本发明涉及电动汽车领域，具体而言，涉及一种电动汽车数量的预测方法和装置、存储介质、处理器。
背景技术：
为了减少环境污染，降低能源生产与消费之间的矛盾，电动汽车必将成为用户出行的主要交通工具，为了方便用户出行，电动汽车充电设备的建设成为保障电动汽车大力发展的基础条件，而为了确保电动汽车充电设备的建设，需要对电动汽车的发展趋势进行预测。
但是，目前对于电动汽车数量的预测主要有弹性系数法、千人保有量法等方法，但是，上述方法仅采用单一方法对电动汽车数量进行预测，存在单一性、局限性的问题，导致电动汽车数量的预测准确率低。
针对现有技术中电动汽车数量的预测方法准确率低的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明实施例提供了一种电动汽车数量的预测方法和装置、存储介质、处理器，以至少解决现有技术中电动汽车数量的预测方法准确率低的技术问题。
根据本发明实施例的一个方面，提供了一种电动汽车数量的预测方法，包括：获取预测参数和电动汽车预测模型，其中，预测参数至少包括：当前时刻之后的预测时间，电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型；利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，其中，电动汽车的数量包括：保有量和销量。
进一步地，获取电动汽车预测模型包括：获取电动汽车的多个预设类型和多个预设区域；获取历史机动汽车保有量、每个预设类型的汽车的报废年限和电动汽车销售渗透率，其中，电动汽车销售渗透率为根据电动汽车政策参数得到的渗透率，电动汽车政策参数包括：政策目标参数和/或政策修正参数；根据历史机动汽车保有量，得到每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率；根据每个预设区域中每个预设类型对应的保有量，每个预设区域中单位时间段内每个预设类型对应的数量增长率，以及每个预设类型的汽车的报废年限，得到每个预设区域中每个预设类型的机动汽车预测模型；根据电动汽车销售渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型。
进一步地，根据历史机动汽车保有量，得到每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率，包括：对历史机动汽车保有量进行聚合处理，得到每个预设区域中每个预设类型对应的保有量；根据每个预设区域中每个预设类型对应的保有量，得到每个预设区域中每个预设类型对应的平均增长率；利用每个预设区域中每个预设类型对应的平均增长率和预设算法，得到每个预设区域中预设时间段内每个预设类型对应的数量增长率；对每个预设区域中预设时间段内每个预设类型对应的数量增长率进行平滑处理，得到每个预设区域中单位时间段内每个预设类型对应的数量增长率。
进一步地，根据每个预设区域中每个预设类型对应的保有量，每个预设区域中单位时间段内每个预设类型对应的数量增长率，以及每个预设类型的汽车的报废年限，得到每个预设区域中每个预设类型的机动汽车预测模型，包括：根据每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率，得到每个预设区域中单位时间内每个预设类型对应的保有量；根据每个预设区域中单位时间内每个预设类型的保有量和每个预设类型的汽车的报废年限，得到每个预设区域中单位时间内每个预设类型对应的销量；根据每个预设区域中单位时间内每个预设类型对应的保有量和单位时间内每个预设类型对应的销量，得到每个预设区域中每个预设类型的机动汽车预测模型。
进一步地，根据电动汽车销售渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型包括：根据电动汽车销售渗透率，得到每个预设区域对应的渗透率；根据每个预设区域对应的渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型。
进一步地，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，包括：利用预测参数和每个预设区域中每个预设类型的机动汽车预测模型，得到预测参数对应的每个预设区域中每个预设类型的第一数量；利用预测参数和电动汽车预测模型，得到预测参数对应的每个预设区域中每个预设类型的第二数量；根据预测参数对应的每个预设区域中每个预设类型的第一保有量，得到预测参数对应的第三数量；根据预测参数对应的每个预设区域中每个预设类型的第二数量，得到预测参数对应的第四数量。
进一步地，在预测参数还包括：预测区域的情况下，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，包括：获取预测区域所属的预设区域；利用预测时间，预测区域所属的预设区域和每个预设区域中每个预设类型的机动汽车预测模型，得到预测参数对应的每个预设类型的第一数量；利用预测时间，预测区域所属的预设区域和电动汽车预测模型，得到预测参数对应的每个预设类型的第二数量；根据预测参数对应的每个预设类型的第一保有量，得到预测参数对应的第三数量；根据预测参数对应的每个预设类型的第二数量，得到预测参数对应的第四数量。
根据本发明实施例的另一方面，还提供了一种电动汽车数量的预测装置，包括：获取模块，用于获取预测参数和电动汽车预测模型，其中，预测参数至少包括：当前时刻之后的预测时间，电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型；预测模块，用于利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，其中，电动汽车的数量包括：保有量和销量。
根据本发明实施例的另一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例中的电动汽车数量的预测方法。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述实施例中的电动汽车数量的预测方法。
在本发明实施例中，获取预测参数和电动汽车预测模型，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，从而实现对电动汽车数量进行预测，由于电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型，充分考虑到电动汽车政策参数的影响，达到了提高预测准确率的技术效果，进而解决了现有技术中电动汽车数量的预测方法准确率低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种电动汽车数量的预测方法的流程图；
图2是根据本发明实施例的一种可选的各地区各类型电动汽车市场占比的示意图；
图3是根据本发明实施例的一种可选的电动汽车数量的预测方法的示意图；
图4是根据本发明实施例的一种可选的政策目标情景下各类型电动汽车数量的示意图；
图5是根据本发明实施例的一种可选的政策修正情景下各类型电动汽车数量的示意图；
图6是根据本发明实施例的一种电动汽车数量的预测装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
根据本发明实施例，提供了一种电动汽车数量的预测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的一种电动汽车数量的预测方法的流程图，如图1所示，该方法包括如下步骤：
步骤s102，获取预测参数和电动汽车预测模型，其中，预测参数至少包括：当前时刻之后的预测时间，电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型。
具体地，上述的预测参数可以是用于对电动汽车数量进行预测的参数，可以包括时间、区域等参数，例如，当需要预测2020年的电动汽车数量，则预测参数可以是2020年；上述的电动汽车预测模型可以是预先基于电动汽车市场较长阶段区域梯度发展的特征和公共领域率先推进的特点，以燃油车历年数据(即上述的历史机动汽车保有量)为基础，参考国家和地方政策的推广应用要求、相关规划(即上述的电动汽车政策参数)等，建立基于市场细分与区域梯度发展的中国电动汽车预测模型(evmac模型，是evscenariobasedonmarketsegmentationandareadevelopmentinchina的简称)。
步骤s104，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，其中，电动汽车的数量包括：保有量和销量。
在一种可选的方案中，可以预先根据激动汽车大数据，并结合电动汽车政策参数建立电动汽车预测模型，然后将用于预测电动汽车数量的时间输入至电动汽车预测模型当中，即可得到对应的电动汽车数量。
根据本发明上述实施例，获取预测参数和电动汽车预测模型，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，从而实现对电动汽车数量进行预测，由于电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型，充分考虑到电动汽车政策参数的影响，达到了提高预测准确率的技术效果，进而解决了现有技术中电动汽车数量的预测方法准确率低的技术问题。
可选地，在本发明实施例中，步骤s102，获取电动汽车预测模型包括：
步骤s1020，获取电动汽车的多个预设类型和多个预设区域。
具体地，考虑到不同类型汽车市场政策与特征差异，预先设定了八类细分市场(即上述的多个预设类型)，具体为公交车、大中型客运、环卫车、其他大中型货运、出租车、网约车、其他轻小型载客和轻小型货运车，其中，公交车、大中型客运、环卫车、出租车和网约车为公共服务领域；考虑到各个省份政策和经济规模差异，将全国划分为三类区域(即上述的多个预设区域)，具体为加快发展地区、推广应用地区和积极促进地区，其中，北京、天津、河北、山东、上海、江苏、浙江、福建、广东、海南等10个东部省市作为加快发展地区；全国其他地区进一步细分为推广应用地区和积极促进地区。
步骤s1022，获取历史机动汽车保有量、每个预设类型的汽车的报废年限和电动汽车销售渗透率，其中，电动汽车销售渗透率为电动汽车政策参数得到的渗透率，电动汽车政策参数包括：政策目标参数和/或政策修正参数。
具体地，上述的历史机动汽车保有量可以国家统计局2010-2014年十一类型车辆保有量，车距具体包括公交车、出租车、环卫车、民用大型载客、民用重型载货、民用中型载客、民用中型载货、民用小型载客、民用轻型载货、民用微型载客和民用微型载货；考虑到政策根据电动汽车市场发展规模进行修正，提出两类发展情景。政策目标情景(即上述的政策目标参数)对应电动汽车在各个细分市场的渗透率达到国家政策预期，政策修正情景(即上述的政策修正参数)对应电动汽车发展相比国家政策预期滞后两年的情况。
步骤s1024，根据历史机动汽车保有量，得到每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率。
具体地，为了能够对电动汽车数量进行预测，上述的单位时间段可以是一年。
在一种可选的方案中，可以根据2010-2014年十一类型车辆保有量，得到八类细分市场，也即，得到各细分市场对应的保有量，并且各细分市场对应的保有量为各车型各地区的保有量，并进一步得到各地区各细分市场每年数量增长率。
步骤s1026，根据每个预设区域中每个预设类型对应的保有量，每个预设区域中单位时间段内每个预设类型对应的数量增长率，以及每个预设类型的汽车的报废年限，得到每个预设区域中每个预设类型的机动汽车预测模型。
在一种可选的方案中，可以通过基础类型和各地区各车型每年数量增长率，即可预测得到每年度各地区各类型机动汽车保有量和销量预测，也即得到各地区各类型的机动汽车预测模型。
步骤s1028，根据电动汽车销售渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型。
在一种可选的方案中，可以根据政策目标情景和政策修正情景，得到电动汽车销售渗透率，并根据各地区各类型的机动汽车预测模型，可以得到各地区各类型的电动汽车预测模型，进一步地，预测参数对应的电动汽车数量。
可选地，在本发明实施例中，步骤s1024，根据历史机动汽车保有量，得到每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率，包括：
步骤s10242，对历史机动汽车保有量进行聚合处理，得到每个预设区域中每个预设类型对应的保有量。
步骤s10244，根据每个预设区域中每个预设类型对应的保有量，得到每个预设区域中每个预设类型对应的平均增长率。
步骤s10246，利用每个预设区域中每个预设类型对应的平均增长率和预设算法，得到每个预设区域中预设时间段内每个预设类型对应的数量增长率。
具体地，上述的预设算法可以是线性下降法；上述的预设时间段可以是5年，例如，可以是2016-2020年、2021-2025年和2026-2030年期间。
步骤s10248，对每个预设区域中预设时间段内每个预设类型对应的数量增长率进行平滑处理，得到每个预设区域中单位时间段内每个预设类型对应的数量增长率。
在一种可选的方案中，在获取到是十一类车型的历史机动汽车之后，首先，可以对十一类车型的历史机动汽车聚合为基础数据，形成上述的八类细分市场。例如，以其他大中型载客为例，其统计值为民用大型载客保有量+民用中型载客保有量-公交车保有量。其次，计算各地区各类车型2011-2015年期间年平均增长率，并结合各地区发展情况，利用线性下降法预测2016-2020年、2021-2025年和2026-2030年期间各地区各细分市场年数量增长率。最后，通过对年数量增长率进行线性平滑处理，获得各地区各细分市场每年数量增长率。
可选地，在本发明实施例中，步骤s1026，根据每个预设区域中每个预设类型对应的保有量，每个预设区域中单位时间段内每个预设类型对应的数量增长率，以及每个预设类型的汽车的报废年限，得到每个预设区域中每个预设类型的机动汽车预测模型，包括：
步骤s10262，根据每个预设区域中每个预设类型对应的保有量和每个预设区域中单位时间段内每个预设类型对应的数量增长率，得到每个预设区域中单位时间内每个预设类型对应的保有量。
步骤s10264，根据每个预设区域中单位时间内每个预设类型的保有量和每个预设类型的汽车的报废年限，得到每个预设区域中单位时间内每个预设类型对应的销量。
步骤s10266，根据每个预设区域中单位时间内每个预设类型对应的保有量和单位时间内每个预设类型对应的销量，得到每个预设区域中每个预设类型的机动汽车预测模型。
在一种可选的方案中，首先，可以通过基础数据和各地区各细分市场每年数量增长率，得到每年度各地区各类型机动汽车保有量。同时，考虑各类车型报废年限，计算每年度各地区各类机动汽车销量。
可选地，在本发明实施例中，步骤s1028，根据电动汽车销售渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型包括：
步骤s10282，根据电动汽车销售渗透率，得到每个预设区域对应的渗透率。
步骤s10284，根据每个预设区域对应的渗透率对每个预设区域中每个预设类型的机动汽车预测模型调整，得到每个预设区域中每个预设类型的电动汽车预测模型。
在一种可选的方案中，政策目标情景下，按国家政策的比例要求确定2020年前分区域市场份额，2020年后，电动汽车突破技术瓶颈，进入产业成长期，参考国际主流机构预测结果确定市场份额。政策修正情景下，根据各地区实际情况合理调整分区域市场份额；北京、上海、天津、深圳、太原等局部发展较快已实际超出政策预期的地区适当提高市场份额；吉林、黑龙江、新疆等高寒地区适当降低市场份额；其他地区结合实际进行适当调整。例如，两种情景下细分地区和细分市场电动汽车市场占比如图2所示。
可选地，在本发明实施例中，步骤s104，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，包括：
步骤s1041，利用预测参数和每个预设区域中每个预设类型的机动汽车预测模型，得到预测参数对应的每个预设区域中每个预设类型的第一数量。
在一种可选的方案中，可以将用户需要进行电动汽车数量进行预测的时间输入到机动汽车预测模型中，可以得到各地区各类型的机动汽车保有量和销量(即上述的第一数量)，例如，当预测参数为2020年和2030年时，预测得到的各类型机动汽车销量和保有量，如下表1所示。
表1
步骤s1042，利用预测参数和电动汽车预测模型，得到预测参数对应的每个预设区域中每个预设类型的第二数量。
在一种可选的方案中，可以将用户需要进行电动汽车数量进行预测的时间输入到机动汽车预测模型中，可以得到各地区各类型的电动汽车保有量和销量(即上述的第二数量)。并且，在不同政策参数下，得到的第二数量不同。
步骤s1043，根据预测参数对应的每个预设区域中每个预设类型的第一保有量，得到预测参数对应的第三数量。
在一种可选的方案中，对所有地区和所有类型的机动汽车数量进行求和，可以得到预测参数对应的机动汽车保有量和销量(即上述的第三数量)。
步骤s1044，根据预测参数对应的每个预设区域中每个预设类型的第二数量，得到预测参数对应的第四数量。
在一种可选的方案中，对所有地区和所有类型的电动汽车数量进行求和，可以得到预测参数对应的电动汽车保有量和销量(即上述的第四数量)，其中，不同政策参数，即在政策目标情景和政策修正情景下，电动汽车保有量和销量不同。
可选地，在本发明实施例中，在预测参数还包括：预测区域的情况下，步骤s104，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，包括：
步骤s1045，获取预测区域所属的预设区域。
在一种可选的方案中，在获取到预测区域之后，可以确定该预测区域所属的预设区域，例如，当预测区域为河北时，可以确定该预测区域所属的预设区域为加快发展地区。
步骤s1046，利用预测时间，预测区域所属的预设区域和每个预设区域中每个预设类型的机动汽车预测模型，得到预测参数对应的每个预设类型的第一数量。
在一种可选的方案中，可以将用户需要进行电动汽车数量进行预测的时间和预测区域所属的预设区域输入到机动汽车预测模型中，可以得到该地区各类型的机动汽车保有量和销量(即上述的第一数量)。
步骤s1047，利用预测时间，预测区域所属的预设区域和电动汽车预测模型，得到预测参数对应的每个预设类型的第二数量。
在一种可选的方案中，可以将用户需要进行电动汽车数量进行预测的时间和预测区域所属的预设区域输入到机动汽车预测模型中，可以得到该地区各类型的机动汽车保有量和销量(即上述的第二数量)。并且，在不同政策参数下，得到的第二数量不同。
步骤s1048，根据预测参数对应的每个预设类型的第一保有量，得到预测参数对应的第三数量。
在一种可选的方案中，可以对该地区所有类型的机动汽车保有量和销量进行求和，可以得到该地区机动汽车保有量和销量。
步骤s1049，根据预测参数对应的每个预设类型的第二数量，得到预测参数对应的第四数量。
在一种可选的方案中，可以对该地区所有类型的电动汽车数量和销量进行求和，可以得到该地区电动汽车保有量和销量。
图3是根据本发明实施例的一种可选的电动汽车数量的预测方法的示意图，下面结合图3对本发明一种优选的实施例进行详细说明。如图3所示，对国家统计局2010-2014年十一类车型的原始数据进行聚合分类，得到基础数据，计算各地区各车型2011-2015年期间年平均增长率，利用线性下降法预测2016-2020年、2021-2025年和2026-2030年期间各地区各细分市场年平均增长率，通过对年平均增长率预测值进行线性平滑处理，获得各地区各细分市场每年增长率预测值。通过基础数据和各地区各类车型每年增长率预测值，即可预测每年度各地区各类型机动汽车保有量。同时，考虑各类车型报废年限，计算每年度各地区各类型机动汽车销量。最后考虑电动汽车销售渗透率，得到每年度各地区各类型电动汽车保有量和每年度各地区各类型电动汽车销量。其中，政策目标情景下，按国家政策的比例要求确定2020年前分区域市场份额，2020年后，电动汽车突破技术瓶颈，进入产业成长期，参考国际主流机构预测结果确定市场份额。政策修正情景下，根据各地区实际情况合理调整分区域市场份额；北京、上海、天津、深圳、太原等局部发展较快已实际超出政策预期的地区适当提高市场份额；吉林、黑龙江、新疆等高寒地区适当降低市场份额；其他地区结合实际进行适当调整。
例如，以预测参数为2020年和2030年为例，得到的预测结果如表2所示，电动汽车保有量2020年能达到500万辆的国家规划目标，2030年将突破5000万辆。预计到2020年，政策目标情景下我国电动汽车保有量为648万辆，比国家既定规划目标高出30％，政策修正情景下也将达到496万辆；到2030年，政策目标情景下达到6242万辆，政策修正情景下达到5486万辆。
表2
进一步地，从细分市场看，公共服务领域的电气化率到2030年达到59～65％，超出平均水平45个百分点左右。到2030年，公交车电气化率最高，两种情景下能够达到76.8～87.7％，其他大中型客运、环卫、出租、网约车等公共服务领域总体也能达到56.5～62％。而私人乘用车、轻型货运、大中型货运的电气化率仅能达到15.4％～17.7％、8.5～9.3％、6.5～6.7％，如图4和图5所示。
在政策目标情景下，从区域分布来看，东部沿海等地区将引领电动汽车的发展进程。到2030年，加快发展地区电动汽车渗透率达到20.8％，示范推广地区达到15.4％，积极促进地区为10.2％。在政策修正情景下，区域间的发展不平衡将更为明显，电动汽车的分布更加集中在加快发展地区的北京、上海、广东、江苏等省市；到2030年，加快发展地区电动汽车渗透率将达到17.6％，而示范推广地区为14％，积极促进地区为9.3％。
实施例2
根据本发明实施例，提供了一种电动汽车数量的预测装置的实施例。
图6是根据本发明实施例的一种电动汽车数量的预测装置的示意图，如图6所示，该装置包括：
获取模块61，用于获取预测参数和电动汽车预测模型，其中，预测参数至少包括：当前时刻之后的预测时间，电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型。
具体地，上述的预测参数可以是用于对电动汽车数量进行预测的参数，可以包括时间、区域等参数，例如，当需要预测2020年的电动汽车数量，则预测参数可以是2020年；上述的电动汽车预测模型可以是预先基于电动汽车市场较长阶段区域梯度发展的特征和公共领域率先推进的特点，以燃油车历年数据(即上述的历史机动汽车保有量)为基础，参考国家和地方政策的推广应用要求、相关规划(即上述的电动汽车政策参数)等，建立基于市场细分与区域梯度发展的中国电动汽车预测模型(evmac模型，是evscenariobasedonmarketsegmentationandareadevelopmentinchina的简称)。
预测模块63，用于利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，其中，电动汽车的数量包括：保有量和销量。
在一种可选的方案中，可以预先根据激动汽车大数据，并结合电动汽车政策参数建立电动汽车预测模型，然后将用于预测电动汽车数量的时间输入至电动汽车预测模型当中，即可得到对应的电动汽车数量。
根据本发明上述实施例，获取预测参数和电动汽车预测模型，利用预测参数和电动汽车预测模型进行预测，得到预测参数对应的电动汽车数量，从而实现对电动汽车数量进行预测，由于电动汽车预测模型为根据历史机动汽车保有量和电动汽车政策参数得到的模型，充分考虑到电动汽车政策参数的影响，达到了提高预测准确率的技术效果，进而解决了现有技术中电动汽车数量的预测方法准确率低的技术问题。
实施例3
根据本发明实施例，提供了一种存储介质的实施例，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述实施例1中的电动汽车数量的预测方法。
实施例4
根据本发明实施例，提供了一种处理器的实施例，处理器用于运行程序，其中，程序运行时执行上述实施例1中的电动汽车数量的预测方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。