CN115499315A - Ota升级任务的执行方法、装置和电子设备 - Google Patents

Ota升级任务的执行方法、装置和电子设备 Download PDF

Info

Publication number
CN115499315A
CN115499315A CN202211118897.9A CN202211118897A CN115499315A CN 115499315 A CN115499315 A CN 115499315A CN 202211118897 A CN202211118897 A CN 202211118897A CN 115499315 A CN115499315 A CN 115499315A
Authority
CN
China
Prior art keywords
target
vehicle
electric quantity
prediction model
task
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.)
Pending
Application number
CN202211118897.9A
Other languages
English (en)
Inventor
王泰格
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202211118897.9A priority Critical patent/CN115499315A/zh
Publication of CN115499315A publication Critical patent/CN115499315A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • H04L41/0813—Configuration setting characterised by the conditions triggering a change of settings
    • H04L41/082—Configuration setting characterised by the conditions triggering a change of settings the condition being updates or upgrades of network functionality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00—Arrangements for software engineering
    • G06F8/60—Software deployment
    • G06F8/65—Updates
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Security & Cryptography (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Secondary Cells (AREA)

Abstract

本公开提出了一种OTA升级任务的执行方法、装置和电子设备，涉及深度学习处理等人工智能领域，方法包括获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据目标任务类型确定目标车辆执行目标OTA升级任务所需的目标升级电量；获取目标车辆的目标车辆电池的目标元数据，并根据目标元数据得到目标车辆电池的预测电池电量；根据目标升级电量和预测电池电量，确定目标车辆是否可以执行目标OTA升级任务。本公开中，提高了目标车辆电池的电量预测的准确程度，提高了判断效率，节约了OTA升级任务的发送资源以及目标车辆的车端算法资源，实现对目标车辆的个性化判断，优化了目标车辆的用户体验。

Description

OTA升级任务的执行方法、装置和电子设备
技术领域
本公开涉及数据处理领域，尤其涉及深度学习等人工智能领域，适用于OTA升级场景。
背景技术
随着技术的发展，车辆可以在OTA升级场景下进行车辆的升级。在车辆的OTA升级场景下，车辆可以通过电池为车辆执行OTA升级任务进行电能的供应。
相关技术中，车辆可以在接收到待执行的OTA升级任务之后，根据车辆电池的剩余电压，获取车辆电池的剩余电量，进而判断车辆电池的剩余电量是否满足OTA升级任务所需。
其中，根据车辆电池的剩余电压获取剩余电量，未考虑车辆电池的状态存在可能伴随时间动态变化，准确率较低。车辆接收到OTA升级任务后判断是否可执行，在车辆不满足OTA升级任务的执行条件的场景下，对于OTA升级任务的发送资源以及车端的算法资源造成了一定程度的浪费。
发明内容
本公开提出了一种OTA升级任务的执行方法、装置和电子设备。
根据本公开的第一方面，提出了一种OTA升级任务的执行方法，方法包括：获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据所述目标任务类型确定所述目标车辆执行所述目标OTA升级任务所需的目标升级电量；获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量；根据所述目标升级电量和所述预测电池电量，确定所述目标车辆是否可以执行所述目标OTA升级任务。
根据本公开的第二方面，提出了一种OTA升级任务的执行装置，装置包括：第一获取模块，用于获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据所述目标任务类型确定所述目标车辆执行所述目标OTA升级任务所需的目标升级电量；第二获取模块，用于获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量；确定模块，用于根据所述目标升级电量和所述预测电池电量，确定所述目标车辆是否可以执行所述目标OTA升级任务。
根据本公开的第三方面，提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的OTA升级任务的执行方法。
根据本公开的第四方面，提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述第一方面所述的OTA升级任务的执行方法。
根据本公开的第五方面，提出了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述第一方面所述的OTA升级任务的执行方法。
根据本公开的第六方面，提出了一种车辆，包括上述第三方面所述的电子设备。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开一实施例的OTA升级任务的执行方法的流程示意图；
图2为本公开另一实施例的OTA升级任务的执行方法的流程示意图；
图3为本公开另一实施例的OTA升级任务的执行方法的流程示意图；
图4为本公开另一实施例的OTA升级任务的执行方法的流程示意图；
图5为本公开一实施例的OTA升级任务的执行装置的结构示意图；
图6为本公开一实施例的电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
深度学习(Deep Learning，DL)，深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文本，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文本、图像和声音等数据。
人工智能(Artificial Intelligence，AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。人工智能不是人的智能，但能像人那样思考、也可能超过人的智能。
图1为本公开一实施例的OTA升级任务的执行方法的流程示意图，如图1所示，该方法包括：
S101，获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据目标任务类型确定目标车辆执行目标OTA升级任务所需的目标升级电量。
实现中，车辆可以在空中下载技术(Over-the-Air Technology，OTA)场景下，通过预设的下载方法，获取相关的升级数据包。车辆基于对升级数据包的运行，实现升级数据包对应的车辆功能的更新升级。
可选地，为了使得车辆可以正常运行升级数据包，实现中，可以在车辆停止运行时开始升级数据包的运行，并通过车辆的车载电池为升级数据包的运行提供电能。
在该场景下，可以在车辆运行OTA的升级数据包之前，对车辆的车载电池的电量进行估计，判断当前车载电池的剩余电量是否能够支撑OTA升级数据包的运行。
本公开实施例中，可以将车辆进行OTA升级所需要执行的升级任务，确定为车辆的目标OTA升级任务，并将执行目标OTA升级任务的车辆确定为目标车辆。
可选地，可以在云端获取目标车辆执行目标OTA升级任务所需提供的电量，并将其确定为目标升级电量。其中，可以根据目标OTA升级任务的任务类型，确定目标车辆执行目标OTA升级任务所需的目标升级电量。
实现中，OTA升级任务的任务类型可以包括对车辆的ECU固件进行升级的任务类型，还可以包括对车辆的软件系统进行升级的任务类型等。
本公开实施例中，可以根据目标OTA升级任务中包括的升级数据包的属性参数，获取执行目标OTA升级任务后目标车辆中的升级对象，进而确定目标OTA升级任务对应的任务类型，并将其确定为目标OTA升级任务的目标任务类型。
S102，获取目标车辆的目标车辆电池的目标元数据，并根据目标元数据得到目标车辆电池的预测电池电量。
可选地，获取目标车辆执行目标OTA升级任务所需提供的目标升级电量后，可以获取目标车辆的车载电池的剩余电量，从而确定目标车辆当前是否满足目标OTA升级任务的升级条件。
其中，可以将目标车辆的车载电池确定为目标车辆的目标车辆电池。
在一些实现中，电池的剩余电量与剩余电压之间存在关联关系，相应地，电池的剩余电量还可以与电池的元数据之间存在一定程度的关联关系。
其中，电池的元数据可以包括电池的型号、品牌、生成批次、使用年限等信息，此处不做具体限定。
比如，针对电池的元数据中包括的使用年限，针对同一电池在相同电压值但是不同使用年限的场景下，使用年限较长的场景下的电池的剩余电量存在可能少于使用年限较短的场景下的电池的剩余电量。
本公开实施例中，可以基于目标车辆电池的出厂记录中，获取目标车辆的目标车辆电池的电池元数据，并将其确定为目标车辆电池的目标元数据。
进一步地，根据获取到的目标车辆电池的目标元数据，对目标车辆电池的剩余电量进行预测，并将预测得到的目标车辆电池的剩余电量确定为目标车辆电池的预测电池电量。
可选地，可以获取目标车辆电池的目标元数据与目标车辆电池的预测电池电量之间的关联关系，根据该关联关系获取目标元数据对应的目标车辆电池的预测电池电量。
在一些实现中，目标元数据可以包括目标车辆电池的品牌、型号、使用年限等，其中，可以设定目标元数据为目标车辆电池的使用年限数据。
在该场景下，可以获取目标车辆电池在不同的使用年限场景下，目标车辆电池在静置状态下由满电至亏电的放电过程中的电量变化信息，目标车辆电池所属的目标车辆静置时目标车辆电池由满电至亏电的放电过程中的电量变化信息，并根据获取到的该部分电量变化信息，获取目标车辆电池的电量变化与目标车辆电池的使用年限数据之间的关联关系。
进一步地，根据该关联关系以及目标车辆电池的使用年限，确定目标车辆电池接收并执行目标OTA升级任务之前预测电池电量。
S103，根据目标升级电量和预测电池电量，确定目标车辆是否可以执行目标OTA升级任务。
本公开实施例中，可以根据目标车辆的预测电池电量判断目标车辆是否可以执行目标OTA升级任务。
可选地，可以根据目标车辆的预测电池电量确定目标车辆可以执行目标OTA升级任务的判断标准，并将目标OTA升级任务所需的目标升级电量与该判断标准进行对比。
其中，若对比结果指示目标车辆可以执行目标OTA升级任务，则可以将目标OTA升级任务发送至目标车辆，并由目标车辆执行。
相应地，若对比结果指示目标车辆无法执行目标OTA升级任务，则可以不将目标OTA升级任务发送至目标车辆。
在该场景下，可以基于目标车辆执行目标OTA升级任务的判断标准，对目标车辆的相关属性信息进行监控，当监控到目标车辆符合目标OTA升级任务的判断标准时，将目标OTA升级任务发送至目标车辆，并由目标车辆执行。
本公开提出的OTA升级任务的执行方法，获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据目标任务类型确定目标车辆执行目标OTA升级任务所需的目标升级电量。获取目标车辆的目标车辆电池的目标元数据，进而确定目标车辆电池的预测电池电量。进一步地，根据目标升级电量和预测电池电量，确定目标车辆是否可以执行目标OTA升级任务。本公开中，目标OTA升级任务发送至目标车辆之前，在云端获取目标车辆电池的目标元数据，进而得到目标车辆电池的预测电池电量，提高了目标车辆电池的电量预测的准确程度，根据预测电池电量和目标升级电量在云端实现对目标车辆是否可以执行目标OTA升级任务进行判断，缩短了对目标车辆是否可以执行目标OTA升级任务的判断时间，提高了判断效率，节约了OTA升级任务的发送资源以及目标车辆的车端算法资源，实现对目标车辆的个性化判断，优化了目标车辆的用户体验。
上述实施例中，关于目标OTA升级任务的目标升级电量，可结合图2进一步理解，图2为本公开另一实施例的OTA升级任务的执行方法的流程示意图，如图2所示，该方法包括：
S201，获取执行历史OTA升级任务的第一车辆集合，其中，历史OTA升级任务的历史任务类型与目标任务类型相同。
本公开实施例中，为了准确获取目标OTA升级任务的目标升级电量，可以获取目标OTA升级任务的相关历史数据，通过对获取到的历史数据的分析，从而确定目标车辆执行目标OTA升级任务所需提供的电量，并将其确定为目标车辆执行目标OTA升级任务所需提供的目标升级电量。
可选地，可以根据目标OTA升级任务的任务类型，获取目标OTA升级任务的相关历史数据。
其中，可以将目标OTA升级任务的任务类型确定为目标OTA升级任务的目标任务类型。
在该场景下，可以从与云端可以进行数据交互的车辆中，识别执行过与目标任务类型相同任务类型的历史OTA升级任务的车辆，进而获取第一车辆集合。
其中，可以将历史OTA升级任务的任务类型，标识为与目标任务类型相同的历史任务类型。
可选地，云端可以从与其进行数据交互的车辆的OTA历史升级记录中，识别车辆执行的OTA升级任务的任务类型，并从识别到的全部任务类型中，获取与目标OTA升级任务的任务类型相同的历史OTA升级任务。
进一步地，将识别到执行过与目标OTA升级任务的任务类型相同的历史OTA升级任务的车辆组成的集合，确定为第一车辆集合。
S202，获取第一车辆集合中各车辆执行历史OTA升级任务时，各车辆的车辆电池的第一历史元数据和历史消耗电量。
本公开实施例中，获取到执行过历史任务类型的历史OTA升级任务的第一车辆集合后，可以获取第一车辆集合中各车辆执行历史OTA升级任务的相关执行数据。
可选地，可以从第一车辆集合中各车辆执行历史OTA升级任务的执行记录数据中，获取各车辆执行历史OTA升级任务，各车辆的车辆电池为历史OTA升级任务的执行消耗的电量，并将第一车辆集合中各车辆的车辆电池为历史OTA升级任务的执行消耗的电流，确定为各车辆的车辆电池的历史消耗电量。
实现中，车辆电池消耗的电量与车辆电池的元数据存在一定程度的关联关系，在该场景下，可以获取第一车辆集合中各车辆在执行历史OTA升级任务时，各车辆的车辆电池的元数据，根据第一车辆集合中各车辆的车辆电池的历史消耗电量以及各自的元数据，实现对目标OTA升级任务所需的目标升级电量的准确获取。
其中，可以将第一车辆集合中各车辆的车辆电池的元数据，确定为第一车辆集合中各车辆的车辆电池的第一历史元数据。
可选地，可以从第一车辆集合中各车辆在执行历史OTA升级任务的执行记录数据中，获取各车辆执行历史OTA升级任务的执行时间。基于获取到的执行时间，从各车辆的车辆电池的属性参数中，获取各车辆的车辆电池在该执行时间下的元数据，作为各车辆的车辆电池的第一历史元数据。
其中，第一历史元数据可以包括第一车辆集合中各车辆的车辆电池的品牌、批次、型号、使用年限等相关信息，此处不做具体限定。
S203，获取待训练的升级电量预测模型，并基于第一历史元数据和历史消耗电量对升级电量预测模型进行模型训练，得到训练好的目标升级电量预测模型。
为了实现对目标升级电量的准确预测，可以在云端设置目标升级电量的预测模型，其中，可以获取目标升级电量的待训练的升级电量预测模型，并对该升级电量预测模型进行训练，基于训练好的升级电量预测模型实现对目标OTA升级任务所需的目标升级电量的准确预测。
其中，可以将训练好的升级电量预测模型确定为目标升级电量预测模型。
可选地，可以基于第一历史元数据和历史任务类型，获取升级电量预测模型的第一训练样本。
为了使得升级电量预测模型可以更加准确的学习到车辆电池的第一历史元数据、历史OTA升级任务的历史任务类型与历史OTA升级任务的执行所需消耗的历史消耗电量之间的关系，本公开实施例中，可以从全部的第一历史元数据中获取元数据相同的第一历史元数据，并将该部分元数据相同的第一历史元数据对应的车辆，标识为第一车辆集合中的第一目标车辆集合。
可选地，可以获取第一目标车辆集合中各车辆执行历史OTA升级任务时，车辆电池的历史消耗电量，并将该历史消耗电量作为标签，根据第一目标车辆集合中各车辆的第一历史元数据，以及各车辆执行的历史OTA升级任务的历史任务类型，生成待训练的升级电量预测模型的训练样本，并将该训练样本标识为第一训练样本。
在该场景下，基于第一训练样本对升级电量预测模型进行训练，并基于训练输出对升级电量预测模型进行迭代优化，直至训练结束得到训练好的目标升级电量预测模型。
可选地，可以将第一训练样本输入待训练的升级电量预测模型，获取升级电量预测模型基于第一训练样本进行特征提取以及升级电量的预测所输出的训练预测结果。
进一步地，根据该训练预测结果以及第一训练样本的样本标签，获取升级电量预测模型的训练损失，并基于该训练损失对升级电量预测模型进行模型参数调整优化，并返回使用下一个第一训练样本对模型参数调整优化后的升级电量预测模型继续进行模型训练，直至训练结束，得到训练好的目标升级电量预测模型。
其中，可以基于升级电量预测模型的训练轮次设定对应的训练结束条件，并在升级电量预测模型的训练过程中，对训练轮次进行监控记录，当记录得到的训练轮次满足了模型训练的训练结束条件，则停止对升级电量预测模型的训练，并将最后一个轮次训练结束得到的升级电量预测模型，作为训练好的目标升级电量预测模型。
相应地，还可以基于升级电量预测模型的模型输出设定对应的训练结束条件，可以将升级电量预测模型的训练输出结果与设定的训练结束条件进行对比，当训练输出结果满足训练结束条件时，，则停止对升级电量预测模型的训练，并将最后一个轮次训练结束得到的升级电量预测模型，作为训练好的目标升级电量预测模型。
S204，基于目标升级电量预测模型，得到目标车辆执行目标OTA升级任务所需的目标升级电量。
本公开实施例中，可以在云端基于训练好的目标升级电量预测模型，对待发送给目标车辆的目标OTA升级任务所需消耗的目标升级电量进行预测。
可选地，可以将目标OTA升级任务的目标任务类型和目标车辆的目标车辆电池的目标元数据，输入目标升级电量预测模型中，基于目标升级电量预测模型的输出结果，得到目标车辆执行目标OTA升级任务所需的目标升级电量。
其中，可以从目标车辆的目标车辆电池的属性参数中，获取目标车辆电池的元数据，并将其确定为目标车辆电池的目标元数据。
本公开实施例中，可以将目标OTA升级任务的目标任务类型以及目标车辆的目标车辆电池的目标元数据，输入训练好的目标升级电量预测模型中，基于目标升级电量预测模型的输出结果，得到目标车辆执行目标OTA升级任务所需消耗的目标升级电量。
需要说明的是，目标升级电量预测模型还可以基于目标车辆执行目标OTA升级任务的实际消耗电量进行实时的优化，其中，可以识别目标车辆执行目标OTA升级任务的实际消耗电量，并根据实际消耗电量对目标升级电量预测模型进行模型优化。
可选地，可以对目标车辆执行目标OTA升级任务的执行过程进行监控，并获取目标车辆执行目标OTA升级任务的执行数据，进而得到目标车辆执行目标OTA升级任务所消耗的实际消耗电量。
本公开实施例中，可以将获取到的目标车辆执行目标OTA升级任务的实际消耗电量上传至云端，云端基于接收到的实际消耗电量，实现对训练好的目标升级电量预测模型的实时优化。
本公开提出的OTA升级任务的执行方法，获取执行历史OTA升级任务的第一车辆集合，并获取第一车辆集合中各车辆执行历史OTA升级任务时的历史消耗电量和各车辆的车辆电池的第一历史元数据，根据历史消耗电量和第一历史元数据，对待训练的升级电量预测模型进行训练，得到训练好的目标升级电量预测模型，并根据目标升级电量预测模型，得到目标车辆执行目标OTA升级任务所消耗的目标升级电量。本公开中，根据车辆电池的元数据以及执行历史OTA升级任务所消耗的历史消耗电量，获取训练好的目标升级电量预测模型，并基于训练好的目标升级电量预测模型对待发送至目标车辆的目标OTA升级任务所需消耗的目标升级电量进行预测，实现了对目标车辆执行目标OTA升级任务所需的目标升级电量的个性化预测，提高了目标升级电量的预测的准确性，节约了目标车辆的车端算法资源，优化了目标车辆的用户体验。
上述实施例中，关于目标车辆电池的预测电池电量，可结合图3进一步理解，图3为本公开另一实施例的OTA升级任务的执行方法的流程示意图，如图3所示，该方法包括：
S301，根据目标元数据获取目标车辆电池的目标属性参数，并根据目标属性参数得到第二车辆集合，其中，第二车辆集合中各车辆的车辆电池的样本属性参数与目标属性参数相同。
本公开实施例中，目标车辆的目标车辆电池的剩余电量，与目标车辆电池的目标元数据之间存在一定程度的关联关系，在该场景下，可以根据该关联关系，获取目标车辆的目标车辆电池的剩余电量，并将获取到的剩余电量确定为目标车辆的目标车辆电池的预测电池电量。
在一些实现中，为了实现对目标车辆电池的预测电池电量的准确获取，可以获取目标车辆电池的目标属性参数，并从可以云端进行数据交互的车辆中，识别车辆电池的属性参数与目标车辆电池的目标属性参数相同的车辆，并将该部分车辆组成的集合确定为第二车辆集合。
其中，可以将云端识别到的与目标属性参数相同的属性参数标识为样本属性参数。
可选地，云端可以读取与其进行数据交互的车辆的车辆电池的属性参数信息，并将读取到的属性参数信息与目标车辆电池的目标属性参数的信息进行对比，从而获取其中与目标属性参数相同的样本属性参数所属的车辆电池，以得到该部分车辆电池所属的车辆，进而得到该部分车辆组成的第二车辆集合。
其中，车辆电池的样本属性参数和/或目标电池的目标数据参数，可以为不包括车辆电池的使用年限数据的车辆电池的品牌、型号、批次以及配置的车辆型号等相关数据，此处不做具体限定。
S302，获取第二车辆集合中各车辆的车辆电池的样本电压值，和各车辆的车辆电池在样本电压值下的样本剩余电量。
实现中，车辆电池的剩余电量与车辆电池的剩余电压之间存在一定程度的关联关系，在该场景下，可以获取第二车辆集合中各车辆的车辆电池的历史电压值，并将其确定为第二车辆集合中各车辆的车辆电池的样本电压值。
进一步地，获取第二车辆集合中各车辆的车辆电池处于样本电压值时的电池电量，并将其确定为各车辆的车辆电池在样本电压值下的样本剩余电量。
可选地，可以从第二车辆集合中各车辆的车辆电池的属性参数的记录数据中，获取各车辆的车辆电池的样本电压值，以及各车辆的车辆电池在样本电压值下的样本剩余电量。
S303，获取待训练的剩余电量预测模型，并根据样本属性参数、样本电压值以及各车辆的车辆电池在样本电压值下的样本剩余电量，对剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型。
本公开实施例中，可以在云端设置目标车辆电池的预测电池电量的预测模型，并对预测电池电量的预测模型进行训练，从而实现对目标车辆的目标车辆电池的预测电池电量的准确预测。
可选地，可以将云端设置的目标车辆的目标车辆电池的预测电池电量的预测模型确定为待训练的剩余电量预测模型。
在一些实现中，车辆电池的剩余电量与车辆电池的使用年限存在一定程度的关联关系，在该场景下，可以获取第二车辆集合中各车辆的车辆电池的样本使用年限。
可选地，可以从第二车辆集合中各车辆的车辆电池的元数据中，获取车辆电池配置于车辆上的配置时间，进而得到车辆电池的使用年限，并将其确定为第二车辆集合中各车辆的车辆电池的样本使用年限。
在该场景下，可以根据样本属性参数、样本电压值以及各车辆的车辆电池在样本电压值下的样本剩余电量，获取剩余电量预测模型的第二训练样本。
本公开实施例中，可以根据第二车辆集合中各车辆的样本属性参数、样本电压值以及各车辆的车辆电池在样本电压值下的样本剩余电量，生成剩余电量预测模型的训练样本，并将其确定为第二训练样本。
其中，可以将各车辆的车辆电池在样本电压值下的样本剩余电量作为样本标签，从而实现第二训练样本的生成。
可选地，基于第二训练样本对剩余电量预测模型进行训练，并基于训练输出对剩余电量预测模型进行迭代优化，直至训练结束得到训练好的目标剩余电量预测模型。
本公开实施例中，可以将第二训练样本输入待训练的剩余电量预测模型，获取剩余电量预测模型基于第二训练样本进行特征提取以及升级电量的预测所输出的训练预测结果。
进一步地，根据该训练预测结果以及第二训练样本的样本标签，获取剩余电量预测模型的训练损失，并基于该训练损失对剩余电量预测模型进行模型参数调整优化，并返回使用下一个第二训练样本对模型参数调整优化后的剩余电量预测模型继续进行模型训练，直至训练结束，得到训练好的目标剩余电量预测模型。
其中，可以基于剩余电量预测模型的训练轮次设定对应的训练结束条件，并在剩余电量预测模型的训练过程中，对训练轮次进行监控记录，当记录得到的训练轮次满足了模型训练的训练结束条件，则停止对剩余电量预测模型的训练，并将最后一个轮次训练结束得到的剩余电量预测模型，作为训练好的目标剩余电量预测模型。
相应地，还可以基于剩余电量预测模型的模型输出设定对应的训练结束条件，可以将剩余电量预测模型的训练输出结果与设定的训练结束条件进行对比，当训练输出结果满足训练结束条件时，，则停止对剩余电量预测模型的训练，并将最后一个轮次训练结束得到的剩余电量预测模型，作为训练好的目标剩余电量预测模型。
S304，基于目标剩余电量预测模型和目标车辆电池的目标元数据，获取目标车辆电池的预测电池电量。
本公开实施例中，可以获取目标车辆的目标车辆电池的目标元数据，并将其输入训练好的目标剩余电量预测模型中，从而得到目标车辆的目标车辆电池的预测电池电量。
可选地，可以获取目标车辆电池的目标电压值。
其中，目标车辆可以对其自身配置的目标车辆电池的状态进行监控，进而得到目标车辆的目标车辆电池当前的剩余电压，并将其确定为目标车辆的目标车辆电池的目标电压值。
在该场景下，目标车辆可以通过与云端之间的通信链路，将监控得到的目标车辆电池的目标电压值上传至云端。
可选地，根据目标电压值和目标元数据，获取目标剩余电量预测模型的输入数据。
本公开实施例中，可以从目标车辆的目标车辆电池的目标元数据中，获取目标车辆电池的目标属性参数以及目标使用年限。
可选地，可以根据目标车辆电池的目标属性参数、目标使用年限以及目标车辆电池的目标电压值，生成目标剩余电量预测模型的输入数据。
进一步地，基于输入数据获取目标剩余电量预测模型的输出结果，并根据输出结果获取目标车辆的目标车辆电池在目标电压值下的预测电池电量。
本公开实施例中，可以将获取到的目标剩余电量预测模型的输入数据输入至目标剩余电量预测模型中，并根据目标剩余电量预测模型基于输入数据进行预测的输出结果。
进一步地，根据目标剩余电量预测模型的输出结果，确定目标车辆从目标车辆电池在目标电压值下的预测电池电量。
在一些实现中，目标车辆存在对应的标识码，比如目标车辆的车辆识别代码(VIN)，其中，目标车辆对应的标识码确定为目标车辆标识码，需要说明的是，目标车辆标识码具有唯一标识性。
在该场景下，可以根据目标车辆的目标车辆标识码，获取目标车辆电池的预测电池电量。
获取目标车辆的目标车辆标识码。
可选地，可以从目标车辆的出厂记录等属性参数记录数据中，获取目标车辆的目标车辆标识码。
比如，可以从目标车辆的出厂记录数据中，获取目标车辆的VIN码，并将其确定为目标车辆的目标车辆标识码。
可选地，根据目标车辆标识码，从预构建的车辆标识码与车辆电池的元数据的关联数据库中，获取目标车辆的目标车辆电池的目标元数据。
本公开实施例中，云端可以获取与其进行数据交互的车辆的车辆标识码后，可以将获取到的车辆标识码与车辆的车辆电池的元数据进行关联，从而构建车辆标识码与车辆电池的元数据的关联数据库。
可选地，获取到目标车辆的目标车辆标识码后，可以将目标车辆标识码作为查询关键字，并基于该查询关键字在车辆标识码与车辆电池的元数据的关联数据库中进行查询，从关联数据库中获取与目标车辆标识码相同的车辆标识码。
在该场景下，该车辆标识码即为目标车辆的目标车辆标识码，则可以将该车辆标识码关联的车辆电池的元数据，确定为目标车辆的目标车辆电池的目标元数据。
可选地，根据目标元数据，得到目标车辆电池的预测电池电量。
本公开实施例中，获取目标车辆的目标车辆电池的目标元数据后，可以根据目标元数据以及目标车辆电池的其他参数，获取目标剩余电量预测模型的输入数据，并获取目标剩余电量预测模型基于该输入数据得到的输出结果，进而获取目标车辆的目标车辆电池的预测电池电量。
需要说明的是，在目标剩余电量预测模型的使用过程中，伴随目标车辆电池的使用年限的动态增加，云端基于训练好的目标剩余电量预测模型得到的目标车辆电池的预测电池电量，存在可能与目标车辆电池的实际剩余电量存在差异。
在该场景下，可以获取目标车辆电池的实际剩余电量，并基于获取到的实际剩余电量对云端训练好的目标剩余电量预测模型进行优化。
可选地，识别目标车辆的目标车辆电池的实际电压值，和目标车辆电池在实际电压值下的实际剩余电量。
本公开实施例中，目标车辆可以对自身配置的目标车辆电池的状态数据进行监控和记录，并将监控和记录得到的实际电压值，以及目标车辆电池在实际电压值下的实际剩余电量上传至云端。
其中，可以根据目标车辆与云端之间的通信链路，将获取到的实际电压值以及目标车辆电池在实际电压值下的实际剩余电量发送至云端。
可选地，根据实际电压值和实际剩余电量，对目标剩余电量预测模型进行模型优化。
本公开实施例中，云端可以将接收到的实际电压值输入训练好的目标剩余电量预测模型中，基于模型的预测输出结果与实际剩余电量之间的损失，对目标剩余电量预测模型进行优化。
如图4所示，可以获取图4所示的第二车辆集合中各车辆的车辆电池的样本元数据，以及各车辆的车辆电池的样本电压值、样本剩余电量等，作为设置于云端的剩余电量预测模型的第二训练样本。
根据获取到的第二训练样本对云端的剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型。
如图4所示，获取目标车辆的目标车辆电池的目标元数据以及目标电压值后，将其作为目标剩余电量预测模型的输入数据，进而得到目标剩余电量预测模型的输出结果，从而得到目标车辆电池的预测电池电量。
本公开提出的OTA升级任务的执行方法，获取目标元数据中包括的目标车辆电池的目标属性参数，进而得到第二车辆集合。获取第二车辆结合中各车辆的车辆电池的样本电压值，以及各车辆的车辆电池在样本电压值下的样本剩余电量，进而根据第二车辆集合中各车辆的车辆电池的样本属性参数、使用年限、样本电压值以及样本剩余电量对剩余电量预测模型进行训练，从而得到训练好的目标剩余电量预测模型。进一步地，根据训练好的目标剩余电量预测模型，得到目标车辆电池的预测电池电量。本公开中，通过第二车辆集合中各车辆的车辆电池的样本属性参数、使用年限、样本电压值以及样本剩余电量对剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型，结合了车辆电池包括属性参数和使用年限的元数据进行车辆电池的剩余电量预测，提高了剩余电量预测的准确程度，节约了目标车辆的车端算法资源，实现了目标车辆电池的个性化预测，优化了目标车辆的用户体验。
本公开实施例中，关于根据目标升级电量和预测电池电量，对目标车辆是否可以执行目标OTA升级任务进行判断的过程，还可以结合如下所示的示例理解。
作为一种可能地实现方式，响应于预测电池电量大于或者等于目标升级电量，确定目标车辆可以执行目标OTA升级任务。
本公开实施例中，可以将获取到的目标车辆电池的预测电池电量与目标OTA升级任务所需的目标升级电量进行对比，当预测电池电量大于或者等于目标升级电量时，可以确定，目标车辆电池的剩余电量可以满足目标车辆执行目标OTA升级任务所需。
在该场景下，可以确定目标车辆可以执行目标OTA升级任务。
作为另一种可能地实现方式，获取目标升级电量对应的升级电量阈值。
实现中，目标车辆电池为目标车辆执行目标OTA升级任务进行电能供给的同时，还需要为目标车辆的其他功能进行电能供给。
在该场景下，可以根据目标升级电量确定对应的升级电量阈值，其中，可以根据目标升级电量的具体取值进行设定百分比的上浮，比如，可以基于目标升级电量上浮百分之十，将目标升级电量的具体取值乘以1.1，从而得到目标升级电量对应的升级电量阈值。
进一步地，响应于预测电池电量大于或者等于升级电量阈值，确定目标车辆可以执行目标OTA升级任务。
本公开实施例中，可以将获取到的目标车辆电池的预测电池电量与升级电量阈值进行对比，当预测电池电量大于或者等于升级电量阈值时，可以确定，目标车辆电池的剩余电量可以满足目标车辆执行目标OTA升级任务所需。
在该场景下，可以确定目标车辆可以执行目标OTA升级任务。
本公开提出的OTA升级任务的执行方法，根据预测电池电量和目标升级电量，确定目标车辆是否满足目标OTA升级任务的执行条件，缩短了对目标车辆是否可以执行目标OTA升级任务的判断时间，提高了判断效率，节约了OTA升级任务的发送资源以及目标车辆的车端算法资源，实现对目标车辆的个性化判断，优化了目标车辆的用户体验。
上述几种实施例提出的OTA升级任务的执行方法相对应，本公开的一个实施例还提出了一种OTA升级任务的执行装置，由于本公开实施例提出的OTA升级任务的执行装置与上述几种实施例提出的OTA升级任务的执行方法相对应，因此上述OTA升级任务的执行方法的实施方式也适用于本公开实施例提出的OTA升级任务的执行装置，在下述实施例中不再详细描述。
图5为本公开一实施例的OTA升级任务的执行装置的结构示意图，如图5所示，OTA升级任务的执行装置500，包括第一获取模块51、第二获取模块52、确定模块53和优化模块54，其中：
第一获取模块51，用于获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据目标任务类型确定目标车辆执行目标OTA升级任务所需的目标升级电量；
第二获取模块52，用于获取目标车辆的目标车辆电池的目标元数据，并根据目标元数据得到目标车辆电池的预测电池电量；
确定模块53，用于根据目标升级电量和预测电池电量，确定目标车辆是否可以执行目标OTA升级任务。
本公开实施例中，第一获取模块51，还用于：获取执行历史OTA升级任务的第一车辆集合，其中，历史OTA升级任务的历史任务类型与目标任务类型相同；获取第一车辆集合中各车辆执行历史OTA升级任务时，各车辆的车辆电池的第一历史元数据和历史消耗电量；获取待训练的升级电量预测模型，并基于第一历史元数据和历史消耗电量对升级电量预测模型进行模型训练，得到训练好的目标升级电量预测模型；基于目标升级电量预测模型，得到目标车辆执行目标OTA升级任务所需的目标升级电量。
本公开实施例中，第一获取模块51，还用于：基于第一历史元数据和历史任务类型，获取升级电量预测模型的第一训练样本；基于第一训练样本对升级电量预测模型进行训练，并基于训练输出对升级电量预测模型进行迭代优化，直至训练结束得到训练好的目标升级电量预测模型。
本公开实施例中，第一获取模块51，还用于：将目标OTA升级任务的目标任务类型和目标车辆的目标车辆电池的目标元数据，输入目标升级电量预测模型中，基于目标升级电量预测模型的输出结果，得到目标车辆执行目标OTA升级任务所需的目标升级电量。
本公开实施例中，第二获取模块52，还用于：根据目标元数据获取目标车辆电池的目标属性参数，并根据目标属性参数得到第二车辆集合，其中，第二车辆集合中各车辆的车辆电池的样本属性参数与目标属性参数相同；获取第二车辆集合中各车辆的车辆电池的样本电压值，和各车辆的车辆电池在样本电压值下的样本剩余电量；获取待训练的剩余电量预测模型，并根据样本属性参数、样本电压值以及各车辆的车辆电池在样本电压值下的样本剩余电量，对剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型；基于目标剩余电量预测模型和目标车辆电池的目标元数据，获取目标车辆电池的预测电池电量。
本公开实施例中，第二获取模块52，还用于：获取第二车辆集合中各车辆的车辆电池的样本使用年限；根据样本属性参数、样本电压值以及各车辆的车辆电池在样本电压值下的样本剩余电量，获取剩余电量预测模型的第二训练样本；基于第二训练样本对剩余电量预测模型进行训练，并基于训练输出对剩余电量预测模型进行迭代优化，直至训练结束得到训练好的目标剩余电量预测模型。
本公开实施例中，第二获取模块52，还用于：获取目标车辆电池的目标电压值；根据目标电压值和目标元数据，获取目标剩余电量预测模型的输入数据；基于输入数据获取目标剩余电量预测模型的输出结果，并根据输出结果获取目标车辆的目标车辆电池在目标电压值下的预测电池电量。
本公开实施例中，第二获取模块52，还用于：获取目标车辆的目标车辆标识码；根据目标车辆标识码，从预构建的车辆标识码与车辆电池的元数据的关联数据库中，获取目标车辆的目标车辆电池的目标元数据；根据目标元数据，得到目标车辆电池的预测电池电量。
本公开实施例中，确定模块53，还用于：响应于预测电池电量大于或者等于目标升级电量，确定目标车辆可以执行目标OTA升级任务。
本公开实施例中，确定模块53，还用于：获取目标升级电量对应的升级电量阈值；响应于预测电池电量大于或者等于升级电量阈值，确定目标车辆可以执行目标OTA升级任务。
本公开实施例中，优化模块54，还用于：识别目标车辆的目标车辆电池的实际电压值，和目标车辆电池在实际电压值下的实际剩余电量；根据实际电压值和实际剩余电量，对目标剩余电量预测模型进行模型优化。
本公开实施例中，优化模块54，还用于：识别目标车辆执行目标OTA升级任务的实际消耗电量，并根据实际消耗电量对目标升级电量预测模型进行模型优化。
本公开提出的OTA升级任务的执行装置，获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据目标任务类型确定目标车辆执行目标OTA升级任务所需的目标升级电量。获取目标车辆的目标车辆电池的目标元数据，进而确定目标车辆电池的预测电池电量。进一步地，根据目标升级电量和预测电池电量，确定目标车辆是否可以执行目标OTA升级任务。本公开中，目标OTA升级任务发送至目标车辆之前，在云端获取目标车辆电池的目标元数据，进而得到目标车辆电池的预测电池电量，提高了目标车辆电池的电量预测的准确程度，根据预测电池电量和目标升级电量在云端实现对目标车辆是否可以执行目标OTA升级任务进行判断，缩短了对目标车辆是否可以执行目标OTA升级任务的判断时间，提高了判断效率，节约了OTA升级任务的发送资源以及目标车辆的车端算法资源，实现对目标车辆的个性化判断，优化了目标车辆的用户体验。
根据本公开的实施例，本公开还提出了一种车辆，包括图6所示的电子设备。
根据本公开的实施例，本公开还提出了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元606，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如OTA升级任务的执行方法。例如，在一些实施例中，OTA升级任务的执行方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的OTA升级任务的执行方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行OTA升级任务的执行方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提出给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提出与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提出给计算机。其它种类的装置还可以用于提出与用户的交互；例如，提出给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (28)

1.一种OTA升级任务的执行方法，其中，所述方法包括：
获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据所述目标任务类型确定所述目标车辆执行所述目标OTA升级任务所需的目标升级电量；
获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量；
根据所述目标升级电量和所述预测电池电量，确定所述目标车辆是否可以执行所述目标OTA升级任务。
2.根据权利要求1所述的方法，其中，所述获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据所述目标任务类型确定所述目标车辆执行所述目标OTA升级任务所需的目标升级电量，包括：
获取执行历史OTA升级任务的第一车辆集合，其中，所述历史OTA升级任务的历史任务类型与所述目标任务类型相同；
获取所述第一车辆集合中各车辆执行所述历史OTA升级任务时，各车辆的车辆电池的第一历史元数据和历史消耗电量；
获取待训练的升级电量预测模型，并基于所述第一历史元数据和所述历史消耗电量对所述升级电量预测模型进行模型训练，得到训练好的目标升级电量预测模型；
基于所述目标升级电量预测模型，得到所述目标车辆执行所述目标OTA升级任务所需的所述目标升级电量。
3.根据权利要求2所述的方法，其中，所述获取待训练的升级电量预测模型，并基于所述第一历史元数据和所述历史消耗电量对所述升级电量预测模型进行模型训练，得到训练好的目标升级电量预测模型，包括：
基于所述第一历史元数据和所述历史任务类型，获取所述升级电量预测模型的第一训练样本；
基于所述第一训练样本对所述升级电量预测模型进行训练，并基于训练输出对所述升级电量预测模型进行迭代优化，直至训练结束得到训练好的目标升级电量预测模型。
4.根据权利要求2所述的方法，其中，所述基于所述目标升级电量预测模型，得到所述目标车辆执行所述目标OTA升级任务所需的所述目标升级电量，包括：
将所述目标OTA升级任务的目标任务类型和所述目标车辆的所述目标车辆电池的所述目标元数据，输入所述目标升级电量预测模型中，基于所述目标升级电量预测模型的输出结果，得到所述目标车辆执行所述目标OTA升级任务所需的所述目标升级电量。
5.根据权利要求1所述的方法，其中，所述获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量，包括：
根据所述目标元数据获取所述目标车辆电池的目标属性参数，并根据所述目标属性参数得到第二车辆集合，其中，所述第二车辆集合中各车辆的车辆电池的样本属性参数与所述目标属性参数相同；
获取所述第二车辆集合中各车辆的车辆电池的样本电压值，和各车辆的车辆电池在所述样本电压值下的样本剩余电量；
获取待训练的剩余电量预测模型，并根据所述样本属性参数、所述样本电压值以及所述各车辆的车辆电池在所述样本电压值下的样本剩余电量，对所述剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型；
基于所述目标剩余电量预测模型和所述目标车辆电池的所述目标元数据，获取所述目标车辆电池的所述预测电池电量。
6.根据权利要求5所述的方法，其中，所述获取待训练的剩余电量预测模型，并根据所述样本属性参数、所述样本电压值以及所述各车辆的车辆电池在所述样本电压值下的样本剩余电量，对所述剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型，包括：
获取所述第二车辆集合中各车辆的车辆电池的样本使用年限；
根据所述样本属性参数、所述样本电压值以及所述各车辆的车辆电池在所述样本电压值下的样本剩余电量，获取所述剩余电量预测模型的第二训练样本；
基于所述第二训练样本对所述剩余电量预测模型进行训练，并基于训练输出对所述剩余电量预测模型进行迭代优化，直至训练结束得到训练好的目标剩余电量预测模型。
7.根据权利要求5所述的方法，其中，所述基于所述目标剩余电量预测模型和所述目标车辆电池的所述目标元数据，获取所述目标车辆电池的所述预测电池电量，包括：
获取所述目标车辆电池的目标电压值；
根据所述目标电压值和所述目标元数据，获取所述目标剩余电量预测模型的输入数据；
基于所述输入数据获取所述目标剩余电量预测模型的输出结果，并根据所述输出结果获取所述目标车辆的所述目标车辆电池在所述目标电压值下的所述预测电池电量。
8.根据权利要求1所述的方法，其中，所述获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量，包括：
获取所述目标车辆的目标车辆标识码；
根据所述目标车辆标识码，从预构建的车辆标识码与车辆电池的元数据的关联数据库中，获取所述目标车辆的目标车辆电池的所述目标元数据；
根据所述目标元数据，得到所述目标车辆电池的所述预测电池电量。
9.根据权利要求1-8任一项所述的方法，其中，所述根据所述目标升级电量和所述预测电池电量，确定所述目标车辆是否可以执行所述目标OTA升级任务，包括：
响应于所述预测电池电量大于或者等于所述目标升级电量，确定所述目标车辆可以执行所述目标OTA升级任务。
10.根据权利要求1-8任一项所述的方法，其中，所述方法还包括：
获取所述目标升级电量对应的升级电量阈值；
响应于所述预测电池电量大于或者等于所述升级电量阈值，确定所述目标车辆可以执行所述目标OTA升级任务。
11.根据权利要求1-8任一项所述的方法，其中，所述方法还包括：
识别所述目标车辆的目标车辆电池的实际电压值，和所述目标车辆电池在所述实际电压值下的实际剩余电量；
根据所述实际电压值和所述实际剩余电量，对所述目标剩余电量预测模型进行模型优化。
12.根据权利要求1-8任一项所述的方法，其中，所述方法还包括：
识别所述目标车辆执行所述目标OTA升级任务的实际消耗电量，并根据所述实际消耗电量对所述目标升级电量预测模型进行模型优化。
13.一种OTA升级任务的执行装置，其中，所述装置包括：
第一获取模块，用于获取待发送至目标车辆的目标OTA升级任务的目标任务类型，并根据所述目标任务类型确定所述目标车辆执行所述目标OTA升级任务所需的目标升级电量；
第二获取模块，用于获取所述目标车辆的目标车辆电池的目标元数据，并根据所述目标元数据得到所述目标车辆电池的预测电池电量；
确定模块，用于根据所述目标升级电量和所述预测电池电量，确定所述目标车辆是否可以执行所述目标OTA升级任务。
14.根据权利要求13所述的装置，其中，所述第一获取模块，还用于：
获取执行历史OTA升级任务的第一车辆集合，其中，所述历史OTA升级任务的历史任务类型与所述目标任务类型相同；
获取所述第一车辆集合中各车辆执行所述历史OTA升级任务时，各车辆的车辆电池的第一历史元数据和历史消耗电量；
获取待训练的升级电量预测模型，并基于所述第一历史元数据和所述历史消耗电量对所述升级电量预测模型进行模型训练，得到训练好的目标升级电量预测模型；
基于所述目标升级电量预测模型，得到所述目标车辆执行所述目标OTA升级任务所需的所述目标升级电量。
15.根据权利要求14所述的装置，其中，所述第一获取模块，还用于：
基于所述第一历史元数据和所述历史任务类型，获取所述升级电量预测模型的第一训练样本；
基于所述第一训练样本对所述升级电量预测模型进行训练，并基于训练输出对所述升级电量预测模型进行迭代优化，直至训练结束得到训练好的目标升级电量预测模型。
16.根据权利要求14所述的装置，其中，所述第一获取模块，还用于：
将所述目标OTA升级任务的目标任务类型和所述目标车辆的所述目标车辆电池的所述目标元数据，输入所述目标升级电量预测模型中，基于所述目标升级电量预测模型的输出结果，得到所述目标车辆执行所述目标OTA升级任务所需的所述目标升级电量。
17.根据权利要求13所述的装置，其中，所述第二获取模块，还用于：
根据所述目标元数据获取所述目标车辆电池的目标属性参数，并根据所述目标属性参数得到第二车辆集合，其中，所述第二车辆集合中各车辆的车辆电池的样本属性参数与所述目标属性参数相同；
获取所述第二车辆集合中各车辆的车辆电池的样本电压值，和各车辆的车辆电池在所述样本电压值下的样本剩余电量；
获取待训练的剩余电量预测模型，并根据所述样本属性参数、所述样本电压值以及所述各车辆的车辆电池在所述样本电压值下的样本剩余电量，对所述剩余电量预测模型进行训练，得到训练好的目标剩余电量预测模型；
基于所述目标剩余电量预测模型和所述目标车辆电池的所述目标元数据，获取所述目标车辆电池的所述预测电池电量。
18.根据权利要求17所述的装置，其中，所述第二获取模块，还用于：
获取所述第二车辆集合中各车辆的车辆电池的样本使用年限；
根据所述样本属性参数、所述样本电压值以及所述各车辆的车辆电池在所述样本电压值下的样本剩余电量，获取所述剩余电量预测模型的第二训练样本；
基于所述第二训练样本对所述剩余电量预测模型进行训练，并基于训练输出对所述剩余电量预测模型进行迭代优化，直至训练结束得到训练好的目标剩余电量预测模型。
19.根据权利要求17所述的装置，其中，所述第二获取模块，还用于：
获取所述目标车辆电池的目标电压值；
根据所述目标电压值和所述目标元数据，获取所述目标剩余电量预测模型的输入数据；
基于所述输入数据获取所述目标剩余电量预测模型的输出结果，并根据所述输出结果获取所述目标车辆的所述目标车辆电池在所述目标电压值下的所述预测电池电量。
20.根据权利要求13所述的装置，其中，所述第二获取模块，还用于：
获取所述目标车辆的目标车辆标识码；
根据所述目标车辆标识码，从预构建的车辆标识码与车辆电池的元数据的关联数据库中，获取所述目标车辆的目标车辆电池的所述目标元数据；
根据所述目标元数据，得到所述目标车辆电池的所述预测电池电量。
21.根据权利要求13-20任一项所述的装置，其中，所述确定模块，还用于：
响应于所述预测电池电量大于或者等于所述目标升级电量，确定所述目标车辆可以执行所述目标OTA升级任务。
22.根据权利要求13-20任一项所述的装置，其中，所述确定模块，还用于：
获取所述目标升级电量对应的升级电量阈值；
响应于所述预测电池电量大于或者等于所述升级电量阈值，确定所述目标车辆可以执行所述目标OTA升级任务。
23.根据权利要求13-20任一项所述的装置，其中，所述优化模块，还用于：
识别所述目标车辆的目标车辆电池的实际电压值，和所述目标车辆电池在所述实际电压值下的实际剩余电量；
根据所述实际电压值和所述实际剩余电量，对所述目标剩余电量预测模型进行模型优化。
24.根据权利要求13-20任一项所述的装置，其中，所述优化模块，还用于：
识别所述目标车辆执行所述目标OTA升级任务的实际消耗电量，并根据所述实际消耗电量对所述目标升级电量预测模型进行模型优化。
25.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
26.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
27.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-12中任一项所述的方法。
28.一种车辆，包括上述权利要求25所述的电子设备。
CN202211118897.9A 2022-09-14 2022-09-14 Ota升级任务的执行方法、装置和电子设备 Pending CN115499315A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211118897.9A CN115499315A (zh) 2022-09-14 2022-09-14 Ota升级任务的执行方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211118897.9A CN115499315A (zh) 2022-09-14 2022-09-14 Ota升级任务的执行方法、装置和电子设备

Publications (1)

Publication Number Publication Date
CN115499315A true CN115499315A (zh) 2022-12-20

Family

ID=84467738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211118897.9A Pending CN115499315A (zh) 2022-09-14 2022-09-14 Ota升级任务的执行方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN115499315A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954657A (zh) * 2023-07-19 2023-10-27 红石阳光(深圳)科技有限公司 一种汽车ota升级的策略控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105676138A (zh) * 2016-01-22 2016-06-15 广东志成冠军集团有限公司 一种预测电池的剩余电量的方法和系统
CN108573545A (zh) * 2018-04-24 2018-09-25 中南大学 一种冰雪环境无人驾驶车辆电源模型预测方法与系统
CN110750279A (zh) * 2019-09-26 2020-02-04 广州小鹏汽车科技有限公司 一种车载系统升级方法、系统、车辆及存储介质
CN112677770A (zh) * 2020-12-16 2021-04-20 宝能(广州)汽车研究院有限公司 Ota升级方法、存储介质以及电子设备和车辆
CN113895307A (zh) * 2021-11-24 2022-01-07 中国第一汽车股份有限公司 一种剩余里程的确定方法、装置、电动汽车及介质
WO2022156520A1 (zh) * 2021-01-25 2022-07-28 国汽智控(北京)科技有限公司 一种云路协同的自动驾驶模型训练、调取方法及系统
CN114879996A (zh) * 2022-05-26 2022-08-09 北京新能源汽车股份有限公司 一种整车交流慢充过程中远程升级控制方法及系统
CN114968304A (zh) * 2022-06-08 2022-08-30 中国第一汽车股份有限公司 一种ota升级方法、装置、存储介质及电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105676138A (zh) * 2016-01-22 2016-06-15 广东志成冠军集团有限公司 一种预测电池的剩余电量的方法和系统
CN108573545A (zh) * 2018-04-24 2018-09-25 中南大学 一种冰雪环境无人驾驶车辆电源模型预测方法与系统
CN110750279A (zh) * 2019-09-26 2020-02-04 广州小鹏汽车科技有限公司 一种车载系统升级方法、系统、车辆及存储介质
CN112677770A (zh) * 2020-12-16 2021-04-20 宝能(广州)汽车研究院有限公司 Ota升级方法、存储介质以及电子设备和车辆
WO2022156520A1 (zh) * 2021-01-25 2022-07-28 国汽智控(北京)科技有限公司 一种云路协同的自动驾驶模型训练、调取方法及系统
CN113895307A (zh) * 2021-11-24 2022-01-07 中国第一汽车股份有限公司 一种剩余里程的确定方法、装置、电动汽车及介质
CN114879996A (zh) * 2022-05-26 2022-08-09 北京新能源汽车股份有限公司 一种整车交流慢充过程中远程升级控制方法及系统
CN114968304A (zh) * 2022-06-08 2022-08-30 中国第一汽车股份有限公司 一种ota升级方法、装置、存储介质及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乔维德;凌兴宏;: "用于电动汽车电池SOC预测的BP神经网络模型", 石家庄学院学报 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116954657A (zh) * 2023-07-19 2023-10-27 红石阳光(深圳)科技有限公司 一种汽车ota升级的策略控制方法及系统
CN116954657B (zh) * 2023-07-19 2024-04-12 红石阳光(深圳)科技有限公司 一种汽车ota升级的策略控制方法及系统

Similar Documents

Publication Publication Date Title
CN115330275B (zh) 一种退役电池的梯次利用方法及装置
CN115221795A (zh) 容量预测模型的训练方法、预测方法、装置、设备及介质
US20240198840A1 (en) Central control charging system, method, and apparatus based on big data
CN111383100A (zh) 基于风险模型的全生命周期管控方法和装置
EP4280051A1 (en) Inference service deployment method and apparatus, device, and storage medium
CN115499315A (zh) Ota升级任务的执行方法、装置和电子设备
JP2023139227A (ja) 電池健康状態予測方法、装置、電子機器及び可読記憶媒体
CN114968304A (zh) 一种ota升级方法、装置、存储介质及电子设备
CN112884569A (zh) 一种信用评估模型的训练方法、装置及设备
CN111231758B (zh) 一种电池容量的估算方法、装置、电子设备及介质
CN114954105A (zh) 电池换电方法、装置、电子设备及存储介质
CN114818913A (zh) 决策生成方法和装置
CN112417767B (zh) 一种衰减趋势确定模型构建方法、衰减趋势确定方法
CN116680992B (zh) 建立电芯容量预测模型的方法、装置、计算机设备及介质
CN108770014B (zh) 网络服务器的计算评估方法、系统、装置及可读存储介质
CN117014389A (zh) 算网资源配置方法及系统、电子设备、存储介质
CN112785111A (zh) 生产效率预测方法、装置、存储介质与电子设备
CN115236512A (zh) 电池健康状态评估方法、装置、电子设备及可读存储介质
CN116533817A (zh) 一种充电剩余时间的预测方法、装置及存储介质
CN114490432A (zh) 内存处理方法、装置、电子设备和计算机可读存储介质
CN114187685A (zh) 一种智能锁耗电的优化方法、系统、设备及介质
CN111652420A (zh) 一种实时的负荷预测系统
CN118144639A (zh) 一种蓄电池剩余使用时间的预测方法、装置、介质、设备
CN117117926B (zh) 一种配电网储能配置方法及系统
CN115520155A (zh) 一种移动换电方法、系统、装置、电子设备及存储介质

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