[发明专利]一种车辆预测方法及系统

权利要求书

1.一种车辆增量的预测方法，其特征在于，包括：

步骤S1：根据第一预设时间段内各车辆的轨迹数据及各车辆的静态数据，生成各车辆的综合数据；

步骤S2：将所述第一预设时间段划分为多个第二预设时间段；在所述各车辆的综合数据中提取车辆在各第二预设时间段内的特征信息，将各车辆的综合数据中含有的注册省、车辆品牌、驱动类型及车辆类型作为车辆的属性信息，对具有相同属性信息的车辆对应的特征信息进行聚合，得到各属性信息的车辆在各第二预设时间段内的综合特征信息；根据各综合特征信息，依次确定任意相邻两个第二预设时间段中前一个第二预设时间段的综合特征信息与后一个第二预设时间段的综合特征信息中含有的车辆增量之间的对应关系，并将各对应关系划分为训练集和测试集；

步骤S3：根据所述训练集训练出预测模型，并采用所述测试集对所述预测模型进行测试；

步骤S4：使用测试后的预测模型预测未来的车辆增量；

其中，所述步骤S2中，在所述各车辆的综合数据中提取车辆在各第二预设时间段内的特征信息，具体包括：

根据所述各车辆的综合信息中含有的位置数据和行驶速度，统计在各第二预设时间段内各车辆的运营数据及维修站停靠次数；

依次将各第二预设时间段的截止时间作为第一当前时间，根据所述各车辆的综合信息中含有的最后一个轨迹数据，统计各车辆至各第一当前时间的未行驶天数；

根据所述各车辆的综合信息中含有的车架号信息，确定各车辆在各第一当前时间的车龄；

根据所述各车辆的综合信息中含有的注册省及首次运行时间，结合所述各车辆在各第一当前时间的车龄，统计在各第二预设时间段内各省的车辆增量。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1，具体为：对第一预设时间段内各车辆的轨迹数据进行清洗，并对清洗后的轨迹数据进行相应车辆静态数据的补全，得到各车辆的综合数据；所述轨迹数据包括一系列的位置数据及行驶速度；所述静态数据，包括车辆的首次运行时间、注册省、车辆品牌、驱动类型、车辆类型及车架号信息。

3.根据权利要求1所述的方法，其特征在于，所述步骤S3，具体包括：

步骤S3－1：根据岭回归算法对所述训练集进行训练得到预测模型；

步骤S3－2：根据R平方对所述预测模型进行评估并调整模型参数，当得到的第一R平方值满足预设阈值时，输出对应的预测模型；

步骤S3－3：计算输出的预测模型在所述测试集上的第二R平方值，当得到的第二R平方值满足所述预设阈值时，执行步骤S4；否则返回步骤S3－1；

所述步骤S4，具体为：将当下时间作为第二当前时间，统计以所述第二当前时间为截止日期的第二预设时间段的综合特征信息，根据统计的综合特征信息，使用测试后的预测模型，预测与所述第二当前时间紧邻的未来的第二时间段内的车辆增量。