CN115357788A - 一种车辆故障解决方案的个性化推送方法及系统 - Google Patents

Abstract

本发明公开一种车辆故障解决方案的个性化推送方法及系统，该方法包括：根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案。本发明能够根据车辆故障码和车辆场景数据进行故障场景的匹配，通过预先将不同的故障解决方案配置于不同的故障场景，能够针对匹配到的故障场景为用户提供个性化的车辆故障解决方案。

Description

一种车辆故障解决方案的个性化推送方法及系统

技术领域

本发明涉及车辆技术领域，尤其是涉及一种车辆故障解决方案的个性化推送方法及系统。

背景技术

随着车辆的驾驶时间和行驶里程的增加，车辆不可避免地会出现各种类型的故障，现有技术中，当车辆发生故障时，往往需要用户自行查看车辆的纸质说明书或电子说明书以获取当前故障的解决方案，然而现有技术获取到的解决方案较为单一，难以针对不同的故障场景为用户提供个性化的车辆故障解决方案。

发明内容

本发明提供一种车辆故障解决方案的个性化推送方法及系统，以解决现有技术难以针对不同的故障场景为用户提供个性化的车辆故障解决方案的技术问题，能够根据车辆故障码和车辆场景数据进行故障场景的匹配，通过预先将不同的故障解决方案配置于不同的故障场景，能够针对匹配到的故障场景为用户提供个性化的车辆故障解决方案。

为了解决上述技术问题，本发明实施例第一方面提供一种车辆故障解决方案的个性化推送方法，包括如下步骤：

根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案。

作为优选方案，所述在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景，具体包括如下步骤：

基于所述故障场景库中预先配置于每个场景的故障类型，获取所述故障类型匹配于所述车辆故障码的若干匹配场景；

根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景。

作为优选方案，所述根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景，具体包括如下步骤：

根据所述车辆场景数据，获得车辆的若干当前场景特征；

将所述当前场景特征输入至预设的场景决策模型，通过所述场景决策模型对所述若干匹配场景进行场景决策，获得所述目标场景。

作为优选方案，所述方法具体通过如下步骤构建所述场景决策模型：

根据所述故障场景库中预先配置于每个场景的推送条件，构建每个故障类型所对应的根节点和叶子节点，并根据所述根节点和所述叶子节点，构建决策树模型；

利用预设训练数据集对所述决策树模型进行训练，获得所述场景决策模型。

作为优选方案，所述故障解决方案包括优选解决方案和次选解决方案；

则，所述将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案，具体包括：

将预先配置于所述目标场景的优选解决方案和次选解决方案发送至车机端，以使所述车机端向用户推送所述优选解决方案和所述次选解决方案。

作为优选方案，所述方法还包括如下步骤：

响应于用户输入的方案选择指令，记录当前用户选择的目标方案；

当所述目标方案为所述次选解决方案时，对所述目标场景的故障解决方案进行更新，以将所述次选解决方案作为所述目标场景的更新后的优选解决方案。

作为优选方案，所述方法还包括如下步骤：

响应于用户输入的故障请求指令，接收用户的语音数据，并对所述语音数据进行识别，获取与所述语音数据对应的识别文本；

对所述识别文本进行关键词提取，并对提取的若干关键词进行语义拓展处理，获得若干故障识别文本；

根据若干所述故障识别文本，在所述故障场景库中确定匹配于所述故障识别文本的若干故障类型，并将包含所述若干故障类型的推送信息发送至所述车机端，以使所述车机端向用户推送所述推送信息；

响应于用户输入的故障类型选择指令，确定所述推送信息中的目标故障类型；

获取与所述目标故障类型对应的若干场景，并根据当前车辆场景数据，对所述若干场景进行场景决策，获得决策场景；

将预先配置于所述决策场景的故障解决方案发送至所述车机端，以使所述车机端向用户推送所述故障解决方案。

作为优选方案，所述方法具体通过如下步骤获取所述车辆故障码：

通过预先配置于车辆的车身检测模块对车辆进行故障检测，并接收所述车身检测模块发送的所述车辆故障码。

作为优选方案，所述车辆场景数据至少包括驾驶人信息、车辆位置数据、车内光照强度、车内人数、当前车速、当前天气状况。

本发明实施例第二方面提供一种车辆故障解决方案的个性化推送系统，包括云端和车机端；

所述云端，用于：

根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

将预先配置于所述目标场景的故障解决方案发送至所述车机端；

所述车机端，用于：

向用户推送所述故障解决方案。

相比于现有技术，本发明实施例的有益效果在于，能够根据车辆故障码和车辆场景数据进行故障场景的匹配，通过预先将不同的故障解决方案配置于不同的故障场景，能够针对匹配到的故障场景为用户提供个性化的车辆故障解决方案。

附图说明

图1是本发明实施例中的车辆故障解决方案的个性化推送方法的流程示意图；

图2是本发明实施例中的场景决策过程的示意图；

图3是本发明实施例中的车辆故障解决方案的个性化推送系统的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明实施例第一方面提供一种车辆故障解决方案的个性化推送方法，包括如下步骤S1至步骤S2：

步骤S1，根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

步骤S2，将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案。

具体地，当车辆发生故障时，本实施例通过获取当前的车辆故障码和车辆场景数据，在故障场景库中的若干预设场景中，获取匹配于该车辆故障码和车辆场景数据的目标场景。值得说明的是，车辆故障码为在车型上市前，由云端管理员为不同的车辆故障类型预先配置的，而车辆场景数据为通过配置于车辆的摄像头、导航模块、内置天气预报软件、光传感器等对车内、车外的环境进行感知所获取的数据，包括但不仅限于驾驶员身份、驾驶员性别、车内人数、车辆位置、车外天气、车内光照强度等。由于统一化的故障解决方案并不一定适用于所有故障场景，例如，当车辆行驶过程中，车胎因扎钉而导致胎压过低，需要更换备胎时，通常而言，男性的力气比女性大，因此对于车内只有驾驶员本人时，若驾驶员为男性，则优先向其推送具体的备胎更换方案，若驾驶员为女性，则优先向其推送附近的汽车维修店的电话，因此为了能够针对不同的故障场景推送不同的故障解决方案，需要通过获取车辆场景数据而确认当前的故障场景。

值得说明的是，故障场景库中的每个场景由云端管理员预先构建而成，具体地，云端管理员预先为每个车辆故障类型配置车辆故障码和若干故障解决方案，可以理解的是，每个故障解决方案对应一个故障场景，且每个故障解决方案均设置有推送条件，仅当满足推送条件时，才触发对应故障场景的解决方案推送。云端管理员通过新增、修订、删除等操作，对每个场景所对应的车辆故障类型、车辆故障码、推送条件和故障解决方案进行设置，从而构建包含若干场景的故障场景库。

进一步地，在获取目标场景后，将预先配置于目标场景的故障解决方案发送至车机端，以使车机端向用户推送该故障解决方案。示例性地，故障解决方案的推送方式可以通过车内扬声器进行播报，也可以在车辆中控屏上以文字、图片或视频的形式进行推送，本实施例在此不作具体限定。

本发明实施例提供的一种车辆故障解决方案的个性化推送方法，能够根据车辆故障码和车辆场景数据进行故障场景的匹配，通过预先将不同的故障解决方案配置于不同的故障场景，能够针对匹配到的故障场景为用户提供个性化的车辆故障解决方案。

作为优选方案，所述在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景，具体包括如下步骤：

基于所述故障场景库中预先配置于每个场景的故障类型，获取所述故障类型匹配于所述车辆故障码的若干匹配场景；

根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景。

在本实施例中，由于每个故障类型预先设置有对应的车辆故障码，而每个故障类型对应有若干不同的故障场景，因此能够在故障场景库中获取故障类型匹配于车辆故障码的若干匹配场景。

进一步地，根据车辆场景数据，对若干匹配场景进行场景决策，决策出满足推送条件的匹配场景，从而获得目标场景。

作为优选方案，所述根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景，具体包括如下步骤：

根据所述车辆场景数据，获得车辆的若干当前场景特征；

将所述当前场景特征输入至预设的场景决策模型，通过所述场景决策模型对所述若干匹配场景进行场景决策，获得所述目标场景。

具体地，本实施例通过车辆场景数据，获得车辆的若干当前场景特征，例如，当前车速不为0，对应的场景特征为车辆为非静止状态；车内人数大于2，对应的场景特征为多人；驾驶员为女性驾驶员，对应的场景特征为驾驶员性别为女性。

进一步地，将当前场景特征输入至预设的场景决策模型，通过场景决策模型对若干匹配场景进行场景决策，获得所述目标场景。

示例性地，参见图2，为本实施例提供的场景决策过程的示意图，首先通过车速判断车辆是否静止，如果是，则优先以视频的形式向用户推送故障解决方案，如果否，则需要判断当前故障是否属于严重故障，如果否，则优先以文字的形式向用户推送故障解决方案，如果是，则需要通过车辆位置判断附近是否有4S店或汽车维修店，如果是，则优先向用户提供最近的4S店或汽车维修店的导航信息，如果否，则需要判断车内是否为多人状态，如果是，则优先向用户推送具体的维修方案，如果否，则需要判断驾驶员性别，如果是男性，则优先向用户推送具体的维修方案，如果是女性，则优先向用户提供4S店或汽车维修店的电话。

值得说明的是，每个故障类型预先由云端管理员进行严重程度分类，如分为严重故障和非严重故障，示例性地，对于属于严重故障的故障类型，在故障解决方案中添加4S店的电话，以方便用户呼叫，对于属于非严重故障的故障类型，仅需提供维修建议和故障科普。

值得说明的是，为了提高故障场景的适配性，推送条件可以根据高频特征和易于检测的特征进行设定，例如，性别为高频特征，故障严重程度、车速、车辆位置、车内人数等为易于检测的特征。

作为优选方案，所述方法具体通过如下步骤构建所述场景决策模型：

根据所述故障场景库中预先配置于每个场景的推送条件，构建每个故障类型所对应的根节点和叶子节点，并根据所述根节点和所述叶子节点，构建决策树模型；

利用预设训练数据集对所述决策树模型进行训练，获得所述场景决策模型。

值得说明的是，本实施例通过故障场景库中预先配置于每个场景的推送条件，构建每个故障类型所对应的根节点和叶子节点，可以理解的是，根节点表示其中一项推送条件的判断，叶子节点表示判断结果的输出，即一个具体的故障场景。根据每个故障类型所对应的根节点和叶子节点，构建决策树模型。

作为优选方案，所述故障解决方案包括优选解决方案和次选解决方案；

则，所述将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案，具体包括：

将预先配置于所述目标场景的优选解决方案和次选解决方案发送至车机端，以使所述车机端向用户推送所述优选解决方案和所述次选解决方案。

具体地，为了满足用户对于故障解决方案推送的个性化需求，每个场景均预先配置有优选解决方案和次选解决方案，在向用户推送故障解决方案时，将优选解决方案和次选解决方案一并推送以供用户选择。

作为优选方案，所述方法还包括如下步骤：

响应于用户输入的方案选择指令，记录当前用户选择的目标方案；

当所述目标方案为所述次选解决方案时，对所述目标场景的故障解决方案进行更新，以将所述次选解决方案作为所述目标场景的更新后的优选解决方案。

具体地，当用户通过车机端进行方案选择交互时，响应于用户输入的方案选择指令，并记录当前用户选择的目标方案；当目标方案为次选解决方案时，表明用户倾向于通过次选解决方案处理当前车辆故障，因此对当前目标场景的故障解决方案进行更新，以将次选解决方案作为当前目标场景的更新后的优选解决方案，在下一次推送时作为该目标场景的优选解决方案进行推送，从而能够优化故障解决方案的个性化推送。当目标方案为优选解决方案时，表面用户倾向于通过优选解决方案处理当前车辆故障，因此无需对当前目标场景的故障解决方案进行更新。

作为优选方案，所述方法还包括如下步骤：

响应于用户输入的故障请求指令，接收用户的语音数据，并对所述语音数据进行识别，获取与所述语音数据对应的识别文本；

对所述识别文本进行关键词提取，并对提取的若干关键词进行语义拓展处理，获得若干故障识别文本；

根据若干所述故障识别文本，在所述故障场景库中确定匹配于所述故障识别文本的若干故障类型，并将包含所述若干故障类型的推送信息发送至所述车机端，以使所述车机端向用户推送所述推送信息；

响应于用户输入的故障类型选择指令，确定所述推送信息中的目标故障类型；

获取与所述目标故障类型对应的若干场景，并根据当前车辆场景数据，对所述若干场景进行场景决策，获得决策场景；

将预先配置于所述决策场景的故障解决方案发送至所述车机端，以使所述车机端向用户推送所述故障解决方案。

需要说明的是，当车辆通过自检未感知到车辆发生故障时，本实施例能够通过用户主动进行故障请求，从而基于用户的故障请求向用户推送相关的故障解决方案。

在本实施例中，响应于用户输入的故障请求指令，接收用户的语音数据，并对语音数据进行识别，获取与语音数据对应的识别文本，例如“空调温度如何调节”、“保险快到期了怎么处理”、“车内胎压太低怎么办”等；对识别文本进行关键词提取，并对提取的若干关键词进行语义拓展处理，获得若干故障识别文本；根据若干故障识别文本，在故障场景库中确定匹配于故障识别文本的若干故障类型，并将包含若干故障类型的推送信息发送至车机端，以使车机端向用户推送推送信息。

示例性地，若识别到用户的语音文本为“空调坏了怎么办”，对该识别文本进行关键词提取，即提取出“空调坏了”，然后对该关键词进行语义拓展处理，获得若干故障识别文本，例如“空调损坏”、“空调故障”等，根据这些故障识别文本，在故障场景库中确定匹配于该故障识别文本的若干故障类型，例如，在故障场景库中，关于空调存在3种不同的故障类型，则将包含该3种故障类型的推送信息发送至车机端，以使车机端向用户推送推送信息，例如，在中控屏显示：为您找到了3个空调相关结果，您想了解哪一个？

进一步地，响应于用户输入的故障类型选择指令，确定推送信息中的目标故障类型；获取与目标故障类型对应的若干场景，并根据当前车辆场景数据，对若干场景进行场景决策，获得决策场景；将预先配置于决策场景的故障解决方案发送至车机端，以使车机端向用户推送故障解决方案。

作为优选方案，所述方法具体通过如下步骤获取所述车辆故障码：

通过预先配置于车辆的车身检测模块对车辆进行故障检测，并接收所述车身检测模块发送的所述车辆故障码。

值得说明的是，本实施例中的车身检测模块包括若干用于检测车辆运行状态的车身传感器，通过若干车身传感器对车辆进行故障检测，例如，胎压是否过低、雨刮器是否异常等，当任一车身传感器检测到车辆故障时，该车身传感器能够基于检测到的车辆故障生成对应的车辆故障码，从而本实施例能够直接接收车身检测模块发送的车辆故障码。

作为优选方案，所述车辆场景数据至少包括驾驶人信息、车辆位置数据、车内光照强度、车内人数、当前车速、当前天气状况。

参见图3，本发明实施例第二方面提供一种车辆故障解决方案的个性化推送系统，包括云端301和车机端302；

所述云端301，用于：

根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

将预先配置于所述目标场景的故障解决方案发送至所述车机端302；

所述车机端302，用于：

向用户推送所述故障解决方案。

作为优选方案，所述云端301用于在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景，具体包括：

基于所述故障场景库中预先配置于每个场景的故障类型，获取所述故障类型匹配于所述车辆故障码的若干匹配场景；

根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景。

作为优选方案，所述云端301用于根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景，具体包括：

根据所述车辆场景数据，获得车辆的若干当前场景特征；

将所述当前场景特征输入至预设的场景决策模型，通过所述场景决策模型对所述若干匹配场景进行场景决策，获得所述目标场景。

作为优选方案，所述云端301，还用于：

根据所述故障场景库中预先配置于每个场景的推送条件，构建每个故障类型所对应的根节点和叶子节点，并根据所述根节点和所述叶子节点，构建决策树模型；

利用预设训练数据集对所述决策树模型进行训练，获得所述场景决策模型。

作为优选方案，所述故障解决方案包括优选解决方案和次选解决方案；

则，所述云端301用于将预先配置于所述目标场景的故障解决方案发送至所述车机端302，以使所述车机端302向用户推送所述故障解决方案，具体包括：

将预先配置于所述目标场景的优选解决方案和次选解决方案发送至车机端302，以使所述车机端302向用户推送所述优选解决方案和所述次选解决方案。

作为优选方案，所述车机端302，还用于：

响应于用户输入的方案选择指令，记录当前用户选择的目标方案；

所述云端301，还用于：

当所述目标方案为所述次选解决方案时，对所述目标场景的故障解决方案进行更新，以将所述次选解决方案作为所述目标场景的更新后的优选解决方案。

作为优选方案，所述车机端302，还用于：

响应于用户输入的故障请求指令，接收用户的语音数据，并对所述语音数据进行识别，获取与所述语音数据对应的识别文本；

对所述识别文本进行关键词提取，并对提取的若干关键词进行语义拓展处理，获得若干故障识别文本；

所述云端301，还用于：

根据若干所述故障识别文本，在所述故障场景库中确定匹配于所述故障识别文本的若干故障类型，并将包含所述若干故障类型的推送信息发送至所述车机端302，以使所述车机端302向用户推送所述推送信息；

所述车机端302，还用于：

响应于用户输入的故障类型选择指令，确定所述推送信息中的目标故障类型；

所述云端301，还用于：

获取与所述目标故障类型对应的若干场景，并根据当前车辆场景数据，对所述若干场景进行场景决策，获得决策场景；

将预先配置于所述决策场景的故障解决方案发送至所述车机端302，以使所述车机端302向用户推送所述故障解决方案。

作为优选方案，所述车机端302，还用于：

通过预先配置于车辆的车身检测模块对车辆进行故障检测，并接收所述车身检测模块发送的所述车辆故障码。

作为优选方案，所述车辆场景数据至少包括驾驶人信息、车辆位置数据、车内光照强度、车内人数、当前车速、当前天气状况。

本发明实施例提供的一种车辆故障解决方案的个性化推送系统，能够根据车辆故障码和车辆场景数据进行故障场景的匹配，通过预先将不同的故障解决方案配置于不同的故障场景，能够针对匹配到的故障场景为用户提供个性化的车辆故障解决方案。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种车辆故障解决方案的个性化推送方法，其特征在于，包括如下步骤：

根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案。

2.如权利要求1所述的车辆故障解决方案的个性化推送方法，其特征在于，所述在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景，具体包括如下步骤：

基于所述故障场景库中预先配置于每个场景的故障类型，获取所述故障类型匹配于所述车辆故障码的若干匹配场景；

根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景。

3.如权利要求2所述的车辆故障解决方案的个性化推送方法，其特征在于，所述根据所述车辆场景数据，对所述若干匹配场景进行场景决策，获得所述目标场景，具体包括如下步骤：

根据所述车辆场景数据，获得车辆的若干当前场景特征；

将所述当前场景特征输入至预设的场景决策模型，通过所述场景决策模型对所述若干匹配场景进行场景决策，获得所述目标场景。

4.如权利要求3所述的车辆故障解决方案的个性化推送方法，其特征在于，所述方法具体通过如下步骤构建所述场景决策模型：

根据所述故障场景库中预先配置于每个场景的推送条件，构建每个故障类型所对应的根节点和叶子节点，并根据所述根节点和所述叶子节点，构建决策树模型；

利用预设训练数据集对所述决策树模型进行训练，获得所述场景决策模型。

5.如权利要求1所述的车辆故障解决方案的个性化推送方法，其特征在于，所述故障解决方案包括优选解决方案和次选解决方案；

则，所述将预先配置于所述目标场景的故障解决方案发送至车机端，以使所述车机端向用户推送所述故障解决方案，具体包括：

将预先配置于所述目标场景的优选解决方案和次选解决方案发送至车机端，以使所述车机端向用户推送所述优选解决方案和所述次选解决方案。

6.如权利要求5所述的车辆故障解决方案的个性化推送方法，其特征在于，所述方法还包括如下步骤：

响应于用户输入的方案选择指令，记录当前用户选择的目标方案；

当所述目标方案为所述次选解决方案时，对所述目标场景的故障解决方案进行更新，以将所述次选解决方案作为所述目标场景的更新后的优选解决方案。

7.如权利要求2所述的车辆故障解决方案的个性化推送方法，其特征在于，所述方法还包括如下步骤：

响应于用户输入的故障请求指令，接收用户的语音数据，并对所述语音数据进行识别，获取与所述语音数据对应的识别文本；

对所述识别文本进行关键词提取，并对提取的若干关键词进行语义拓展处理，获得若干故障识别文本；

根据若干所述故障识别文本，在所述故障场景库中确定匹配于所述故障识别文本的若干故障类型，并将包含所述若干故障类型的推送信息发送至所述车机端，以使所述车机端向用户推送所述推送信息；

响应于用户输入的故障类型选择指令，确定所述推送信息中的目标故障类型；

获取与所述目标故障类型对应的若干场景，并根据当前车辆场景数据，对所述若干场景进行场景决策，获得决策场景；

将预先配置于所述决策场景的故障解决方案发送至所述车机端，以使所述车机端向用户推送所述故障解决方案。

8.如权利要求1所述的车辆故障解决方案的个性化推送方法，其特征在于，所述方法具体通过如下步骤获取所述车辆故障码：

通过预先配置于车辆的车身检测模块对车辆进行故障检测，并接收所述车身检测模块发送的所述车辆故障码。

9.如权利要求1所述的车辆故障解决方案的个性化推送方法，其特征在于，所述车辆场景数据至少包括驾驶人信息、车辆位置数据、车内光照强度、车内人数、当前车速、当前天气状况。

10.一种车辆故障解决方案的个性化推送系统，其特征在于，包括云端和车机端；

所述云端，用于：

根据获取到的车辆故障码和车辆场景数据，在预设的故障场景库中获取匹配于所述车辆故障码和所述车辆场景数据的目标场景；

将预先配置于所述目标场景的故障解决方案发送至所述车机端；

所述车机端，用于：

向用户推送所述故障解决方案。

Images