车辆信息的处理方法、装置、及电子设备.pdf

《车辆信息的处理方法、装置、及电子设备.pdf》由会员分享，可在线阅读，更多相关《车辆信息的处理方法、装置、及电子设备.pdf（25页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910044427.4 (22)申请日 2019.01.17 (71)申请人 阿里巴巴集团控股有限公司 地址 英属开曼群岛大开曼资本大厦一座四 层847号邮箱 (72)发明人 裴成 (74)专利代理机构 北京博雅睿泉专利代理事务 所(特殊普通合伙) 11442 代理人 郭少晶 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/30(2012.01) G08G 1/00(2006.01) (54)发明名称 。

2、车辆信息的处理方法、 装置、 及电子设备 (57)摘要 本发明公开了一种车辆信息的处理方法、 装 置、 及电子设备， 该处理方法包括： 获取车辆信 息、 及针对该车辆分配的车次任务； 获取选定的 特征向量， 其中， 特征向量包括影响该车辆执行 该车次任务的里程数的多个特征， 多个特征包括 车辆特征和车次特征； 获取特征向量与行驶里程 之间的映射函数； 根据映射函数和特征向量的向 量值， 获得该车辆执行该车次任务的预测里程 数； 根据预测里程数确定该车辆是否执行该车次 任务的处理结果。 权利要求书2页 说明书17页 附图5页 CN 111445052 A 2020.07.24 CN 111445。

3、052 A 1.一种车辆信息的处理方法， 包括： 获取车辆信息、 及针对所述车辆分配的车次任务； 获取选定的特征向量， 其中， 所述特征向量包括影响所述车辆执行所述车次任务的里 程数的多个特征， 所述多个特征包括车辆特征和车次特征； 获取所述特征向量与行驶里程之间的映射函数； 根据所述映射函数和所述特征向量的向量值， 获得所述车辆执行所述车次任务的预测 里程数； 根据所述预测里程数得到所述车辆是否执行所述车次任务的处理结果。 2.根据权利要求1所述的处理方法， 其中， 所述车辆特征包括车辆编号和车辆类型中的 至少一项； 和/或， 所述车次特征包括出发时间、 到达时间、 出发地点和到达地点中的至。

4、少一 项。 3.根据权利要求1所述的处理方法， 其中， 所述多个特征还包括交叉特征， 其中， 所述交 叉特征是使得车辆与所述车次任务交叉相关的特征， 所述交叉特征包括检修任务； 所述检 修任务包括以下至少一项： 检查任务、 修理任务、 保养任务、 清洗任务。 4.根据权利要求1所述的处理方法， 其中， 所述获取所述特征向量与行驶里程间的映射 函数的步骤， 包括： 根据历史运行数据获取训练样本， 其中， 每一训练样本包括相配对的车辆及实际执行 的车次任务； 根据所述训练样本的所述特征向量的向量值与所述训练样本对应的实际里程数， 训练 得到所述映射函数。 5.根据权利要求4所述的处理方法， 其中，。

5、 所述训练得到所述映射函数的步骤， 包括： 以所述映射函数的待定系数为变量， 分别根据每一所述训练样本的所述特征向量的向 量值， 确定每一所述训练样本的里程预测表达式； 根据每一所述训练样本的所述里程预测表达式以及每一所述训练样本的实际里程数， 构建损失函数； 根据所述损失函数确定所述待定系数， 完成本次对所述映射函数的训练。 6.根据权利要求5所述的处理方法， 其中， 所述构建损失函数的步骤包括： 对于每一所述训练样本， 根据所述里程预测表达式以及所述实际里程数， 确定对应的 损失表达式； 将每一所述训练样本的损失表达式求和， 得到所述损失函数。 7.根据权利要求4所述的处理方法， 其中， 。

6、所述处理方法还包括： 在所述车辆执行所述车次任务后， 将所述车辆及所述车次任务作为新的训练样本； 根据所述新的训练样本的所述特征向量的向量值及所述新的训练样本在所对应的运 营日的实际里程数， 修正所述映射函数。 8.根据权利要求4所述的处理方法， 其中， 所述处理方法还包括： 根据预设的训练周期， 执行训练所述映射函数的步骤。 9.根据权利要求1所述的处理方法， 其中， 所述根据所述预测里程数得到所述车辆是否 执行所述车次任务的处理结果的步骤包括： 获取所述车辆的目标里程数； 权利要求书 1/2 页 2 CN 111445052 A 2 计算所述预测里程数与所述目标里程数之间差值； 在所述差值。

7、小于或等于预设的里程阈值的情况下， 得到所述车辆执行所述车次任务的 处理结果。 10.根据权利要求9所述的处理方法， 其中， 所述获取所述车辆的目标里程数的步骤包 括： 获取所述车辆的检修计划里程数和所述车辆的当前实际里程数； 获取当前日期距离所述车辆的检修日期的运行天数； 根据所述检修计划里程数、 所述当前实际里程数和所述运行天数， 获得所述车辆的目 标里程数。 11.根据权利要求1所述的处理方法， 其中， 所述车辆信息处理方法还包括： 检测处理车辆信息的事件是否发生； 在所述事件发生的情况下， 执行所述获取车辆信息、 及针对所述车辆分配的车次任务 的步骤。 12.根据权利要求11所述的处理。

8、方法， 其中， 所述事件至少包括以下任意一项或多项： 达到预设的处理时间； 接收到外部触发的车辆信息的处理操作； 接收到终端设备发送的车辆信息的处理指令。 13.根据权利要求1所述的处理方法， 其中， 所述车辆信息处理方法还包括： 展示所述处理结果， 以进行车辆编配。 14.一种车辆信息的处理装置， 包括： 车辆任务获取模块， 用于获取车辆信息、 及针对所述车辆分配的车次任务； 特征向量获取模块， 用于获取选定的特征向量， 其中， 所述特征向量包括影响所述车辆 执行所述车次任务的里程数的多个特征， 所述多个特征包括车辆特征和车次特征； 映射函数获取模块， 用于获取所述特征向量与行驶里程之间的映。

9、射函数； 里程数预测模块， 用于根据所述映射函数和所述特征向量的向量值， 获得所述车辆执 行所述车次任务的预测里程数； 以及， 执行确定模块， 用于根据所述预测里程数得到所述车辆是否执行所述车次任务的处理 结果。 15.一种电子设备， 包括权利要求14所述的处理装置； 或者， 包括存储器和处理器， 所述 存储器用于存储可执行的指令； 所述处理器用于根据所述指令的控制执行根据权利要求1 至13中任一项所述的处理方法。 16.一种计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序在被处理器执 行时实现根据权利要求1至13中任一项所述的处理方法。 权利要求书 2/2 页 3 CN 1114。

10、45052 A 3 车辆信息的处理方法、 装置、 及电子设备 技术领域 0001 本发明涉及车辆信息处理技术领域， 更具体地， 涉及一种车辆信息的处理方法， 一 种车辆信息的处理装置， 一种电子设备， 以及一种计算机可读存储介质。 背景技术 0002 随着城市交通运输的快速发展， 公共交通在客流输送方面承担着越来越重要的角 色， 势必也对其运用提出了更高的要求。 例如， 对于公共车辆， 当公共车辆结束当天运营计 划回到车场后， 需对回库公共车辆进行编配， 以使其满足明日运营计划。 0003 通常， 在选定第二日的车次列表后， 需选择状态良好的车辆去担任列表中相应的 车次任务， 这个过程即称为车。

11、辆运营日计划编配。 现有技术中， 仍采用人工编配的方式进行 计划制定， 即检修调度根据车辆状态、 停放位置等主观进行匹配， 由于不同车次任务对应的 里程往往不同， 所以在车辆运营过程中的走行里程也会有较大差异， 走行里程过大的车辆 的可靠性在计划检修日期达到时便会低于阈值， 导致行车不安全系数增大， 而对于走行里 程较小的车辆， 频繁的计划检修会造成检修资源浪费。 0004 因此， 有必要提供一种新的对车辆、 及针对该车辆分配的车次任务运营编配的方 法， 以使得该车辆的行驶里程按照计划检修日期的方向来执行。 发明内容 0005 本发明实施例的一个目的是提供一种处理车辆信息的新的技术方案。 00。

12、06 根据本发明的第一方面， 提供了一种车辆信息的处理方法， 包括： 0007 获取车辆信息、 及针对所述车辆分配的车次任务； 0008 获取选定的特征向量， 其中， 所述特征向量包括影响车辆执行所述车次任务的里 程数的多个特征， 所述多个特征包括车辆特征和车次特征； 0009 获取所述特征向量与行驶里程之间的映射函数； 0010 根据所述映射函数和所述特征向量的向量值， 获得所述车辆执行所述车次任务的 预测里程数； 0011 根据所述预测里程数得到所述车辆是否执行所述车次任务的处理结果。 0012 可选的， 所述车辆特征包括车辆编号和车辆类型中的至少一项； 和/或， 所述车次 特征包括出发时。

13、间、 到达时间、 出发地点和到达地点中的至少一项。 0013 可选的， 所述多个特征还包括交叉特征， 其中， 所述交叉特征是使得车辆与所述车 次任务交叉相关的特征， 所述交叉特征包括检修任务； 所述检修任务包括以下至少一项： 检 查任务、 修理任务、 保养任务、 清洗任务。 0014 可选的， 所述获取所述特征向量与行驶里程间的映射函数的步骤， 包括： 0015 根据历史运行数据获取训练样本， 其中， 每一训练样本包括相配对的车辆及实际 执行的车次任务； 0016 根据所述训练样本的所述特征向量的向量值与所述训练样本对应的实际里程数， 说明书 1/17 页 4 CN 111445052 A 4。

14、 训练得到所述映射函数。 0017 可选的， 所述训练得到所述映射函数的步骤， 包括： 0018 以所述映射函数的待定系数为变量， 分别根据每一所述训练样本的所述特征向量 的向量值， 确定每一所述训练样本的里程预测表达式； 0019 根据每一所述训练样本的所述里程预测表达式以及每一所述训练样本的实际里 程数， 构建损失函数； 0020 根据所述损失函数确定所述待定系数， 完成本次对所述映射函数的训练。 0021 可选的， 所述构建损失函数的步骤包括： 0022 对于每一所述训练样本， 根据所述里程预测表达式以及所述实际里程数， 确定对 应的损失表达式； 0023 将每一所述训练样本的损失表达式。

15、求和， 得到所述损失函数。 0024 可选的， 所述处理方法还包括： 0025 在所述车辆执行所述车次任务后， 将所述车辆及所述车次任务作为新的训练样 本； 0026 根据所述新的训练样本的所述特征向量的向量值及所述新的训练样本在所对应 的运营日的实际里程数， 修正所述映射函数。 0027 可选的， 所述处理方法还包括： 0028 根据预设的训练周期， 执行训练所述映射函数的步骤。 0029 可选的， 所述根据所述预测里程数得到所述车辆是否执行所述车次任务的处理结 果的步骤包括： 0030 获取所述车辆的目标里程数； 0031 计算所述预测里程数与所述目标里程数之间差值； 0032 在所述差值。

16、小于或等于预设的里程阈值的情况下， 得到所述车辆执行所述车次任 务的处理结果。 0033 可选的， 所述获取所述车辆的目标里程数的步骤包括： 0034 获取所述车辆的检修计划里程数和所述车辆的当前实际里程数； 0035 获取当前日期距离所述车辆的检修日期的运行天数； 以及， 0036 根据所述检修计划里程数、 所述当前实际里程数和所述运行天数， 获得所述车辆 的目标里程数。 0037 可选的， 所述车辆信息处理方法还包括： 0038 检测处理车辆信息的事件是否发生； 0039 在所述事件发生的情况下， 执行所述获取车辆信息、 及针对所述车辆分配的车次 任务的步骤。 0040 可选的， 所述事件。

17、至少包括以下任意一项或多项： 0041 达到预设的处理时间； 0042 接收到外部触发的车辆信息的处理操作； 0043 接收到终端设备发送的车辆信息的处理指令。 0044 可选的， 所述车辆信息处理方法还包括： 0045 展示所述处理结果， 以进行车辆编配。 说明书 2/17 页 5 CN 111445052 A 5 0046 根据本发明的第二方面， 提供了一种车辆信息的处理装置， 包括： 0047 车辆任务获取模块， 用于获取车辆信息、 及针对所述车辆分配的车次任务； 0048 特征向量获取模块， 用于获取选定的特征向量， 其中， 所述特征向量包括影响车辆 执行所述车次任务的里程数的多个特征。

18、， 所述多个特征包括车辆特征和车次特征； 0049 映射函数获取模块， 用于获取所述特征向量与行驶里程之间的映射函数； 0050 里程数预测模块， 用于根据所述映射函数和所述特征向量的向量值， 获得所述车 辆执行所述车次任务的预测里程数； 以及， 0051 执行确定模块， 用于根据所述预测里程数得到所述车辆是否执行所述车次任务的 处理结果。 0052 可选的， 所述车辆特征包括车辆编号和车辆类型中的至少一项； 和/或， 所述车次 特征包括出发时间、 到达时间、 出发地点和到达地点中的至少一项。 0053 可选的， 所述多个特征还包括交叉特征， 其中， 所述交叉特征是使得车辆与所述车 次任务交叉。

19、相关的特征， 所述交叉特征包括检修任务； 所述检修任务包括以下至少一项： 检 查任务、 修理任务、 保养任务、 清洗任务。 0054 可选的， 所述映射函数获取模块还用于： 0055 根据历史运行数据获取训练样本， 其中， 每一训练样本包括相配对的车辆及实际 执行的车次任务； 0056 根据所述训练样本的所述特征向量的向量值与所述训练样本对应的实际里程数， 训练得到所述映射函数。 0057 可选的， 所述训练得到所述映射函数包括： 0058 以所述映射函数的待定系数为变量， 分别根据每一所述训练样本的所述特征向量 的向量值， 确定每一所述训练样本的里程预测表达式； 0059 根据每一所述训练样。

20、本的所述里程预测表达式以及每一所述训练样本的实际里 程数， 构建损失函数； 0060 根据所述损失函数确定所述待定系数， 完成本次对所述映射函数的训练。 0061 可选的， 所述构建损失函数包括： 0062 对于每一所述训练样本， 根据所述里程预测表达式以及所述实际里程数， 确定对 应的损失表达式； 0063 将每一所述训练样本的损失表达式求和， 得到所述损失函数。 0064 可选的， 所述处理装置还包括： 0065 新样本确定模块， 用于在所述车辆执行所述车次任务后， 将所述车辆及所述车次 任务作为新的训练样本； 0066 函数修正模块， 用于根据所述新的训练样本的所述特征向量的向量值及所述。

21、新的 训练样本在所对应的运营日的实际里程数， 修正所述映射函数。 0067 可选的， 所述映射函数获取模块还用于： 0068 根据预设的训练周期， 训练所述映射函数。 0069 可选的， 所述执行确定模块还用于： 0070 获取所述车辆的目标里程数； 0071 计算所述预测里程数与所述目标里程数之间差值； 说明书 3/17 页 6 CN 111445052 A 6 0072 在所述差值小于或等于预设的里程阈值的情况下， 得到所述车辆执行所述车次任 务的处理结果。 0073 可选的， 所述获取所述车辆的目标里程数包括： 0074 获取所述车辆的检修计划里程数和所述车辆的当前实际里程数； 0075。

22、 获取当前日期距离所述车辆的检修日期的运行天数； 0076 根据所述检修计划里程数、 所述当前实际里程数和所述运行天数， 获得所述车辆 的目标里程数。 0077 可选的， 所述车辆信息处理装置还包括： 0078 事件检测模块， 用于检测处理车辆信息的事件是否发生； 0079 所述车辆任务获取模块用于在所述事件检测模块检测到该事件发生的情况下， 获 取车辆信息、 及针对车辆分配的车次任务。 0080 可选的， 所述事件至少包括以下任意一项或多项： 0081 达到预设的处理时间； 0082 接收到外部触发的车辆信息的处理操作； 0083 接收到终端设备发送的车辆信息的处理指令。 0084 可选的，。

23、 所述车辆信息处理装置还包括： 0085 展示模块， 用于展示所述处理结果， 以进行车辆编配。 0086 根据本发明的第三方面， 还提供一种电子设备， 其包括本发明第二方面所述的处 理装置； 或者， 包括存储器和处理器， 所述存储器用于存储可执行的指令； 所述处理器用于 根据所述指令的控制执行根据本发明第一方面中任意一项所述的处理方法。 0087 根据本发明的第四方面， 还提供一种计算机可读存储介质， 其上存储有计算机程 序， 所述计算机程序在被处理器执行时实现根据本发明第一方面中任一项所述的处理方 法。 0088 本发明的一个有益效果在于， 根据本发明实施例的方法、 装置及电子设备， 在获得。

24、 车辆信息和该车辆分配的车次任务之后， 可以通过获取选定的特征向量， 获取特征向量与 行驶里程之间的映射函数， 并根据映射函数和该特征向量的向量值， 获取车辆执行该车次 任务的预测里程数， 从而根据该预测里程数得到车辆是否执行该车次任务的处理结果。 进 而可以使得车辆的行驶里程能够按照计划检修的方向来执行， 实现车辆的里程可控。 0089 通过以下参照附图对本发明的示例性实施例的详细描述， 本发明的其它特征及其 优点将会变得清楚。 附图说明 0090 被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例， 并且连 同其说明一起用于解释本发明的原理。 0091 图1是可用于实现本发明的。

25、实施例的电子设备的硬件配置的一个例子的框图； 0092 图2是可用于实现本发明的实施例的电子设备的硬件配置的另一个例子的框图； 0093 图3是根据本发明第一个实施例提供的车辆信息的处理方法的流程示意图； 0094 图4是根据本发明第二个实施例提供的车辆信息的处理方法的流程示意图； 0095 图5是根据本发明第三个实施例提供的车辆信息的处理方法的流程示意图； 说明书 4/17 页 7 CN 111445052 A 7 0096 图6是根据本发明第四个实施例提供的车辆信息的处理方法的流程示意图； 0097 图7是根据本发明第五个实施例提供的车辆信息的处理方法的流程示意图； 0098 图8是根据本。

26、发明实施例的车辆信息处理方法的一个例子的流程示意图； 0099 图9是根据本发明实施例的车辆信息处理装置的原理框图； 0100 图10是根据本发明第一个实施例提供的电子设备的原理框图； 0101 图11是根据本发明第二个实施例提供的电子设备的硬件结构示意图。 具体实施方式 0102 现在将参照附图来详细描述本发明的各种示例性实施例。 应注意到： 除非另外具 体说明， 否则在这些实施例中阐述的部件和步骤的相对布置、 数字表达式和数值不限制本 发明的范围。 0103 以下对至少一个示例性实施例的描述实际上仅仅是说明性的， 决不作为对本发明 及其应用或使用的任何限制。 0104 对于相关领域普通技术。

27、人员已知的技术、 方法和设备可能不作详细讨论， 但在适 当情况下， 所述技术、 方法和设备应当被视为说明书的一部分。 0105 在这里示出和讨论的所有例子中， 任何具体值应被解释为仅仅是示例性的， 而不 是作为限制。 因此， 示例性实施例的其它例子可以具有不同的值。 0106 应注意到： 相似的标号和字母在下面的附图中表示类似项， 因此， 一旦某一项在一 个附图中被定义， 则在随后的附图中不需要对其进行进一步讨论。 0107 0108 图1和图2是可用于实现本发明任意实施例的处理方法的电子设备1000的硬件配 置的框图。 0109 在一个实施例中， 如图1所示， 电子设备1000可以是服务器1。

28、100。 0110 服务器1100提供处理、 数据库、 通讯设施的业务点。 服务器1100可以是整体式服务 器或是跨多计算机或计算机数据中心的分散式服务器。 服务器可以是各种类型的， 例如但 不限于， 网络服务器， 新闻服务器， 邮件服务器， 消息服务器， 广告服务器， 文件服务器， 应用 服务器， 交互服务器， 数据库服务器， 或代理服务器。 在一些实施例中， 每个服务器可以包括 硬件， 软件， 或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此 类组件的组合。 例如， 服务器例如刀片服务器、 云端服务器等， 或者可以是由多台服务器组 成的服务器群组， 可以包括上述类型的服务。

29、器中的一种或多种等等。 0111 本实施例中， 服务器1100可以如图1所示， 包括处理器1110、 存储器1120、 接口装置 1130、 通信装置1140、 显示装置1150、 输入装置1160。 0112 在该实施例中， 服务器1100还可以包括扬声器、 麦克风等等， 在此不做限定。 0113 处理器1110可以是专用的服务器处理器， 也可以是满足性能要求的台式机处理 器、 移动版处理器等， 在此不做限定。 存储器1120例如包括ROM(只读存储器)、 RAM(随机存取 存储器)、 诸如硬盘的非易失性存储器等。 接口装置1130例如包括各种总线接口， 例如串行 总线接口(包括USB接口)。

30、、 并行总线接口等。 通信装置1140例如能够进行有线或无线通信。 显示装置1150例如是液晶显示屏、 LED显示屏触摸显示屏等。 输入装置1160例如可以包括触 摸屏、 键盘等。 说明书 5/17 页 8 CN 111445052 A 8 0114 在该实施例中， 服务器1100的存储器1120用于存储指令， 该指令用于控制处理器 1110进行操作以至少执行根据本发明任意实施例的车辆信息的处理方法。 技术人员可以根 据本发明所公开方案设计指令。 指令如何控制处理器进行操作， 这是本领域公知， 故在此不 再详细描述。 0115 尽管在图1中示出了服务器1100的多个装置， 但是， 本发明可以仅。

31、涉及其中的部分 装置， 例如， 服务器1100只涉及存储器1120和处理器1110。 0116 在一个实施例中， 电子设备1000可以是操作人员使用的PC机、 笔记本电脑等终端 设备1200， 在此不做限定。 0117 本实施例中， 参照图2所示， 终端设备1200可以包括处理器1210、 存储器1220、 接口 装置1230、 通信装置1240、 显示装置1250、 输入装置1260、 扬声器1270、 麦克风1280等等。 0118 处理器1210可以是移动版处理器。 存储器1220例如包括ROM(只读存储器)、 RAM(随 机存取存储器)、 诸如硬盘的非易失性存储器等。 接口装置1230。

32、例如包括USB接口、 耳机接口 等。 通信装置1240例如能够进行有线或无线通信， 通信装置1240可以包括短距离通信装置， 例如是基于Hilink协议、 WiFi(IEEE 802.11协议)、 Mesh、 蓝牙、 ZigBee、 Thread、 Z-Wave、 NFC、 UWB、 LiFi等短距离无线通信协议进行短距离无线通信的任意装置， 通信装置1240也可 以包括远程通信装置， 例如是进行WLAN、 GPRS、 2G/3G/4G/5G远程通信的任意装置。 显示装置 1250例如是液晶显示屏、 触摸显示屏等。 输入装置1260例如可以包括触摸屏、 键盘等。 用户 可以通过扬声器1270和。

33、麦克风1280输入/输出语音信息。 0119 在该实施例中， 终端设备1200的存储器1220用于存储指令， 该指令用于控制处理 器1210进行操作以至少执行根据本发明任意实施例的车辆信息的处理方法。 技术人员可以 根据本发明所公开方案设计指令。 指令如何控制处理器进行操作， 这是本领域公知， 故在此 不再详细描述。 0120 尽管在图2中示出了终端设备1200的多个装置， 但是， 本发明可以仅涉及其中的部 分装置， 例如， 终端设备1200只涉及存储器1220和处理器1210和显示装置1250。 0121 0122 图3是根据本发明实施例的车辆信息的处理方法的流程示意图， 该方法可以由电 子。

34、设备实施。 该电子设备可以是如图1所示的服务器1100或图2所示终端设备1200。 0123 根据图3所示， 本实施例的车辆信息的处理方法可以包括如下步骤S3100S2400： 0124 步骤S3100， 获取车辆信息、 及针对该车辆分配的车次任务。 0125 本实施例中的车辆可以是公交车、 地铁、 轻轨、 火车等按照既定路线行驶的车辆。 具体的， 可以是在待编配的运营日的前一晚上执行完任务回到车场的任意一辆车辆。 例如， 待编配的运营日为2018.12.14， 车辆集合可以包括2018.12.13晚上执行完任务回到车场的 任意一辆车辆。 0126 车次任务可以是待编配的运营日安排的车次列表中。

35、的分配给该车辆的其中一个 任务。 0127 本步骤S3100中， 可以是从运营现场的终端设备获得车辆信息、 及针对该车辆分配 的车次任务。 具体的， 可以是运营人员将车辆信息、 及针对该车辆分配的车次任务录入终端 设备中。 也可以是运营人员将车次列表和车场线路列表录入至终端设备后， 由电子设备选 定其中一辆车辆， 获取该车辆的信息、 及针对该车辆分配的车次任务， 来执行本实施例的处 说明书 6/17 页 9 CN 111445052 A 9 理方法。 0128 本实施例中， 运营现场的终端设备与执行本实施例的处理方法的电子设备可以相 同， 也可以不同。 0129 在一个实施例中， 该处理方法还。

36、可以包括： 检测处理车辆信息的事件是否发生， 在 该事件发生的情况下， 执行该步骤S3100的步骤。 0130 具体的， 该事件可以包括以下任意一项或多项： 0131 达到预设的处理时间； 0132 接收到外部触发的车辆信息的处理操作； 0133 接收到终端设备发送的车辆信息的处理指令。 0134 在该事件包括达到预设的处理时间的实施例中， 预设的处理时间可以根据应用场 景或者具体需求进行设定。 例如， 该预设的处理时间可以是每天早上5点。 那么， 可以是在每 天早上5点执行本发明的处理方法。 0135 在该事件包括接收到外部触发的车辆信息的处理操作的实施例中， 车辆信息的处 理操作可以是由运。

37、营人员直接在执行本实施例的处理方法的电子设备上触发的。 电子设备 可以是在接收到该车辆信息的处理操作时， 执行本发明的处理方法。 0136 在该事件包括接收到终端设备发送的车辆信息的处理指令的实施例中， 可以是运 营人员在终端设备上执行处理操作， 触发终端设备向执行本实施例的处理方法的电子设备 发送车辆信息的处理指令。 电子设备可以是在接收到该处理执行时， 执行本发明的处理方 法。 0137 步骤S3200， 获取选定的特征向量， 其中， 特征向量包括影响车辆执行该车次任务 的里程数的多个特征， 多个特征包括车辆特征和车次特征。 0138 该特征向量X包括影响车辆执行车次任务的里程数的多个特征。

38、xj， j的取值为1至n 的自然数， n表示特征向量X具有的特征的总数。 0139 该多个特征xj可以包括车辆特征和车次特征。 0140 该车辆特征可以是根据车辆信息确定的。 该车辆特征可以是包括车辆编号和车辆 类型中的至少一项。 车辆编号可以是由数字、 字母、 和/或文字等组成。 例如， 车辆编号可以 是车牌号。 0141 该车次特征可以是包括出发时间、 到达时间、 出发地点和到达地点中的至少一项。 0142 本实施例中， xj可以是车辆特征、 车次特征等能够影响车辆执行车次任务的里程 数的特征， 例如， 该车辆特征可以为车辆编号和车辆类型， 该车次特征可以为出发时间、 到 达时间、 出发地。

39、点和到达地点， 在此， 特征向量X可以具有6个特征， 即n6， 此时， 可以将特 征向量X表示为X(x1,x2,x3,x4,x5,x6)。 当然， 特征向量X中还可以包括与车辆编配相关的 其他特征。 0143 以上其他特征可以是交叉特征， 该交叉特征是使得车辆与所分配的车次任务交叉 相关的特征。 该交叉特征包括检修任务， 该检修任务可以包括检测任务、 修理任务、 保养任 务、 清洗任务中的至少一项。 例如， 可以是在待编配的运营日对车辆进行小修操作， 也可以 是在待编配的运营日对车辆进行水洗操作， 还可以是在待编配的运营日对车辆进行车轮打 磨操作等， 在此不做限定。 0144 步骤S3300，。

40、 获取特征向量与行驶里程之间的映射函数。 说明书 7/17 页 10 CN 111445052 A 10 0145 该映射函数F(x)的自变量即为特征向量X， 因变量F(x)即为由特征向量X决定的预 测里程数。 0146 在本实施例中， 该步骤S3300中获取特征向量与行驶里程间的映射函数可以进一 步包括如图4所示的步骤S3310S3320： 0147 步骤S3310， 根据历史运行数据获取训练样本。 0148 每一训练样本包括相配对的车辆及实际执行的车次任务。 0149 步骤S3320， 根据训练样本的特征向量的向量值与训练样本对应的实际里程数， 训 练得到映射函数。 0150 在一个实施例。

41、中， 可以根据预设的训练周期， 执行训练映射函数的步骤S3310 S3320。 该训练周期可以根据具体应用场景或者应用需求设置， 例如， 可以设置为1天。 0151 在本实施例中， 基于训练样本的特征向量的向量值与训练样本对应的实际里程 数， 可以通过各种拟合手段获得映射函数F(x)， 例如， 可以利用任意的多元线性回归模型获 得映射函数F(x)， 在此不做限定。 0152 在一个例子中， 该多元线性回归模型可以是简单的反映该映射函数F(x)的多项式 函数， 其中， 多项式函数的各阶系数未知， 通过将该训练样本的特征向量的向量值与训练样 本对应的实际里程数代入该多项式函数， 便可以确定多项式函。

42、数的各阶系数， 进而获得映 射函数F(x)。 0153 在另一个例子中， 可以利用各种回归模型， 例如加法模型， 以该训练样本的特征向 量的向量值与训练样本对应的实际里程数作为准确样品进行多轮训练， 每一轮都学习上一 轮拟合后的残差， 迭代T轮， 即可将残差控制在很低的值， 以使得最终得到的映射函数F(x) 具有非常高的精确度。 该加法模型例如是LightGBM、 GBDT、 XGBoost等， 在此不做限定。 0154 在一个实施例中， 如图5所示， 以上步骤S3320中训练得到映射函数可以进一步包 括如下步骤S3321S3323： 0155 步骤S3321， 以映射函数的待定系数为变量， 。

43、分别根据每一训练样本的特征向量的 向量值， 确定每一训练样本的里程预测表达式。 0156 假设映射函数中特征向量X包括n个特征x1,x2,.,xn， 在确定第k个训练样本 对于n个特征的取值后， 以待定系数集合中包括一个常数权重b以及n个特 征权重a1,a2,.,an为变量， 可以获取第k个训练样本里程预测表达式是Yk: 0157 0158 步骤S3322， 根据每一训练样本的里程预测表达式以及每一训练样本的实际里程 数， 构建损失函数。 0159 在本实施例中， 该步骤S3322中构建损失函数可以进一步包括如图6所示的步骤 S3322-1S3322-2： 0160 步骤S3322-1， 对于。

44、每一训练样本， 根据里程预测表达式以及实际里程数， 确定对 应的损失表达式。 0161 假设收集到的训练样本数为m， 对其中第k个训练样本， 获取的实际里程数是yk， 里 程预 测表达式以 为Yk， 对应的 损失表达式为 (yk-Yk) 2 (k1 ,.,m) ； 其中 ， 说明书 8/17 页 11 CN 111445052 A 11 0162 步骤S3322-2， 将每一训练样本的损失表达式求和， 得到损失函数。 0163 本实施例中， 损失函数为： 0164 0165其中， 0166 步骤S3323， 根据损失函数确定待定系数， 完成本次对映射函数的训练。 0167 在本实施例中， 该步。

45、骤S3323中根据损失函数确定待定系数， 完成本次对映射函数 的训练可以进一步包括步骤S3323-1S3323-3： 0168 步骤S3323-1， 设置待定系数集合中的常数权重以及每个特征权重的初始值为预 设数值范围内的随机数。 0169 假设待定系数集合b,a1,a2,.,an包括一个常数权重b以及n个特征权重a1, a2,.,an， 可以设置初始值为预设数值范围的随机数。 该预设数值范围可以根据应用场 景或者应用需求设置， 例如， 设置预设数值范围为0-1， 使得常数权重b以及n个特征权重a1, a2,.,an的初始值均是0-1之间的随机数。 0170 步骤S3323-2， 将设置初始值。

46、后的常数权重以及每个特征权重代入损失函数中， 进 行迭代处理。 0171 在本实施例中， 该步骤S3323-2中将设置初始值后的常数权重以及每个特征权重 代入损失函数中， 进行迭代处理可以进一步包括如下步骤S3323-21S3323-22： 0172 步骤S3323-21， 分别对常数权重以及每个特征权重， 根据本次迭代前的常数权重 或该特征权重的取值、 收敛参数以及代入本次迭代前的待定系数集合的损失函数， 获取对 应的迭代后该常数权重或该特征权重的取值。 0173 收敛参数是控制迭代处理收敛速度的相关参数， 可以根据应用场景或者应用需求 设置， 例如， 设置为0.01。 0174 步骤S33。

47、23-22， 根据常数权重以及每个特征权重迭代后的取值， 得到本次迭代后 的待定系数集合。 0175 假设本次迭代是第k+1次迭代(k的初始值为0， 随着每次迭代加1)， 本次迭代后的 待定系数集合为b,a1,a2,.,an(k+1)。 0176 步骤S3323-3， 当迭代处理得到的待定系数集合符合收敛条件时， 终止迭代处理， 确定待定系数集合的常数权重以及每个特征权重的取值， 否则， 继续迭代处理。 0177 收敛条件可以根据具体的应用场景或者应用需求设置。 0178 例如， 收敛条件是迭代处理的次数大于预设的次数阈值。 该预设的次数阈值可以 根据工程经验或者实验仿真结果设置， 例如， 可。

48、以设置为300。 对应地， 假设迭代处理的次数 为k+1， 次数阈值是itemNums， 对应的收敛条件为： kitemNums。 0179 又例如， 收敛条件是迭代处理得到的待定系数集合的迭代结果值小于预设的结果 阈值。 该迭代结果值是根据迭代处理得到的待定系数集合代入的损失函数与对应的常数权 说明书 9/17 页 12 CN 111445052 A 12 重或者每个特征权重求偏导的结果确定。 0180 在一个例子中， 收敛条件是满足上述两个例子中任意一个收敛条件， 具体收敛条 件在上述两个例子中已经描述， 在此不再赘述。 0181 假设第k+1次迭代处理得到的待定系数集合b,a1,a2,.。

49、,an(k+1)符合收敛条件 时， 终止迭代处理， 得到对应所有ai(k+1)(i1,.,n)以及b(k+1)取值， 否则， 继续迭代处理， 直到待定系数集合符合收敛条件。 0182 根据本发明该实施例， 其可以根据大量的训练样本训练得到映射函数， 从而利用 该映射函数确定预测里程数时， 可以提高获得的预测里程数的准确性。 0183 步骤S3400， 根据映射函数和特征向量的向量值， 获得车辆执行该车次任务的预测 里程数。 0184 向量值具体可以为特征向量的取值。 0185 本实施例中， 根据步骤S3300获得特征向量与行驶里程间的映射函数， 根据特征向 量的向量值， 便可将向量值代入映射函。

50、数F(x)中， 以便获得车辆执行该车次任务的预测里 程数。 0186 根据本发明该实施例， 其可以根据特征向量和映射函数获得车辆执行该车次任务 的预测里程数， 由于映射函数是根据大量的训练样本训练得到， 从而利用该映射函数确定 预测里程数时， 可以提高获得的预测里程数的准确性。 0187 步骤S3500， 根据预测里程数得到车辆是否执行该车次任务的处理结果。 0188 在一个实施例中， 该步骤S3500可以进一步包括如图7所示的步骤S3510S3530： 0189 步骤S3510， 获取车辆的目标里程数。 0190 车辆的目标里程数可以是车辆计划的日均走行里程数， 当车辆按照目标里程数来 行驶。