【技术实现步骤摘要】
本专利技术涉及一种基于车辆大数据的实时车况自动化检测方法，属于人工智能。
技术介绍
1、新能源技术以及自动驾驶技术的进步正在推动汽车行业朝着电动化、智能化、互相联化的方向发展。越来越多的传感器、控制器被应用于汽车中，以收集与处理车辆运行状态下的各种数据。例如，车载传感器、摄像头与雷达等设备需要实时的感知与收集车辆周围环境、车辆状态和驾驶行为等数据，以作为自动驾驶系统的输入与决策。再例如，新能源汽车的电池管理系统需要实时的采集电池电芯的温度、电流、电压以精确的实施能量管理，为车辆提供动力并监控电池的健康状态。
2、以上这些车辆传感器采集的实时数据可以反应整车当前的状态，未来可以广泛应用在车辆状态与系统功能的实时健康监测，车辆潜在故障的实时诊断(车辆智能维保)、售后质量问题解决等领域，进一步结合车辆的历史车况数据可对二手车辆的车况进行全面的评估鉴定。
3、在车辆的使用的过程中，有一些情况下需要对再用车辆的车况进行检测评估，以了解车辆各部件系统的运行的健康状态，又或者或者车辆再次售卖前时，需要对车辆进行检测，排查车辆事故以便对车辆价值进行精确评估。
4、由于车况是影响车辆价值的关键因素，因此车辆在交易前均需要对车况进行全面的检测。这类车况检测的目的是判断旧车与新车之间的折旧状态或功能差异，从而对车辆进行精准估价，例如车判断车辆经历过何种事故，车辆各个系统模块的功能是否正常或存在故障或故障风险，车辆外观内饰是否有明显瑕疵等，这些问题均会影响车辆交易的价格。
5、目前，对一台在用车辆的车况判
技术实现思路
1、本专利技术的目的在于提供一种基于多维度车辆大数据与车况智能缺陷推断技术的实时车况自动化检测方法，用于解决现有技术中存在的问题。
2、为达到上述目的，本专利技术提供如下技术方案：
3、根据第一方面，一种基于车辆大数据与缺陷推断技术的自动化检测方法，包括以下步骤：
4、将获取到的各个车辆大数据按照时间序列进行分别处理，分别对应的得到时间序列统一的多个数据集；
5、从所述数据集中筛选出各个数据集中异常的数据，以及与该异常的数据相关的待判定的潜在故障或缺陷的零件；
6、从各个所述数据集中筛选出与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态。
7、可选的，步骤“将获取到的各个车辆大数据按照时间序列进行分别处理，分别对应的得到时间序列统一的车辆处理大数据”还包括：
8、检查并修正数据的格式，确保数据类型一致性；
9、处理缺失数据，通过插值或其他方法填充缺失值，以保证数据的完整性；
10、将经过清洗和转换的数据加载到用于自动化检测的数据存储空间中，以便进行后续的分析和推断；
11、记录清洗过程中的操作，以便在需要时进行审查和追溯。
12、可选的，步骤“从各个数据集中筛选出异常的数据，以及与该异常数据相关的待判定零件”还包括：
13、将各个数据集中符合异常监测模型的设定条件的数据设定为异常的数据。
14、可选的，步骤“将各个数据集中符合异常监测模型的设定条件的数据设定为异常的数据”中，设定条件包括数据范围、多个数据之间的相关性、数据变化情况中的至少一个。
15、可选的，所述异常监测模型包括无监督模型和有监督模型中的至少一个。
16、可选的，步骤“从所述数据集中筛选出各个数据集中异常的数据，以及与该异常的数据相关的待判定的潜在故障或缺陷的零件”还包括：
17、从各个数据集筛选出至少一个检修零件，以及与检修零件相关的待判定零件。
18、可选的，步骤“从各个车辆处理大数据中筛选出至少一个检修零件，以及与检修零件相关的待判定零件”包括：
19、根据检修零件，通过检修关联缺陷推断数据库获得待判定疑似故障或缺陷零件。
20、可选的，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，所述推断数据需要满足异常的数据的时间序列。
21、可选的，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，当待判定零件结果为真时，所述推断数据从不同维度进行印证。
22、可选的，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，所述推断数据包括数值范围、真假值、视频数据、传感数据中的至少一个。
23、可选的，步骤“从各个车辆处理大数据中筛选出与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”包括：
24、基于关联知识库，筛选出与该待判定零件相关的推断数据。
25、可选的，还包括以下步骤：
26、针对得到的推断状态，进行实车人工复检，并且通过实车人工复检得到全部车况，并且，对相关知识库进行更新
27、第二方面，一种基于车辆大数据与缺陷推断技术的自动化检测模型，包括：
28、预处理模型，所述预处理模型用于对数据进行预处理；
29、异常监测模型，所述异常监测模型用于对异常的数据进行识别，并且根据识别到的异常的数据得到待判定的零件；用于基于所述预处理模型的其他相关数据对待判定的零件的状态进行推断得到待判定零件的推断状态。本申请实施例中的基于多维度车辆大数据与车况智能缺陷推断技术的实时车况自动化检测方法可以降低车辆检测评估对个人经验的依赖，并且提高车况检测的准确性与时效。
30、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，并可依照说明书的内容予以实施，以下以本专利技术的较佳实施例并配合附图详细说明如后。
本文档来自技高网...【技术保护点】
1.一种基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“将获取到的各个车辆大数据按照时间序列进行分别处理，分别对应的得到时间序列统一的车辆处理大数据”还包括：
3.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个数据集中筛选出异常的数据，以及与该异常数据相关的待判定零件”还包括：
4.根据权利要求3所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“将各个数据集中符合异常监测模型的设定条件的数据设定为异常的数据”中，设定条件包括数据范围、多个数据之间的相关性、数据变化情况中的至少一个。
5.根据权利要求3所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，所述异常监测模型包括无监督模型和有监督模型中的至少一个。
6.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从所述数据集中筛选出各个数据集中异常的数
7.根据权利要求6所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出至少一个检修零件，以及与检修零件相关的待判定零件”包括：
8.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，所述推断数据需要满足异常的数据的时间序列。
9.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，当待判定零件结果为真时，所述推断数据从不同维度进行印证。
10.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出，与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”中，所述推断数据包括数值范围、真假值、视频数据、传感数据中的至少一个。
11.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出与该待判定零件相关的推断数据，从而得到该待判定零件的推断状态”包括：
12.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，还包括以下步骤：
13.一种基于车辆大数据与缺陷推断技术的自动化检测模型，其特征在于，包括：
...【技术特征摘要】
1.一种基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“将获取到的各个车辆大数据按照时间序列进行分别处理，分别对应的得到时间序列统一的车辆处理大数据”还包括：
3.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个数据集中筛选出异常的数据，以及与该异常数据相关的待判定零件”还包括：
4.根据权利要求3所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“将各个数据集中符合异常监测模型的设定条件的数据设定为异常的数据”中，设定条件包括数据范围、多个数据之间的相关性、数据变化情况中的至少一个。
5.根据权利要求3所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，所述异常监测模型包括无监督模型和有监督模型中的至少一个。
6.根据权利要求1所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从所述数据集中筛选出各个数据集中异常的数据，以及与该异常的数据相关的待判定的潜在故障或缺陷的零件”还包括：
7.根据权利要求6所述的基于车辆大数据与缺陷推断技术的自动化检测方法，其特征在于，步骤“从各个车辆处理大数据中筛选出至少一个检修零...
【专利技术属性】
技术研发人员：李明鸣，
申请(专利权)人：苏州优与汽车科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。