[发明专利]车辆运行状况的评估方法、装置、计算机设备和存储介质

权利要求书

1.一种车辆运行状况的评估方法，其特征在于，所述方法包括：

获取车辆的行程对应的车辆行驶数据；所述车辆行驶数据包括对应的车辆型号，实际油耗数据，驾驶习惯数据和道路情况数据；

根据所述车辆型号获取对应的车辆评估模型，所述车辆评估模型预先经过训练得到；

将所述驾驶习惯数据和所述道路情况数据输入所述车辆评估模型，得到预测油耗数据；

根据所述实际油耗数据和所述预测油耗数据，评估所述车辆的运行状况。

2.根据权利要求1所述的方法，其特征在于，所述车辆评估模型包括对应的置信区间，所述根据所述实际油耗数据和所述预测油耗数据，评估所述车辆的运行状况，包括：

计算所述实际油耗数据和所述预测油耗数据之间的残差；

当所述残差没有落入所述车辆评估模型对应的置信区间，且所述实际油耗数据大于所述预测油耗数据时，确定所述实际油耗数据为异常油耗数据；

根据所述异常油耗数据评估所述车辆的运行状况。

3.根据权利要求2所述的方法，其特征在于，所述车辆的行程包括第一数量的多个行程，每个行程有对应的车辆行驶数据，所述将所述驾驶习惯数据和所述道路情况数据输入所述车辆评估模型，得到预测油耗数据，包括：

将所述多个行程对应的驾驶行驶习惯数据和道路情况数据输入所述车辆评估模型，得到多个预测油耗数据；

所述根据所述异常油耗数据评估所述车辆的运行状况，包括：

确定异常油耗数据的第二数量；

根据所述第二数量和所述第一数量计算异常比例；

当所述异常比例大于或等于预设异常比例时，确定所述车辆的运行状况存在异常。

4.根据权利要求1所述的方法，其特征在于，所述车辆评估模型预先经过训练得到，所述训练过程包括：

获取多辆样本车辆的训练行程对应的训练车辆行驶数据，每一辆样本车辆对应一组训练车辆行驶数据；所述训练车辆行驶数据包括对应的车辆型号，训练实际油耗数据，训练驾驶习惯数据和训练道路情况数据；

将所述多组训练驾驶习惯数据和所述训练道路情况数据输入训练模型，得到多组训练预测油耗数据；

根据所述训练预测油耗数据和相应的所述训练实际油耗数据计算多组损失值；

根据所述多组损失值计算梯度；

判断所述梯度是否满足预设的迭代条件；

若是，则结束训练，得到针对车辆型号的车辆评估模型；

若否，则采用所述梯度与预设的学习率对所述训练模型进行模型参数调整，并返回执行所述将所述多组训练驾驶习惯数据和所述训练道路情况数据输入所述训练模型得到预测油耗数据的步骤。

5.根据权利要求4所述的方法，其特征在于，所述迭代条件为达到预设迭代次数，或者连续多个梯度之间的差异小于或等于预设的差异阈值。

6.根据权利要求4所述的方法，其特征在于，所述每个训练行程对应的驾驶时长均大于预设驾驶时长，或者，所述每个训练行程大于预设驾驶公里。

7.根据权利要求1所述的方法，其特征在于，所述驾驶习惯数据包括百公里急加速次数、百公里急刹车次数、百公里急转弯次数；所述道路情况数据包括百公里驾驶时长、百公里怠速时长、百公里平均速度；所述实际油耗数据包括百公里油耗。

8.一种车辆运行状况的评估装置，其特征在于，所述装置包括：

车辆行驶数据获取模块，用于获取车辆的行程对应的车辆行驶数据；所述车辆行驶数据包括对应的车辆型号，实际油耗数据，驾驶习惯数据和道路情况数据；

车辆评估模型获取模块，用于根据所述车辆型号获取对应的车辆评估模型，所述车辆评估模型预先经过训练得到；

预测油耗数据得到模块，用于将所述驾驶习惯数据和所述道路情况数据输入所述车辆评估模型，得到预测油耗数据；

运行状况评估模块，用于根据所述实际油耗数据和所述预测油耗数据，评估所述车辆的运行状况。