一种车辆断电保护装置的组成示意图，该装置300包括：
第一获取单元301，用于获取当前时刻目标车辆所处的环境数据；所述环境数据包括时间数据、所述目标车辆的位置数据和所述目标车辆的行驶数据；
提取单元302，用于从所述当前时刻的环境数据中提取时间数据的特征向量、所述目标车辆的位置数据的特征向量以及所述目标车辆的行驶数据的特征向量；
第一计算单元303，用于计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；
确定单元304，用于根据所述第一距离、第二距离、第三距离，确定是否控制所述目标车辆进行自动断电。
在本实施例的一种实现方式中，所述第一计算单元303包括：
第一计算子单元，用于计算所述时间数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
第二计算子单元，用于利用所述时间数据的特征向量中每一维度特征向量值的权重，计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离。
在本实施例的一种实现方式中，所述第一计算单元303包括：
第三计算子单元，用于计算所述目标车辆的位置数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
第四计算子单元，用于利用所述目标车辆的位置数据的特征向量中每一维度特征向量值的权重，计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离。
在本实施例的一种实现方式中，所述第一计算单元303包括：
第五计算子单元，用于计算所述目标车辆的行驶数据的特征向量中每一特征维度向量值的信息增益，作为对应维度向量值的权重；
第六计算子单元，用于利用所述目标车辆的行驶数据的特征向量中每一特征维度向量值的权重，计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离。
在本实施例的一种实现方式中，所述装置还包括：
第一拼接单元，用于将所述当前时刻的时间数据的特征向量、所述目标车辆的位置数据的特征向量和所述目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；
第二拼接单元，用于将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；
第二计算单元，用于计算所述第一拼接特征向量和所述第二拼接特征向量之间的距离，得到第四距离；
所述确定单元304具体用于：
根据所述第一距离、第二距离、第三距离和第四距离，确定是否控制所述目标车辆进行自动断电。
在本实施例的一种实现方式中，所述确定单元304具体用于：
将所述第一距离、第二距离、第三距离和第四距离输入预先构建的概率预测模型，预测得到控制所述目标车辆进行自动断电的概率，并根据所述概率确定是否控制所述目标车辆进行自动断电；
所述装置还包括：
第二获取单元，用于获取车辆所处的样本环境数据；
训练单元，用于利用所述样本环境数据，对预先构建的初始概率预测模型进行训练，得到所述概率预测模型。
在本实施例的一种实现方式中，所述初始概率预测模型为BP神经网络模型。
在本实施例的一种实现方式中，所述装置还包括：
第三获取单元，用于获取车辆所处的验证环境数据；并从中提取时间数据的验证特征向量、所述车辆的位置数据的验证特征向量以及所述车辆的行驶数据的验证特征向量；
第三计算单元，用于计算所述时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；计算所述车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；计算所述车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离；
第三拼接单元，用于将所述时间数据的验证特征向量、所述车辆的位置数据的验证特征向量和所述车辆的行驶数据的验证特征向量进行拼接，得到第一拼接验证特征向量；将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；计算所述第一拼接验证特征向量和所述第二拼接特征向量之间的距离，得到第四验证距离；
获得单元，用于将所述第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得所述验证环境数据的自动断电概率预测结果；
更新单元，用于当所述验证环境数据的自动断电概率预测结果与所述验证环境数据对应的自动断电概率标签结果不一致时，将所述验证环境数据重新作为所述样本环境数据，对所述概率预测模型进行更新。
进一步地，本申请实施例还提供了一种车辆断电保护设备，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述车辆断电保护方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述车辆断电保护方法的任一种实现方法。
进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述车辆断电保护方法的任一种实现方法。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。
需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车辆断电保护方法，其特征在于，包括：
获取当前时刻目标车辆所处的环境数据；所述环境数据包括时间数据、所述目标车辆的位置数据和所述目标车辆的行驶数据；
从所述当前时刻的环境数据中提取时间数据的特征向量、所述目标车辆的位置数据的特征向量以及所述目标车辆的行驶数据的特征向量；
计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；
将所述时间数据的特征向量、所述目标车辆的位置数据的特征向量和所述目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；
将所述时间标准特征向量、所述位置标准特征向量和所述车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；
计算所述第一拼接特征向量和所述第二拼接特征向量之间的距离，得到第四距离；
将所述第一距离、所述第二距离、所述第三距离、所述第四距离输入预先构建的概率预测模型，预测得到控制所述目标车辆进行自动断电的概率，并根据所述概率确定是否控制所述目标车辆进行自动断电；所述概率预测模型利用车辆所处的样本环境数据训练得到。
2.根据权利要求1所述的方法，其特征在于，所述计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离，包括：
计算所述时间数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
利用所述时间数据的特征向量中每一维度特征向量值的权重，计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离。
3.根据权利要求1所述的方法，其特征在于，所述计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离，包括：
计算所述目标车辆的位置数据的特征向量中每一维度特征向量值的信息增益，作为对应维度向量值的权重；
利用所述目标车辆的位置数据的特征向量中每一维度特征向量值的权重，计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离。
4.根据权利要求1所述的方法，其特征在于，所述计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离，包括：
计算所述目标车辆的行驶数据的特征向量中每一特征维度向量值的信息增益，作为对应维度向量值的权重；
利用所述目标车辆的行驶数据的特征向量中每一特征维度向量值的权重，计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离。
5.根据权利要求1所述的方法，其特征在于，所述概率预测模型的构建方式如下：
获取车辆所处的样本环境数据；
利用所述样本环境数据，对预先构建的初始概率预测模型进行训练，得到所述概率预测模型。
6.根据权利要求5所述的方法，其特征在于，所述初始概率预测模型为BP神经网络模型。
7.根据权利要求5-6任一项所述的方法，其特征在于，所述方法还包括：
获取车辆所处的验证环境数据；并从中提取时间数据的验证特征向量、所述车辆的位置数据的验证特征向量以及所述车辆的行驶数据的验证特征向量；
计算所述时间数据的验证特征向量与时间标准特征向量之间的距离，得到第一验证距离；计算所述车辆的位置数据的验证特征向量与位置标准特征向量之间的距离，得到第二验证距离；计算所述车辆的行驶数据的验证特征向量与车辆的行驶标准特征向量之间的距离，得到第三验证距离；
将所述时间数据的验证特征向量、所述车辆的位置数据的验证特征向量和所述车辆的行驶数据的验证特征向量进行拼接，得到第一拼接验证特征向量；将所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；计算所述第一拼接验证特征向量和所述第二拼接特征向量之间的距离，得到第四验证距离；
将所述第一验证距离、第二验证距离、第三验证距离及第四验证距离输入概率预测模型，获得所述验证环境数据的自动断电概率预测结果；
当所述验证环境数据的自动断电概率预测结果与所述验证环境数据对应的自动断电概率标签结果不一致时，将所述验证环境数据重新作为所述样本环境数据，对所述概率预测模型进行更新。
8.一种车辆断电保护装置，其特征在于，包括：
第一获取单元，用于获取当前时刻目标车辆所处的环境数据；所述环境数据包括时间数据、所述目标车辆的位置数据和所述目标车辆的行驶数据；
提取单元，用于从所述当前时刻的环境数据中提取时间数据的特征向量、所述目标车辆的位置数据的特征向量以及所述目标车辆的行驶数据的特征向量；
第一计算单元，用于计算所述时间数据的特征向量与时间标准特征向量之间的距离，得到第一距离；计算所述目标车辆的位置数据的特征向量与位置标准特征向量之间的距离，得到第二距离；计算所述目标车辆的行驶数据的特征向量与车辆的行驶标准特征向量之间的距离，得到第三距离；所述时间标准特征向量、位置标准特征向量和车辆的行驶标准特征向量是根据需要自动断电的车辆所处的历史环境数据确定的；
第一拼接单元，用于将所述时间数据的特征向量、所述目标车辆的位置数据的特征向量和所述目标车辆的行驶数据的特征向量进行拼接，得到第一拼接特征向量；
第二拼接单元，用于将所述时间标准特征向量、所述位置标准特征向量和所述车辆的行驶标准特征向量进行拼接，得到第二拼接特征向量；
第二计算单元，用于计算所述第一拼接特征向量和所述第二拼接特征向量之间的距离，得到第四距离；
确定单元，用于将所述第一距离、所述第二距离、所述第三距离、所述第四距离输入预先构建的概率预测模型，预测得到控制所述目标车辆进行自动断电的概率，并根据所述概率确定是否控制所述目标车辆进行自动断电；所述概率预测模型利用车辆所处的样本环境数据训练得到。
9.一种车辆断电保护设备，其特征在于，包括：处理器、存储器、系统总线；
所述处理器以及所述存储器通过所述系统总线相连；
所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-7任一项所述的方法。
CN202111462400.0A 2021-12-02 2021-12-02 一种车辆断电保护方法、装置、存储介质及设备 Active CN114228637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111462400.0A CN114228637B (zh) 2021-12-02 2021-12-02 一种车辆断电保护方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111462400.0A CN114228637B (zh) 2021-12-02 2021-12-02 一种车辆断电保护方法、装置、存储介质及设备

Publications (2)

Publication Number Publication Date
CN114228637A CN114228637A (zh) 2022-03-25
CN114228637B true CN114228637B (zh) 2024-02-20

Family

ID=80752800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111462400.0A Active CN114228637B (zh) 2021-12-02 2021-12-02 一种车辆断电保护方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN114228637B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103984744A (zh) * 2014-05-23 2014-08-13 航天科技控股集团股份有限公司 一种车载终端数据存储及检索方法
EP2781411A1 (en) * 2011-11-18 2014-09-24 Toyota Jidosha Kabushiki Kaisha Traveling environment prediction device, vehicle control device, and methods therefor
DE102013221379A1 (de) * 2013-10-22 2015-04-23 Robert Bosch Gmbh Verfahren und Vorrichtungen zum Aufladen einer Batterie eines Fahrzeugs
CN105550295A (zh) * 2015-12-10 2016-05-04 小米科技有限责任公司 分类模型优化方法及装置
CN107878396A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 车辆控制系统及其控制方法
CN111104969A (zh) * 2019-12-04 2020-05-05 东北大学 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法
CN111152660A (zh) * 2020-01-06 2020-05-15 河南理工大学 一种基于tsens c1惯性导航模块的电动车智能断电系统
CN111709450A (zh) * 2020-05-21 2020-09-25 深圳大学 一种基于多尺度特征融合的点云法向量估计方法及系统
CN111861043A (zh) * 2020-08-04 2020-10-30 上海钧正网络科技有限公司 一种车辆失联预测方法、装置、计算机设备和存储介质
CN112085165A (zh) * 2020-09-02 2020-12-15 中国第一汽车股份有限公司 一种决策信息生成方法、装置、设备及存储介质
CN112562135A (zh) * 2020-12-07 2021-03-26 中国第一汽车股份有限公司 一种车辆控制方法、装置、车辆和存储介质
CN112577510A (zh) * 2020-11-25 2021-03-30 北京百度网讯科技有限公司 应用于车辆的展示信息的方法、装置、设备和存储介质
CN113442691A (zh) * 2021-06-18 2021-09-28 科大讯飞股份有限公司 智能车膜的控制方法、装置和存储介质及电子设备
JP2021152906A (ja) * 2020-05-14 2021-09-30 阿波▲羅▼智▲聯▼（北京）科技有限公司 車両軌跡の予測方法、装置、機器及び記憶媒体
CN113469232A (zh) * 2021-06-21 2021-10-01 上汽通用五菱汽车股份有限公司 车辆用户分类方法、设备及计算机可读存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6076751B2 (ja) * 2013-01-22 2017-02-08 株式会社日立製作所 異常診断方法およびその装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2781411A1 (en) * 2011-11-18 2014-09-24 Toyota Jidosha Kabushiki Kaisha Traveling environment prediction device, vehicle control device, and methods therefor
DE102013221379A1 (de) * 2013-10-22 2015-04-23 Robert Bosch Gmbh Verfahren und Vorrichtungen zum Aufladen einer Batterie eines Fahrzeugs
CN103984744A (zh) * 2014-05-23 2014-08-13 航天科技控股集团股份有限公司 一种车载终端数据存储及检索方法
CN105550295A (zh) * 2015-12-10 2016-05-04 小米科技有限责任公司 分类模型优化方法及装置
CN107878396A (zh) * 2016-09-30 2018-04-06 法乐第(北京)网络科技有限公司 车辆控制系统及其控制方法
CN111104969A (zh) * 2019-12-04 2020-05-05 东北大学 一种无人驾驶车辆与周边车辆的碰撞可能性预判方法
CN111152660A (zh) * 2020-01-06 2020-05-15 河南理工大学 一种基于tsens c1惯性导航模块的电动车智能断电系统
JP2021152906A (ja) * 2020-05-14 2021-09-30 阿波▲羅▼智▲聯▼（北京）科技有限公司 車両軌跡の予測方法、装置、機器及び記憶媒体
CN111709450A (zh) * 2020-05-21 2020-09-25 深圳大学 一种基于多尺度特征融合的点云法向量估计方法及系统
CN111861043A (zh) * 2020-08-04 2020-10-30 上海钧正网络科技有限公司 一种车辆失联预测方法、装置、计算机设备和存储介质
CN112085165A (zh) * 2020-09-02 2020-12-15 中国第一汽车股份有限公司 一种决策信息生成方法、装置、设备及存储介质
CN112577510A (zh) * 2020-11-25 2021-03-30 北京百度网讯科技有限公司 应用于车辆的展示信息的方法、装置、设备和存储介质
CN112562135A (zh) * 2020-12-07 2021-03-26 中国第一汽车股份有限公司 一种车辆控制方法、装置、车辆和存储介质
CN113442691A (zh) * 2021-06-18 2021-09-28 科大讯飞股份有限公司 智能车膜的控制方法、装置和存储介质及电子设备
CN113469232A (zh) * 2021-06-21 2021-10-01 上汽通用五菱汽车股份有限公司 车辆用户分类方法、设备及计算机可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于无人机视频拍摄的高速公路小型车换道行为特性;马小龙;余强;刘建蓓;马媛媛;;中国公路学报(06);99-109 *

Also Published As

Publication number Publication date
CN114228637A (zh) 2022-03-25

Similar Documents

Publication Publication Date Title
CN111806239B (zh) 电动车辆续航里程测量方法、电子设备及存储介质
JP6227557B2 (ja) 電気自動車の充電ネットワークサービス
CN105905052B (zh) 用于预测车辆预调节的方法和设备
US20180080995A1 (en) Notification system and method for providing remaining running time of a battery
US9248823B2 (en) Method and apparatus for providing parking instructions to reduce environmental vehicle effects
CN112622881B (zh) 一种智能泊车方法、装置、系统、存储介质及车辆
EP3796014A1 (en) Battery control device, charge and discharge system, parking lot system, secondary battery reuse system, battery control method, and battery control program
US20140077766A1 (en) Charging/discharging support device
US20150345972A1 (en) Vehicle information providing device
US20200158786A1 (en) System and method for determining a status of a vehicle battery
JP5542284B2 (ja) 車両利用支援装置
CN110147492A (zh) 一种信息处理方法、交通工具及存储介质
CN112078431B (zh) 一种车辆能耗预测和能源补充方法及相关设备
RU2722243C2 (ru) Процессор транспортного средства и способ отслеживания и предоставления отчета об использовании транспортного средства и ассоциированной стоимости топлива
CN114038230B (zh) 共享停车场车位推荐方法、系统、计算机设备及储存介质
CN114228637B (zh) 一种车辆断电保护方法、装置、存储介质及设备
EP4159562A1 (en) Power distribution management method and device for hybrid vehicle
CN110553657B (zh) 一种基于聊天机器人的导航方法及系统
US11580594B2 (en) Information processing device, information processing method, and information processing system
KR20180107892A (ko) 텔레매틱스 서버 및 텔레매틱스 서버의 제어 방법
CN114446063B (zh) 一种剩余车位数的提醒方法及装置
EP3889856B1 (en) Power calculation apparatus and power calculation method
JP2018010396A (ja) 情報提供方法および情報提供装置
JP6719501B2 (ja) バッテリー交換料金決定システム
JP2014228374A (ja) 情報提供装置、情報提供システム、および情報提供方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant