KR20240056570A - 사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체 - Google Patents
사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체 Download PDFInfo
- Publication number
- KR20240056570A KR20240056570A KR1020247011256A KR20247011256A KR20240056570A KR 20240056570 A KR20240056570 A KR 20240056570A KR 1020247011256 A KR1020247011256 A KR 1020247011256A KR 20247011256 A KR20247011256 A KR 20247011256A KR 20240056570 A KR20240056570 A KR 20240056570A
- Authority
- KR
- South Korea
- Prior art keywords
- driving
- data
- analysis
- user type
- vehicle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 80
- 238000012549 training Methods 0.000 claims description 27
- 230000000007 visual effect Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 8
- 238000011217 control strategy Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L3/00—Electric devices on electrically-propelled vehicles for safety purposes; Monitoring operating variables, e.g. speed, deceleration or energy consumption
- B60L3/12—Recording operating variables ; Monitoring of operating variables
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/10—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to vehicle motion
- B60W40/105—Speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2250/00—Driver interactions
- B60L2250/18—Driver interactions by enquiring driving style
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2260/00—Operating Modes
- B60L2260/40—Control modes
- B60L2260/50—Control modes by future state prediction
- B60L2260/54—Energy consumption estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
- B60Y2200/00—Type of vehicle
- B60Y2200/90—Vehicles comprising electric prime movers
- B60Y2200/91—Electric vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
Landscapes
- Engineering & Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Power Engineering (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Traffic Control Systems (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- General Physics & Mathematics (AREA)
Abstract
사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체. 이 방법은 미리 설정된 시간 기간에서의 주행 데이터를 획득하는 단계(2100) - 주행 데이터는 적어도 차량의 주행 시간 및 누적 주행 마일리지를 포함함 -; 미리 설정된 시간 기간에서의 주행 데이터에 따라 분석 대상 데이터를 획득하는 단계(2200) - 분석 대상 데이터는 주행 지속기간, 주행 마일리지, 및 매일의 각각의 시간 기간에서의 주행 횟수를 포함함 -; 및 미리 설정된 식별 모델을 통해 분석 대상 데이터를 분석하여, 사용자 유형을 획득하는 단계(2300)를 포함한다.
Description
관련 출원들에 대한 상호 참조
본 개시는 참조에 의해 그 전체가 본 명세서에 포함되는, 2021년 12월 31일자로 출원되고 발명의 명칭이 "USER TYPE IDENTIFICATION METHOD, ELECTRONIC DEVICE, AND READABLE STORAGE MEDIUM"인 중국 특허 출원 번호 제202111676076.2호에 대한 우선권을 주장한다.
기술 분야
본 개시의 실시예들은 데이터 처리 기술 분야에 관한 것으로, 더 구체적으로는, 사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체에 관한 것이다.
신에너지 차량의 인기가 증가함에 따라, 사용자 수도 증가되고 있다. 각각의 사용자가 상이한 운전 습관과 주행 모드를 갖기 때문에, 차량의 전원 배터리의 성능도 상이하다. 배터리의 성능을 최적화하기 위해서는, 사용자에 맞게 배터리 관리 시스템이 맞춤화되도록, 차량의 주행 데이터를 분석하는 것에 의해 사용자 유형이 획득될 필요가 있다.
그렇지만, 사용자 유형이 분류될 때, 처리 절차가 복잡하고, 사용자의 주행 경로와 같은 민감한 정보가 획득 및 분석될 필요가 있어, 사용자의 정보 보안에 큰 문제를 야기한다.
본 개시의 실시예들의 제1 양태에 따르면, 사용자 유형 식별 방법이 제공되며, 상기 방법은:
미리 설정된 시간 기간에서의 주행 데이터를 획득하는 단계 - 상기 주행 데이터는 적어도 차량의 주행 시간 및 누적 주행 마일리지(accumulated driving mileage)를 포함함 -;
상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터(to-be-analyzed data)를 획득하는 단계 - 상기 분석 대상 데이터는 주행 지속기간, 주행 마일리지, 및 매일 각각의 시간 기간에서의 주행 횟수를 포함함 -; 및
미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하는 단계를 포함한다.
본 개시의 실시예에서, 상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터를 획득하는 단계는:
상기 미리 설정된 시간 기간에서의 상기 주행 데이터로부터 일일 주행 데이터를 추출하는 단계; 및
상기 일일 주행 데이터를 제각기 계산하여, 상기 주행 지속기간, 상기 주행 마일리지, 및 매일 각각의 시간 기간에서의 상기 주행 횟수를 획득하는 단계를 포함한다.
본 개시의 실시예에서, 상기 사용자 유형의 식별 결과는 주간 온라인 차량 호출(car-hailing) 사용자 유형, 야간 온라인 차량 호출 사용자 유형, 출퇴근 개인 차량 사용자 유형, 상용 차량 사용자 유형, 및 비출퇴근 개인 차량 사용자 유형을 포함한다.
본 개시의 실시예에서, 상기 방법은:
상기 사용자 유형에 기초하여 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득하는 단계를 더 포함한다.
본 개시의 실시예에서, 상기 차량 데이터는 상기 차량이 주행 상태에 있을 때의 상기 주행 데이터 및 상기 차량이 비주행 상태에 있을 때의 비주행 데이터를 포함한다.
본 개시의 실시예에서, 상기 방법은:
상기 사용자의 상기 차량 데이터에 대한 특징 분석을 수행하여, 상기 사용자의 운전 습관 정보를 획득하는 단계를 더 포함한다.
본 개시의 실시예에서, 상기 방법은:
상기 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화하는 단계를 더 포함한다.
본 개시의 실시예에서, 미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하는 단계는:
트레이닝 샘플 세트를 획득하는 단계 - 상기 트레이닝 샘플 세트는 전처리된 오프라인 차량 데이터를 포함함 -;
상기 트레이닝 샘플 세트에 기초하여 상기 식별 모델을 트레이닝시키는 단계; 및
상기 식별 모델에 기초하여 상기 분석 대상 데이터에 대한 분석을 수행하여, 상기 사용자 유형을 획득하는 단계를 포함한다.
본 개시의 실시예에서, 상기 방법은:
상기 분석 대상 데이터에 대한 분석을 수행한 후에 상기 분석 대상 데이터 및 대응하는 분석 결과를 트레이닝 샘플로서 상기 트레이닝 샘플 세트에 업데이트하는 단계를 더 포함한다.
본 개시의 실시예들의 제2 양태에 따르면, 사용자 유형 식별 장치가 제공되며, 상기 식별 장치는:
미리 설정된 시간 기간에서의 주행 데이터를 획득하고 - 상기 주행 데이터는 적어도 차량의 주행 시간 및 누적 주행 마일리지를 포함함 -; 상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터를 획득하도록 - 상기 분석 대상 데이터는 주행 지속기간, 주행 마일리지, 및 매일 각각의 시간 기간에서의 주행 횟수를 포함함 - 구성된, 획득 모듈; 및
미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하도록 구성된, 분석 모듈을 포함한다.
본 개시의 실시예에서, 상기 분석 모듈은 상기 사용자 유형에 기초하여 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득하도록 추가로 구성된다.
본 개시의 실시예에서, 상기 분석 모듈은 상기 사용자의 상기 차량 데이터에 대한 특징 분석을 수행하여, 상기 사용자의 운전 습관 정보를 획득하도록 추가로 구성된다.
본 개시의 실시예에서, 상기 식별 장치는:
상기 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화하도록 구성된 처리 모듈을 더 포함한다.
본 개시의 실시예에서, 상기 획득 모듈은:
트레이닝 샘플 세트를 획득하고 - 상기 트레이닝 샘플 세트는 전처리된 오프라인 차량 데이터를 포함함 -;
상기 트레이닝 샘플 세트에 기초하여 상기 식별 모델을 트레이닝시키며;
상기 식별 모델에 기초하여 상기 분석 대상 데이터에 대한 분석을 수행하여, 상기 사용자 유형을 획득하도록 추가로 구성된다.
본 개시의 실시예들의 제3 양태에 따르면, 메모리 및 프로세서를 포함하는, 전자 디바이스가 제공된다. 상기 메모리는 실행 가능한 명령어를 저장하도록 구성되고; 상기 프로세서는 상기 명령어의 제어 하에서 본 개시의 실시예들의 제1 양태 중 어느 하나에 따른 사용자 유형 식별 방법을 실행하도록 구성된다.
본 개시의 실시예들의 제4 양태에 따르면, 컴퓨터 프로그램을 저장한 판독 가능 저장 매체가 제공된다. 프로세서에 의해 실행될 때, 상기 컴퓨터 프로그램은 본 개시의 실시예들의 제1 양태 중 어느 하나에 따른 사용자 유형 식별 방법을 구현한다.
첨부 도면은 본 명세서에 포함되어 본 명세서의 일부를 구성하며, 본 개시의 실시예들을 도시하고, 그 설명과 함께 본 개시의 원리를 설명하는 데 사용된다.
도 1은 예시적인 전자 디바이스의 하드웨어 구성의 원리 블록 다이어그램이다.
도 2는 본 개시의 실시예에 따른 사용자 유형 식별 방법의 개략적인 플로차트이다.
도 3은 본 개시의 실시예에 따른 사용자 유형 식별 방법을 통해 획득되는 사용자 유형의 개략적인 시각적 다이어그램이다.
도 4는 본 개시의 실시예에 따른 사용자 유형 식별 장치의 개략적인 구조 다이어그램이다.
도 5는 예시적인 전자 디바이스의 하드웨어 구조의 개략적인 다이어그램이다.
도 1은 예시적인 전자 디바이스의 하드웨어 구성의 원리 블록 다이어그램이다.
도 2는 본 개시의 실시예에 따른 사용자 유형 식별 방법의 개략적인 플로차트이다.
도 3은 본 개시의 실시예에 따른 사용자 유형 식별 방법을 통해 획득되는 사용자 유형의 개략적인 시각적 다이어그램이다.
도 4는 본 개시의 실시예에 따른 사용자 유형 식별 장치의 개략적인 구조 다이어그램이다.
도 5는 예시적인 전자 디바이스의 하드웨어 구조의 개략적인 다이어그램이다.
이제, 본 개시의 다양한 예시적인 실시예들이 첨부 도면을 참조하여 상세히 설명된다. 달리 명시되지 않는 한, 실시예들에서 설명된 컴포넌트들 및 단계들의 정반대 배열들, 수치 표현들, 및 수치 값들이 본 개시의 범위를 제한하지 않는다는 점에 유의해야 한다.
적어도 하나의 예시적인 실시예에 대한 이하의 설명은 단지 예시적인 것이며, 본 개시 및 그 응용 또는 사용에 대한 어떠한 제한도 결코 구성하지 않는다.
관련 기술 분야의 통상의 기술자에게 알려진 기술들, 방법들, 및 디바이스들이 상세히 논의되지 않을 수 있지만, 적절한 경우, 해당 기술들, 방법들, 및 디바이스들은 본 명세서의 일부로 간주되어야 한다.
본 명세서에 도시되고 논의된 모든 예들에서, 임의의 특정 값은 단지 예시적인 것으로만 해석되어야 하며, 제한으로서 해석되어서는 안 된다. 따라서, 예시적인 실시예의 다른 예는 상이한 값을 가질 수 있다.
유사한 참조 번호 및 문자가 이하의 첨부 도면에서 유사한 항목을 가리킨다는 점에 유의해야 한다. 따라서, 항목이 첨부 도면에서 일단 정의되면, 후속 첨부 도면에서는 해당 항목이 더 이상 논의될 필요가 없다.
본 개시의 실시예들의 목적은, 사용자 분류가 구현될 때 사용자의 정보 보안이 개선될 수 있도록, 사용자 유형 식별 방법을 제공하는 것이다.
본 개시의 유리한 효과는, 미리 설정된 시간 기간에서의 주행 데이터가 획득되고 - 주행 데이터는 적어도 차량 주행 프로세스에서의 주행 시간, 누적 주행 마일리지, 및 주행 속도를 포함함 -; 미리 설정된 시간 기간에서의 주행 데이터에 기초하여 분석 대상 데이터가 획득되며 - 분석 대상 데이터는 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수를 포함함 -; 미리 설정된 식별 모델을 통해 분석 대상 데이터에 대한 분석이 수행되어, 사용자 유형을 획득하는 것이다. 실시예들에서, 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수에 대한 분석을 수행하는 것에 의해 사용자 유형이 획득된다. 계산 프로세스에서 사용되는 데이터가 사용자의 민감한 프라이버시 데이터(privacy data)와 관련이 없기 때문에, 사용자 분류가 구현될 때 사용자의 정보 보안이 개선될 수 있다.
<하드웨어 구성>
도 1에 도시된 바와 같이, 본 개시의 사용자 유형 식별 방법을 사용할 수 있는 전자 디바이스(1000)는 프로세서(1100), 메모리(1200), 인터페이스 장치(1300), 통신 장치(1400), 디스플레이 장치(1500), 입력 장치(1600), 스피커(1700), 마이크로폰(1800) 등을 포함할 수 있다.
프로세서(1100)는 모바일 버전 프로세서일 수 있다. 메모리(1200)는, 예를 들어, ROM(read-only memory), RAM(random access memory), 하드 디스크와 같은 비휘발성 메모리를 포함한다. 인터페이스 장치(1300)는, 예를 들어, USB 인터페이스 및 이어폰 인터페이스를 포함한다. 통신 장치(1400)는, 예를 들어, 유선 또는 무선 통신을 수행할 수 있다. 통신 장치(1400)는 단거리 통신 장치, 예를 들어, Hilink 프로토콜, WiFi(IEEE 802.11 프로토콜), Mesh, Bluetooth, ZigBee, Thread, Z-Wave, NFC, UWB, 및 LiFi와 같은 단거리 무선 통신 프로토콜에 기초한 단거리 무선 통신을 수행하는 임의의 디바이스를 포함할 수 있다. 통신 장치(1400)는 원격 통신 장치, 예를 들어, WLAN, GPRS, 또는 2G/3G/4G/5G 원격 통신을 수행하는 임의의 디바이스를 또한 포함할 수 있다. 디스플레이 장치(1500)는, 예를 들어, 액정 디스플레이 스크린 또는 터치 디스플레이 스크린이다. 입력 장치(1600)는, 예를 들어, 터치 스크린 및 키보드를 포함할 수 있다. 전자 디바이스(1000)는 스피커(1700)를 통해 오디오 정보를 출력할 수 있고, 마이크로폰(1800)을 통해 오디오 정보를 수집할 수 있다.
이 실시예에서, 전자 디바이스(1000)의 메모리(1200)는 명령어를 저장하도록 구성되고, 명령어는 사용자 유형 식별 방법을 구현하는 동작을 수행하기 위해 프로세서(1100)를 제어하도록 구성된다. 기술자는 본 개시에 의해 개시되는 해결책들에 따라 명령어를 설계할 수 있다. 명령어가 동작을 수행하기 위해 프로세서를 어떻게 제어하는지는 본 기술 분야에 잘 알려져 있으며, 따라서 세부 사항이 본 명세서에서 다시 설명되지 않는다.
전자 디바이스(1000)의 다수의 장치들이 도 1에 도시되어 있지만, 본 개시는 그 안의 장치들 중 일부에만 관련될 수 있다. 예를 들어, 전자 디바이스(1000)는 메모리(1200), 프로세서(1100), 통신 장치(1400) 및 디스플레이 장치(1500)에만 관련된다.
도 1이 하나의 전자 디바이스(1000)만을 도시하지만, 이는 전자 디바이스들(1000)의 개수를 제한하는 것을 의미하지 않는다는 것이 이해되어야 한다.
<방법 실시예>
도 2는 본 개시의 실시예에 따른 사용자 유형 식별 방법의 개략적인 플로차트이다.
도 2에 도시된 바와 같이, 이 실시예에서의 사용자 유형 식별 방법은 구체적으로는 도 1에 도시된 전자 디바이스(1000)에 의해 수행될 수 있다.
구체적으로, 이 실시예에서의 사용자 유형 식별 방법은 이하의 단계(2100) 내지 단계(2300)를 포함할 수 있다.
단계(2100): 미리 설정된 시간 기간에서의 주행 데이터가 획득되고, 여기서 주행 데이터는 적어도 차량 주행 프로세스에서의 주행 시간, 누적 주행 마일리지, 및 주행 속도를 포함한다.
미리 설정된 시간 기간에서의 차량 데이터가 획득된다는 것은 일주일 만에 차량 데이터를 획득하는 것, 한 달 만에 차량 데이터를 획득하는 것, 또는 3개월 만에 차량 데이터를 획득하는 것일 수 있다. 미리 설정된 시간 기간은 실제 요구 사항에 따라 설정될 수 있다. 이는 본 명세서에서 구체적으로 제한되지 않는다.
차량 상태가 주행 상태일 때, 획득된 차량 데이터는 주행 데이터이고, 차량 상태가 충전 중 상태(charging state)일 때, 획득된 차량 데이터는 비주행 데이터인 것으로 이해될 수 있다. 이 실시예에서, 주행 데이터에 기초하여 사용자가 분류된다. 따라서, 미리 설정된 시간 기간에서의 주행 데이터가 차량 상태에 따라 차량 데이터로부터 선별될 필요가 있다.
구체적으로, 전자 디바이스(1000)는 먼저 미리 설정된 시간 기간에서의 차량 데이터를 획득하고 - 차량 데이터는 주행 시간, 누적 주행 마일리지, 차량 상태, 및 주행 속도를 포함하고; 차량 상태는 주행 상태와 충전 중 상태를 포함함 -; 이어서, 차량 상태에 기초하여, 차량 데이터로부터 미리 설정된 시간 기간에서의 주행 데이터를 획득할 수 있다.
예에서, 차량 데이터를 수집하기 위한 시간 간격은 30초일 수 있다.
단계(2200): 미리 설정된 시간 기간에서의 주행 데이터에 기초하여 분석 대상 데이터가 획득되며, 여기서 분석 대상 데이터는 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수를 포함한다.
구체적으로, 전자 디바이스가 미리 설정된 시간 기간에서의 주행 데이터를 획득한 후에, 미리 설정된 시간 기간에서의 주행 데이터로부터 일일 주행 데이터가 추출될 수 있으며; 일일 주행 지속기간, 일일 주행 마일리지, 및 미리 설정된 시간 기간에서 매일 각각의 순간에서의 주행 횟수를 획득하기 위해, 일일 주행 데이터가 제각기 계산된다.
예를 들어, 사용자 A가 하루에 세 번 차량을 운전하여, 오전 8시에 1시간 동안 운전하고, 주행 마일리지가 5 킬로미터이며; 정오 12시에 0.5시간 동안 운전하고 주행 마일리지가 2 킬로미터이며; 12시 45분에 2시간 동안 운전하고 주행 마일리지가 10 킬로미터라고 가정하면, 계산을 통해 획득되는 일일 주행 지속기간은 3.5 시간이고, 일일 주행 마일리지는 17 킬로미터이며, 8시에서의 주행 횟수는 1회이고, 12시에서의 주행 횟수는 2회이며, 오늘의 다른 순간들에서의 주행 횟수는 모두 0회이다.
단계(2300): 미리 설정된 식별 모델을 통해 분석 대상 데이터에 대한 분석이 수행되어, 사용자 유형을 획득한다.
구체적으로, 전자 디바이스(1000)는 전처리된 오프라인 차량 데이터를 포함하는 트레이닝 샘플 세트를 획득하고; 트레이닝 샘플 세트에 기초하여 식별 모델을 트레이닝시키며; 미리 설정된 식별 모델에 기초하여 분석 대상 데이터에 대한 분석을 수행하여, 대응하는 사용자 유형을 획득할 수 있다.
분석 대상 데이터에 대한 분석이 완료된 후에, 분석 대상 데이터 및 대응하는 분석 결과가 트레이닝 샘플로서 트레이닝 샘플 세트에 업데이트될 수 있으며, 따라서 전자 디바이스(1000)는 업데이트된 트레이닝 샘플 세트에 기초하여 식별 모델을 트레이닝시킴으로써 식별 모델을 최적화한다.
이 실시예에서, 미리 설정된 식별 모델은 K 평균 클러스터링 모델(K means clustering model)일 수 있다.
사용자 유형의 식별 결과는 주간 온라인 차량 호출 사용자 유형, 야간 온라인 차량 호출 사용자 유형, 출퇴근 개인 차량 사용자 유형, 상용 차량 사용자 유형, 및 비출퇴근 개인 차량 사용자 유형을 포함한다.
선택적으로, 분석 대상 데이터에 대한 분석이 수행되어 사용자 유형을 획득한 후에, 전자 디바이스(1000)는 추가로, 사용자 유형에 기초하여, 차량 데이터로부터 사용자의 대응하는 차량 데이터를 분리할 수 있고; 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득할 수 있다.
도 3에 도시된 바와 같이, 주간 온라인 차량 호출 사용자 유형에 대응하는 시각적 분석 결과는 클러스터 1에 도시되어 있으며, 그 특징들은 주로 평균 일일 주행 시간과 일일 주행 마일리지가 길고, 주행 시간 기간이 고정되어 있는 것을 특징으로 한다. 야간 온라인 차량 호출 사용자 유형에 대응하는 시각적 분석 결과는 클러스터 2에 도시되어 있으며, 그 특징들은 주로 평균 일일 주행 시간과 일일 주행 마일리지가 길고, 주행 시간 기간이 고정되어 있는 것을 특징으로 한다. 출퇴근 개인 차량 사용자 유형에 대응되는 시각적 분석 결과는 클러스터 3에 도시되어 있으며, 그 특징들은 주로 주행 시간 기간이 근무 시간과 비근무 시간에 집중되어 있고, 주행 마일리지가 고정되어 있는 것을 특징으로 한다. 상용 차량 사용자 유형에 대응되는 시각적 분석 결과는 클러스터 4에 도시되어 있으며, 그 특징들은 주로 주행 시간과 주행 마일리지가 중간이고, 주행 시간 기간이 고정되어 있지 않은 것을 특징으로 한다. 비출퇴근 개인 차량 사용자 유형에 대응되는 시각적 분석 결과는 클러스터 5에 도시되어 있으며, 그 특징들은 주로 주행 시간과 주행 마일리지가 짧고, 주행 시간 기간이 고정되어 있지 않은 것을 특징으로 한다.
선택적으로, 분석 대상 데이터에 대한 분석이 수행되어 사용자 유형을 획득한 후에, 전자 디바이스(1000)는 추가로, 사용자의 차량 데이터에 대한 특징 분석을 수행하여, 사용자의 운전 습관 정보를 획득할 수 있다.
이 실시예에서, 단계(2300) 후에, 전자 디바이스(1000)는 추가로 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화할 수 있다. 예를 들어, SOC의 추정 정확도가 조정될 수 있다.
이 실시예의 이 기술적 해결책에서, 미리 설정된 시간 기간에서의 주행 데이터가 획득되고 - 주행 데이터는 적어도 차량 주행 프로세스에서의 주행 시간, 누적 주행 마일리지, 및 주행 속도를 포함함 -; 미리 설정된 시간 기간에서의 주행 데이터에 기초하여 분석 대상 데이터가 획득되며 - 분석 대상 데이터는 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수를 포함함 -; 미리 설정된 식별 모델을 통해 분석 대상 데이터에 대한 분석이 수행되어, 사용자 유형을 획득한다. 이 실시예에서, 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수에 대한 분석을 수행하는 것에 의해 사용자 유형이 획득된다. 계산 프로세스에서 사용되는 데이터가 사용자의 민감한 프라이버시 데이터와 관련이 없기 때문에, 사용자 분류가 구현될 때 사용자의 정보 보안이 개선될 수 있다.
<장치 실시예>
도 4는 본 개시의 실시예에 따른 사용자 유형 식별 장치의 개략적인 구조 다이어그램이다. 도 4에 도시된 바와 같이, 이 실시예에서의 사용자 유형 식별 장치(4000)는 획득 모듈(4100) 및 분석 모듈(4200)을 포함할 수 있다.
획득 모듈(4100)은 미리 설정된 시간 기간에서의 주행 데이터를 획득하고 - 주행 데이터는 적어도 차량 주행 프로세스에서의 주행 시간, 누적 주행 마일리지, 및 주행 속도를 포함함 -; 미리 설정된 시간 기간에서의 주행 데이터에 기초하여 분석 대상 데이터를 획득하도록 - 분석 대상 데이터는 일일 주행 지속기간, 일일 주행 마일리지, 및 매일 각각의 순간에서의 주행 횟수를 포함함 - 구성되고;
분석 모듈(4200)은 미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하도록 구성된다.
사용자 유형의 식별 결과는 주간 온라인 차량 호출 사용자 유형, 야간 온라인 차량 호출 사용자 유형, 출퇴근 개인 차량 사용자 유형, 상용 차량 사용자 유형, 및 비출퇴근 개인 차량 사용자 유형을 포함한다.
이 실시예에서, 획득 모듈(4100)은 미리 설정된 시간 기간에서의 주행 데이터로부터 일일 주행 데이터를 추출하고; 일일 주행 지속기간, 일일 주행 마일리지, 및 미리 설정된 시간 기간에서 매일 각각의 순간에서의 주행 횟수를 획득하기 위해, 일일 주행 데이터를 제각기 계산하도록 구체적으로 구성된다.
이 실시예에서, 사용자 유형 식별 장치(4000)는, 사용자 유형에 기초하여, 차량 데이터로부터 사용자의 대응하는 차량 데이터를 분리하도록 구성된 분리 모듈(4300)을 더 포함할 수 있고; 분석 모듈(4200)은 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득하도록 추가로 구성될 수 있다.
이 실시예에서, 분석 모듈(4200)은 사용자의 차량 데이터에 대한 특징 분석을 수행하여, 사용자의 운전 습관 정보를 획득하도록 추가로 구성될 수 있다.
이 실시예에서, 사용자 유형 식별 장치(4000)는 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화하도록 구성된 처리 모듈(4400)을 더 포함할 수 있다.
이 실시예에서, 획득 모듈(4100)은 트레이닝 샘플 세트를 획득하도록 - 트레이닝 샘플 세트는 전처리된 오프라인 차량 데이터를 포함함 - 구체적으로 구성되고; 사용자 유형 식별 장치(4000)는 트레이닝 샘플 세트에 기초하여 식별 모델을 트레이닝시키도록 구성된 트레이닝 모듈을 더 포함할 수 있으며; 분석 모듈(4200)은 식별 모델에 기초하여 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하도록 추가로 구성될 수 있다.
이 실시예에서의 사용자 유형 식별 장치는 전술한 방법 실시예의 기술적 해결책을 수행하도록 구성될 수 있으며, 그 구현 원리 및 기술적 효과는 유사하다. 세부 사항들이 본 명세서에서 다시 설명되지 않는다.
<전자 디바이스 실시예>
실시예에서, 전자 디바이스(5000)가 추가로 제공된다.
도 5에 도시된 바와 같이, 전자 디바이스(5000)는 프로세서(5100) 및 메모리(5200)를 포함할 수 있다. 메모리(5200)는 실행 가능한 명령어를 저장하도록 구성되고; 프로세서(5100)는 도 2에서 설명된 실시예에 따른 사용자 유형 식별 방법을 수행하기 위해, 명령어의 제어에 기초하여, 전자 디바이스(5000)를 실행하도록 구성된다.
<매체 실시예>
본 개시의 실시예는 컴퓨터 프로그램을 저장한 컴퓨터 판독 가능 저장 매체를 제공한다. 프로세서에 의해 실행될 때, 컴퓨터 프로그램은 전술한 실시예들 중 어느 하나에 따른 사용자 유형 식별 방법을 구현한다.
본 개시는 시스템, 방법, 및/또는 컴퓨터 프로그램 제품일 수 있다. 컴퓨터 프로그램 제품은 컴퓨터 판독 가능 저장 매체를 포함할 수 있으며, 프로세서가 본 개시의 다양한 양태들을 구현할 수 있게 하기 위한 컴퓨터 판독 가능 프로그램 명령어들이 그 매체에 실려 있다.
컴퓨터 판독 가능 저장 매체는 명령어 실행 디바이스에 의해 사용하기 위한 명령어들을 유지 및 저장할 수 있는 유형적 디바이스일 수 있다. 컴퓨터 판독 가능 저장 매체는, 예를 들어, 전자 저장 디바이스, 자기 저장 디바이스, 광학 저장 디바이스, 전자기 저장 디바이스, 반도체 저장 디바이스, 또는 이들의 임의의 적합한 조합일 수 있지만, 이에 제한되지 않는다. 컴퓨터 판독 가능 저장 매체의 보다 구체적인 예(비포괄적 목록)는 휴대용 컴퓨터 디스크, 하드 디스크, RAM(random access memory), ROM(read-only memory), 소거 가능 프로그래밍 가능 판독 전용 메모리(EPROM 또는 플래시 메모리), SRAM(static random access memory), 휴대용 압축 디스크 판독 전용 메모리(CD-ROM), DVD(digital versatile disk), 메모리 스틱, 플로피 디스크, 기계적 코딩 디바이스, 예를 들어, 명령어가 저장된 펀치 카드 또는 인그루브 범프 구조(in-groove bump structure), 또는 이들의 임의의 적합한 조합을 포함한다. 본 명세서에서 사용되는 컴퓨터 판독 가능 저장 매체는, 전파 또는 다른 자유롭게 전파되는 전자기파, 도파관 또는 다른 전송 매체를 통해 전파되는 전자기파(예를 들어, 광섬유 케이블을 통한 광학 펄스), 또는 전선을 통해 전송되는 전기 신호와 같은, 순시 신호(instantaneous signal) 자체로 해석되어서는 안 된다.
본 명세서에서 설명되는 컴퓨터 판독 가능 프로그램 명령어들은 컴퓨터 판독 가능 저장 매체로부터 다양한 컴퓨팅/처리 디바이스들로 다운로드될 수 있거나, 인터넷, 로컬 영역 네트워크, 광역 네트워크, 및/또는 무선 네트워크와 같은, 네트워크를 통해 외부 컴퓨터 또는 외부 저장 디바이스로 다운로드될 수 있다. 네트워크는 구리 전송 케이블, 광섬유 전송, 무선 전송, 라우터, 방화벽, 스위치, 게이트웨이 컴퓨터, 및/또는 에지 서버를 포함할 수 있다. 각각의 컴퓨팅/처리 디바이스 내의 네트워크 어댑터 카드 또는 네트워크 인터페이스는 네트워크로부터 컴퓨터 판독 가능 프로그램 명령어들을 수신하고, 각각의 컴퓨팅/처리 디바이스 내의 컴퓨터 판독 가능 저장 매체에 저장되도록 컴퓨터 판독 가능 프로그램 명령어들을 전달한다.
본 개시의 동작을 실행하도록 구성된 컴퓨터 판독 가능 프로그램 명령어들은 어셈블리 명령어들, ISA(instruction set architecture) 명령어들, 기계 명령어들, 기계 관련 명령어들, 마이크로코드, 펌웨어 명령어들, 상태 설정 데이터, 또는 하나 이상의 프로그래밍 언어의 임의의 조합으로 작성된 소스 코드 또는 타깃 코드일 수 있으며, 여기서 프로그래밍 언어는 객체 지향 프로그래밍 언어, 예를 들어, Smalltalk 및 C++, 및 종래의 절차적 프로그래밍 언어, 예를 들어, "C" 언어 또는 유사한 프로그래밍 언어를 포함한다. 컴퓨터 판독 가능 프로그램 명령어들은 사용자 컴퓨터에서 완전히 실행되거나, 사용자 컴퓨터에서 부분적으로 실행되거나, 독립적인 소프트웨어 패키지로서 실행되거나, 사용자 컴퓨터에서 부분적으로 실행되고 원격 컴퓨터에서 부분적으로 실행되거나, 원격 컴퓨터 또는 서버에서 완전히 실행될 수 있다. 원격 컴퓨터를 수반하는 상황에서, 원격 컴퓨터는, LAN(local area network) 또는 WAN(wide area network)을 포함한, 임의의 유형의 네트워크를 통해 사용자 컴퓨터에 연결될 수 있거나, 외부 컴퓨터에 연결(예를 들어, 인터넷 서비스 제공업체를 통해 인터넷을 통해 연결)될 수 있다. 일부 실시예들에서, 전자 회로, 예를 들어, 프로그래밍 가능 로직 회로, FPGA(field programmable gate array), 또는 PLA(programmable logic array)가 컴퓨터 판독 가능 프로그램 명령어들의 상태 정보를 사용하여 맞춤화될 수 있으며, 전자 회로는 컴퓨터 판독 가능 프로그램 명령어들을 실행함으로써, 본 개시의 다양한 양태들을 구현할 수 있다.
본 개시의 다양한 양태들은 본 개시의 실시예들에 따른 방법, 장치(시스템) 및 컴퓨터 프로그램 제품의 플로차트들 및/또는 블록 다이어그램들을 참조하여 본 명세서에 설명된다. 플로차트들 및/또는 블록 다이어그램들의 각각의 블록 및 플로차트들 및/또는 블록 다이어그램들의 블록들의 조합 양쪽 모두가 컴퓨터 판독 가능 프로그램 명령어들에 의해 구현될 수 있다는 것이 이해되어야 한다.
컴퓨터 판독 가능 프로그램 명령어들은 범용 컴퓨터, 특수 목적 컴퓨터, 또는 다른 프로그래밍 가능한 사용자 유형 식별 장치의 프로세서에 제공되어, 컴퓨터 또는 다른 프로그래밍 가능한 사용자 유형 식별 장치의 프로세서에 의해 실행될 때, 명령어들이 플로차트들 및/또는 블록 다이어그램들의 하나 이상의 블록에 지정된 기능들/동작들을 구현하는 장치를 생성할 수 있도록 하는 머신을 생산할 수 있다. 컴퓨터 판독 가능 프로그램 명령어들은 컴퓨터 판독 가능 저장 매체에 추가로 저장될 수 있고, 명령어들은 컴퓨터, 프로그래밍 가능한 사용자 유형 식별 장치, 및/또는 다른 디바이스가 특정한 방식으로 작동할 수 있게 하며, 따라서 명령어들을 저장한 컴퓨터 판독 가능 매체는 제조 물품을 포함하고, 제조 물품은 플로차트들 및/또는 블록 다이어그램들의 하나 이상의 블록에 지정된 기능들/동작들의 다양한 양태들을 구현하는 명령어들을 포함한다.
컴퓨터 판독 가능 프로그램 명령어들은, 컴퓨터, 다른 프로그래밍 가능한 사용자 유형 식별 장치 또는 다른 디바이스에서 실행되는 명령어들이 플로차트들 및/또는 블록 다이어그램들의 하나 이상의 블록에 지정된 기능들/동작들을 구현하도록 컴퓨터로 구현된 프로세스를 생성하기 위해, 일련의 동작 단계들이 컴퓨터, 다른 프로그래밍 가능한 사용자 유형 식별 장치 또는 다른 디바이스에서 수행되도록 컴퓨터, 다른 프로그래밍 가능한 사용자 유형 식별 장치 또는 다른 디바이스에 추가로 로딩될 수 있다.
첨부 도면에서의 플로차트들 및 블록 다이어그램들은 본 개시의 다수의 실시예들에 따른 시스템, 방법 및 컴퓨터 프로그램 제품에 의해 구현될 수 있는 아키텍처들, 기능들 및 동작들을 예시한다. 이와 관련하여, 플로차트들 또는 블록 다이어그램들에서의 각각의 블록은 모듈, 프로그램 세그먼트, 또는 명령어의 일부를 나타낼 수 있으며, 모듈, 프로그램 세그먼트, 또는 명령어의 일부는 지정된 논리적 기능을 구현하도록 구성된 하나 이상의 실행 가능한 명령어를 포함한다. 일부 대안적인 구현들에서, 블록들로 표시된 기능들은 첨부 도면에 표시된 순서와 다르게 발생할 수 있다. 예를 들어, 2개의 연속된 블록은 실제로 거의 병렬로 실행될 수 있으며, 2개의 연속된 블록은 때로는 역순으로 실행될 수 있다. 이는 관여된 기능에 따라 달라진다. 블록 다이어그램들 및/또는 플로차트들의 각각의 블록 및 블록 다이어그램들 및/또는 플로차트들에서의 블록들의 조합이 지정된 기능 또는 동작을 수행하는 전용 하드웨어 기반 시스템을 사용하여 구현될 수 있거나, 특수 목적 하드웨어와 컴퓨터 명령어들의 조합을 사용하여 구현될 수 있다는 점에 또한 유의해야 한다. 하드웨어, 소프트웨어, 및 소프트웨어와 하드웨어의 조합을 통해 달성되는 구현들이 동등하다는 것이 본 기술 분야의 통상의 기술자에게 잘 알려져 있다.
본 개시의 다양한 실시예들이 위에서 설명되었다. 전술한 설명은 예시적이고 포괄적인 것이 아니며, 개시된 실시예들로 제한되지 않는다. 예시된 실시예들의 범위 및 사상을 벗어나지 않으면서, 많은 수정들 및 변형들이 본 기술 분야의 통상의 기술자에게 명백하다. 본 명세서에서 사용된 용어들은 다양한 실시예들, 실제 응용들, 또는 시장에서의 기술 개선의 원리들을 가장 잘 설명하거나 본 기술 분야의 다른 통상의 기술자가 본 명세서에 개시된 실시예들을 이해할 수 있게 하기 위한 것이다. 본 개시의 범위는 첨부된 청구항들에 의해 정의된다.
Claims (16)
- 사용자 유형 식별 방법으로서,
미리 설정된 시간 기간에서의 주행 데이터를 획득하는 단계(2100) - 상기 주행 데이터는 적어도 차량의 주행 시간 및 누적 주행 마일리지를 포함함 -;
상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터를 획득하는 단계(2200) - 상기 분석 대상 데이터는 주행 지속기간, 주행 마일리지, 및 매일 각각의 시간 기간에서의 주행 횟수를 포함함 -; 및
미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하는 단계(2300)
를 포함하는, 방법. - 제1항에 있어서, 상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터를 획득하는 단계는:
상기 미리 설정된 시간 기간에서의 상기 주행 데이터로부터 일일 주행 데이터를 추출하는 단계; 및
상기 일일 주행 데이터를 제각기 계산하여, 상기 주행 지속기간, 상기 주행 마일리지, 및 매일 각각의 시간 기간에서의 상기 주행 횟수를 획득하는 단계를 포함하는, 방법. - 제1항 또는 제2항에 있어서, 상기 사용자 유형의 식별 결과는 주간 온라인 차량 호출 사용자 유형, 야간 온라인 차량 호출 사용자 유형, 출퇴근 개인 차량 사용자 유형, 상용 차량 사용자 유형, 및 비출퇴근 개인 차량 사용자 유형을 포함하는, 방법.
- 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 사용자 유형에 기초하여 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득하는 단계를 더 포함하는, 방법. - 제4항에 있어서, 상기 차량 데이터는 상기 차량이 주행 상태에 있을 때의 상기 주행 데이터 및 상기 차량이 비주행 상태에 있을 때의 비주행 데이터를 포함하는, 방법.
- 제4항 또는 제5항에 있어서,
상기 사용자의 상기 차량 데이터에 대한 특징 분석을 수행하여, 상기 사용자의 운전 습관 정보를 획득하는 단계를 더 포함하는, 방법. - 제1항 내지 제6항 중 어느 한 항에 있어서,
상기 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화하는 단계를 더 포함하는, 방법. - 제1항 내지 제7항 중 어느 한 항에 있어서, 미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하는 단계는:
트레이닝 샘플 세트를 획득하는 단계 - 상기 트레이닝 샘플 세트는 전처리된 오프라인 차량 데이터를 포함함 -;
상기 트레이닝 샘플 세트에 기초하여 상기 식별 모델을 트레이닝시키는 단계; 및
상기 식별 모델에 기초하여 상기 분석 대상 데이터에 대한 분석을 수행하여, 상기 사용자 유형을 획득하는 단계를 포함하는, 방법. - 제8항에 있어서,
상기 분석 대상 데이터에 대한 분석을 수행한 후에 상기 분석 대상 데이터 및 대응하는 분석 결과를 트레이닝 샘플로서 상기 트레이닝 샘플 세트에 업데이트하는 단계를 더 포함하는, 방법. - 사용자 유형 식별 장치(4000)로서,
미리 설정된 시간 기간에서의 주행 데이터를 획득하고 - 상기 주행 데이터는 적어도 차량의 주행 시간 및 누적 주행 마일리지를 포함함 -; 상기 미리 설정된 시간 기간에서의 상기 주행 데이터에 기초하여 분석 대상 데이터를 획득하도록 구성된 획득 모듈(4100) - 상기 분석 대상 데이터는 주행 지속기간, 주행 마일리지, 및 매일 각각의 시간 기간에서의 주행 횟수를 포함함 -; 및
미리 설정된 식별 모델을 통해 상기 분석 대상 데이터에 대한 분석을 수행하여, 사용자 유형을 획득하도록 구성된 분석 모듈(4200)
을 포함하는, 식별 장치(4000). - 제10항에 있어서, 상기 분석 모듈(4200)은 사용자의 차량 데이터에 대한 시각적 분석을 수행하여, 시각적 분석 결과를 획득하도록 추가로 구성되는, 식별 장치(4000).
- 제10항 또는 제11항에 있어서, 상기 분석 모듈(4200)은 상기 사용자의 상기 차량 데이터에 대한 특징 분석을 수행하여, 상기 사용자의 운전 습관 정보를 획득하도록 추가로 구성되는, 식별 장치(4000).
- 제10항 내지 제12항 중 어느 한 항에 있어서,
상기 사용자 유형에 기초하여 대응하는 배터리 관리 시스템의 제어 전략을 공식화하도록 구성된 처리 모듈(4400)을 더 포함하는, 식별 장치(4000). - 제10항 내지 제13항 중 어느 한 항에 있어서, 상기 획득 모듈(4100)은:
트레이닝 샘플 세트를 획득하고 - 상기 트레이닝 샘플 세트는 전처리된 오프라인 차량 데이터를 포함함 -;
상기 트레이닝 샘플 세트에 기초하여 상기 식별 모델을 트레이닝시키며;
상기 식별 모델에 기초하여 상기 분석 대상 데이터에 대한 분석을 수행하여, 상기 사용자 유형을 획득하도록 구성되는, 식별 장치(4000). - 전자 디바이스(5000)로서,
메모리(5200) 및 프로세서(5100)를 포함하며, 상기 메모리(5200)는 실행 가능한 명령어를 저장하도록 구성되고, 상기 프로세서(5100)는 상기 명령어의 제어 하에서 제1항 내지 제9항 중 어느 한 항에 따른 사용자 유형 식별 방법을 실행하도록 구성되는, 전자 디바이스(5000). - 컴퓨터 프로그램을 저장한 판독 가능 저장 매체로서,
상기 컴퓨터 프로그램은 프로세서에 의해 실행될 때 제1항 내지 제9항 중 어느 한 항에 따른 사용자 유형 식별 방법을 구현하는, 판독 가능 저장 매체.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111676076.2 | 2021-12-31 | ||
CN202111676076.2A CN116409328A (zh) | 2021-12-31 | 2021-12-31 | 用户类型的识别方法、电子设备及可读存储介质 |
PCT/CN2022/133434 WO2023124655A1 (zh) | 2021-12-31 | 2022-11-22 | 用户类型的识别方法、电子设备及可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20240056570A true KR20240056570A (ko) | 2024-04-30 |
Family
ID=86997513
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020247011256A KR20240056570A (ko) | 2021-12-31 | 2022-11-22 | 사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240239203A1 (ko) |
EP (1) | EP4393753A1 (ko) |
KR (1) | KR20240056570A (ko) |
CN (1) | CN116409328A (ko) |
WO (1) | WO2023124655A1 (ko) |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7117075B1 (en) * | 2005-08-15 | 2006-10-03 | Report On Board Llc | Driver activity and vehicle operation logging and reporting |
CN107766876B (zh) * | 2017-09-19 | 2019-08-13 | 平安科技(深圳)有限公司 | 驾驶模型训练方法、驾驶人识别方法、装置、设备及介质 |
CN109840654A (zh) * | 2017-11-28 | 2019-06-04 | 比亚迪股份有限公司 | 车辆驾驶行为的分析方法、装置、系统和计算机设备 |
CN111267863B (zh) * | 2018-12-04 | 2021-03-19 | 广州汽车集团股份有限公司 | 驾驶员驾驶类型识别方法、装置、存储介质及终端设备 |
CN110021164B (zh) * | 2019-03-02 | 2020-09-04 | 合肥学院 | 基于行驶时间数据的网约车路网占有率分析方法 |
CN112208336B (zh) * | 2019-12-30 | 2022-02-15 | 蜂巢能源科技有限公司 | 车辆用途识别方法及装置 |
CN112766578A (zh) * | 2021-01-22 | 2021-05-07 | 重庆长安新能源汽车科技有限公司 | 一种基于车辆网的车辆用途识别方法、系统及存储介质 |
-
2021
- 2021-12-31 CN CN202111676076.2A patent/CN116409328A/zh active Pending
-
2022
- 2022-11-22 EP EP22913913.4A patent/EP4393753A1/en active Pending
- 2022-11-22 KR KR1020247011256A patent/KR20240056570A/ko unknown
- 2022-11-22 WO PCT/CN2022/133434 patent/WO2023124655A1/zh active Application Filing
-
2024
- 2024-03-31 US US18/622,991 patent/US20240239203A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4393753A1 (en) | 2024-07-03 |
US20240239203A1 (en) | 2024-07-18 |
CN116409328A (zh) | 2023-07-11 |
WO2023124655A1 (zh) | 2023-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11610148B2 (en) | Information processing device and information processing method | |
CN109818839B (zh) | 应用于智能家居的个性化行为预测方法、装置和系统 | |
US12026937B2 (en) | Method for generating classification model, electronic device, and medium | |
EP4109347A2 (en) | Method for processing multimodal data using neural network, device, and medium | |
US10832457B2 (en) | Interface for data analysis | |
CN104714873B (zh) | 记录gui数据的方法和系统 | |
US11281726B2 (en) | System and methods for faster processor comparisons of visual graph features | |
US11238369B2 (en) | Interactive visualization evaluation for classification models | |
US11386804B2 (en) | Intelligent social interaction recognition and conveyance using computer generated prediction modeling | |
EP3913532A2 (en) | Object area measurement method, apparatus, storage medium and computer product | |
CN107370806A (zh) | Http状态码监控方法、装置、存储介质和电子设备 | |
KR20180127622A (ko) | 텍스트 데이터 수집 및 분석을 위한 시스템 | |
Manasseh et al. | Predicting driver destination using machine learning techniques | |
CN107678852A (zh) | 基于流数据实时计算的方法、系统、设备及存储介质 | |
US20230169116A1 (en) | Ontology-based time series visualization and analysis | |
US20220414689A1 (en) | Method and apparatus for training path representation model | |
CN110222333A (zh) | 一种语音交互方法、装置以及相关设备 | |
CN110162518A (zh) | 数据分组方法、装置、电子设备及存储介质 | |
CN116450917B (zh) | 信息搜索方法及装置、电子设备和介质 | |
KR20240056570A (ko) | 사용자 유형 식별 방법, 전자 디바이스, 및 판독 가능 저장 매체 | |
EP4099323A2 (en) | Packet loss recovery method for audio data packet, electronic device and storage medium | |
CN111857366A (zh) | 用于确定耳机的双击动作的方法、装置及耳机 | |
CN114047897B (zh) | 检测信息显示方法、装置、电子设备和计算机可读介质 | |
US10083348B2 (en) | Object popularity detection | |
US20230042838A1 (en) | Method for data processing, device, and storage medium |