本發(fā)明涉及汽車，具體涉及一種汽車的故障預(yù)測方法、一種汽車的故障預(yù)測裝置、一種電子設(shè)備以及一種計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)：

1、汽車已成為人們出行不可缺少的工具，與此同時，隨著科技的進(jìn)步和生活水平的提升，用戶對汽車的期待不再僅僅局限于它的速度和便捷，而是更加注重它在行駛過程中的安全性和乘坐的舒適性。然而，汽車在長時間的使用過程中難免會遇到各種故障。這些故障，就像是潛藏在暗處的隱患，一旦爆發(fā)，就可能給駕駛者和乘客帶來無法預(yù)料的風(fēng)險。因此，對汽車可能出現(xiàn)的故障進(jìn)行預(yù)測，就顯得尤為重要，通過定期的檢查和維護(hù)，以及利用先進(jìn)的診斷技術(shù)，在故障尚未顯現(xiàn)之前，就將其扼殺在萌芽狀態(tài)。

2、針對汽車故障預(yù)測，目前較為常見的是汽車車輛年檢，由于汽車是一個復(fù)雜的機(jī)械系統(tǒng)，其運(yùn)行狀態(tài)受到多種因素的影響，包括但不限于駕駛習(xí)慣、維護(hù)保養(yǎng)、零部件老化等。因此，盡管年檢制度在一定程度上提高了車輛的安全性，但它并不能完全預(yù)防所有可能出現(xiàn)的故障。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種汽車的故障預(yù)測方法，通過分析大量的汽車維修歷史記錄，識別出與特定故障模式相關(guān)的汽車之間的相似性。本發(fā)明考慮了時間序列上的模式和趨勢，基于歷史數(shù)據(jù)的分析可以提高對未來故障預(yù)測的準(zhǔn)確性。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案如下：

3、采集若干輛汽車的維修記錄，并從所述維修記錄中提取每輛所述汽車對應(yīng)的故障標(biāo)簽；

4、對所述故障標(biāo)簽進(jìn)行向量化處理，以生成每輛所述汽車對應(yīng)的故障偏好行向量；

5、獲取待預(yù)測汽車的目標(biāo)維修記錄，并從所述目標(biāo)維修記錄中提取所述待預(yù)測汽車的目標(biāo)故障標(biāo)簽；

6、將所述目標(biāo)故障標(biāo)簽的數(shù)量與預(yù)設(shè)標(biāo)簽閾值進(jìn)行對比，以得到所述目標(biāo)故障標(biāo)簽的數(shù)量大于所述預(yù)設(shè)閾值的第一類汽車；

7、對所述第一類汽車的目標(biāo)故障標(biāo)簽進(jìn)行向量化處理，以生成所述第一類汽車對應(yīng)的目標(biāo)故障行向量；

8、計算所述目標(biāo)故障行向量與所述故障偏好行向量之間的相似度得到第一類相似度計算結(jié)果，根據(jù)所述第一類相似度計算結(jié)果從若干輛所述汽車中篩選出與所述第一類汽車之間的相似度滿足預(yù)設(shè)取值的第一類故障偏好車輛；

9、從所述第一類故障偏好車輛對應(yīng)的故障偏好行向量中篩選出滿足預(yù)設(shè)取值的故障標(biāo)簽作為第一類故障預(yù)測結(jié)果，將所述第一類故障預(yù)測結(jié)果推薦給所述第一類汽車。

10、可選地，所述方法還包括：

11、采集若干輛所述汽車的檔案信息，并從所述檔案信息中提取每輛所述汽車對應(yīng)的檔案信息標(biāo)簽；

12、對所述檔案信息標(biāo)簽進(jìn)行向量化處理，以生成每輛所述汽車對應(yīng)的檔案信息特征向量。

13、可選地，所述對所述故障標(biāo)簽進(jìn)行向量化處理，包括：

14、創(chuàng)建每輛所述汽車的行向量，所述行向量包含若干個元素值，所述元素值用于表示所述故障標(biāo)簽的出現(xiàn)頻率；

15、依據(jù)預(yù)先設(shè)定的故障標(biāo)簽順序，向所述行向量中填充每個所述故障標(biāo)簽對應(yīng)的所述元素值，以得到每輛所述汽車對應(yīng)的故障偏好行向量。

16、可選地，所述從所述第一類故障偏好車輛對應(yīng)的故障偏好行向量中篩選出滿足預(yù)設(shè)取值的故障標(biāo)簽作為第一類故障預(yù)測結(jié)果，包括：

17、將所述第一類故障偏好車輛對應(yīng)的故障偏好行向量中的元素值與預(yù)設(shè)元素基準(zhǔn)值進(jìn)行對比，將所述元素值大于或等于所述元素基準(zhǔn)值的故障標(biāo)簽作為第一類故障預(yù)測結(jié)果。

18、可選地，所述將所述目標(biāo)故障標(biāo)簽的數(shù)量與預(yù)設(shè)標(biāo)簽閾值進(jìn)行對比，包括：

19、若所述目標(biāo)故障標(biāo)簽的數(shù)量大于所述預(yù)設(shè)標(biāo)簽閾值，將所述待預(yù)測汽車作為第一類汽車；

20、若所述目標(biāo)故障標(biāo)簽的數(shù)量小于或等于所述預(yù)設(shè)標(biāo)簽閾值，將所述待預(yù)測汽車作為第二類汽車。

21、可選地，在所述待預(yù)測汽車為所述第二類汽車的情況下，所述方法還包括：

22、獲取所述第二類汽車的目標(biāo)檔案信息，并從所述目標(biāo)檔案信息中提取所述第二類汽車的目標(biāo)檔案信息標(biāo)簽；

23、對所述目標(biāo)檔案信息標(biāo)簽進(jìn)行向量化處理，以生成所述第二類汽車對應(yīng)的目標(biāo)檔案信息特征向量；

24、基于所述檔案信息特征向量計算每輛所述汽車的特征差值；

25、基于所述目標(biāo)檔案信息特征向量計算所述第二類汽車的目標(biāo)特征差值；

26、計算所述特征差值與所述目標(biāo)特征差值之間的相似度得到第二類相似度計算結(jié)果；

27、將所述第二類相似度計算結(jié)果按照降序的方式進(jìn)行排序，以從若干輛所述汽車中篩選出與所述第二類汽車之間的相似度滿足預(yù)設(shè)取值的第二類故障偏好汽車；

28、從所述第二類故障偏好車輛對應(yīng)的故障偏好行向量中篩選出滿足預(yù)設(shè)取值的故障標(biāo)簽作為第二類故障預(yù)測結(jié)果，將所述第二類故障預(yù)測結(jié)果推薦給所述第二類汽車。

29、可選地，所述計算所述目標(biāo)故障行向量與所述故障偏好行向量之間的相似度得到第一類相似度計算結(jié)果，包括：

30、計算所述目標(biāo)故障行向量與所述故障偏好行向量之間的余弦相似度，所述余弦相似度用于表示所述第一類汽車與若干輛所述汽車之間的故障偏好程度，其中，所述余弦相似度與所述故障偏好程度成正比關(guān)系。

31、本發(fā)明公開了一種汽車的故障預(yù)測裝置，所述裝置包括：

32、故障標(biāo)簽提取模塊，用于采集若干輛汽車的維修記錄，并從所述維修記錄中提取每輛所述汽車對應(yīng)的故障標(biāo)簽；

33、故障標(biāo)簽向量化模塊，用于對所述故障標(biāo)簽進(jìn)行向量化處理，以生成每輛所述汽車對應(yīng)的故障偏好行向量；

34、目標(biāo)故障標(biāo)簽提取模塊，用于獲取待預(yù)測汽車的目標(biāo)維修記錄，并從所述目標(biāo)維修記錄中提取所述待預(yù)測汽車的目標(biāo)故障標(biāo)簽；

35、第一對比模塊，用于將所述目標(biāo)故障標(biāo)簽的數(shù)量與預(yù)設(shè)標(biāo)簽閾值進(jìn)行對比，以得到所述目標(biāo)故障標(biāo)簽的數(shù)量大于所述預(yù)設(shè)閾值的第一類汽車；

36、目標(biāo)故障標(biāo)簽向量化模塊，用于對所述第一類汽車的目標(biāo)故障標(biāo)簽進(jìn)行向量化處理，以生成所述第一類汽車對應(yīng)的目標(biāo)故障行向量；

37、第一類相似度計算模塊，用于計算所述目標(biāo)故障行向量與所述故障偏好行向量之間的相似度得到第一類相似度計算結(jié)果，根據(jù)所述第一類相似度計算結(jié)果從若干輛所述汽車中篩選出與所述第一類汽車之間的相似度滿足預(yù)設(shè)取值的第一類故障偏好車輛；

38、第一類故障預(yù)測結(jié)果生成模塊，用于從所述第一類故障偏好車輛對應(yīng)的故障偏好行向量中篩選出滿足預(yù)設(shè)取值的故障標(biāo)簽作為第一類故障預(yù)測結(jié)果，將所述第一類故障預(yù)測結(jié)果推薦給所述第一類汽車。

39、本發(fā)明實(shí)施例還公開了一種電子設(shè)備，包括至少一個處理器與所述至少一個處理器通信連接的存儲器；

40、所述存儲器，用于存放計算機(jī)程序；

41、所述處理器，用于執(zhí)行存儲器上所存放的程序時，實(shí)現(xiàn)如本發(fā)明實(shí)施例所述的方法。

42、本發(fā)明實(shí)施例還公開了一種計算機(jī)可讀存儲介質(zhì)，其上存儲有計算機(jī)程序，當(dāng)由一個或多個處理器執(zhí)行時，使得所述處理器執(zhí)行如本發(fā)明實(shí)施例所述的方法。

43、本發(fā)明的有益效果：

44、本發(fā)明實(shí)施例通過采集若干輛汽車的維修記錄，并從維修記錄中提取每輛汽車對應(yīng)的故障標(biāo)簽，對故障標(biāo)簽進(jìn)行向量化處理，以生成每輛汽車對應(yīng)的故障偏好行向量；獲取待預(yù)測汽車的目標(biāo)維修記錄，并從目標(biāo)維修記錄中提取待預(yù)測汽車的目標(biāo)故障標(biāo)簽，將目標(biāo)故障標(biāo)簽的數(shù)量與預(yù)設(shè)標(biāo)簽閾值進(jìn)行對比，以得到目標(biāo)故障標(biāo)簽的數(shù)量大于預(yù)設(shè)閾值的第一類汽車；對第一類汽車的目標(biāo)故障標(biāo)簽進(jìn)行向量化處理，以生成第一類汽車對應(yīng)的目標(biāo)故障行向量；計算目標(biāo)故障行向量與故障偏好行向量之間的相似度得到第一類相似度計算結(jié)果，根據(jù)第一類相似度計算結(jié)果從若干輛汽車中篩選出與第一類汽車之間的相似度滿足預(yù)設(shè)取值的第一類故障偏好車輛；從第一類故障偏好車輛對應(yīng)的故障偏好行向量中篩選出滿足預(yù)設(shè)取值的故障標(biāo)簽作為第一類故障預(yù)測結(jié)果，將第一類故障預(yù)測結(jié)果推薦給第一類汽車，本發(fā)明結(jié)合汽車維修記錄和協(xié)同過濾算法的故障預(yù)測技術(shù)，一方面可以提高故障預(yù)測的準(zhǔn)確性和個性化服務(wù)水平，另一方面還能優(yōu)化資源分配、增強(qiáng)用戶體驗(yàn)，并促進(jìn)基于數(shù)據(jù)的決策制定。