蓄电池的寿命预测方法、装置、设备以及存储介质与流程

本发明实施例涉及车辆技术领域，尤其涉及一种蓄电池的寿命预测方法、装置、设备以及存储介质。

背景技术：

随着车辆技术的发展，车辆已经成为人们生活和工作中的必需的出行工具，车辆给人们的出行带来了极大的便捷。在车辆中会设置蓄电池，蓄电池是车辆起动环节中很重要的一个零件。蓄电池是具有一定使用寿命的，随着蓄电池的被使用、蓄电池的本身电特性等等问题，蓄电池的剩余寿命会越来越少。

现有技术中，可以采用专业的电工仪器对蓄电池进行阻值检测，进而估计出蓄电池的剩余寿命。

然而现有技术中，采用专业的电工仪器对蓄电池进行阻值检测去估计出蓄电池的剩余寿命的方式，操作复杂、麻烦，并且需要用户采购专业的电工仪器去估计蓄电池的剩余寿命，进而成本较高；从而给用户确定蓄电池的剩余寿命带来很大的不便，用户体验不佳。

技术实现要素：

本发明实施例提供一种蓄电池的寿命预测方法、装置、设备以及存储介质，实现了根据车辆信息对蓄电池剩余寿命的预测，在不需要增加专业检测设备的情况下提高了蓄电池剩余寿命的预测准确性，提前准确获知蓄电池的剩余寿命以便车主提前采取适当的措施，进而降低蓄电池失效导致车辆故障的可能性。

本发明第一方面提供一种蓄电池的寿命预测方法，包括：

获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息；

将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果；

根据所述剩余寿命预测结果，获取剩余寿命预测信息。

可选地，所述车辆信息中还包括用户行驶习惯信息。

可选地，所述在将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果之前，还包括：

获取多个第一类车辆特征信息和多个第二类车辆特征信息，其中，所述第一类车辆特征信息指示了寿命已耗尽或剩余寿命低于预设第一阈值的蓄电池对应的车辆历史信息，所述第二类车辆特征信息指示了剩余寿命高于预设第二阈值的蓄电池对应的车辆历史信息；

将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

可选地，在将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型之前，还包括：

对每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息进行特征预处理，得到预处理后的每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息；

相应地，将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型之前，包括：

将所述预处理后的第一类车辆特征信息和所述预处理后的第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

可选地，所述特征预处理的方式包括以下至少一种：缺失值填充、相关性分析、方差分析、均值填充、常量填充。

可选地，每一个所述第一类车辆特征信息、每一个所述第二类车辆特征信息都分别包括以下的至少一种：

用户的用电行为信息、蓄电池的信息、车辆历史行驶信息、环境信息。

可选地，所述寿命预测模型为逻辑回归模型。

可选地，所述获取车辆的车辆信息，在获取剩余寿命预测信息之后，还包括：

若所述剩余寿命信息所表征的时间值小于预设第一阈值，则发出预警信息。

可选地，根据所述剩余寿命预测结果，获取剩余寿命预测信息，包括：

在获取到剩余寿命低于预设的建议阈值的所述剩余寿命预测结果时，获取与所述剩余寿命预测结果相对应的用车建议信息；

根据所述用车建议信息和所述剩余寿命预测结果，获取剩余寿命预测信息，向用户显示所述剩余寿命预测信息。

本发明第二方面提供一种蓄电池的寿命预测装置，包括：

获取模块，用于获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息；

处理模块，用于将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果；

预测模块，用于根据所述剩余寿命预测结果，获取剩余寿命预测信息。

可选地，所述车辆信息中还包括用户行驶习惯信息。

可选地，所述处理模块，还用于在将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果之前，获取多个第一类车辆特征信息和多个第二类车辆特征信息，其中，所述第一类车辆特征信息指示了寿命已耗尽或剩余寿命低于预设第一阈值的蓄电池对应的车辆历史信息，所述第二类车辆特征信息指示了剩余寿命高于预设第二阈值的蓄电池对应的车辆历史信息；

将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

可选地，所述处理模块，还用于在将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型之前，对每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息进行特征预处理，得到预处理后的每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息；

所述处理模块，用于将所述预处理后的第一类车辆特征信息和所述预处理后的第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

可选地，所述特征预处理的方式包括以下至少一种：缺失值填充、相关性分析、方差分析、均值填充、常量填充。

可选地，每一个所述第一类车辆特征信息、每一个所述第二类车辆特征信息都分别包括以下的至少一种：

用户的用电行为信息、蓄电池的信息、车辆历史行驶信息、环境信息。

可选地，所述寿命预测模型为逻辑回归模型。

可选地，所述预测模块，还用于在获取剩余寿命预测信息之后，若所述剩余寿命信息所表征的时间值小于预设第一阈值，则发出预警信息。

可选地，所述预测模块，用于在获取到剩余寿命低于预设建议阈值的所述剩余寿命预测结果时，获取与所述剩余寿命预测结果相对应的用车建议信息；根据所述用车建议信息和所述剩余寿命预测结果，获取剩余寿命预测信息，向用户显示所述剩余寿命预测信息。

本发明实施例的第三方面，提供一种设备，包括：存储器、处理器以及计算机程序，所述计算机程序存储在所述存储器中，所述处理器运行所述计算机程序执行本发明第一方面及第一方面各种可能设计的所述蓄电池的寿命预测方法。

本发明实施例的第四方面，提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述蓄电池的寿命预测方法。

本发明实施例提供一种蓄电池的寿命预测方法、装置、设备以及存储介质，通过获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息；将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果；根据所述剩余寿命预测结果，获取剩余寿命预测信息，实现了根据车辆信息对蓄电池剩余寿命的预测，在不需要增加专业检测设备的情况下提高了蓄电池剩余寿命的预测准确性，提前准确获知蓄电池的剩余寿命以便车主提前采取适当的措施，进而降低蓄电池失效导致车辆故障的可能性。

附图说明

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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种应用场景示意图；

图2是本发明实施例提供的一种蓄电池的寿命预测方法的流程示意图；

图3是本发明实施例提供的一种寿命预测模型训练方法流程示意图；

图4是本发明实施例提供的一种蓄电池的寿命预测装置的结构示意图；

图5是本发明实施例提供的一种设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，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它实施例，都属于本发明保护的范围。

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”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。

应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，在本发明中，“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。

应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含a、b和c”、“包含a、b、c”是指a、b、c三者都包含，“包含a、b或c”是指包含a、b、c三者之一，“包含a、b和/或c”是指包含a、b、c三者中任1个或任2个或3个。

应当理解，在本发明中，“与a对应的b”、“与a相对应的b”、“a与b相对应”或者“b与a相对应”，表示b与a相关联，根据a可以确定b。根据a确定b并不意味着仅仅根据a确定b，还可以根据a和/或其他信息确定b。

取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。

现有的技术中，采用专业的电工仪器对蓄电池进行阻值检测去估计出蓄电池的剩余寿命的方式，操作复杂、麻烦，并且需要用户采购专业的电工仪器去估计蓄电池的剩余寿命。用户无法在使用车辆的过程中实时地获取到车载蓄电池的剩余寿命，只能在车辆出现故障才能测出蓄电池寿命耗尽的问题，用户体验不高。针对现有技术中存在的问题，本发明下面各种实施例提供了一种蓄电池的寿命预测方法、装置、设备以及存储介质，可以根据对车辆信息的分析预测蓄电池的剩余寿命，在蓄电池寿命耗尽之前获得蓄电池的寿命预测信息，以便用户能够及时更换蓄电池，降低蓄电池失效导致车辆故障的可能性。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

参见图1，是本发明实施例提供的一种应用场景示意图。作为本发明的一种应用场景，车辆1将自己的车辆1信息上报至服务器3，服务器3在接收到车辆1信息后，以服务器3预先存储的寿命预测模型对车辆信息进行分析，获得蓄电池的剩余寿命预测结果，如果发现该车辆1的蓄电池寿命接近耗尽，则向该车辆1或者该车辆1的车主终端2发送提示信息。其中，向服务器3发送车辆1信息的车辆1可以是有多个，每个车辆1对应一个具有唯一性的车辆id，服务器3在得到蓄电池寿命接近耗尽的预测结果后，获取需要发送提示信息的车辆id，据此进行提示信息的发送。其中，车辆1可以是实时地将自己的车辆信息上报至服务器3，也可以是周期性地上报至服务器3。

在另一些应用场景中，本发明的方法也可以是由车辆自己的控制系统执行的，从而根据车辆实时产生的车辆信息进行离线状态(即与服务器等外部设备没有连接)下的蓄电池的寿命预测处理。

本发明的应用场景中，执行主体可以是一个设备也可以是多个设备，例如本实施例中的某些步骤是一些设备执行的，另一些步骤又是另一些设备执行的，但为了描述方便，本发明的实施例中以一个执行主体进行举例。

参见图2，是本发明实施例提供的一种蓄电池的寿命预测方法的流程示意图，如图2所示，该方案的执行主体可以是车辆的控制系统、或者是与车辆连接的服务器等，在本实施例中以服务器为执行主体进行说明。图1所示的蓄电池的寿命预测方法包括步骤s101至步骤s103，具体如下：

s101，获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息。

服务器获取车辆的车辆信息的方式，可以是服务器向车辆询问获取的，也可以是车辆主动上报给服务器的，在此不做限定。

其中，蓄电池信息用于反映车辆上蓄电池的最近使用情况，例如蓄电池的电压信息。蓄电池信息例如可以是最近一段时间的最低电压值、最近一个月电压低于某个阈值的天数、和/或最后一次下电时的电压值。由于寿命降低的发生不是毫无征兆的，而蓄电池信息与发生蓄电池寿命具有较大的关联性。

车辆历史行驶信息反映车辆的行驶情况，车辆历史行驶信息例如可以是车辆累计运行天数、行驶环境温度信息、行驶环境湿度信息、和/或发动机排量等信息。由于车辆的行驶情况很大程度上会对电池的使用和老化产生影响，因此获取车辆历史行驶信息也能购提高蓄电池剩余寿命预测的准确性。

在一些实施例中，获取到的所述车辆信息中还可以包括用户行驶习惯信息。考虑到长时间停留(车辆处于不使用状态)和多次短行程对蓄电池都会有不良影响，用户行驶习惯信息例如可以是在最近的预设时间端内(例如一个月内或2个月内)车辆行程时长小于3分钟的行程次数、车辆单次连续停留时长超过3天的次数、车辆单次连续停留时长最大值、和/或车辆产生单次连续停留时长最大值距离当前时间的天数等。除此以外，用户行驶习惯信息还可以包括车辆发动机熄火状态下使用车载主机、空调、大灯等车内用电设备的记录数据，其中，还可以包括远程操控等的埋点记录数据。

s102，将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果。

输出的剩余寿命预测结果，例如可以是寿命状态值(state-of-health,简称：soh)。由于蓄电池长期使用必然发生老化或劣化，soh值是蓄电池的健康状态，可以用来指示蓄电池的剩余寿命。soh值以百分比的形式表现蓄电池的容量能力，对一块新的蓄电池来说，其soh值通常是等于100％的，而随着蓄电池的使用，soh逐渐降低，当soh值小于80％时，则应该更换电池。

服务器中可以预存储有寿命预测模型，该寿命预测模型是服务器或其他设备提前以大数据进行模型参数学习和训练好的，也可以是不断更新的模型，该模型具有蓄电池剩余寿命预测功能。服务器将获取到的对某一辆车辆的车辆信息生成输入矩阵，输入矩阵中包含有车辆信息中的各种值，然后以该输入矩阵作为寿命预测模型的输入量，经过寿命预测模型的处理后可以得到模型输出量。模型输出量指示了该车辆中蓄电池的剩余寿命预测结果。

在一些实施例中，寿命预测模型只能得到剩余寿命高于第一阈值或剩余寿命低于第一阈值两种预测结果，例如模型可以输出0(对应剩余寿命高于第一阈值，不用更换蓄电池)或1(对应剩余寿命低于第一阈值，需要更换蓄电池)。在另一些实施例中，寿命预测模型还能得到具体的剩余寿命比率，例如上述实施例中的soh值，例如模型可以输出0.9(不用更换蓄电池)或0.7(需要更换蓄电池)。

以能得到剩余寿命高于第一阈值或剩余寿命低于第一阈值两种预测结果的寿命预测模型为例，在步骤s102(将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果)之前，还可以包括模型训练的过程。参见图3，是本发明实施例提供的一种寿命预测模型训练方法流程示意图。图3所示的寿命预测模型训练方法包括步骤s201至步骤s202，具体如下：

s201，获取多个第一类车辆特征信息和多个第二类车辆特征信息。

其中，所述第一类车辆特征信息指示了寿命已耗尽或剩余寿命低于预设第一阈值的蓄电池对应的车辆历史信息，所述第二类车辆特征信息指示了剩余寿命高于预设第二阈值的蓄电池对应的车辆历史信息。

例如第一类车辆特征信息可以是服务器从4s店获取的，4s店采集更换下来的蓄电池故障样本对应的车辆历史信息，第二类车辆特征信息可以是使用新的蓄电池(soh＝100％)或者soh大于80％的蓄电池的车辆历史信息。车辆历史信息可以是从行驶量和停驶量、行程和小行程、蓄电池电压、发动机转速和车速冷却液温度、环境温度等特征维度采集的。

在一些实施例中，每一个所述第一类车辆特征信息、每一个所述第二类车辆特征信息都分别包括以下的至少一种：

用户的用电行为信息、蓄电池的信息、车辆历史行驶信息、环境信息。

用户的用电行为信息例如可以是从车辆发动机熄火后使用空调、大灯、车载主机(avn)的信息中，或者远程操控使用信息中提取的信息。以由avn得到的用户的用电行为特征为例，用户的用电行为信息可以是如下几种特征值中的一种或多种：最近1/3/7/14/30天发动机熄火后使用avn的总时长；最近1/3/7/14/30天发动机熄火后使用avn的日时长超过a分钟的天数，其中，a∈[10，20，30，40，60]；最近1/3/7/14/30天发动机熄火后使用avn的日时长超过a分钟且日发动机运转时长不足b分钟的天数，其中，a∈[10，20，30，40，60]，b∈[10，20，30，40，60，120]。

蓄电池的信息例如可以是包括以下特征值的一个或多个：最近1/3/7/14/30天最低电压、平均电压；最近1/3/7/14/30天电压低于某阈值的天数；计算日前最后一次下电电压；近1/3/7/14/30天最低下电电压、平均下电电压。

车辆历史行驶信息例如可以是包括以下特征值的一个或多个：最近1/3/7/30天累计行驶时长、里程；最近1/3/7/30天行程时长小于3min/5min/10min总行程数；截止计算日累计形式天数、时长、行程数；截止计算日累计行程时长小于3min/5min/10min的行程数；计算日前的最近一次停留时长(以计算日前一天为停留截止日期的)。

环境信息例如可以是包括以下特征值的一个或多个：截止计算日车辆累计行驶天数；截止计算日累计停留天数；最近1/3/7/30天冷却液温度、环境温度、发动机转速、速度的最值、均值；最近1/3/7/30天的平均速度；最近30天最长连续停留时长；最近30天单次停留超过10天的次数；截止计算日单次停留超过10天的次数；行驶环境(温度、湿度)信息。

s202，将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

以所述第一类车辆特征信息和所述第二类车辆特征信息作为训练的输入量，并以所述第一类车辆特征信息和所述第二类车辆特征信息对应的剩余寿命高于第一阈值的电结果或者剩余寿命低于第一阈值的电结果作为对应的输出，对初始模型进行训练并学习得到合适的模型参数，由此得到寿命预测模型。

可选地，在将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型之前，还可以对每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息进行特征预处理，得到预处理后的每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息。然后，再将所述预处理后的第一类车辆特征信息和所述预处理后的第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

其中，所述特征预处理的方式包括以下至少一种：缺失值填充、相关性分析、方差分析、均值填充、常量填充。

可选地，上述实施例中得到的所述寿命预测模型可以为逻辑回归模型。

s103，根据所述剩余寿命预测结果，获取剩余寿命预测信息。

在一些实施例，在获取剩余寿命预测信息之后，若所述剩余寿命信息所表征的时间值小于预设第一阈值，则发出预警信息。如果执行主体是服务器，例如可以向蓄电池对应的车辆或者车主终端发送预警信息。如果执行主体是车辆本身，例如车辆控制系统，那么可以直接向用户以图像显示或声音的方式发出预警信息。

在一些实施例中，根据所述剩余寿命预测结果，获取剩余寿命预测信息的过程可以包括：在获取到剩余寿命低于预设的建议阈值的所述剩余寿命预测结果时，获取与所述剩余寿命预测结果相对应的用车建议信息；然后根据所述用车建议信息和所述剩余寿命预测结果，获取剩余寿命预测信息，向用户显示所述剩余寿命预测信息。如果执行主体是服务器，获取剩余寿命预测信息之后，可以存储在蓄电池剩余寿命预测库中，并向车辆或者车主终端发送获取得到的剩余寿命预测信息，以实现向用户显示剩余寿命预测信息。如果执行主体是车辆自己的控制系统或其他车载终端，那么获取剩余寿命预测信息之后，可以实时向用户显示该剩余寿命预测信息。

本实施例提供一种蓄电池的寿命预测方法，通过获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息；将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果；根据所述剩余寿命预测结果，获取剩余寿命预测信息，实现了根据车辆信息对蓄电池剩余寿命的预测，在不需要增加专业检测设备的情况下提高了蓄电池剩余寿命的预测准确性，提前准确获知蓄电池的剩余寿命以便车主提前采取适当的措施，进而降低蓄电池失效导致车辆故障的可能性。

参见图4，是本发明实施例提供的一种蓄电池的寿命预测装置的结构示意图，如图4所示的蓄电池的寿命预测装置40包括：

获取模块41，用于获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息。

处理模块42，用于将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果。

预测模块43，用于根据所述剩余寿命预测结果，获取剩余寿命预测信息。

图4所示实施例的蓄电池的寿命预测装置40对应地可用于执行图2所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。

在一些实施例中，所述车辆信息中还包括用户行驶习惯信息。

在一些实施例中，所述处理模块，还用于在将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果之前，获取多个第一类车辆特征信息和多个第二类车辆特征信息，其中，所述第一类车辆特征信息指示了寿命已耗尽或剩余寿命低于预设第一阈值的蓄电池对应的车辆历史信息，所述第二类车辆特征信息指示了剩余寿命高于预设第二阈值的蓄电池对应的车辆历史信息；

将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

在一些实施例中，所述处理模块，还用于在将所述第一类车辆特征信息和所述第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型之前，对每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息进行特征预处理，得到预处理后的每一个所述第一类车辆特征信息和每一个所述第二类车辆特征信息；

所述处理模块，用于将所述预处理后的第一类车辆特征信息和所述预处理后的第二类车辆特征信息，输入到预设的初始模型中进行训练，得到所述寿命预测模型。

在一些实施例中，所述特征预处理的方式包括以下至少一种：缺失值填充、相关性分析、方差分析、均值填充、常量填充。

在一些实施例中，每一个所述第一类车辆特征信息、每一个所述第二类车辆特征信息都分别包括以下的至少一种：

用户的用电行为信息、蓄电池的信息、车辆历史行驶信息、环境信息。

在一些实施例中，所述寿命预测模型为逻辑回归模型。

在一些实施例中，所述预测模块，还用于在获取剩余寿命预测信息之后，若所述剩余寿命信息所表征的时间值小于预设第一阈值，则发出预警信息。

在一些实施例中，所述预测模块，用于在获取到剩余寿命低于预设建议阈值的所述剩余寿命预测结果时，获取与所述剩余寿命预测结果相对应的用车建议信息；根据所述用车建议信息和所述剩余寿命预测结果，获取剩余寿命预测信息，向用户显示所述剩余寿命预测信息。

本实施例提供一种蓄电池的寿命预测装置，通过获取车辆的车辆信息，其中，所述车辆信息包括蓄电池信息和车辆历史行驶信息；将所述车辆信息，输入到预设的寿命预测模型中，输出所述蓄电池的剩余寿命预测结果；根据所述剩余寿命预测结果，获取剩余寿命预测信息，实现了根据车辆信息对蓄电池剩余寿命的预测，在不需要增加专业检测设备的情况下提高了蓄电池剩余寿命的预测准确性，提前准确获知蓄电池的剩余寿命以便车主提前采取适当的措施，进而降低蓄电池失效导致车辆故障的可能性。

参见图5，是本发明实施例提供的一种设备的硬件结构示意图，该设备50包括：处理器51、存储器52和计算机程序；其中

存储器52，用于存储所述计算机程序，该存储器还可以是闪存(flash)。所述计算机程序例如是实现上述方法的应用程序、功能模块等。

处理器51，用于执行所述存储器存储的计算机程序，以实现上述蓄电池的寿命预测方法中服务器执行的各个步骤。具体可以参见前面方法实施例中的相关描述。

可选地，存储器52既可以是独立的，也可以跟处理器51集成在一起。

当所述存储器52是独立于处理器51之外的器件时，所述设备还可以包括：

总线53，用于连接所述存储器52和处理器51。图5的设备还可以进一步包括发送器(图中未画出)，用于向车辆或车主终端发送处理器51生成的剩余寿命预测信息。

本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的蓄电池的寿命预测方法。

其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(applicationspecificintegratedcircuits，简称：asic)中。另外，该asic可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器(rom)、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的蓄电池的寿命预测方法。

在上述设备的实施例中，应理解，处理器可以是中央处理单元(英文：centralprocessingunit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digitalsignalprocessor，简称：dsp)、专用集成电路(英文：applicationspecificintegratedcircuit，简称：asic)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。