CN113127804B - 确定车辆故障次数的方法、装置、计算机设备和存储介质 - Google Patents
确定车辆故障次数的方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN113127804B CN113127804B CN202110259034.2A CN202110259034A CN113127804B CN 113127804 B CN113127804 B CN 113127804B CN 202110259034 A CN202110259034 A CN 202110259034A CN 113127804 B CN113127804 B CN 113127804B
- Authority
- CN
- China
- Prior art keywords
- fault
- sequence
- vehicle
- fault data
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Vehicle Cleaning, Maintenance, Repair, Refitting, And Outriggers (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及车险评估技术领域,提供了一种确定车辆故障次数的方法、装置、计算机设备和存储介质。本申请能够提高对车辆故障次数进行统计的准确性。该方法包括:获取车辆在预设时段内对应所选故障类型的故障数据序列,确定该序列中具有预设故障消除标识的故障数据所处的第一序列位置以及确定该序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置,基于该第一、第二序列位置,将该序列划分为多个子序列,根据子序列的数量得到车辆的故障次数。
Description
技术领域
本申请涉及车险评估技术领域,特别是涉及一种确定车辆故障次数的方法、装置、计算机设备和存储介质。
背景技术
随着车辆的普及,车辆的零部件维修保养、延保需求也随之增加,而车辆延保险主要针对车辆零部件维修保养提供的保障。其中,针对车辆零部件延保险的评估技术中所使用的相关评估预测模型,在模型构建过程中通常需要涉及对车辆发生的故障次数进行统计。
然而,目前的技术中对车辆发生的故障次数的统计是将车辆上报故障的次数作为车辆发生故障次数,但通过这种方式所确定的车辆故障次数存在准确性较低的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种确定车辆故障次数的方法、装置、计算机设备和存储介质。
一种确定车辆故障次数的方法,所述方法包括:
获取车辆在预设时段内对应所选故障类型的故障数据序列;
确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;
确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;
基于所述第一序列位置和所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列;
根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
一种确定车辆故障次数的装置,包括:
故障序列获取模块,用于获取车辆在预设时段内对应所选故障类型的故障数据序列;
第一位置确定模块,用于确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;
第二位置确定模块,用于确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;
故障序列划分模块,用于基于所述第一序列位置和所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列;
故障次数确定模块,用于根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取车辆在预设时段内对应所选故障类型的故障数据序列;确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;基于所述第一序列位置和所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列;根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取车辆在预设时段内对应所选故障类型的故障数据序列;确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;基于所述第一序列位置和所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列;根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
上述确定车辆故障次数的方法、装置、计算机设备和存储介质,获取车辆在预设时段内对应所选故障类型的故障数据序列,确定该序列中具有预设故障消除标识的故障数据所处的第一序列位置以及确定该序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置,基于该第一、第二序列位置,将该序列划分为多个子序列,根据子序列的数量得到车辆的故障次数。该方案能够基于故障数据的故障消除标识和故障更新时间间隔,实现对故障数据序列的合理划分使得划分的各个子序列准确表征车辆发生的各次真实故障,从而提高对车辆故障次数进行统计的准确性。
附图说明
图1为一个实施例中确定车辆故障次数的方法的应用环境图;
图2为一个实施例中确定车辆故障次数的方法的流程示意图;
图3为一个实施例中确定预设时间间隔的步骤的流程示意图;
图4为一个实施例中确定车辆故障次数的装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的确定车辆故障次数的方法,可以由服务器执行并应用于如图1所示的应用环境中,该服务器可以采用独立的服务器或者是多个服务器组成的服务器集群。
具体的,该应用环境所体现的主要流程是通过对车辆的故障数据进行采集、整理和分析,获得能够用于车辆延保风险预测模型训练的目标变量即车辆的故障次数。其中,车辆的故障数据的采集可由OBD(On-Board Diagnostics,车载自动诊断系统)执行,采集后的故障数据传输至数据中心进行存储和数据整理后可交由服务器进行故障类型筛选和车辆故障次数统计,然后可将目标变量应用于对车辆延保风险预测模型进行训练,使训练后的车辆延保风险预测模型能够应用于评估/预测该车辆的延保风险。本申请提供的方案能够提高对车辆故障次数进行统计的准确性,从而有助于后续车辆延保风险预测模型准确评估/预测车辆延保风险。
以下结合各实施例和相应附图对本申请提供的确定车辆故障次数的方法作进一步说明。
在一个实施例中,如图2所示,提供了一种确定车辆故障次数的方法,该方法可由服务器执行,可以包括以下步骤:
步骤S201,获取车辆在预设时段内对应所选故障类型的故障数据序列;
本步骤中,服务器可通过车辆的OBD采集该车辆的故障数据,将时段和故障类型作为数据筛选条件,从采集的故障数据中获取该车辆在预设时段内对应所选故障类型的故障数据,形成故障数据序列。
在一些实施例中,步骤S201的获取车辆在预设时段内对应所选故障类型的故障数据序列,具体包括:
获取车辆在预设时段内对应所选故障类型的各故障数据,按照故障更新时间的顺序,将各故障数据排列形成故障数据序列。
其中,时段和故障类型可以根据实际情况进行选择,例如:预设时段可以是过去一年、两年内等,所选故障类型可以是某零部件位置执行器-电路开路、某零部件位置执行器-过温状态等。在具体应用中,OBD采集该车辆的故障数据样例如下表1所示:
表1
具体的,服务器可通过车辆的OBD采集该车辆的故障数据,并获知故障数据对应于设备ID、故障码、产生时间、更新时间和消除时间、是否人工消除等字段的具体数据,服务器可依据产生时间或者更新时间选取预设时段内的故障数据,可依据故障码选择与所选故障类型对应的故障数据,进而依据故障更新时间的顺序排列形成前述车辆在预设时段内对应所选故障类型的故障数据序列,依据故障更新时间的顺序进行排布有利于服务器在后续步骤当中实施对车辆故障次数的准确统计,设服务器可获得车辆近一年内采集到的故障码P203E的故障数据序列如下表2所示:
表2
步骤S202,确定故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;
本步骤主要是服务器针对故障数据序列,找出其中具有预设故障消除标识的故障数据所处的位置,称为第一序列位置。其中,预设故障消除标识通常是能够准确反映车辆的某个故障已确认被处理完毕的标识。在一些实施例中,为了对故障次数进行准确统计,服务器可将“是否人工消除”中的“1”(即故障主动消除标识)作为预设故障消除标识,这是由于在实际应用中,存在车辆修理店手动/主动将故障码消除的情况,“是否人工消除”中的“1”表示此时故障已被处理,可被服务器准确地认定为一次故障的结束,所以服务器将具有故障主动消除标识的故障数据所处位置作为第一序列位置,能够有利于对车辆的故障次数进行准确统计。
步骤S203,确定故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置。
其中,预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔。如上表2所示,示例性的,若预设时间间隔为30天,则行号为1和2的故障数据的故障更新时间的时间间隔小于30天、行号为2和3的故障数据的故障更新时间的时间间隔小于30天,而行号为5和6的故障数据的故障更新时间的时间间隔则大于30天,可依据行号为5和6的故障数据在故障数据序列中所处的位置确定第二序列位置,例如可以将行号5作为一次故障的结束位,将行号6作为另一次故障的开始位等。
本步骤中,更新时间可由车辆的OBD在每次读取到车辆已产生的故障时自行反馈,而车辆产生的故障可能由车辆系统自行修复,相比于由车辆修理店手动/主动处理故障,这种由车辆系统被动消除故障的方式存在一定的不确定性,例如车辆存在某些故障频繁连续上报,如果把故障上报次数直接当做车辆故障次数则会明显不合理。为将此类故障进行准确统计,本步骤以预设故障更新时间间隔为条件,当故障数据序列中所记录的连续两条故障数据的更新时间相差例如30天以上时,可确定其在序列中的位置为第二序列位置,具体可将前一条记录所处位置设为一次故障的结束位,后一条记录所处位置设为下一次故障的起始位。
步骤S204,基于第一序列位置和第二序列位置,将故障数据序列划分为多个故障数据子序列;
本步骤主要是根据步骤S202和S203所确定的满足要求的特定故障数据在故障数据序列中的位置(即第一序列位置和第二序列位置),将故障数据序列划分为多个子序列,称为故障数据子序列。
在一个实施例中,用于确定第一序列位置的预设故障消除标识包括故障主动消除标识,由此S204具体包括:
将具有故障主动消除标识的故障数据所处的第一序列位置,设为第一序列终止位,以及,将具有故障主动消除标识的故障数据的下一故障数据所处第三序列位置,设为第一序列起始位;基于第一序列终止位、第一序列起始位以及第二序列位置,将故障数据序列划分为多个故障数据子序列。
本实施例中,服务器将具有故障主动消除标识的故障数据在序列当中所处的位置(即第一序列位置)作为第一序列终止位,用于表示上一段子序列的结束,将该具有故障主动消除标识的故障数据的下一个故障数据在序列当中所处的位置(即第三序列位置)作为第一序列起始位,用于表示下一段子序列的开始,示例性的,参考表2,服务器可将具有故障主动消除标识的行号为3的故障数据的位置作为第一序列终止位,将行号为4的故障数据的位置作为第一序列起始位。由此,服务器可基于该第一序列终止位、第一序列起始位以及步骤S203所确定的第二序列位置,将故障数据序列划分为多个故障数据子序列。
进一步的,在一些实施例中,上述基于第一序列终止位、第一序列起始位以及第二序列位置,将故障数据序列划分为多个故障数据子序列,具体包括:
若满足预设故障更新时间间隔条件的故障数据为相邻故障数据的前一故障数据,则将第二序列位置设为第二序列终止位;若满足预设故障更新时间间隔条件的故障数据为该相邻故障数据的后一故障数据,则将第二序列位置设为第二序列起始位;基于第一序列终止位、第一序列起始位、第二序列终止位和第二序列起始位,将故障数据序列划分为多个故障数据子序列。
本实施例中,满足预设故障更新时间间隔条件的故障数据可以是相邻故障数据中的前一故障数据或者后一故障数据,示例性的,参考表2,设序号为5和6的相邻故障数据满足预设故障更新时间间隔条件(即更新时间相隔超过30天),则序号为5的故障数据为前一故障数据,序号为6的故障数据为后一故障数据。
由此,对于满足预设故障更新时间间隔条件的故障数据为相邻故障数据的前一故障数据如序号为5的故障数据的情况,服务器可将序号为5的故障数据的位置设为第二序列终止位,以及将序号为6的故障数据的位置设为第二序列起始位。
在确定了第一序列终止位、第一序列起始位、第二序列终止位和第二序列起始位后,服务器即可将故障数据序列拆分为多个故障数据子序列。示例性的,服务器可将如表2所示的故障数据序列拆分为如下表3所示的多个故障数据子序列,其中,不同的子序列采用不同的故障编号(如01、02和03等):
表3
其中,由于行号为3的故障数据的“是否人工消除”字段为1,且行号为1~3的3条故障数据的“更新时间”都在30天以内,所以将行号为1~3的3条故障数据表示为属于同一个故障数据子序列01,可当做一次故障;又因为行号为5和6的故障数据的“更新时间”间隔大于30天,所以将行号为4和5的两条故障数据表示为属于同一故障数据子序列02,可当做一次故障;同理,第行号为6至8的故障数据表示为属于同一故障数据子序列03,可当做一次故障。
步骤S205,根据多个故障数据子序列的数量,确定车辆的故障次数。
服务器可将划分得到的故障数据子序列的数量作为车辆的故障次数。
上述确定车辆故障次数的方法,获取车辆在预设时段内对应所选故障类型的故障数据序列,确定该序列中具有预设故障消除标识的故障数据所处的第一序列位置以及确定该序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置,基于该第一、第二序列位置,将该序列划分为多个子序列,根据子序列的数量得到车辆的故障次数。该方案能够基于故障数据的故障消除标识和故障更新时间间隔,实现对故障数据序列的合理划分使得划分的各个子序列准确表征车辆发生的各次真实故障,从而提高对车辆故障次数进行统计的准确性。
在一个实施例中,步骤S201的获取车辆在预设时段内对应所选故障类型的故障数据序列之前,上述方法还可以包括:
获取车辆对应的关键故障码,根据关键故障码得到上述所选故障类型。
其中,关键故障码是指与车辆上目标零部件相关的故障码。本实施例中,服务器根据与车辆上关键的零部件(即目标零部件)相关的故障码确定所选故障类型,有利于对车辆上关键的零部件所发生的故障次数进行关注,筛选出对车辆延保风险评估/预测有意义的目标零部件对应的关键故障码得出相应的关键故障次数,排除因其他因素而发生的故障的次数统计带来的对风险评估的影响,进而将所统计的针对关键的零部件的故障次数用于对车辆延保风险进行准确评估/预测。
在一个实施例中,服务器可以通过如下步骤确定预设故障更新时间间隔条件中的预设时间间隔,如图3所示,步骤S203的确定故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置之前,上述方法还可以包括如下步骤:
步骤S301,获取车辆样本的故障数据序列样本。
本步骤中,服务器可以将例如50万辆车辆作为车辆样本,获取这些车辆样本在例如3年内各自对应的故障数据序列从而得到故障数据序列样本。
步骤S302,基于预设故障消除标识,利用多个候选时间间隔对故障数据序列样本进行子序列划分,形成对应于多个候选时间间隔的多组故障数据子序列样本。
本步骤主要是服务器基于预设故障消除标识如故障主动消除标识,按照多个不同的候选时间间隔对每一车辆样本对应的故障数据序列样本进行子序列划分,从而针对每一车辆样本都可以得到多组故障数据子序列样本,各组故障数据子序列样本对应各候选时间间隔,且每一组故障数据子序列样本均包括多个故障数据子序列样本。其中,该多个候选时间间隔的作用主要是作为分组依据,形成多组故障数据子序列样本,从而可在后续步骤中依据各组故障数据子序列样本在车辆故障信息预估上的准确性,供服务器确定可将其中哪个或哪些候选时间间隔设为预设时间间隔。
步骤S303,服务器根据各组故障数据子序列样本各自包括的多个故障数据子序列样本的数量,得到各候选时间间隔对应的车辆故障估计信息。
具体的,针对每一组故障数据子序列样本,服务器通过子序列数量的统计均可获知相应的车辆故障次数,该车辆故障次数可作为车辆故障估计信息,称为故障次数估计值;服务器还可以依据车辆故障次数和样本车辆总数计算故障率,故障率具体可根据发生故障的样本车辆数与样本车辆总数的比值计算得到,该故障率也可以作为车辆故障估计信息,称为故障率估计值。也即,在一些实施例中,车辆故障估计信息可以包括故障次数估计值和/或故障率估计值。
步骤S304,获取车辆故障参考信息;
其中,车辆故障参考信息用于对车辆故障估计信息的估计准确性进行比照参考的依据,例如可以统计数量为50万且在三年内的某品牌车辆的故障信息作为该车辆故障参考信息。相应的,在一些实施例中,该车辆故障参考信息可以包括故障次数参考值和/或故障率参考值。
步骤S305,根据车辆故障估计信息与车辆故障参考信息的比对结果,从多个候选时间间隔中确定预设时间间隔。
本步骤主要是服务器依据车辆故障估计信息与车辆故障参考信息的比对结果,判断哪个或者哪些候选时间间隔对应的车辆故障估计信息与车辆故障参考信息比较接近,据此从中选择预设时间间隔。
在其中一些实施例中,对于车辆故障估计信息包括故障次数估计值、车辆故障参考信息包括故障次数参考值的情况,步骤S305中的根据车辆故障估计信息与车辆故障参考信息的比对结果,从多个候选时间间隔中确定预设时间间隔,具体包括:
获取由比对结果表征的故障次数估计误差,将多个候选时间间隔中具有最小故障次数估计误差的候选时间间隔,作为预设时间间隔。
本实施中,服务器可以在比对过程中根据故障次数估计值与故障次数参考值的差值得到故障次数估计误差,也即服务器可以得到每个候选时间间隔对应的故障次数估计误差,据此服务器从多个候选时间间隔中选取具有最小故障次数估计误差的候选时间间隔作为预设时间间隔,从而有利于在利用该预设时间间隔进行故障数据子序列划分过程中能够具有更高的准确性和可靠性。
在另外一些实施例中,对于车辆故障估计信息包括故障率估计值、车辆故障参考信息包括故障率参考值的情况,步骤S305中的根据车辆故障估计信息与车辆故障参考信息的比对结果,从多个候选时间间隔中确定预设时间间隔,具体包括:
获取由比对结果表征的故障率估计误差,将多个候选时间间隔中具有最小故障率估计误差的候选时间间隔,作为预设时间间隔。
本实施中,服务器在比对过程中可以根据故障率估计值与故障率参考值的差值计算得到故障率估计误差,同样的,服务器也可以得到每个候选时间间隔对应的故障率估计误差,从而服务器可从多个候选时间间隔中选取具有最小故障率估计误差的候选时间间隔作为预设时间间隔,也能使利用该预设时间间隔进行故障数据子序列划分过程中具有更高的准确性和可靠性。
示例性的,对于上述实施例中关于预设时间间隔的设定过程和结果可参考如下表4:
表4
具体的,为确定预设时间间隔的合理取值,先将其分别取30、360、720天等候选时间间隔统计其对应的故障率估计值,将该故障率估计值与某品牌车辆的故障率(即故障率参考值)进行对比,可见候选时间间隔为30天时,得到的故障率估计值与某品牌车辆的故障率参考值的差值最小,考虑到不同品牌车辆的关键零部件的质量具有一定差异,因此服务器判断车辆样本对应的故障率参考值在整体上比同一品牌车辆的故障率大一点是合理的,所以服务器可确定以30天作为预设时间间隔,能够保证在对车辆故障次数的统计上具有一定的准确性和可靠性。
应该理解的是,虽然如上流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种确定车辆故障次数的装置,该装置400可以包括:
故障序列获取模块401,用于获取车辆在预设时段内对应所选故障类型的故障数据序列;
第一位置确定模块402,用于确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;
第二位置确定模块403,用于确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;
故障序列划分模块404,用于基于所述第一序列位置和所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列;
故障次数确定模块405,用于根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
在一个实施例中,上述装置400还可以包括:类型确定单元,用于获取所述车辆对应的关键故障码;所述关键故障码为与所述车辆上目标零部件相关的故障码;根据所述关键故障码,得到所述所选故障类型。
在一个实施例中,故障序列获取模块401,用于获取所述车辆在所述预设时段内对应所述所选故障类型的各故障数据;按照故障更新时间的顺序,将所述各故障数据排列形成所述故障数据序列。
在一个实施例中,上述装置400还可以包括:间隔确定单元,用于获取车辆样本的故障数据序列样本;基于所述预设故障消除标识,利用多个候选时间间隔对所述故障数据序列样本进行子序列划分,形成对应于所述多个候选时间间隔的多组故障数据子序列样本;其中,各组故障数据子序列样本包括多个故障数据子序列样本;根据所述各组故障数据子序列样本各自包括的所述多个故障数据子序列样本的数量,得到各候选时间间隔对应的车辆故障估计信息;获取车辆故障参考信息;根据所述车辆故障估计信息与所述车辆故障参考信息的比对结果,从所述多个候选时间间隔中确定所述预设时间间隔。
在一个实施例中,所述车辆故障估计信息包括故障次数估计值;所述车辆故障参考信息包括故障次数参考值;间隔确定单元,用于获取由所述比对结果表征的故障次数估计误差;所述故障次数估计误差根据所述故障次数估计值与所述故障次数参考值的差值确定;将所述多个候选时间间隔中具有最小故障次数估计误差的候选时间间隔,作为所述预设时间间隔。
在一个实施例中,所述车辆故障估计信息包括故障率估计值;所述车辆故障参考信息包括故障率参考值;间隔确定单元,用于获取由所述比对结果表征的故障率估计误差;所述故障率估计误差根据所述故障率估计值与所述故障率参考值的差值确定;将所述多个候选时间间隔中具有最小故障率估计误差的候选时间间隔,作为所述预设时间间隔。
在一个实施例中,所述预设故障消除标识包括故障主动消除标识;故障序列划分模块404,用于将具有所述故障主动消除标识的故障数据所处的所述第一序列位置,设为第一序列终止位,以及,将所述具有所述故障主动消除标识的故障数据的下一故障数据所处第三序列位置,设为第一序列起始位;基于所述第一序列终止位、第一序列起始位以及所述第二序列位置,将所述故障数据序列划分为多个故障数据子序列。
在一个实施例中,故障序列划分模块404,用于若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的前一故障数据,则将所述第二序列位置设为第二序列终止位;若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的后一故障数据,则将所述第二序列位置设为第二序列起始位;基于所述第一序列终止位、第一序列起始位、第二序列终止位和第二序列起始位,将所述故障数据序列划分为多个故障数据子序列。
关于确定车辆故障次数的装置的具体限定可以参见上文中对于确定车辆故障次数的方法的限定,在此不再赘述。上述确定车辆故障次数的装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储故障数据、故障数据序列、预设时间间隔、故障数据子序列和车辆的故障次数等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种确定车辆故障次数的方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,还提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种确定车辆故障次数的方法,其特征在于,所述方法包括:
获取车辆在预设时段内对应所选故障类型的故障数据序列;
确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;所述预设故障消除标识包括故障主动消除标识;
确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;
将具有所述故障主动消除标识的故障数据所处的所述第一序列位置,设为第一序列终止位,以及,将所述具有所述故障主动消除标识的故障数据的下一故障数据所处第三序列位置,设为第一序列起始位;
若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的前一故障数据,则将所述第二序列位置设为第二序列终止位;若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的后一故障数据,则将所述第二序列位置设为第二序列起始位;
基于所述第一序列终止位、第一序列起始位、第二序列终止位和第二序列起始位,将所述故障数据序列划分为多个故障数据子序列;
根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
2.根据权利要求1所述的方法,其特征在于,所述获取车辆在预设时段内对应所选故障类型的故障数据序列之前,所述方法还包括:
获取所述车辆对应的关键故障码;所述关键故障码为与所述车辆上目标零部件相关的故障码;
根据所述关键故障码,得到所述所选故障类型。
3.根据权利要求1所述的方法,其特征在于,所述获取车辆在预设时段内对应所选故障类型的故障数据序列,包括:
获取所述车辆在所述预设时段内对应所述所选故障类型的各故障数据;
按照故障更新时间的顺序,将所述各故障数据排列形成所述故障数据序列。
4.根据权利要求1所述的方法,其特征在于,所述确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置之前,所述方法还包括:
获取车辆样本的故障数据序列样本;
基于所述预设故障消除标识,利用多个候选时间间隔对所述故障数据序列样本进行子序列划分,形成对应于所述多个候选时间间隔的多组故障数据子序列样本;其中,各组故障数据子序列样本包括多个故障数据子序列样本;
根据所述各组故障数据子序列样本各自包括的所述多个故障数据子序列样本的数量,得到各候选时间间隔对应的车辆故障估计信息;
获取车辆故障参考信息;
根据所述车辆故障估计信息与所述车辆故障参考信息的比对结果,从所述多个候选时间间隔中确定所述预设时间间隔。
5.根据权利要求4所述的方法,其特征在于,
所述车辆故障估计信息包括故障次数估计值;所述车辆故障参考信息包括故障次数参考值;所述根据所述车辆故障估计信息与所述车辆故障参考信息的比对结果,从所述多个候选时间间隔中确定所述预设时间间隔,包括:
获取由所述比对结果表征的故障次数估计误差;所述故障次数估计误差根据所述故障次数估计值与所述故障次数参考值的差值确定;
将所述多个候选时间间隔中具有最小故障次数估计误差的候选时间间隔,作为所述预设时间间隔;
和/或,
所述车辆故障估计信息包括故障率估计值;所述车辆故障参考信息包括故障率参考值;所述根据所述车辆故障估计信息与所述车辆故障参考信息的比对结果,从所述多个候选时间间隔中确定所述预设时间间隔,包括:
获取由所述比对结果表征的故障率估计误差;所述故障率估计误差根据所述故障率估计值与所述故障率参考值的差值确定;
将所述多个候选时间间隔中具有最小故障率估计误差的候选时间间隔,作为所述预设时间间隔。
6.一种确定车辆故障次数的装置,其特征在于,包括:
故障序列获取模块,用于获取车辆在预设时段内对应所选故障类型的故障数据序列;
第一位置确定模块,用于确定所述故障数据序列中具有预设故障消除标识的故障数据所处的第一序列位置;所述预设故障消除标识包括故障主动消除标识;
第二位置确定模块,用于确定所述故障数据序列中满足预设故障更新时间间隔条件的故障数据所处的第二序列位置;所述预设故障更新时间间隔条件包括与相邻故障数据的故障更新时间的时间间隔大于或者等于预设时间间隔;
故障序列划分模块,用于将具有所述故障主动消除标识的故障数据所处的所述第一序列位置,设为第一序列终止位,以及,将所述具有所述故障主动消除标识的故障数据的下一故障数据所处第三序列位置,设为第一序列起始位;
所述故障序列划分模块,还用于若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的前一故障数据,则将所述第二序列位置设为第二序列终止位;若所述满足预设故障更新时间间隔条件的故障数据为所述相邻故障数据的后一故障数据,则将所述第二序列位置设为第二序列起始位;
所述故障序列划分模块,还用于基于所述第一序列终止位、第一序列起始位、第二序列终止位和第二序列起始位,将所述故障数据序列划分为多个故障数据子序列;
故障次数确定模块,用于根据所述多个故障数据子序列的数量,确定所述车辆的故障次数。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
类型确定单元,用于获取所述车辆对应的关键故障码;所述关键故障码为与所述车辆上目标零部件相关的故障码;根据所述关键故障码,得到所述所选故障类型。
8.根据权利要求6所述的装置,其特征在于,所述故障序列获取模块,还用于:
获取所述车辆在所述预设时段内对应所述所选故障类型的各故障数据;按照故障更新时间的顺序,将所述各故障数据排列形成所述故障数据序列。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110259034.2A CN113127804B (zh) | 2021-03-10 | 2021-03-10 | 确定车辆故障次数的方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110259034.2A CN113127804B (zh) | 2021-03-10 | 2021-03-10 | 确定车辆故障次数的方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113127804A CN113127804A (zh) | 2021-07-16 |
CN113127804B true CN113127804B (zh) | 2023-03-21 |
Family
ID=76772879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110259034.2A Active CN113127804B (zh) | 2021-03-10 | 2021-03-10 | 确定车辆故障次数的方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113127804B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004024262A1 (de) * | 2004-05-15 | 2005-12-01 | Daimlerchrysler Ag | Wissensbasiertes Diagnosesystem für ein komplexes technisches System mit zwei getrennten Wissensbasen zur Verarbeitung technischer Systemdaten und zur Verarbeitung von Kundenbeanstandungen |
JP4403959B2 (ja) * | 2004-12-03 | 2010-01-27 | トヨタ自動車株式会社 | 車両故障診断装置 |
CN102523137B (zh) * | 2011-12-22 | 2014-10-08 | 华为技术服务有限公司 | 一种故障监测方法、装置及系统 |
CN103714401A (zh) * | 2014-01-21 | 2014-04-09 | 国家电网公司 | 一种电网配变故障次数预测的方法 |
CN104181912B (zh) * | 2014-08-07 | 2017-05-31 | 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 |
US10540828B2 (en) * | 2014-09-26 | 2020-01-21 | International Business Machines Corporation | Generating estimates of failure risk for a vehicular component in situations of high-dimensional and low sample size data |
US10429428B2 (en) * | 2015-11-30 | 2019-10-01 | GM Global Technology Operations LLC | ECU ground fault isolation for a delay system |
CN108600000A (zh) * | 2018-04-12 | 2018-09-28 | 咪咕文化科技有限公司 | 一种故障预测方法、服务器和计算机存储介质 |
CN109800995A (zh) * | 2019-01-30 | 2019-05-24 | 北京数介科技有限公司 | 一种电网设备故障识别方法及系统 |
CN111913931A (zh) * | 2019-05-21 | 2020-11-10 | 中车大同电力机车有限公司 | 车辆故障数据库的构建方法及装置、存储介质及电子设备 |
CN110531723B (zh) * | 2019-09-12 | 2022-07-05 | 东北大学 | 一种选矿设备故障状态可视分析系统与方法 |
CN110796487A (zh) * | 2019-10-18 | 2020-02-14 | 上海钧正网络科技有限公司 | 数量预测方法、装置、计算机设备和存储介质 |
-
2021
- 2021-03-10 CN CN202110259034.2A patent/CN113127804B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113127804A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6625589B1 (en) | Method for adaptive threshold computation for time and frequency based anomalous feature identification in fault log data | |
CN111277469B (zh) | 网络诊断处理方法、装置、网络系统及服务器 | |
KR20190071812A (ko) | 고장 리스크 지표 추정 장치 및 고장 리스크 지표 추정 방법 | |
CN111460076A (zh) | 驾驶路线熟悉度确定方法、装置、计算机设备和存储介质 | |
CN109684320B (zh) | 监测数据在线清洗的方法和设备 | |
CN112200059B (zh) | 水上移动目标的流量统计方法、装置和计算机设备 | |
CN113218537A (zh) | 温度异常检测模型的训练方法、装置、设备和存储介质 | |
CN115795920A (zh) | 基于多应力耦合加速模型的产品可靠性评价方法和装置 | |
CN116743637B (zh) | 一种异常流量的检测方法、装置、电子设备及存储介质 | |
CN110866682B (zh) | 基于历史数据的地下电缆预警方法和装置 | |
CN113127804B (zh) | 确定车辆故障次数的方法、装置、计算机设备和存储介质 | |
CN110532122B (zh) | 故障分析方法及系统、电子设备、存储介质 | |
CN117237678A (zh) | 用电行为异常检测方法、装置、设备及存储介质 | |
CN116228045B (zh) | 基于性能退化的产品可靠性薄弱环节评估方法和装置 | |
CN113407515A (zh) | 应用于人工智能的大数据维护方法及大数据服务器 | |
CN114138634B (zh) | 测试用例的选取方法、装置、计算机设备和存储介质 | |
CN112949951A (zh) | 数据预测方法、装置、电子设备及存储介质 | |
CN115372752A (zh) | 故障检测方法、装置、电子设备以及存储介质 | |
US10437710B2 (en) | Code coverage testing utilizing test-to-file maps | |
CN113704964B (zh) | 整车可靠性试验的路线设计方法、装置及计算机设备 | |
CN113239236B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
CN116610484B (zh) | 一种模型训练方法、故障预测方法、系统、设备以及介质 | |
CN116091553B (zh) | 轨迹的确定方法、装置、电子设备、车辆和存储介质 | |
CN118116105A (zh) | 确定在飞行器中产生性能缺陷的故障的发生概率的方法 | |
CN116227239B (zh) | 基于灰色预测模型的加速试验数据分析方法、装置和设备 |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20230524 Address after: Room 101, No. 227 Gaotang Road, Tianhe District, Guangzhou City, Guangdong Province, 510665 (Location: Room 601) Patentee after: Yamei Zhilian Data Technology Co.,Ltd. Address before: Room 201, No.1 Hanjing Road, Tianhe District, Guangzhou City, Guangdong Province Patentee before: GUANGZHOU YAME INFORMATION TECHNOLOGY Co.,Ltd. |