本申请涉及大数据，特别涉及一种车辆用户的分类方法、装置、车辆及存储介质。
背景技术：
1、汽车产业是国民经济重要的支柱产业，近些年来，随着我国汽车市场的蓬勃发展，汽车行业竞争力的增加，全面了解用户至关重要，其能提高客户满意度，增强企业竞争力。精准挖掘识别用户对于帮助企业最终扩大市场占有率、增加销售，预测企业未来成长的可能性有着重要的价值。
2、相关技术中，能够获取多个车辆的车辆行驶数据，对各车辆行驶数据进行分类预处理，得到车辆每次行程的停车时间和停车位置，并通过聚类模型聚类后生成与车辆对应的用户分类信息。
3、然而，相关技术中，仅使用聚类模型分类得到的结果，难以实现业务标签的设定，而仅使用规则分类得到的结果，无法确定规则分类阈值，从而难以对不同用户进行针对性运营，进而无法精准调动用户活跃性，降低了用户的满意度，亟待改善。
技术实现思路
1、本申请提供一种车辆用户的分类方法、装置、车辆及存储介质，以解决相关技术中，仅使用聚类模型分类得到的结果是“0、1、2、3、4…”，没有业务意义的lable标签，而使用规则分类，又存在阈值无法确定，通常阈值需要人为拍定的问题。
2、本申请第一方面实施例提供一种车辆用户的分类方法，包括以下步骤：获取车辆用户的历史聊天数据、驾驶行为数据和车辆类型中的至少一个车辆用户数据；对所述至少一个车辆用户数据进行数据清洗，得到清洗后的车辆用户数据；将所述清洗后的车辆用户数据输入至预先构建的聚类模型，得到所述车辆用户的分类结果，基于所述分类结果和预设车辆用户的活跃度模型对所述车辆用户进行活跃度标签划分，得到所述车辆用户的最终活跃度分类结果。
3、可选地，在本申请的一个实施例中，所述获取车辆用户的历史聊天数据，包括：获取所述车辆用户在预设时间内的聊天次数、聊天时间差和聊天天次中的至少一个；根据所述聊天次数、所述聊天时间差和所述聊天天次中的至少一个得到所述车辆用户的历史聊天数据。
4、可选地，在本申请的一个实施例中，所述车辆用户活跃度模型的计算公式为：
5、
6、其中，x为所述预设时间内的聊天次数，y为所述聊天天次，z为所述聊天时间差，n为第n条聊天记录，i为第i条聊天记录，n为总聊天信息数。
7、可选地，在本申请的一个实施例中，所述对所述至少一个车辆用户数据进行数据清洗，包括：对所述至少一个车辆用户数据进行数据清洗，以去除所述至少一个车辆用户数据中的特殊符号、空格符号和异常值，得到所述清洗后的车辆用户数据。
8、可选地，在本申请的一个实施例中，所述将所述清洗后的车辆用户数据输入至预先构建的聚类模型，得到所述车辆用户的分类结果，包括：将所述清洗后的车辆用户数据输入至所述预先构建的聚类模型，并根据所述预先构建的聚类模型将所述车辆用户划分至对应的簇，得到划分结果；根据所述划分结果得到车辆用户的分类标签，并根据所述车辆用户的分类标签生成所述车辆用户的分类结果。
9、可选地，在本申请的一个实施例中，所述根据所述分类结果得到车辆用户活跃度模型，包括：获取所述车辆用户的目标特征；根据所述目标特征构建所述车辆用户的活跃度模型，并根据所述分类结果和所述车辆用户的活跃度模型得到所述车辆用户对应的活跃度标签。
10、本申请第二方面实施例提供一种车辆用户的分类装置，包括：获取模块，用于获取车辆用户的历史聊天数据、驾驶行为数据和车辆类型中的至少一个车辆用户数据；数据清洗模块，用于对所述至少一个车辆用户数据进行数据清洗，得到清洗后的车辆用户数据；分类模块，用于将所述清洗后的车辆用户数据输入至预先构建的聚类模型，得到所述车辆用户的分类结果，基于所述分类结果和预设车辆用户的活跃度模型对所述车辆用户进行活跃度标签划分，得到所述车辆用户的最终活跃度分类结果。
11、可选地，在本申请的一个实施例中，所述获取模块包括：第一获取单元，用于获取所述车辆用户在预设时间内的聊天次数、聊天时间差和聊天天次中的至少一个；第二获取单元，用于根据所述聊天次数、所述聊天时间差和所述聊天天次中的至少一个得到所述车辆用户的历史聊天数据。
12、可选地，在本申请的一个实施例中，所述车辆用户活跃度模型的计算公式为：
13、
14、其中，x为所述预设时间内的聊天次数，y为所述聊天天次，z为所述聊天时间差，n为第n条聊天记录，i为第i条聊天记录，n为总聊天信息数。
15、可选地，在本申请的一个实施例中，所述数据清洗模块包括：数据清洗单元，用于对所述至少一个车辆用户数据进行数据清洗，以去除所述至少一个车辆用户数据中的特殊符号、空格符号和异常值，得到所述清洗后的车辆用户数据。
16、可选地，在本申请的一个实施例中，所述分类模块包括：划分单元，用于将所述清洗后的车辆用户数据输入至所述预先构建的聚类模型，并根据所述预先构建的聚类模型将所述车辆用户划分至对应的簇，得到划分结果；生成单元，用于根据所述划分结果得到车辆用户的分类标签，并根据所述车辆用户的分类标签生成所述车辆用户的分类结果。
17、可选地，在本申请的一个实施例中，所述分类模块还包括：第三获取单元，用于获取所述车辆用户的目标特征；第四获取单元，用于根据所述目标特征构建所述车辆用户的活跃度模型，并根据所述分类结果和所述车辆用户的活跃度模型得到所述车辆用户对应的活跃度标签。
18、本申请第三方面实施例提供一种车辆，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的车辆用户的分类方法。
19、本申请第四方面实施例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计算机程序，该程序被处理器执行时实现如上的车辆用户的分类方法。
20、本申请实施例可以通过聚类模型实现用户自动划分，避免了使用规则分类阈值无法确定的问题，将分类好的车辆用户结合车辆用户活跃度模型，实现业务标签的设定，保证对不同车辆用户进行针对性运营，精准调动车辆用户的活跃性，提高车辆用户的满意度，并促进车辆用户的交易转化率。由此，解决了相关技术中，仅使用聚类模型分类得到的结果，难以实现业务标签的设定，而仅使用规则分类得到的结果，无法确定规则分类阈值，从而难以对不同车辆用户进行针对性运营，进而无法精准调动车辆用户活跃性，降低了车辆用户的满意度的问题。
21、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
1.一种车辆用户的分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述获取车辆用户的历史聊天数据，包括：
3.根据权利要求2所述的方法，其特征在于，所述车辆用户活跃度模型的计算公式为：
4.根据权利要求1所述的方法，其特征在于，所述对所述至少一个车辆用户数据进行数据清洗，包括：
5.根据权利要求1所述的方法，其特征在于，所述将所述清洗后的车辆用户数据输入至预先构建的聚类模型，得到所述车辆用户的分类结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述分类结果和预设车辆用户的活跃度模型对所述车辆用户进行活跃度标签划分，包括：
7.一种车辆用户的分类装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，所述获取模块包括：
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的车辆用户的分类方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的车辆用户的分类方法。
