[发明专利]非均匀时序数据的处理方法、装置、电子设备及存储介质

说明书

本申请涉及非均匀时序数据做预测技术领域，特别涉及一种非均匀时序数据的处理方法、装置、电子设备及存储介质，包括：获取当前车辆的非均匀时序数据；对非均匀时序数据进行预处理，并按照预设组合策略，对预处理后的非均匀时序数据进行数据组合，得到多个用于预测的数据组；将多个用于预测的数据组输入至预先构建的预测模型，并根据预测结果对当前车辆的未来状态进行预测。由此，解决了目前非均匀时序数据，不能直接作为时序模型的输入数据等问题，能够预测在一段时间内车内温度变化、车速变化、光照强度变化等，对驾驶员开启空调、空调温度设置造成怎样的影响，从而预估驾驶员开启空调的时间以及温度的设置，为驾驶员推荐所需要的空调设置。

技术领域

本申请涉及非均匀时序数据做预测技术领域，特别涉及一种非均匀时序数据的处理方法、装置、电子设备及存储介质。

背景技术

基于时序数据的分类或回归模型已经是比较成熟的业务场景，类似于文本分类、文本情感分析、天气预测、股票预测等都是常见的时序任务场景。

然而，针对家用汽车产生的数据而言，其产生的信号数据大多是由车载传感器产生，并通过车联网的方式上传到服务器数据库中，在整个数据流转过程中，有多个可能造成数据丢失的环节。例如，传感器故障，造成无法正常获取环境信号；车上CAN总线传输故障，造成漏传或重复传数据；与远端进行数据交互时，车端信号不稳定导致数据的丢失；除以上原因，车端信号采集策略本身也较为复杂。例如，不同的信号采集方式不同，有些信号采用变化采集，有些信号采用周期采集，周期采集的信号其周期不一定一致，并且不同的信号可能在不同的信号通道中流转。

因此，家用汽车产生的实际数据为t时刻，有部分类型的数据为t+s时间，有另外部分的数据。其中，s为不定长时间，如此，构成了整个流程产生的非均匀的时序数据。

针对非均匀时序数据，不能直接作为时序模型的输入数据。其原因有两点，其一，因为在某一时刻上，只有部分的特征数据，不能保证完整的特征输入，需要对使用的特征值进行填值处理。其二，在保证同一时刻模型的输入都有相关数据的前提下，汽车数据中间可能会有很长一段时间的空数据，例如从前一天晚上熄火，到第二天早上点火，如果将数据直接输入到时序模型，模型没有分辨能力，就可能造成一种前一天晚上的数据对第二天早上的结果有直接影响的局面。

发明内容

本申请提供一种非均匀时序数据的处理方法、装置、电子设备及存储介质质，解决了目前非均匀时序数据，不能直接作为时序模型的输入数据等问题，能够预测在一段时间内车内温度变化、车速变化、光照强度变化等，对驾驶员开启空调、空调温度设置造成怎样的影响，从而预估驾驶员开启空调的时间以及温度的设置，为驾驶员推荐所需要的空调设置。

本申请第一方面实施例提供一种非均匀时序数据的处理方法，包括以下步骤：获取当前车辆的非均匀时序数据；对所述非均匀时序数据进行预处理，并按照预设组合策略，对预处理后的所述非均匀时序数据进行数据组合，得到多个用于预测的数据组；将所述多个用于预测的数据组输入至预先构建的预测模型，并根据预测结果对所述当前车辆的未来状态进行预测。

根据上述技术手段，能够预测在一段时间内车内温度变化、车速变化、光照强度变化等，对驾驶员开启空调、空调温度设置造成怎样的影响，从而预估驾驶员开启空调的时间以及温度的设置，为驾驶员推荐所需要的空调设置。

进一步地，所述按照预设组合策略，对预处理后的所述非均匀时序数据进行数据组合，得到多个用于预测的数据组，包括：获取在多个预设时长内非均匀时序数据的数据量；根据所述多个预设时长内非均匀时序数据的数据量，确定每个预设时长的目标数据条数；基于所述目标数据条数和预设时长生成所述多个用于预测的数据组。

根据上述技术手段，根据非均匀时序数据的数据量以及预设时长生成数据组，用于存储非均匀时序数据。