基于深度学习算法的事故车判定方法技术

本发明专利技术提出一种基于深度学习算法的事故车判定方法，其特征在于：包括模型训练阶段：导入样本数据，每个样本数据中包括有车辆诊断报告、车辆故障维修案例和维保档案；以随机森林算法构建模型，代入样本数据进行模型训练与评估，其中执行的操作包括：提取车辆诊断报告中的故障信息，由该故障信息结合车辆故障维修案例映射得到对应于该故障信息的常更换零部件，再根据零部件与车辆中各系统大类的关系，对应转化得到各系统大类的权重分；最终，获得各样本分类相对于故障信息的权重分；概率分析阶段：提取车辆诊断报告中的故障信息并代入训练好的模型中，由模型分析后输出各样本分类的概率或/和决策结果。

【技术实现步骤摘要】
基于深度学习算法的事故车判定方法
本专利技术用于二手车市场中对事故车的概率判定，具体涉及一种基于深度学习算法的事故车判定方法。
技术介绍
随着国家政策支持、国内车辆保有量和换购人群的迅速增加，二手车市场交易量日益增长，车辆质量与乘用安全是二手车购买者关注的重中之重；其中，事故车是所有人都避之不及的雷区，轻则影响驾乘体验，重则危及生命财产安全。目前，精准的事故车判定都是基于维保档案所产生的，但被严格管控的维保记录是很难获取，若事故记录未进入维保档案或者未得到原车主同意开放维保档案时，则无法进行判断。此外，还存在其他非维保档案所产生的事故车判定情况，这类判断因技术手段的问题会存在较大的判定误差。这些均不得利购买者判断车辆情况，故行之有效的事故车判定手段十分重要，是二手车市场发展必须要解决的问题。
技术实现思路
本专利技术提出一种基于深度学习算法的事故车判定方法，其采用的具体技术手段如下：一种基于深度学习算法的事故车判定方法，其特征在于：包括模型训练阶段和概率分析阶段；在模型训练阶段执行有如下步骤：导入样本本文档来自技高网...

【技术保护点】
1.一种基于深度学习算法的事故车判定方法，其特征在于：包括模型训练阶段和概率分析阶段；/n在模型训练阶段执行有如下步骤：/n导入样本数据，每个样本数据中包括有车辆诊断报告、车辆故障维修案例和维保档案；/n以随机森林算法构建模型，代入样本数据进行模型训练与评估，且对用于模型训练的样本数据，先由其维保档案对故障信息和零部件信息进行修正，再代入进行训练，其中执行的操作包括：/n提取车辆诊断报告中的故障信息，由该故障信息结合车辆故障维修案例映射得到对应于该故障信息的常更换零部件，再根据零部件与车辆中各系统大类的关系，对应转化得到各系统大类的权重分；/n按事故内容或/和事故等级设置样本分类，以故障信息在...

【技术特征摘要】
1.一种基于深度学习算法的事故车判定方法，其特征在于：包括模型训练阶段和概率分析阶段；
在模型训练阶段执行有如下步骤：
导入样本数据，每个样本数据中包括有车辆诊断报告、车辆故障维修案例和维保档案；
以随机森林算法构建模型，代入样本数据进行模型训练与评估，且对用于模型训练的样本数据，先由其维保档案对故障信息和零部件信息进行修正，再代入进行训练，其中执行的操作包括：
提取车辆诊断报告中的故障信息，由该故障信息结合车辆故障维修案例映射得到对应于该故障信息的常更换零部件，再根据零部件与车辆中各系统大类的关系，对应转化得到各系统大类的权重分；
按事故内容或/和事故等级设置样本分类，以故障信息在各系统大类中的权重分为特征值；
最终，获得各样本分类相对于故障信息的权重分；
在概率分析阶段执行有如下步骤：
提取车辆诊断报告中的故障信息并代入训练好的模型中，由模型分析后输出各样本分类的概率或/和决策结果，所述决策结果为概率最高的样本分类。


2.根据权利要求1所述的基于深度学习算法的事故车判定方法，其特征在于：在模型训练阶段，首先从车辆故障维修案例中提取特定现象或者特定组合的关键词组，由该关键...

【专利技术属性】
技术研发人员：孙涛，张江波，何嘉翔，张果，蔡鸿平，张炳康，
申请(专利权)人：深圳市明睿数据科技有限公司，
类型：发明
国别省市：广东;44