本技術(shù)涉及車輛功能檢測(cè)領(lǐng)域，并且更具體地，涉及車輛功能領(lǐng)域中一種檢測(cè)車控功能的方法和電子設(shè)備。

背景技術(shù)：

1、目前，隨著智能技術(shù)的發(fā)展，車輛中集成了越來越多的智能功能，以滿足用戶在不同場(chǎng)景下的智能化需求。這些功能大多數(shù)都可以通過車輛中的電子控制單元(electroniccontrol?unit，ecu)和控制系統(tǒng)進(jìn)行控制，因此這些功能也稱為“車控功能”。

2、為了保證車控功能能夠更好地服務(wù)用戶，一般情況下，生產(chǎn)商需要在車輛出廠前，對(duì)車控功能進(jìn)行測(cè)試，以便于及時(shí)發(fā)現(xiàn)車控功能的異常，保證車輛的安全性和可靠性。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種檢測(cè)車控功能的方法和電子設(shè)備，該方法能夠在車輛執(zhí)行車控功能過程中，及時(shí)對(duì)車控功能進(jìn)行異常檢測(cè)，提高用戶的用車體驗(yàn)。

2、第一方面，提供了一種檢測(cè)車控功能的方法，該方法包括：在車輛執(zhí)行車控功能的情況下，獲取歷史運(yùn)行過程中的多個(gè)時(shí)序數(shù)據(jù)，該多個(gè)時(shí)序數(shù)據(jù)包括多個(gè)運(yùn)行時(shí)序數(shù)據(jù)和多個(gè)環(huán)境時(shí)序數(shù)據(jù)；根據(jù)該多個(gè)時(shí)序數(shù)據(jù)，確定該車輛在當(dāng)前時(shí)刻的多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)；根據(jù)該多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)、該多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)、該多個(gè)時(shí)序數(shù)據(jù)，以及該當(dāng)前時(shí)刻的多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定該車控功能在該當(dāng)前時(shí)刻是否異常。

3、上述技術(shù)方案中，在車輛運(yùn)行過程中，提出了一種檢測(cè)車控功能的方法，該方法能夠在車輛車控功能開啟的情況下，獲取車輛在運(yùn)行過程中的多個(gè)時(shí)序數(shù)據(jù)。其中，多個(gè)時(shí)序數(shù)據(jù)包括多個(gè)運(yùn)行時(shí)序數(shù)據(jù)和多個(gè)環(huán)境時(shí)序數(shù)據(jù)。多個(gè)運(yùn)行時(shí)序數(shù)據(jù)具體指的是車輛在執(zhí)行車控功能過程中，多個(gè)連續(xù)時(shí)刻的自身的運(yùn)行參數(shù)。運(yùn)行參數(shù)例如車速、加速度等。多個(gè)環(huán)境時(shí)序數(shù)據(jù)具體指的是車輛在執(zhí)行車控功能過程中，多個(gè)連續(xù)時(shí)刻的環(huán)境參數(shù)。環(huán)境參數(shù)例如環(huán)境溫度、風(fēng)速等。通過多個(gè)時(shí)序數(shù)據(jù)，確定車輛在當(dāng)前時(shí)刻的多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)。預(yù)測(cè)數(shù)據(jù)可以認(rèn)為是車輛在執(zhí)行車控功能時(shí)，理論上當(dāng)前時(shí)刻所應(yīng)達(dá)到的運(yùn)行數(shù)據(jù)和環(huán)境數(shù)據(jù)。最后根據(jù)多個(gè)時(shí)序數(shù)據(jù)、多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)，確定車控功能在當(dāng)前時(shí)刻是否異常，能夠通過實(shí)時(shí)比較預(yù)測(cè)數(shù)據(jù)和實(shí)際數(shù)據(jù)之間的偏差，迅速識(shí)別車控功能的異常狀況，及時(shí)發(fā)現(xiàn)車輛異常問題。

4、結(jié)合第一方面，在某些可能的實(shí)現(xiàn)方式中，該根據(jù)該多個(gè)時(shí)序數(shù)據(jù)，確定該車輛在當(dāng)前時(shí)刻的多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)，包括：從該多個(gè)運(yùn)行時(shí)序數(shù)據(jù)中確定m個(gè)運(yùn)行時(shí)序數(shù)據(jù)，以及從該多個(gè)環(huán)境時(shí)序數(shù)據(jù)中確定n個(gè)環(huán)境時(shí)序數(shù)據(jù)，該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)均為連續(xù)型數(shù)據(jù)，m和n均為正整數(shù)；對(duì)于該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)中的任一時(shí)序數(shù)據(jù)，基于預(yù)設(shè)分解方法，將該時(shí)序數(shù)據(jù)分解為趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)、季節(jié)項(xiàng)時(shí)序數(shù)據(jù)和殘差項(xiàng)時(shí)序數(shù)據(jù)；根據(jù)m個(gè)趨勢(shì)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)季節(jié)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)殘差項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、n個(gè)趨勢(shì)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)、n個(gè)季節(jié)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)和n個(gè)殘差項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)。

5、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該根據(jù)m個(gè)趨勢(shì)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)季節(jié)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)殘差項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、n個(gè)趨勢(shì)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)、n個(gè)季節(jié)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)和n個(gè)殘差項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)，包括：根據(jù)該m個(gè)趨勢(shì)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)趨勢(shì)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列；將該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列輸入至趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型對(duì)該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列進(jìn)行編碼，得到該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列的趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量；對(duì)該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量進(jìn)行解碼，得到該當(dāng)前時(shí)刻的m+n個(gè)預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)；根據(jù)該m個(gè)殘差項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)殘差項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定殘差時(shí)序數(shù)據(jù)序列；將該殘差時(shí)序數(shù)據(jù)序列輸入至殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的編碼器基于至少一個(gè)多頭概率稀疏自注意力結(jié)構(gòu)及自注意力提取操作的疊加，對(duì)該殘差時(shí)序數(shù)據(jù)序列進(jìn)行處理，得到編碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的解碼器基于掩碼多頭概率稀疏自注意力結(jié)構(gòu)及多頭自注意力結(jié)構(gòu)對(duì)該編碼器輸出進(jìn)行處理，得到解碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的全連接層對(duì)該解碼器輸出進(jìn)行處理，得到該當(dāng)前時(shí)刻的m+n個(gè)預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)；根據(jù)該m+n個(gè)預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)、該m+n個(gè)預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)、該m個(gè)季節(jié)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)季節(jié)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定該m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和該n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)。

6、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的訓(xùn)練過程包括：將樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列輸入該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型，通過該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型，基于門控機(jī)制對(duì)該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列進(jìn)行編碼，得到該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列的樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量；對(duì)該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量進(jìn)行解碼，得到m+n個(gè)樣本預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)；基于該m+n個(gè)樣本預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)與該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列對(duì)應(yīng)的m+n個(gè)標(biāo)注趨勢(shì)項(xiàng)數(shù)據(jù)之間的差異信息，對(duì)該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行訓(xùn)練。

7、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的訓(xùn)練過程包括：將樣本殘差時(shí)序數(shù)據(jù)序列輸入至殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的編碼器基于至少一個(gè)多頭概率稀疏自注意力結(jié)構(gòu)及自注意力提取操作的疊加，對(duì)該樣本殘差時(shí)序數(shù)據(jù)序列進(jìn)行處理，得到樣本編碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的解碼器基于掩碼多頭概率稀疏自注意力結(jié)構(gòu)及多頭自注意力結(jié)構(gòu)對(duì)該樣本編碼器輸出進(jìn)行處理，得到樣本解碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的全連接層對(duì)該樣本解碼器輸出進(jìn)行處理，得到m+n個(gè)樣本預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)；基于該m+n個(gè)樣本預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)與該樣本殘差項(xiàng)時(shí)序數(shù)據(jù)序列對(duì)應(yīng)的m+n個(gè)標(biāo)注殘差項(xiàng)數(shù)據(jù)之間的差異信息，對(duì)該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行訓(xùn)練。

8、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該根據(jù)該多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)、該多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)、該多個(gè)時(shí)序數(shù)據(jù)，以及該當(dāng)前時(shí)刻的多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定該車控功能在該當(dāng)前時(shí)刻是否異常之前，該方法還包括：獲取該多個(gè)時(shí)序數(shù)據(jù)對(duì)應(yīng)的m個(gè)歷史預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和n個(gè)歷史預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)；以及，該根據(jù)該多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)、該多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)、該多個(gè)時(shí)序數(shù)據(jù)，以及該當(dāng)前時(shí)刻的多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定該車控功能在該當(dāng)前時(shí)刻是否異常，包括：根據(jù)該m個(gè)歷史預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和該m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)，確定m個(gè)預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該n個(gè)歷史預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)和該n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)，確定n個(gè)預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)；根據(jù)該多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)，確定m個(gè)實(shí)際運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該多個(gè)實(shí)際環(huán)境數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)，確定n個(gè)實(shí)際環(huán)境時(shí)序數(shù)據(jù)；根據(jù)該m個(gè)預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和該m個(gè)實(shí)際運(yùn)行時(shí)序數(shù)據(jù)，確定m個(gè)第一差值；根據(jù)該n個(gè)預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)和該n個(gè)實(shí)際環(huán)境時(shí)序數(shù)據(jù)，確定n個(gè)第二差值；根據(jù)該多個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該多個(gè)實(shí)際運(yùn)行數(shù)據(jù)，確定p個(gè)運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該多個(gè)環(huán)境時(shí)序數(shù)據(jù)和該多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定q個(gè)環(huán)境時(shí)序數(shù)據(jù)，該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)均為離散型數(shù)據(jù)，p和q均為正整數(shù)；根據(jù)該m個(gè)第一差值、該n個(gè)第二差值、該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)，確定該車控功能是否異常。

9、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該根據(jù)該m個(gè)第一差值、該n個(gè)第二差值、該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)，確定該車控功能是否異常，包括：將該m個(gè)第一差值、該n個(gè)第二差值、該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)輸入至異常檢測(cè)模型，通過該異常檢測(cè)模型輸出該車控功能的異常概率；在該異常概率小于或等于預(yù)設(shè)概率的情況下，確定該車控功能正常；在該異常概率大于該預(yù)設(shè)概率的情況下，確定該車控功能異常。

10、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該異常檢測(cè)模型的訓(xùn)練過程包括：根據(jù)m個(gè)第一樣本差值、n個(gè)第二樣本差值、p個(gè)樣本運(yùn)行時(shí)序數(shù)據(jù)和q個(gè)樣本環(huán)境時(shí)序數(shù)據(jù)，確定該異常檢測(cè)模型的樣本輸入序列；將該樣本輸入序列輸入至該異常檢測(cè)模型，輸出樣本異常概率；基于該樣本異常概率與該樣本輸入序列對(duì)應(yīng)的標(biāo)注概率之間的差異信息，對(duì)該異常檢測(cè)模型進(jìn)行訓(xùn)練。

11、結(jié)合第一方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該方法還包括：在確定該車控功能異常的情況下，確定該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)是否包括第一異常數(shù)據(jù)，和/或，該q個(gè)環(huán)境時(shí)序數(shù)據(jù)是否包括第二異常數(shù)據(jù)；在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)包括該第一異常數(shù)據(jù)的情況下，確定該車控功能的異常來源為該第一異常數(shù)據(jù)；和/或，在該q個(gè)環(huán)境時(shí)序數(shù)據(jù)包括該第二異常數(shù)據(jù)的情況下，確定該異常來源為該第二異常數(shù)據(jù)；在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)不包括該第一異常數(shù)據(jù)，且該q個(gè)環(huán)境時(shí)序數(shù)據(jù)不包括該第二異常數(shù)據(jù)的情況下，對(duì)于該m個(gè)第一差值中的任一第一差值，若該第一差值大于該第一差值對(duì)應(yīng)的第一閾值，確定該異常來源為該第一差值對(duì)應(yīng)的運(yùn)行數(shù)據(jù)；和/或，在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)不包括該第一異常數(shù)據(jù)，且該q個(gè)環(huán)境時(shí)序數(shù)據(jù)不包括該第二異常數(shù)據(jù)的情況下，對(duì)于該n個(gè)第二差值中的任一第二差值，若該第二差值大于該第二差值對(duì)應(yīng)的第二閾值，確定該異常來源為該第二差值對(duì)應(yīng)的環(huán)境數(shù)據(jù)。

12、上述技術(shù)方案中，在異常檢測(cè)模型確定車控功能異常的情況下，本技術(shù)的方法還可以進(jìn)一步確定車控功能的異常來源。在確定異常來源時(shí)，由于p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和q個(gè)環(huán)境時(shí)序數(shù)據(jù)均是離散型數(shù)據(jù)。舉例來說，p個(gè)運(yùn)行時(shí)序數(shù)據(jù)可以為車窗狀態(tài)、制動(dòng)系統(tǒng)狀態(tài)；q個(gè)環(huán)境時(shí)序數(shù)據(jù)可以為道路類型。在檢測(cè)到車控功能異常的情況下，首先考慮是否為離散型數(shù)據(jù)引起的。原因在于，離散型數(shù)據(jù)通常代表了系統(tǒng)的狀態(tài)或配置，如工作模式、系統(tǒng)啟用/禁用狀態(tài)等。這些數(shù)據(jù)的異常往往直接指向系統(tǒng)中的特定問題，它們的變化通常是非連續(xù)的，相比較于連續(xù)型數(shù)據(jù)，更容易識(shí)別和定位問題，可以快速篩選出可能的故障源，且離散型數(shù)據(jù)異常可能對(duì)系統(tǒng)安全和功能的影響更大，因此，離散型數(shù)據(jù)異常的檢測(cè)被賦予更高的優(yōu)先級(jí)。

13、本技術(shù)在排查離散型數(shù)據(jù)，首先判斷p個(gè)運(yùn)行時(shí)序數(shù)據(jù)是否包括第一異常數(shù)據(jù)，是則直接確定異常來源為第一異常數(shù)據(jù)，以及，判斷q個(gè)環(huán)境時(shí)序數(shù)據(jù)是否包括第二異常數(shù)據(jù)，是則直接確定異常來源為第二異常數(shù)據(jù)。相反，當(dāng)p個(gè)運(yùn)行時(shí)序數(shù)據(jù)不包括第一異常數(shù)據(jù)且q個(gè)環(huán)境時(shí)序數(shù)據(jù)不包括第二異常數(shù)據(jù)時(shí)，再考慮連續(xù)型運(yùn)行時(shí)序數(shù)據(jù)的預(yù)測(cè)值和真實(shí)值之間的m個(gè)第一差值，以及連續(xù)型環(huán)境時(shí)序數(shù)據(jù)的預(yù)測(cè)值和真實(shí)值之間的n個(gè)第二差值。對(duì)于m個(gè)第一差值中的任一第一差值，若該第一差值大于該第一差值對(duì)應(yīng)的第一閾值，則確定該第一差值對(duì)應(yīng)的運(yùn)行數(shù)據(jù)為異常來源。同理，對(duì)于n個(gè)第二差值中的任一第二差值，若該第二差值大于該第二差值對(duì)應(yīng)的第一閾值，則確定該第二差值對(duì)應(yīng)的環(huán)境數(shù)據(jù)為異常來源。從而，通過上述過程，能夠在車控功能異常時(shí)，準(zhǔn)確定位到車控功能的異常來源，便于用戶維修和處理。

14、第二方面，提供了一種檢測(cè)車控功能的裝置，該裝置包括：時(shí)序數(shù)據(jù)獲取模塊，用于在車輛執(zhí)行車控功能的情況下，獲取歷史運(yùn)行過程中的多個(gè)時(shí)序數(shù)據(jù)，該多個(gè)時(shí)序數(shù)據(jù)包括多個(gè)運(yùn)行時(shí)序數(shù)據(jù)和多個(gè)環(huán)境時(shí)序數(shù)據(jù)；數(shù)據(jù)預(yù)測(cè)模塊，用于根據(jù)該多個(gè)時(shí)序數(shù)據(jù)，確定該車輛在當(dāng)前時(shí)刻的多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)；異常檢測(cè)模塊，用于根據(jù)該多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)、該多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)、該多個(gè)時(shí)序數(shù)據(jù)，以及該當(dāng)前時(shí)刻的多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定該車控功能在該當(dāng)前時(shí)刻是否異常。

15、結(jié)合第二方面，在某些可能的實(shí)現(xiàn)方式中，該數(shù)據(jù)預(yù)測(cè)模塊具體用于：從該多個(gè)運(yùn)行時(shí)序數(shù)據(jù)中確定m個(gè)運(yùn)行時(shí)序數(shù)據(jù)，以及從該多個(gè)環(huán)境時(shí)序數(shù)據(jù)中確定n個(gè)環(huán)境時(shí)序數(shù)據(jù)，該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)均為連續(xù)型數(shù)據(jù)，m和n均為正整數(shù)；對(duì)于該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)中的任一時(shí)序數(shù)據(jù)，基于預(yù)設(shè)分解方法，將該時(shí)序數(shù)據(jù)分解為趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)、季節(jié)項(xiàng)時(shí)序數(shù)據(jù)和殘差項(xiàng)時(shí)序數(shù)據(jù)；根據(jù)m個(gè)趨勢(shì)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)季節(jié)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、m個(gè)殘差項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)、n個(gè)趨勢(shì)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)、n個(gè)季節(jié)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)和n個(gè)殘差項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)。

16、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該數(shù)據(jù)預(yù)測(cè)模塊還用于：根據(jù)該m個(gè)趨勢(shì)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)趨勢(shì)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列；將該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列輸入至趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型對(duì)該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列進(jìn)行編碼，得到該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列的趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量；對(duì)該趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量進(jìn)行解碼，得到該當(dāng)前時(shí)刻的m+n個(gè)預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)；根據(jù)該m個(gè)殘差項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)殘差項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定殘差時(shí)序數(shù)據(jù)序列；將該殘差時(shí)序數(shù)據(jù)序列輸入至殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的編碼器基于至少一個(gè)多頭概率稀疏自注意力結(jié)構(gòu)及自注意力提取操作的疊加，對(duì)該殘差時(shí)序數(shù)據(jù)序列進(jìn)行處理，得到編碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的解碼器基于掩碼多頭概率稀疏自注意力結(jié)構(gòu)及多頭自注意力結(jié)構(gòu)對(duì)該編碼器輸出進(jìn)行處理，得到解碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的全連接層對(duì)該解碼器輸出進(jìn)行處理，得到該當(dāng)前時(shí)刻的m+n個(gè)預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)；根據(jù)該m+n個(gè)預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)、該m+n個(gè)預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)、該m個(gè)季節(jié)項(xiàng)運(yùn)行時(shí)序數(shù)據(jù)和該n個(gè)季節(jié)項(xiàng)環(huán)境時(shí)序數(shù)據(jù)，確定該m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)和該n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)。

17、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該數(shù)據(jù)預(yù)測(cè)模塊還用于：將樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列輸入該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型，通過該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型，基于門控機(jī)制對(duì)該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列進(jìn)行編碼，得到該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列的樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量；對(duì)該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)向量進(jìn)行解碼，得到m+n個(gè)樣本預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)；基于該m+n個(gè)樣本預(yù)測(cè)趨勢(shì)項(xiàng)數(shù)據(jù)與該樣本趨勢(shì)項(xiàng)時(shí)序數(shù)據(jù)序列對(duì)應(yīng)的m+n個(gè)標(biāo)注趨勢(shì)項(xiàng)數(shù)據(jù)之間的差異信息，對(duì)該趨勢(shì)項(xiàng)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行訓(xùn)練。

18、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該數(shù)據(jù)預(yù)測(cè)模塊還用于：將樣本殘差時(shí)序數(shù)據(jù)序列輸入至殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中，通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的編碼器基于至少一個(gè)多頭概率稀疏自注意力結(jié)構(gòu)及自注意力提取操作的疊加，對(duì)該樣本殘差時(shí)序數(shù)據(jù)序列進(jìn)行處理，得到樣本編碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型的解碼器基于掩碼多頭概率稀疏自注意力結(jié)構(gòu)及多頭自注意力結(jié)構(gòu)對(duì)該樣本編碼器輸出進(jìn)行處理，得到樣本解碼器輸出；通過該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型中的全連接層對(duì)該樣本解碼器輸出進(jìn)行處理，得到m+n個(gè)樣本預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)；基于該m+n個(gè)樣本預(yù)測(cè)殘差項(xiàng)數(shù)據(jù)與該樣本殘差項(xiàng)時(shí)序數(shù)據(jù)序列對(duì)應(yīng)的m+n個(gè)標(biāo)注殘差項(xiàng)數(shù)據(jù)之間的差異信息，對(duì)該殘差項(xiàng)數(shù)據(jù)預(yù)測(cè)模型進(jìn)行訓(xùn)練。

19、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該根據(jù)該多個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)、該多個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)、該多個(gè)時(shí)序數(shù)據(jù)，以及該當(dāng)前時(shí)刻的多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定該車控功能在該當(dāng)前時(shí)刻是否異常之前，該裝置還包括：預(yù)測(cè)數(shù)據(jù)獲取模塊，用于獲取該多個(gè)時(shí)序數(shù)據(jù)對(duì)應(yīng)的m個(gè)歷史預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和n個(gè)歷史預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)；以及，該異常檢測(cè)模塊具體用于：根據(jù)該m個(gè)歷史預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和該m個(gè)預(yù)測(cè)運(yùn)行數(shù)據(jù)，確定m個(gè)預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該n個(gè)歷史預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)和該n個(gè)預(yù)測(cè)環(huán)境數(shù)據(jù)，確定n個(gè)預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)；根據(jù)該多個(gè)實(shí)際運(yùn)行數(shù)據(jù)和該m個(gè)運(yùn)行時(shí)序數(shù)據(jù)，確定m個(gè)實(shí)際運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該多個(gè)實(shí)際環(huán)境數(shù)據(jù)和該n個(gè)環(huán)境時(shí)序數(shù)據(jù)，確定n個(gè)實(shí)際環(huán)境時(shí)序數(shù)據(jù)；根據(jù)該m個(gè)預(yù)測(cè)運(yùn)行時(shí)序數(shù)據(jù)和該m個(gè)實(shí)際運(yùn)行時(shí)序數(shù)據(jù)，確定m個(gè)第一差值；根據(jù)該n個(gè)預(yù)測(cè)環(huán)境時(shí)序數(shù)據(jù)和該n個(gè)實(shí)際環(huán)境時(shí)序數(shù)據(jù)，確定n個(gè)第二差值；根據(jù)該多個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該多個(gè)實(shí)際運(yùn)行數(shù)據(jù)，確定p個(gè)運(yùn)行時(shí)序數(shù)據(jù)，以及，根據(jù)該多個(gè)環(huán)境時(shí)序數(shù)據(jù)和該多個(gè)實(shí)際環(huán)境數(shù)據(jù)，確定q個(gè)環(huán)境時(shí)序數(shù)據(jù)，該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)均為離散型數(shù)據(jù)，p和q均為正整數(shù)；根據(jù)該m個(gè)第一差值、該n個(gè)第二差值、該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)，確定該車控功能是否異常。

20、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該異常檢測(cè)模塊還用于：將該m個(gè)第一差值、該n個(gè)第二差值、該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)和該q個(gè)環(huán)境時(shí)序數(shù)據(jù)輸入至異常檢測(cè)模型，通過該異常檢測(cè)模型輸出該車控功能的異常概率；在該異常概率小于或等于預(yù)設(shè)概率的情況下，確定該車控功能正常；在該異常概率大于該預(yù)設(shè)概率的情況下，確定該車控功能異常。

21、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該異常檢測(cè)模塊還用于：根據(jù)m個(gè)第一樣本差值、n個(gè)第二樣本差值、p個(gè)樣本運(yùn)行時(shí)序數(shù)據(jù)和q個(gè)樣本環(huán)境時(shí)序數(shù)據(jù)，確定該異常檢測(cè)模型的樣本輸入序列；將該樣本輸入序列輸入至該異常檢測(cè)模型，輸出樣本異常概率；基于該樣本異常概率與該樣本輸入序列對(duì)應(yīng)的標(biāo)注概率之間的差異信息，對(duì)該異常檢測(cè)模型進(jìn)行訓(xùn)練。

22、結(jié)合第二方面和上述實(shí)現(xiàn)方式，在某些可能的實(shí)現(xiàn)方式中，該裝置還包括：異常來源確定模塊，用于在確定該車控功能異常的情況下，確定該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)是否包括第一異常數(shù)據(jù)，和/或，該q個(gè)環(huán)境時(shí)序數(shù)據(jù)是否包括第二異常數(shù)據(jù)；在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)包括該第一異常數(shù)據(jù)的情況下，確定該車控功能的異常來源為該第一異常數(shù)據(jù)；和/或，在該q個(gè)環(huán)境時(shí)序數(shù)據(jù)包括該第二異常數(shù)據(jù)的情況下，確定該異常來源為該第二異常數(shù)據(jù)；在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)不包括該第一異常數(shù)據(jù)，且該q個(gè)環(huán)境時(shí)序數(shù)據(jù)不包括該第二異常數(shù)據(jù)的情況下，對(duì)于該m個(gè)第一差值中的任一第一差值，若該第一差值大于該第一差值對(duì)應(yīng)的第一閾值，確定該異常來源為該第一差值對(duì)應(yīng)的運(yùn)行數(shù)據(jù)；和/或，在該p個(gè)運(yùn)行時(shí)序數(shù)據(jù)不包括該第一異常數(shù)據(jù)，且該q個(gè)環(huán)境時(shí)序數(shù)據(jù)不包括該第二異常數(shù)據(jù)的情況下，對(duì)于該n個(gè)第二差值中的任一第二差值，若該第二差值大于該第二差值對(duì)應(yīng)的第二閾值，確定該異常來源為該第二差值對(duì)應(yīng)的環(huán)境數(shù)據(jù)。

23、第三方面，提供了一種電子設(shè)備，包括存儲(chǔ)器和處理器。該存儲(chǔ)器用于存儲(chǔ)可執(zhí)行程序代碼，該處理器用于從存儲(chǔ)器中調(diào)用并運(yùn)行該可執(zhí)行程序代碼，使得該電子設(shè)備執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。

24、第四方面，提供了一種計(jì)算機(jī)程序產(chǎn)品，該計(jì)算機(jī)程序產(chǎn)品包括：計(jì)算機(jī)程序代碼，當(dāng)該計(jì)算機(jī)程序代碼在計(jì)算機(jī)上運(yùn)行時(shí)，使得該計(jì)算機(jī)執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。

25、第五方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序代碼，當(dāng)該計(jì)算機(jī)程序代碼在計(jì)算機(jī)上運(yùn)行時(shí)，使得該計(jì)算機(jī)執(zhí)行上述第一方面或第一方面任意一種可能的實(shí)現(xiàn)方式中的方法。