[发明专利]一种交通工具的故障预测方法、装置、设备及存储介质

权利要求书

1.一种交通工具的故障预测方法，其特征在于，所述方法包括：

获取待预测的多个交通工具的特征数据，所述特征数据为刹车功能的关联数据；

根据所述多个交通工具的特征数据，采用预先训练的预测模型进行处理，得到所述多个交通工具中刹车寿命到期的目标交通工具；所述预测模型为采用多个已损坏交通工具的特征数据进行训练得到的模型；

输出故障预测结果，所述故障预测结果包括：所述目标交通工具的信息。

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括：第一模型和第二模型；

所述根据所述多个交通工具的特征数据，采用预先训练的预测模型进行处理，得到所述多个交通工具中刹车寿命到期的目标交通工具，包括：

根据所述多个交通工具的特征数据，采用所述第一模型进行处理，得到第一预测结果，所述第一预测结果包括：所述多个交通工具中至少一个第一交通工具的信息；

根据所述多个交通工具的特征数据，采用所述第二模型进行处理，得到第二预测结果，所述第二预测结果包括：所述多个交通工具中至少一个第二交通工具的信息；

根据所述第一预测结果和所述第二预测结果进行取交集处理，确定所述目标交通工具。

3.根据权利要求2所述的方法，其特征在于，所述根据所述多个交通工具的特征数据，采用所述第一模型进行处理，得到第一预测结果之前，所述方法还包括：

采用多个正样本数据以及多个无标签样本数据进行模型训练，得到所述第一模型，其中，所述正样本数据为标注已损坏的交通工具特征数据，无标签样本数据为无标注的交通工具特征数据；

对应的，所述至少一个第一交通工具为预测刹车寿命到期的交通工具。

4.根据权利要求2所述的方法，其特征在于，所述根据所述多个交通工具的特征数据，采用所述第二模型进行处理，得到第二预测结果之前，所述方法还包括：

采用多个正样本数据、多个负样本数据以及多个无标签样本数据进行模型训练，得到所述第二模型，所述正样本数据为标注已损坏的交通工具特征数据，所述负样本数据为标注未损坏的交通工具特征数据，所述无标签样本数据为无标注的交通工具特征数据；

对应的，所述至少一个第二交通工具为特征数据与已损坏交通工具的特征数据的相似度大于或等于预设相似度的交通工具。

5.根据权利要求1所述的方法，其特征在于，所述获取待预测的多个交通工具的特征数据，包括：

获取所述多个交通工具的使用数据；

根据预设的所述刹车功能的数据类型，对每个所述交通工具的使用数据进行特征提取，得到每个所述交通工具的特征数据。

6.根据权利要求1所述的方法，其特征在于，所述刹车功能的关联数据包括如下至少一种类型的数据：

完成服务订单的数据、刹车维修数据、刹车故障上报数据。

7.根据权利要求6所述的方法，其特征在于，所述完成服务订单的数据包括如下至少一种数据：

已完成总订单量、所述已完成总订单量的行驶距离、所述已完成总订单量的使用总时长、单个预设时间段的平均已完成订单量、所述单个预设时间段的平均使用时长、所述单个预设时间段的平均行驶距离。

8.根据权利要求6所述的方法，其特征在于，所述刹车维修数据包括如下至少一种数据：

预设维修场所内的维修数据、所述预设维修场所外的维修数据。

9.根据权利要求6所述的方法，其特征在于，所述刹车故障上报数据包括如下至少一种数据：

订单用户的上报的刹车故障数据、维修用户上报的刹车故障数据。

10.根据权利要求1-9中任一所述的方法，其特征在于，所述方法还包括：

根据所述目标交通工具的特征数据，生成所述目标交通工具的检修计划，所述检修计划包括：所述目标交通工具的信息，和各所述目标交通工具对应的计划检修时间。