特表 2024-544462 ユーザータイプ識別方法、電子機器及び可読記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-12-03

(54)【発明の名称】ユーザータイプ識別方法、電子機器及び可読記憶媒体

(51)【国際特許分類】

   G06Q 50/10 20120101AFI20241126BHJP

【ＦＩ】

G06Q50/10

【審査請求】有

【予備審査請求】未請求

(21)【出願番号】P 2024518111

(86)(22)【出願日】2022-11-22

(85)【翻訳文提出日】2024-06-05

(86)【国際出願番号】 CN2022133434

(87)【国際公開番号】W WO2023124655

(87)【国際公開日】2023-07-06

(31)【優先権主張番号】202111676076.2

(32)【優先日】2021-12-31

(33)【優先権主張国・地域又は機関】CN

(81)【指定国・地域】

【公序良俗違反の表示】

（特許庁注：以下のものは登録商標）

１．ＺＩＧＢＥＥ

(71)【出願人】

【識別番号】510177809

【氏名又は名称】ビーワイディー カンパニー リミテッド

【氏名又は名称原語表記】ＢＹＤ Ｃｏｍｐａｎｙ Ｌｉｍｉｔｅｄ

【住所又は居所原語表記】Ｎｏ． ３００９， ＢＹＤ Ｒｏａｄ， Ｐｉｎｇｓｈａｎ， Ｓｈｅｎｚｈｅｎ， Ｇｕａｎｇｄｏｎｇ ５１８１１８， Ｐ． Ｒ． Ｃｈｉｎａ

(74)【代理人】

【識別番号】100169904

【弁理士】

【氏名又は名称】村井 康司

(74)【代理人】

【識別番号】100130443

【弁理士】

【氏名又は名称】遠藤 真治

(72)【発明者】

【氏名】▲馮▼天宇

(72)【発明者】

【氏名】舒展

(72)【発明者】

【氏名】▲でん▼林旺

(72)【発明者】

【氏名】舒▲時▼▲偉▼

【テーマコード（参考）】

5L050

【Ｆターム（参考）】

5L050CC11

(57)【要約】

ユーザータイプ識別方法、電子機器及び可読記憶媒体を開示する。方法は、少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得するステップ（２１００）と、所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得するステップ（２２００）と、所定の識別モデルによって分析対象データを分析して、ユーザータイプを得るステップ（２３００）と、を含む。

【特許請求の範囲】

【請求項1】

少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得するステップ（２１００）と、
前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得するステップ（２２００）と、
所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップ（２３００）と、を含む、ことを特徴とするユーザータイプ識別方法。

【請求項2】

前記所定期間内の走行データに基づいて、分析対象データを取得するステップは、
前記所定期間内の走行データから毎日の走行データを抽出するステップと、
前記毎日の走行データに対してそれぞれ計算を行って、前記走行時間数、前記走行距離及び前記毎日の各期間内の走行回数を得るステップと、を含む、ことを特徴とする請求項１に記載の方法。

【請求項3】

前記ユーザータイプの識別結果は、昼間オンライン配車ユーザータイプ、夜間オンライン配車ユーザータイプ、通勤自家用車ユーザータイプ、商用車ユーザータイプ及び非通勤自家用車ユーザータイプを含む、ことを特徴とする請求項１又は２に記載の方法。

【請求項4】

前記ユーザータイプに基づいて、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得るステップを更に含む、ことを特徴とする請求項１～３のいずれか一項に記載の方法。

【請求項5】

前記車両データは、前記車両が走行状態にあるときの前記走行データと、前記車両が非走行状態にあるときの非走行データと、を含む、ことを特徴とする請求項４に記載の方法。

【請求項6】

前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得るステップを更に含む、ことを特徴とする請求項４又は５に記載の方法。

【請求項7】

前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成するステップを更に含む、ことを特徴とする請求項１～６のいずれか一項に記載の方法。

【請求項8】

所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップは、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得するステップと、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングするステップと、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得るステップと、を含む、ことを特徴とする請求項１～７のいずれか一項に記載の方法。

【請求項9】

前記分析対象データを分析した後に、前記分析対象データ及び対応する分析結果をトレーニングサンプルとして前記トレーニングサンプルセットに更新するステップを更に含む、ことを特徴とする請求項８に記載の方法。

【請求項10】

取得モジュール（４１００）と、分析モジュール（４２００）と、を含み、
取得モジュール（４１００）は、少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得し、前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得し、
分析モジュール（４２００）は、所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得る、ことを特徴とするユーザータイプ識別装置（４０００）。

【請求項11】

前記分析モジュール（４２００）は、更に、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得る、ことを特徴とする請求項１０に記載の識別装置（４０００）。

【請求項12】

前記分析モジュール（４２００）は、更に、前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得る、ことを特徴とする請求項１０又は１１に記載の識別装置（４０００）。

【請求項13】

処理モジュール（４４００）を更に含み、
処理モジュール（４４００）は、前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成する、ことを特徴とする請求項１０～１２のいずれか一項に記載の識別装置（４０００）。

【請求項14】

前記取得モジュール（４１００）は、更に、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得し、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングし、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得る、ことを特徴とする請求項１０～１３のいずれか一項に記載の識別装置（４０００）。

【請求項15】

メモリ（５２００）と、プロセッサ（５１００）と、を含み、前記メモリ（５２００）は、実行可能な命令を記憶し、前記プロセッサ（５１００）は、前記命令の制御下で請求項１～９のいずれか一項に記載のユーザータイプ識別方法を実行する、電子機器（５０００）。

【請求項16】

プロセッサによって実行されることにより、請求項１～９のいずれか一項に記載のユーザータイプ識別方法を実現するコンピュータプログラムが記憶されている、ことを特徴とする可読記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本願は、２０２１年１２月３１日に中国国家知識産権局に提出された、出願番号が２０２１１１６７６０７６．２で、名称が「ユーザータイプ識別方法、電子機器及び可読記憶媒体」である中国特許出願の優先権を主張するものであり、その全ての内容は、参照により本願に組み込まれるものとする。

【0002】

本開示の実施例は、データ処理の技術分野に関し、より具体的には、ユーザータイプ識別方法、電子機器及び可読記憶媒体に関する。

【背景技術】

【0003】

新エネルギー車両の普及に伴い、ユーザーの数も多く増加している。各ユーザーの運転習慣及び運転方式が異なるため、車両の動力電池の性能も異なる。電池性能を最適化するために、車両の走行データを分析してユーザーカテゴリを取得することにより、ユーザー毎にパーソナライズ電池管理システムを作成する必要がある。

【0004】

しかしながら、ユーザータイプを分類する場合、処理フローが複雑であり、ユーザーの運転経路などの機微情報を取得して分析する必要があるため、ユーザーの情報セキュリティに大きな問題がある。

【発明の概要】

【0005】

本開示の実施例の第１態様に係るユーザータイプ識別方法は、
少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得するステップと、
前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得するステップと、
所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップと、を含む。

【0006】

本願の一実施例では、前記所定期間内の走行データに基づいて、分析対象データを取得するステップは、
前記所定期間内の走行データから毎日の走行データを抽出するステップと、
前記毎日の走行データに対してそれぞれ計算を行って、前記走行時間数、前記走行距離及び前記毎日の各期間内の走行回数を得るステップと、を含む。

【0007】

本願の一実施例では、前記ユーザータイプの識別結果は、昼間オンライン配車ユーザータイプ、夜間オンライン配車ユーザータイプ、通勤自家用車ユーザータイプ、商用車ユーザータイプ及び非通勤自家用車ユーザータイプを含む。

【0008】

本願の一実施例では、前記表示方法は、
前記ユーザータイプに基づいて、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得るステップを更に含む。

【0009】

本願の一実施例では、前記車両データは、前記車両が走行状態にあるときの前記走行データと、前記車両が非走行状態にあるときの非走行データと、を含む。

【0010】

本願の一実施例では、前記表示方法は、
前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得るステップを更に含む。

【0011】

本願の一実施例では、前記表示方法は、
前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成するステップを更に含む。

【0012】

本願の一実施例では、所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップは、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得するステップと、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングするステップと、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得るステップと、を含む。

【0013】

本願の一実施例では、前記表示方法は、
前記分析対象データを分析した後に、前記分析対象データ及び対応する分析結果をトレーニングサンプルとして前記トレーニングサンプルセットに更新するステップを更に含む。

【0014】

本開示の実施例の第２態様に係るユーザータイプ識別装置は、取得モジュールと、分析モジュールと、を含み、
取得モジュールは、少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得し、前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得し、
分析モジュールは、所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得る。

【0015】

本願の一実施例では、前記分析モジュールは、更に、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得る。

【0016】

本願の一実施例では、前記分析モジュールは、更に、前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得る。

【0017】

本願の一実施例では、前記識別装置は、処理モジュールを更に含み、
処理モジュールは、前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成する。

【0018】

本願の一実施例では、前記取得モジュールは、更に、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得し、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングし、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得る。

【0019】

本開示の実施例の第３態様に係る電子機器は、メモリと、プロセッサと、を含み、前記メモリは、実行可能な命令を記憶し、前記プロセッサは、前記命令の制御下で本開示の実施例の第１態様のいずれか一項に記載のユーザータイプ識別方法を実行する。

【0020】

本開示の実施例の第４態様に係る可読記憶媒体には、プロセッサによって実行されることにより、本開示の実施例の第１態様のいずれか一項に記載のユーザータイプ識別方法を実現するコンピュータプログラムが記憶されている。

【図面の簡単な説明】

【0021】

明細書に組み込まれ、明細書の一部となる図面は、本開示の実施例を示し、かつその説明と共に本開示の原理を解釈する。

【0022】

【図1】例示的な電子機器のハードウェア構成の原理ブロック図である。

【図2】本開示の実施例に係るユーザータイプ識別方法の工程を示す概略図である。

【図3】本開示の実施例に係るユーザータイプ識別方法で得られたユーザータイプの可視化概略図である。

【図4】本開示の実施例に係るユーザータイプ識別装置の概略構成図である。

【図5】例示的な電子機器のハードウェアの概略構成図である。

【発明を実施するための形態】

【0023】

以下、図面を参照しながら、本開示の様々な例示的な実施例を詳細に説明する。なお、特に断らない限り、これらの実施例において記載された部材及びステップの相対的な配置、数字表現式及び数値は、本開示の範囲を限定するものではない。

【0024】

以下、少なくとも１つの例示的な実施例についての説明は、本質的に例示的なものに過ぎず、決して本開示及びその適用又は使用を限定するものではない。

【0025】

当業者が知っている技術、方法及び装置について詳細に検討していないが、適切な場合には、上記技術、方法及び装置は、明細書の一部と見なされるべきである。

【0026】

ここで示され検討された全ての例では、いかなる具体的な値も、例示的なものに過ぎず、限定的なものではないと解釈されるべきである。したがって、例示的な実施例の他の例は、異なる値を有してもよい。

【0027】

なお、類似した符号及びアルファベットが以下の図面において類似したものを表すため、あるものが１つの図面において定義されば、後の図面においてさらに検討する必要がない。

【0028】

本開示の実施例の１つの目的は、ユーザーの分類を実現すると共に、ユーザーの情報セキュリティを向上させることができる、ユーザータイプ識別方法を提供することである。

【0029】

本開示の有益な効果は、以下のとおりである。少なくとも車両走行プロセスにおける走行時間、積算走行距離及び走行速度を含む、所定期間内の走行データを取得し、上記所定期間内の走行データに基づいて、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を含む分析対象データを取得し、所定の識別モデルによって上記分析対象データを分析して、ユーザータイプを得る。本実施例では、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を分析してユーザータイプを得て、計算に使用されるデータがユーザーの機微プライバシーデータに関連しないため、ユーザーの分類を実現すると共に、ユーザーの情報セキュリティを向上させることができる。

【0030】

＜ハードウェア構成＞
図１に示すように、本開示のユーザータイプ識別方法を適用できる電子機器１０００は、プロセッサ１１００、メモリ１２００、インタフェース装置１３００、通信装置１４００、表示装置１５００、入力装置１６００、スピーカ１７００、マイクロフォン１８００などを含んでもよい。

【0031】

プロセッサ１１００は、モバイルプロセッサであってもよい。メモリ１２００は、例えば、ＲＯＭ（読み取り専用メモリ）、ＲＡＭ（ランダムアクセスメモリ）、ハードディスクなどの不揮発性メモリなどを含む。インタフェース装置１３００は、例えば、ＵＳＢインタフェース、イヤホンインタフェースなどを含む。通信装置１４００は、例えば、有線通信又は無線通信を行うことができ、通信装置１４００は、短距離通信装置、例えば、Ｈｉｌｉｎｋプロトコル、ＷｉＦｉ（ＩＥＥＥ ８０２．１１プロトコル）、Ｍｅｓｈ、ブルートゥース（登録商標）、ＺｉｇＢｅｅ、Ｔｈｒｅａｄ、Ｚ－Ｗａｖｅ、ＮＦＣ、ＵＷＢ、ＬｉＦｉなどの短距離無線通信プロトコルに基づいて短距離無線通信を行う任意の装置を含んでもよく、通信装置１４００は、遠距離通信装置、例えば、ＷＬＡＮ、ＧＰＲＳ、２Ｇ／３Ｇ／４Ｇ／５Ｇ遠距離通信を行う任意の装置を含んでもよい。表示装置１５００は、例えば、液晶ディスプレイ、タッチディスプレイなどである。入力装置１６００は、例えば、タッチスクリーン、キーボードなどを含んでもよい。電子機器１０００は、スピーカ１７００によりオーディオ情報を出力し、マイクロフォン１８００によりオーディオ情報を収集することができる。

【0032】

本実施例では、電子機器１０００のメモリ１２００は、命令を記憶し、該命令は、プロセッサ１１００を制御して動作させてユーザータイプ識別方法を実現する。当業者であれば、本開示に開示された技術手段に従って命令を設計することができる。命令がどのようにプロセッサを制御して動作させるかは、本分野で公知であるため、ここで詳細に説明しない。

【0033】

図１が電子機器１０００の複数の装置を示すが、本開示がそのうちの一部の装置のみに関し、例えば、電子機器１０００がメモリ１２００及びプロセッサ１１００、通信装置１４００及び表示装置１５００のみに関してもよい。

【0034】

図１には１つの電子機器１０００のみが示されるが、電子機器１０００の数を限定するものではないことを理解すべきである。

【0035】

＜方法の実施例＞
図２は、本開示の実施例に係るユーザータイプ識別方法の工程を示す概略図である。

【0036】

図２に示すように、本実施例のユーザータイプ識別方法は、具体的には、図１に示す電子機器１０００によって実行されてもよい。

【0037】

具体的には、本実施例のユーザータイプ識別方法は、以下のステップ２１００～ステップ２３００を含んでもよい。

【0038】

ステップ２１００では、少なくとも車両走行プロセスにおける走行時間、積算走行距離及び走行速度を含む、所定期間内の走行データを取得する。

【0039】

所定期間内の車両データを取得することは、１週間内の車両データを取得することであってもよく、１ヶ月間内の車両データを取得することであってもよく、３ヶ月間内の車両データを取得することであってもよい。上記所定期間は、実際の必要に応じて設定することができ、ここでは具体的に限定しない。

【0040】

理解できるように、車両状態が走行状態である場合、取得された車両データは、上記走行データであり、車両状態が充電状態である場合、取得された車両データは、非走行データである。本実施例では、上記走行データに基づいてユーザーを分類するため、上記車両状態に基づいて、上記車両データから上記所定期間内の走行データを選別する必要がある。

【0041】

具体的には、上記電子機器１０００は、まず、走行時間、積算走行距離、車両状態及び走行速度を含む、所定期間内の車両データを取得してもよい。上記車両状態は、走行状態及び充電状態を含む。次に、上記車両状態に基づいて、上記車両データから上記所定期間内の走行データを取得する。

【0042】

一例では、上記車両データを収集する時間間隔は、３０秒であってもよい。

【0043】

ステップ２２００では、上記所定期間内の走行データに基づいて、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を含む分析対象データを取得する。

【0044】

具体的には、上記電子機器は、上記所定期間内の走行データを取得した後に、上記所定期間内の走行データから毎日の走行データを抽出し、上記毎日の走行データに対してそれぞれ計算を行って、上記所定期間内の上記毎日の走行時間数、上記毎日の走行距離及び上記毎日の各時刻の走行回数を得てもよい。

【0045】

例示的に、ユーザーＡがある日に車両を３回運転し、朝の８時に１時間運転し、走行距離が５キロメートルであり、昼の１２時に０．５時間運転し、走行距離が２キロメートルであり、１２時４５分に２時間運転し、走行距離が１０キロメートルであると仮定すると、計算して得られた毎日の走行時間数が３．５時間であり、毎日の走行距離が１７キロメートルであり、８時の走行回数が１回であり、１２時の走行回数が２回であり、当日の他の時刻の走行回数がいずれも０回である。

【0046】

ステップ２３００では、所定の識別モデルによって上記分析対象データを分析して、ユーザータイプを得る。

【0047】

具体的には、上記電子機器１０００は、前処理されたオフライン車両データを含むトレーニングサンプルセットを取得し、上記トレーニングサンプルセットに基づいて、上記識別モデルをトレーニングし、その後に上記所定の識別モデルに基づいて、上記分析対象データを分析して、対応するユーザータイプを得てもよい。

【0048】

理解できるように、分析対象データの分析が完了した後に、上記分析対象データ及び対応する分析結果をトレーニングサンプルとして上記トレーニングサンプルセットに更新することにより、電子機器１０００は、更新されたトレーニングサンプルセットに基づいて上記識別モデルをトレーニングして、上記識別モデルを最適化することができる。

【0049】

本実施例では、上記所定の識別モデルは、ｋｍｅａｎｓクラスタリングモデルであってもよい。

【0050】

上記ユーザータイプの識別結果は、昼間オンライン配車ユーザータイプ、夜間オンライン配車ユーザータイプ、通勤自家用車ユーザータイプ、商用車ユーザータイプ及び非通勤自家用車ユーザータイプを含む。

【0051】

好ましくは、分析対象データを分析してユーザータイプを得た後に、上記電子機器１０００は、上記ユーザータイプに基づいて、上記車両データから対応するユーザー車両データを分離し、上記ユーザー車両データに対して可視化分析を行って、可視化分析結果を得てもよい。

【0052】

図３に示すように、昼間オンライン配車ユーザーに対応する可視化分析結果は、クラスタ１に示され、主に、毎日の平均走行時間及び平均走行距離が長く、走行期間が一定であることを特徴とする。夜間オンライン配車ユーザータイプに対応する可視化分析結果は、クラスタ２に示され、主に、毎日の平均走行時間及び平均走行距離が長く、走行期間が一定であることを特徴とする。通勤自家用車ユーザータイプに対応する可視化分析結果は、クラスタ３に示され、主に、走行期間が出勤時間及び退勤時間に集中し、走行距離が一定であることを特徴とする。商用車ユーザータイプに対応する可視化分析結果は、クラスタ４に示され、主に、走行時間と走行距離が中くらいであり、走行期間が一定ではないことを特徴とする。非通勤自家用車ユーザータイプに対応する可視化分析結果は、クラスタ５に示され、主に、走行時間と走行距離が短く、走行期間が一定ではないことを特徴とする。

【0053】

好ましくは、分析対象データを分析してユーザータイプを得た後、上記電子機器１０００は、更に、上記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得てもよい。

【0054】

実施例では、上記ステップ２３００の後に、上記電子機器１０００は、更に、上記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成してもよい。例えば、ＳＯＣの推定精度を調整してもよい。

【0055】

本実施例の技術手段では、少なくとも車両走行プロセスにおける走行時間、積算走行距離及び走行速度を含む、所定期間内の走行データを取得し、上記所定期間内の走行データに基づいて、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を含む分析対象データを取得し、所定の識別モデルによって上記分析対象データを分析して、ユーザータイプを得る。本実施例では、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を分析してユーザータイプを得て、計算に使用されるデータがユーザーの機微プライバシーデータに関連しないため、ユーザーの分類を実現すると共に、ユーザーの情報セキュリティを向上させることができる。

【0056】

＜装置の実施例＞
図４は、本開示の実施例に係るユーザータイプ識別装置の概略構成図である。図４に示すように、本実施例のユーザータイプ識別装置４０００は、取得モジュール４１００及び分析モジュール４２００を含んでもよい。

【0057】

取得モジュール４１００は、少なくとも車両走行プロセスにおける走行時間、積算走行距離及び走行速度を含む、所定期間内の走行データを取得し、上記所定期間内の走行データに基づいて、毎日の走行時間数、毎日の走行距離及び毎日の各時刻の走行回数を含む分析対象データを取得し、
分析モジュール４２００は、所定の識別モデルによって上記分析対象データを分析して、ユーザータイプを得る。

【0058】

上記ユーザータイプの識別結果は、昼間オンライン配車ユーザータイプ、夜間オンライン配車ユーザータイプ、通勤自家用車ユーザータイプ、商用車ユーザータイプ及び非通勤自家用車ユーザータイプを含む。

【0059】

実施例では、上記取得モジュール４１００は、具体的には、上記所定期間内の走行データから毎日の走行データを抽出し、上記毎日の走行データに対してそれぞれ計算を行って、上記所定期間内の上記毎日の走行時間数、上記毎日の走行距離及び上記毎日の各時刻の走行回数を得る。

【0060】

実施例では、上記ユーザータイプ識別装置４０００は、分離モジュール４３００を更に含んでもよく、分離モジュール４３００は、上記ユーザータイプに基づいて、上記車両データから対応するユーザー車両データを分離し、上記分析モジュール４２００は、更に、上記ユーザー車両データに対して可視化分析を行って、可視化分析結果を得てもよい。

【0061】

実施例では、上記分析モジュール４２００は、更に、上記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得てもよい。

【0062】

実施例では、上記ユーザータイプ識別装置４０００は、処理モジュール４４００を更に含んでもよく、処理モジュール４４００は、上記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成する。

【0063】

実施例では、上記取得モジュール４１００は、具体的には、前処理されたオフライン車両データを含むトレーニングサンプルセットを取得し、上記ユーザータイプ識別装置４０００は、トレーニングモジュールを更に含んでもよく、トレーニングモジュールは、上記トレーニングサンプルセットに基づいて、上記識別モデルをトレーニングし、上記分析モジュール４２００は、更に、上記識別モデルに基づいて、上記分析対象データを分析して、ユーザータイプを得てもよい。

【0064】

本実施例のユーザータイプ識別装置は、上記方法の実施例の技術手段を実行することができ、その実現原理及び技術的効果は類似し、ここでは説明を省略する。

【0065】

＜電子機器の実施例＞
本実施例は、電子機器５０００を更に提供する。

【0066】

図５に示すように、電子機器５０００は、プロセッサ５１００と、メモリ５２００と、を含んでもよく、該メモリ５２００は、実行可能な命令を記憶し、該プロセッサ５１００は、命令の制御に従って電子機器５０００を動作させて上記図２に記載の実施例のユーザータイプ識別方法を実行する。

【0067】

＜媒体の実施例＞
本開示の実施例に係るコンピュータ可読記憶媒体には、プロセッサによって実行されることにより、上記いずれかの実施例に係るユーザータイプ識別方法を実現するコンピュータプログラムが記憶されている。

【0068】

本開示は、システム、方法及び／又はコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、コンピュータ可読記憶媒体を含んでもよく、プロセッサに本開示の各態様を実現させるためのコンピュータ可読プログラム命令が記憶されている。

【0069】

コンピュータ可読記憶媒体は、命令実行装置によって使用される命令を保持し記憶することができる有形装置であってもよい。コンピュータ可読記憶媒体は、例えば、電気記憶装置、磁気記憶装置、光記憶装置、電磁記憶装置、半導体記憶装置又は上述の任意の適切な組み合わせであってもよいが、これらに限定されない。コンピュータ可読記憶媒体のより具体的な例（非網羅的なリスト）として、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ポータブルコンパクトディスク読み取り専用メモリ（ＣＤ－ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリスティック、フロッピーディスク、命令が記憶されたパンチカード又は溝内の突起構造のような機械的に符号化された装置、及び上述の任意の適切な組み合わせが挙げられる。ここで使用されるコンピュータ可読記憶媒体は、例えば、無線電波若しくは他の自由に伝播する電磁波、導波管若しくは他の伝送媒体を介して伝播する電磁波（例えば、光ファイバケーブルを通過する光パルス）、又は電線を介して伝送される電気信号などの、一時的信号自体として解釈されない。

【0070】

ここで説明されるコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各コンピューティング／処理装置にダウンロードすることができるか、又は、例えばインターネット、ローカルエリアネットワーク、広域ネットワーク及び／又は無線ネットワークなどのネットワークを介して外部コンピュータ又は外部記憶装置にダウンロードすることができる。ネットワークは、銅伝送ケーブル、光ファイバ伝送、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び／又はエッジサーバを含んでもよい。各コンピューティング／処理装置のネットワークアダプタカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、各コンピューティング／処理装置のコンピュータ可読記憶媒体に記憶するために、該コンピュータ可読プログラム命令を転送する。

【0071】

本開示の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又はＳｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語及び「Ｃ」言語若しくは同様のプログラミング言語などの従来の手続き型プログラミング言語を含む１つ以上のプログラミング言語の任意の組み合わせで書き込まれたソースコード又はオブジェクトコードであってもよい。コンピュータ可読プログラム命令は、ユーザーのコンピュータ上で完全に実行されてもよく、ユーザーのコンピュータ上で部分的に実行されてもよく、独立したソフトウェアパッケージとして実行されてもよく、ユーザーのコンピュータ上で部分的に実行され、リモートコンピュータ上で部分的に実行されてもよく、リモートコンピュータ又はサーバ上で完全に実行されてもよい。リモートコンピュータのシナリオでは、リモートコンピュータは、ローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ）を含む任意のタイプのネットワークを介してユーザーのコンピュータに接続されてもよく、外部コンピュータに（例えば、インターネットサービスプロバイダを使用してインターネットを介して）接続されてもよい。いくつかの実施例では、コンピュータ可読プログラム命令の状態情報を利用して、プログラマブル論理回路、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又はプログラマブル論理アレイ（ＰＬＡ）などの電子回路をパーソナライズし、該電子回路は、コンピュータ可読プログラム命令を実行することにより本開示の各態様を実現することができる。

【0072】

本開示の各態様は、本開示の実施例に係る方法、装置（システム）及びコンピュータプログラム製品のフローチャート及び／又はブロック図を参照して説明される。フローチャート及び／又はブロック図の各ブロック及びフローチャート及び／又はブロック図中の各ブロックの組み合わせは、いずれもコンピュータ可読プログラム命令によって実現することができることを理解すべきである。

【0073】

これらのコンピュータ可読プログラム命令は、汎用コンピュータ、専用コンピュータ又は他のプログラマブルユーザータイプ識別装置のプロセッサに提供されることにより、マシンを生成し、それにより、これらの命令がコンピュータ又は他のプログラマブルユーザータイプ識別装置のプロセッサによって実行されることにより、フローチャート及び／又はブロック図中の１つ以上のブロックに規定された機能／動作を実現する装置を生成することができる。これらのコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体に記憶されてもよく、これらの命令は、コンピュータ、プログラマブルユーザータイプ識別装置及び／又は他の装置に特定の方式で動作することを指示し、それにより、命令が記憶されたコンピュータ可読媒体は、フローチャート及び／又はブロック図中の１つ以上のブロックに規定された機能／動作の各態様を実現する命令を含む製造品を含む。

【0074】

コンピュータ可読プログラム命令は、コンピュータ、他のプログラマブルユーザータイプ識別装置又は他の装置にロードされてもよく、コンピュータ、他のプログラマブルユーザータイプ識別装置又は他の装置上で一連の動作ステップを実行させ、コンピュータにより実現されるプロセスを生成させ、それにより、コンピュータ、他のプログラマブルユーザータイプ識別装置又は他の装置上で実行される命令は、フローチャート及び／又はブロック図中の１つ以上のブロックに規定された機能／動作を実現する。

【0075】

図面中のフローチャート及びブロック図は、本開示の複数の実施例に係るシステム、方法及びコンピュータプログラム製品の可能なアーキテクチャ、機能及び動作を示す。この点に関して、フローチャート又はブロック図中の各ブロックは、モジュール、プログラムセグメント、又は命令の一部を表すことができ、上記モジュール、プログラムセグメント、又は命令の一部は、規定された論理機能を実現するための１つ以上の実行可能な命令を含む。いくつかの代替的な実現において、ブロックで表される機能は、図面で表される順序とは異なる順序で発生し得る。例えば、連続して示された２つのブロックは、実際には、実質的に同時に実行されてもよく、関連する機能に応じて逆順に実行されてもよい。なお、ブロック図及び／又はフローチャート中の各ブロック、及びブロック図及び／又はフローチャート中のブロックの組み合わせは、規定された機能若しくは動作を実行する、ハードウェアに基づく専用システムで実現されてもよく、専用ハードウェアとコンピュータ命令との組み合わせで実現されてもよい。ハードウェアによって実現されることと、ソフトウェアによって実現されることと、ソフトウェアとハードウェアとの組み合わせによって実現されることとはいずれも等価であることは、当業者に周知である。

【0076】

以上、本開示の各実施例を説明し、上記説明は、例示的なものであり、網羅的なものではなく、開示された各実施例に限定されない。多くの修正及び変更は、説明された各実施例の範囲及び精神から逸脱することなく、当業者に明らかである。本明細書で使用される用語の選択は、各実施例の原理、実際の適用又は市場での技術的改良を最もよく解釈するために、又は当業者が本明細書に開示された各実施例を理解できるようにすることを意図する。本開示の範囲は、添付した特許請求の範囲によって限定される。

【図1】

【図2】

【図3】

【図4】

【図5】

【手続補正書】

【提出日】2024-06-05

【手続補正1】

【補正対象書類名】特許請求の範囲

【補正対象項目名】全文

【補正方法】変更

【補正の内容】

【特許請求の範囲】

【請求項1】

少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得するステップ（２１００）と、
前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得するステップ（２２００）と、
所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップ（２３００）と、を含む、ことを特徴とするユーザータイプ識別方法。

【請求項2】

前記所定期間内の走行データに基づいて、分析対象データを取得するステップは、
前記所定期間内の走行データから毎日の走行データを抽出するステップと、
前記毎日の走行データに対してそれぞれ計算を行って、前記走行時間数、前記走行距離及び前記毎日の各期間内の走行回数を得るステップと、を含む、ことを特徴とする請求項１に記載の方法。

【請求項3】

前記ユーザータイプの識別結果は、昼間オンライン配車ユーザータイプ、夜間オンライン配車ユーザータイプ、通勤自家用車ユーザータイプ、商用車ユーザータイプ及び非通勤自家用車ユーザータイプを含む、ことを特徴とする請求項１に記載の方法。

【請求項4】

前記ユーザータイプに基づいて、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得るステップを更に含む、ことを特徴とする請求項１に記載の方法。

【請求項5】

前記車両データは、前記車両が走行状態にあるときの前記走行データと、前記車両が非走行状態にあるときの非走行データと、を含む、ことを特徴とする請求項４に記載の方法。

【請求項6】

前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得るステップを更に含む、ことを特徴とする請求項４に記載の方法。

【請求項7】

前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成するステップを更に含む、ことを特徴とする請求項１に記載の方法。

【請求項8】

所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得るステップは、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得するステップと、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングするステップと、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得るステップと、を含む、ことを特徴とする請求項１に記載の方法。

【請求項9】

前記分析対象データを分析した後に、前記分析対象データ及び対応する分析結果をトレーニングサンプルとして前記トレーニングサンプルセットに更新するステップを更に含む、ことを特徴とする請求項８に記載の方法。

【請求項10】

取得モジュール（４１００）と、分析モジュール（４２００）と、を含み、
取得モジュール（４１００）は、少なくとも車両の走行時間及び積算走行距離を含む、所定期間内の走行データを取得し、前記所定期間内の走行データに基づいて、走行時間数、走行距離及び毎日の各期間内の走行回数を含む分析対象データを取得し、
分析モジュール（４２００）は、所定の識別モデルによって前記分析対象データを分析して、ユーザータイプを得る、ことを特徴とするユーザータイプ識別装置（４０００）。

【請求項11】

前記分析モジュール（４２００）は、更に、ユーザー車両データに対して可視化分析を行って、可視化分析結果を得る、ことを特徴とする請求項１０に記載の識別装置（４０００）。

【請求項12】

前記分析モジュール（４２００）は、更に、前記ユーザー車両データに対して特徴分析を行って、ユーザーの運転習慣情報を得る、ことを特徴とする請求項１０又は１１に記載の識別装置（４０００）。

【請求項13】

処理モジュール（４４００）を更に含み、
処理モジュール（４４００）は、前記ユーザータイプに基づいて、対応する電池管理システムの制御ポリシーを作成する、ことを特徴とする請求項１０又は１１に記載の識別装置（４０００）。

【請求項14】

前記取得モジュール（４１００）は、更に、
前処理されたオフライン車両データを含むトレーニングサンプルセットを取得し、
前記トレーニングサンプルセットに基づいて、前記識別モデルをトレーニングし、
前記識別モデルに基づいて、前記分析対象データを分析して、ユーザータイプを得る、ことを特徴とする請求項１０又は１１に記載の識別装置（４０００）。

【請求項15】

メモリ（５２００）と、プロセッサ（５１００）と、を含み、前記メモリ（５２００）は、実行可能な命令を記憶し、前記プロセッサ（５１００）は、前記命令の制御下で請求項１～９のいずれか一項に記載のユーザータイプ識別方法を実行する、電子機器（５０００）。

【請求項16】

プロセッサによって実行されることにより、請求項１～９のいずれか一項に記載のユーザータイプ識別方法を実現するコンピュータプログラムが記憶されている、ことを特徴とする可読記憶媒体。

【国際調査報告】