首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于全量汽车流通大数据的库存预测方法、设备和存储介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:中汽数据(天津)有限公司

摘要:本发明提供一种基于全量汽车流通大数据的库存预测方法、设备和存储介质,涉及车辆库存技术领域,本发明中,对于库存状态的每辆目标车辆,计算当前库存周期;如果所述当前库存周期超过设定时长,则剔除所述目标车辆;对于剩余的库存状态的目标车辆,计算当前平均库存周期;将所述当前平均库存周期、所在地域的环境因素和宏观调控因素输入到预测模型中,得到所述预测模型输出的未来库存周期。本发明通过车辆的生产、销售和在途情况,准确计算截至当前的当前库存周期,进一步结合环境因素、宏观调控因素进行未来库存周期的预测。

主权项:1.一种基于全量汽车流通大数据的库存预测方法,其特征在于,所述方法具体包括如下步骤:S110、获取多辆目标车辆的生产日期和销售日期,确定每辆目标车辆的销售状态或库存状态;S120、如果存在销售状态的所述目标车辆具有定位信息和记录里程,则根据所述目标车辆的定位信息和记录里程,确定所述目标车辆是否为在途;S130、如果所述目标车辆为在途,将所述目标车辆重新确定为库存状态;S140、对于库存状态的每辆目标车辆,计算当前库存周期;如果所述当前库存周期超过设定时长,则剔除所述目标车辆;S150、对于剩余的库存状态的目标车辆,计算当前平均库存周期;S160、将指定历史时长内的平均库存周期、所述目标车辆所在地域的环境因素和宏观调控因素输入到预测模型中,得到所述预测模型输出的未来库存周期;所述预测模型包括顺次连接的输入层和长短期记忆网络LSTM层;所述输入层用于对量化的、指定历史时长内的平均库存周期,所述目标车辆所在地域的环境因素和宏观调控因素进行特征提取得到特征向量,所述LSTM层用于对所述特征向量进行深度学习和记忆,输出未来库存周期;在S110之前还包括:采集预测模型的训练用样本,所述训练用样本包括指定历史时长内库存状态的多辆样本车辆的平均库存周期、所述样本车辆所在地域在指定历史时长内的环境因素,以及所述指定历史时长内的宏观调控因素;所述训练用样本的标签为多辆样本车辆从生产到销售之间的平均库存周期;根据所述训练用样本和标签训练所述预测模型。

全文数据:

权利要求:

百度查询: 中汽数据(天津)有限公司 一种基于全量汽车流通大数据的库存预测方法、设备和存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。