车辆零部件故障发生概率估算方法、装置及系统制造方法及图纸

一种车辆零部件故障发生概率估算方法、装置及系统。所述方法包括：获取车辆在预设第一时长内的驾驶行为数据；对所述第一时长内的驾驶行为数据进行处理；将处理后的驾驶行为数据输入至已训练的零部件磨损模型，采用所述零部件磨损模型，计算所述零部件在所述第一时长的结束时刻对应的故障发生概率，并输出，其中，所述零部件磨损模型的输入参数包括驾驶行为，中间参数为磨损程度，输出参数为零部件的故障发生概率，所述磨损程度与驾驶行为具有第一映射关系，所述零部件的故障发生概率与所述零部件的磨损程度具有第二映射关系。采用上述方案，可以及时获知车辆零部件的故障发生概率，提高行车安全。

Method, device and system for estimating fault probability of vehicle components

Method, device and system for estimating fault probability of vehicle parts. The method comprises: acquiring vehicle driving data in a preset first time; to deal with the driving data of the first time; the driving behavior data input after the treatment to the trained parts wear model, the parts wear model, calculate the components in the first time long end of the fault time corresponding to the probability of occurrence, and output, among them, the parts wear model input parameters including the driving behavior, the intermediate parameters for the abrasion degree, fault output parameters for parts of the probability, the degree of wear and driving behavior has a first mapping relationship, the degree of wear failure of the parts and the probability of the parts with second mapping. By adopting the scheme mentioned above, the probability of malfunction of vehicle components can be known in time, and the driving safety can be improved.

【技术实现步骤摘要】
车辆零部件故障发生概率估算方法、装置及系统
本专利技术涉及车辆零部件
，尤其涉及车辆零部件故障发生概率估算方法、装置及系统。
技术介绍
随着人们生活水平的提高，越来越多的家庭拥有汽车。汽车在人们的生活中，作为重要的代步工具，占有越来越重要的角色。随着时间的推移以及不断使用，其各零部件会出现不同程度的磨损。通常情况下，用户只有在4s店对车辆进行检修或者保养时，才可以获知各零部件的磨损情况，进而推算车辆的零部件的故障发生概率。对于不经常对车辆进行检修或者保养的用户，只有车辆发生故障时，才获知车辆中的零部件已被损坏。现有技术中，用户难以及时获知车辆中零部件的故障发生概率，当在车辆使用过程中发生故障时，可能会影响行车安全。
技术实现思路
本专利技术解决的技术问题是如何及时获知车辆零部件的故障发生概率，提高行车安全。为解决上述技术问题，本专利技术实施例提供一种车辆零部件故障发生概率估算方法，包括：获取车辆在预设第一时长内的驾驶行为数据；对所述第一时长内的驾驶行为数据进行处理；将处理后的驾驶行为数据输入至已训练的零部件磨损模型，采用所述零部件磨损模型，计算所述零部件在所述第一时长的结束时刻对应的故障发生概率，并输出，其中，所述零部件磨损模型的输入参数包括驾驶行为，中间参数为磨损程度，输出参数为零部件的故障发生概率，所述磨损程度与驾驶行为具有第一映射关系，所述零部件的故障发生概率与所述零部件的磨损程度具有第二映射关系，通过训练得到所述零部件磨损模型中各驾驶行为在所述第一映射关系中对应的权重以及磨损程度在所述第二映射关系中对应的权重。可选地，所述驾驶行为包括以下至少一种：急加速、急减速、怠速、超速、急转弯及急刹车。可选地，在计算所述零部件在所述第一时长的结束时刻对应的故障发生概率之后，还包括：根据计算得到的零部件的故障发生概率，结合所述第一时长内的驾驶行为数据，采用所述已训练的零部件磨损模型，分析各驾驶行为对零部件的故障发生概率的影响；针对各驾驶行为对所述零部件故障发生概率的影响，生成驾驶行为改善建议，并输出。可选地，所述对所述第一时长内的驾驶行为数据进行处理，包括：可选地，获取所述车辆在所述第一时长内的驾驶里程；统计所述第一时长内各驾驶行为的发生总次数，并计算各驾驶行为在预设里程内发生的次数作为处理后的驾驶行为数据。可选地，所述方法还包括：当计算得到的零部件的故障发生概率大于预设故障发生概率时，发出故障提醒信息。可选地，所述零部件磨损模型的输入参数还包括零部件磨损关联因素，所述磨损程度与所述驾驶行为及零部件磨损关联因素具有第三映射关系，通过训练分别得到所述零部件磨损模型中各驾驶行为及零部件磨损关联因素在所述第三映射关系中对应的权重。可选地，所述方法还包括：获取所述第一时长内所述车辆对应的零部件磨损关联因素数据，并输入至所述已训练的零部件磨损模型。可选地，所述零部件磨损关联因素包括以下至少一种：天气因素、道路因素、区域因素、性格因素、检修记录及载重。可选地，采用如下方式训练所述零部件磨损模型：获取训练样本，所述训练样本中包括驾驶行为数据、零部件磨损关联因素数据及对应的零部件磨损的程度值；将零部件磨损的程度值大于或者等于预设阈值的训练样本标记正样本，将零部件磨损的程度值小于所述阈值的训练样本标记为负样本；采用逻辑回归算法，根据所述驾驶行为数据及零部件磨损关联因素数据，对所述正样本及所述负样本进行逻辑回归训练，得到所述零部件磨损模型。可选地，采用如下方式训练所述零部件磨损模型：获取训练样本，所述训练样本中包括驾驶行为数据及零部件及对应的零部件磨损的程度值；将零部件磨损的程度值大于或者等于预设阈值的训练样本标记正样本，将零部件磨损的程度值小于所述阈值的训练样本标记为负样本；采用逻辑回归算法，根据所述驾驶行为数据，对所述正样本及所述负样本进行逻辑回归训练，得到所述零部件磨损模型。可选地，在对所述零部件磨损模型训练时，还包括：从所述训练样本中随机选出预设数目的训练样本作为测试样本；采用所述测试样本验证对所述零部件磨损模型进行准确度验证。可选地，所述采用所述测试样本验证对所述零部件磨损模型进行准确度验证，包括：将所述测试样本随机分为N组测试子样本，N为自然数，且N≥3；采用其中任意N-1组测试子样本对所述N-1组之外的一组测试子样本进行准确度验证，直至所述N组测试子样本均被验证。可选地，所述方法还包括：在检测到预设的模型更新触发事件时，获取所述车辆的驾驶行为数据作为更新样本，采用所述更新样本对所述零部件磨损模型进行更新训练，并将更新训练得到的零部件磨损模型作为已训练的零部件磨损模型。本专利技术实施例还提供一种车辆零部件故障发生概率估算装置，包括：获取单元、处理单元、输入单元、零部件磨损模型、计算单元及第一输出单元，其中：所述获取单元，适于获取车辆在预设第一时长内的驾驶行为数据；所述处理单元，适于对所述第一时长内的驾驶行为数据进行处理；所述输入单元，适于将所述处理单元处理后的驾驶行为数据输入至已训练的所述零部件磨损模型；所述计算单元，适于采用所述零部件磨损模型，计算所述零部件在所述第一时长的结束时刻对应的故障发生概率；所述零部件磨损模型的输入参数包括驾驶行为，中间参数为磨损程度，输出参数为零部件的故障发生概率，所述磨损程度与驾驶行为具有第一映射关系，所述零部件的故障发生概率与所述零部件的磨损程度具有第二映射关系，通过训练得到所述零部件磨损模型中各驾驶行为在所述第一映射关系中对应的权重以及磨损程度在所述第二映射关系中对应的权重；所述第一输出单元，适于输出计算得到的所述零部件的故障发生概率。可选地，所述驾驶行为包括以下至少一种：急加速、急减速、怠速、超速、急转弯及急刹车。可选地，所述装置还包括：分析单元及第二输出单元，其中：所述分析单元，适于在计算所述零部件在所述第一时长的结束时刻对应的故障发生概率之后，根据计算得到的零部件的故障发生概率，结合所述第一时长内的驾驶行为数据，采用所述已训练的零部件磨损模型，分析各驾驶行为对零部件的故障发生概率的影响，针对各驾驶行为对所述零部件的故障发生概率的影响，生成驾驶行为改善建议；所述第二输出单元，适于输出所述分析单元生成的驾驶行为改善建议。可选地，所述处理单元，适于获取所述车辆在所述第一时长内的驾驶里程，统计所述第一时长内各驾驶行为的发生总次数，并计算各驾驶行为在预设里程内发生的次数作为处理后的驾驶行为数据。可选地，所述装置还包括：提醒单元，适于当计算得到的零部件故障发生概率大于预设故障发生概率时，发出故障提醒信息。可选地，所述零部件磨损模型的输入参数还包括零部件磨损关联因素，所述磨损程度与所述驾驶行为及零部件磨损关联因素具有第三映射关系，通过训练分别得到所述零部件磨损模型中各驾驶行为及零部件磨损关联因素在所述第三映射关系中对应的权重。可选地，所述获取单元，还适于获取所述第一时长内所述车辆对应的零部件磨损关联因素数据，并输入至所述已训练的所述零部件磨损模型。可选地，所述零部件磨损关联因素包括以下至少一种：天气因素、道路因素、区域因素、性格因素、检修记录及载重。可选地，所述装置还包括第一训练单元，适于采用如下方式训练所述零部件磨损模型：获取训练样本，所述训练样本中包括驾驶行为数据、零部件磨损关联因素本文档来自技高网...

【技术保护点】
一种车辆零部件故障发生概率估算方法，其特征在于，包括：获取车辆在预设第一时长内的驾驶行为数据；对所述第一时长内的驾驶行为数据进行处理；将处理后的驾驶行为数据输入至已训练的零部件磨损模型，采用所述零部件磨损模型，计算所述零部件在所述第一时长的结束时刻对应的故障发生概率，并输出，其中，所述零部件磨损模型的输入参数包括驾驶行为，中间参数为磨损程度，输出参数为零部件的故障发生概率，所述磨损程度与驾驶行为具有第一映射关系，所述零部件的故障发生概率与所述零部件的磨损程度具有第二映射关系，通过训练得到所述零部件磨损模型中各驾驶行为在所述第一映射关系中对应的权重以及磨损程度在所述第二映射关系中对应的权重。

【技术特征摘要】
1.一种车辆零部件故障发生概率估算方法，其特征在于，包括：获取车辆在预设第一时长内的驾驶行为数据；对所述第一时长内的驾驶行为数据进行处理；将处理后的驾驶行为数据输入至已训练的零部件磨损模型，采用所述零部件磨损模型，计算所述零部件在所述第一时长的结束时刻对应的故障发生概率，并输出，其中，所述零部件磨损模型的输入参数包括驾驶行为，中间参数为磨损程度，输出参数为零部件的故障发生概率，所述磨损程度与驾驶行为具有第一映射关系，所述零部件的故障发生概率与所述零部件的磨损程度具有第二映射关系，通过训练得到所述零部件磨损模型中各驾驶行为在所述第一映射关系中对应的权重以及磨损程度在所述第二映射关系中对应的权重。2.根据权利要求1所述的车辆零部件故障发生概率估算方法，其特征在于，所述驾驶行为包括以下至少一种：急加速、急减速、怠速、超速、急转弯及急刹车。3.根据权利要求2所述的车辆零部件故障发生概率估算方法，其特征在于，在计算所述零部件在所述第一时长的结束时刻对应的故障发生概率之后，还包括：根据计算得到的零部件的故障发生概率，结合所述第一时长内的驾驶行为数据，采用所述已训练的零部件磨损模型，分析各驾驶行为对零部件的故障发生概率的影响；针对各驾驶行为对所述零部件故障发生概率的影响，生成驾驶行为改善建议，并输出。4.根据权利要求2所述的车辆零部件故障发生概率估算方法，其特征在于，所述对所述第一时长内的驾驶行为数据进行处理，包括：获取所述车辆在所述第一时长内的驾驶里程；统计所述第一时长内各驾驶行为的发生总次数，并计算各驾驶行为在预设里程内发生的次数作为处理后的驾驶行为数据。5.根据权利要求1所述的车辆零部件故障发生概率估算方法，其特征在于，还包括：当计算得到的零部件的故障发生概率大于预设故障发生概率时，发出故障提醒信息。6.根据权利要求1所述的车辆零部件故障发生概率估算方法，其特征在于，所述零部件磨损模型的输入参数还包括零部件磨损关联因素，所述磨损程度与所述驾驶行为及零部件磨损关联因素具有第三映射关系，通过训练分别得到所述零部件磨损模型中各驾驶行为及零部件磨损关联因素在所述第三映射关系中对应的权重。7.根据权利要求6所述的车辆零部件故障发生概率估算方法，其特征在于，还包括：获取所述第一时长内所述车辆对应的零部件磨损关联因素数据，并输入至所述已训练的零部件磨损模型。8.根据权利要求6所述的车辆零部件故障发生概率估算方法，其特征在于，所述零部件磨损关联因素包括以下至少一种：天气因素、道路因素、区域因素、性格因素、检修记录及载重。9.根据权利要求6所述的车辆零部件故障发生概率估算方法，其特征在于，采用如下方式训练所述零部件磨损模型：获取训练样本，所述训练样本中包括驾驶行为数据、零部件磨损关联因素数据及对应的零部件磨损的程度值；将零部件磨损的程度值大于或者等于预设阈值的训练样本标记正样本，将零部件磨损的程度值小于所述阈值的训练样本标记为负样本；采用逻辑回归算法，根据所述驾驶行为数据及零部件磨损关联因素数据，对所述正样本及所述负样本进行逻辑回归训练，得到所述零部件磨损模型。10.根据权利要求1所述的车辆零部件故障发生概率估算方法，其特征在于，采用如下方式训练所述零部件磨损模型：获取训练样本，所述训练样本中包括驾驶行为数据及零部件及对应的零部件磨损的程度值；将零部件磨损的程度值大于或者等于预设阈值的训练样本标记正样本，将零部件磨损的程度值小于所述阈值的训练样本标记为负样本；采用逻辑回归算法，根据所述驾驶行为数据，对所述正样本及所述负样本进行逻辑回归训练，得到所述零部件磨损模型。11.根据权利要求9或10所述的车辆零部件故障发生概率估算方法，其特征在于，在对所述零部件磨损模型训练时，还包括：从所述训练样本中随机选出预设数目的训练样本作为测试样本；采用所述测试样本验证对所述零部件磨损模型进行准确度验证。12.根据权利要求11所述的车辆零部件故障发生概率估算方法，其特征在于，所述采用所述测试样本验证对所述零部件磨损模型进行准确度验证，包括：将所述测试样本随机分为N组测试子样本，N为自然数，且N≥3；采用其中任意N-1组测试子样本对所述N-1组之外的一组测试子样本进行准确度验证，直至所述N组测试子样本均被验证。13.根据权利要求1所述的车辆零部件故障发生概率估算方法，其特征在于，还包括：在检测到预设的模型更新触发事件时，获取所述车辆的驾驶行为数据作为更新样本，采用所述更新样本对所述零部件磨损模型进行更新训练，并将更新训练得到的零部件磨损模型作为已训练的零部件磨损模型。14.一种车辆零部件故障发生概率估算装置，其特征在于，包括：获取单元、处理单元、输入单元、零部件磨损模型、计算单元及第一输出单元，其中：所述获取单元，适于获取车辆在预设第一时长内的驾驶行为数据；所述处理单元，适于对所述第一时长内的驾驶行为数据进行处理；所述输入单元，适于将所述处理单元处理后的驾驶行为数据输入至已训练的所述零部件磨损模型；所述计算单元，适于采用所述零部件磨损模型，计算所述...

【专利技术属性】
技术研发人员：马智，王舒琴，黄忠睿，唐焱，
申请(专利权)人：上海擎感智能科技有限公司，
类型：发明
国别省市：上海,31