[发明专利]车联网服务器、车辆及车辆配件保养服务推送方法

权利要求书

1.一种基于行驶数据的车辆配件保养服务推送方法，其特征在于，所述车辆配件保养服务推送方法包括：

采集包括车辆的加油情况的第一数据；

采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据；

获取包括上一次保养的时间和行驶距离的第三数据；

对所述第一数据、第二数据和第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件；

根据待保养的保养时间以及待保养的故障配件，获取第三方提供的保养服务报价信息，以将所述报价信息提示给用户。

2.根据权利要求1所述的车辆配件保养服务推送方法，其特征在于，所述采集包括车辆的加油情况的第一数据的步骤，具体包括：

通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。

3.根据权利要求2所述的车辆配件保养服务推送方法，其特征在于，所述车联网网关为设置有通讯模块的车机或车辆TBOX系统。

4.根据权利要求1所述的车辆配件保养服务推送方法，其特征在于，所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤，具体包括：

采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。

5.根据权利要求1所述的车辆配件保养服务推送方法，其特征在于，所述根据待保养的保养时间以及待保养的故障配件，获取第三方提供的保养服务报价信息，以将所述报价信息提示给用户的步骤之后，还包括：

获取用户根据所述报价信息进行的触摸/语音反馈，并在所述触摸/语音反馈为购买时，进行在线下单购买。

6.根据权利要求1-5任一项所述的车辆配件保养服务推送方法，其特征在于，所述对所述第一数据、第二数据和第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤，具体包括：

对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习，根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件。

7.根据权利要求6所述的车辆配件保养服务推送方法，其特征在于，所述对所述第一数据、第二数据和第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习，根据大数据整理和学习进行分析以确认待保养的保养时间以及待保养的故障配件的步骤，具体包括：

获取所有用户在所述第一数据、第二数据和第三数据情况下的易损耗配件数据；

将所述易损耗配件数据进行数据清洗、归一化；

将清洗归一化后的易损耗配件数据按照时间划分为训练数据集与测试数据集；

对所述训练数据集的训练数据进行离线模型训练，以分别训练长短期记忆神经网络的多个神经网络模型；

获取训练数据对于训练后的多个神经网络模型输出的预测值列表，将所述预测值列表与实际的故障配件进行比较，计算得到多个神经网络模型作为组合模型时所占的权重值；

利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果，根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值；

根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和第三数据的最准确的待保养的故障配件。

8.根据权利要求5所述的车辆配件保养服务推送方法，其特征在于，所述获取用户根据所述报价信息进行的触摸/语音反馈的步骤，具体包括：

获取用户根据所述报价信息所作的语音反馈；

分析所述语音反馈所表示的用户意图；

在分析到所述用户意图时将所述报价信息对应的配件型号/报价进行显示。