CN113807547A - 车辆故障预警方法、系统、可读存储介质及计算机设备 - Google Patents

Abstract

本发明提出一种车辆故障预警方法、系统、可读存储介质及计算机设备，该方法包括：每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；根据预设的各类故障对应的预警阀值对数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；根据预设故障样本模型判断特征数据是否为存在故障的异常数据；若是，则根据异常数据生成故障预警信息，故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将故障车辆信息、故障类型及故障原因发送至售后服务平台。本发明提出的车辆故障预警方法，能够定期监测售后车辆是否存在故障隐患，并为车辆售后服务平台提供对应的故障预警信息，从而降低车辆维修成本。

Description

车辆故障预警方法、系统、可读存储介质及计算机设备

技术领域

本发明涉及车辆互安全监测技术领域，特别涉及一种车辆故障预警方法、系统、可读存储介质及计算机设备。

背景技术

随着人们生活水平的不断提高，汽车数量也在逐年升高，交通变得越来越复杂，驾驶员的安全问题也越来越受到人们的关注。

现有技术中，汽车电子器件在故障爆发初期，就已经具有比较明显的特征，如馈电、联网异常、胎压丢失等，由于大多数的车主只会驾驶车辆，对于车辆出现的异常无法进行自我检查和处理，因此往往是在出现影响车辆使用的故障以后，车主才会去售后服务平台寻求车辆维修，导致车辆故障处理不及时，而产生较大的维修维护成本。

发明内容

基于此，本发明的目的是提出一种车辆故障预警方法、系统、可读存储介质及计算机设备，以解决上述问题。

根据本发明提出的车辆故障预警方法，应用于大数据平台，所述方法包括：

每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；

根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据；

若是，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及所述故障原因发送至售后服务平台。

综上，根据上述的车辆故障预警方法，通过定期监测售后车辆是否存在故障隐患，并为售后服务平台提供对应的车辆预警信息，以便售后服务平台能够及时对故障车辆进行检修排查，从而极大的降低了车辆的售后维修成本。具体为，每隔第一预设时间获取多台售后车辆的海量整车车况数据，以形成数据集群，通过预设的各类故障对应的预警阀值对该数据集群进行筛选，以初步筛选出可能存在故障风险的特征数据，根据预设的故障样本模型对特征数据进行具体分析，以判断上述特征数据是否为存在故障的异常数据，若分析出确实存在故障的结果，则根据异常数据生成故障预警信息，并将其发送给售后服务平台，以使售后服务平台根据故障预警信息能及时对该故障车辆进行检修维护。

进一步地，所述每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群的步骤之前还包括：

获取多台已知故障的车辆的故障信息，所述故障信息包括所述故障类型和与所述故障类型对应的故障数据；

根据所述故障类型和所述故障数据建立故障样本模型。

进一步地，所述根据预设故障样本模型判断所述特征数据是否存在异常的步骤包括：

将所述特征数据与所述故障样本模型进行相似度匹配；

取与所述故障样本模型相似度大于第一预设阀值的特征数据，判断为异常数据，并获取所述异常数据对应的所述故障类型。

进一步地，所述根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据的步骤包括：

将所述数据集群分成多组批次数据，每组所述批次数据为一台车辆在第一时间段的整车车况数据，所述第一时间段的时间间隔不超过所述第一预设时间；

根据预设的各类故障的预警阀值依次对多组所述批次数据进行筛选，以获取可能存在故障异常的一组或多组特征数据。

进一步地，所述取与所述故障样本相似度大于第一预设阀值的特征数据，判断为异常数据，并获取所述异常数据对应的所述故障类型的步骤之后还包括：

获取在所述第一预设时间内出现所述异常数据的所有时间段，每一所述时间段记为一次故障；

获取所述第一预设时间内总共出现的故障次数，并根据所述故障次数及所述第一预设时间计算所述车辆的故障频率；

根据所述故障频率生成对应的预警策略，并将所述预警策略发送至售后服务平台。

进一步地，所述根据所述故障频率生成对应的预警策略，并将所述预警策略发送至所述售后服务平台的步骤包括：

根据预设频率阀值判断此次故障事件的故障原因；

若所述故障频率大于预设频率阀值，则判定所述故障原因为车辆本身故障导致；

根据所述故障原因生成车辆检修提示信息，所述车辆检修提示信息至少包括所述故障车辆信息、所述故障类型以及所述故障原因，并将所述故障车辆信息、所述故障类型和所述故障原因发送至售后服务平台。

进一步地，所述根据所述故障频率生成对应的预警策略，并将所述预警策略发送至所述售后服务平台的步骤还包括：

若所述故障频率小于或等于预设频率阀值，则判定所述故障原因为驾驶员操作不规范导致；

根据所述故障原因生成安全操作提示信息，所述安全操作提示信息至少包括所述故障车辆信息、所述故障类型以及正确操作演示视频，并将所述故障车辆信息、所述故障类型以及所述正确操作演示视频发送至售后服务平台。

根据本发明实施例的一种车辆故障预警系统，应用于大数据平台，所述车辆故障预警系统包括：

获取模块，用于每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

筛选模块，用于根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；

故障分析模块，用于根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据；

故障预警模块，用于若所述特征数据为存在故障的异常数据，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及故障原因发送至售后服务平台。

本发明另一方面还提供一种可读存储介质，包括所述可读存储介质存储一个或多个程序，该程序被执行时实现如上述的车辆故障预警方法。

本发明另一方面还提供一种计算机设备，所述计算机设备包括存储器和处理器，其中：

所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现如上述的车辆故障预警方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。

附图说明

图1为本发明第一实施例提出的车辆故障预警方法的流程图；

图2为本发明第二实施例提出的车辆故障预警方法的流程图；

图3为本发明第三实施例提出的车辆故障预警系统的结构示意图。

如下具体实施方式将结合上述附图进一步说明本发明。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，所示为本发明第一实施例中的车辆故障预警方法中的流程图，该车辆故障预警方法包括步骤S01至步骤S04，其中：

步骤S01：每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

需要说明的是，每台售后车辆均有一车载通信终端，即T-BOX，主要负责收集车况数据并将该数据上传至国家监控平台，大数据平台每隔第一预设时间则从国家监控平台下载海量数据，该海量数据即为多台售后车辆的整车工况数据，从而形成数据集群。

可以理解的，第一预设时间设定的值可以为半天、一天或其他时长，在本实施例中不作限定，通过较短循环周期频繁地获取多台售后车辆的整车工况数据，以对所有售后车辆在过去所有时段的状态进行监测，以便及时发现异常或故障。

步骤S02：根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；

需要指出的是，在对由多台售后车辆的工况数据构成的数据集群进行筛选前，首先会设定筛选条件，即针对各类故障类型设定一预警阀值，故障类型至少包括：胎压异常、车门动作异常、车灯异常、蓄电池馈电等，例如：对于车辆蓄电池馈电故障而言，设定蓄电池电量预警阀值为60，通过对数据集群进行筛选，从而导出蓄电量值低于60的特征数据。

进一步的，同一台车辆可能会存在多个故障，因此通过各类故障类型导出的预警阀值有可能是多组特征数据，从而能够实现对售后车辆的全面监测，以保证故障车辆的检修维护效率，避免出现多次维修。

步骤S03：根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据；

需要指出的是，通过各类故障类型对应的预警阀值筛选出来的特征数据，也有可能是车辆在正常行驶情况下产生的数据，例如：当筛选出蓄电池电量低于60的特征数据，表示蓄电池电量存在持续下降的情况，若车辆出现开关车门、引擎盖等耗电动作指令时，则蓄电池出现持续下降是正常情况，因此，对筛选出来的特征数据进行再次确认，以判断出是否为存在故障的异常数据是非常有必要的。

可以理解的，建立样本故障模型的步骤具体为：获取多台已知故障的车辆的故障信息，所述故障信息包括所述故障类型和与所述故障类型对应的故障数据，示例而非限定，若故障车已知的故障是存在蓄电池馈电，则专门筛选出这些故障车的蓄电池电量值，从而根据馈电故障类型和对应的蓄电池电量值建立馈电样本模型，通过该馈电样本模型匹配上述的特征数据，从而判断出特征数据是否为存在故障的异常数据。

样本故障模型是采集各种已知故障的故障车的异常数据建立的，包括但不限定蓄电池馈电故障模型、胎压故障模型、联网异常模型、车灯故障模型等。

步骤S04：若所述特征数据为存在故障的异常数据，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及故障原因发送至售后服务平台。

可以理解的是，当判断出特征数据为存在故障的异常数据后，根据故障样本模型分析出故障类型以及故障原因，并根据该异常数据调取出故障车辆信息，故障车辆信息包括但不限定车牌号、车主姓名、车主联系方式等。

进一步的，大数据平台将故障车辆信息、故障类型以及故障原因发送至售后服务平台，以使售后服务平台邀约车主，以对该故障车辆进行检修维护。

综上，根据上述的车辆故障预警方法，通过定期监测售后车辆是否存在故障隐患，并为售后服务平台提供对应的车辆预警信息，以便售后服务平台能够及时对故障车辆进行检修排查，从而极大的降低了车辆的售后维修成本。具体为，每隔第一预设时间获取多台售后车辆的海量整车车况数据，以形成数据集群，通过预设的各类故障对应的预警阀值对该数据集群进行筛选，以初步筛选出可能存在故障风险的特征数据，根据预设的故障样本模型对特征数据进行具体分析，以判断上述特征数据是否为存在故障的异常数据，若分析出确实存在故障的结果，则根据异常数据生成故障预警信息，并将其发送给售后服务平台，以使售后服务平台根据故障预警信息能及时对该故障车辆进行检修维护，从而保证汽车电子器件在问题初期就能得到有效解决。

请参阅图2，所示为本发明第二实施例中的车辆故障预警方法，该方法包括步骤S11至S17，其中：

步骤S11：每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

步骤S12：将所述数据集群分成多组批次数据，每组所述批次数据为一台车辆在第一时间段的整车车况数据，所述第一时间段的时间间隔不超过所述第一预设时间；

可以理解的，数据集群包括多台车辆在某一时间段的整车车况数据，由于数据量庞大，为了便于对该数据集群进行处理，大数据平台将数据集群分成多组批次数据，且每组批次数据均为一台车辆在第一时间段的整车车况数据，由于每次形成数据集群的周期为第一预设时间，因此第一时间段的时间间隔不超过第一预设时间。

步骤S13：根据预设的各类故障的预警阀值依次对多组所述批次数据进行筛选，以获取可能存在故障异常的特征数据。

可以理解的是，在对整车车辆数据进行筛选分析之前，会预先针对各类故障设定预警阀值，以初步筛选出可能存在故障的特征数据。

步骤S14：将所述特征数据与所述故障样本模型进行相似度匹配以获取异常数据；

需要说明的是，故障样本模型是采集多台已知故障类型的故障数据建立的，大数据平台在筛选出特征数据后，为了确认车辆是否真实存在故障，需将筛选出来的特征数据与预先建立的故障样本模型进行相似度匹配。

具体的，由于特征数据是某一时间段持续存在的，取与所述故障样本模型相似度大于第一预设阀值的特征数据，判定为异常数据，并根据所述故障样本模型获取与所述异常数据对应的故障类型。

示例而非限定，在本实施例中，第一预设阀值设为80％，那么取与样本模型相似度大于80％的特征数据则判定为异常数据，在本发明的其他实施例中，第一预设阀值还可以设为其他的数值。

步骤S15：获取在所述第一预设时间内出现所述异常数据的所有时间段，每一所述时间段记为一次故障，并根据出现所述异常数据的所有时间段获取在所述所述第一预设时间内总共出现的故障次数；

需要说明的是，由于异常数据是某一时间段持续存在的，而并非某个时刻的数据，因此大数据平台在判定出异常数据后，会进一步获取在本次监测周期内异常数据出现的所有时间段，且一个时间段记为一次故障，从而获取得到在第一预设时间内所出现的故障总次数。

步骤S16：根据所述故障次数及所述第一预设时间计算所述车辆的故障频率；

可以理解的是，大数据平台根据筛选出所有的异常数据统计售后车辆在第一预设时间内所出现的故障总次数后，进而再计算得出故障发生的频率。

步骤S17：根据所述故障频率生成对应的预警策略，并将所述预警策略发送至售后服务平台。

具体的，首先大数据平台根据预设频率阀值判断此次故障事件的故障原因，若计算得到的所述故障频率大于预设频率阀值，则判定所述故障原因为车辆本身故障导致，即车辆某个或多个电子元器件存在故障，进而大数据平台根据该故障原因生成车辆检修提示信息，所述车辆检修提示信息至少包括所述故障车辆信息、所述故障类型以及所述故障原因，并将所述故障车辆信息、所述故障类型和所述故障原因发送至售后服务平台，以使售后服务平台及时邀约车主，从而对故障车辆进行高效检修。

示例而非限定，在本实施例中，第一预设周期设为2天，即循环监测周期为2天，同时预设频率阀值设为3，经大数据平台分析得出有辆车在本监测周期内的第一天的10点，15点进行了开启右前门动作，但未启动车辆，表示整车电源状态为0，在第二天的6点，7点以及9点依旧做了同样的动作，在该监测周期内分析得到因右前门开启导致整车被异常唤醒的故障频率为5，导致蓄电池电压低于预警阀值，因此大数据平台分析认为故障原因为车辆的右前门存在故障，此时大数据平台将故障原因、该车辆的车辆信息以及故障类型一并发送给售后服务平台，以使售后服务平台及时通知车主进行检修维护，防止问题扩大化。

进一步的，若大数据平台计算得到的所述故障频率小于或等于预设频率阀值，则判定所述故障原因为驾驶员操作不规范导致，即车主错误操作导致车辆异常，此时大数据平台根据该故障原因生成安全操作提醒信息，所述安全操作提示信息至少包括所述故障车辆信息、所述故障类型以及正确操作演示视频，并将所述故障车辆信息、所述故障类型以及所述正确操作演示视频发送至售后服务平台，以使售后服务平台通知车主规范操作。

需要说明的是，大数据平台根据故障类型和故障原因获取故障模块，即分析出车辆存在故障的元器件，在确认故障原因是驾驶员不规范导致后，大数据平台根据故障模块以及故障原因调取预设数据库中对应的正确操作演示视频，以使售后服务平台根据故障车辆信息转发给车主，从而规范车主操作，避免故障模块因多次错误操作而出现不可修复的故障，从而极大地降低了检修维护成本。

综上，根据上述的车辆故障预警方法，每隔第一预设时间获取多台售后车辆的海量整车车况数据，以形成数据集群，通过预设的各类故障对应的预警阀值对该数据集群进行筛选，以初步筛选出可能存在故障风险的特征数据，根据预设的故障样本模型对特征数据进行具体分析，以判断上述特征数据是否为存在故障的异常数据，若分析出确实存在故障的结果，则根据异常数据生成对应的预警策略，并将其发送给售后服务平台，以使售后服务平台根据故障预警信息能及时对该故障车辆进行检修维护，从而保证汽车电子器件在问题初期就能得到有效解决，从而降低车辆维修成本。

请参阅图3，所示为本发明第三实施例中的车辆故障预警系统，该系统包括：

模型构建模块11，用于获取多台已知故障的车辆的故障信息，所述故障信息包括所述故障类型和与所述故障类型对应的故障数据；并根据所述故障类型和所述故障数据建立故障样本模型。

数据获取模块12，用于每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群。

筛选模块13，用于根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据。

进一步的，筛选模块13还包括：

数据管理单元，用于将所述数据集群分成多组批次数据，每组所述批次数据为一台车辆在第一时间段的整车车况数据，所述第一时间段的时间间隔不超过所述第一预设时间；

比对单元：用于根据预设的各类故障的预警阀值依次对多组所述批次数据进行筛选，以获取可能存在故障异常的特征数据。

故障分析模块14，用于根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据。

进一步的，故障分析模块14还包括：

匹配单元，用于将所述特征数据与所述故障样本模型进行相似度匹配；

判断单元，用于取与所述故障样本模型相似度大于第一预设阀值的特征数据，判断为异常数据，并获取异常数据对应的所述故障类型。

故障次数获取模块15，用于获取在所述第一预设时间内出现所述异常数据的所有时间段，每一所述时间段记为一次故障，并根据出现所述异常数据的所有时间段获取在所述所述第一预设时间内总共出现的故障次数。

故障频率计算模块16：用于根据所述故障次数及所述第一预设时间计算所述车辆的故障频率

故障预警模块17，用于若所述特征数据为存在故障的异常数据，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及故障原因发送至售后服务平台。

进一步的，故障预警模块16还包括：

故障预警单元，用于根据所述故障频率生成对应的预警策略，并将所述预警策略发送至售后服务平台。

进一步的，故障预警单元还包括：

故障原因分析子单元，用于根据预设频率阀值判断此次故障事件的故障原因；若所述故障频率大于预设频率阀值，则判定所述故障原因为车辆本身故障导致；若所述故障频率小于或等于预设频率阀值，则判定所述故障原因为驾驶员操作不规范导致；

第一故障执行子单元，用于根据所述故障原因生成车辆检修提示信息，所述车辆检修提示信息至少包括所述故障车辆信息、所述故障类型以及所述故障原因，并将所述故障车辆信息、所述故障类型和所述故障原因发送至售后服务平台

第二故障执行子单元，用于根据所述故障原因生成安全操作提示信息，所述安全操作提示信息至少包括所述故障车辆信息、所述故障类型以及正确操作演示视频，并将所述故障车辆信息、所述故障类型以及所述正确操作演示视频发送至售后服务平台。

综上，根据上述的车辆故障预警系统，每隔第一预设时间获取多台售后车辆的海量整车车况数据，以形成数据集群，通过预设的各类故障对应的预警阀值对该数据集群进行筛选，以初步筛选出可能存在故障风险的特征数据，根据预设的故障样本模型对特征数据进行具体分析，以判断上述特征数据是否为存在故障的异常数据，若分析出确实存在故障的结果，则根据异常数据生成对应的预警策略，并将其发送给售后服务平台，以使售后服务平台根据故障预警信息能及时对该故障车辆进行检修维护，从而保证汽车电子器件在问题初期就能得到有效解决，从而降低车辆维修成本。

本发明另一方面还提出计算机可读存储介质，其上存储有一个或多个程序，该程序给处理器执行时实现上述的车辆故障预警方法。

本发明另一方面还提出一种车辆，包括存储器和处理器，其中存储器用于存放计算机程序，处理器用于执行存储器上所存放的计算机程序，以实现上述的车辆故障预警方法。

本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本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，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆故障预警方法，其特征在于，应用于大数据平台，所述方法包括：

每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；

根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据；

若是，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及所述故障原因发送至售后服务平台。

2.根据权利要求1所述的车辆故障预警方法，其特征在于，所述每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群的步骤之前还包括：

获取多台已知故障的车辆的故障信息，所述故障信息包括所述故障类型和与所述故障类型对应的故障数据；

根据所述故障类型和所述故障数据建立故障样本模型。

3.根据权利要求2所述的车辆故障预警方法，其特征在于，所述根据预设故障样本模型判断所述特征数据是否存在异常的步骤包括：

将所述特征数据与所述故障样本模型进行相似度匹配；

取与所述故障样本模型相似度大于第一预设阀值的特征数据，判断为异常数据，并获取所述异常数据对应的所述故障类型。

4.根据权利要求1所述的车辆故障预警方法，其特征在于，所述根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据的步骤包括：

将所述数据集群分成多组批次数据，每组所述批次数据为一台车辆在第一时间段的整车车况数据，所述第一时间段的时间间隔不超过所述第一预设时间；

根据预设的各类故障的预警阀值依次对多组所述批次数据进行筛选，以获取可能存在故障异常的一组或多组特征数据。

5.根据权利要求4所述的车辆故障预警方法，其特征在于，所述取与所述故障样本相似度大于第一预设阀值的特征数据，判断为异常数据，并获取所述异常数据对应的所述故障类型的步骤之后还包括：

获取在所述第一预设时间内出现所述异常数据的所有时间段，每一所述时间段记为一次故障；

获取所述第一预设时间内总共出现的故障次数，并根据所述故障次数及所述第一预设时间计算所述车辆的故障频率；

根据所述故障频率生成对应的预警策略，并将所述预警策略发送至售后服务平台。

6.根据权利要求5所述的车辆故障预警方法，其特征在于，所述根据所述故障频率生成对应的预警策略，并将所述预警策略发送至所述售后服务平台的步骤包括：

根据预设频率阀值判断此次故障事件的故障原因；

若所述故障频率大于预设频率阀值，则判定所述故障原因为车辆本身故障导致；

根据所述故障原因生成车辆检修提示信息，所述车辆检修提示信息至少包括所述故障车辆信息、所述故障类型以及所述故障原因，并将所述故障车辆信息、所述故障类型和所述故障原因发送至售后服务平台。

7.根据权利要求6所述的车辆故障预警方法，其特征在于，所述根据所述故障频率生成对应的预警策略，并将所述预警策略发送至所述售后服务平台的步骤还包括：

若所述故障频率小于或等于预设频率阀值，则判定所述故障原因为驾驶员操作不规范导致；

根据所述故障原因生成安全操作提示信息，所述安全操作提示信息至少包括所述故障车辆信息、所述故障类型以及正确操作演示视频，并将所述故障车辆信息、所述故障类型以及所述正确操作演示视频发送至售后服务平台。

8.一种车辆故障预警系统，其特征在于，应用于大数据平台，所述车辆故障预警系统包括：

获取模块，用于每隔第一预设时间获取多台售后车辆的整车工况数据以形成数据集群；

筛选模块，用于根据预设的各类故障对应的预警阀值对所述数据集群进行筛选，以获取可能存在故障异常的一组或多组特征数据；

故障分析模块，用于根据预设故障样本模型判断所述特征数据是否为存在故障的异常数据；

故障预警模块，用于若所述特征数据为存在故障的异常数据，则根据所述异常数据生成故障预警信息，所述故障预警信息至少包括故障车辆信息、故障类型及故障原因，并将所述故障车辆信息、所述故障类型及故障原因发送至售后服务平台。

9.一种可读存储介质，其特征在于，包括：所述可读存储介质存储一个或多个程序，该程序被处理器执行时实现如权利要求1-7任一所述的车辆故障预警方法。

10.一种计算机设备，其特征在于，所述车辆包括存储器和处理器，其中：

所述存储器用于存放计算机程序；

所述处理器用于执行所述存储器上所存放的计算机程序时，实现权利要求1-7任一所述的车辆故障预警方法。

Images