(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 202111460452.4 (22)申请日 2021.12.02 (71)申请人 杭州喵智科技有限公司 地址 311121 浙江省杭州市余杭区仓前街 道乐佳国际大厦4幢12F-1 (72)发明人 刘云芳　刘春博　邱秉泉　 (74)专利代理 机构 北京汇信合知识产权代理有 限公司 1 1335 代理人 尚鹏程 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/00(2012.01) G07C 5/00(2006.01) G07C 5/08(2006.01) G06K 9/62(2022.01)G06N 20/20(2019.01) G06N 5/00(2006.01) (54)发明名称 一种车辆保养项目的预估方法和系统 (57)摘要 本发明公开了一种车辆保养项目的预估方 法和系统， 属于车辆保养技术领域， 所述预估方 法包括： 获取车辆信息， 所述车辆信息包括以下 任一数据或它们的组合： 保养周期、 保养数据、 和 检测数据； 对所述车辆信息进行清洗， 获得第一 数据； 根据第一数据， 估算日均里程； 基于GBD T算 法， 根据日均里程， 预估第一保养； 判断所述第一 保养是否合理； 若不合理， 根据预设规则和日均 里程， 预估第二保养。 通过将基于GBDT算法的第 一保养和基于规则的第二保养进行融合， 筛选出 其中较准确的预估结果， 以提高预估的置信度； 因此， 通过对车辆信息的数据挖掘、 预估出准确 的保养时间和里程。 权利要求书3页 说明书8页 附图2页 CN 114091787 A 2022.02.25 CN 114091787 A 1.一种车辆保养项目的预估方法， 其特 征在于， 所述预估方法包括： 获取车辆信息， 所述车辆信息包括以下任一数据或它们的组合： 保养周期、 保养数据、 和检测数据； 对所述车辆信息进行清洗， 获得第一数据； 根据第一数据， 估算日均里程； 基于GBDT算法， 根据日均里程， 预估第一保养； 判断所述第一保养是否合理； 若不合理， 根据预设规则和日均里程， 预估第二保养 。 2.根据权利要求1的预估方法， 其特 征在于， 判断第一保养时间是否合理的方法包括： 判断第一保养时间与上次保养时间的间隔是否大于第一 域值。 3.根据权利要求1的预估方法， 其特 征在于， 日均里程估算的方法包括： 基于GBDT算法， 根据第一数据估算日均里程； 判断所述日均里程是否小于第二 域值； 若日均里程小于第二 域值， 根据第二预设规则， 估算日均里程。 4.根据权利要求3所述的预估方法， 其特 征在于， 第二预设规则包括： 根据第一数据， 计算各个时间段内的日均里程， 获得日均里程 集合： 其中， mi表示为第i个里程， ti表示为第i个里程的记录时间， j＝i ‑1， Li表示为日均里 程， deman表示 为日均里程 集合； 获取日均时程 集合的中位数和绝对中位差： dmedian＝median(deman) ddmedian＝median(|Li‑median(deman)|) Median()表示 为取中位数， dmedian表示 为中位数， d dmedian表示 为绝对中位差； 判断日均值与中位数差值的绝对值， 是否小于绝对中位差与第三 域值的积； 若是， 保留所述是日均值。 5.根据权利要求1所述的预估方法， 其特征在于， 根据清洗规则对所述车辆信 息进行清 洗， 所述清洗规则包括以下任一 规则或它 们的组合： 同一天多条 里程， 保留时间最晚的里程； 不同日期填写的里程 一样， 保留时间最晚的里程； 车辆只有两条 里程数据、 且不 合理的， 保留数据来源可靠的里程； 车辆具有n条里程数据、 k∈(1， …， n)、 n‑k为2， 且第k里程同时大于第k+1里程和第k+2 里程， 若第k +1里程小于第k +2里程， 保留第k +1里程和第k +2里程， 若第k +1里程大于第k +2里 程， 仅保留第k+2里程； 车辆具有n条 里程数据、 k∈(1 …n)、 n‑k大于3， 保留小于所有较晚里程的第k里程。 6.根据权利要求1所述的预估方法， 其特征在于， 对所述车辆信 息的清洗包括车辆信 息 中异常数据的处 理规则： 车辆信息的历史数据有两条， 上次检测结果为有异常， 最后一条历史数据为APP填写、权　利　要　求　书 1/3 页 2 CN 114091787 A 2且小于上一条历史数据， 去除最后一条历史数据； 历史数据有两条， 最后一条历史数据为APP填写、 且小于上次保养信息的里程或上一次 检测异常信息的里程， 去除最后一条历史数据； 历史数据的最后一条是检测未见异常、 且上一条是保养信 息或APP填写信息， 去除最后 一条历史数据； 历史数据的最后 一条是检测数据、 上一条是保养数据、 且两者的里程一致， 去除最后一 条。 7.根据权利要求1所述的预估方法， 其特征在于， 对所述车辆信 息的清洗包括根据 可信 度选择或删除数据的方法： 判断两条 数据是否矛盾； 若是， 选择 可信度大的数据， 并删除可信度小的数据； 其中， 以下数据的可信度依次降低： 保养信息、 检测为异常的检测数据、 APP填写数据和 检测为正常的检测数据。 8.根据权利要求1所述的预估方法， 其特征在于， 根据预设规则， 预估第二保养时间的 方法包括： 判断里程周期和日均里程的商是否大于时间周期； 若是， 根据以下公式计算下次保养时间和保养的里程： Next_time＝t1+upke ep_time Next_mil＝m1+upke ep_time*res_mi l 其中， Next_time表示为下次保养时间， t1表示为上次保养时间， up keep_time表示为保 养的时间周期， m1表示 为上次保养里程， res_mi l表示为日均里程； 若否， 判断上次保养里程是否小于第四域 值； 若小于第四域 值， 根据以下公式， 校正上次保养里程： m1＝n_mil‑res_mil*days days＝(n_t ‑t1).days 其中， n_mil表示为当前里程， days表示为上次保养时间到当前时间的时间差， t1表示 为上次保养时间； 根据以下公式计算下次保养时间和保养里程： diff_mil＝(n_mil‑m1)％upke ep_mil Next_mil＝n_mil+(upkeep_mil‑diff_mil) Next_time＝ n_t+Next_mi l/res_mi l 其中， dif f_mil表示为下一次保养前的剩余里程， upke ep_mil表示为保养的里程周期。 9.根据权利要求8所述的预估方法， 其特征在于， 所述预设规则包括根据检测数据进行 预估的方法： 根据检测数据， 为车辆预设 分值和分值区间； 判断里程周期和日均里程的商是否大于时间周期； 若是， 根据以下公式计算下次保养里程和保养时间： diff_days＝(score/10 0)*(upke ep_time) Next_time＝t 2+diff_days权　利　要　求　书 2/3 页 3 CN 114091787 A 3