[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

说明书

本发明公开了一种车辆状态检测方法、装置、存储介质、处理器及电子装置。其中，该方法包括：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目标出行信息和目标车况信息进行预测，得到预测结果，其中，预测结果用于确定目标车辆的故障信息和故障风险等级，目标神经网络模型使用多组数据通过机器学习训练得到，多组数据包括：历史出行信息和历史车况信息；基于预测结果对目标车辆进行状态评估，得到评估结果。本发明解决了相关技术难以对车辆进行全面且准确的安全检查而导致的车辆安全性较低的技术问题。

技术领域

本发明涉及车辆领域，具体而言，涉及一种车辆状态检测方法、装置、存储介质、处理器及电子装置。

背景技术

目前，车辆作为人们出行的主要交通工具之一，能够在短途代步或者长途通行中为人们带来便利，因此，在出行前对车辆进行安全检查是十分必要的。

相关技术中，车辆安全检查通常采用人工检查方法，在出行前用户会对车辆的常用功能进行检查，例如，对燃油、冷却液、制动液、电量、后视镜等的检查。然而，用户在对车辆进行安全检查的过程中，可能会出现某些功能的遗漏，例如，对轮胎的检查和保养，从而使用户不能及时对车辆的整体健康程度做出正确的判断。

因此，相关技术难以对车辆进行全面且准确的安全检查，从而容易导致车辆的安全性较低。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车辆状态检测方法、装置、存储介质、处理器及电子装置，以至少解决相关技术难以对车辆进行全面且准确的安全检查而导致的车辆安全性较低的技术问题。

根据本发明其中一实施例，提供了一种车辆状态检测方法，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目标出行信息和目标车况信息进行预测，得到预测结果，其中，预测结果用于确定目标车辆的故障信息和故障风险等级，目标神经网络模型使用多组数据通过机器学习训练得到，多组数据包括：历史出行信息和历史车况信息；基于预测结果对目标车辆进行状态评估，得到评估结果。

可选地，车辆状态检测方法还包括：对历史出行信息和历史车况信息进行预处理，得到预处理结果；基于预处理结果对初始神经网络模型进行迭代训练，得到目标神经网络模型。

可选地，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，对历史出行信息和历史车况信息进行预处理，得到预处理结果包括：按照预设分割条件对历史出行信息和历史车况信息进行数据分割，得到分割结果，其中，分割结果用于表示目标行程对应的历史出行信息和历史车况信息；对分割结果进行特征提取，得到第一特征集合、第二特征集合和第三特征集合，其中，第一特征集合用于表示目标行程对应的车况特征数据，第二特征集合用于表示目标行程对应的车况故障特征数据，第三特征集合用于表示目标行程对应的出行特征数据。

可选地，基于预处理结果对初始神经网络模型进行迭代训练，得到目标神经网络模型包括：获取目标行程对应的行程标签，其中，行程标签用于标注目标行程对应的故障风险等级；利用行程标签和预处理结果生成目标数据集；利用目标数据集对初始神经网络模型进行反向传播训练，得到目标神经网络模型。

可选地，利用目标神经网络模型对目标出行信息和目标车况信息进行预测，得到预测结果包括：利用目标神经网络模型对目标出行信息进行编码处理，得到第一编码结果，以及对目标车况信息进行编码处理，得到第二编码结果；利用目标神经网络模型对第一编码结果和第二编码结果进行融合处理，得到融合结果；利用目标神经网络模型对融合结果进行特征提取，得到特征提取结果；基于特征提取结果确定预测结果。

可选地，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；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。