CN110377793A - 一种推荐视频制作信息的方法、装置及设备 - Google Patents
一种推荐视频制作信息的方法、装置及设备 Download PDFInfo
- Publication number
- CN110377793A CN110377793A CN201910543671.5A CN201910543671A CN110377793A CN 110377793 A CN110377793 A CN 110377793A CN 201910543671 A CN201910543671 A CN 201910543671A CN 110377793 A CN110377793 A CN 110377793A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- failure
- target
- history
- probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/7867—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title and artist information, manually generated time, location and usage information, user ratings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Library & Information Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Automobile Manufacture Line, Endless Track Vehicle, Trailer (AREA)
Abstract
本申请适用于计算机技术领域，提供了一种推荐视频制作信息的方法及设备，推荐视频制作信息的方法包括：获取待统计的所有目标车型的信息；获取与所述目标车型相关的历史车型的历史维修信息；基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；视频制作信息用于提示相关人员基于故障车型以及故障原因制作汽车维修视频。上述方案，能够通过视频制作信息提示相关人员针对故障车型以及故障原因制作汽车维修视频，当目标车型中的故障车型的车辆真正发生车辆故障时，以满足维修技师对处理车辆故障的视频教程的需求。
Description
技术领域
本申请属于计算机技术领域，尤其涉及一种推荐视频制作信息的方法、装置及设备。
背景技术
随着科技的进步和互联网技术的发展，越来越多的人通过视频来传输信息、分享信息或分享生活。例如，一些技师或专家分享制作的视频教程，以便用户通过视频教程学习相应的技能或知识。比如，车辆故障维修等。
技师或专家通常是基于自己的主观意愿制作视频教程，这样可能导致制作出来的视频教程的关注度较低，从而无法制作出满足用户需求的视频。
发明内容
有鉴于此，本申请实施例提供了一种推荐视频制作信息的方法、装置及设备，以解决现有技术中，技师或专家通常是基于自己的主观意愿制作视频教程，这样可能导致制作出来的视频教程的关注度较低，从而无法制作出满足用户需求的视频的问题。
本申请实施例的第一方面提供了一种推荐视频制作信息的方法，包括：
获取待统计的所有目标车型的信息；
获取与所述目标车型相关的历史车型的历史维修信息；
基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
进一步地，所述基于所述历史维修信息预测所述目标车型的车辆发生故障的概率以及故障原因，包括：
基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定；
基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
进一步地，所述基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因，包括：
基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长；
基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点；
基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型；
基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率；
基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
进一步地，所述基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息，包括：
基于所述故障概率，按从高到低的顺序筛选出第一数目的目标故障车型；
基于所述目标故障车型的故障概率以及故障原因确定待推荐的视频制作信息。
进一步地，所述获取待统计的目标车型的信息，包括：
获取新发布的车型的订单信息；
基于所述订单信息统计每款所述车型的销量；
基于每款所述车型的销量，按从高到低的顺序筛选出预设数目的目标车型。
本申请实施例的第二方面提供了一种推荐视频制作信息的装置，包括：
第一获取单元，用于获取待统计的所有目标车型的信息；
第二获取单元，用于获取与所述目标车型相关的历史车型的历史维修信息；
预测单元，用于基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
推荐单元，用于基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
进一步地，所述预测单元包括：
统计单元，用于基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定；
故障预测单元，用于基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
进一步地，所述故障预测单元具体用于：
基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长；
基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点；
基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型；
基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率；
基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
进一步地，所述推荐单元具体用于：基于所述故障概率，按从高到低的顺序筛选出第一数目的目标故障车型；基于所述目标故障车型的故障概率以及故障原因确定待推荐的视频制作信息。
进一步地，所述第一获取单元具体用于：
获取新发布的车型的订单信息；
基于所述订单信息统计每款所述车型的销量；
基于每款所述车型的销量，按从高到低的顺序筛选出预设数目的目标车型。
本申请实施例的第三方面提供了一种推荐视频制作信息的设备：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取待统计的所有目标车型的信息；
获取与所述目标车型相关的历史车型的历史维修信息；
基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取待统计的所有目标车型的信息；
获取与所述目标车型相关的历史车型的历史维修信息；
基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
本申请实施例与现有技术相比存在的有益效果是：
通过获取与待统计的目标车型相关的历史车型的历史维修信息，基于获取到的历史维修信息预测在未来一段时间内目标车型中可能发生故障的故障车型，以及预测故障车型的故障概率以及故障原因，并基于故障车型的故障概率以及故障原因确定待推荐的视频制作信息，以通过视频制作信息提示相关人员针对故障车型以及故障原因制作汽车维修视频。这样一来，制作维修视频教程的专家在获取到视频制作信息时，可以基于故障车型的概率以及故障原因制作汽车维修视频教程；当目标车型中的故障车型的车辆真正发生车辆故障时，维修技师可以下载相应的视频教程进行学习，以满足维修技师对处理车辆故障的视频教程的需求。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的推荐视频制作信息的方法的实现流程示意图；
图2是本申请另一实施例提供的推荐视频制作信息的方法的实现流程示意图；
图3是本申请一实施例提供的推荐视频制作信息的装置的示意图；
图4是本申请另一实施例提供的推荐视频制作信息的装置的示意图；
图5是本申请一实施例提供的推荐视频制作信息的设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
请参见图1，图1是本申请一实施例提供的推荐视频制作信息的方法的实现流程示意图，本实施例的推荐视频制作信息的方法的执行主体为推荐视频制作信息的装置，该推荐视频制作信息的装置可以为智能手机、笔记本等移动终端等，还可以是台式电脑或其他终端，此处不做限制。本申请中推荐视频制作信息的装置以终端为例进行说明，如图所示的推荐视频制作信息的方法可包括：
S101：获取待统计的所有目标车型的信息。
当用户需要获取用于制作视频的推荐信息以制作视频时，可以通过终端中用于获取推荐信息的交互界面触发请求信息，以请求获取用于制作视频的推荐信息。
其中，用户可以在交互界面中输入待统计的所有车型时，触发请求信息；此时请求信息中包括待统计的所有车型的信息。车型可以是车辆类型，例如，轿车、越野车等；车型也可以是用于表示某品牌某车系；还可以是指车辆型号。
用户也可以在交互界面中输入用于筛选待统计的所有车型的筛选条件时，触发请求信息，此时请求信息中包括该筛选条件。筛选条件可以是，筛选预设统计周期内新上市或新发布的车型，预设统计周期可以是近1个月或近3个月，但并不限于此；筛选条件还可以是，预设统计周期内新上市的受欢迎的车型或热门车型；还可以是预设统计周期内新上市的销量较好的车型。
可以理解的是，当请求信息中包括待统计的所有车型的信息时，终端可以从用户触发的请求信息中获取待统计的目标车型的信息；当请求信息包括用于筛选待统计的所有车型的筛选条件时，终端可以采用网络爬虫技术(Web crawler)，从网络数据库中爬取符合该筛选条件的车型的信息，得到待统计的目标车型的信息。待统计的目标车型的信息包括车辆型号或用于表示车辆型号的标识信息。
可以理解的是，待统计的目标车型可以为用户选择的车型，也可以为新上市的车型，还可以是新上市且比较受欢迎的车型或销量较好的车型。
进一步地，为了准确预测在未来一段时间内市场上目标车型的车辆出现概率较高的车辆故障，并针对可能出现的车辆故障制作出视频教程，以更好地指导修车技师针对目标车型的故障进行维修，满足修车技师的对维修视频的需求，S101可以包括S1011～S1013，具体如下：
S1011：获取新发布的车型的订单信息。
终端可以采用网络爬虫技术(Web crawler)，从网络数据库中爬取在预设统计周期内新发布的车型，并爬取所有新发布的车型的订单信息，订单信息包括车辆型号、车辆的配件信息。车辆的配件信息包括但不限于发动机的型号、变速箱的型号等。预设的统计周期可以以当前日期为基准往前推移预设时长，例如，当前日期前的一周、一个月、三个月等。
例如，假设当前时间为2019年6月11日，预设统计周期为1个月，那么终端可以采用网络爬虫技术从网络数据库中爬取距离当前日期前一个月内(即，2019年5月11日到6月10日期间)新上市车辆的车辆型号，并爬取在2019年5月11日到6月10日期间所有新上市的车辆的订单信息。
S1012：基于所述订单信息统计每款所述车型的销量。
终端可以基于每个订单信息中的车辆型号，统计每款车辆型号对应的卖出的数量，得到每款车辆型号的销量。
S1013：基于每款所述车型的销量，按从高到低的顺序筛选出预设数目的目标车型。
预设数目可以为30、50、或100等，具体可根据实际情况进行设置，此处不做限制。
终端可以按销量从高到低的顺序或从低到高的顺序对所有车辆型号的效率进行排序，并按从高到低的顺序筛选出预设数目的目标车型，得到销量较好的目标车型。这样以便后续预测销量较好的目标车型在未来一段时间内可能发生的车辆故障，进而向制作维修视频教程的专家推荐可能发生故障的车辆型号及故障原因，以便专家针对可能发生故障的车辆型号以及故障原因制作维修视频教程。这样一来，在目标车辆型号的车辆真正发生车辆故障时，维修技师可以下载相应的视频教程进行学习，以满足维修技师对处理车辆故障的视频教程的需求。
可以理解的是，当互联网中已公布各车型的销量时，在S101中，终端还可以采用网络爬虫技术从网络数据库或网页中爬取各车型的销量排行榜，从销量排行榜中筛选出销量较好的预设数目的目标车型，并记录目标车型的相关信息。目标车型的相关信息包括目标车型的车辆型号、目标车型对应的历史版本及历史版本的车辆型号等。
S102：获取与所述目标车型相关的历史车型的历史维修信息。
终端基于所有目标车型的信息中包含的车辆型号，获取与目标车型的车辆型号相关的历史车型的信息；或者，基于目标车型与历史车型之间的预设对应关系获取与所述目标车型相关的历史车型的信息。
之后，基于历史车型的信息获取历史车型的历史维修信息。历史车型的信息可以包括历史车型的车辆型号。历史车型是指目标车型之前的对应的旧车型。
例如，针对某款车型S1，在2013年发布了第一代车型是S1-1，在2014年发布的第二代车型是S1-2，在2015年发布的第三代车型是S1-3，在2016年发布的第四代车型是S1-4，在2017年发布的第五代车型是S1-5，在2018年发布的第六代车型是S1-6，在2019年发布的第七代车型是S1-7。假设车型S1-7为第一目标车型，那么与第一目标车型S1-7相关的历史车型的为S1-1、S1-2、S1-3、S1-4、S1-5、S1-6、S1-7。
其中，与目标车型相关的历史车型的历史维修信息可以由终端从网络数据库中爬取，也可以由终端从各汽车维修店的服务器中获取，还可以由终端从各汽车品牌对应的服务器中获取。
历史维修信息可以包括发生故障的车辆的车辆型号、故障配件、故障原因以及维修时间等。
维修时间可以是维修当日的日期，也可以按车辆的生命周期的时间节点表示，例如，购买后一年内、购买后两年、购买后三到五年内等。或者，购买后6个月、购买后1年、购买后16个月、购买后24个月等。生命周期的时间节点可以以月为最小单位，也可以以年为最小单位，此处不做限制。其中，生命周期的起点为上市日期，终点为报废日期。
故障原因例如，机油孵化、发动机加速无力、变速箱漏油等。
S103：基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
终端从所有历史车型对应的历史维修信息中，分别获取发生故障的故障车辆的故障车辆型号，并基于历史维修信息统计每个故障车辆型号各自对应的故障原因、故障配件以及维修时间。基于每个故障车辆型号对应的维修时间确定在生命周期内该维修时间所属的时间节点，并基于与每个故障车辆型号的每个维修时间关联的故障原因、故障配件，统计每个故障车辆型号在生命周期内的各时间节点所对应的故障频次、故障原因以及故障配件。故障频次是指在生命周期的某时间节点(例如一年内)发生故障的次数。生命周期的起点是购车日期，生命周期内的各时间节点可以以年为最小单位。
例如，车型S1的第五代车型在新车购买后一年内出现机油孵化问题的频次为50次，在新车购买后一到三年内出现发动机加速无力问题的频次为100次，在新车购买后三到五年内出现变速箱漏油问题的频次为80次。
终端基于故障车辆型号、车辆型号与车型之间的预设对应关系，确定与其相关的目标车型，得到目标车型中的故障车型。例如，故障车辆型号为S1-6，与其相关的目标车型为S1。
终端基于每个故障车辆型号在生命周期内的各时间节点所对应的故障频次，预测目标车型中的故障车型在生命周期内各时间节点各自对应的故障概率；基于每个故障车辆型号在生命周期内的各时间节点所对应的故障原因以及故障配件，预测目标车型中的故障车型在生命周期内各时间节点各自对应的故障原因及故障配件。由于产品的功能等具有延续性，因此，可以通过往期历史车型的故障概率预测属于同系列的新车型在生命周期的各时间节点发生故障的概率及原因。
S104：基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
待推荐的视频制作信息包括目标车型中的故障车型以及每个故障车型对应的故障概率和故障原因，以便录制汽车维修视频的专家基于故障车型以及故障概率和故障原因制作汽修视频教程。
可以理解的是，终端可以向录制汽车维修视频的专家，推荐所有可能发生故障的故障车型的信息以及每个故障车型对应的故障原因。
终端也可以对目标车型中所有故障车型的故障概率进行排序，从而筛选出故障概率较高的预设数目的故障车型，并将筛选出的故障车型以及每个故障车型对应的故障原因推荐给录制汽车维修视频的专家。
预设数目可以是10、20或30，也可以根据实际情况进行设置，此处不做限制。
可以理解的是，在S104之后，还可以包括：将确定的待推荐的视频制作信息推送至预设的用户账户，以便使用该用户账户的用户在获取到视频制作信息时，能够针对故障车型以及故障原因制作汽车维修视频。
预设的用户账户为预先设置了订阅视频推荐消息的账户。
上述方案，通过获取与待统计的目标车型相关的历史车型的历史维修信息，基于获取到的历史维修信息预测在未来一段时间内目标车型中可能发生故障的故障车型，以及预测故障车型的故障概率以及故障原因，并基于故障车型的故障概率以及故障原因确定待推荐的视频制作信息，以通过视频制作信息提示相关人员针对故障车型以及故障原因制作汽车维修视频。这样一来，制作维修视频教程的专家在获取到视频制作信息时，可以基于故障车型的概率以及故障原因制作汽车维修视频教程；当目标车型中的故障车型的车辆真正发生车辆故障时，维修技师可以下载相应的视频教程进行学习，以满足维修技师对处理车辆故障的视频教程的需求。
请参见图2，图2是本申请另一实施例提供的推荐视频制作信息的方法的实现流程示意图，本实施例与上一实施例的区别在于S203～S206。本实施例中S201～S202与上一实施例中的S101～S102相同，具体请参阅上一实施例中S101～S102的相关描述，此处不赘述。S203～S206具体如下：
S203：基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定。
终端在获取到与所有目标车型相关的历史车型的历史维修信息时，获取每个历史维修信息中包含的故障车辆型号以及维修信息，基于每个故障车辆型号对应的维修时间确定在生命周期内该维修时间所属的时间节点，得到每个故障车辆型号对应的发生故障的时间节点，建立每个故障车辆型号、每个故障车辆型号对应的发生故障的时间节点、故障部件以及故障原因之间的关联关系，得到每个故障车辆型号的故障信息。
之后，基于每个历史车型对应的车辆型号，确定故障车辆型号所属的历史车型，建立历史车型、故障车辆型号以及故障信息之间的关联关系，得到每个历史车型对应的故障信息。历史车型对应的故障信息包括：历史故障车型、发生故障的时间节点、故障部件以及故障原因。
可以理解的是，故障信息还可以包括在生命周期内的各时间节点所对应的故障频次，故障频次是指在生命周期的某时间节点(例如一年内)发生故障的次数。生命周期的起点是购车日期，生命周期内的各时间节点可以以年为最小单位。
S204：基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
终端可以爬取目标车型的车辆的上市时长，也可以获取目标车型的上市日期，并基于当前日期以及每个目标车型的上市日期，计算当前日期与每个目标车型的上市日期之间的差值的绝对值，得到目标车型的车辆的上市时长。
终端基于每种目标车型对应的历史车型、所有历史车型各自对应的故障信息中包含的历史故障车型，从目标车型中确定历史故障车型对应的故障车型，以预测目标车型中的故障车型；基于每种目标车型的车辆的上市时长、所有历史车型各自对应的故障信息中包含的发生故障的时间节点，确定故障车型当前可能发生故障的故障概率，基于所有历史车型各自对应的故障信息中包含的故障原因，预测故障车型可以发生故障的故障原因。
其中，当目标车型的车辆的上市时长小于历史故障车型发生故障的时间节点对应的购买时长时，目标车型的车辆的上市时长与历史故障车型发生故障的时间节点对应的购买时长越接近，故障车型当前可能发生故障的故障概率越高。当目标车型的车辆的上市时长大于或等于历史故障车型发生故障的时间节点对应的购买时长时，目标车型的车辆的上市时长与历史故障车型发生故障的时间节点对应的购买时长偏离越远，故障车型当前可能发生故障的故障概率越高。
在另一实施方式中，当查找到任意目标车型对应的历史故障车型时，基于该目标车型的上市时长以及该历史故障车型对应的发生故障的时间节点，确定该目标车型当前发生故障的概率，基于该历史故障车型对应的故障部件以及故障原因，预测该目标车型的车辆当前可能发生故障的故障原因以及故障部件。其中，当该目标车型的上市时长小于该历史故障车型对应的发生故障的时间节点时，该目标车型的上市时长与该历史故障车型对应的发生故障的时间节点越接近，发生历史故障车型已发生的故障的概率越大。例如，第一目标车型的上市时长为1年，第一目标车型的历史故障车型对应的发生故障的时间节点为购买后1年内，那么第一目标车型的车辆当前发生故障的概率较大。
当该目标车型的上市时长大于或等于该历史故障车型对应的发生故障的时间节点时，该目标车型的上市时长与该历史故障车型对应的发生故障的时间节点偏离越远，发生历史故障车型已发生的故障的概率越大。
可以理解的是，当故障信息中包含在生命周期内的各时间节点所对应的故障频次时，终端可以基于目标车型的上市时长确定当前日期在生命周期内所处的目标时间节点，并基于该目标车型对应的历史故障车型在该目标时间节点发生故障的故障频次，预测目标车型的车辆当前发生故障的故障概率。其中，历史故障车型在该目标时间节点发生故障的故障频次的数值越大，目标车型的车辆当前发生故障的故障概率越大。
或者，当故障信息中包含在生命周期内的各时间节点所对应的故障频次时，终端可以基于目标车型的上市时长确定当前日期在生命周期内所处的目标时间节点，基于目标时间节点、目标车型对应的历史故障车型发生故障的时间节点，计算目标时间节点与发生故障的时间节点之间的差值，基于该差值以及发生故障的时间节点所对应的故障频次，确定目标车型中的故障车型的故障概率。
该差值可以是正数，也可以是负数，当该差值越小发生故障的概率越低；当该差值越大发生故障的概率越高。
具体地，可以预先设置多个差值区间，每个差值区间基于故障频次设置相应的故障概率，终端在计算得到目标时间节点与发生故障的时间节点之间的差值时，确定该差值所属的目标差值区间，基于差值区间与故障概率之间的预设对应关系，确定目标差值区间对应的故障概率。
进一步地，S204可以包括S2041～S2045，具体如下：
S2041：基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长。
终端获取目标车型的上市日期，并基于当前日期以及每个目标车型的上市日期，计算当前日期与每个目标车型的上市日期之间的差值的绝对值，得到目标车型的车辆的上市时长。上市日期是指新车型的发布时间，或在市场上开始销售的时间。例如，上市时长＝当前日期-上市日期。上市时长的最小单位可以为天，也可以为月或年，具体可根据实际情况进行设置，此处不做限制。
S2042：基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点。
车辆的生命周期内包括多个时间节点，比如，购买后1年、购买后18个月、购买后2年、购买后3年、购买后5年、购买后10年、购买后15年等。时间节点可根据车辆允许行驶的最大里程数以及一年行驶的里程数进行设置。
终端可以从生命周期包含的多个时间节点中，选择与上市时长最接近的时间节点作为目标时间节点。
S2043：基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型。
终端基于每个历史车型对应的故障信息中包含的历史故障车型，每种目标车型对应的历史车型，查找每个目标车型对应的历史故障车型。
当查找到任意目标车型对应的历史故障车型时，执行S2044。
当未查找到任意目标车型对应的历史故障车型时，结束本次流程。
S2044：基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率。
当查找到任意目标车型对应的历史故障车型时，基于该历史故障车型的故障信息中发生故障的时间节点、故障车型对应的目标时间节点，计算目标时间节点与发生故障的时间节点两者之间的时长差值的绝对值，基于计算得到的时长差值的绝对值预测故障车型对应的故障概率。
其中，当目标时间节点小于发生故障的时间节点时，时长差值的绝对值越小，故障车型对应的故障概率越大；当目标时间节点大于或等于发生故障的时间节点时，时长差值的绝对值越大，故障车型对应的故障概率越大。
S2045：基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
终端基于查找到的任意目标车型对应的历史故障车型的故障信息中包含的故障部件以及故障原因，预测目标车型中的故障车型的车辆当前可能发生故障的目标故障原因以及目标故障部件。
S205：基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
本实施例中S205与上一实施例中的S104相同，具体请参阅上一实施例中S104的相关秒速，此处不赘述。
进一步地，为了便于制作汽车维修视频教程的专家有针对较大概率发生故障的目标车型制作汽车维修视频教程，以满足修车技师在解决汽车故障时对视频教程的需求，S205可以包括S2051～S2052，具体如下：
S2051：基于所述故障概率，按从高到低的顺序筛选出第一数目的目标故障车型。
第一数目可以为10、20、50，具体可根据实际需要进行设置，此处不做限制。
S2052：基于所述目标故障车型的故障概率以及故障原因确定待推荐的视频制作信息。
待推荐的视频制作信息包括目标车型中的故障车型以及每个故障车型对应的故障概率和故障原因。
终端在筛选出故障概率较高的第一数目的故障车型时，并将筛选出的故障车型、每个故障车型对应的故障概率和故障原因，推荐给录制汽车维修视频的专家，以便录制汽车维修视频的专家基于故障车型以及故障概率制作汽修视频教程。
可以理解的是，在S205之后，还可以包括：将确定的待推荐的视频制作信息推送至预设的用户账户，以便使用该用户账户的用户在获取到视频推荐消息时，能够针对故障车型以及故障原因制作汽车维修视频。
预设的用户账户为预先设置了订阅视频推荐消息的账户。
上述方案，通过获取与待统计的目标车型相关的历史车型的历史维修信息，基于获取到的历史维修信息预测在未来一段时间内目标车型中可能发生故障的故障车型，以及预测故障车型的故障概率以及故障原因，并基于故障车型的故障概率以及故障原因确定待推荐的视频制作信息，以通过视频制作信息提示相关人员针对故障车型以及故障原因制作汽车维修视频。这样一来，制作维修视频教程的专家在获取到待推荐的视频制作信息时，可以基于故障车型的概率以及故障原因制作汽车维修视频教程；当目标车型中的故障车型的车辆真正发生车辆故障时，维修技师可以下载相应的视频教程进行学习，以满足维修技师对处理车辆故障的视频教程的需求。
终端可以筛选出故障概率较高的故障车型，得到当前可能较热门的故障车型，并针对该故障车型的故障原因制作汽车维修视频教程，从而使得汽车维修技师能够获取到较热门故障车型对应的汽车维修视频教程，便于汽车维修技师更快、更准确地确定故障原因并进行维修。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
请参阅图3，图3是本申请实施例提供的一种推荐视频制作信息的装置，推荐视频制作信息的装置包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。参见图3，推荐视频制作信息的装置3包括：
第一获取单元310，用于获取待统计的所有目标车型的信息；
第二获取单元320，用于获取与所述目标车型相关的历史车型的历史维修信息；
预测单元330，用于基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
推荐单元340，用于基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
请参阅图4，图4是本申请另一实施例提供的一种推荐视频制作信息的装置，推荐视频制作信息的装置包括的各单元用于执行图2对应的实施例中的各步骤。具体请参阅图2对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。相对于图3对应的实施例，本实施例中预测单元430包括统计单元431以及故障预测单元432。具体请参见图4，推荐视频制作信息的装置4包括：
第一获取单元410，用于获取待统计的所有目标车型的信息；
第二获取单元420，用于获取与所述目标车型相关的历史车型的历史维修信息。
统计单元431，用于基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定；
故障预测单元432，用于基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
推荐单元440，用于基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
进一步地，故障预测单元432具体用于：
基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长；
基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点；
基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型；
基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率；
基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
进一步地，推荐单元440具体用于：基于所述故障概率，按从高到低的顺序筛选出第一数目的目标故障车型；基于所述目标故障车型的故障概率以及故障原因确定待推荐的视频制作信息。
进一步地，第一获取单元410具体用于：
获取新发布的车型的订单信息；
基于所述订单信息统计每款所述车型的销量；
基于每款所述车型的销量，按从高到低的顺序筛选出预设数目的目标车型。
图5是本申请一实施例提供的推荐视频制作信息的设备的示意图。如图5所示，该实施例的推荐视频制作信息的设备5包括：处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52，例如视频推荐程序。所述处理器50执行所述计算机程序52时实现上述各个推荐视频制作信息的方法实施例中的步骤，例如图1所示的步骤101至104。或者，处理器50执行计算机程序52时实现上述各装置实施例中各单元的功能，例如图3所示模块310至340的功能。
示例性的，所述计算机程序52可以被分割成一个或多个模块/单元，所述一个或者多个单元被存储在所述存储器51中，并由所述处理器50执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序52在所述推荐视频制作信息的设备5中的执行过程。例如，所述计算机程序52可以被分割成第一获取单元、第二获取单元、预测单元以及推荐单元，各单元具体功能如上所述。
所述推荐视频制作信息的设备5可包括，但不仅限于，处理器50、存储器51。本领域技术人员可以理解，图5仅是推荐视频制作信息的设备5的示例，并不构成对推荐视频制作信息的设备5的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如推荐视频制作信息的设备5还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述推荐视频制作信息的设备5的内部存储单元，例如推荐视频制作信息的设备5的硬盘或内存。所述存储器51也可以是所述推荐视频制作信息的设备5的外部存储设备，例如推荐视频制作信息的设备5上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器51还可以既包括推荐视频制作信息的设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述推荐视频制作信息的设备5所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的推荐视频制作信息的装置和方法，可以通过其它的方式实现。例如，以上所描述的推荐视频制作信息的装置实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(RandomAccess Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种推荐视频制作信息的方法，其特征在于，包括：
获取待统计的所有目标车型的信息；
获取与所述目标车型相关的历史车型的历史维修信息；
基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
2.如权利要求1所述的推荐视频制作信息的方法，其特征在于，所述基于所述历史维修信息预测所述目标车型的车辆发生故障的概率以及故障原因，包括：
基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定；
基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
3.如权利要求2所述的推荐视频制作信息的方法，其特征在于，所述基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因，包括：
基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长；
基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点；
基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型；
基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率；
基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
4.如权利要求1所述的推荐视频制作信息的方法，其特征在于，所述基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息，包括：
基于所述故障概率，按从高到低的顺序筛选出第一数目的目标故障车型；
基于所述目标故障车型的故障概率以及故障原因确定待推荐的视频制作信息。
5.如权利要求1至4任一项所述的推荐视频制作信息的方法，其特征在于，所述获取待统计的目标车型的信息，包括：
获取新发布的车型的订单信息；
基于所述订单信息统计每款所述车型的销量；
基于每款所述车型的销量，按从高到低的顺序筛选出预设数目的目标车型。
6.一种推荐视频制作信息的装置，其特征在于，包括：
第一获取单元，用于获取待统计的所有目标车型的信息；
第二获取单元，用于获取与所述目标车型相关的历史车型的历史维修信息；
预测单元，用于基于所述历史维修信息预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因；
推荐单元，用于基于所述故障车型的故障概率以及故障原因确定待推荐的视频制作信息；所述待推荐的视频制作信息用于提示相关人员基于所述故障车型以及所述故障原因制作汽车维修视频。
7.如权利要求6所述的推荐视频制作信息的装置，其特征在于，所述预测单元包括：
统计单元，用于基于所述历史维修信息，统计每种所述历史车型对应的故障信息；所述故障信息包括历史故障车型、发生故障的时间节点、故障部件以及故障原因；所述时间节点基于购买日期确定；
故障预测单元，用于基于所述目标车型的车辆的上市时长、所述历史车型对应的所述故障信息，预测所述目标车型中的故障车型，以及预测所述故障车型的故障概率以及故障原因。
8.如权利要求7所述的推荐视频制作信息的装置，其特征在于，所述故障预测单元具体用于：
基于所述目标车型的车辆的上市日期、当前日期，确定所述目标车型的车辆的上市时长；
基于所述上市时长确定所述目标车型的车辆在生命周期内所处的目标时间节点；
基于所述故障信息中的历史故障车型、每种所述目标车型对应的历史车型，确定所述目标车型中故障车型；
基于所述故障信息中的所述发生故障的时间节点、所述故障车型对应的目标时间节点，预测所述故障车型对应的故障概率；
基于与所述历史故障车型关联的故障部件以及故障原因，确定每个所述故障车型对应的目标故障部件以及目标故障原因。
9.一种推荐视频制作信息的设备，所述推荐视频制作信息的设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910543671.5A CN110377793B (zh) | 2019-06-21 | 2019-06-21 | 一种推荐视频制作信息的方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910543671.5A CN110377793B (zh) | 2019-06-21 | 2019-06-21 | 一种推荐视频制作信息的方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110377793A true CN110377793A (zh) | 2019-10-25 |
| CN110377793B CN110377793B (zh) | 2022-09-06 |
Family
ID=68250620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910543671.5A Active CN110377793B (zh) | 2019-06-21 | 2019-06-21 | 一种推荐视频制作信息的方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110377793B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915184A (zh) * | 2020-07-30 | 2020-11-10 | 上海数策软件股份有限公司 | 汽车行业零件质量早期预警方法及存储介质 |
| CN113911015A (zh) * | 2021-12-06 | 2022-01-11 | 杭州网兰科技有限公司 | 故障车辆处理指导系统、方法及计算机装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
| CN107153914A (zh) * | 2017-04-18 | 2017-09-12 | 交通运输部公路科学研究所 | 一种汽车运行风险的评价系统及方法 |
| CN107451196A (zh) * | 2017-07-03 | 2017-12-08 | 李洪海 | 信息推荐方法、装置、设备及系统 |
| CN108415401A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种工程车辆检测维修数据管理方法及系统 |
| CN108628279A (zh) * | 2017-03-21 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云计算汽车异常数据流的分析方法 |
| CN108803559A (zh) * | 2018-04-28 | 2018-11-13 | 北京汽车集团有限公司 | 车辆故障分析方法、装置和系统 |
| CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
| CN109272603A (zh) * | 2018-10-26 | 2019-01-25 | 北京长城华冠汽车技术开发有限公司 | 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统 |
-
2019
- 2019-06-21 CN CN201910543671.5A patent/CN110377793B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105956669A (zh) * | 2016-05-06 | 2016-09-21 | 深圳市元征科技股份有限公司 | 一种车辆维修策略推送方法及装置 |
| CN108628279A (zh) * | 2017-03-21 | 2018-10-09 | 北京爱德盛业科技有限公司 | 一种基于云计算汽车异常数据流的分析方法 |
| CN107153914A (zh) * | 2017-04-18 | 2017-09-12 | 交通运输部公路科学研究所 | 一种汽车运行风险的评价系统及方法 |
| CN107451196A (zh) * | 2017-07-03 | 2017-12-08 | 李洪海 | 信息推荐方法、装置、设备及系统 |
| CN108415401A (zh) * | 2018-01-19 | 2018-08-17 | 杭州砺玛物联网科技有限公司 | 一种工程车辆检测维修数据管理方法及系统 |
| CN108803559A (zh) * | 2018-04-28 | 2018-11-13 | 北京汽车集团有限公司 | 车辆故障分析方法、装置和系统 |
| CN108919776A (zh) * | 2018-06-19 | 2018-11-30 | 深圳市元征科技股份有限公司 | 一种故障评估方法及终端 |
| CN109272603A (zh) * | 2018-10-26 | 2019-01-25 | 北京长城华冠汽车技术开发有限公司 | 车辆故障分析数据库及构建方法、故障预测方法、故障预测系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111915184A (zh) * | 2020-07-30 | 2020-11-10 | 上海数策软件股份有限公司 | 汽车行业零件质量早期预警方法及存储介质 |
| CN113911015A (zh) * | 2021-12-06 | 2022-01-11 | 杭州网兰科技有限公司 | 故障车辆处理指导系统、方法及计算机装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110377793B (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110377793A (zh) | 一种推荐视频制作信息的方法、装置及设备 | |
| CN109447294A (zh) | 维修专家预约方法、装置、终端设备及存储介质 | |
| CN106296357A (zh) | 基于电商平台的智能推荐食谱的方法、装置及设备 | |
| CN109815389A (zh) | 应用规则引擎的节点匹配方法、装置以及计算机设备 | |
| US20150066806A1 (en) | Quantitative product feature analysis | |
| US20070250401A1 (en) | Searching method and apparatus | |
| CN103955821A (zh) | 一种充值方法和充值终端以及充值服务器 | |
| CN112750011A (zh) | 商品推荐方法、装置和电子设备 | |
| CN108647791A (zh) | 一种多源汽车安全信息的处理方法、装置及系统 | |
| CN110221145A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
| CN104166709A (zh) | 信息推荐方法和装置 | |
| CN104657457B (zh) | 一种用户评价视频的数据处理方法、视频推荐方法及装置 | |
| CN109886729A (zh) | 预测点击概率的方法、装置、电子设备及可读存储介质 | |
| CN110083633A (zh) | 基于大数据分析的公估公司评价方法、装置、终端及介质 | |
| CN108614843B (zh) | 网站内容的评估方法及装置 | |
| CN109743385A (zh) | 里程计算方法、装置以及存储介质 | |
| TW201014220A (en) | System for automatically monitoring performance and diagnosing problem of mobile network and method thereof | |
| CN109255685A (zh) | 基于区块链的电池状态数据的共享方法及装置 | |
| US9779410B2 (en) | Network-implemented methods and systems for providing dynamic product pricing | |
| US20150127306A1 (en) | Apparatus and method for creating a power consumption model and non-transitory computer readable storage medium thereof | |
| US20160042141A1 (en) | Integrated assessment of needs in care management | |
| CN111858573A (zh) | 智能设备的性能指标展示方法及装置 | |
| CN116611633A (zh) | 车辆的排产方法、装置及电子设备 | |
| US11068772B2 (en) | Systems and methods for automatic apparel wearability model training and prediction | |
| CN115829190A (zh) | 一种基于大数据的供应链管理系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant after: GOLO IOV DATA TECHNOLOGY Co.,Ltd. Address before: Bantian street, Longgang District of Shenzhen City, Guangdong province 518000 yuan and five Avenue sign technology plant No. 1 building 4 floor Applicant before: GOLO IOV DATA TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |