[發明專利]一種車輛直通率影響特征確定方法、裝置、設備及介質

有效

• 申請號: 202211276843.5
• 申請日: 2022-10-19
• 公開（公告）號: CN115358348B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 請求不公布姓名
• 申請（專利權）人: 成都數之聯科技股份有限公司
• 主分類號: G06F18/2113
• 分類號: G06F18/2113;G06F18/214;G06F18/24;G06N20/00;G06Q10/0639;G06Q50/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請公開了一種車輛直通率影響特征確定方法、訓練方法、裝置、設備及介質，旨在解決汽車直通率影響因素分析過程中，車輛首次下線檢測未通過，但重啟檢測通過的原因分析困難的問題，涉及車輛檢測數據分析領域。所述車輛直通率影像特征確定方法，包括以下步驟：對下線檢測不通過的車輛檢測數據進行預處理；基于所述預處理的數據構建并訓練機器學習分類模型；基于所述機器學習分類模型計算所述預處理的數據中特征的SHAP值；對若干SHAP值通過預設的處理方式進行篩選，基于篩選結果優化車輛的檢測過程。

技術領域

本申請涉及車輛檢測數據分析領域，尤其涉及一種車輛直通率影響特征確定方法、裝置、設備及介質。

背景技術

車輛下線一次性合格率（即直通率）是車輛智能生產中最重要的評價指標，在實際車輛檢測過程中，一些在首次檢測中判定為不合格的產品，在重啟檢測過程中未發現任何問題，重新檢測也可以正常通過，嚴重影響了車輛直通率。僅靠傳統統計方法及專家經驗難以找到導致這種情況的根本原因。

發明內容

本申請的主要目的是提供一種車輛直通率影響特征確定方法、裝置、設備及介質，旨在解決汽車直通率影響因素分析過程中，車輛首次下線檢測未通過，但重啟檢測通過的原因分析困難的問題。

為解決上述問題，本申請實施例提出了：一種車輛直通率影響特征確定方法，包括以下步驟：

對下線檢測不通過的車輛檢測數據進行預處理；

基于所述預處理的數據構建并訓練機器學習分類模型；

基于所述機器學習分類模型計算所述預處理的數據中特征的SHAP值；

對若干SHAP值通過預設的處理方式進行篩選，基于篩選結果優化車輛的檢測過程。

作為本申請的一種可選實施方式，所述預處理過程包括標記所述車輛檢測數據。

在具體應用中，通過標記車輛檢測數據用于機器學習分類模型的訓練。

作為本申請的一種可選實施方式，所述機器學習分類模型訓練過程包括：將所述車輛檢測數據集劃分為訓練數據集和驗證數據集，所述訓練數據集用于訓練所述機器學習分類模型，所述驗證數據集用于驗證所述機器學習分類模型是否達到可用標準。

在具體應用中，通過訓練所述機器學習分類模型，在機器學習分類模型投入應用之前，需要對其進行訓練，通過訓練調整模型參數，訓練后的模型針對發明中的應用場景數據更加適用。

作為本申請的一種可選實施方式，所述SHAP值篩選過程包括：將所述篩選后的SHAP值排序，根據所述排序結果篩選符合條件的SHAP值，其對應的特征為可用于優化車輛檢測過程的特征。

在具體應用中，通過對SHAP值的篩選確認檢測特征對車輛質量的影響排序。

作為本申請的一種可選實施方式，所述的標記所述車輛檢測數據過程為：將所述下線檢測不通過但重啟測試通過的車輛檢測數據定義為正樣本，將所述下線檢測不通過且重啟測試仍未通過的數據定義為負樣本。

在具體應用中，要將所述車輛檢測數據用于機器學習分類模型的訓練，需要將所述車輛檢測數據按照需要標記為對應類型，在本方式中標記為正樣本和副樣本。

作為本申請的一種可選實施方式，所述預處理過程包括對所述車輛檢測數據進行one-hot編碼。

在具體應用中，由于車輛檢測數據中，每個特征的參數均為離散數據，數據本身并沒有大小含義（例：如測試區域編號：1，2，3等），因此需要對車輛檢測數據進行one-hot編碼。

作為本申請的一種可選實施方式，所述篩選后的SHAP值排序方式為降序排列。