用于车辆远程诊断与备件检索的平台的制作方法
【专利摘要】用于车辆远程诊断与备件检索的平台，属于信息检索领域，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹配备件的问题，技术要点是：包括数据库单元，对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案；主键建立单元，将诊断数据库与诊断知识库关联，并建立主键；检索单元，对车辆故障生成的故障码通过关键字进行检索，得到工项及备件信息。效果是：本发明可以在获取故障码后，快速找到常见故障的解决方案和对应备件、工项。
【专利说明】
用于车辆远程诊断与备件检索的平台
技术领域
[0001] 本发明属于信息检索领域，涉及一种用于车辆远程诊断与备件检索的平台。
【背景技术】
[0002] 目前我国汽车维修行业已经从完全依靠检查者的感觉和实践经验进行诊断的阶 段，发展到了利用专门设备进行综合检测诊断阶段，但是在传统汽车维修行业中普遍存在 着很多问题，比如维修工人技术老化，经常无法快速、经济地利用各方面的技术力量解决故 障；随着汽车保有量的日益增多，汽车后市场各项服务如雨后春笋般大量涌现。那么从车主 角度，如何才能更好更全面的了解车况，发生故障时，如何快速获取爱车待解决方案及所需 工时及备件相关信息，精准的汽车可穿戴设备对满足车主实时需求是完全必要的。一般的 OBD车载设备，只能读取到相关车辆故障信息，不能对故障做出详细解决方案及相关维修人 工费、备件费，从而造成车主盲目进店，盲目消费。
【发明内容】
[0003] 为了解决车主车辆出现故障，必须依靠技师人工判断，并依靠技师选择备件的问 题；同时，由于不同的备件在主组号相同的情况下，分组号仍有差异，为了能够解决精确匹 配备件的问题。本发明提出如下技术方案：
[0004] -种用于车辆远程诊断与备件检索的平台，包括：
[0005] 数据采集单元，采集车辆信息数据；
[0006] 解析单元，解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排 量、车身类型、发动机变速箱类型；
[0007] 知识库单元，对变量所对应的备件代码做决策树分析，完成变量数据归类形成备 件信息，并建立索引，形成诊断知识库；
[0008] 数据库单元，对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车 辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到 该故障码下最佳解决方案；
[0009] 主键建立单元，将诊断数据库与诊断知识库关联，并建立主键；
[0010] 检索单元，对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进 行检索，得到工项及备件信息。
[0011] 有益效果:本发明可以在获取故障码后，快速找到常见故障的解决方案和对应备 件、工项。有效解决技师和备件员的经验局限性问题，从大数据出发，获得故障的解决方案。 并可以由此得到该车辆维修换件的报价。
【附图说明】
[0012] 图1为本发明用于车辆远程诊断与备件检索的方法的流程图；
[0013] 图2为底盘号为LFV5A14B8Y3000001的车辆的VIN号码翻译示意图。
【具体实施方式】
[0014] 实施例1: 一种用于车辆远程诊断与备件检索的方法:如图1所示，包括如下步骤：
[0015] 步骤一.采集车辆信息数据；
[0016] 步骤二.解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、 车身类型、发动机变速箱类型;通过车辆底盘号（17位VIN码），翻译出每一位号码代表的相 关信息(变量），形成丰富的数据知识库，如底盘号为LFV5A14B8Y3000001的车辆各号码翻译 规则如图2所示。
[0017] 步骤三.对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信 息，并建立索引，形成诊断知识库；
[0018] 步骤四.对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故 障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故 障码下最佳解决方案；
[0019]步骤五.将诊断数据库与诊断知识库关联，并建立主键；
[0020] 步骤六.对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进行 检索，得到工项及备件信息。
[0021] 本实施例所述方法，在已知车辆故障码信息条件下，通过该故障码获取相关解决 方案及所需工时、工费、相关备件及备件费用，进而避免车主被骗消费。
[0022]实施例2:作为实施例1的补充：
[0023]所述步骤三中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分 类，维修备件表样例如表一所不：
[0024]表一
[0026] 决策树模型的基本原理如下：
[0027] 首先:确定每一维度备件不同分类的熵，以VIM为例，熵定义为
[0028] E = sum(_p(I)*log(p(I)))
[0029] 其中I = I:N(N类结果，如本例1种，即该备件属于此车型，故概率P( I) = 1)
[0030] 则E(5) =-(1/1 )Log2( 1/1 )-(0/1 )Log2(0/l )=0+0 = 0
[0031] E(3) =-( 1/1 )Log2( 1/1 )-(0/1 )Log2(0/l )=0+0 = 0
[0032] E(4) =-( 1/1 )Log2( 1/1 )-(0/1 )Log2(0/l )=0+0 = 0
[0033] 如果熵为0，则表明区分度越高;熵为I，则表明没有区分度；
[0034] 故这三个不同的备件代码可以通过VIM做区分。
[0035]确定完每个维度如何分类后，不同维度之间的优先级别通过信息增益区分Gain (Sample,Action) = E(sample)_sum( I Sample(v) I /Sample*E(Sample(V)))则Gain(VIM)= E(S)-(1/3)*E(5)-(1/3)*E(3)-(1/3)*E(4) = 1-0 = 1
[0036] Gain(VIN6) =E(S)-( 1/3)*E( I )-(2/3)*E(2) = 1-0-2/3 = 1/3
[0037] Gain(VIN78)=E(S)-(l/3)*E(4B)-(l/3)*E(8K)-(l/3)*E(4F) = 1-0 = 1
[0038] 如果信息增益越大，则表明分类优先级越高;反之，优先级越低。
[0039]所以，底盘号第4位(VIN4)和底盘号78位(VIN78)的分类优先级相同，其次是底盘 号第6位(VIN6)。
[0040] 通过以上关键步骤，可将备件代码按照底盘号第4位(VIN4)、底盘号第6位(VIN6) 和底盘号78位(VIN78)区分。
[0041] 综上所述，备件检索方法的基本步骤是：
[0042] 将维修备件表同一维度按信息熵做区分；
[0043] 将维修备件表不同维度按信息增益划分优先级；
[0044] 按照1、2步划分的优先级和区分程度画出决策树；
[0045] 输入一个规则的底盘号，系统根据￥預123、￥1财、￥預6、￥預78以及得出的决策树输 出该车型下的备件代码。
[0046] 该备件代码通过关联备件价格表，得到备件的中文名称、价格和现在使用状态以 及备件的适用车型信息。
[0047] 上述技术方案的获得，是在将不同车型、不同排量、不同发动机变速箱类型所对应 的备件代码逐一归类进行分析对比后，发现在相同主组号前提下，车型排量等信息不同，所 对应的备件代码也不尽相同，为了找寻其中规律，使用了上述方法，以形成较完备且全面的 理论知识信息库。
[0048] 实施例3:具有与实施例1或2相同的技术方案，更为具体的是：
[0049] 所述步骤四中，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案 的步骤是：
[0050] (1)根据不同技师本人经验和不同思维方式，查看各自对每一个故障描述所给出 的解决方案以及所使用的工项及备件信息；
[0051 ] (2)对全部技师所给出的诊断数据进行量化处理；
[0052] (3)进而使用方差分析进行比较，比较两两之间答案差异性；
[0053] (4)通过差异结果，选取差异最小的解决方案作为该故障码的最终解决方案。
[0054]通过上述方式方法，从而形成了从故障码-解决方案-备件信息等较完善的数据 知识库。
[0055]本实施例通过历史车辆故障数据，通过技师参与并利用方差分析模拟技师诊断思 维(如下表），给出对应的解决方案及相关工项及备件等信息，逐一添加索引并标记，从而形 成后台备用数据库；
[0057] 对上例数据量化处理，利用方差计算公式
[0058] 总体平方和公式：
自由度dft = N-l，其中Exi2为所有量化处理 的解决方案数之和，T为所有观察数之和，N为样本量，4
〕为校正系数；
[0059] 组间平方和公式
自由度dfA=I_l，其中（EX1) 2表示某 一条解决方案数合计，m表示该条解决方案样本量，I表示该解决方案水平数；
[0060] 组内平方和公式：SSE = SST-SSA。
[0061] 通过上述主要公式，结合方差分析基本原理，最终得出较为准确的解决方案。
[0062] 通过对技师间两两比较，得出最有可能的解决方案来作为对应故障码的解决方 案，进而进行下一步操作。
[0063] 通过上述操作及建立的数据库和知识库，一旦出现库中所包含的故障码，通过上 述流程，就可以直接确定出该车需要解决方案和相关的工项、备件。本实施例方法，可以解 决和更换备件时价格不透明的问题。
[0064] 实施例3:-种用于车辆远程诊断与备件检索的平台，为计算机实现实施例1-2中 所述的方法。
[0065] 包括：
[0066] 数据采集单元，采集车辆信息数据；
[0067] 解析单元，解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排 量、车身类型、发动机变速箱类型；
[0068] 知识库单元，对变量所对应的备件代码做决策树分析，完成变量数据归类形成备 件信息，并建立索引，形成诊断知识库；
[0069] 数据库单元，对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车 辆故障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到 该故障码下最佳解决方案；
[0070] 主键建立单元，将诊断数据库与诊断知识库关联，并建立主键；
[0071] 检索单元，对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进 行检索，得到工项及备件信息。
[0072] 所述知识库单元中以维修备件表的历史记录为数据基础，通过决策树模型对备件 做分类;备件检索方法的步骤是：
[0073] 将维修备件表同一维度按信息熵做区分；
[0074] 将维修备件表不同维度按信息增益划分优先级；
[0075] 按照步骤(1)、（2)划分的优先级和区分程度画出决策树；
[0076] 输入一个规则的VIN码，根据VIN码以及得出的决策树输出该车型下的备件代码。
[0077] 所述备件代码关联备件的价格表，所述备件信息包括备件的中文名称、价格和现 在使用状态以及备件的适用车型信息。
[0078] 所述数据库单元中，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决 方案的步骤是：
[0079] (1)根据不同技师本人经验和不同思维方式，查看各自对每一个故障描述所给出 的解决方案以及所使用的工项及备件信息；
[0080] (2)对全部技师所给出的诊断数据进行量化处理；
[0081] (3)使用方差分析进行比较，比较两两之间答案差异性；
[0082] (4)通过差异结果，选取差异最小的解决方案作为该故障码的最终解决方案。
[0083] 方差分析的计算公式是：总体平方和公式
，自由度dft = N_l，其 中Σ Xi2为所有量化处理的解决方案数之和，T为所有观察数之和，N为样本量，4
为校正系数;组间平方和公式
自由度dfA=I_l，其中（ΣΧ0 2表示 某一条解决方案数合计，m表示该条解决方案样本量，I表示该解决方案水平数;组内平方 和公式:SSE = SST-SSA。
[0084] 以上所述，仅为本发明创造较佳的【具体实施方式】，但本发明创造的保护范围并不 局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明 创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之 内。
【主权项】
1. 一种用于车辆远程诊断与备件检索的平台，其特征在于，包括 数据采集单元，采集车辆信息数据； 解析单元，解析车辆VIN码得到变量，所述变量包括由VIN码解析得到的发动机排量、车 身类型、发动机变速箱类型； 知识库单元，对变量所对应的备件代码做决策树分析，完成变量数据归类形成备件信 息，并建立索引，形成诊断知识库； 数据库单元，对历史车辆故障数据，统计并收录同一故障码下，不同技师解决该车辆故 障所使用的工项及备件信息，形成诊断数据库，利用方差分析模拟技师诊断思维，得到该故 障码下最佳解决方案； 主键建立单元，将诊断数据库与诊断知识库关联，并建立主键； 检索单元，对车辆故障生成的故障码通过关键字解析车辆VIN码得到的变量以进行检 索，得到工项及备件信息。2. 如权利要求1所述的用于车辆远程诊断与备件检索的平台，其特征在于， 所述知识库单元中以维修备件表的历史记录为数据基础，通过决策树模型对备件做分 类;备件检索方法的步骤是： (1) 将维修备件表同一维度按信息熵做区分； (2) 将维修备件表不同维度按信息增益划分优先级； (3) 按照步骤(1)、（2)划分的优先级和区分程度画出决策树； (4) 输入一个规则的VIN码，根据VIN码以及得出的决策树输出该车型下的备件代码。3. 如权利要求2所述的用于车辆远程诊断与备件检索的平台，其特征在于，所述备件代 码关联备件的价格表，所述备件信息包括备件的中文名称、价格和现在使用状态以及备件 的适用车型信息。4. 如权利要求1所述的用于车辆远程诊断与备件检索的平台，其特征在于，所述数据库 单元中，利用方差分析模拟技师诊断思维，得到该故障码下最佳解决方案的步骤是： (1) 根据不同技师本人经验和不同思维方式，查看各自对每一个故障描述所给出的解 决方案以及所使用的工项及备件信息； (2) 对全部技师所给出的诊断数据进行量化处理； (3) 使用方差分析进行比较，比较两两之间答案差异性； (4) 通过差异结果，选取差异最小的解决方案作为该故障码的最终解决方案。5. 如权利要求4所述的用于车辆远程诊断与备件检索的平台，其特征在于，方差分析的 计算公式是： 总体平方和公式 ，自由度dft = N-l，其中ΣΧι2为所有量化处理的解决 方案数之和，Τ为所有观察数之和，Ν为样本量C为校正系数； 组间平方和公式：，自由度dfA= 1-1，其中（ΣΧ02表示某一条解 决方案数合计，m表示该条解决方案样本量，I表示该解决方案水平数； 组内平方和公式:SSE = SST-SSA。
【文档编号】G06Q10/00GK106056223SQ201610364428
【公开日】2016年10月26日
【申请日】2016年5月27日
【发明人】田雨农, 初莹莹
【申请人】大连楼兰科技股份有限公司