CN110889566A - 车联网服务器、车辆及车辆配件保养服务推送方法 - Google Patents
车联网服务器、车辆及车辆配件保养服务推送方法 Download PDFInfo
- Publication number
- CN110889566A CN110889566A CN201810956851.1A CN201810956851A CN110889566A CN 110889566 A CN110889566 A CN 110889566A CN 201810956851 A CN201810956851 A CN 201810956851A CN 110889566 A CN110889566 A CN 110889566A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- maintenance
- accessory
- user
- 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.)
- Pending
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 35
- 239000000446 fuel Substances 0.000 claims abstract description 32
- 230000006855 networking Effects 0.000 claims abstract description 28
- 230000001133 acceleration Effects 0.000 claims abstract description 16
- 238000002347 injection Methods 0.000 claims abstract description 16
- 239000007924 injection Substances 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000003062 neural network model Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 20
- 238000013528 artificial neural network Methods 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000007787 long-term memory Effects 0.000 claims description 10
- 230000006403 short-term memory Effects 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 6
- 239000001301 oxygen Substances 0.000 claims description 6
- 229910052760 oxygen Inorganic materials 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 claims description 2
- 238000007596 consolidation process Methods 0.000 claims 2
- 238000011156 evaluation Methods 0.000 abstract description 10
- 238000004141 dimensional analysis Methods 0.000 abstract 1
- ADLSFYJDHWUKFP-UHFFFAOYSA-N 5-methoxy-11,12-dihydroindolo[2,3-a]carbazole-6-carbonitrile Chemical compound N1C2=C3NC4=CC=C[CH]C4=C3C(OC)=C(C#N)C2=C2[C]1C=CC=C2 ADLSFYJDHWUKFP-UHFFFAOYSA-N 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及车辆保养技术领域,本申请提供一种车联网服务器、车辆及基于行驶数据的车辆配件保养服务推送方法,通过采集包括车辆的加油情况的第一数据,采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据,获取包括上一次保养的时间和行驶距离的第三数据,进行大数据整理和学习,以确认待保养的保养时间以及待保养的故障配件,并获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。本申请能够针对车辆的行驶数据和保养数据等进行综合评估,帮助用户实现对车辆的全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
Description
技术领域
本申请涉及车辆保养服务推送技术领域,具体涉及一种基于行驶数据的车辆配件保养服务推送方法,还涉及一种采用该基于行驶数据的车辆配件保养服务推送方法的车联网服务器、以及车辆。
背景技术
随着我国经济水平的提高,汽车对于普通老百姓来说已经不再遥不可及,伴随着我国汽车数量的与日俱增,人们需要不定时地对车辆进行保养维修等。
4S店全称为汽车销售服务4S店,是一种集整车销售(Sale)、零配件(Sparepart)、售后服务(Service)、信息反馈(Survey)四位一体的汽车销售企业。4S店的出现能满足用户的各种需求,它可以提供装备精良、整洁干净的维修区,现代化的设备和服务管理,高度职业化的气氛,保养良好的服务设施,充足的零配件供应,迅速及时地跟踪服务体系。通过4S店的服务,可以使用户对品牌产生信赖感,从而扩大销售量。而目前,4S店在相关业务申请与受理方面全是人工手段,用户去4S店维修时,需要填写纸质维修单据,订单之间的传递全为人工送单处理,且相关维修明细和状态不能及时告知客户,这样传统的纸质形式的办公方式会造成办公效率低下、影响用户的体验。
同时,在大型的汽车售后服务提供商那里,尤其是知名的4S店,因其业务量大,往往有很多等待维修保养或是需要进行售后跟进的汽车。然而,大都汽车售后服务提供商还是通过传统的电话与客户进行售后跟进,这种传统的汽车售后管理方式没有规范的流程,因信息量大,容易造成管理紊乱,同时电话跟进会增加4S店客服人员的工作量,或者客服太忙不能及时处理,导致服务水平下降。
另一方面,对于车主用户来说,4S店普遍维修费用高,而且汽车保养或者配件,4S店或者普通维修店不一定有,直接网上购买又不知道如何选,这在很大程度上影响了用户的日常用车体验。
针对现有技术的多方面不足,本申请的发明人经过深入研究,提出一种新的车联网服务器、车辆及基于行驶数据的车辆配件保养服务推送方法。
发明内容
本申请的目的在于,提供一种车联网服务器、车辆及基于行驶数据的车辆配件保养服务推送方法,其能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶数据的综合评估,帮助用户实现对车辆的保养情况、车辆配件损耗情况进行全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
为解决上述技术问题,本申请提供一种基于行驶数据的车辆配件保养服务推送方法,其中,所述车辆配件保养服务推送方法包括:
采集包括车辆的加油情况的第一数据;
采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据;
获取包括上一次保养的时间和行驶距离的第三数据;
对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件;
根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。
其中,所述采集包括车辆的加油情况的第一数据的步骤,具体包括:
通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。
其中,所述车联网网关为设置有通讯模块的车机或车辆TBOX系统。
其中,所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤,具体包括:
采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
其中,所述根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户的步骤之后,还包括:
获取用户根据所述报价信息进行的触摸/语音反馈,并在所述触摸/语音反馈为购买时,进行在线下单购买。
其中,所述对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体包括:
对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
其中,所述对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体包括:
获取所有用户在所述第一数据、第二数据和第三数据情况下的易损耗配件数据;
将所述易损耗配件数据进行数据清洗、归一化;
将清洗归一化后的易损耗配件数据按照时间划分为训练数据集与测试数据集;
对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络的多个神经网络模型;
获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的故障配件进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;
利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值;
根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和第三数据的最准确的待保养的故障配件。
其中,所述获取用户根据所述报价信息进行的触摸/语音反馈的步骤,具体包括:
获取用户根据所述报价信息所作的语音反馈;
分析所述语音反馈所表示的用户意图;
在分析到所述用户意图时将所述报价信息对应的配件型号/报价进行显示。
其中,所述分析所述语音反馈所表示的用户意图的步骤,具体包括:
监听用户语音反馈输入的多轮语音信号;
分帧提取多轮语音信号的语音特征信息,根据语音特征信息和声学模型生成多轮语音信号的识别结果;
根据识别结果和预设静音检测算法初步检测出多轮语音信号的语音端点;
计算多轮语音信号的置信度信息;
解析多轮语音信号的语义信息;
根据置信度信息和语义信息获取多轮语音信号对应的语音解析结果;
根据语音解析结果识别出所述用户的用户意图。
为解决上述技术问题,本申请还提供一种车联网服务器,其中,与车辆进行网络连接,其配置有处理器,所述处理器用于执行车辆配件保养服务推送程序数据,以实现上述的车辆配件保养服务推送方法。
为解决上述技术问题,本申请提供一种车辆,其中,其配置有处理器,所述处理器用于执行车辆配件保养服务推送程序数据,以实现上述的车辆配件保养服务推送方法。
本申请车联网服务器、车辆及基于行驶数据的车辆配件保养服务推送方法,通过采集包括车辆的加油情况的第一数据,采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据,获取包括上一次保养的时间和行驶距离的第三数据,对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件,根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。通过这种方式,本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶数据的综合评估,进而实现对车况的深入评估,帮助用户实现对车辆的全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本申请基于行驶数据的车辆配件保养服务推送方法的流程示意图。
图2为本申请车联网服务器的模块示意图。
图3为本申请车辆的模块示意图。
具体实施方式
为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本申请车联网服务器、车辆及基于行驶数据的车辆配件保养服务推送方法的具体实施方式、方法、步骤、特征及其效果,详细说明如下。
有关本申请的前述及其他技术内容、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段得以更加深入且具体的了解,然而所附图式仅是提供参考与说明之用,并非用来对本申请加以限制。
请参阅图1,图1为本申请基于行驶数据的车辆配件保养服务推送方法的流程示意图。
在本实施方式中,所述车辆配件保养服务推送方法包括但不限于如下几个步骤。
步骤S101,采集包括车辆的加油情况的第一数据。
需要说明的是,所述采集包括车辆的加油情况的第一数据的步骤,具体可以包括:通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。
在本实施方式中,ECU车辆,为设有经济驾驶控制单元(ECU)的车辆。
此外,所述车联网网关可以为设置有通讯模块的车机或车辆TBOX系统,车机为安装在车辆里面的车载信息娱乐产品,本实施方式的车辆TBOX系统,即车辆的TelematicsBOX,简称车载TBOX或远程信息处理器,而Telematics为远距离通信的电信(Telecommunications)与信息科学(Informatics)的合成,其定义为通过内置在车辆上的计算机系统、无线通信技术、卫星导航装置、交换文字、语音等信息的互联网技术而提供信息的服务系统。简单的说就通过无线网络将车辆接入互联网,为车主提供驾驶、生活所必需的各种信息。
步骤S102,采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
在本实施方式中,所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤,具体可以包括:采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
步骤S103,获取包括上一次保养的时间和行驶距离的第三数据。
需要说明的是,本实施方式所述获取包括上一次保养的时间和行驶距离的第三数据的步骤,具体可以包括:获取用户自动上传的上一次保养的时间和行驶距离的第三数据,或者从相连接的4S店或者普通维修店中获取上一次保养的时间和行驶距离的第三数据。
步骤S104,对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
在本实施方式中,所述对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体可以包括:对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
具体而言,所述对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体可以包括下述步骤:
步骤S1041,获取所有用户在所述第一数据、第二数据和第三数据情况下的易损耗配件数据;
步骤S1042,将所述易损耗配件数据进行数据清洗、归一化;
步骤S1043,将清洗归一化后的易损耗配件数据按照时间划分为训练数据集与测试数据集;
步骤S1044,对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络的多个神经网络模型;
步骤S1045,获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的故障配件进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;
步骤S1046,利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值;
步骤S1047,根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和第三数据的最准确的待保养的故障配件。
本实施方式利用长短期记忆神经网络的方式,可以进行大数据的学习和智能预测运算,得到更佳的评估结构。
步骤S105,根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。
值得一提的是,所述步骤S105根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户的步骤之后,还可以包括:获取用户根据所述报价信息进行的触摸/语音反馈,并在所述触摸/语音反馈为购买时,进行在线下单购买。
在本实施方式中,所述获取用户根据所述报价信息进行的触摸/语音反馈的步骤,具体包括:
获取用户根据所述报价信息所作的语音反馈;
分析所述语音反馈所表示的用户意图;
在分析到所述用户意图时将所述报价信息对应的配件型号/报价进行显示。
需要说明的是,本实施方式分析语音反馈所表示的用户意图可以采用多轮语音的方式,譬如可以采用下述步骤:
步骤S31,判断是否存在语音反馈?是,则执行步骤S32,否、则停止;
步骤S32,监听用户语音反馈输入的多轮语音信号;
步骤S33,分帧提取多轮语音信号的语音特征信息,根据语音特征信息和声学模型生成多轮语音信号的识别结果;
步骤S34,根据识别结果和预设静音检测算法初步检测出多轮语音信号的语音端点;
步骤S35,计算多轮语音信号的置信度信息;
步骤S36,解析多轮语音信号的语义信息;
步骤S37,根据置信度信息和语义信息获取多轮语音信号对应的语音解析结果;
步骤S38,根据语音解析结果识别出所述用户的用户意图。
进一步而言,所述根据语音特征信息和声学模型生成多轮语音信号的识别结果,具体可以包括:在生成语音特征信息后,采用基于声学模型计算每帧多轮语音信号在每个建模单元上的似然值,通过动态规划算法得到最优状态转移序列及其对应的词序列,并将所得到的最优状态转移序列及其对应的词序列作为识别结果。
值得一提的是,所述声学模型为基于神经网络的声学模型,采用所述基于神经网络的声学模型对所述语音特征信息进行识别。
需要说明的是,所述计算多轮语音信号的置信度信息的步骤,具体可以包括:根据识别结果、多轮语音信号的语音端点和多轮语音信号的信噪比计算多轮语音信号的置信度信息。
本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶数据的综合评估,进而实现对车况的深入评估,帮助用户实现对车辆的全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
请参阅图2,图2为本申请车联网服务器的模块示意图。
在本实施方式中,所述车联网服务器可以与车辆进行网络连接,其配置有处理器21,所述处理器21用于执行车辆配件保养服务推送程序数据,以实现上述实施方式提及的车辆配件保养服务推送方法。
具体而言,所述处理器21采集包括车辆的加油情况的第一数据。
需要说明的是,所述处理器21采集包括车辆的加油情况的第一数据的步骤,具体可以包括:所述处理器21通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。
所述处理器21采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
在本实施方式中,所述处理器21采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤,具体可以包括:所述处理器21采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
所述处理器21获取包括上一次保养的时间和行驶距离的第三数据。
需要说明的是,本实施方式所述处理器21获取包括上一次保养的时间和行驶距离的第三数据的步骤,具体可以包括:所述处理器21获取用户自动上传的上一次保养的时间和行驶距离的第三数据,或者从相连接的4S店或者普通维修店中获取上一次保养的时间和行驶距离的第三数据。
所述处理器21对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
在本实施方式中,所述处理器21对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体可以包括:所述处理器21对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
具体而言,所述处理器21对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体可以包括下述步骤:
步骤S21,获取所有用户在所述第一数据、第二数据和第三数据情况下的易损耗配件数据;
步骤S22,将所述易损耗配件数据进行数据清洗、归一化;
步骤S23,将清洗归一化后的易损耗配件数据按照时间划分为训练数据集与测试数据集;
步骤S24,对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络的多个神经网络模型;
步骤S25,获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的故障配件进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;
步骤S26,利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值;
步骤S27,根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和第三数据的最准确的待保养的故障配件。
本实施方式利用长短期记忆神经网络的方式,可以进行大数据的学习和智能预测运算,得到更佳的评估结构。
所述处理器21根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。
本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶数据的综合评估,进而实现对车况的深入评估,帮助用户实现对车辆的全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
请接着参阅图3,图3为本申请车辆的模块示意图。
在本实施方式中,所述车辆可以配置有处理器31,所述处理器31用于执行车辆配件保养服务推送程序数据,以实现上述的车辆配件保养服务推送方法。
本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶数据的综合评估,进而实现对车况的深入评估,帮助用户实现对车辆的全方位分析评估,确认比较贴切的保养服务以及准备的车辆配件损耗情况,进而实现针对性的保养维修服务,满足用户的需求。
值得一提的是,本实施方式可以在车辆上采用车辆TBOX系统,进一步而言,本申请可以在车辆内组建车联网系统,其中所述车联网系统可以包括主机、车载TBOX、以及车联网服务器。主机主要用于的影音娱乐,以及车辆信息显示等;车载T-BOX主要用于和上述的车联网服务器网络连接,实现车辆信息显示与控制等。
当用户通过车联网服务器(或者手机等其他控制终端)发送控制命令后,会发出监控请求指令到车载TBOX,车辆在获取到控制命令后,通过CAN总线发送控制报文并实现对车辆的控制,最后反馈操作结果给用户,通过这种方式可以帮助打开空调、调整座椅至合适位置等等。
本实施方式Telematics是无线通信技术、卫星导航系统、网络通信技术和车载电脑的综合,当车辆行驶当中出现故障时,通过无线通信连接服务中心,进行远程车辆诊断,内置在发动机上的计算机可以记录车辆主要部件的状态,并随时为维修人员提供准确的故障位置和原因。通过用户通讯终端接收信息并查看交通地图、路况介绍、交通信息、安全与治安服务以及娱乐信息服务等,另外,本实施方式的车辆还可以在后座设置电子游戏和网络应用(包括金融、新闻、E-mail等)。不难理解,本实施方式通过Telematics提供服务,可以方便用户了解交通信息、临近停车场的车位状况,确认当前位置,还可以与家中的网络服务器连接,及时了解家中的电器运转情况、安全情况以及客人来访情况等等。
本实施方式车辆还可设置ADAS(AdvancedDriverAssistantSystem,先进驾驶辅助系统),其可以利用安装于车辆上的上述各种传感器,在第一时间收集车内外的环境数据,进行静、动态物体的辨识、侦测与追踪等技术上的处理,从而能够让驾驶者在最快的时间察觉可能发生的危险,以引起注意和提高安全性。对应地,本申请ADAS还可以采用雷达、激光和超声波等传感器,可以探测光、热、压力或其它用于监测车辆状态的变量,通常位于车辆的前后保险杠、侧视镜、驾驶杆内部或者挡风玻璃上。不难看出,上述ADAS功能所使用的各种智能硬件,均可以通过以太网链路的方式接入车联网系统实现通信连接、交互。
本实施方式车辆的主机可包括适当的逻辑器件、电路和/或代码以用于实现OSI模型(OpenSystemInterconnection,开放式通信系统互联参考模型)上面五层的运行和/或功能操作。因此,主机会生成用于网络传输的数据包和/或对这些数据包进行处理,并且还会对从网络接受到的数据包进行处理。同时,主机可通过执行相应指令和/或运行一种或多种程序数据来为本地用户和/或一个或多个远程用户或网络节点提供服务。在本申请的不同实施方式中,主机可采用一种或多种安全协议。
在本申请中,用于实现车联网系统网络连接的可以为交换机,其可以具有AVB功能(AudioVideoBridging,满足IEEE802.1的标准集合),和/或包括有一条或多条非屏蔽双绞线,每一端可以具有8P8C模块连接器。
值得一提的是,本实施方式的车联网系统可以遵循SAEJ1939协议,其分为动力总线P-CAN,也称底盘动力总线和车身总线I-CAN,两个总线均可采用250Kbps的通讯速率。
本申请车联网系统具体可以包括车身控制模块BCM、动力总线P-CAN、车身总线I-CAN、组合仪表CMIC、底盘控制装置和车身控制装置。
在本实施方式中,车身控制模块BCM可以集成网关的功能,进行不同网段,即动力总线P-CAN和车身总线I-CAN之间的信号转换及报文转发等,例如,挂接在动力总线上的控制器如需要与挂接在车身总线I-CAN上的控制器进行通信,则要经过车身控制模块BCM进行两者之间的信号转换及转发等。
动力总线P-CAN和车身总线I-CAN分别与车身控制模块BCM相连。
组合仪表CMIC与动力总线P-CAN相连,且组合仪表CMIC与车身总线I-CAN相连。优选地,本实施方式的组合仪表CMIC与不同的总线,如动力总线P-CAN和车身总线I-CAN均相连,当组合仪表CMIC需要获取挂接在任意总线上的控制器信息时,均无需通过车身控制模块BCM进行信号转换以及报文转发,因此,可减轻网关压力、减少网络负载,且提高组合仪表CMIC获取信息的速度。
底盘控制装置与动力总线P-CAN相连。车身控制装置与车身总线I-CAN相连。在一些示例中,底盘控制装置和车身控制装置可分别向动力总线P-CAN和车身总线I-CAN上进行信息等数据广播,以便挂接在动力总线P-CAN或车身总线I-CAN上的其它车载控制器等设备获取该广播的信息,从而实现不同控制器等车载设备之间的通信。
此外,本实施方式车辆的车联网系统,可以使用两条CAN总线,即动力总线P-CAN和车身总线I-CAN,将车身控制模块BCM作为网关,将组合仪表CMIC与动力总线P-CAN和车身总线I-CAN均相连的结构,可以省去了传统方式中组合仪表CMIC挂接在两条总线上的一条上时的底盘控制装置或车身控制装置的信息通过网关转发给组合仪表CMIC的操作,由此,减轻了车身控制模块BCM作为网关的压力,减少了网络负载,且更加方便将多条总线,如动力总线P-CAN和车身总线I-CAN上挂接的车载设备的信息发送至组合仪表CMIC上进行显示、信息传输实时性强。
需要说明的是,本实施方式车辆在具体工作过程中,可以包括下述实施例:
1、车辆通过车联网网关,采集ECU车辆加油、时间,数量。
2、采集ECU车辆尾气排放系统的氧传感器信号、加速度、发动机转速、喷油量和实际空燃比等数据。
3、获取上一次保养的时间和距离,精确计算本次需要进行保养的时间和配件。
4、根据故障配件和保养时间,推送匹配车型的配件和报价,对接第三方电商供应商自动报价体系。
5、用户可以非常方便的下单购买。
其中,若在车联网服务器侧实现,其可以包括下述实施例:
1、车联网服务器通过车联网网关,采集ECU车辆加油、时间,数量。
2、车联网服务器通过车联网网关采集ECU车辆尾气排放系统的氧传感器信号、加速度、发动机转速、喷油量和实际空燃比等数据。
3、车联网服务器通过车联网网关获取上一次保养的时间和距离,精确计算本次需要进行保养的时间和配件。
4、车联网服务器通过车联网网关根据故障配件和保养时间,推送匹配车型的配件和报价,对接第三方电商供应商自动报价体系。
5、用户可以非常方便的下单购买。
通过上述方式,比如,当用户开车到公司,车辆提示“离上次保养5个月了,行驶了5500公里,建议保养”,而且,在车机设备上可以显示车辆相关的保养配件、故障配件,确保是最优惠和车辆型号精确适配,接着,用户确定后,电商公司可以直接自动送过来,节省了用户选择和下单的麻烦,方便用户。
以上所述,仅是本申请的较佳实施例而已,并非对本申请作任何形式上的限制,虽然本申请已以较佳实施例揭露如上,然而并非用以限定本申请,任何熟悉本专业的技术人员,在不脱离本申请技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本申请技术方案内容,依据本申请的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本申请技术方案的范围内。
Claims (11)
1.一种基于行驶数据的车辆配件保养服务推送方法,其特征在于,所述车辆配件保养服务推送方法包括:
采集包括车辆的加油情况的第一数据;
采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据;
获取包括上一次保养的时间和行驶距离的第三数据;
对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件;
根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户。
2.根据权利要求1所述的车辆配件保养服务推送方法,其特征在于,所述采集包括车辆的加油情况的第一数据的步骤,具体包括:
通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。
3.根据权利要求2所述的车辆配件保养服务推送方法,其特征在于,所述车联网网关为设置有通讯模块的车机或车辆TBOX系统。
4.根据权利要求1所述的车辆配件保养服务推送方法,其特征在于,所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤,具体包括:
采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。
5.根据权利要求1所述的车辆配件保养服务推送方法,其特征在于,所述根据待保养的保养时间以及待保养的故障配件,获取第三方提供的保养服务报价信息,以将所述报价信息提示给用户的步骤之后,还包括:
获取用户根据所述报价信息进行的触摸/语音反馈,并在所述触摸/语音反馈为购买时,进行在线下单购买。
6.根据权利要求1-5任一项所述的车辆配件保养服务推送方法,其特征在于,所述对所述第一数据、第二数据和第三数据进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体包括:
对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。
7.根据权利要求6所述的车辆配件保养服务推送方法,其特征在于,所述对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习,根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤,具体包括:
获取所有用户在所述第一数据、第二数据和第三数据情况下的易损耗配件数据;
将所述易损耗配件数据进行数据清洗、归一化;
将清洗归一化后的易损耗配件数据按照时间划分为训练数据集与测试数据集;
对所述训练数据集的训练数据进行离线模型训练,以分别训练长短期记忆神经网络的多个神经网络模型;
获取训练数据对于训练后的多个神经网络模型输出的预测值列表,将所述预测值列表与实际的故障配件进行比较,计算得到多个神经网络模型作为组合模型时所占的权重值;
利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果,根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值;
根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和第三数据的最准确的待保养的故障配件。
8.根据权利要求5所述的车辆配件保养服务推送方法,其特征在于,所述获取用户根据所述报价信息进行的触摸/语音反馈的步骤,具体包括:
获取用户根据所述报价信息所作的语音反馈;
分析所述语音反馈所表示的用户意图;
在分析到所述用户意图时将所述报价信息对应的配件型号/报价进行显示。
9.根据权利要求8所述的车辆配件保养服务推送方法,其特征在于,所述分析所述语音反馈所表示的用户意图的步骤,具体包括:
监听用户语音反馈输入的多轮语音信号;
分帧提取多轮语音信号的语音特征信息,根据语音特征信息和声学模型生成多轮语音信号的识别结果;
根据识别结果和预设静音检测算法初步检测出多轮语音信号的语音端点;
计算多轮语音信号的置信度信息;
解析多轮语音信号的语义信息;
根据置信度信息和语义信息获取多轮语音信号对应的语音解析结果;
根据语音解析结果识别出所述用户的用户意图。
10.一种车联网服务器,其特征在于,与车辆进行网络连接,其配置有处理器,所述处理器用于执行车辆配件保养服务推送程序数据,以实现权利要求1-9任一项所述的车辆配件保养服务推送方法。
11.一种车辆,其特征在于,其配置有处理器,所述处理器用于执行车辆配件保养服务推送程序数据,以实现根据权利要求1-9任一项所述的车辆配件保养服务推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810956851.1A CN110889566A (zh) | 2018-08-21 | 2018-08-21 | 车联网服务器、车辆及车辆配件保养服务推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810956851.1A CN110889566A (zh) | 2018-08-21 | 2018-08-21 | 车联网服务器、车辆及车辆配件保养服务推送方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889566A true CN110889566A (zh) | 2020-03-17 |
Family
ID=69744238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810956851.1A Pending CN110889566A (zh) | 2018-08-21 | 2018-08-21 | 车联网服务器、车辆及车辆配件保养服务推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889566A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768514A (zh) * | 2020-06-23 | 2020-10-13 | 广州市塔塔电子技术服务有限公司 | 一种新能源汽车故障数据处理方法及系统 |
CN113313508A (zh) * | 2020-12-24 | 2021-08-27 | 上海瀚之友信息技术服务有限公司 | 一种车险增值服务兑换方法及系统 |
WO2024124564A1 (zh) * | 2022-12-16 | 2024-06-20 | 宁德时代(上海)智能科技有限公司 | 车辆保养提示方法、装置及设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044095A (zh) * | 2010-09-10 | 2011-05-04 | 深圳市航天星网通讯有限公司 | 一种个人驾驶行为分析管理控制系统 |
CN102120455A (zh) * | 2010-01-08 | 2011-07-13 | 福特全球技术公司 | 车辆保养提示系统和车辆保养提示方法 |
CN103108003A (zh) * | 2011-11-11 | 2013-05-15 | 北京开元智信通软件有限公司 | 移动车联网云服务平台系统 |
CN105270293A (zh) * | 2015-06-24 | 2016-01-27 | 广州爱亿信息科技有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN105389718A (zh) * | 2015-12-07 | 2016-03-09 | 深圳市天行家科技有限公司 | 一种汽车后服务推荐方法和系统 |
CN105529028A (zh) * | 2015-12-09 | 2016-04-27 | 百度在线网络技术(北京)有限公司 | 语音解析方法和装置 |
CN105604664A (zh) * | 2015-12-23 | 2016-05-25 | 北京工业大学 | 基于obd检测数据的车辆排放远程监测系统 |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
CN106991506A (zh) * | 2017-05-16 | 2017-07-28 | 深圳先进技术研究院 | 智能终端及其基于lstm的股票趋势预测方法 |
CN107346565A (zh) * | 2016-05-04 | 2017-11-14 | 斑马网络技术有限公司 | 一种交通工具数据处理方法、装置和终端设备 |
CN108068730A (zh) * | 2016-11-08 | 2018-05-25 | 大陆汽车投资(上海)有限公司 | 用于提醒车辆保养的方法和车辆保养提醒系统 |
-
2018
- 2018-08-21 CN CN201810956851.1A patent/CN110889566A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102120455A (zh) * | 2010-01-08 | 2011-07-13 | 福特全球技术公司 | 车辆保养提示系统和车辆保养提示方法 |
CN102044095A (zh) * | 2010-09-10 | 2011-05-04 | 深圳市航天星网通讯有限公司 | 一种个人驾驶行为分析管理控制系统 |
CN103108003A (zh) * | 2011-11-11 | 2013-05-15 | 北京开元智信通软件有限公司 | 移动车联网云服务平台系统 |
CN105270293A (zh) * | 2015-06-24 | 2016-01-27 | 广州爱亿信息科技有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN105389718A (zh) * | 2015-12-07 | 2016-03-09 | 深圳市天行家科技有限公司 | 一种汽车后服务推荐方法和系统 |
CN105529028A (zh) * | 2015-12-09 | 2016-04-27 | 百度在线网络技术(北京)有限公司 | 语音解析方法和装置 |
CN105604664A (zh) * | 2015-12-23 | 2016-05-25 | 北京工业大学 | 基于obd检测数据的车辆排放远程监测系统 |
CN106022787A (zh) * | 2016-04-25 | 2016-10-12 | 王琳 | 一种基于大数据的人车多因子评估方法及系统 |
CN107346565A (zh) * | 2016-05-04 | 2017-11-14 | 斑马网络技术有限公司 | 一种交通工具数据处理方法、装置和终端设备 |
CN108068730A (zh) * | 2016-11-08 | 2018-05-25 | 大陆汽车投资(上海)有限公司 | 用于提醒车辆保养的方法和车辆保养提醒系统 |
CN106991506A (zh) * | 2017-05-16 | 2017-07-28 | 深圳先进技术研究院 | 智能终端及其基于lstm的股票趋势预测方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111768514A (zh) * | 2020-06-23 | 2020-10-13 | 广州市塔塔电子技术服务有限公司 | 一种新能源汽车故障数据处理方法及系统 |
CN113313508A (zh) * | 2020-12-24 | 2021-08-27 | 上海瀚之友信息技术服务有限公司 | 一种车险增值服务兑换方法及系统 |
CN113313508B (zh) * | 2020-12-24 | 2023-01-06 | 上海瀚之友信息技术服务有限公司 | 一种车险增值服务兑换方法及系统 |
WO2024124564A1 (zh) * | 2022-12-16 | 2024-06-20 | 宁德时代(上海)智能科技有限公司 | 车辆保养提示方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110889566A (zh) | 车联网服务器、车辆及车辆配件保养服务推送方法 | |
CN104883382B (zh) | 车载计算系统 | |
CN110849411A (zh) | 车联网服务器、车辆及基于行驶油耗数据的车况评估方法 | |
WO2015192652A1 (zh) | 基于移动终端的实时车辆运行监控系统及方法 | |
CN110233768B (zh) | 基于uds的can总线测试系统及can总线测试方法 | |
CN108923808A (zh) | 车辆及其车载终端和语音交互模式主动触发方法 | |
CN104050586A (zh) | 用于车辆多媒体系统的广告管理器 | |
CN109163914A (zh) | 一种车辆远程检测方法和装置 | |
JP6827629B2 (ja) | 情報提供装置、情報提供システム | |
CN110850848A (zh) | 车用网联诊断服务系统 | |
CN110971567A (zh) | 车辆、云服务器、车机设备、媒介器件及数据整合方法 | |
CN105955236A (zh) | 一种汽车电控模块诊断一体化平台及其使用方法 | |
CN108833589B (zh) | 车辆、车机设备及其车机设备导航数据同步方法 | |
CN110852774A (zh) | 基于启动画面的车载广告推送方法、车联网终端及车辆 | |
CN107545447B (zh) | 获取残值的方法、装置、终端设备和用户界面系统 | |
US20160132618A1 (en) | Characterization of sensor data for vehicle telematics | |
CN112435660A (zh) | 车辆控制方法、系统及车辆 | |
CN111439268A (zh) | 一种主动提供个性化服务的方法、装置、云端服务器及汽车 | |
CN111275208A (zh) | 一种车辆维修保养提醒系统及方法 | |
CN110654331A (zh) | 车辆、车机设备及其车载助手交互方法 | |
CN110570227B (zh) | 一种调价方法与系统 | |
CN110871810A (zh) | 车辆、车机设备及其基于驾驶模式的行车信息提示方法 | |
WO2019227597A1 (zh) | 一种基于聊天机器人的导航方法及系统 | |
CN112070377B (zh) | 出行服务处理方法、装置、电子设备及存储介质 | |
CN102945042A (zh) | 基于专业诊断的标准故障码提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB03 | Change of inventor or designer information |
Inventor after: Ying Zhenkai Inventor before: Ying Yilun |
|
CB03 | Change of inventor or designer information | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |
|
RJ01 | Rejection of invention patent application after publication |