车辆故障处理方法、服务器、检测设备及车辆系统技术方案

本发明专利技术公开了一种车辆故障处理方法、服务器、检测设备及车辆系统。该方法通过服务器实施，包括：获取目标车辆的车辆状态信息，构建对应的目标车辆状态向量；根据预先构建的车辆故障模型对目标车辆状态向量进行处理，确定目标车辆的故障类别以及对应的故障处理方式。根据本发明专利技术，实现无需依赖人工实施故障判断以及故障处理决策，节省故障处理时间，降低故障处理的人力成本，提升故障处理效率。尤其适用于对批量车辆进行故障处理。

【技术实现步骤摘要】
车辆故障处理方法、服务器、检测设备及车辆系统
本专利技术涉及车辆
，更具体地，涉及一种车辆故障处理方法、服务器、车辆、检测设备及车辆系统。
技术介绍
互联网技术和设备制造技术的飞速发展，出现了共享车辆服务，例如共享自行车、共享助力车、共享电动车乃至共享汽车等，可以将车辆以分时或分段模式租赁给用户使用，有效利用车辆资源，为用户提供高效且低成本的服务，解决交通出行的问题。但是，随着共享车辆的用户规模迅速增大，共享车辆出现故障的情况也随之增多。目前，在已经投放提供服务的共享车辆出现故障时，主要依赖共享车辆运营方的运营人员，根据自身的经验对车辆进行故障检测以及相关对应的故障处理，而运营人员自身业务素质参差不齐，会存在误检测、决策慢、处理慢等问题，同时，对于投放规模巨大的共享车辆而言，无疑存在人力成本较高并且处理效率较低的问题。
技术实现思路
本专利技术的一个目的是提供一种用于处理车辆故障的新技术方案。根据本专利技术的第一方面，提供了一种车辆故障处理方法，其中，通过服务器实施，包括：获取目标车辆的车辆状态信息，构建对应的目标车辆状态向量，其中，所述车辆状态信息至少包括目标车辆的车体故障类型、车辆配件状态以及车辆通信状态；根据预先构建的车辆故障模型对所述目标车辆状态向量进行处理，确定所述目标车辆的故障类别以及对应的故障处理方式。可选地，该方法包括：设置车辆的故障类别以及对应的故障处理方式；分别根据不同的所述故障类别，从已获取的车辆历史状态数据中，选取多份车辆状态样本；根据所有故障类别对应的车辆状态样本，构建对应的训练样本集合，其中，所述训练样本集合中包括多个训练样本，每个所述训练样本包括对应的车辆状态样本向量化处理后得到的车辆状态向量、所述车辆状态样本对应的所述故障类别；根据机器学习算法对所述训练样本集合进行训练，得到所述车辆故障模型。可选地，所述根据机器学习算法对所述训练样本集合进行训练得到所述车辆故障模型的步骤包括：从所述训练样本集合中，选取预定数目的所述训练样本作为验证样本，并将剩余的其他所述训练样本作为基础训练样本；分别计算每个所述验证样本的车辆状态向量与每个所述基础训练样本的车辆状态向量之间的向量距离，得到每个所述验证样本的向量距离集合，根据每个所述验证样本的向量距离集合，计算不同的向量距离阈值下的验证准确率，并选取最高的验证准确率对应的向量距离阈值作为最佳距离阈值；根据所述最佳距离阈值、以及所述训练样本集合，得到对应的所述车辆故障模型。可选地，据预先构建的车辆故障模型对所述目标车辆状态向量进行处理确定所述目标车辆的故障类别以及对应的故障处理方式的步骤包括：计算所述目标车辆状态向量与每个所述训练样本的车辆状态向量之间的向量距离，得到目标向量距离集合；统计所述目标向量距离集合中，与不同的所述故障类别对应的小于所述最佳距离阈值的向量距离的数目；选取最多的所述向量距离的数目对应的所述故障类别，作为所述目标车辆的故障类别，并根据所述目标车辆的故障类别确定对应的故障处理方式。可选地，所述获取目标车辆的车辆状态信息的步骤包括：通过检测设备获取对应的目标车辆的车身故障类型，和/或，通过目标车辆获取对应的车辆状态信息。根据本专利技术的第二方面，提供一种车辆故障处理方法，其中，通过检测设备实施，包括：获取目标车辆的车体图像，进行向量化处理得到对应的目标图像向量；根据所述目标图像向量，确定所述目标车辆的车体故障类型；将所述目标车辆的车体故障类型，通过故障通知消息发送至服务器，其中，所述故障通知消息至少包括所述目标车辆的唯一车辆标识以及所述车体故障类型。所述获取目标车辆的车体图像的步骤包括：根据预先设置的轨迹移动，扫描是否存在车辆唯一标识；当扫描到车辆唯一标识时，将所述车辆唯一标识对应的车辆作为目标车辆，获取该目标车辆的车体图像。根据本专利技术的第三方面，提供一种服务器，其中，至少包括：存储器，用于存储可执行的指令；处理器，用于根据所述可执行的指令的控制，运行所述可移动检测设备，实施本专利技术的第一方面提供的任意一项车辆故障处理方法。根据本专利技术的第四方面，提供一种检测设备，其中，至少包括：摄像装置，用于获取图像；通信装置，用于建立通信连接；存储器，用于存储可执行的指令；处理器，用于根据所述可执行的指令的控制，运行所述可移动检测设备，实施本专利技术的第二方面提供的车辆故障处理方法。根据本专利技术的第五方面，提供一种车辆系统，其中，至少包括：车辆；如本专利技术的第三方面提供的服务器；如本专利技术的第四方面提供的检测设备。根据本专利技术的一个实施例，通过服务器基于预先构建的车辆故障模型，对获取的车辆状态信息进行处理，确定车辆的故障类别以及对应的故障处理方式，实现无需依赖人工实施故障判断以及故障处理决策，节省故障处理时间，降低故障处理的人力成本，提升故障处理效率。尤其适用于对批量车辆进行故障处理。通过以下参照附图对本专利技术的示例性实施例的详细描述，本专利技术的其它特征及其优点将会变得清楚。附图说明被结合在说明书中并构成说明书的一部分的附图示出了本专利技术的实施例，并且连同其说明一起用于解释本专利技术的原理。图1是显示可用于实现本专利技术的实施例的车辆系统的硬件配置的例子的框图。图2示出了本专利技术的第一实施例的车辆故障处理方法的流程图。图3示出了本专利技术的第一实施例的构建车辆故障模型步骤的流程图。图4示出了本专利技术的第一实施例的对训练样本集合训练步骤的流程图。图5示出了本专利技术的第一实施例的确定车辆故障类别步骤的流程图。图6示出了本专利技术的第一实施例的服务器的框图。图7示出了本专利技术的第二实施例的车辆故障处理方法的流程图。图8示出了本专利技术的第二实施例的获取车体图像步骤的流程图。图9示出了本专利技术的第二实施例的检测设备的框图。图10示出了本专利技术的第三实施例的车辆系统的框图。图11是本专利技术的第三实施例的车辆故障处理方法的例子的示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。<硬件配置>如图1所示，车辆系统100包括服务器1000、客户端2000、车辆3000、网络4000。服务器1000提供处理、数据库、通讯设施的业务点。服务器1000可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的，例如但不限于，网络服务器，新闻服务器，邮件服务器，消息服务器，广告服务器，文件服务器，应用服务器，交互服务器，数据库服务器，或代理服务器。在一些实施例中，每个服务器可以包括硬件，软件，或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类本文档来自技高网...

【技术保护点】
一种车辆故障处理方法，其中，通过服务器实施，包括：获取目标车辆的车辆状态信息，构建对应的目标车辆状态向量，其中，所述车辆状态信息至少包括目标车辆的车体故障类型、车辆配件状态以及车辆通信状态；根据预先构建的车辆故障模型对所述目标车辆状态向量进行处理，确定所述目标车辆的故障类别以及对应的故障处理方式。

【技术特征摘要】
1.一种车辆故障处理方法，其中，通过服务器实施，包括：获取目标车辆的车辆状态信息，构建对应的目标车辆状态向量，其中，所述车辆状态信息至少包括目标车辆的车体故障类型、车辆配件状态以及车辆通信状态；根据预先构建的车辆故障模型对所述目标车辆状态向量进行处理，确定所述目标车辆的故障类别以及对应的故障处理方式。2.根据所述权利要求1所述的方法，其中，包括：设置车辆的故障类别以及对应的故障处理方式；分别根据不同的所述故障类别，从已获取的车辆历史状态数据中，选取多份车辆状态样本；根据所有故障类别对应的车辆状态样本，构建对应的训练样本集合，其中，所述训练样本集合中包括多个训练样本，每个所述训练样本包括对应的车辆状态样本向量化处理后得到的车辆状态向量、所述车辆状态样本对应的所述故障类别；根据机器学习算法对所述训练样本集合进行训练，得到所述车辆故障模型。3.根据权利要求2所述的方法，其中，所述根据机器学习算法对所述训练样本集合进行训练得到所述车辆故障模型的步骤包括：从所述训练样本集合中，选取预定数目的所述训练样本作为验证样本，并将剩余的其他所述训练样本作为基础训练样本；分别计算每个所述验证样本的车辆状态向量与每个所述基础训练样本的车辆状态向量之间的向量距离，得到每个所述验证样本的向量距离集合，根据每个所述验证样本的向量距离集合，计算不同的向量距离阈值下的验证准确率，并选取最高的验证准确率对应的向量距离阈值作为最佳距离阈值；根据所述最佳距离阈值、以及所述训练样本集合，得到对应的所述车辆故障模型。4.根据权利要求3所述的方法，其中，根据预先构建的车辆故障模型对所述目标车辆状态向量进行处理确定所述目标车辆的故障类别以及对应的故障处理方式的步骤包括：计算所述目标车辆状态向量与每个...

【专利技术属性】
技术研发人员：刘尊昌，
申请(专利权)人：北京摩拜科技有限公司，
类型：发明
国别省市：北京,11