(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 202111278221.1 (22)申请日 2021.10.3 0 (71)申请人 重庆长安汽车股份有限公司 地址 400023 重庆市江北区建新 东路260号 (72)发明人 杨俱成　吴锐　肖友　 (74)专利代理 机构 重庆华科专利事务所 5 0123 代理人 康海燕 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/27(2020.01) G06N 3/08(2006.01) (54)发明名称 无蓄电池传感器汽车可停车时长预测方法、 系统及计算机可读存 储介质 (57)摘要 本发明公开一种无蓄电池传感器汽车可停 车时长预测方法、 系统及计算机可读存储介质， 其基于车辆启停、 设防、 解闭锁、 开关门、 远程控 制、 蓄电池传感器等信号数据， 通过规则加算法， 先实现带蓄电池传感器的汽车可停车时长预测， 当该模型达到一定的准确率之后， 再去掉蓄电池 传感器相关的信号数据， 如电流SOC等， 使用神经 网络训练车辆放电预测模型， 从而在无需蓄电池 传感器前提下实现预测汽车的可停车时长 。 权利要求书1页 说明书4页 附图1页 CN 114004026 A 2022.02.01 CN 114004026 A 1.无蓄电池传感器汽车 可停车时长预测方法， 其特 征在于： 步骤1） 根据真实亏电且带蓄电池传感器相关数据的车辆数据集， 训练车辆放电预测模 型； 步骤2） 用训练的车辆放电预测模型预测尚未亏电车辆的可能亏电时间， 将可能亏电时 间设置为该 车辆的亏电标签数据； 步骤3） 使用步骤1） 真实亏电且带蓄电池传感器相关数据的车辆数据集和步骤2） 预测 出来的带亏电标签数据的车辆数据集， 去掉车辆数据集中蓄电池传感器相关数据， 再次训 练获得无需蓄电池传感器相关数据的车辆放电预测模型。 2.如权利要求1所述的无蓄电池传感器汽车可停车时长预测方法， 其特征在于： 步骤1） 包括以下步骤： 步骤11） 数据采集： 采集售后统计出带蓄电池传感器相关数据的同一批发生亏电维修 的车辆， 通过这批 亏电维修的车辆， 采集该批车辆 亏电前一个月的车辆数据集； 步骤12） 通过车架号， 把维修数据和车辆数据集合并， 将亏电维修时间作为该车辆的亏 电标签数据； 步骤13） 随机把部分车辆数据集作为训练集， 另一部分车辆数据集作为测试集， 通过神 经网络算法， 在训练集上进行训练车辆放电预测模型， 当车辆放电预测模型在测试集上测 试， 效果达 到一定指标后， 停止训练； 步骤2） 包括以下步骤： 步骤21） 预测： 使用步骤1） 获得的模型， 对尚未亏电车辆进行预测， 尚未亏电车辆的可 能亏电时间， 将可能亏电时间设置为该 车辆的亏电标签数据， 从而得到更多车辆数据集。 3.如权利要求2所述的无蓄电池传感器汽车 可停车时长预测方法， 其特 征在于： 步骤3） 包括以下步骤： 步骤31） 在车辆数据集中， 去掉蓄电池传感器相关数据； 步骤32） 训练模型， 使用步骤1） 真实亏电且带蓄电池传感器相关数据的车辆数据集和步骤2） 预测出来的 带亏电标签数据的车辆数据集； 随机把部分车辆数据集作为训练集， 另一部分车辆数据集 作为测试集， 使用神经网络模型， 在训练集上进 行训练车辆放电预测模型， 当车辆放电预测 模型在测试集上测试， 效果达 到一定指标后， 停止训练。 4.如权利要求3所述的无蓄电池传感器汽车可停车时长预测方法， 其特征在于： 车辆数 据集包含蓄电池传感器相关数据、 经纬度、 发动机转速、 车内外温度信号、 高原系数、 总里 程、 行驶里程、 维修时间、 发送机冷却液温度、 发送机运行状态以及各个信号灯的工作状态。 5.如权利要求4所述的无蓄电池传感器汽车可停车时长预测方法， 其特征在于： 蓄电池 传感器相关数据包括车辆电流、 SOC、 SOH、 累计充电量和累计放电量。 6.无蓄电池传感器汽车可停车时长预测系统， 其特征在于， 包括处理器以及存储器， 所 述存储器上存储有计算机程序， 所述计算机程序被所述处理器执行时， 实现如权利要求 1‑5 任一所述的无蓄电池传感器汽车 可停车时长预测方法的步骤。 7.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机该程序 被处理器执行时， 实现如权利要求1 ‑5任一所述的无蓄电池传感器汽车可停车时长预测方 法的步骤。权　利　要　求　书 1/1 页 2 CN 114004026 A 2无蓄电池传感器汽车可停车时长预测方 法、 系统及计算机可 读存储介质 技术领域 [0001]本发明属于汽车安全技 术领域， 具体涉及汽车 可停车时长预测技 术。 背景技术 [0002]蓄电池是汽车必不可少的一部分， 目前传统燃油车的蓄电池普遍都是铅酸电池， 因为车辆本身软硬件， 用户驾驶习惯或者车辆周边环境影响， 导致用户熄火后的安全停车 时长大大降低， 最 终用户无法启动发动机， 造成用户抱怨， 据国内领先的缺陷汽 车产品信息 收集平台车质网数据显示， 2014年至今车辆蓄电池故 障投诉总 量已达4090宗， 其中绝大部 分为亏电问题。 在相关投诉中， 蓄电池亏电常常会导致车辆无法启动， 如果没有搭线设备就 只能原地等待救援， 在用车过程中将会给消费者造成极大困扰。 且这一趋势依然还在延续。 从故障问题 来看， 反映蓄电池亏电问题的投诉最为集中， 占比高达97%。 现如今， 蓄电池已不 存在技术瓶颈， 而 大面积故障问题的出现， 投诉中也出现另一类情况， 就是车辆电气系统因 设计、 装配和车辆环境 等原因， 造成用户亏电。 [0003] 现有技术的汽车蓄电池寿命预测主要通过规则和硬件装置实现， 如公开号为 CN111091632A  一种汽车蓄电池寿命预测方法和 装置， 该蓄电池寿命预测系统具体包括蓄 电池、 蓄电池传感器、 车辆信息采集模块、 网关、 远程信息处理器和服务器； 蓄电池传感器采 集蓄电池的电池特性数据， 将蓄电池的电池特性数据发送至网关； 车辆信息采集模块采集 车辆状态数据， 将车辆状态数据发送至网关； 网关根据电池特性数据确定SOH初始值， 通过 远程信息处理器将SOH初始 值和车辆状态数据发送至服务器； 服务器根据SOH初始 值和车辆 状态数据计算SOH校正值， 当判断该SOH校正值是否小于标定校正值时， 向终端设备发送蓄 电池更换提醒消息， 以保证及时准确 地提醒用户需要更换蓄电池,但是此类方法仅仅用于 电池全生命周期的寿命预测， 主要用于提醒用户是否需要更换蓄电池， 对车辆熄火后的安 全停车时长并未涉及 ,还有一类发明是针对非车辆电池预测的算法， 如公开号为 CN107748936A基于遗传算法改进的BP神经网络蓄电池寿命预测算法， 包括用遗传算法对BP 神经网络进 行优化； 借鉴已有的蓄电池寿命预测思路， 建立指标体系； 将对应的指标数据作 为训练样本， 训练后的BP神经网络； 用训练后的BP神经网络对蓄电池寿命进 行预测。 该技术 将遗传算法和BP神经网络有机结合起来， 遗传算法是一种基于生物机制的全局搜索 优化算 法， 利用遗传算法优化BP神经网络的初始权值和阀值， 再利用误差反向传播方法找到其最 优解， 避免了陷入局部极值 点的情况。 [0004]因此， 有必要开发一种系统及方法， 能在云端通过现有车辆运行数据， 自动实现车 辆停车后， 预测出本次车辆的安全停车时长， 降低对于用户车辆亏电问题的售后抱怨， 还能 主动为用户提供服 务。 发明内容 [0005]本发明公开一种无蓄电池传感器汽车可停车时长预测方法、 系统及计算机可读存说　明　书 1/4 页 3 CN 114004026 A 3