[发明专利]车辆状态检测方法、装置、存储介质、处理器及电子装置

权利要求书

1.一种车辆状态检测方法，其特征在于，包括：

获取目标车辆的目标出行信息和目标车况信息；

利用目标神经网络模型对所述目标出行信息和所述目标车况信息进行预测，得到预测结果，其中，所述预测结果用于确定所述目标车辆的故障信息和故障风险等级，所述目标神经网络模型使用多组数据通过机器学习训练得到，所述多组数据包括：历史出行信息和历史车况信息；

基于所述预测结果对所述目标车辆进行状态评估，得到评估结果。

2.根据权利要求1所述的车辆状态检测方法，其特征在于，所述方法还包括：

对所述历史出行信息和所述历史车况信息进行预处理，得到预处理结果；

基于所述预处理结果对初始神经网络模型进行迭代训练，得到所述目标神经网络模型。

3.根据权利要求2所述的车辆状态检测方法，其特征在于，所述预处理结果包括：第一特征集合、第二特征集合和第三特征集合，对所述历史出行信息和所述历史车况信息进行预处理，得到所述预处理结果包括：

按照预设分割条件对所述历史出行信息和所述历史车况信息进行数据分割，得到分割结果，其中，所述分割结果用于表示目标行程对应的所述历史出行信息和所述历史车况信息；

对所述分割结果进行特征提取，得到所述第一特征集合、所述第二特征集合和所述第三特征集合，其中，所述第一特征集合用于表示所述目标行程对应的车况特征数据，所述第二特征集合用于表示所述目标行程对应的车况故障特征数据，所述第三特征集合用于表示所述目标行程对应的出行特征数据。

4.根据权利要求3所述的车辆状态检测方法，其特征在于，基于所述预处理结果对所述初始神经网络模型进行迭代训练，得到所述目标神经网络模型包括：

获取所述目标行程对应的行程标签，其中，所述行程标签用于标注所述目标行程对应的所述故障风险等级；

利用所述行程标签和所述预处理结果生成目标数据集；

利用所述目标数据集对所述初始神经网络模型进行反向传播训练，得到所述目标神经网络模型。

5.根据权利要求1所述的车辆状态检测方法，其特征在于，利用所述目标神经网络模型对所述目标出行信息和所述目标车况信息进行预测，得到所述预测结果包括：

利用所述目标神经网络模型对所述目标出行信息进行编码处理，得到第一编码结果，以及对所述目标车况信息进行编码处理，得到第二编码结果；

利用所述目标神经网络模型对所述第一编码结果和所述第二编码结果进行融合处理，得到融合结果；

利用所述目标神经网络模型对所述融合结果进行特征提取，得到特征提取结果；

基于所述特征提取结果确定所述预测结果。

6.根据权利要求1所述的车辆状态检测方法，其特征在于，所述目标出行信息包括以下至少一项：目的地位置信息、车辆位置信息、温度信息、预估行驶里程、预估行驶时间；所述目标车况信息包括以下至少一项：启动信息、熄火信息、油量消耗信息、电量消耗信息、车辆保养信息、车辆行驶里程信息、车辆网络状态信息及车辆故障信息。

7.一种车辆状态检测装置，其特征在于，包括：

获取模块，用于获取目标车辆的目标出行信息和目标车况信息；

预测模块，用于利用目标神经网络模型对所述目标出行信息和所述目标车况信息进行预测，得到预测结果，其中，所述预测结果用于确定所述目标车辆的故障信息和故障风险等级，所述目标神经网络模型使用多组数据通过机器学习训练得到，所述多组数据中的每组数据均包括：历史出行信息和历史车况信息；

评估模块，用于基于所述预测结果对所述目标车辆进行状态评估，得到评估结果。

8.一种非易失性存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至6任一项中所述的车辆状态检测方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至6任一项中所述的车辆状态检测方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至6任一项中所述的车辆状态检测方法。