CN111897718A - 一种基于大数据的车机自动测试方法及存储介质 - Google Patents
一种基于大数据的车机自动测试方法及存储介质 Download PDFInfo
- Publication number
- CN111897718A CN111897718A CN202010630639.3A CN202010630639A CN111897718A CN 111897718 A CN111897718 A CN 111897718A CN 202010630639 A CN202010630639 A CN 202010630639A CN 111897718 A CN111897718 A CN 111897718A
- Authority
- CN
- China
- Prior art keywords
- test
- vehicle
- data
- testing
- automatic
- 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
- 238000010998 test method Methods 0.000 title claims description 5
- 238000012360 testing method Methods 0.000 claims abstract description 262
- 238000004891 communication Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000012549 training Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims 1
- 239000007795 chemical reaction product Substances 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 3
- 230000005540 biological transmission Effects 0.000 description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3688—Test management for test execution, e.g. scheduling of test suites
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明提供了一种基于大数据的车机自动测试方法及存储介质，涉及车载大数据测试的技术领域，通过云端智慧测试系统接收车机端上传的数据，对车机端上传的数据进行分析和处理，形成产生故障的测试场景模型；建立云智慧测试系统与车辆自动化测试系统之间的通信连接，将测试场景模型中的测试用例下发至车端自动化测试系统进行测试；所述车端自动化测试系统基于所接收到的测试用例自动进行测试，并将测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。通过本发明所述的基于大数据的车机智慧测试系统能够有效针对汽车故障问题进行重点测试，提升了测试过程中的测试效率，增强了车端产品质量，降低了人力成本。
Description
技术领域
本发明涉及车载大数据测试技术领域，具体涉及一种基于大数据的车机自动测试方法及存储介质。
背景技术
随着大数据技术与5G建设的不断深入与发展，车联网行业必然将成为新的成长应用场景，将来的汽车会出现全系搭载智能网联的趋势。但智能网联车对于普通用户来说还是刚刚起步阶段，对于整车各零部件的智能化测试提出了更高的标准要求。
目前整车厂都是车端测试和云端测试分开单独进行，不能进行有效地融合，会产生如下问题：
1）当车端出现故障的时候，不能及时拿到日志，且日志量巨大，如果记录在本地会对车端的硬件要求比较高。
2）在传统车端测试中，测试场景没有形成闭环，出现故障的场景与测试场景之间不匹配，存在测试没有重点的情况。
3）在传统车端测试中，由于故障场景离线、数据量大，无法反馈给车端测试，以形成智慧测试场景。
4）在传统车端测试中，由于缺少故障智慧测试场景，无法提升测试效率。
因此，有必要开发一种基于大数据的车机自动测试方法及存储介质。
发明内容
有鉴于此，本发明的目的在于提供一种基于大数据的车机自动测试方法及存储介质，用于解决传统测试方法中只能预测测试结果，不能针对测试的场景进行预测的技术问题，并为测试数据出现的共性问题提供指导作用。
第一方面，本发明提供了一种基于大数据的车机自动测试方法，包括云端智慧测试系统和和车端自动化测试系统，其测试方法包括如下步骤：
云端智慧测试系统接收车机端上传的数据，对车机端上传的数据进行分析和处理，形成产生故障的测试场景模型；
建立云智慧测试系统与车辆自动化测试系统之间的通信连接，将测试场景模型中的测试用例下发至车端自动化测试系统进行测试；
所述车端自动化测试系统基于所接收到的测试用例自动进行测试，并将测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。
进一步地，车机端实时收集运行状态数据、环境感知数据和故障事件，并在记录到关键故障事件时，将所收集的数据发送至云端智慧测试系统。
进一步地，在记录到关键故障事件后，通过无线通信信道将车机端收集的数据传入云端智慧测试系统中的分布式消息队列kafka，所述云端智慧测试系统再通过大数据技术或时序数据技术将车机端收集的数据从所述分布式消息队列kafka提取出，并存储于HDFS或InfluxDB中。
进一步地，所述云端智慧测试系统对接收的数据进行分析的具体步骤包括：步骤1，对数据进行分类预处理，并根据产生故障的原因将数据分为训练集、验证集以及测试集；步骤2，将所述训练集用于训练测试场景模型，将所述验证集用于进行测试场景模型的修正，所述测试集则对测试场景模型的效果进行测试,通过使用降维算法将训练集中对计算测试场景模型影响不大的数据维度剔除，或通过机器学习算法计算出产生故障的维度数据，用以形成产生故障的场景模型，所述机器学习算法包括SVM、DNN以及RNN；步骤3，在测试场景模型的数据产生后，通过使用验证集进行验证，并通过调节机器学习算法参数以优化测试场景模型。
进一步地，在测试场景模型建立后，根据测试场景模型中的维度，建立云端智慧测试系统与汽车自动化测试系统之间的通信，并将测试场景模型中的测试用例下发到车端自动化测试系统进行测试，得到测试结果。
进一步地，在得到所述测试结果后，将测试结果反馈至云端智慧测试系统，用于形成智慧测试管理闭环的具体步骤包括：云端智慧测试系统接收到车端自动化测试系统反馈的测试结果后，云端智慧测试系统将其保存起来，用于验证故障测试场景模型的准确性；根据存储在云端智慧测试系统中的数据与测试用例，建立大数据可视化管理系统，用于监管系统运行；同时云端智慧测试系统把实际的测试结果和测试场景模型的预算结果进行对比分析，形成对比分析评价结果的智慧测试管理闭环。
第二方面，本发明提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行时，能实现基于大数据的车机自动测试方法的步骤。
本发明带来了以下有益效果：
通过本发明所述的一种基于大数据的车机自动测试方法，通过大数据对车机端收集的数据进行分析，并在云端智慧测试系统建立故障汽车的测试场景模型；对接所述测试场景模型,将测试场景模型中的测试用例下发至车端自动化测试系统进行测试；响应于所述车端自动化测试系统内测试用例的测试结果，并将所述测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。基于大数据的车机智慧测试系统既能够有效针对汽车故障问题进行重点测试，提升了测试过程中的测试效率，增强了车端产品质量，降低了人力成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明提供的一种基于大数据的车机自动测试方法的流程图；
图2为本发明提供的车机端的功能框图 ；
图3为本发明提供的云端智慧测试系统的功能框图；
图4为本发明提供的车端自动化测试系统的功能框图；
图5为本发明提供的一种基于大数据的车机自动测试的整体流程图 。
具体实施方式
如图1所示，一种基于大数据的车机自动测试方法，包括如下步骤：
步骤S1, 云端智慧测试系统接收车机端上传的数据，对车机端上传的数据进行分析和处理，形成产生故障的测试场景模型。
步骤S2, 建立云智慧测试系统与车辆自动化测试系统之间的通信连接，将测试场景模型中的测试用例下发至车端自动化测试系统进行测试。
步骤S3, 所述车端自动化测试系统基于所接收到的测试用例自动进行测试，并将测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。
需要说明的是，为有效地收集运行态的车机运行状态数据，汽车上的座舱模块、智能网联模块、自动驾驶模块以及射频等模块，利用嵌入式技术、传感技术以及物联网技术感知、收集并传输车机状态的海量数据。如图2所示，车机端在车机嵌入式系统上通过环境传感器与车况传感器收集的海量数据包括温度、湿度以及GPS定位信号。同时，为了记录关键的车机事件，在车机嵌入式系统内部加入异常日志，进行数据埋点。车机端再根据梳理出来需要埋点的场景信息，对车机的前端与后端进行代码埋点，以满足快捷、高效且丰富的数据应用以记录用户行为的过程及结果。同时并通过车载监控主程序实时监测这些海量数据。需要说明的是，埋点的信息包括场景的定义、信号名、出现故障的资源占用情况、GPS、时间以及地点等通用埋点信息，还包括各应用场景的自定义场景信息。当整车系统记录下埋点日志后，根据配置的埋点传输模式，比如是以事件触发或者是以定时传输的模板发给车机系统的埋点传输模式。在各车载应用收集到所对应的埋点用户行为，将行为数据组装成JSON格式，调用埋点接口，并将对应用户行为数据上传至车机端，制定对应的传输策略，比如立即上传、间隔上传以及错误重传等机制。其中，埋点传输模式包括时间触发模板发送至车机系统的传输模式或者是定时传输模板发送至车机系统的传输模式。为了更利于监控整个系统地有效运行，周期性记录系统运行状态，并记录故障产生的上下文，以便分析问题。在收到关键车机事件之后，通过4G/5G信道传输到云端智慧测试系统。且由于车机数据项多，数据量较大，要在传输成本与问题分析的有效性之间综合考虑。
如图3所示，在云端智慧测试系统与车机端建立了智慧系统车端通信协议的无线网络通信后，通过设备接入模块将车机端所收集的数据传入分布式消息队列kafka中。云端智慧测试系统再通过大数据技术或时序数据技术将车机端收集的数据从所述分布式消息队列kafka提取出，将其存储于HDFS或InfluxDB。需要说明的是，为支持海量设备接入，云端智慧测试系统应该采用分布式架构，具有横向扩展能力，通过增加模块以提升系统的处理能力，且在云端接收数据时应考虑移动环境下的通信信道是否会出现通信异常等问题。例如当信号不佳时，车机无法上报数据时，车机会补传数据，云端智慧测试系统应具有处理补传数据的能力；当信号不佳时，还会存在重传数据，云端智慧测试则还需具有清理、去重的能力。在车机端收集的数据完成存储后，所述云端智慧测试系统对数据进行分析的具体步骤包括：
首先对海量数据进行分类预处理，并根据产生故障的原因将数据分为训练集、验证集以及测试集；然后分别将所述训练集用于训练测试场景模型，将所述验证集用于进行测试场景模型的修正，所述测试集则对测试场景模型的效果进行测试；并通过使用降维算法将训练集中对计算测试场景模型影响不大的数据维度剔除后，将其存储于SQL数据库。或者是通过SVM、DNN以及RNN等AI算法引擎计算出产生故障的维度数据，形成产生故障的智慧测试场景模型；并在智慧测试场景模型的数据产生后，使用测试集进行验证，并通过调节机器学习算法参数以优化场景模型。同时根据测试场景模型中的维度，建立云端智慧测试系统与汽车自动化测试系统之间的通信，并将测试场景模型中的测试用例下发到车端自动化测试系统进行测试，得到测试结果。在得到所述测试结果后，将测试结果反馈至云端智慧测试系统，响应于下发至自动化测试系统的测试用例，所述云端智慧测试系统对所述测试用例进行管理，以形成智慧测试用例集；云端智慧测试系统接收到车端自动化测试系统反馈的测试结果后，云端智慧测试系统将其保存起来，用于验证故障测试场景模型的准确性；根据存储在云端智慧测试系统中的数据与测试用例，建立大数据可视化管理系统，用于监管系统运行。同时云端智慧测试系统把实际的测试结果和测试场景模型预算结果进行对比分析，形成对比分析评价结果的智慧测试管理闭环。
在本实施例中，车端自动化测试系统想要完成通信联网的改造，主要是通过完成故障场景测试用例接收、用例自动执行以及结果执行上报。并在车端自动化测试系统与云端智慧测试系统建立了两者的通信协议后，车端自动化测试系统收到故障测试用例，根据定义的环境场景、车机状况、操作动作、操作顺序等执行测试，并将用例反馈的结果通过网络上报给云端智慧测试系统，具体参考图4。
如图5所示，在车机系统上电联网后与整个云系统建立通信连接前，车机系统首先调用校验接口，以判断车联网基础服务是否可用。在确认车联网基础服务能够使用之后，车机系统需要配置接口车载应用上传用户行为的策略数据。其中，所述策略数据包括车机本地数据每几条上传一次，上传周期，上传频率，重传机制，最大重试次数，本地最大存储条数以及本地最大存储大小等策略。当车机系统收到上传的用户行为后，调用接口将数据传送给云平台系统。为了保证车机性能，当车机端本地存储文件大小达到上限后，根据FIFO原则自动删掉早期数据。车机发送成功失败都会给车载应用反馈发送的信息，并会收到发送给云平台系统（云端）的反馈信息。车机系统是一个通用平台，连接车机和云平台系统，对于车端来说，车机是服务端，收到来自不同车端发送的信息；对于云端来说，车端是客户端，将来自车端的信息透传给云端进行分析应用，进而建立故障汽车的测试场景模型，在对接所述测试场景模型,将测试场景模型中的测试用例下发至车端自动化测试系统进行测试；响应于所述车端自动化测试系统内测试用例的测试结果，并将所述测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。基于本发明所述的大数据的车机智慧测试系统将有效针对汽车故障问题进行重点测试，提升测试过程效率，增强车端产品质量，降低人力成本。
本实施例中，一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被处理器执行时，能实现如本发明所述的基于大数据的车机自动测试方法的步骤。
所述功能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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (7)
1.一种基于大数据的车机自动测试方法，其特征在于，包括云端智慧测试系统和和车端自动化测试系统，其测试方法包括如下步骤：
云端智慧测试系统接收车机端上传的数据，对车机端上传的数据进行分析和处理，形成产生故障的测试场景模型；
建立云智慧测试系统与车辆自动化测试系统之间的通信连接，将测试场景模型中的测试用例下发至车端自动化测试系统进行测试；
所述车端自动化测试系统基于所接收到的测试用例自动进行测试，并将测试结果反馈至所述云端智慧测试系统，以形成智慧测试管理闭环。
2.根据权利要求1所述的基于大数据的车机自动测试方法，其特征在于，车机端实时收集运行状态数据、环境感知数据和故障事件，并在记录到关键故障事件时，将所收集的数据发送至云端智慧测试系统。
3.根据权利要求1或2所述的基于大数据的车机自动测试方法，其特征在于，在记录到关键故障事件后，通过无线通信信道将车机端收集的数据传入云端智慧测试系统中的分布式消息队列kafka，所述云端智慧测试系统再通过大数据技术或时序数据技术将车机端收集的数据从所述分布式消息队列kafka提取出，并存储于HDFS或InfluxDB中。
4.根据权利要求1或3所述的基于大数据的车机自动测试方法，其特征在于，所述云端智慧测试系统对接收的数据进行分析的具体步骤包括：
步骤1，对数据进行分类预处理，并根据产生故障的原因将数据分为训练集、验证集以及测试集；
步骤2，将所述训练集用于训练测试场景模型，将所述验证集用于进行测试场景模型的修正，所述测试集则对测试场景模型的效果进行测试,通过使用降维算法将训练集中对计算测试场景模型影响不大的数据维度剔除，或通过机器学习算法计算出产生故障的维度数据，用以形成产生故障的场景模型，所述机器学习算法包括SVM、DNN以及RNN；
步骤3，在测试场景模型的数据产生后，通过使用验证集进行验证，并通过调节机器学习算法参数以优化测试场景模型。
5.根据权利要求1或4所述的基于大数据的车机自动测试方法，其特征在于，在测试场景模型建立后，根据测试场景模型中的维度，建立云端智慧测试系统与汽车自动化测试系统之间的通信，并将测试场景模型中的测试用例下发到车端自动化测试系统进行测试，得到测试结果。
6.根据权利要求5所述的基于大数据的车机自动测试方法，其特征在于，在得到所述测试结果后，将测试结果反馈至云端智慧测试系统，用于形成智慧测试管理闭环的具体步骤包括：
云端智慧测试系统接收到车端自动化测试系统反馈的测试结果后，云端智慧测试系统将其保存起来，用于验证故障测试场景模型的准确性；
根据存储在云端智慧测试系统中的数据与测试用例，建立大数据可视化管理系统，用于监管系统运行；
同时云端智慧测试系统把实际的测试结果和测试场景模型的预算结果进行对比分析，形成对比分析评价结果的智慧测试管理闭环。
7.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被一个或者多个处理器执行时，能实现如权利要求1～6中任一项所述的基于大数据的车机自动测试方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010630639.3A CN111897718A (zh) | 2020-07-03 | 2020-07-03 | 一种基于大数据的车机自动测试方法及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010630639.3A CN111897718A (zh) | 2020-07-03 | 2020-07-03 | 一种基于大数据的车机自动测试方法及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111897718A true CN111897718A (zh) | 2020-11-06 |
Family
ID=73192905
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010630639.3A Pending CN111897718A (zh) | 2020-07-03 | 2020-07-03 | 一种基于大数据的车机自动测试方法及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111897718A (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527678A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 用于测试协议的方法、装置、设备以及存储介质 |
| CN113079054A (zh) * | 2021-06-07 | 2021-07-06 | 智道网联科技(北京)有限公司 | 车载终端的监控方法、装置及系统 |
| CN113179195A (zh) * | 2021-04-28 | 2021-07-27 | 重庆长安汽车股份有限公司 | 一种can报文埋点检测方法、系统、装置及计算机可读存储介质 |
| CN113341917A (zh) * | 2021-05-28 | 2021-09-03 | 重庆长安汽车股份有限公司 | 车联网远程控制端云一体自动测试系统及方法 |
| CN113762406A (zh) * | 2021-09-15 | 2021-12-07 | 东软睿驰汽车技术（沈阳）有限公司 | 数据的挖掘方法、装置和电子设备 |
| CN113901285A (zh) * | 2021-12-09 | 2022-01-07 | 深圳佑驾创新科技有限公司 | 车辆道路试验方法、装置、电子设备及存储介质 |
| CN114328184A (zh) * | 2021-12-01 | 2022-04-12 | 重庆长安汽车股份有限公司 | 一种基于车载以太网架构的大数据上云测试方法 |
| CN115641658A (zh) * | 2022-11-17 | 2023-01-24 | 达芬骑动力科技(北京)有限公司 | 车机故障预测方法、装置和计算机设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040021880A (ko) * | 2002-09-05 | 2004-03-11 | 현대자동차주식회사 | 차량의 부하 오작동 시험용 자동화 시스템 |
| US20110083121A1 (en) * | 2009-10-02 | 2011-04-07 | Gm Global Technology Operations, Inc. | Method and System for Automatic Test-Case Generation for Distributed Embedded Systems |
| US20150135015A1 (en) * | 2013-11-12 | 2015-05-14 | Institute For Information Industry | Cloud auto-test system, method and non-transitory computer readable storage medium of the same |
| CN108415398A (zh) * | 2017-02-10 | 2018-08-17 | 上海辇联网络科技有限公司 | 汽车信息安全自动化测试系统及测试方法 |
| CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
| CN108959060A (zh) * | 2017-05-19 | 2018-12-07 | 上海汽车集团股份有限公司 | 一种无人车开发测试系统 |
| CN110135765A (zh) * | 2019-05-29 | 2019-08-16 | 高海明 | 一种基于车联网的共享汽车控制系统、方法及存储介质 |
| CN110673590A (zh) * | 2019-10-21 | 2020-01-10 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
| CN110688288A (zh) * | 2019-09-09 | 2020-01-14 | 平安普惠企业管理有限公司 | 基于人工智能的自动化测试方法、装置、设备及存储介质 |
| CN111338973A (zh) * | 2020-05-19 | 2020-06-26 | 中汽院汽车技术有限公司 | 基于场景的自动驾驶仿真测试评价服务云平台及应用方法 |
-
2020
- 2020-07-03 CN CN202010630639.3A patent/CN111897718A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20040021880A (ko) * | 2002-09-05 | 2004-03-11 | 현대자동차주식회사 | 차량의 부하 오작동 시험용 자동화 시스템 |
| US20110083121A1 (en) * | 2009-10-02 | 2011-04-07 | Gm Global Technology Operations, Inc. | Method and System for Automatic Test-Case Generation for Distributed Embedded Systems |
| US20150135015A1 (en) * | 2013-11-12 | 2015-05-14 | Institute For Information Industry | Cloud auto-test system, method and non-transitory computer readable storage medium of the same |
| CN108415398A (zh) * | 2017-02-10 | 2018-08-17 | 上海辇联网络科技有限公司 | 汽车信息安全自动化测试系统及测试方法 |
| CN108959060A (zh) * | 2017-05-19 | 2018-12-07 | 上海汽车集团股份有限公司 | 一种无人车开发测试系统 |
| CN108829087A (zh) * | 2018-07-19 | 2018-11-16 | 山东省科学院自动化研究所 | 一种自动驾驶汽车的智能测试系统及测试方法 |
| CN110135765A (zh) * | 2019-05-29 | 2019-08-16 | 高海明 | 一种基于车联网的共享汽车控制系统、方法及存储介质 |
| CN110688288A (zh) * | 2019-09-09 | 2020-01-14 | 平安普惠企业管理有限公司 | 基于人工智能的自动化测试方法、装置、设备及存储介质 |
| CN110673590A (zh) * | 2019-10-21 | 2020-01-10 | 安徽江淮汽车集团股份有限公司 | 自动驾驶系统可靠性判断方法、装置、设备及存储介质 |
| CN111338973A (zh) * | 2020-05-19 | 2020-06-26 | 中汽院汽车技术有限公司 | 基于场景的自动驾驶仿真测试评价服务云平台及应用方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112527678A (zh) * | 2020-12-22 | 2021-03-19 | 北京百度网讯科技有限公司 | 用于测试协议的方法、装置、设备以及存储介质 |
| CN113179195A (zh) * | 2021-04-28 | 2021-07-27 | 重庆长安汽车股份有限公司 | 一种can报文埋点检测方法、系统、装置及计算机可读存储介质 |
| CN113341917A (zh) * | 2021-05-28 | 2021-09-03 | 重庆长安汽车股份有限公司 | 车联网远程控制端云一体自动测试系统及方法 |
| CN113341917B (zh) * | 2021-05-28 | 2023-03-14 | 重庆长安汽车股份有限公司 | 车联网远程控制端云一体自动测试系统及方法 |
| CN113079054A (zh) * | 2021-06-07 | 2021-07-06 | 智道网联科技(北京)有限公司 | 车载终端的监控方法、装置及系统 |
| CN113762406A (zh) * | 2021-09-15 | 2021-12-07 | 东软睿驰汽车技术（沈阳）有限公司 | 数据的挖掘方法、装置和电子设备 |
| CN114328184A (zh) * | 2021-12-01 | 2022-04-12 | 重庆长安汽车股份有限公司 | 一种基于车载以太网架构的大数据上云测试方法 |
| CN114328184B (zh) * | 2021-12-01 | 2024-05-17 | 重庆长安汽车股份有限公司 | 一种基于车载以太网架构的大数据上云测试方法 |
| CN113901285A (zh) * | 2021-12-09 | 2022-01-07 | 深圳佑驾创新科技有限公司 | 车辆道路试验方法、装置、电子设备及存储介质 |
| CN115641658A (zh) * | 2022-11-17 | 2023-01-24 | 达芬骑动力科技(北京)有限公司 | 车机故障预测方法、装置和计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111897718A (zh) | 一种基于大数据的车机自动测试方法及存储介质 | |
| KR102263337B1 (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
| US20200279229A1 (en) | Predictive Maintenance | |
| CN110633905B (zh) | 智能车云平台可靠性计算方法及系统 | |
| CN110765189A (zh) | 互联网产品的异常管理方法和系统 | |
| CN111890933A (zh) | 车辆的电池管理方法和系统、车辆和服务器 | |
| CN113452486A (zh) | 车辆信息的上传方法、装置、设备和存储介质 | |
| CN113783931A (zh) | 一种物联网数据聚合、分析方法 | |
| CN115766514A (zh) | 车联网的全链路质量监控方法、装置、存储介质和车辆 | |
| CN111740953A (zh) | 一种车辆监管平台数据接入转发方法及系统 | |
| CN113590468A (zh) | 列车自动监控系统ats接口自动化测试方法及装置 | |
| CN115016445A (zh) | 车辆的远程故障诊断方法、装置、车辆及计算机存储介质 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN111127695A (zh) | 一种用于在用车国六排放阶段车辆监控系统 | |
| CN110647070A (zh) | 一种用于超大规模数据中心的动力环境监控系统 | |
| CN111750948B (zh) | 车辆油耗计算方法及系统 | |
| CN113344323A (zh) | 一种云托管停车场人工云坐席服务质量评估的方法及装置 | |
| CN113965447A (zh) | 一种在线云诊断方法、装置、系统、设备及存储介质 | |
| CN112528389A (zh) | 一种车辆信息的处理方法、装置及车辆运营管理平台 | |
| CN114546764B (zh) | 一种远程控制t-box系统日志的方法及系统 | |
| CN110995839B (zh) | 广告系统性能的分析方法、装置和计算机存储介质 | |
| CN113726854B (zh) | 一种信息处理方法、装置、存储介质、调试设备及车辆 | |
| CN116136684B (zh) | 车辆故障诊断方法、装置、电子设备和存储介质 | |
| CN114140904A (zh) | 用于车产品数据追踪式云平台系统 | |
| CN118487966A (zh) | 基于大数据的工业物联网设备监控系统 |
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 |