本發(fā)明涉及汽車維保，特別是涉及基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法。

背景技術(shù)：

1、隨著汽車行業(yè)的快速發(fā)展，汽車已經(jīng)成為很多人生活中不可或缺的重要部分，汽車維修行業(yè)已經(jīng)成為事關(guān)人民群眾生活質(zhì)量的重要民生服務(wù)業(yè)。汽車維修保養(yǎng)項目預(yù)測對于保障汽車安全可靠行駛、降低汽車維修成本和提升車主用車生活質(zhì)量具有重要的意義，已經(jīng)引起越來越多的研究者和汽車維修行業(yè)從業(yè)人員的關(guān)注。目前汽車僅僅是基于固定時間或行駛里程安排維修保養(yǎng)項目，是典型的計劃性維修保養(yǎng)。忽略了不同車輛的使用情況和行駛環(huán)境不同這一重大現(xiàn)實問題，不僅降低維修保養(yǎng)的靈活性，而且容易造成過量維修，浪費維修成本。且現(xiàn)有的工作主要基于汽車的行駛里程和時間對汽車的局部的維保項目進行預(yù)測，然后，僅僅對汽車局部進行預(yù)測是不夠的，無法掌握汽車其他部位的維保情況，存在較大的安全隱患。因此，亟需基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，通過融合汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息，能夠全面預(yù)測汽車的維保情況，提升交通安全。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，包括：

4、獲取目標汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息；

5、將所述歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息輸入預(yù)設(shè)的預(yù)測模型中，預(yù)測所述目標汽車的下一次汽車維保項目，其中，所述預(yù)測模型通過訓練集訓練得到，所述訓練集包括若干已報廢汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息，所述預(yù)測模型基于多尺度變形注意力機制構(gòu)建。

6、可選地，所述歷史維保項目記錄包括包含維修保養(yǎng)項目、維修保養(yǎng)里程信息；

7、所述車輛基礎(chǔ)信息包括汽車車牌號、汽車制造廠、汽車類型、發(fā)動機形式、發(fā)動機排量、汽車年款、生產(chǎn)年份、裝配廠家信息。

8、可選地，所述預(yù)測模型包括融合處理模塊和結(jié)果預(yù)測模塊，所述融合處理模塊用于對所述歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息進行融合處理，獲取汽車表示結(jié)果；所述結(jié)果預(yù)測模塊用于基于所述汽車表示結(jié)果預(yù)測下一次汽車維保項目。

9、可選地，所述融合處理模塊包括：處理單元、第一融合單元、第二融合單元；所述處理單元用于基于所述歷史維保項目記錄進行相關(guān)性學習，獲取每次歷史維保項目的相關(guān)性表示學習結(jié)果；所述第一融合單元用于利用注意力機制將所述行駛里程與所述每次歷史維保項目的相關(guān)性表示學習結(jié)果進行融合，獲取融合表示結(jié)果；所述第二融合單元用于利用注意力機制將所述車輛基礎(chǔ)信息與所述融合表示結(jié)果進行融合，獲取所述汽車表示結(jié)果。

10、可選地，所述處理單元基于所述歷史維保項目記錄進行相關(guān)性學習，獲取每次歷史維保項目的相關(guān)性表示學習結(jié)果的方法為：

11、

12、

13、其中，，表示維保項目的共現(xiàn)矩陣，m、n分別為維保項目m和維保項目n，為維保項目m和維保項目n共現(xiàn)的頻率，為頻率過濾閾值，為維保項目的種類，為維保項目m符合條件的總頻率，為每次歷史維保項目的相關(guān)性表示函數(shù)。

14、可選地，所述第一融合單元利用注意力機制將所述行駛里程與所述每次歷史維保項目的相關(guān)性表示學習結(jié)果進行融合，獲取融合表示結(jié)果的方法為：

15、將所述行駛里程映射到與所述每次歷史維保項目的相關(guān)性表示學習結(jié)果相同的潛在空間；

16、將所述潛在空間作為查詢向量，將所述每次歷史維保項目的相關(guān)性表示學習結(jié)果作為關(guān)鍵向量和值向量，輸入注意力機制中，輸出所述融合表示結(jié)果。

17、可選地，所述第二融合單元利用注意力機制將所述車輛基礎(chǔ)信息與所述融合表示結(jié)果進行融合，獲取汽車表示結(jié)果包括：

18、將所述車輛基礎(chǔ)信息利用表示函數(shù)進行表示以及拼接，獲取拼接表示結(jié)果；

19、將所述拼接表示結(jié)果作為查詢向量，所述融合表示結(jié)果作為關(guān)鍵向量和值向量，輸入注意力機制中，再將注意力機制的輸出與所述拼接表示結(jié)果進行拼接，獲取所述汽車表示結(jié)果。

20、可選地，基于所述訓練集訓練所述預(yù)測模型的過程中，采用二元交叉熵損失函數(shù)作為全局目標函數(shù)，所述二元交叉熵損失函數(shù)為：

21、

22、其中，表示二元交叉熵損失，表示維保項目的預(yù)測結(jié)果，為維保項目的種類，表示矩陣的轉(zhuǎn)置。

23、本發(fā)明的有益效果為：

24、本發(fā)明首先通過構(gòu)建維保項目的共現(xiàn)矩陣，獲取每次維保項目的相關(guān)性表示，隨后利用注意力機制將歷史維保項目相關(guān)性表示與行駛里程相融合，得到綜合的表示結(jié)果，最后再次利用注意力機制將車輛基礎(chǔ)信息納入最終表示結(jié)果；基于最終表示結(jié)果能夠全面預(yù)測汽車的維保情況，減少安全隱患，提升交通安全。

技術(shù)特征：

1.基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述歷史維保項目記錄包括包含維修保養(yǎng)項目、維修保養(yǎng)里程信息；

3.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述預(yù)測模型包括融合處理模塊和結(jié)果預(yù)測模塊，所述融合處理模塊用于對所述歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息進行融合處理，獲取汽車表示結(jié)果；所述結(jié)果預(yù)測模塊用于基于所述汽車表示結(jié)果預(yù)測下一次汽車維保項目。

4.根據(jù)權(quán)利要求3所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述融合處理模塊包括：處理單元、第一融合單元、第二融合單元；所述處理單元用于基于所述歷史維保項目記錄進行相關(guān)性學習，獲取每次歷史維保項目的相關(guān)性表示學習結(jié)果；所述第一融合單元用于利用注意力機制將所述行駛里程與所述每次歷史維保項目的相關(guān)性表示學習結(jié)果進行融合，獲取融合表示結(jié)果；所述第二融合單元用于利用注意力機制將所述車輛基礎(chǔ)信息與所述融合表示結(jié)果進行融合，獲取所述汽車表示結(jié)果。

5.根據(jù)權(quán)利要求4所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述處理單元基于所述歷史維保項目記錄進行相關(guān)性學習，獲取每次歷史維保項目的相關(guān)性表示學習結(jié)果的方法為：

6.根據(jù)權(quán)利要求4所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述第一融合單元利用注意力機制將所述行駛里程與所述每次歷史維保項目的相關(guān)性表示學習結(jié)果進行融合，獲取融合表示結(jié)果的方法為：

7.根據(jù)權(quán)利要求4所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，所述第二融合單元利用注意力機制將所述車輛基礎(chǔ)信息與所述融合表示結(jié)果進行融合，獲取汽車表示結(jié)果包括：

8.根據(jù)權(quán)利要求1所述的基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，其特征在于，基于所述訓練集訓練所述預(yù)測模型的過程中，采用二元交叉熵損失函數(shù)作為全局目標函數(shù)，所述二元交叉熵損失函數(shù)為：

技術(shù)總結(jié)
本發(fā)明涉及汽車維保技術(shù)領(lǐng)域，特別是涉及基于多源數(shù)據(jù)與注意力機制的汽車維保項目預(yù)測方法，包括：獲取目標汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息；將所述歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息輸入預(yù)設(shè)的預(yù)測模型中，預(yù)測所述目標汽車的下一次汽車維保項目，其中，所述預(yù)測模型通過訓練集訓練得到，所述訓練集包括若干已報廢汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息，所述預(yù)測模型基于多尺度變形注意力機制構(gòu)建。本發(fā)明通過融合汽車的歷史維保項目記錄、行駛里程和車輛基礎(chǔ)信息，能夠全面預(yù)測汽車的維保情況，提升交通安全。

技術(shù)研發(fā)人員：陳方華,周剛,鄔果昉,鞏建強,晉杰,劉富佳,王平,陳潮洲,楊小娟
受保護的技術(shù)使用者：交通運輸部公路科學研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26