[發明專利]車聯網服務器、車輛及車輛配件保養服務推送方法

在審

• 申請號: 201810956851.1
• 申請日: 2018-08-21
• 公開（公告）號: CN110889566A
• 公開（公告）日: 2020-03-17
• 發明（設計）人: 應宜倫
• 申請（專利權）人: 上海博泰悅臻網絡技術服務有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/00;G07C5/08
• 代理公司: 上海波拓知識產權代理有限公司 31264
• 代理人: 楊波

1.一種基于行駛數據的車輛配件保養服務推送方法，其特征在于，所述車輛配件保養服務推送方法包括：

采集包括車輛的加油情況的第一數據；

采集包括尾氣排放數據、加速度數據、發動機轉速數據、噴油量數據和實際空燃比數據的第二數據；

獲取包括上一次保養的時間和行駛距離的第三數據；

對所述第一數據、第二數據和第三數據進行大數據整理和學習，根據大數據整理和學習進行分析以確認待保養的保養時間以及待保養的故障配件；

根據待保養的保養時間以及待保養的故障配件，獲取第三方提供的保養服務報價信息，以將所述報價信息提示給用戶。

2.根據權利要求1所述的車輛配件保養服務推送方法，其特征在于，所述采集包括車輛的加油情況的第一數據的步驟，具體包括：

通過車聯網網關采集ECU車輛包括加油時間、數量的所述第一數據。

3.根據權利要求2所述的車輛配件保養服務推送方法，其特征在于，所述車聯網網關為設置有通訊模塊的車機或車輛TBOX系統。

4.根據權利要求1所述的車輛配件保養服務推送方法，其特征在于，所述采集包括尾氣排放數據、加速度數據、發動機轉速數據、噴油量數據和實際空燃比數據的第二數據的步驟，具體包括：

采集ECU車輛尾氣排放系統的氧傳感器信號、加速度數據、發動機轉速數據、噴油量數據和實際空燃比數據的第二數據。

5.根據權利要求1所述的車輛配件保養服務推送方法，其特征在于，所述根據待保養的保養時間以及待保養的故障配件，獲取第三方提供的保養服務報價信息，以將所述報價信息提示給用戶的步驟之后，還包括：

獲取用戶根據所述報價信息進行的觸摸/語音反饋，并在所述觸摸/語音反饋為購買時，進行在線下單購買。

6.根據權利要求1-5任一項所述的車輛配件保養服務推送方法，其特征在于，所述對所述第一數據、第二數據和第三數據進行大數據整理和學習，根據大數據整理和學習進行分析以確認待保養的保養時間以及待保養的故障配件的步驟，具體包括：

對所述第一數據、第二數據和第三數據采用基于長短期記憶神經網絡的學習分析方法進行大數據整理和學習，根據大數據整理和學習進行分析以確認待保養的保養時間以及待保養的故障配件。

7.根據權利要求6所述的車輛配件保養服務推送方法，其特征在于，所述對所述第一數據、第二數據和第三數據采用基于長短期記憶神經網絡的學習分析方法進行大數據整理和學習，根據大數據整理和學習進行分析以確認待保養的保養時間以及待保養的故障配件的步驟，具體包括：

獲取所有用戶在所述第一數據、第二數據和第三數據情況下的易損耗配件數據；

將所述易損耗配件數據進行數據清洗、歸一化；

將清洗歸一化后的易損耗配件數據按照時間劃分為訓練數據集與測試數據集；

對所述訓練數據集的訓練數據進行離線模型訓練，以分別訓練長短期記憶神經網絡的多個神經網絡模型；

獲取訓練數據對于訓練后的多個神經網絡模型輸出的預測值列表，將所述預測值列表與實際的故障配件進行比較，計算得到多個神經網絡模型作為組合模型時所占的權重值；

利用測試數據集的測試數據對組合模型中的多個神經網絡模型評估預測效果，根據預測效果調整所述多個神經網絡模型作為組合模型時所占的權重值；

根據多個神經網絡模型的組合模型及其對應的權重值計算得到所述第一數據、第二數據和第三數據的最準確的待保養的故障配件。

8.根據權利要求5所述的車輛配件保養服務推送方法，其特征在于，所述獲取用戶根據所述報價信息進行的觸摸/語音反饋的步驟，具體包括：

獲取用戶根據所述報價信息所作的語音反饋；

分析所述語音反饋所表示的用戶意圖；

在分析到所述用戶意圖時將所述報價信息對應的配件型號/報價進行顯示。