基于车辆数据分析的智能加油推荐方法和装置与流程

1.本发明涉及车联网技术领域，尤其涉及一种基于车辆数据分析的智能加油推荐方法和装置。


背景技术：

2.在当前，加油提醒大多基于车机系统设置一个统一的油量阈值，当超过这个油量阈值就会触发油量过低提醒。这种情况下，无法根据用户的加油习惯、第三方物料推广服务、油量降幅、性别等为用户量身定制加油场景。
3.近年来，随着大数据与算法的发展，以及法律法规、行业需求对车联网的需求，越来越多车企把大数据作为车联网的接收、处理、存储平台，并在此基础上面实现数据赋能，以提供更好的用户服务以及实现降本增效。
4.智能推荐是各行各业发展的一个热点方向。为了实现车企智能推荐产品化，需要一个结合了大数据、算法、动态代码、前后台技术等的一体化平台，能够快速实现推荐场景的迭代，为用户量身定制推荐场景。


技术实现要素：

5.本发明的主要目的在于提供一种基于车辆数据分析的智能加油推荐方法和装置。
6.为实现上述目的，本发明提供一种基于车辆数据分析的智能加油推荐方法，包括以下步骤：根据存储在规则数据库中的规则文本，生成推荐规则；根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；基于所述推荐规则和所述车辆数据进行规则判断；以及在判断需要进行加油时，为用户查找所述车辆附近的加油站。
7.在本发明提供的基于车辆数据分析的智能加油推荐方法中，在根据存储在规则数据库中的规则文本，生成推荐规则的步骤之前，还包括：根据场景需要选择事实对象和所述事实对象的配置条件；根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库。
8.在本发明提供的基于车辆数据分析的智能加油推荐方法中，在根据场景需要选择事实对象和所述事实对象的配置条件的步骤之前还包括；根据可获取的数据，编写所述事实对象。
9.在本发明提供的基于车辆数据分析的智能加油推荐方法中，所述事实对象包括车辆数据事实类、算法加工数据事实类、用户标签事实类中的一种或多种。
10.此外，为实现上述目的，本发明还提供一种基于车辆数据分析的智能加油推荐装置，包括：
推荐规则生成模块，用于根据存储在规则数据库中的规则文本，生成推荐规则；车辆数据获取模块，用于根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；判断模块，用于基于所述推荐规则和所述车辆数据进行规则判断；以及推荐模块，用于在判断需要进行加油时，为用户查找所述车辆附近的加油站。
11.在本发明提供的基于车辆数据分析的智能加油推荐装置中，还包括：选择模块，用于根据场景需要选择事实对象和所述事实对象的配置条件；规则文本生成模块，用于根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库。
12.在本发明提供的基于车辆数据分析的智能加油推荐装置中，还包括：事实对象编写模块，用于根据可获取的数据，编写所述事实对象。
13.在本发明提供的基于车辆数据分析的智能加油推荐装置中，所述事实对象包括车辆数据事实类、算法加工数据事实类、用户标签事实类中的一种或多种。
14.此外，为实现上述目的，本发明还提供一种基于车辆数据分析的智能加油推荐设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上所述的基于车辆数据分析的智能加油推荐方法的步骤。
15.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，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如上所述的基于车辆数据分析的智能加油推荐方法的步骤。
16.本发明中，基于低代码的平台，通过读取利用配置条件生成的推荐规则；根据推荐规则识别场景配置，获取对应的数据；利用推荐规则对获取的数据进行判断，如果通过则进行油站推送服务。由此，可以根据车主需求实现加油提醒判断的智能化，为提高服务车主质量等奠定基础；同时，针对用户需求变更频繁的情况，通过配置事实对象即可完成变更，无需上线部署流程即可完成迭代。
附图说明
17.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图：图1为所示本发明实施例一提供的基于车辆数据分析的智能加油推荐方法的流程示意图。
具体实施方式
18.为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
19.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
20.本发明总的思路是：针对现有技术无法为用户量身定制加油场景提醒的问题，提供一种基于车辆数据分析的智能加油推荐方法和装置，基于低代码的平台，通过读取利用配置条件生成的推荐规则；根据推荐规则识别场景配置，获取对应的数据；利用推荐规则对获取的数据进行判断，如果通过则进行油站推送服务。由此，可以根据车主需求实现加油提醒判断的智能化，为提高服务车主质量等奠定基础；同时，针对用户需求变更频繁的情况，通过配置事实对象即可完成变更，无需上线部署流程即可完成迭代。
21.为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。
22.实施例一参照图1，图1为本发明基于车辆数据分析的智能加油推荐方法一实施例的流程示意图。在一实施例中，该基于车辆数据分析的智能加油推荐方法，包括：步骤s10，根据可获取的数据，编写事实对象。
23.具体地，在本发明一实施例中，可获取的数据是指车联网平台可以获取的车辆数据、用户数据（例如，用户的用油习惯等）、第三方平台的数据（例如，加油站位置信息、加油站推广信息等）等。本领域技术人员可以理解的是，可获取的数据是随着时间和需求发生变化的。
24.具体地，在本实施例中，事实对象包括车辆数据事实类、算法加工数据事实类、用户标签事实类中的一种或多种。其中，车辆数据事实类包括挡位、行驶里程、剩余油量等与车辆行驶相关的数据；算法加工数据事实类是指由算法模型和一定的规则的出来的预测数据，例如，预测用户的下次可能加油时的油量；用户标签事实类是指用户自身属性相关的数据，例如，表征性别的静态标签和有没有同意某app协议的动态标签。
25.进一步地，在编写事实对象后，还需要为事实对象编写数据获取能力，使其可以从大数据平台或者是消息中间件中获取对应的数据。
26.步骤s20，根据场景需要选择事实对象和所述事实对象的配置条件。
27.具体地，在本发明一实施例中，用户可以在前台根据场景需要在已经编写好的多个事实对象中选择需要的事实对象，选择车辆数据事实类中的档位和续航里程作为生成规则的事实对象。在选定了事实对象后，还需要为事实对选择配置条件。例如，为档位数据配置的条件是等于p，为续航里程配置的条件是模型预测加油里程低于多少。通过预先编写具有获取数据能力的多个事实对象，在用户场景发生改变时，只需要从中选择需要的事实对象并为其限定条件即可，由此，可以减少场景频繁发生变化时的代码开发，节省人力，实现快速迭代，减少后期投入。
28.步骤s30，根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库。
29.具体地，在本发明一实施例中，在用户选择了事实对象和配置条件后，把数据传入
接口，接口解析数据生成easyrule规则文本，并保存到规则数据库。easyrule是一个java中的规则引擎库，它提供了一种简单、灵活的方式来实现业务规则和流程。通过easyrule，用户可以定义规则并将这些规则应用到不同的场景中，以满足不同的需求。easyrule的核心概念是rule（规则）和rules（规则集合）。每个rule表示一个业务规则，包含条件、动作以及规则名称等属性；而rules则是一个包含多个rule的集合，可以同时对这些rule进行管理和执行。
30.步骤s40，根据存储在规则数据库中的规则文本，生成推荐规则。
31.具体地，在本发明一实施例中，在推荐程序初始化时，加载规则数据库连接，随后从规则数据库读取到easyrule规则文本，通过easyrule规则引擎加载规则文本，生成规则。完成推荐程序初始化。
32.步骤s50，根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关。
33.具体地，在本发明一实施例中，推荐程序初始化完成后，从kafka接收与规则文本中的对象相关的车辆数据。例如，该规则文本包含了车辆续航里程，则通过kafka接收车辆续航里程相关的数据。其中，kafka是一个高性能、可扩展、容错性强的分布式消息系统，可以满足高吞吐量和低延迟的消息传输需求，广泛应用于各种数据处理和分析场景。
34.步骤s60，基于所述推荐规则和所述车辆数据进行规则判断，在判断需要进行加油时，为用户查找所述车辆附近的加油站。
35.具体地，在本发明一实施例中，根据规则，注入数据（例如，车辆数据、前台配置的油量阈值或者算法加工的用户下次可能加油时的续航里程等），执行规则（例如，判断车辆数据例如档位是否等于p档，续航里程是否小于算法续航里程阈值等）；判断规则是否通过，如果通过，则查找车辆附近的加油站，组装数据发送到网关。
36.由此，本发明通过配置事实对象、为事实对象配置规则、启动场景加载规则、读取kafka数据执行规则判断以及推送场景到网关，即可快速、高效地完成推荐场景的生成、提供可靠的持续智能服务，减少后期投入的成本，持续创造收益，并为其识别车主需求，提高服务车主质量等奠定基础。
37.实施例二本发明还提供一种基于车辆数据分析的智能加油推荐装置，包括：事实对象编写模块，用于根据可获取的数据，编写所述事实对象；选择模块，用于根据场景需要选择事实对象和所述事实对象的配置条件；规则文本生成模块，用于根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库；推荐规则生成模块，用于根据存储在规则数据库中的规则文本，生成推荐规则；车辆数据获取模块，用于根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；判断模块，用于基于所述推荐规则和所述车辆数据进行规则判断；以及推荐模块，用于在判断需要进行加油时，为用户查找所述车辆附近的加油站。
38.本领域技术人员可以理解的是，以上是本发明实施例提供的基于车辆数据分析的智能加油推荐装置的实施例，该系统和装置与上述的基于车辆数据分析的智能加油推荐方
法属于同一个发明构思，在基于车辆数据分析的智能加油推荐装置的实施例中未详尽描述的细节内容，可以参考上述基于车辆数据分析的智能加油推荐方法的实施例。
39.本发明实施例还提供了一种基于车辆数据分析的智能加油推荐设备，可以包括：存储器，用于存储计算机程序；处理器，用于执行上述存储器存储的计算机程序时可实现如下步骤：根据存储在规则数据库中的规则文本，生成推荐规则；根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；基于所述推荐规则和所述车辆数据进行规则判断；以及在判断需要进行加油时，为用户查找所述车辆附近的加油站。
40.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时可实现如下步骤；根据存储在规则数据库中的规则文本，生成推荐规则；根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；基于所述推荐规则和所述车辆数据进行规则判断；以及在判断需要进行加油时，为用户查找所述车辆附近的加油站。
41.该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、磁碟或者光盘等各种可以存储程序代码的介质。
42.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
43.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
44.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
45.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
46.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用
微处理器或者数字信号处理器（dsp）来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
47.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

技术特征：
1.一种基于车辆数据分析的智能加油推荐方法，其特征在于，包括以下步骤：根据存储在规则数据库中的规则文本，生成推荐规则；根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；基于所述推荐规则和所述车辆数据进行规则判断；以及在判断需要进行加油时，为用户查找所述车辆附近的加油站。2.如权利要求1所述的基于车辆数据分析的智能加油推荐方法，其特征在于，在根据存储在规则数据库中的规则文本，生成推荐规则的步骤之前，还包括：根据场景需要选择事实对象和所述事实对象的配置条件；根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库。3.如权利要求2所述的基于车辆数据分析的智能加油推荐方法，其特征在于，在根据场景需要选择事实对象和所述事实对象的配置条件的步骤之前还包括；根据可获取的数据，编写所述事实对象。4.如权利要求1-3中任一项所述的基于车辆数据分析的智能加油推荐方法，其特征在于，所述事实对象包括车辆数据事实类、算法加工数据事实类、用户标签事实类中的一种或多种。5.一种基于车辆数据分析的智能加油推荐装置，其特征在于，包括：推荐规则生成模块，用于根据存储在规则数据库中的规则文本，生成推荐规则；车辆数据获取模块，用于根据所述推荐规则获取车辆数据，所述车辆数据与所述规则文本包含的事实对象相关；判断模块，用于基于所述推荐规则和所述车辆数据进行规则判断；以及推荐模块，用于在判断需要进行加油时，为用户查找所述车辆附近的加油站。6.如权利要求5所述的基于车辆数据分析的智能加油推荐装置，其特征在于，还包括：选择模块，用于根据场景需要选择事实对象和所述事实对象的配置条件；规则文本生成模块，用于根据所述事实对象和所述事实对象的配置条件，生成easyrule规则文本，并保存到所述规则数据库。7.如权利要求6所述的基于车辆数据分析的智能加油推荐装置，其特征在于，还包括：事实对象编写模块，用于根据可获取的数据，编写所述事实对象。8.如权利要求5-7中任一项所述的基于车辆数据分析的智能加油推荐装置，其特征在于，所述事实对象包括车辆数据事实类、算法加工数据事实类，用户标签事实类中的一种或多种。9.一种基于车辆数据分析的智能加油推荐设备，其特征在于，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述的基于车辆数据分析的智能加油推荐方法的步骤。10.一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如权利要求1至4中任一项所述的基于车辆数据分析的智能加油推荐方法的步骤。

技术总结
本发明公开了一种基于车辆数据分析的智能加油推荐方法和装置。该方法包括根据存储在规则数据库中的规则文本，生成推荐规则；根据推荐规则获取车辆数据，车辆数据与规则文本包含的事实对象相关；基于推荐规则和车辆数据进行规则判断；以及在判断需要进行加油时，为用户查找所述车辆附近的加油站。本发明通过读取利用配置条件生成的推荐规则；根据推荐规则识别场景配置，获取对应的数据；利用推荐规则对获取的数据进行判断，如果通过则进行油站推送服务。由此，可以根据车主需求实现加油提醒判断的智能化，为提高服务车主质量等奠定基础；同时，针对用户需求变更频繁的情况，通过配置事实对象即可完成变更，无需上线部署流程即可完成迭代。完成迭代。完成迭代。


技术研发人员：谢宝华
受保护的技术使用者：深圳联友科技有限公司
技术研发日：2023.07.14
技术公布日：2023/8/13