CN110738332B - 事故车辆鉴定方法及系统、存储介质 - Google Patents
事故车辆鉴定方法及系统、存储介质 Download PDFInfo
- Publication number
- CN110738332B CN110738332B CN201910924677.7A CN201910924677A CN110738332B CN 110738332 B CN110738332 B CN 110738332B CN 201910924677 A CN201910924677 A CN 201910924677A CN 110738332 B CN110738332 B CN 110738332B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fault
- accident
- detected
- determining
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000003745 diagnosis Methods 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims abstract description 54
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 230000007257 malfunction Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000002791 soaking Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例公开了事故车辆鉴定方法及系统、存储介质,方法包括:确定待检车辆的型号对应的故障详情‑故障码‑车辆系统的映射关系;根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型;根据所述系统故障诊断模型,进行事故车辆判定。上述方法将检测数据中包含的故障码与故障详情和车辆系统关联起来,从而实现了对事故车辆的量化检测,有利于提高事故车辆检测的准确性。
Description
技术领域
本申请涉及汽车鉴定技术领域,尤其涉及事故车辆鉴定方法及系统、存储介质。
背景技术
车辆发生火烧、泡水以及类似于碰撞、侧翻等事故后,经过专业汽车检修人员的修复,仍然可以继续使用。但是这些事故会导致车辆存在无法根本修复的隐性故障,例如线速短路、传感器间断性失灵等,给驾驶人造成极大的不确定性危险。此类事故二手车整修后流入市场,在没有专业、可靠的技术人员鉴定指导下,无法准确鉴别出来。
4S店、修理厂以及二手车交易市场,会有专业的技师对交易的二手车进行车辆评估。专业的技师会依据车辆检修原理、故障原理,并结合车辆外观、ABS、内饰、发动机仓、行李箱、底盘与可能的故障原因,进行异常检查,凭借一处或多处显性特征评判车辆是否为事故车辆。但是,此类方法借助经验丰富的专业技师进行鉴定,由于实际二手车交易过程中,买卖双方的信息不对称性导致鉴定结果不具有可靠性。此外,泡水、火烧车和事故车,经过专业维修后,基本可以掩盖外在异常表现,但是内在线束短路、电子控制块和传感器异常,一般难以瞬时检测出来,只有在故障车辆经过一段时间使用后,此类故障才会逐渐表现出来。
因此,如何实现事故车辆的量化检测,提高事故车辆鉴定的准确性,是亟待解决的问题。
发明内容
本申请实施例提供一种事故车辆鉴定方法及系统、存储介质,以实现事故车辆的量化检测,提高事故车辆鉴定的准确性。
第一方面,本申请实施例提供了一种事故车辆鉴定方法,应用于服务器,包括:
例如当需要对待检车辆进行事故车辆鉴定时,事故车辆鉴定系统确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系。其中,所述故障详情包括以下至少一种:车轮及轴承异常;曲柄连杆机构故障;气缸漏气;进排气门漏气;变速箱变形,油路阻塞;线束短路、断路;电器设备损坏;电子系统通信故障;安全气囊故障。所述车辆系统包括:发动机系统、底盘系统、车身系统、电器设备系统、电子系统。根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型;根据所述系统故障诊断模型,进行事故车辆判定。
可以看出,上述事故车辆鉴定方案中,引入了新的事故车辆鉴定的方式,将检测数据中包含的故障码与故障详情和车辆系统关联起来,从而实现了对事故车辆的量化检测,有利于提高事故车辆检测的准确性。
在一些可能的实施方式中,确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系,可包括:根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情;确定所述多种故障详情分别对应的一个或多个故障码;确定每个所述故障码分别对应的车辆系统;确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码;分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
根据车辆事故场景、事故原因挖掘火烧、泡水、事故车辆的具体故障详情,当车辆发生故障时会生成一个或多个故障码,因此故障详情和故障码具有关联性。其中,故障详情包括以下至少一种:车轮及轴承异常;曲柄连杆机构故障;气缸漏气;进排气门漏气;变速箱变形,油路阻塞;线束短路、断路;电器设备损坏;电子系统通信故障;安全气囊故障。
故障码的含义指向四个部分:电子模块、线速、传感器、零部件。这四者共同决定了故障发生的系统类型,因此故障码和车辆系统具有关联性,故障码的种类和数量表示了该系统涉及的零部件种类和重要性,可以根据故障码与车辆系统的从属关系,得到各个车辆系统下的故障码集合。其中,车辆系统包括:发动机系统、底盘系统、车身系统、电器设备系统、电子系统。
例如:某事故场景对应故障详情车轮及轴承异常,车轮及轴承异常对应P123、P132、P213、P231、P312、P321六个故障码,六个故障码分别对应底盘系统、底盘系统、车身系统、车身系统、发动机系统、发动机系统,将上述对应关系串联起来,则得到了车轮及轴承异常-P123-底盘系统、车轮及轴承异常-P132-底盘系统、车轮及轴承异常-P213-车身系统、车轮及轴承异常-P231-车身系统、车轮及轴承异常-P312-发动机系统、车轮及轴承异常-P321-发动机系统,六个故障详情-故障码-车辆系统的映射关系。
统计每个车辆系统下不同种类的故障码数量在所有所述车辆系统对应的故障码集合中的占比,用于表示所述车辆系统的权重。
在一些可能的实施方式中,根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型,包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合与所述第一故障码集合的交集,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型。
所述检测数据包括预设时间范围内的一条或多条检测数据。事故车辆鉴定系统获取所述一条或多条检测数据中包含的故障码,并形成第二故障码集合。所述第二故障码集合包括所述一条或多条检测数据中包含的故障码。
可以理解,所述第二故障码集合中可能存在未与故障详情和车辆系统形成映射关系的故障码。
例如,令第二故障码集合为S0,获取检测数据中包含的故障码后得到:S0={P0273,U1822,U1362,B0372,P0245,B1447}。取第二故障码集合S0与第一故障码集合S的交集S′,得到S′=S0∩S={U1362,P0245,B1447},表示U1362、P0245、B1447三个故障码可以与故障详情和车辆系统形成映射关系。
所述系统故障诊断模型表征待检车辆发生故障的车辆系统种类以及故障分散程度,包括第二故障码集合S0与第一故障码集合S的交集S′。可以理解,且/>S′i表示所述检测数据中与各个车辆系统形成映射关系的故障码集合。且所述系统故障诊断模型还包括通过集合S′i映射的待检车辆发生故障的车辆系统。
在一些可能的实施方式中,根据所述系统故障诊断模型,进行事故车辆判定,包括:根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率;若所述概率大于预设阈值,判定待检车辆为事故车。
其中,所述待检车辆为事故车的概率与待检车辆的型号对应的系统权重以及检测数据中包含的故障码相关。
第二方面,本申请实施例还提供一种事故车辆鉴定系统,包括:
确定单元,用于确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系;
诊断单元,用于根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型;
判定单元,用于根据所述系统故障诊断模型,进行事故车辆判定。
在一些可能的实施方式中,所述确定单元具体包括:
第一确定单元,用于根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情;
第二确定单元,用于确定所述多种故障详情分别对应的一个或多个故障码;
第三确定单元,用于确定每个所述故障码分别对应的车辆系统;
第四确定单元,确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码;
计算单元,用于分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
第三方面,本申请实施例还提供一种应用于服务器,包括:
输入装置、输出装置、存储器和处理器;
所述存储器中存储有计算机程序,所述处理器用于调用所述计算机程序执行本申请实施例中由事故车辆鉴定系统执行的任意一种方法的部分或全部步骤。
第四方面,本申请实施例还提供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,所述计算机程序被硬件(例如处理器等)执行,以本申请实施例中由事故车辆鉴定系统执行的任意一种方法的部分或全部步骤。
第五方面,本申请实施例提供了一种包括指令的计算机程序产品,当所述计算机程序产品在事故车辆鉴定系统上运行时,使得所述事故车辆鉴定系统执行以上各方面的事故车辆鉴定方法的部分或全部步骤。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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是本申请实施例提供的一种通信系统的结构示意图;
图2是本申请实施例提供的一种事故车辆鉴定系统的结构示意图;
图3是本申请实施例提供的一种事故车辆鉴定方法的流程示意图;
图4是图3中的步骤301的进一步实现的流程示意图;
图5是图3中的步骤302的进一步实现的流程示意图;
图6是图3中的步骤303的进一步实现的流程示意图;
图7是本申请实施例提供的一种事故车辆鉴定方法的UML用例图;
图8是本申请实施例提供的一种事故车辆鉴定系统的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
下面对本申请实施例进行详细介绍。
首先请参见图1,图1是本申请实施例提供的一种事故车辆鉴定系统的结构示意图,上述事故车辆鉴定系统可包括通过网络或数据线路互连的事故车辆鉴定设备110、用户端120和检测设备130。事故车辆鉴定设备110具有事故车辆鉴定功能和信息收发功能。用户端120具有信息接收功能。检测设备130具有检测和信息发送功能。
参见图2,图2是本申请实施例举例的一种事故车辆鉴定设备的结构示意图,事故车辆鉴定设备110可以包括:确定单元111、诊断单元112、判定单元113。确定单元111主要用于确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系;诊断单元112主要用于根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型;判定单元113主要用于根据所述系统故障诊断模型,进行事故车辆判定。当然,事故车辆鉴定设备110的模块架构并不限于上述举例。
本申请实施例的技术方案可以基于图1举例所示架构的事故车辆鉴定系统或其形变架构来具体实施。
下面通过一些更为具体的场景进行描述。
参见图3,图3是本申请实施例提供的一种事故车辆鉴定方法的流程示意图,这种方法可包括但不限于如下步骤。
301、确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系。
其中包括:根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情;确定所述多种故障详情分别对应的一个或多个故障码;确定每个所述故障码分别对应的车辆系统;确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码;分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
根据车辆事故场景、事故原因挖掘火烧、泡水、事故车辆的具体故障详情,当车辆发生故障时会生成一个或多个故障码,因此故障详情和故障码具有关联性。其中,故障详情包括以下至少一种:车轮及轴承异常;曲柄连杆机构故障;气缸漏气;进排气门漏气;变速箱变形,油路阻塞;线束短路、断路;电器设备损坏;电子系统通信故障;安全气囊故障。
故障码的含义指向四个部分:电子模块、线速、传感器、零部件。这四者共同决定了故障发生的系统类型,因此故障码和车辆系统具有关联性,故障码的种类和数量表示了该系统涉及的零部件种类和重要性,可以根据故障码与车辆系统的从属关系,得到各个车辆系统下的故障码集合。其中,车辆系统包括:发动机系统、底盘系统、车身系统、电器设备系统、电子系统。
例如:某事故场景对应故障详情车轮及轴承异常,车轮及轴承异常对应P123、P132、P213、P231、P312、P321六个故障码,六个故障码分别对应底盘系统、底盘系统、车身系统、车身系统、发动机系统、发动机系统,将上述对应关系串联起来,则得到了车轮及轴承异常-P123-底盘系统、车轮及轴承异常-P132-底盘系统、车轮及轴承异常-P213-车身系统、车轮及轴承异常-P231-车身系统、车轮及轴承异常-P312-发动机系统、车轮及轴承异常-P321-发动机系统,六个故障详情-故障码-车辆系统的映射关系。
统计每个车辆系统下不同种类的故障码数量在所有所述车辆系统对应的故障码集合中的占比,用于表示所述车辆系统的权重。
302、根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型。
其中包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合与所述第一故障码集合的交集,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型。
根据待检车辆的历史检测数据,得到所述待检车辆所报故障码集合,并筛选出其中符合车辆系统对应的故障码集合中的子集,然后将所报故障码分别映射到各车辆系统。
303、根据所述系统故障诊断模型,进行事故车辆判定。
其中包括,根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率;若所述概率大于预设阈值,判定待检车辆为事故车。
根据所述系统故障诊断模型,可以确定待检车辆发生故障的系统种类,以及故障分散的程度。火烧、泡水和事故车辆在故障上的特征表现为:故障码产生的系统类型越分散、故障种类越多,对应为事故车的概率越大。
可以理解,通过对系统设定不同的权重,以及概率阈值,即可对车辆是否为事故车进行定量判定。其中权重和阈值需要根据不同车辆品牌诊断数据中的事故车比例进行设定。
参见图4,图4是图3中的步骤301的进一步实现的流程示意图,可包括但不限于如下步骤:
3011、根据事故场景、事故原因确定待检车辆的型号对应的多种故障详情。
其中,所述多种故障详情包括:车轮及轴承异常;曲柄连杆机构故障;气缸漏气;进排气门漏气;变速箱变形,油路阻塞;线束短路、断路;电器设备损坏;电子系统通信故障;安全气囊故障。
3012、确定所述多种故障详情分别对应的一个或多个故障码。
在一些可能的实施方式中,一种故障详情可以对应多个故障码,则该故障详情-故障码的对应关系有多个。确定所述多种故障详情分别对应的一个或多个故障码,是将待检车辆的故障表象与诊断数据进行关联。一种故障表象对应的故障零部件可以是一个或多个。
3013、确定每个所述故障码分别对应的车辆系统。
其中,所述车辆系统包括:发动机系统、底盘系统、车身系统、电器设备系统、电子系统。
在一些可能的实施方式中,多个故障码可以对应同一个车辆系统,故障码-车辆系统的对应关系只有一个,车辆系统-故障码的对应关系可以有多个。
3014、确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码。
可以理解,第一故障码集合中的故障码都存在一个车辆系统和一个或多个故障详情与之形成故障详情-故障码-车辆系统的映射关系。
3015、分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
在一些可能的实施方式中,令:
S={Si},i=1,2,3,4,5 (1)
其中,S为第一故障码集合,Si为每个车辆系统对应的故障码集合。则系统权重wi为:
可以理解,不同型号车辆的车辆系统的权重基于不同型号车辆的诊断数据统计得到。统计每个车辆系统下不同种类的故障码总数在所有故障码集合中的占比,用于表示该车辆系统的权重。
参见图5,图5是图3中的步骤302的进一步实现的流程示意图,可包括但不限于如下步骤:
3021、获取所述检测数据中包含的故障码,得到第二故障码集合。
在一些可能的实施方式中,所述检测数据包括预设时间范围内的一条或多条检测数据。事故车辆鉴定系统的诊断单元获取所述一条或多条检测数据中包含的故障码,并形成第二故障码集合。所述第二故障码集合包括所述一条或多条检测数据中包含的故障码。
3022、计算第二故障码集合与所述第一故障码集合的交集,对应得到出现故障的车辆系统。
可以理解,所述第二故障码集合中可能存在未与故障详情和车辆系统形成映射关系的故障码。
例如,令第二故障码集合为S0,获取检测数据中包含的故障码后得到:S0={P0273,U1822,U1362,B0372,P0245,B1447}。取第二故障码集合S0与第一故障码集合S的交集S′,得到S′=S0∩S={U1362,P0245,B1447},表示U1362、P0245、B1447三个故障码可以与故障详情和车辆系统形成映射关系。
3023、根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型。
其中,所述系统故障诊断模型包括第二故障码集合S0与第一故障码集合S的交集S′:
S′={S′i},i=1,2,3,4,5 (3)
可以理解,且/>S′i表示所述检测数据中与各个车辆系统形成映射关系的故障码集合。
且所述系统故障诊断模型还包括通过集合S′i映射的待检车辆发生故障的车辆系统,因此所述系统故障诊断模型表征待检车辆发生故障的车辆系统种类以及故障分散程度。
参见图6,图6是图3中的步骤303的进一步实现的流程示意图,可包括但不限于如下步骤:
3031、根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率。
在一些可能的实施方式中,所述待检车辆为事故车的概率与待检车辆的型号对应的系统权重以及检测数据中包含的故障码相关。所述待检车辆为事故车的概率P(S′)的计算公式如下:
其中,wi标识车辆系统的权重,S′i表示所述检测数据中与各个车辆系统形成映射关系的故障码集合。
3032、判断所述概率是否大于预设阈值。
在一些可能的实施方式中,所述预设阈值的设定方法为:取n辆车,其中m辆车为事故车,对所述m辆事故车进行概率计算,所述m辆车的鉴定概率按从小到大排序,取最后四分位处的事故概率作为阈值。
3033、若判断结果为是,判定待检事故车辆为事故车。
3034、若判断结果为否,判定待检事故车辆不为事故车。
参见图7,图7是本申请实施例提供的一种事故车辆鉴定方法的UML用例图,图7所示方法中,事故车辆鉴定设备的模块结构可如图2举例所示,这种方法可包括但不限于如下步骤:
701、检测设备向事故车辆鉴定系统发送待检车辆的型号信息。
其中,待检车辆的型号信息可以是检测设备通过无线或有线网络发送给事故车辆鉴定系统,也可以通过工作人员输入事故车辆鉴定系统。
702、事故车辆鉴定设备确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系。
具体地,可以是事故车辆鉴定设备中的确定单元执行上述确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系的步骤。
其中包括:获取车辆常见事故场景和事故原因信息;根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情;确定所述多种故障详情分别对应的一个或多个故障码;确定每个所述故障码分别对应的车辆系统。将所述三个对应关系串联,可得到包含故障详情、故障码、车辆系统三者的映射关系。
703、事故车辆鉴定系统的确定单元分别计算每个所述车辆系统的权重。
其中包括:确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码;分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
其中,第一故障码集合中包括的故障码可以不是所述待检车辆的型号对应的全部故障码。
704、事故车辆鉴定系统的确定单元向诊断单元输出所述映射关系和所述车辆系统的权重信息。
705、检测设备向事故车辆鉴定系统发送检测数据信息。
其中,所述检测数据信息包括待检车辆在预设日期范围内的一条或多条诊断记录数据,所述诊断记录数据包括一个或多个检测出的故障码。
706、事故车辆鉴定系统的诊断单元根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型。
其中包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合与所述第一故障码集合的交集,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型。
707、事故车辆鉴定系统的诊断单元向判定单元输出系统故障诊断模型信息。
708、事故车辆鉴定系统的判定单元根据所述系统故障诊断模型,进行事故车辆判定。
其中包括:根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率;若所述概率大于预设阈值,判定待检车辆为事故车。
709、事故车辆鉴定系统的判定单元向用户端发送判定结果信息。
参见图8,本申请实施例提供了一种服务器800,包括:
输入装置810、输出装置820、存储器830和处理器840;例如输入装置810、输出装置820、存储器830和处理器840通过总线850耦合。
处理器840可以是一个或多个中央处理器(Central Processing Unit,CPU),在处理器840是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
处理器840用于读取所述存储器830中存储的程序代码,与输入装置810和输出装置820配合执行本申请上述实施例中由服务器800执行的方法的部分或全部步骤。
具体例如:
输入装置810用于:接收待检车辆的型号信息,所述待检车辆的型号信息可以是检测设备通过无线或有线网络发送给事故车辆鉴定系统,也可以通过工作人员输入事故车辆鉴定系统;接收检测数据信息,所述检测数据包括待检车辆在预设日期范围内的一条或多条诊断记录数据,所述诊断记录数据包括一个或多个检测出的故障码。
输出装置820用于:向用户端发送判定结果信息。
处理器840用于:确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系;根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型;根据所述系统故障诊断模型,进行事故车辆判定。
在一些可能的实施方式中,处理器840确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系可包括:根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情;确定所述多种故障详情分别对应的一个或多个故障码;确定每个所述故障码分别对应的车辆系统;确定第一故障码集合,所述第一故障码集合包括所有与所述车辆系统对应的故障码;分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重。
在一些可能的实施方式中,处理器840根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型,可包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合与所述第一故障码集合的交集,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型。
根据待检车辆的历史检测数据,得到所述待检车辆所报故障码集合,并筛选出其中符合车辆系统对应的故障码集合中的子集,然后将所报故障码分别映射到各车辆系统。
在一些可能的实施方式中,处理器840根据所述系统故障诊断模型,进行事故车辆判定,可包括:根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率;若所述概率大于预设阈值,判定待检车辆为事故车。
根据所述系统故障诊断模型,可以确定待检车辆发生故障的系统种类,以及故障分散的程度。火烧、泡水和事故车辆在故障上的特征表现为:故障码产生的系统类型越分散、故障种类越多,对应为事故车的概率越大。
可以理解,通过对系统设定不同的权重,以及概率阈值,即可对车辆是否为事故车进行定量判定。其中权重和阈值需要根据不同车辆品牌诊断数据中的事故车比例进行设定。
以上对本申请实施例进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (6)
1.一种事故车辆鉴定方法,其特征在于,该方法包括:
确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系,包括:根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情,确定所述多种故障详情分别对应的一个或多个故障码,确定每个所述故障码分别对应的车辆系统,确定第一故障码集合,分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重/>;
根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型,包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合/>与第一故障码集合/>的交集/>,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型,其中,所述第一故障码集合/>包括所有与所述车辆系统对应的故障码;
根据所述系统故障诊断模型,进行事故车辆判定,包括:根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率,其中,/>;若所述概率/>大于预设阈值,判定待检车辆为事故车。
2.根据权利要求1所述的事故车辆鉴定方法,其特征在于,所述故障详情包括以下至少一种:车轮及轴承异常;曲柄连杆机构故障;气缸漏气;进排气门漏气;变速箱变形,油路阻塞;线束短路、断路;电器设备损坏;电子系统通信故障;安全气囊故障。
3.根据权利要求1所述的事故车辆鉴定方法,其特征在于,所述车辆系统包括:发动机系统、底盘系统、车身系统、电器设备系统、电子系统。
4.一种事故车辆鉴定系统,其特征在于,该系统包括:
确定单元,用于确定待检车辆的型号对应的故障详情-故障码-车辆系统的映射关系,所述确定单元包括:第一确定单元,用于根据事故场景、事故原因确定所述待检车辆的型号对应的多种故障详情,第二确定单元,用于确定所述多种故障详情分别对应的一个或多个故障码,第三确定单元,用于确定每个所述故障码分别对应的车辆系统,第四确定单元,用于确定第一故障码集合,所述第一故障码集合/>包括所有与所述车辆系统对应的故障码,计算单元,用于分别计算每个所述车辆系统对应的故障码在第一故障码集合中的占比,得到每个所述车辆系统的权重/>;
诊断单元,用于根据所述映射关系和待检车辆的检测数据,构建系统故障诊断模型,包括:获取所述检测数据中包含的故障码,得到第二故障码集合;计算第二故障码集合/>与第一故障码集合/>的交集/>,对应得到出现故障的车辆系统;根据所述交集,得到所述待检车辆发生故障的故障详情-故障码-车辆系统的映射关系,形成系统故障诊断模型,其中,所述第一故障码集合/>包括所有与所述车辆系统对应的故障码;
判定单元,用于根据所述系统故障诊断模型,进行事故车辆判定,包括:根据所述系统故障诊断模型,计算所述待检车辆为事故车的概率,其中,/>;若所述概率/>大于预设阈值,判定待检车辆为事故车。
5.一种事故车辆鉴定系统,其特征在于,该系统包括:
输入装置、输出装置、存储器和处理器,所述存储器中存储有计算机程序,所述处理器用于调用所述计算机程序执行如权利要求1至3中任一项所述的方法。
6.一种计算机可读取存储介质,其特征在于,存储有计算机程序,所述计算机程序被硬件执行以实现如权利要求1至3中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924677.7A CN110738332B (zh) | 2019-09-27 | 2019-09-27 | 事故车辆鉴定方法及系统、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910924677.7A CN110738332B (zh) | 2019-09-27 | 2019-09-27 | 事故车辆鉴定方法及系统、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110738332A CN110738332A (zh) | 2020-01-31 |
CN110738332B true CN110738332B (zh) | 2023-12-05 |
Family
ID=69268220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910924677.7A Active CN110738332B (zh) | 2019-09-27 | 2019-09-27 | 事故车辆鉴定方法及系统、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110738332B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112116059B (zh) * | 2020-09-11 | 2022-10-04 | 中国第一汽车股份有限公司 | 一种车辆故障诊断方法、装置、设备及存储介质 |
CN112947372A (zh) * | 2021-02-05 | 2021-06-11 | 重庆长安汽车股份有限公司 | 一种基于故障码主动上报的远程诊断方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181912A (zh) * | 2014-08-07 | 2014-12-03 | 北京九五智驾信息技术股份有限公司 | 一种车辆诊断仪对车辆故障码的自适应翻译方法 |
CN104331066A (zh) * | 2014-10-14 | 2015-02-04 | 苏州德鲁森自动化系统有限公司 | 一种车辆故障远程诊断方法 |
CN104881907A (zh) * | 2015-04-30 | 2015-09-02 | 北京车音网科技有限公司 | 一种车辆事故信息获取方法和电子设备 |
CN109886820A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 事故车辆识别方法及终端设备 |
CN109885038A (zh) * | 2019-03-28 | 2019-06-14 | 深圳市元征科技股份有限公司 | 一种车辆故障码维修指引方法以及相关设备 |
CN109934362A (zh) * | 2019-02-27 | 2019-06-25 | 深圳市元征科技股份有限公司 | 一种车辆检测的方法、装置及终端设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301333B2 (en) * | 2010-03-24 | 2012-10-30 | GM Global Technology Operations LLC | Event-driven fault diagnosis framework for automotive systems |
-
2019
- 2019-09-27 CN CN201910924677.7A patent/CN110738332B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104181912A (zh) * | 2014-08-07 | 2014-12-03 | 北京九五智驾信息技术股份有限公司 | 一种车辆诊断仪对车辆故障码的自适应翻译方法 |
CN104331066A (zh) * | 2014-10-14 | 2015-02-04 | 苏州德鲁森自动化系统有限公司 | 一种车辆故障远程诊断方法 |
CN104881907A (zh) * | 2015-04-30 | 2015-09-02 | 北京车音网科技有限公司 | 一种车辆事故信息获取方法和电子设备 |
CN109886820A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 事故车辆识别方法及终端设备 |
CN109934362A (zh) * | 2019-02-27 | 2019-06-25 | 深圳市元征科技股份有限公司 | 一种车辆检测的方法、装置及终端设备 |
CN109885038A (zh) * | 2019-03-28 | 2019-06-14 | 深圳市元征科技股份有限公司 | 一种车辆故障码维修指引方法以及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110738332A (zh) | 2020-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9721399B2 (en) | Vehicle diagnosing apparatus, vehicle diagnosing system, and diagnosing method | |
JP6557110B2 (ja) | 状態診断装置及びプログラム | |
CN106813926A (zh) | 用于车辆的故障诊断方法 | |
CN110738332B (zh) | 事故车辆鉴定方法及系统、存储介质 | |
CN111506048B (zh) | 车辆故障预警方法及相关设备 | |
US20190311558A1 (en) | Method and apparatus to isolate an on-vehicle fault | |
CN110633905A (zh) | 智能车云平台可靠性计算方法 | |
CN107045332A (zh) | 用于延迟系统的ecu接地故障隔离设备 | |
CN112606779B (zh) | 一种汽车故障预警方法及电子设备 | |
CN109934362A (zh) | 一种车辆检测的方法、装置及终端设备 | |
CN107945312A (zh) | 一种车辆检测方法及其设备 | |
CN106710027A (zh) | 车载设备的配置方法与装置 | |
US20210365309A1 (en) | Method and System of Performing Diagnostic Flowchart | |
CN114379570A (zh) | 车辆数据操纵和机械故障的自动检测 | |
US20130325203A1 (en) | Methods and systems for monitoring a vehicle for faults | |
CN111855230A (zh) | 一种车辆检测方法及相关设备 | |
CN100528639C (zh) | 车辆系统及其车载诊断设备和方法 | |
US20220327042A1 (en) | Method for testing a product | |
JP6323121B2 (ja) | 未知データ分析装置 | |
Goyal et al. | Smart vehicle: Online prognosis for vehicle health monitoring | |
KR20230165225A (ko) | 섀시 구성 요소의 상태를 결정하기 위한 방법 및 차량 시스템 | |
CN114488994A (zh) | 一种提升车辆故障诊断鲁棒性的优化方法及装置 | |
JP2023022757A (ja) | サーバ、システム、及び端末装置のプログラム | |
CN113189415A (zh) | 一种基于故障矩阵的燃油车电磁干扰定位方法 | |
CN109901561A (zh) | 一种基于多维度统计的ems终端设备故障远程诊断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |