[發明專利]一種汽車配件需求多元預測方法、系統和存儲介質

在審

• 申請號: 201910707595.7
• 申請日: 2019-08-01
• 公開（公告）號: CN110414741A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 王志剛;朱瑞
• 申請（專利權）人: 優必愛信息技術（北京）有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 劉冬梅

1.一種汽車配件需求多元預測方法，其特征在于，包括：

獲取目標區域內機動車保有量歷史數據，建立機動車保有量的泊松分布；

獲取目標區域內機動車每個零件的故障數，建立每個零件故障率的貝塔分布；

基于所述泊松分布和所述貝塔分布確定所述目標區域內每個零件故障數的泊松-貝塔分布；

確定在發生故障時確實存在關聯性的零件；

基于所述泊松-貝塔分布確定所述存在關聯性的零件的相關系數；

基于所述相關系數確定所述存在關聯性的零件發生故障的關聯程度。

2.根據權利要求1所述的方法，其特征在于，所述每個零件故障數的泊松-貝塔分布為：

X_i～PB(a_i,b_i,λ_i)，則故障數X_i的期望為：方差為：

3.根據權利要求2所述的方法，其特征在于，兩個存在關聯性的零件m、n的相關系數的確定過程包括：

確定故障數的期望為：

E(X_m,X_n)＝E[E(X_m,X_n|{p_m,p_n})]＝E[E(X_m|{p_m,p_n})E(X_n|{p_m,p_n})]＝λ_mλ_nE(p_m,p_n)；

基于所述故障數的期望確定協方差為：

Cov(X_m,X_n)＝λ_mλ_nCov(p_m,p_n)；

基于所述協方差得到兩個零件的相關系數為：

其中且越大，兩零件發生故障關系越強。

4.根據權利要求1所述的方法，其特征在于，所述目標區域包括：機動車維修服務站的覆蓋區域和銷售網點的覆蓋區域。

5.根據權利要求1所述的方法，其特征在于，所述機動車保有量歷史數據、所述目標區域內機動車每個零件的故障數數據通過構成智能網聯車數據庫的機動車信息采集系統獲得。

6.根據權利要求5所述的方法，其特征在于，所述機動車信息采集系統包括機動車維修服務站的車輛記錄系統和銷售網點的車輛記錄系統。

7.根據權利要求6所述的方法，其特征在于，所述機動車信息采集系統還包括：接入的交通管理系統。

8.根據權利要求1所述的方法，其特征在于，所述目標區域內機動車保有量歷史數據以及每個零件的故障數獲取的間隔時間包括：一個月、一個季度和一年。

9.一種汽車配件需求多元預測系統，其特征在于，包括：

機動車保有量確定模塊，用于獲取目標區域內機動車保有量歷史數據，建立機動車保有量的泊松分布；

零件故障率確定模塊，用于獲取目標區域內機動車每個零件的故障數，建立每個零件故障率的貝塔分布；以及

相關性確定模塊，用于基于所述泊松分布和所述貝塔分布確定所述目標區域內每個零件故障數的泊松-貝塔分布；確定在發生故障時確實存在關聯性的零件；基于所述泊松-貝塔分布確定所述存在關聯性的零件的相關系數；基于所述相關系數確定所述存在關聯性的零件發生故障的關聯程度。

10.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時，實現如權利要求1-8任一項所述的汽車配件需求多元預測方法中各個步驟。