本技術(shù)屬于車輛診斷，更具體地說，是涉及一種車輛的遠(yuǎn)程診斷方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備。

背景技術(shù)：

1、在車輛遠(yuǎn)程診斷領(lǐng)域，現(xiàn)有遠(yuǎn)程診斷系統(tǒng)通過客戶服務(wù)端(即bus?i?ness端，b端)接收診斷設(shè)備發(fā)送的診斷數(shù)據(jù)，并透傳給客戶服務(wù)端(即consumer端，c端)，客戶服務(wù)端再與車輛交互，并將采集到的診斷數(shù)據(jù)回傳至客戶服務(wù)端，以實(shí)現(xiàn)遠(yuǎn)程診斷。

2、但是，現(xiàn)有車輛遠(yuǎn)程診斷方法存在配置文件適配不準(zhǔn)確的問題，影響車輛遠(yuǎn)程診斷的準(zhǔn)確性和效率。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的目的在于提供一種車輛的遠(yuǎn)程診斷方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備，旨在解決現(xiàn)有車輛遠(yuǎn)程診斷方法存在配置文件適配不準(zhǔn)確的技術(shù)問題。

2、為實(shí)現(xiàn)上述目的，根據(jù)本技術(shù)的第一個(gè)方面，提供了一種車輛的遠(yuǎn)程診斷方法，該方法包括：

3、獲取車輛的車輛總線數(shù)據(jù)；

4、基于預(yù)先訓(xùn)練得到的目標(biāo)預(yù)測模型，確定所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，其中，所述目標(biāo)預(yù)測模型是基于多個(gè)歷史車輛診斷數(shù)據(jù)訓(xùn)練初始神經(jīng)網(wǎng)絡(luò)模型得到的，每個(gè)所述歷史車輛診斷數(shù)據(jù)包括：歷史車輛總線數(shù)據(jù)，以及與所述歷史車輛總線數(shù)據(jù)適配的總線配置文件；

5、根據(jù)所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，確定多個(gè)所述備選總線配置文件中與所述車輛總線數(shù)據(jù)適配的目標(biāo)配置文件；

6、依據(jù)所述目標(biāo)配置文件對所述車輛執(zhí)行遠(yuǎn)程診斷。

7、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，所述獲取車輛的車輛總線數(shù)據(jù)，包括：

8、獲取第一客戶端采集到的所述車輛的車輛總線數(shù)據(jù)，其中，所述第一客戶端在與所述車輛握手成功后，通過任意一類總線與所述車輛進(jìn)行通信和/或數(shù)據(jù)交互；

9、其中，所述車輛總線數(shù)據(jù)包括如下至少之一：車載自診斷系統(tǒng)的引腳電壓值、總線引腳、總線波特率、總線廣播標(biāo)識符、基于互聯(lián)網(wǎng)協(xié)議的診斷通信do?ip接口的激活腳的引腳電壓值。

10、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，所述根據(jù)所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，確定多個(gè)所述備選總線配置文件中與所述車輛總線數(shù)據(jù)適配的目標(biāo)配置文件，包括：

11、根據(jù)所述車輛總線數(shù)據(jù)與多個(gè)所述備選總線配置文件的適配概率，對多個(gè)所述備選總線配置文件進(jìn)行排序，得到排序結(jié)果；

12、根據(jù)所述排序結(jié)果，從多個(gè)所述備選總線配置文件中選取適配概率最大的備選總線配置文件；

13、若所述適配概率最大的備選總線配置文件的適配概率大于概率閾值，則將所述適配概率最大的備選總線配置文件作為所述目標(biāo)配置文件。

14、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，所述方法還包括：

15、若所述適配概率最大的備選總線配置文件的適配概率小于或等于所述概率閾值，則獲取所述車輛總線數(shù)據(jù)中的總線引腳和總線波特率；

16、根據(jù)所述車輛總線數(shù)據(jù)中的總線引腳和總線波特率，生成所述目標(biāo)配置文件。

17、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，依據(jù)所述目標(biāo)配置文件對所述車輛執(zhí)行遠(yuǎn)程診斷，包括：

18、將所述目標(biāo)配置文件下發(fā)給第一客戶端和第二客戶端，以通過所述第一客戶端和所述第二客戶端對所述車輛執(zhí)行遠(yuǎn)程診斷，其中，所述第二客戶端通過任意一類總線與車輛診斷設(shè)備通信連接。

19、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，在基于預(yù)先訓(xùn)練得到的目標(biāo)預(yù)測模型，確定所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率之前，所述方法還包括：

20、對所述車輛總線數(shù)據(jù)進(jìn)行預(yù)處理，其中，所述預(yù)處理包括如下至少之一：編碼轉(zhuǎn)換處理、向量轉(zhuǎn)換處理、數(shù)值縮放處理。

21、可選地，在第一方面的一種可能的實(shí)現(xiàn)方式中，在獲取車輛的車輛總線數(shù)據(jù)之前，所述方法還包括：

22、獲取歷史診斷日志數(shù)據(jù)中存儲的多個(gè)所述歷史車輛診斷數(shù)據(jù)，其中，每個(gè)所述歷史車輛診斷數(shù)據(jù)的診斷結(jié)果均為診斷成功；

23、從每個(gè)所述歷史車輛診斷數(shù)據(jù)中提取所述歷史車輛總線數(shù)據(jù)，以及與所述歷史車輛總線數(shù)據(jù)適配的總線配置文件；

24、根據(jù)從多個(gè)所述歷史車輛診斷數(shù)據(jù)中分別提取得到的所述歷史車輛總線數(shù)據(jù)，以及與所述歷史車輛總線數(shù)據(jù)適配的總線配置文件，訓(xùn)練所述初始神經(jīng)網(wǎng)絡(luò)模型，得到所述目標(biāo)預(yù)測模型。

25、根據(jù)本技術(shù)的第二個(gè)方面，提供了一種車輛遠(yuǎn)程診斷系統(tǒng)，該系統(tǒng)包括：

26、第一客戶端，用于獲取車輛的車輛總線數(shù)據(jù)；

27、車輛遠(yuǎn)程診斷服務(wù)器，基于預(yù)先訓(xùn)練得到的目標(biāo)預(yù)測模型，確定所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，根據(jù)所述車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，確定多個(gè)所述備選總線配置文件中與所述車輛總線數(shù)據(jù)適配的目標(biāo)配置文件；其中，所述目標(biāo)預(yù)測模型是基于多個(gè)歷史車輛診斷數(shù)據(jù)訓(xùn)練初始神經(jīng)網(wǎng)絡(luò)模型得到的，每個(gè)所述歷史車輛診斷數(shù)據(jù)包括：歷史車輛總線數(shù)據(jù)，以及與所述歷史車輛總線數(shù)據(jù)適配的總線配置文件；

28、第二客戶端，用于依據(jù)所述目標(biāo)配置文件對所述車輛執(zhí)行遠(yuǎn)程診斷。

29、第二個(gè)方面以及第二個(gè)方面的任意一種實(shí)現(xiàn)方式分別與第一個(gè)方面以及第一個(gè)方面的任意一種實(shí)現(xiàn)方式相對應(yīng)。第二個(gè)方面以及第二個(gè)方面的任意一種實(shí)現(xiàn)方式所對應(yīng)的技術(shù)效果可參見上述第一個(gè)方面以及第一個(gè)方面的任意一種實(shí)現(xiàn)方式所對應(yīng)的技術(shù)效果，此處不再贅述。

30、第三方面，本技術(shù)實(shí)施例提供了一種電子設(shè)備，包括：存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如任一項(xiàng)所述的方法。

31、第四方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)可讀存儲介質(zhì)，所述計(jì)算機(jī)可讀存儲介質(zhì)存儲有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如任一項(xiàng)所述的方法。

32、第五方面，本技術(shù)實(shí)施例提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)計(jì)算機(jī)程序產(chǎn)品在電子設(shè)備上運(yùn)行時(shí)，使得電子設(shè)備執(zhí)行上述第一方面中任一項(xiàng)所述的方法。

33、可以理解的是，上述第二方面至第五方面的有益效果可以參見上述第一方面中的相關(guān)描述，在此不再贅述。

34、本技術(shù)實(shí)施例提供了一種車輛的遠(yuǎn)程診斷方法、系統(tǒng)、存儲介質(zhì)及電子設(shè)備，該車輛的遠(yuǎn)程診斷方法通過獲取車輛的車輛總線數(shù)據(jù)；基于預(yù)先訓(xùn)練得到的目標(biāo)預(yù)測模型，確定車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，該目標(biāo)預(yù)測模型是基于多個(gè)歷史車輛診斷數(shù)據(jù)訓(xùn)練初始神經(jīng)網(wǎng)絡(luò)模型得到的，每個(gè)歷史車輛診斷數(shù)據(jù)包括：歷史車輛總線數(shù)據(jù)，以及與歷史車輛總線數(shù)據(jù)適配的總線配置文件；根據(jù)車輛總線數(shù)據(jù)與多個(gè)備選總線配置文件的適配概率，確定多個(gè)備選總線配置文件中與車輛總線數(shù)據(jù)適配的目標(biāo)配置文件；依據(jù)目標(biāo)配置文件對車輛執(zhí)行遠(yuǎn)程診斷。

35、分析可知，由于基于歷史數(shù)據(jù)訓(xùn)練的目標(biāo)預(yù)測模型能夠?qū)W習(xí)到不同車輛總線數(shù)據(jù)特征與各種總線配置文件之間的關(guān)系。通過對新獲取的車輛總線數(shù)據(jù)進(jìn)行適配概率計(jì)算，可以更準(zhǔn)確地確定最適合當(dāng)前車輛的目標(biāo)配置文件，從而提高遠(yuǎn)程診斷的準(zhǔn)確性。

36、并且，無需用戶進(jìn)行大量的手動(dòng)配置和嘗試不同的配置文件，采用預(yù)訓(xùn)練得到的目標(biāo)預(yù)測模型可以快速計(jì)算出適配概率并確定目標(biāo)配置文件，大大縮短了遠(yuǎn)程診斷的時(shí)間。此外，還可以避免傳統(tǒng)車輛診斷方法中可能出現(xiàn)的誤判斷和不恰當(dāng)?shù)呐渲眠x擇，解決了現(xiàn)有車輛遠(yuǎn)程診斷方法存在配置文件適配不準(zhǔn)確的技術(shù)問題。