CN114415049B - 蓄电池健康度评分卡的确定方法、装置、设备及存储介质 - Google Patents

Abstract

本发明实施例公开了一种蓄电池健康度评分卡的确定方法、装置、设备及存储介质。其中，该方法包括：获取车辆在预设采集周期内的蓄电池报警数据和候选特征采集数据，判断采集数据是否满足预设数据预处理条件；若是，则根据预设数据预处理规则，对采集数据预处理，得到候选特征的第一数据；根据候选特征的第一数据和蓄电池报警数据，基于预设特征筛选规则，从候选特征中确定目标特征；根据预设分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的分箱数据；将目标特征的分箱数据和蓄电池报警数据输入至预设逻辑回归模型中，得到目标特征中任一分箱数据的评分分值，以评分分值和对应的分箱数据，确定蓄电池健康度评分卡。

Description

蓄电池健康度评分卡的确定方法、装置、设备及存储介质

技术领域

本发明实施例涉及计算机技术，尤其涉及一种蓄电池健康度评分卡的确定方法、装置、设备及存储介质。

背景技术

汽车蓄电池在汽车行业中应用非常广泛，是汽车的重要组成部件，也是重要的应急保障手段。随着汽车智能化和交互功能的不断发展，网络通信的复杂性倍增，大大增加了车辆蓄电池发生亏电的风险。

现有技术中，当车辆电池亏电时，车辆可以发出报警信号提示用户，但是此时亏电已经发生，即将面临的是车辆抛锚等严重安全风险，用户体验感非常差。在亏电风险评测方面，只能通过万用表串联进行监测，或通过车内节点对蓄电池电压进行监控，没有方法可以根据车辆的行驶特征对车辆蓄电池健康度进行评分预测，蓄电池监测效率较低。

发明内容

本发明实施例提供一种蓄电池健康度评分卡的确定方法、装置、设备及存储介质，以实现对车辆蓄电池的健康度进行高效评分。

第一方面，本发明实施例提供了一种蓄电池健康度评分卡的确定方法，该方法包括：

获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

第二方面，本发明实施例还提供了一种蓄电池健康度评分卡的确定装置，该装置包括：

采集数据获取模块，用于获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

第一数据获得模块，用于若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

目标特征确定模块，用于根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

分箱数据确定模块，用于根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

评分卡确定模块，用于将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任意实施例所述的蓄电池健康度评分卡的确定方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明任意实施例所述的蓄电池健康度评分卡的确定方法。

本发明实施例通过获取候选特征的采集数据，确定采集数据是否需要进行预处理。若需要，则可以得到预处理后的第一数据。通过对采集数据预处理，可以提高采集数据的完整性和精确性，减少后续确定评分分值时的误差。根据蓄电池报警数据和预设的特征筛选规则，从大量的候选特征中确定目标特征，有效减少评分分值的计算量，提高计算效率，且筛选掉对蓄电池报警影响小的候选特征，提高评分卡确定精度。对目标特征的第一数据进行离散化处理，将分箱数据输入至预设的逻辑回归模型中，得到各个分箱数据对应的评分分值，根据评分分值构建出评分卡。解决了现有技术中，无法对车辆电池进行随时评分的问题，通过构建评分卡，减少人为评分的误差，提高对车辆蓄电池健康度的评分效率和精度。

附图说明

图1是本发明实施例一中的一种蓄电池健康度评分卡的确定方法的流程示意图；

图2是本发明实施例二中的一种蓄电池健康度评分卡的确定方法的流程示意图；

图3是本发明实施例三中的一种蓄电池健康度评分卡的确定装置的结构示意图；

图4是本发明实施例四中的一种蓄电池健康度评分卡的确定设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一所提供的一种蓄电池健康度评分卡的确定方法的流程示意图，本实施例可适用于为车辆蓄电池生成健康度评分卡，以使用评分卡对车辆蓄电池健康度进行评分的情况，该方法可以由一种蓄电池健康度评分卡的确定装置来执行。如图1所示，该方法具体包括如下步骤：

步骤110、获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断采集数据是否满足预设的数据预处理条件。

其中，预先设置一个数据的采集周期，根据预设的数据采集周期获取车辆的蓄电池报警数据和候选特征的采集数据。蓄电池报警数据可以是数据采集周期内，车辆蓄电池的报警次数和报警时间等数据。候选特征的采集数据是用户预先确定的候选特征在数据采集周期内采集到的数据，候选特征的采集数据可以是车载信号和外围数据等。候选特征可以包括车辆状态、充电状态、车速、里程、经纬度信息、单体电池最高/最低电压、单体电池最高/最低电压位置、单体电池最高/最低温度、单体电池最高/最低温度位置、所有单体采集点电压和所有单体采集点温度等车载信号的特征，也可以包括天气和路况等外围数据的特征。蓄电池报警数据和候选特征的采集数据可以以给定周期，如1s、2s、5s或10s等，实时上传至云端数据平台。

预先设置数据预处理条件，在获取到候选特征的采集数据后，判断候选特征的采集数据是否满足数据预处理条件。例如，采集数据进行预处理的预处理条件为，采集数据中存在高于预设数据阈值的数据值，若采集数据满足数据预处理条件，则需要对采集数据进行预处理。若采集数据不满足数据预处理条件，则可以直接执行步骤130。

本实施例中，可选的，判断采集数据是否满足预设的数据预处理条件，包括：判断采集数据中是否存在缺失值和/或异常值，若是，则确定采集数据满足预设的数据预处理条件。

具体的，数据预处理条件可以是采集数据中存在缺失值和/或异常值，如果采集数据中存在缺失值和/或异常值，则确定需要对采集数据进行预处理。缺失值是指采集数据中没有实际采集到的数值，在采集数据值中若存在缺失值，则可以将缺失值以NAN表示。例如，获取车辆在预设采集周期内的车速特征的数据，在12点至13点的采集数据中，12点30至12点40之间的采集数据为NAN，则确定车速特征的采集数据存在缺失值。异常值是指采集数据中明显不符合数据采集范围的数值，例如，可以预设数据采集范围，在获取采集数据时，若存在明显高于或低于数据采集范围的采集数据，则确定该采集数据为异常值。这样设置的有益效果在于，可以对采集数据进行初步判断，确定是否需要对采集数据进行预处理，避免在后续数据处理的过程中，存在异常值或缺失值影响数据处理的精度，有效提高蓄电池健康度评分卡的确定精度，进而提高蓄电池评分的效果。

步骤120、若是，则根据预设的数据预处理规则，对采集数据进行预处理，得到候选特征的第一数据。

其中，预先设置数据预处理规则，若采集数据满足预设的数据预处理条件，则根据数据预处理规则，对采集数据进行预处理，预处理后的采集数据为候选特征的第一数据。例如，数据预处理规则可以是删除异常值和/或缺失值，则删除异常值和/或缺失值后的采集数据为第一数据。

本实施例中，可选的，若是，则根据预设的数据预处理规则，对采集数据进行预处理，得到候选特征的第一数据，包括：若候选特征的采集数据中存在异常值，则将异常值删除，或根据候选特征中除异常值以外的其他采集数据，确定异常值的替换数据，以替换数据对异常值进行替换；若候选特征的采集数据中存在缺失值，则根据候选特征已有的采集数据确定候选特征的数据平均值，将数据平均值补充为缺失值的数据；将候选特征中预处理后的采集数据确定为第一数据。

具体的，若候选特征的采集数据中存在异常值，则可以直接将异常值删除，删除后剩下的采集数据为第一数据。例如，预设候选特征的采集数据为正态分布，采集数据中存在位于正态分布曲线之外的数据，则将正态分布曲线之外的采集数据作为异常值删除；或者，预先设置一个数据阈值，将超出数据阈值的采集数据删除。

也可以对异常值进行替换，将异常值替换为正常的采集数据值，将替换后的异常值和除异常值之外的采集数据作为第一数据。例如，采集数据为正态分布，根据正态分布的计算公式，可以计算出曲线中异常值处的正确数据值作为替换数据进行替换；或者，根据采集数据中除异常值以外的其他采集数据，计算采集数据的平均值，以平均值作为替换数据来替换异常值。

若候选特征的采集数据中存在缺失值，则可以根据候选特征已有的采集数据确定候选特征的数据平均值，将数据平均值补充为缺失值的数据，得到完整的采集数据。本实施例中，不限制计算替换数据或缺失值的方式。例如，可以根据正常的采集数据计算均值、最大值、最小值、方差、标准差、变异系数、25分位数、中位数、75分位数、平均绝对偏差、偏度或峰度等作为替换数据或缺失值。若候选特征中的缺失值或异常值较多，则可以删除该候选特征。这样设置的有益效果在于，对异常值或缺失值进行预处理，保证采集数据的完整性和准确性，进而提高蓄电池评分的确定精度。

步骤130、根据候选特征的第一数据和蓄电池报警数据，基于预设的特征筛选规则，从候选特征中确定目标特征。

其中，在同一时刻，各个候选特征的采集数据可以关联有同样的蓄电池报警数据，蓄电池报警数据表示车辆的蓄电池发生了报警。例如，在中午12点的时间，里程特征对应有一个第一数据一，车速特征对应有一个第一数据二，天气特征对应有一个第一数据三，在该时间下，还有一个蓄电池报警数据，蓄电池报警数据表示此时蓄电池发生了报警。预先设置一个特征筛选规则，根据候选特征的第一数据和蓄电池报警数据之间的关联关系，可以从候选特征中确定目标特征，目标特征是对蓄电池报警产生影响的特征。本实施例中，特征筛选规则可以是：一、根据专业知识选择可能相关的特征；二、根据特征间的相关系数矩阵选择特征之间相关性低的特征；三、根据预设模型的特征重要度排序选择重要度高的特征，可以预设重要度的评价指标，例如，评价指标可以是基尼指数、熵减或线性模型的权重等。这三个方法不分先后，可以选择其一、其二或者其三。例如，在中午12点的时间，里程特征对应有一个第一数据一，车速特征对应有一个第一数据二，天气特征对应有一个第一数据三，此时关联的蓄电池报警数据为蓄电池发生了报警。在中午12点10分的时间，里程特征对应有一个第一数据四，车速特征对应有一个第一数据二，天气特征对应有一个第一数据三，此时没有对应的蓄电池报警数据，即蓄电池没有进行报警。特征筛选规则为找到引发蓄电池报警的候选特征，里程特征的变化影响蓄电池的报警，因此，可以确定候选特征中的里程特征为目标特征。

本实施例中，可选的，根据候选特征的第一数据和蓄电池报警数据，基于预设的特征筛选规则，从候选特征中确定目标特征，包括：根据车辆在发出蓄电池报警数据时任一候选特征的第一数据，以及车辆未发出蓄电池报警数据时任一候选特征的第一数据，确定候选特征对车辆发出蓄电池报警数据的重要性概率；根据预设的特征筛选规则，对重要性概率进行排序，将预设排位内的候选特征确定为目标特征。

具体的，确定车辆发出蓄电池报警数据的时间，获取该时间下所有候选特征的第一数据。确定车辆没有发出蓄电池报警数据的时间，获取该时间下所有候选特征的第一数据。根据不同时间下，候选特征的变化对蓄电池报警的影响，确定候选特征对车辆发出蓄电池报警数据的重要性概率。候选特征变化时蓄电池报警数据发生了变化，则候选特征对车辆发出蓄电池报警数据的重要性概率大；候选特征变化时蓄电池报警数据没有变化，则候选特征对车辆发出蓄电池报警数据的重要性概率小。例如，存在三个候选特征，在时刻一和时刻二，候选特征一发生变化，候选特征二和候选特征三没有发生变化，且时刻一没有发出蓄电池报警数据，时刻二发出蓄电池报警数据，则确定候选特征一的重要性概率大；若候选特征一和候选特征二均发生变化，则可以再根据时刻三时，候选特征的数据变化和蓄电池报警数据的变化，确定候选特征一和候选特征二的重要性概率。

预先设置一个特征筛选规则，特征筛选规则可以是将重要性概率由大至小进行排序，选取预设排位内的候选特征作为目标特征。例如，可以选取排在前10位的候选特征作为目标特征。这样设置的有益效果在于，可以从大量的候选特征中选取对蓄电池评分有影响的目标特征，减少蓄电池评分分值的计算量，提高蓄电池健康度评分卡的确定效率和精度。

在确定目标特征之前，可以根据候选特征生成衍生特征，再从候选特征和衍生特征中，确定目标特征。例如，可以针对已有的候选特征生成加性特征、乘性特征和除性特征等衍生特征。在确定目标特征之前，也可以根据实践经验进行初步的特征筛选，再进行重要性概率的判断。

步骤140、根据预设的分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的至少两个分箱数据。

其中，预先设置分箱大小，根据分箱大小对目标特征的第一数据进行离散化处理，将目标特征的第一数据离散为多个分箱数据。例如，目标特征的第一数据有100个数值，分箱大小可以是10个数值，则可以将第一数据分箱为10个分箱数据。

步骤150、将目标特征的分箱数据和蓄电池报警数据输入至预设的逻辑回归模型中，得到目标特征中任一分箱数据的评分分值，以评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

其中，预先构建一个逻辑回归模型，逻辑回归模型可以参考随机森林算法、循环神经网络算法和长短期记忆算法等，选择效果最理想的模型。将目标特征的分箱数据以及与分箱数据对应的蓄电池报警数据输入至逻辑回归模型中，输出得到目标特征中各个分箱数据所对应的数据范围的评分分值。逻辑回归模型中可以设定在分箱数据的数据范围内，车辆发出的蓄电池报警数据越多，该分箱数据的评分分值越低。例如，目标特征为“最长停驶时间(h)”，分箱数据的数据范围为(0，3]、(3，4]、(4，5]、(5，8]、(8，9]和(9+∞)，最长停驶时间越长，蓄电池报警数据越多，评分分值越低，可以得到各个分箱数据对应的评分分值为0、-3、-5、-11、-15和-20。即，当汽车最长停驶时间为2小时时，评分分值为0分；最长停驶时间为4小时时，评分分值为-3分。

确定各个目标特征的各个分箱数据对应的评分分值，构建蓄电池健康度评分卡。蓄电池健康度评分卡可以如表1所示：

表1蓄电池健康度评分卡

在得到蓄电池健康度评分卡后，可以根据蓄电池健康度评分卡对各辆汽车进行蓄电池健康度的评分，即获取待评分车辆在预设评分周期内目标特征的采集数据，根据目标特征的采集数据从评分卡中查找对应的分箱范围，根据分箱范围的评分分值，得到待评分车辆的蓄电池评分结果。根据评分分值计算评分结果可以是，将对应范围的评分分值相加，或者根据预设的分值权重进行计算。例如，待评分汽车在一个月内的目标特征采集数据为：车辆唤醒次数250次、最长停驶时间5小时、停驶大于3天次数0次、大于10min行驶的行程次数为40次以及大于10min行程的天数10天，则该待评分汽车的评分结果是-4分。

本实施例的技术方案，通过获取候选特征的采集数据，确定采集数据是否需要进行预处理。若需要，则可以得到预处理后的第一数据。通过对采集数据预处理，可以提高采集数据的完整性和精确性，减少后续确定评分分值时的误差。根据蓄电池报警数据和预设的特征筛选规则，从大量的候选特征中确定目标特征，有效减少评分分值的计算量，提高计算效率，且筛选掉对蓄电池报警影响小的候选特征，提高评分卡确定精度。对目标特征的第一数据进行离散化处理，将分箱数据输入至预设的逻辑回归模型中，得到各个分箱数据对应的评分分值，根据评分分值构建出评分卡。解决了现有技术中，无法对车辆电池进行随时评分的问题，通过构建评分卡，减少人为评分的误差，提高对车辆蓄电池健康度的评分效率和精度。

实施例二

图2为本发明实施例二所提供的一种蓄电池健康度评分卡的确定方法的流程示意图，本实施例以上述实施例为基础进行进一步的优化，该方法可以由一种蓄电池健康度评分卡的确定装置来执行。如图2所示，该方法具体包括如下步骤：

步骤210、获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断采集数据是否满足预设的数据预处理条件。

步骤220、若是，则根据预设的数据预处理规则，对采集数据进行预处理，得到候选特征的第一数据。

步骤230、根据候选特征的第一数据和蓄电池报警数据，基于预设的特征筛选规则，从候选特征中确定目标特征。

步骤240、根据预设的分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的至少两个分箱数据。

步骤250、根据预设的权重确定算法，确定目标特征中任一分箱数据的权重。

其中，预先设置权重确定算法，根据各个目标特征的各分箱数据中的第一数据，计算各个分箱数据的权重大小。可以根据如下公式计算权重：

其中，WOE表示分箱数据的权重，好样本占比为分箱数据中好样本与该分箱数据中所有数据的占比，坏样本占比为分箱数据中坏样本与该分箱数据中所有数据的占比。可以预设好样本与坏样本的区分规则，例如，可以将小于或等于预设样本阈值的第一数据作为好样本，将大于预设样本阈值的第一数据作为坏样本。

步骤260、判断权重是否满足预设的分箱合格条件，若是，则根据预设的预测能力确定算法，确定目标特征的预测能力。

其中，在得到各个分箱数据的权重后，判断目标特征的各个权重是否满足预设的分箱合格条件，例如，分箱合格条件可以是WOE的数值曲线为U型或者倒U型的非线性关系。若权重满足预设的分箱合格条件，则根据预设的预测能力确定算法，确定目标特征的预测能力。可以根据预设的预测能力确定公式计算预测能力。预测能力计算公式可以如下所示：

其中，IV表示目标特征的预测能力，i表示第i个分箱数据，m表示目标特征共有m个分箱数据。根据预测能力计算公式，可以得到各个目标特征的预测能力。

本实施例中，可选的，在判断权重是否满足预设的分箱合格条件之后，还包括：若权重不满足预设的分箱合格条件，则根据预设步长调整分箱大小，得到第二分箱大小；根据第二分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的至少两个第二分箱数据；根据预设的权重确定算法，确定目标特征中任一第二分箱数据的权重；判断第二分箱数据的权重是否满足预设的分箱合格条件，若是，则执行根据预设的预测能力确定算法，确定目标特征的预测能力。

具体的，若权重不满足预设的分箱合格条件，则确定需要调整分箱方式，可以以预设步长调整分箱大小，调整后的分箱大小为第二分箱大小。根据第二分箱大小对目标特征的第一数据再次做离散化处理，得到多个分箱数据，作为第二分箱数据。第一次分箱时预设的分箱大小可以是一个较小值，在调整分箱方式时，可以根据预设的步长增加分箱大小，实现分箱的先细分再粗分。在第二次分箱完毕后，根据预设的权重确定算法，重新计算各个第二分箱数据的权重大小。判断第二分箱数据的权重大小是否满足预设的分箱合格条件，若满足，则根据预设的预测能力确定算法，确定目标特征的预测能力。若还不满足，则再次调整分箱大小，得到多个新的分箱数据，直至各个分箱数据的权重满足分箱合格条件。若目标特征的第一数据无论怎么分组均无法满足分箱合格条件，则说明目标特征对蓄电池评分的影响较弱，可以舍弃该目标特征。这样设置的有益效果在于，通过不断分箱，得到最好的分箱方式，提高蓄电池健康度评分卡的确定精度。

步骤270、判断预测能力是否满足预设的预测能力合格条件，若是，则将目标特征的分箱数据和蓄电池报警数据输入至预设的逻辑回归模型中，得到目标特征中任一分箱数据的评分分值，以评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

其中，在得到目标特征的预测能力后，根据预设的预测能力合格条件，判断预测能力是否满足预测能力合格条件。例如，预设的预测能力合格条件可以是预设预测能力阈值，若预测能力没有达到预测能力阈值，则确定预测能力不满足预测能力合格条件。又例如，预测能力合格条件是预测能力为最大值，则需要计算至少两次预测能力，若预测能力减小，则确定前一次计算出的预测能力满足预测能力合格条件；若预测能力增大，则需要再次计算一个预测能力，判断预测能力是否继续增大，直至预测能力减小，将计算出的最大的预测能力作为满足预测能力合格条件的预测能力。

具体的，可以为预测能力划分预测等级，例如，IV值小于0.03，预测能力为无预测能力；IV值为0.03至0.09，预测能力为低；IV值为0.1至0.29，预测能力为中；IV值为0.3至0.49，预测能力为高；IV值为大于或等于0.5，预测能力为极高，预测能力合格条件可以是预测能力为极高。若预测能力满足预测能力合格条件，则将目标特征的分箱数据和蓄电池报警数据输入至预设的逻辑回归模型中，得到目标特征中各个分箱数据的评分分值，将评分分值和评分分值对应的分箱数据范围进行关联，构建出蓄电池健康度评分卡。根据蓄电池健康度评分卡和待评分车辆的目标特征数据，计算待评分车辆的蓄电池评分结果。

本实施例中，根据IV值可以调整分箱结构并重新计算WOE和IV，直到IV达到最大值，此时的分箱效果最好。

本实施例中，可选的，在判断预测能力是否满足预设的预测能力合格条件之后，还包括：若预测能力不满足预设的预测能力合格条件，则根据预设步长调整分箱大小，得到第三分箱大小；根据第三分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的至少两个第三分箱数据；执行根据预设的权重确定算法，确定目标特征中任一第三分箱数据的权重。

具体的，若预测能力不满足预设的预测能力合格条件，则重新对目标特征的第一数据进行分箱。可以根据预设步长增大或减小分箱大小，得到第三分箱大小。根据第三分箱大小对目标特征的第一数据进行离散化处理，得到目标特征的多个第三分箱数据。根据预设的权重确定算法，确定目标特征中各个第三分箱数据的权重。判断第三分箱数据的权重是否满足预设的分箱合格条件，若是，则根据预设的预测能力确定算法，确定目标特征的预测能力；若否，则继续分箱并计算权重，直至权重满足分箱合格条件。判断预测能力是否满足预设的预测能力合格条件，若是，则将目标特征的分箱数据和蓄电池报警数据输入至预设的逻辑回归模型中，得到目标特征中任一分箱数据的评分分值，以评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡；若否，则继续分箱，直至预测能力满足预设的预测能力合格条件。这样设置的有益效果在于，可以不断计算WOE和IV值，直至达到最好的分箱效果，使各个分箱数据对应的评分分值最为精确，提高了评分卡的确定精度，进而提高蓄电池的评分精度。

本发明实施例通过获取候选特征的采集数据，确定采集数据是否需要进行预处理。若需要，则可以得到预处理后的第一数据。通过对采集数据预处理，可以提高采集数据的完整性和精确性，避免后续确定评分分值时造成误差。根据蓄电池报警数据和预设的特征筛选规则，从大量的候选特征中确定目标特征，有效减少评分分值的计算量，提高计算效率，且可以筛选掉对蓄电池报警影响小的候选特征，提高评分精度。对目标特征的第一数据进行离散化处理，判断分箱效果是否达到预设要求，若否，则重复进行分箱，将达到要求的分箱数据输入至预设的逻辑回归模型中，得到各个分箱数据对应的评分分值。根据评分分值构建评分卡，提高评分卡的确定精度。解决了现有技术中，无法对车辆电池进行随时评分的问题，通过构建评分卡，减少人为评分的误差，降低蓄电池评分难度，提高对车辆蓄电池健康度的评分效率和精度。

实施例三

图3为本发明实施例三所提供的一种蓄电池健康度评分卡的确定装置的结构框图，可执行本发明任意实施例所提供的一种蓄电池健康度评分卡的确定方法，具备执行方法相应的功能模块和有益效果。如图3所示，该装置具体包括：

采集数据获取模块301，用于获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

第一数据获得模块302，用于若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

目标特征确定模块303，用于根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

分箱数据确定模块304，用于根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

评分卡确定模块305，用于将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

可选的，采集数据获取模块301，具体用于：

判断所述采集数据中是否存在缺失值和/或异常值，若是，则确定所述采集数据满足预设的数据预处理条件。

可选的，第一数据获得模块302，具体用于：

若所述候选特征的采集数据中存在异常值，则将所述异常值删除，或根据所述候选特征中除异常值以外的其他采集数据，确定异常值的替换数据，以替换数据对异常值进行替换；

若所述候选特征的采集数据中存在缺失值，则根据所述候选特征已有的采集数据确定所述候选特征的数据平均值，将所述数据平均值补充为缺失值的数据；

将所述候选特征中预处理后的采集数据确定为第一数据。

可选的，目标特征确定模块303，包括：

重要性概率确定单元，用于根据车辆在发出蓄电池报警数据时任一候选特征的第一数据，以及车辆未发出蓄电池报警数据时任一候选特征的第一数据，确定候选特征对车辆发出蓄电池报警数据的重要性概率；

特征筛选单元，用于根据预设的特征筛选规则，对所述重要性概率进行排序，将预设排位内的候选特征确定为目标特征。

可选的，该装置还包括：

权重确定模块，用于在根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据之后，根据预设的权重确定算法，确定所述目标特征中任一分箱数据的权重；

预测能力确定模块，用于判断所述权重是否满足预设的分箱合格条件，若是，则根据预设的预测能力确定算法，确定所述目标特征的预测能力；

预测能力判断模块，用于判断所述预测能力是否满足预设的预测能力合格条件，若是，则执行将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中。

可选的，该装置还包括：

第二分箱大小获得模块，用于在判断所述权重是否满足预设的分箱合格条件之后，若所述权重不满足预设的分箱合格条件，则根据预设步长调整分箱大小，得到第二分箱大小；

第二分箱数据获得模块，用于根据所述第二分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个第二分箱数据；

第二分箱权重确定模块，用于根据预设的权重确定算法，确定所述目标特征中任一第二分箱数据的权重；

第二分箱权重判断模块，用于判断所述第二分箱数据的权重是否满足预设的分箱合格条件，若是，则执行根据预设的预测能力确定算法，确定所述目标特征的预测能力。

可选的，该装置还包括：

第三分箱大小获得模块，用于在判断所述预测能力是否满足预设的预测能力合格条件之后，若所述预测能力不满足预设的预测能力合格条件，则根据预设步长调整分箱大小，得到第三分箱大小；

第三分箱数据获得模块，用于根据所述第三分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个第三分箱数据；

权重确定执行模块，用于执行根据预设的权重确定算法，确定所述目标特征中任一第三分箱数据的权重。

本发明实施例通过获取候选特征的采集数据，确定采集数据是否需要进行预处理。若需要，则可以得到预处理后的第一数据。通过对采集数据预处理，可以提高采集数据的完整性和精确性，减少后续确定评分分值时的误差。根据蓄电池报警数据和预设的特征筛选规则，从大量的候选特征中确定目标特征，有效减少评分分值的计算量，提高计算效率，且筛选掉对蓄电池报警影响小的候选特征，提高评分卡确定精度。对目标特征的第一数据进行离散化处理，将分箱数据输入至预设的逻辑回归模型中，得到各个分箱数据对应的评分分值，根据评分分值构建出评分卡。解决了现有技术中，无法对车辆电池进行随时评分的问题，通过构建评分卡，减少人为评分的误差，提高对车辆蓄电池健康度的评分效率和精度。

实施例四

图4是本发明实施例四提供的一种蓄电池健康度评分卡的确定设备的结构示意图。蓄电池健康度评分卡的确定设备是一种电子设备，图4示出了适于用来实现本发明实施方式的示例性电子设备400的框图。图4显示的电子设备400仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400以通用计算设备的形式表现。电子设备400的组件可以包括但不限于：一个或者多个处理器或者处理单元401，系统存储器402，连接不同系统组件(包括系统存储器402和处理单元401)的总线403。本实施例中，电子设备400中还可以包括图形处理器。

总线403表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

电子设备400典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备400访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器402可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)404和/或高速缓存存储器405。电子设备400可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统406可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线403相连。存储器402可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块407的程序/实用工具408，可以存储在例如存储器402中，这样的程序模块407包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块407通常执行本发明所描述的实施例中的功能和/或方法。

电子设备400也可以与一个或多个外部设备409(例如键盘、指向设备、显示器410等)通信，还可与一个或者多个使得用户能与该电子设备400交互的设备通信，和/或与使得该电子设备400能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口411进行。并且，电子设备400还可以通过网络适配器412与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器412通过总线403与电子设备400的其它模块通信。应当明白，尽管图4中未示出，可以结合电子设备400使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理单元401通过运行存储在系统存储器402中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的一种蓄电池健康度评分卡的确定方法，包括：

获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的一种蓄电池健康度评分卡的确定方法，包括：

获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种蓄电池健康度评分卡的确定方法，其特征在于，包括：

获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

2.根据权利要求1所述的方法，其特征在于，判断所述采集数据是否满足预设的数据预处理条件，包括：

判断所述采集数据中是否存在缺失值和/或异常值，若是，则确定所述采集数据满足预设的数据预处理条件。

3.根据权利要求2所述的方法，其特征在于，若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据，包括：

若所述候选特征的采集数据中存在异常值，则将所述异常值删除，或根据所述候选特征中除异常值以外的其他采集数据，确定异常值的替换数据，以替换数据对异常值进行替换；

若所述候选特征的采集数据中存在缺失值，则根据所述候选特征已有的采集数据确定所述候选特征的数据平均值，将所述数据平均值补充为缺失值的数据；

将所述候选特征中预处理后的采集数据确定为第一数据。

4.根据权利要求1所述的方法，其特征在于，根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征，包括：

根据车辆在发出蓄电池报警数据时任一候选特征的第一数据，以及车辆未发出蓄电池报警数据时任一候选特征的第一数据，确定候选特征对车辆发出蓄电池报警数据的重要性概率；

根据预设的特征筛选规则，对所述重要性概率进行排序，将预设排位内的候选特征确定为目标特征。

5.根据权利要求1所述的方法，其特征在于，在根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据之后，还包括：

根据预设的权重确定算法，确定所述目标特征中任一分箱数据的权重；

判断所述权重是否满足预设的分箱合格条件，若是，则根据预设的预测能力确定算法，确定所述目标特征的预测能力；

判断所述预测能力是否满足预设的预测能力合格条件，若是，则执行将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中。

6.根据权利要求5所述的方法，其特征在于，在判断所述权重是否满足预设的分箱合格条件之后，还包括：

若所述权重不满足预设的分箱合格条件，则根据预设步长调整分箱大小，得到第二分箱大小；

根据所述第二分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个第二分箱数据；

根据预设的权重确定算法，确定所述目标特征中任一第二分箱数据的权重；

判断所述第二分箱数据的权重是否满足预设的分箱合格条件，若是，则执行根据预设的预测能力确定算法，确定所述目标特征的预测能力。

7.根据权利要求5所述的方法，其特征在于，在判断所述预测能力是否满足预设的预测能力合格条件之后，还包括：

若所述预测能力不满足预设的预测能力合格条件，则根据预设步长调整分箱大小，得到第三分箱大小；

根据所述第三分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个第三分箱数据；

执行根据预设的权重确定算法，确定所述目标特征中任一第三分箱数据的权重。

8.一种蓄电池健康度评分卡的确定装置，其特征在于，包括：

采集数据获取模块，用于获取车辆在预设采集周期内的蓄电池报警数据和候选特征的采集数据，判断所述采集数据是否满足预设的数据预处理条件；

第一数据获得模块，用于若是，则根据预设的数据预处理规则，对所述采集数据进行预处理，得到所述候选特征的第一数据；

目标特征确定模块，用于根据所述候选特征的第一数据和所述蓄电池报警数据，基于预设的特征筛选规则，从所述候选特征中确定目标特征；

分箱数据确定模块，用于根据预设的分箱大小对所述目标特征的第一数据进行离散化处理，得到所述目标特征的至少两个分箱数据；

评分卡确定模块，用于将所述目标特征的分箱数据和所述蓄电池报警数据输入至预设的逻辑回归模型中，得到所述目标特征中任一分箱数据的评分分值，以所述评分分值和评分分值对应的分箱数据范围，确定蓄电池健康度评分卡。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的蓄电池健康度评分卡的确定方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的蓄电池健康度评分卡的确定方法。