CN114863585B - 一种车辆智能测试监控系统、方法及云平台 - Google Patents

Abstract

本申请提供的一种车辆智能测试监控系统、方法及云平台，对该车辆性能测试事件中的制动性能进行评估，得到该车辆性能测试事件中的第一参考制动性能描述和每一第一参考制动性能描述绑定的历史样本记录，并结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。由于存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，因此，在进行车辆性能评估时，可以根据车辆性能测试事件的测试主题利用适配的车辆性能评估线程来权衡评估制动性能的准确度与评估速率，从而能够高效率且精确地获得第一参考制动性能描述和历史样本记录，进而能够高效率且精确地搭建待使用样本集。

Description

一种车辆智能测试监控系统、方法及云平台

技术领域

本申请涉及车辆智能测试及数据监控技术领域，具体而言，涉及一种车辆智能测试监控系统、方法及云平台。

背景技术

在传统技术中，对车辆进行测试需要大量的人力资源，车辆测试人员进行测试的过程中，可能因为车辆测试人员注意力不佳而导致测试不准的情况或者是车辆测试人员心情欠佳而影响测试结果的可靠性。

现目前，人工智能技术越来越成熟，其应用领域也逐渐广泛，其中就包括车辆测试，人工智能可以代替车辆测试人员，对车辆进行实时监控，这样一来，可以尽可能的规避人为干扰。但是，通过人工智能对车辆进行实时监控的过程中，在一定程度上仍然难以保障车辆智能测试监控结果准确性。

发明内容

鉴于此，本申请提供了一种车辆智能测试监控系统、方法及云平台。

第一方面，提供一种车辆智能测试监控方法，应用于车辆智能测试监控云平台，所述方法至少包括：获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度；结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

在一种独立实施的实施例中，所述结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，包括：在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程。

在一种独立实施的实施例中，所述在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程，包括：在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程和第二评估线程；其中，所述第一评估线程的评估速率大于所述第二评估线程的评估速率，所述第一评估线程评估制动性能的准确度小于所述第二评估线程评估制动性能的准确度。

在一种独立实施的实施例中，所述结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，包括：在所述车辆性能测试事件为测试数据的基础上，结合所述第一评估线程，对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录，其中，所述第一参考制动性能描述记录涵盖所述测试数据中制动性能的第一参考制动性能描述；对于所述制动性能描述记录中的每一第一参考制动性能描述，将所述测试数据加载至所述第一参考制动性能描述绑定的历史样本记录。

在一种独立实施的实施例中，所述结合所述第一评估线程，对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录，包括：利用所述第一评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录；在第一参考制动性能描述记录为异常的基础上，利用所述第二评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录。

在一种独立实施的实施例中，所述结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，包括：在所述车辆性能测试事件为测试数据集的基础上，确定车辆性能评估线程包括第三评估线程，其中，所述第三评估线程的评估速率小于第一评估线程的评估速率且大于第二评估线程的评估速率，所述第三评估线程评估制动性能的准确度大于第一评估线程评估制动性能的准确度且小于第二评估线程评估制动性能的准确度。

在一种独立实施的实施例中，所述结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，包括：在所述车辆性能测试事件为测试数据集的基础上，利用所述第三评估线程对所述测试数据集中的制动性能进行评估，得到所述测试数据集的车辆测试数据集关键词记录；结合所述车辆测试数据集关键词记录，确定所述测试数据集中制动性能描述与车辆测试数据集关键词之间的匹配情况；据所述匹配情况，确定所述测试数据集中的第一参考制动性能描述和历史样本记录。

在一种独立实施的实施例中，所述结合所述车辆测试数据集关键词记录，确定所述测试数据集中制动性能描述与车辆测试数据集关键词之间的匹配情况，包括：对于所述车辆测试数据集关键词记录中的每一车辆测试数据集关键词，确定所述车辆测试数据集关键词绑定的制动性能描述；将所述制动性能描述与所述车辆测试数据集关键词之间的关联情况加载至所述测试数据集绑定的匹配情况。

在一种独立实施的实施例中，所述利用所述第三评估线程对所述测试数据集中的制动性能进行评估，得到所述测试数据集的车辆测试数据集关键词记录，包括：利用所述第三评估线程对所述测试数据集进行特定车辆性能评估，得到所述测试数据集的车辆测试数据集关键词记录。

在一种独立实施的实施例中，所述确定所述车辆测试数据集关键词绑定的制动性能描述，包括：对所述车辆测试数据集关键词中评估到的每一制动性能进行关键描述挖掘，得到每一所述制动性能绑定的制动性能描述；确定所述制动性能描述的制动性能描述结果；根据每一制动性能描述结果，确定所述车辆测试数据集关键词中的第二参考制动性能描述；将所述第二参考制动性能描述确定为所述车辆测试数据集关键词绑定的制动性能描述。

在一种独立实施的实施例中，所述依据所述匹配情况，确定所述测试数据集中的第一参考制动性能描述和历史样本记录，包括：对所述匹配情况中的制动性能描述进行判别函数处理，得到第一判别结果；对于所述第一判别结果中的每一判别属性，确定所述判别属性的第一参考制动性能描述；结合所述匹配情况，得到所述判别属性中每一制动性能描述绑定的历史样本；将所述每一制动性能描述绑定的历史样本，加载至所述第一参考制动性能描述绑定的历史样本记录。

在一种独立实施的实施例中，所述结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集，包括：将每一车辆性能测试事件中的每一第一参考制动性能描述加载至待进行判别的描述簇；对所述待进行判别的描述簇中的制动性能描述进行判别函数处理，得到第二判别结果；对于所述第二判别结果中的每一判别属性，确定所述判别属性的第三参考制动性能描述；对于所述判别属性中的每一制动性能描述，将每一制动性能描述绑定的历史样本记录中的历史样本加载至所述第三参考制动性能描述绑定的历史样本记录；将每一第三参考制动性能描述和所述第三参考制动性能描述绑定的历史样本记录更新到所述待使用样本集。

第二方面，提供一种车辆智能测试监控系统，包括：车辆智能测试监控云平台和车辆，所述车辆智能测试监控云平台与所述车辆通信连接；其中，所述车辆智能测试监控云平台，用于：获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度；结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

第三方面，提供一种车辆智能测试监控云平台，包括：存储器，用于存储计算机程序；与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现上述的方法。

本申请实施例所提供的一种车辆智能测试监控系统、方法及云平台，对待进行识别的车辆性能测试事件记录中的每一车辆性能测试事件，结合由该车辆性能测试事件的测试主题确定的车辆性能评估线程，对该车辆性能测试事件中的制动性能进行评估，得到该车辆性能测试事件中的第一参考制动性能描述和每一第一参考制动性能描述绑定的历史样本记录，并结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。这样，由于存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，因此，在进行车辆性能评估时，可以根据车辆性能测试事件的测试主题利用适配的车辆性能评估线程来权衡评估制动性能的准确度与评估速率，从而能够高效率且精确地获得第一参考制动性能描述和历史样本记录，进而能够高效率且精确地搭建待使用样本集。进一步地，还可以提升在搭建好的待使用样本集中进行历史样本搜寻时的搜寻精度，从而可以从大量的相关信息中快速准确地获得车辆智能测试监控结果。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种车辆智能测试监控方法的流程图。

图2为本申请实施例所提供的一种车辆智能测试监控装置的框图。

图3为本申请实施例所提供的一种车辆智能测试监控云平台的硬件结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面通过附图以及具体实施例对本申请技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。

请参阅图1，示出了一种车辆智能测试监控方法，该方法可以包括以下步骤step101-step104所描述的技术方案。

step101，获得待进行识别的车辆性能测试事件记录；其中，车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件。

示例性的，待进行识别的车辆性能测试事件记录为需要进行数据剖析处理的车辆性能测试事件或车辆性能测试事件。

测试主题可以包括测试数据、测试数据集等，具体可以根据实际操作情况确定车辆性能测试事件记录中包括的车辆性能测试事件的测试主题，再次不做进一步地限定。

step102，结合每一车辆性能测试事件的测试主题，确定车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度。

示例性的，车辆性能评估线程可以包括结合制动性能描述点的车辆性能评估线程、结合全局制动性能集的车辆性能评估线程、结合CNN线程的车辆性能评估线程等中的至少一种，利用存在差异的车辆性能评估线程对车辆性能测试事件中的制动性能进行评估时，具有存在差异的评估速率和评估制动性能的准确度。

车辆性能测试事件绑定的车辆性能评估线程为用于对该车辆性能测试事件中的制动性能进行评估的制动数据处理线程，可以根据车辆性能测试事件的测试主题确定与该车辆性能测试事件绑定的车辆性能评估线程。比如，对于测试数据种类的车辆性能测试事件和测试数据集种类的车辆性能测试事件，可以分别具有各自绑定的车辆性能评估线程。在具体实施过程中，可以根据实际操作情况确定存在差异的测试主题绑定的车辆性能评估线程，再次不做进一步地限定。

step103，结合每一车辆性能测试事件绑定的车辆性能评估线程，对车辆性能测试事件中的制动性能进行评估，得到历史样本记录和车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况。

示例性的，历史样本记录中的历史样本可以是涵盖与该历史样本记录绑定的第一参考制动性能描述关联的参考制动性能的车辆参考样本，可以包括但不限于涵盖该参考制动性能的测试数据、涵盖该参考制动性能的测试数据集关键词等中的至少一种。第一参考制动性能描述可以表示历史样本记录中各历史样本都涵盖的参考制动性能。

比如，当车辆性能测试事件为测试数据时，可以利用测试数据集绑定的车辆性能评估线程对该测试数据进行车辆性能评估，得到该测试数据中涵盖的参考制动性能和每一参考制动性能绑定的制动性能描述。由于每一制动性能描述对应该测试数据中涵盖的一个参考制动性能，即每一制动性能描述用于表征该测试数据中的一个参考制动性能，因而可以将该测试数据中的每一制动性能描述确定为该测试数据中的第一参考制动性能描述，将该测试数据理解为历史样本加载至每一第一参考制动性能描述绑定的历史样本记录中。

又比如，当车辆性能测试事件为测试数据集时，可以通过测试数据集集绑定的车辆性能评估线程对该测试数据集进行车辆性能评估，得到该测试数据集中涵盖的参考制动性能以及每一参考制动性能绑定的制动性能描述和涵盖该参考制动性能的各测试数据集关键词。由于每一制动性能描述对应该测试数据集中涵盖的一个参考制动性能，即每一制动性能描述用于表示该测试数据集中的一个参考制动性能，因而可以将该测试数据集中的每一制动性能描述确定为该测试数据集中的第一参考制动性能描述，并对于每一第一参考制动性能描述，将该测试数据集中涵盖该制动性能描述表示的参考制动性能的每一个测试数据集关键词作为历史样本，加载至每一第一参考制动性能描述绑定的历史样本记录中。

step104，结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

示例性的，待使用样本集可以用于存储制动性能描述以及与每一制动性能描述绑定的历史样本记录。根据制动性能描述，可以在待使用样本集中搜寻相应的历史样本记录。

本公开实施例提供的车辆智能测试监控方法，对待进行识别的车辆性能测试事件记录中的每一车辆性能测试事件，结合由该车辆性能测试事件的测试主题确定的车辆性能评估线程，对该车辆性能测试事件中的制动性能进行评估，得到该车辆性能测试事件中的第一参考制动性能描述和每一第一参考制动性能描述绑定的历史样本记录，并结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。这样，由于存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，因此，在进行车辆性能评估时，可以根据车辆性能测试事件的测试主题利用适配的车辆性能评估线程来权衡评估制动性能的准确度与评估速率，从而能够高效率且精确地获得第一参考制动性能描述和历史样本记录，进而能够高效率且精确地搭建待使用样本集。进一步地，还可以提升在搭建好的待使用样本集中进行历史样本搜寻时的搜寻精度，从而可以从大量的相关信息中快速准确地获得车辆智能测试监控结果。

本公开实施例提供一种车辆智能测试监控方法，可以包括以下内容。

step201，获得待进行识别的车辆性能测试事件记录；其中，车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件。

示例性的，step201对应于上述step101，在具体实施过程中可以参阅上述step101的具体实施步骤。

step202，结合每一车辆性能测试事件的测试主题，确定车辆性能测试事件绑定的车辆性能评估线程；其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，在车辆性能测试事件为测试数据的基础上，确定车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程。

示例性的，第一评估线程可以是随机恰当用于测试数据的车辆性能评估线程，包括CNN线程的车辆性能评估线程、车辆性能评估线程等。

在一种可替换的实施例中，第一评估线程可以是难以程度低，工作性能高，但制动性能的评估准确度低的车辆性能评估线程，这种评估线程对待进行评估的测试数据中制动性能的要求高，但评估速率也高。

在一种可替换的实施例中，第一评估线程的难以程度较高，但是工作效率较低，但制动性能的评估准确度高的车辆性能评估线程，这种评估线程对待评估测试数据中制动性能的要求高，但评估速率也高。

step203，结合每一车辆性能测试事件绑定的车辆性能评估线程，对车辆性能测试事件中的制动性能进行评估，得到历史样本记录和车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况。

step204，结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

示例性的，step203和step204对应于上述step103和step104，在具体实施过程中可以参阅上述step103和step104的具体实施步骤。

在一种可替换的实施例中，上述step202可以包括：在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程和第二评估线程；其中，所述第一评估线程的评估速率大于所述第二评估线程的评估速率，所述第一评估线程评估制动性能的准确度小于所述第二评估线程评估制动性能的准确度。

示例性的，第二评估线程的评估速率小于第一评估线程，但第二评估线程评估制动性能的准确度大于第一评估线程。在具体实施过程中，第一评估线程和第二评估线程可以是随机符合该评估速率和评估制动性能的准确度要求的适配的车辆性能评估线程，根据实际操作情况确定适配的第一评估线程和第二评估线程，再次不做进一步地限定。

在一种可替换的实施例中，上述step203所描述的内容，具体可以包括以下步骤。

step2031，在所述车辆性能测试事件为测试数据的基础上，结合所述第一评估线程，对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录，其中，所述第一参考制动性能描述记录涵盖所述测试数据中制动性能的第一参考制动性能描述。

示例性的，测试数据绑定的第一参考制动性能描述记录涵盖测试数据中每一制动性能的第一参考制动性能描述。结合第一评估线程对测试数据中的制动性能进行评估，可以得到该测试数据中涵盖的制动性能和每一制动性能绑定的制动性能描述。

step2032，对于所述制动性能描述记录中的每一第一参考制动性能描述，将所述测试数据加载至所述第一参考制动性能描述绑定的历史样本记录。

示例性的，由于每一制动性能描述对应该测试数据中涵盖的一个制动性能，即每一制动性能描述可以表征该测试数据中的一个制动性能，因而可以将该测试数据中的每一制动性能描述确定为该测试数据中的第一参考制动性能描述，将该测试数据作为历史样本加载至每一第一参考制动性能描述绑定的历史样本记录中。

在一种可替换的实施例中，上述step2031所描述的内容，具体可包括以下步骤。

step2031a，利用所述第一评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录。

step2031b，在第一参考制动性能描述记录为异常的基础上，利用所述第二评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录。

示例性的，当第一参考制动性能描述记录不存在时，表示利用第一评估线程在测试数据上没有评估到制动性能。由于相对于第一评估线程，第二评估线程的难以程度高，评估制动性能的准确度也高，在第一评估线程没有评估到制动性能时，利用第二评估线程对测试数据中的制动性能进行评估时，可以评估到第一评估线程遗漏的制动性能，从而可以确保制动性能的评估准确率。

本公开实施例提供的车辆智能测试监控方法，利用第一评估线程对测试数据中的制动性能进行评估，以获得测试数据中的制动性能描述，这样一来，可以有效地确保对测试数据进行车辆性能评估时的评估速率和评估精度，从而提升待使用样本集中与第一参考制动性能描述绑定的历史样本记录中测试数据数据的可信度，进而提升在待使用样本集中通过制动性能描述进行测试数据搜寻的完整性。此外，在利用第一评估线程对测试数据中的制动性能进行评估时，评估到的第一参考制动性能描述记录不存在时，可以利用评估制动性能的准确度大于第一评估线程的第二评估线程对测试数据中的制动性能进行再次评估，这样一来，由于第一评估线程的评估速率高，第二评估线程评估制动性能的准确度高，可以评估到第一评估线程遗漏的制动性能，因而，在对测试数据进行车辆性能评估时可以更好地权衡评估速率和评估制动性能的准确度，从而进一步提升待使用样本集中与第一参考制动性能描述绑定的历史样本记录中测试数据数据的精度以及搭建待使用样本集的速率，进而可以进一步提升在待使用样本集中通过制动性能描述进行测试数据搜寻的完整性。

本公开实施例提供一种车辆智能测试监控方法，可以包括以下步骤。

step301，获得待进行识别的车辆性能测试事件记录；其中，车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件。

示例性的，step301对应于上述step101，在具体实施过程中可以参阅上述step101的具体实施步骤。

step302，结合每一车辆性能测试事件的测试主题，确定车辆性能测试事件绑定的车辆性能评估线程；其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，在车辆性能测试事件为测试数据集的基础上，确定车辆性能评估线程包括第三评估线程，第三评估线程的评估速率小于第一评估线程的评估速率且大于第二评估线程的评估速率，第三评估线程评估制动性能的准确度大于第一评估线程评估制动性能的准确度且小于第二评估线程评估制动性能的准确度。

示例性的，由于测试数据集中的制动性能一般不是特别完美的状态，且测试数据集中包括若干个测试维度，对测试数据集中的制动性能进行评估时需要对若干个测试维度都进行评估，因此，对测试数据集中的制动性能进行评估时利用的车辆性能评估线程要求评估制动性能的准确度高且评估速率也高。因此，第三评估线程需要符合：评估速率小于第一评估线程的评估速率且大于第二评估线程的评估速率，评估制动性能的准确度大于第一评估线程评估制动性能的准确度且小于第二评估线程评估制动性能的准确度。

第一评估线程可以是难以程度低，工作性能高，但制动性能的评估准确度较低的车辆性能评估线程，这种评估线程对待评估测试数据中制动性能的要求高。第二评估线程的难以程度较高，工作效率较低，但制动性能的评估准确度高的车辆性能评估线程，这种评估线程对待进行评估的测试数据中制动性能的要求高。

step303，结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况。

step304，结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

示例性的，step303和step304对应于上述step103和step104，在具体实施过程中可以参阅上述step103和step104的具体实施步骤。

在一种可替换的实施例中，上述step303所描述的内容，具体可以包括以下步骤。

step3031，在所述车辆性能测试事件为测试数据集的基础上，利用所述第三评估线程对所述测试数据集中的制动性能进行评估，得到所述测试数据集的车辆测试数据集关键词记录。

示例性的，车辆测试数据集关键词记录中包括测试数据集中的每一车辆测试数据集关键词。车辆测试数据集关键词为测试数据集中参考车辆绑定的测试数据集关键词。在具体实施过程中，可以结合制动性能检测技术，标记参考车辆在测试数据集中的关键词信息，根据标记的关键词信息，可以确定测试数据集中与参考车辆绑定的车辆测试数据集关键词可以根据实际操作情况筛选适配的制动性能记录方式对测试数据集中的制动性能进行记录，得到车辆测试数据集关键词记录。

在一种可替换的实施例中，可以利用第三评估线程对测试数据集进行特定车辆性能评估，得到测试数据集的车辆测试数据集关键词记录。示例性的，可以通过第三评估线程特定抽取测试数据集中的制动性能描述，通过特定比较每一组中的制动性能描述实现制动性能记录，根据制动性能记录的结果可以确定测试数据集中每一个车辆绑定的测试数据集关键词，从而得到测试数据集的车辆测试数据集关键词记录。在一种可替换的实施例中，还可以对若干个测试数据集按照一定数量特定进行车辆性能评估，得到测试数据集的车辆测试数据集关键词记录。

在一种可替换的实施例中，当测试数据集中相同关键词出现多种情况时，可以对于每个特定的车辆测试数据集关键词。

step3032，结合所述车辆测试数据集关键词记录，确定所述测试数据集中制动性能描述与车辆测试数据集关键词之间的匹配情况。

示例性的，车辆测试数据集关键词记录中每一车辆测试数据集关键词对应一个参考车辆。制动性能描述与车辆测试数据集关键词之间的匹配情况为车辆测试数据集关键词与表示该车辆测试数据集关键词绑定的参考车辆的制动性能描述之间的匹配情况。在具体实施过程中，可以根据车辆测试数据集关键词的每一组中参考车辆的制动性能描述，确定可以表示该参考车辆的制动性能描述，进而可以确定制动性能描述与车辆测试数据集关键词之间的匹配情况。

step3033，依据所述匹配情况，确定所述测试数据集中的第一参考制动性能描述和历史样本记录。

示例性的，测试数据集中的历史样本记录中包括测试数据集中对应相同参考车辆的车辆测试数据集关键词，该参考车辆与该历史样本记录也可以是绑定的。第一参考制动性能描述为可以表示历史样本记录绑定的参考车辆的制动性能描述。

在具体实施过程中，若历史样本记录中的每一车辆测试数据集关键词绑定的制动性能描述一致，则可以将该制动性能描述确定为与该历史样本记录绑定的第一参考制动性能描述。若历史样本记录中的各车辆测试数据集关键词绑定的制动性能描述存在差异的，则可以根据各个车辆测试数据集关键词绑定的制动性能描述确定参考车辆的制动性能描述，将该制动性能描述作为与该历史样本记录绑定的第一参考制动性能描述。可以根据实际操作情况筛选适配的方式确定与历史样本记录绑定的第一参考制动性能描述，再次不做进一步地限定。

在一种可替换的实施例中，上述step3032所描述的内容，具体可以包括以下步骤。

step3032a，对于所述车辆测试数据集关键词记录中的每一车辆测试数据集关键词，确定所述车辆测试数据集关键词绑定的制动性能描述。

示例性的，可以根据车辆测试数据集关键词的每一组中参考车辆的制动性能描述，确定车辆测试数据集关键词绑定的制动性能描述。在具体实施过程中，车辆测试数据集关键词绑定的制动性能描述可以是该车辆测试数据集关键词的每一组中参考车辆的制动性能描述中的一个，也可以是结合每一组中参考车辆的制动性能描述生成的第一制动性能描述，再次不做进一步地限定。

step3032b，将所述制动性能描述与所述车辆测试数据集关键词之间的关联情况加载至所述测试数据集绑定的匹配情况。

在一种可替换的实施例中，上述step3032a所描述的内容，具体可以包括以下内容：对所述车辆测试数据集关键词中评估到的每一制动性能进行关键描述挖掘，得到每一所述制动性能绑定的制动性能描述；确定所述制动性能描述的制动性能描述结果；根据每一制动性能描述结果，确定所述车辆测试数据集关键词中的第二参考制动性能描述；将所述第二参考制动性能描述确定为所述车辆测试数据集关键词绑定的制动性能描述。

示例性的，制动性能描述结果可以由制动性能的刹车距离、制动性能的摩擦系数、制动性能的自动可靠性和车辆性能评估的准确性等中的至少一种方式计算得到。根据制动性能描述结果确定第二参考制动性能描述，可以剔除车辆测试数据集关键词中的非制动性能描述，削弱将非制动性能参考搭建成制动性能参考的可能性以及削弱在根据制动性能描述搜索待使用样本集时出现制动性能关联异常的可能性。第二参考制动性能描述可以是车辆测试数据集关键词中评估到的制动性能描述结果最佳的制动性能描述。在具体实施过程中，可以根据实际操作情况确定制动性能描述结果的统计方式以及根据制动性能描述结果确定第二参考制动性能描述的方式，再次不做进一步地限定。

在一种可替换的实施例中，上述step3033所描述的内容，具体可以包括以下步骤。

step3033a，对所述匹配情况中的制动性能描述进行判别函数处理，得到第一判别结果。

示例性的，通过对匹配情况中的制动性能描述进行判别函数处理，可以提取出相同参考车辆在测试数据集中显示的若干个车辆测试数据集关键词。在具体实施过程中，可以利用随机适配的AI智能对制动性能描述进行判别函数处理。

step3033b，对于所述第一判别结果中的每一判别属性，确定所述判别属性的第一参考制动性能描述。

示例性的，第一参考制动性能描述可以表征该判别属性的制动性能描述，可以是判别属性的判别中心绑定的制动性能描述，也可以是该判别属性中拼接最好的制动性能描述。在具体实施过程中，可以根据实际操作情况确定适配的第一参考制动性能描述，再次不做进一步地限定。

step3033c，结合所述匹配情况，得到所述判别属性中每一制动性能描述绑定的历史样本。

step3033d，将所述每一制动性能描述绑定的历史样本，加载至所述第一参考制动性能描述绑定的历史样本记录。

本公开实施例提供的车辆智能测试监控方法，利用第三评估线程对测试数据集中的制动性能进行评估，以获取测试数据集中的制动性能描述，这样一来，由于第三评估线程评估制动性能的准确度相对第一评估线程高且评估速率相对第二评估线程高，从而可以有效地确保对测试数据集进行车辆性能评估时的评估速率和评估精度，从而可以提高待使用样本集中与第一参考制动性能描述绑定的历史样本记录中测试数据集关键词的可信度，进而可以提升在待使用样本集中通过制动性能描述进行测试数据集关键词搜寻的可信度。

此外，可以利用第三评估线程对测试数据集进行特定车辆性能评估，得到测试数据集的车辆测试数据集关键词记录。这样一来，使用特定逐个制动性能描述比较的方式进行制动性能记录。进一步地，还可以对若干个测试数据集大批量特定进行车辆性能评估，从而可以有效地提高对测试数据集进行车辆性能评估的速率。

本公开实施例提供一种车辆智能测试监控方法，该方法所描述的内容，具体可以包括以下步骤。

step401，获得待进行识别的车辆性能测试事件记录；其中，车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件。

step402，结合每一车辆性能测试事件的测试主题，确定车辆性能测试事件绑定的车辆性能评估线程；其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度。

step403，结合每一车辆性能测试事件绑定的车辆性能评估线程，对车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况。

示例性的，step401至step403对应于上述step101至step103，在具体实施过程中可以参阅上述step101至step103的具体实施步骤。

step404，将每一车辆性能测试事件中的每一第一参考制动性能描述加载至待进行判别的描述簇。

step405，对待进行判别的描述簇中的制动性能描述进行判别函数处理，得到第二判别结果。

step406，对于第二判别结果中的每一判别属性，确定判别属性的第三参考制动性能描述。

示例性的，第三参考制动性能描述可以表示该判别属性的制动性能描述，可以是判别属性的判别聚焦绑定的制动性能描述。在具体实施过程中，可以根据实际操作情况确定适配的第三参考制动性能描述，再次不做进一步地限定。

step407，对于判别属性中的每一制动性能描述，将每一制动性能描述绑定的历史样本记录中的历史样本加载至第三参考制动性能描述绑定的历史样本记录。

step408，将每一第三参考制动性能描述和第三参考制动性能描述绑定的历史样本记录更新到待使用样本集。

本公开实施例提供的车辆智能测试监控方法，对每一车辆性能测试事件中的每一第一参考制动性能描述进行判别函数处理，可以将存在差异的车辆性能测试事件中对应相同参考车辆的历史样本聚类到一个历史样本记录中，并搭建该聚类后的历史样本记录与第三参考制动性能描述之间的关联情况。这样一来，可以削弱搭建的待使用样本集中的制动性能描述的数目，从而可以提升利用制动性能描述在待使用样本集中搜寻历史样本时的搜寻速率，并能提升制动性能描述数据的准确性和完整性。

在本实施例中，该方法可以包括以下内容。

step501，获得待搜寻车辆的搜寻数据。

step502，结合搜寻数据，获得待搜寻车辆的制动性能描述。

示例性的，由于搜寻数据可以提取待搜寻车辆，因而结合搜寻数据，可以获得待搜寻车辆的制动性能描述。

step503，在在先搭建的待使用样本集中，对制动性能描述进行搜寻，得到搜寻结果，其中，待使用样本集为利用本公开实施例提供的车辆智能测试监控方法在先搭建的。

示例性的，搜寻结果包括与待搜寻车辆相关的历史样本，可以包括但不限于涵盖待搜寻车辆的测试数据、测试数据集关键词等中的至少一种。在具体实施过程中，可以利用待使用样本集支持的随机适配的搜寻方式对制动性能描述进行搜寻，再次不做进一步地限定。

在一种可替换的实施例中，上述step502可以包括：在所述搜寻数据为制动性能数据的基础上，对所述制动性能数据进行关键描述挖掘，得到所述待搜寻车辆的制动性能描述。示例性的，可以利用随机适配的关键描述挖掘线程对制动性能数据进行关键描述挖掘，再次不做进一步地限定。

在一种可替换的实施例中，上述step502可以包括：在所述搜寻数据为制动性能标签的基础上，依据所述制动性能标签，寻找在先搭建的制动性能描述集，得到所述待搜寻车辆绑定的制动性能描述。示例性的，制动性能标签为待搜寻车辆在在先搭建的制动性能描述集中的标签。在一种可替换的实施例中，制动性能标签还可以是制动性能描述集中制动性能描述的标签。

在上述基础上，请结合参阅图2，提供了一种车辆智能测试监控装置200，应用于车辆智能测试监控系统，所述装置包括：

评估线程确定模块210，用于获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度；

样本记录搭建模块220，用于结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

本申请实施例所提供的方法实施例可以在车辆智能测试监控云平台、计算机设备或者类似的运算装置中执行。以运行在车辆智能测试监控云平台上为例，图3是本申请实施例的实施一种弱信号环境下北斗信号捕获方法的车辆智能测试监控云平台的硬件结构框图。如图3所示，车辆智能测试监控云平台300可以包括一个或多个(图3中仅示出一个)处理器310(处理器310可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器320。本领域普通技术人员可以理解，图3所示的结构仅为示意，其并不对上述车辆智能测试监控云平台的结构造成限定。例如，车辆智能测试监控云平台300还可包括比图3中所示更多或者更少的组件，或者具有与图3所示不同的配置。

存储器320可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中的一种弱信号环境下北斗信号捕获方法对应的计算机程序，处理器310通过运行存储在存储器320内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器320可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器320可进一步包括相对于处理器310远程设置的存储器，这些远程存储器可以通过网络连接至车辆智能测试监控云平台300。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

在上述基础上，还提供了一种车辆智能测试监控系统，包括：车辆智能测试监控云平台和车辆，所述车辆智能测试监控云平台与所述车辆通信连接；

其中，所述车辆智能测试监控云平台，用于：获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度；结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。

在上述基础上，还提供了一种计算机可读存储介质，其上存储的计算机程序在运行时实现上述的方法。

综上，基于上述方案，对待进行识别的车辆性能测试事件记录中的每一车辆性能测试事件，结合由该车辆性能测试事件的测试主题确定的车辆性能评估线程，对该车辆性能测试事件中的制动性能进行评估，得到该车辆性能测试事件中的第一参考制动性能描述和每一第一参考制动性能描述绑定的历史样本记录，并结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集。这样，由于存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，因此，在进行车辆性能评估时，可以根据车辆性能测试事件的测试主题利用适配的车辆性能评估线程来权衡评估制动性能的准确度与评估速率，从而能够高效率且精确地获得第一参考制动性能描述和历史样本记录，进而能够高效率且精确地搭建待使用样本集。进一步地，还可以提升在搭建好的待使用样本集中进行历史样本搜寻时的搜寻精度，从而可以从大量的相关信息中快速准确地获得车辆智能测试监控结果。

应当理解，上述所示的系统及其模块可以利用各种方式来实现。例如，在一些实施例中，系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中，硬件部分可以利用专用逻辑来实现；软件部分则可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法和系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本申请的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用例如由各种类型的处理器所执行的软件实现，还可以由上述硬件电路和软件的结合(例如，固件)来实现。

需要说明的是，不同实施例可能产生的有益效果不同，在不同的实施例里，可能产生的有益效果可以是以上任意一种或几种的组合，也可以是其他任何可能获得的有益效果。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本申请的限定。虽然此处并没有明确说明，本领域技术人员可能会对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议，所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。

同时，本申请使用了特定词语来描述本申请的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本申请的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。

计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等，或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤电缆、RF、或类似介质，或任何上述介质的组合。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等，常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP，动态编程语言如Python、Ruby和Groovy，或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

此外，除非权利要求中明确说明，本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本申请披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本申请实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有适应性的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本申请一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本申请引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本申请作为参考。与本申请内容不一致或产生冲突的申请历史文件除外，对本申请权利要求最广范围有限制的文件(当前或之后附加于本申请中的)也除外。需要说明的是，如果本申请附属材料中的描述、定义、和/或术语的使用与本申请所述内容有不一致或冲突的地方，以本申请的描述、定义和/或术语的使用为准。

最后，应当理解的是，本申请中所述实施例仅用以说明本申请实施例的原则。其他的变形也可能属于本申请的范围。因此，作为示例而非限制，本申请实施例的替代配置可视为与本申请的教导一致。相应地，本申请的实施例不仅限于本申请明确介绍和描述的实施例。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种车辆智能测试监控方法，其特征在于，应用于车辆智能测试监控云平台，所述方法至少包括：

获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度，所述测试主题包括测试数据、测试数据集；

结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集，所述历史样本记录中的历史样本是涵盖与该历史样本记录绑定的第一参考制动性能描述关联的参考制动性能的车辆参考样本，具体包括涵盖该参考制动性能的测试数据、涵盖该参考制动性能的测试数据集关键词中的至少一种，所述第一参考制动性能描述表示历史样本记录中各历史样本都涵盖的参考制动性能，所述待使用样本集用于存储制动性能描述以及与每一制动性能描述绑定的历史样本记录。

2.如权利要求1所述的方法，其特征在于，所述结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，包括：在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程。

3.如权利要求2所述的方法，其特征在于，所述在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程，包括：

在所述车辆性能测试事件为测试数据的基础上，确定所述车辆性能测试事件绑定的车辆性能评估线程包括第一评估线程和第二评估线程；其中，所述第一评估线程的评估速率大于所述第二评估线程的评估速率，所述第一评估线程评估制动性能的准确度小于所述第二评估线程评估制动性能的准确度。

4.如权利要求3所述的方法，其特征在于，所述结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，包括：

在所述车辆性能测试事件为测试数据的基础上，结合所述第一评估线程，对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录；

对于所述制动性能描述记录中的每一第一参考制动性能描述，将所述测试数据加载至所述第一参考制动性能描述绑定的历史样本记录。

5.如权利要求4所述的方法，其特征在于，所述结合所述第一评估线程，对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录，包括：

利用所述第一评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录；

在第一参考制动性能描述记录为异常的基础上，利用所述第二评估线程对所述测试数据中的制动性能进行评估，得到所述测试数据绑定的第一参考制动性能描述记录。

6.如权利要求5所述的方法，其特征在于，所述结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，包括：

在所述车辆性能测试事件为测试数据集的基础上，确定车辆性能评估线程包括第三评估线程，其中，所述第三评估线程的评估速率小于第一评估线程的评估速率且大于第二评估线程的评估速率，所述第三评估线程评估制动性能的准确度大于第一评估线程评估制动性能的准确度且小于第二评估线程评估制动性能的准确度。

7.如权利要求6所述的方法，其特征在于，所述结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，包括：

在所述车辆性能测试事件为测试数据集的基础上，利用所述第三评估线程对所述测试数据集中的制动性能进行评估，得到所述测试数据集的车辆测试数据集关键词记录；

结合所述车辆测试数据集关键词记录，确定所述测试数据集中制动性能描述与车辆测试数据集关键词之间的匹配情况；

依据所述匹配情况，确定所述测试数据集中的第一参考制动性能描述和历史样本记录。

8.如权利要求7所述的方法，其特征在于，所述结合所述车辆测试数据集关键词记录，确定所述测试数据集中制动性能描述与车辆测试数据集关键词之间的匹配情况，包括：

对于所述车辆测试数据集关键词记录中的每一车辆测试数据集关键词，确定所述车辆测试数据集关键词绑定的制动性能描述；将所述制动性能描述与所述车辆测试数据集关键词之间的关联情况加载至所述测试数据集绑定的匹配情况；

其中，所述利用所述第三评估线程对所述测试数据集中的制动性能进行评估，得到所述测试数据集的车辆测试数据集关键词记录，包括：利用所述第三评估线程对所述测试数据集进行特定车辆性能评估，得到所述测试数据集的车辆测试数据集关键词记录；

其中，所述确定所述车辆测试数据集关键词绑定的制动性能描述，包括：

对所述车辆测试数据集关键词中评估到的每一制动性能进行关键描述挖掘，得到每一所述制动性能绑定的制动性能描述；确定所述制动性能描述的制动性能描述结果；

根据每一制动性能描述结果，确定所述车辆测试数据集关键词中的第二参考制动性能描述；

将所述第二参考制动性能描述确定为所述车辆测试数据集关键词绑定的制动性能描述；

其中，所述依据所述匹配情况，确定所述测试数据集中的第一参考制动性能描述和历史样本记录，包括：

对所述匹配情况中的制动性能描述进行判别函数处理，得到第一判别结果；

对于所述第一判别结果中的每一判别属性，确定所述判别属性的第一参考制动性能描述；

结合所述匹配情况，得到所述判别属性中每一制动性能描述绑定的历史样本；

将所述每一制动性能描述绑定的历史样本，加载至所述第一参考制动性能描述绑定的历史样本记录；

其中，所述结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集，包括：

将每一车辆性能测试事件中的每一第一参考制动性能描述加载至待进行判别的描述簇；

对所述待进行判别的描述簇中的制动性能描述进行判别函数处理，得到第二判别结果；对于所述第二判别结果中的每一判别属性，确定所述判别属性的第三参考制动性能描述；

对于所述判别属性中的每一制动性能描述，将每一制动性能描述绑定的历史样本记录中的历史样本加载至所述第三参考制动性能描述绑定的历史样本记录；

将每一第三参考制动性能描述和所述第三参考制动性能描述绑定的历史样本记录更新到所述待使用样本集。

9.一种车辆智能测试监控系统，其特征在于，包括：车辆智能测试监控云平台和车辆，所述车辆智能测试监控云平台与所述车辆通信连接；

其中，所述车辆智能测试监控云平台，用于：获得待进行识别的车辆性能测试事件记录；其中，所述车辆性能测试事件记录中包括不少于一种测试主题的车辆性能测试事件；结合每一车辆性能测试事件的测试主题，确定所述车辆性能测试事件绑定的车辆性能评估线程，其中，存在差异的车辆性能评估线程具有存在差异的评估速率和评估准确度；结合每一车辆性能测试事件绑定的车辆性能评估线程，对所述车辆性能测试事件中的制动性能进行评估，得到历史样本记录和所述车辆性能测试事件中的第一参考制动性能描述，其中，每一历史样本记录与每一第一参考制动性能描述之间具有关联情况；结合每一车辆性能测试事件中的第一参考制动性能描述和历史样本记录，搭建待使用样本集；

所述测试主题包括测试数据、测试数据集；

所述历史样本记录中的历史样本是涵盖与该历史样本记录绑定的第一参考制动性能描述关联的参考制动性能的车辆参考样本，具体包括涵盖该参考制动性能的测试数据、涵盖该参考制动性能的测试数据集关键词中的至少一种，所述第一参考制动性能描述表示历史样本记录中各历史样本都涵盖的参考制动性能，所述待使用样本集用于存储制动性能描述以及与每一制动性能描述绑定的历史样本记录。

10.一种车辆智能测试监控云平台，其特征在于，包括：

存储器，用于存储计算机程序；

与所述存储器连接的处理器，用于执行该存储器存储的计算机程序，以实现权利要求1-8任意一项所述的方法。