(19)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 202211284539.5 (22)申请日 2022.10.17 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 韩一曼　朱胜　韩添宇　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 陶海萍 (51)Int.Cl. G06Q 40/08(2012.01) G06N 20/00(2019.01) G06Q 50/26(2012.01) G08B 21/24(2006.01) (54)发明名称 电动车的使用风险检测方法及装置 (57)摘要 本发明公开了一种电动车的使用风险检测 方法及装置， 涉及人工智 能技术领域， 其中该方 法包括： 获取待检测电动车的行驶信息和电池性 能信息； 将待检测电动车的行驶信息和电池性能 信息输入使用风险检测模型， 输出待检测电动车 的使用风险检测结果， 其中使用风险检测结果表 征了待检测电动车的使用寿命和潜在故障发生 点， 所述使用风险检测模型是根据不同类型电动 车历史的： 行驶信息和电池性能信息， 以及实际 的使用寿命和故障发生点， 对机器学习模型训练 得到的； 在使用风险检测结果显示待检测电动车 存在使用风险时， 发出预警提示， 可以及时对电 动车的使用风险进行检测， 提高电动车的安全 性， 降低用户使用风险。 权利要求书2页 说明书5页 附图3页 CN 115511648 A 2022.12.23 CN 115511648 A 1.一种电动车的使用风险检测方法， 其特 征在于， 包括： 获取待检测电动车的行驶信息和电池性能信息； 将待检测电动车的行驶信 息和电池性 能信息输入使用风险检测模型， 输出待检测电动 车的使用风险检测结果， 其中使用风险检测结果表征了待检测电动车的使用寿命和潜在故 障发生点， 所述使用风险检测模型是根据不同类型电动车历史的： 行驶信息和电池性能信 息， 以及实际的使用寿命和故障发生 点， 对机器学习模型训练得到的； 在使用风险检测结果显示待检测电动车存在使用风险时， 发出 预警提示。 2.如权利要求1所述的方法， 其特征在于， 在将待检测电动车的行驶信 息和电池性能信 息输入使用风险检测模型之前， 还 包括： 过滤待检测电动车的行驶信息和电池性能信息中的干扰信息 。 3.如权利要求1所述的方法， 其特征在于， 所述行驶信 息包括以下信 息的其中之一或任 意组合： 行驶里程数、 平均行驶速度、 最大 行驶速度； 所述电池性能信息包括以下信息的其中之一或任意组合： 电池存储电量信息、 电池耗电速率信息、 电池充电速率信息 。 4.如权利要求1所述的方法， 其特征在于， 所述使用风险检测模型的训练与测试过程包 括： 将不同类型电动车历史的： 行驶信息和电池性能信息， 以及实 际的使用寿命和故障发 生点作为样本数据， 构建训练集和 测试集； 利用训练集对机器学习模型进行训练， 得到所述使用风险检测模型； 利用测试集对所述使用风险检测模型进行测试。 5.如权利要求1所述的方法， 其特征在于， 利用训练集对机器学习模型进行训练， 得到 所述使用风险检测模型， 包括： 采用XGBoost算法， 利用训练集对机器学习模型进行训练， 得到所述使用风险检测模 型。 6.一种电动车的使用风险检测装置， 其特 征在于， 包括： 获取模块， 用于获取待检测电动车的行驶信息和电池性能信息； 使用风险检测模块， 用于将待检测电动车的行驶信 息和电池性 能信息输入使用风险检 测模型， 输出待检测电动车 的使用风险检测结果， 其中使用风险检测结果表征了待检测电 动车的使用 寿命和潜在故障发生点， 所述使用风险检测模型是根据不同类型电动车历史 的： 行驶信息和电池性能信息， 以及实际的使用寿命和故障发生点， 对机器学习模型训练得 到的； 预警模块， 用于在使用风险检测结果显示待检测电动车存在使用风险时， 发出预警提 示。 7.如权利要求6所述的装置， 其特征在于， 还包括过滤模块， 用于在使用风险检测模块 将待检测电动车的行驶信息和电池性能信息 输入使用风险检测模型之前： 过滤待检测电动车的行驶信息和电池性能信息中的干扰信息 。 8.如权利要求6所述的装置， 其特征在于， 所述行驶信 息包括以下信 息的其中之一或任 意组合：权　利　要　求　书 1/2 页 2 CN 115511648 A 2行驶里程数、 平均行驶速度、 最大 行驶速度； 所述电池性能信息包括以下信息的其中之一或任意组合： 电池存储电量信息、 电池耗电速率信息、 电池充电速率信息 。 9.如权利要求6所述的装置， 其特征在于， 所述使用风险检测模型的训练与测试过程包 括： 构建模块， 用于将不同类型电动车历史 的： 行驶信息和电池性能信 息， 以及实际的使用 寿命和故障发生 点作为样本数据， 构建训练集和 测试集； 训练模块， 用于利用训练集对机器学习模型进行训练， 得到所述使用风险检测模型； 测试模块， 用于利用测试集对所述使用风险检测模型进行测试。 10.如权利要求9所述的装置， 其特 征在于， 训练模块具体用于： 采用XGBoost算法， 利用训练集对机器学习模型进行训练， 得到所述使用风险检测模 型。 11.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至5任一所述方 法。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序， 所述计算机程序被处 理器执行时实现权利要求1至 5任一所述方法。 13.一种计算机程序产品， 其特征在于， 所述计算机程序产品包括计算机程序， 所述计 算机程序被处 理器执行时实现权利要求1至 5任一所述方法。权　利　要　求　书 2/2 页 3 CN 115511648 A 3