【技术实现步骤摘要】
车辆故障识别模型的构建、识别方法及装置、管理系统
本专利技术涉及车辆故障识别
，是一种通过数据挖掘来确定车辆表现的特征，从而建立车辆故障识别系统并识别故障车辆的方法。
技术介绍
随着互联网共享理念的发展，共享单车数量在全国各城市进一步增加，但在单车数量到达一定程度后，随着单车使用次数和时间的增加，单车的故障率也开始上升，故障率的上升一定程度上给运维人员带来的较大的工作量，同时也对骑行者产生了不好的体验，甚至存在着安全隐患。对于以上问题，主动的去识别在运营中的单车的故障情况，是非常有意义的，能够利于运维对单车的精准维护，提升用户体验，避免故障车安全隐患。目前在单车故障识别或预测方面技术还不成熟，但随着人工智能和大数据时代的发展，很多数据挖掘算法和识别算法逐渐成熟，如何将数据挖掘算法和识别算法应用在识别故障车辆方面成为亟需解决的问题。
技术实现思路
有鉴于现有技术的上述缺陷，本专利技术所要解决的技术问题是现有停车区域的识别过程中每个停车区域越界区域可能不一致引发的问题，旨在提供一种利于运维对车辆...
【技术保护点】
1.一种车辆故障识别模型的构建方法，其特征在于，包括：/nS1：提取样本车辆的样本数据，所述样本数据包括与所述样本车辆状态相关的多维度数据，以及用于标记故障车辆的故障标签；/nS2：分析数据：根据所述样本数据分析出故障车辆与非故障车辆的数据差异，得出分析结果，所述分析结果包括从所述样本数据中挖掘出的易导致故障的相关数据以及故障车辆在各个维度数据的表征信息；/nS3：提取样本数据特征：从所述S2得到的分析结果中提取出数据特征，根据数据特征建立车辆画像；/nS4：对经机器学习模型处理后的车辆画像及其对应的故障标签进行加权得到故障识别模型。/n
【技术特征摘要】
1.一种车辆故障识别模型的构建方法，其特征在于，包括：
S1：提取样本车辆的样本数据，所述样本数据包括与所述样本车辆状态相关的多维度数据，以及用于标记故障车辆的故障标签；
S2：分析数据：根据所述样本数据分析出故障车辆与非故障车辆的数据差异，得出分析结果，所述分析结果包括从所述样本数据中挖掘出的易导致故障的相关数据以及故障车辆在各个维度数据的表征信息；
S3：提取样本数据特征：从所述S2得到的分析结果中提取出数据特征，根据数据特征建立车辆画像；
S4：对经机器学习模型处理后的车辆画像及其对应的故障标签进行加权得到故障识别模型。
2.根据权利要求1所述的车辆故障识别模型的构建方法，其特征在于，所述与所述样本车辆状态相关的多维度数据包括车辆骑行维度、车辆地理位置维度、车辆属性维度、车辆历史故障及维护维度、车辆历史骑行维度的数据。
3.根据权利要求2所述的车辆故障识别模型的构建方法，其特征在于，
所述车辆骑行维度的数据包括预设时间段内所述样本车辆的开锁数据、行驶时长、行驶速度、行驶距离；
和/或，所述车辆地理位置维度的数据包括所述样本车辆所在位置的经纬度、样本车辆所在运营网格的编号、平均订单量、每天骑行次数；
和/或，所述车辆属性维度的数据包括车辆版本信息、车辆运营时间、预设时间段内及最新一次接收到的车辆电量、GPS信号强弱、电池电压的平均值；
和/或，所述车辆历史故障及维护维度的数据包括预设时间段内所述样本车辆的历史故障情况、维修情况；
和/或，所述车辆历史骑行维度的数据包括所述样本车辆的历史平均行驶时长、历史平均行驶速度、历史平均行驶距离。
4.一种车辆故障识别模型的构建装置，其特征在于，包括：
样本数据提取单元，所述样本数据提取单元用于提取样本车辆的样本数据，所述样本数据包括与所述样本车辆状态相关的多维度数据，以及用于标记故障车辆的故障标签；
数据分析单元，其连接所述样本数据提取单元，所述数据分析单元用于根据所述样本数据分析出故障车辆与非故障车辆的数据差异，得出分析结果，所述分析结果包括从所述样本数据中挖掘出的易导致故障的相关数据以及故障车辆在各个维度数据的表征信息；
样本数据特征提取单元，其连接所述数据分析单元，所述样本数据特征提取单元用于从所述分析结果中提取出数据特征，根据数据特征建立车辆画像；
模型构建单元，其连接所述样本数据特征提取单元，所述模型构建单元用...
【专利技术属性】
技术研发人员：杨磊，余涵，
申请(专利权)人：上海钧正网络科技有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。