[发明专利]车联网流量预测模型构建方法、装置和电子设备

说明书

本发明提供了一种车联网流量预测模型构建方法、装置和电子设备；其中，该车联网流量预测模型构建方法中，首先获取用户的车联网流量数据，并对该车联网流量数据进行预处理；然后将预处理的车联网流量数据输入至自回归时间序列模型中，得到流量预测值；通过流量预测值和流量预测值对应的流量实际值训练该自回归时间序列模型，直至模型的损失值满足预设的损失值阈值，得到目标模型。本发明通过目标模型预测车联网流量数据，可针对不同用户进行定制化流量服务，有效地控制了流量成本。

技术领域

本发明涉及流量预测技术领域，尤其是涉及一种车联网流量预测模型构建方法、装置和电子设备。

背景技术

通讯是车联网的基础，车联网领域信息互通的主要目的就是将车联网领域的信息孤岛进行连接，从而提升汽车行业内的信息流转速度以达到提升产业效率、加速行业成长的终极目的；当前车辆联网主要通过移动网络，或者通过车载T-BOX(Telematics BOX，远程信息处理器)、娱乐系统、手机或者是WIFI与互联网产生信息交换，而且这些信息的交换都会产生流量；但是现有技术中没有车联网流量预测系统，难以针对不同用户进行定制化流量服务和控制流量成本。

发明内容

有鉴于此，本发明的目的在于提供车联网流量预测模型构建方法、装置和电子设备，以针对不同用户进行定制化流量服务，并控制流量成本。

第一方面，本发明实施例提供了一种车联网流量预测模型构建方法，该方法包括：获取用户的车联网流量数据，对该车联网流量数据进行预处理；将预处理后的车联网流量数据输入至自回归时间序列模型中，得到流量预测值；根据流量预测值和流量预测值对应的流量实际值，对自回归时间序列模型进行训练，直至模型的损失值满足预设的损失值阈值，得到目标模型。

结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述获取用户的车联网流量数据，对该车联网流量数据进行预处理的步骤，包括：获取用户的车联网流量数据，查找该车联网流量数据中的异常值和缺失值；将异常值替换为通过均值法重新确定的异常值对应的数据值；将缺失值替换为通过均值法重新确定的缺失值对应的数据值。

结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述将预处理后的车联网流量数据输入至自回归时间序列模型中，得到流量预测值的步骤之前，包括：根据数据平稳性，得到车联网流量数据的长期趋势、季节趋势和随机性趋势；根据车联网流量数据的长期趋势、季节趋势和随机性趋势，通过曲线拟合对车联网流量数据进行分析；根据分析结果确定采用自回归时间序列模型。

结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，自回归时间序列模型为其中，B表示滞后算子，ε_t表示白噪声序列，Θ(B)＝1-θ₁B-θ₂B-...-θ_iB-...-θ_qB^q，Θ(B)表示平稳可逆时自回归时间序列模型的自回归系数多项式，θ_i(i＝1,2,...,q)表示自回归时间序列模型中的具体参数，q表示移动平均项数，B^q表示移动平均项数为q时的滞后算子，Φ(B)表示平稳可逆时自回归时间序列模型的移动平均系数多项式，表示自回归时间序列模型中的具体参数，p为自回归项数，B^p表示自回归项数为p时的滞后算子，Θ_S(B)表示周期为S且平稳可逆时自回归时间序列模型的自回归系数多项式，Φ_S(B)表示周期为S且平稳可逆时自回归时间序列模型的移动平均系数多项式。