一种基于机器学习的OTA升级任务动态配置控制方法及系统

本发明公开了一种基于机器学习的OTA升级任务动态配置控制方法及系统，所述方法包括：收集车辆升级数据，并对车辆升级数据进行预处理；设计预测模型，对模型进行训练和效果评估，根据预处理后的车辆升级数据输出每辆车在未来时间段内的升级概率及推荐的升级时间窗口；根据预测模型输出进行OTA升级任务分配，完成车辆升级。本发明通过将车辆升级数据输入预测模型进行预测，得到预测的升级时间窗口，并进行OTA升级任务分配，可预测车辆升级需求并推荐升级时间窗口，避免集中下发任务导致的系统负载过大和限流，提高了系统升级的可靠性、稳定性和成功率；并在OTA升级任务分配中加入贪心算法，优化了升级任务的分配调度，实现最大化均衡网络和系统负载。