刹车系统异常检测的方法、系统和装置与流程

1.本技术涉及智能驾驶技术领域，特别涉及一种刹车系统异常检测的方法、系统和装置。

背景技术：

2.在车辆安全行驶过程中，刹车性能会发生衰减。正常情况下，刹车时不会有明显的声音，但随着车辆行驶距离的增加，用户时常能够在刹车时听到异常声音，但并不能确定刹车性能衰减的程度，往往是觉得刹车系统并未失效，所以不会立即去进行车辆维修，从而忽视刹车时的异常声音、忽视刹车系统可能存在的安全隐患。
3.在刹车性能异常衰减的过程中，由于不能进行准确的刹车故障识别，存在着非常大的刹车失效隐患。对于搭载无人驾驶技术的车型，存在的安全风险将更大。

技术实现要素：

4.本技术提供了一种刹车系统异常检测的方法、系统和装置，能够有效提高行车的安全性。
5.第一方面，提供了刹车系统异常检测的方法，所述方法包括：
6.当检测到刹车事件时，通过音频采集部件采集音频数据；
7.基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；
8.如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；
9.基于所述目标提示信息，进行刹车系统异常提示。
10.在一种可能的实现方式中，所述当检测到刹车事件时，通过音频采集部件采集音频数据，包括：
11.当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
12.在一种可能的实现方式中，所述如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据，包括：
13.如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。
14.在一种可能的实现方式中，所述第一时长为500ms，所述比例阈值为60％，所述第
一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。
15.在一种可能的实现方式中，所述通过音频采集部件采集音频数据，包括：通过音频采集部件采集第二时长的音频数据。
16.在一种可能的实现方式中，所述目标刹车系统异常类型包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良中的至少一种。
17.在一种可能的实现方式中，所述方法还包括：
18.获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；
19.获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；
20.将所述样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型；
21.基于所述基准刹车系统异常类型和所述预测刹车系统异常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
22.第二方面，提供了一种用于刹车系统异常检测的系统，所述系统包括：
23.车载终端，用于当检测到刹车事件时，通过音频采集部件采集音频数据，向服务器发送所述音频数据；
24.服务器，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型，如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息，向所述车载终端发送所述目标提示信息；
25.所述车载终端，用于基于所述目标提示信息，进行刹车系统异常提示。
26.在一种可能的实现方式中，所述车载终端，用于：
27.当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
28.在一种可能的实现方式中，所述车载终端，用于：
29.如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。
30.在一种可能的实现方式中，所述第一时长为500ms，所述比例阈值为60％，所述第一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。
31.在一种可能的实现方式中，所述车载终端，用于：通过音频采集部件采集第二时长的音频数据。
32.在一种可能的实现方式中，所述目标刹车系统异常类型包括刹车片附件松动、刹
车片或刹车盘磨损、卡钳复位不良中的至少一种。
33.在一种可能的实现方式中，所述服务器，还用于：
34.获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；
35.获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；
36.将所述样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型；
37.基于所述基准刹车系统异常类型和所述预测刹车系统异常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
38.第三方面，提供了一种刹车系统异常检测的装置，所述装置包括：
39.采集模块，用于当检测到刹车事件时，通过音频采集部件采集音频数据；
40.识别模块，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；
41.确定模块，用于如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；
42.提示模块，用于基于所述目标提示信息，进行刹车系统异常提示。
43.在一种可能的实现方式中，所述采集模块，用于：
44.当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
45.在一种可能的实现方式中，所述采集模块，用于：
46.如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。
47.在一种可能的实现方式中，所述第一时长为500ms，所述比例阈值为60％，所述第一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。
48.在一种可能的实现方式中，所述采集模块，用于：通过音频采集部件采集第二时长的音频数据。
49.在一种可能的实现方式中，所述目标刹车系统异常类型包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良中的至少一种。
50.在一种可能的实现方式中，所述装置还包括：
51.训练模块，用于获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；将所述样本音频数据输入待训练的刹车系统异常识别模型，得
到预测刹车系统异常类型；基于所述基准刹车系统异常类型和所述预测刹车系统异常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
52.第四方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，存储器用于存储计算机指令，处理器用于执行存储器存储的计算机指令，以使计算机设备执行第一方面及其可能的实现方式的方法。
53.第五方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序代码，当计算机程序代码被计算机设备执行时，计算机设备执行第一方面及其可能的实现方式的方法。
54.第六方面，提供了一种计算机程序产品，计算机程序产品包括计算机程序代码，在计算机程序代码被计算机设备执行时，计算机设备执行第一方面及其可能的实现方式的方法。
55.本技术实施例中，当车辆刹车踏板被轻踩的时候，音频采集部件会采集此时车辆发出的声音，将采集到的音频数据输入刹车系统异常识别模型中进行数据分析，确定导致车辆刹车异响的原因，不同的异响原因对应不同的刹车系统异常类型，针对不同的刹车系统异常类型确定对应的目标提示信息，并进行刹车系统异常提示。通过上述方法，能够较为及时地识别刹车系统的故障，以提示人员及时处理刹车系统的相关问题，从而有效的降低了出现事故的可能性，提高了行车安全性。
附图说明
56.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
57.图1是本技术实施例提供的一种车载终端的结构示意图；
58.图2是本技术实施例提供的一种刹车系统异常检测的方法的流程图；
59.图3是本技术实施例提供的一种刹车系统异常类型的梅尔频率倒谱系数的曲线图；
60.图4是本技术实施例提供的一种训练刹车系统识别模型的方法的流程图；
61.图5是本技术实施例提供的一种用于刹车系统异常检测的系统进行刹车系统异常检测的检测方法的流程图；
62.图6是本技术实施例提供的一种用于刹车系统异常检测的系统的结构示意图；
63.图7是本技术实施例提供的一种刹车系统异常检测的装置；
64.图8是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
65.为使本技术的目的、技术方案和优点更加清楚，下面将结合附图对本技术实施方式作进一步地详细描述。
66.下面对实施例中涉及到的名词进行解释：
67.刹车系统异常识别模型：对输入的车辆刹车时产生的音频数据进行识别得到车辆的刹车系统异常类型的算法模型，是一种机器学习模型。刹车系统异常识别模型可以分为特征提取模块和分类模块。特征提取模块用于对采集到的音频数据提取音频特征，该音频特征可以是梅尔频率倒谱系数(mel frequency cepstral coefficent，mfcc)等。分类模块用于根据音频特征确定刹车系统异常类型，可以是支持向量机(support vector machine,svm)，将音频特征输入svm，输出可以为无异常标识或异常类型标识，其中无异常标识对应得到刹车系统无异常，异常类型标识对应得到刹车系统异常类型。
68.刹车系统异常类型可以包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良等。刹车片附件松动可以是刹车卡钳问题、活动销磨损或者弹簧脱落等，这些都属于刹车片附件松动，造成的刹车异响声音类似。
69.第一时长是从检测到刹车踏板被踩踏的瞬间时刻开始，到开始检测刹车踏板的行程时刻走过的时长，该时长内刹车踏板不松开，第一时长可以由技术人员基于经验设置。
70.比例阈值是刹车踏板踩踏过程中，刹车踏板行程占总行程的比例值门限，该比例阈值可以由技术人员基于经验设置。
71.第一速度区间、第二速度区间，可以由技术人员基于经验设置。
72.温度阈值用于区分车辆是冷车还是热车，发动机水箱温度高于温度阈值，即认为是热车，反之，发动机水箱温度低于温度阈值，就认为是冷车。温度阈值可以由技术人员基于经验设置。
73.第二时长是从启动音频采集部件采集音频数据开始到停止采集音频数据的时长，即开始启动音频采集部件采集音频数据，经过第二时长，停止采集音频数据。第二时长可以由技术人员基于经验设置。
74.样本音频数据：是由刹车系统存在异常的车辆在刹车过程中采集到的音频数据，可以用于完成对刹车系统异常识别模型的训练调参。
75.基准刹车系统异常类型：是采集样本音频数据的车辆的刹车系统实际存在的异常情况的类型，是在训练刹车系统异常识别模型的过程中，用于与模型输出的预测刹车系统异常类型进行对比的参考值(或称真值)。
76.预测刹车系统异常类型：是将音频数据输入刹车系统异常识别模型后，模型直接输出的刹车系统异常类型。
77.本技术实施例提供了一种刹车系统异常检测的方法，该方法的应用场景主要是车辆行驶场景。该方法可以应用于车辆，车辆可以包括车载终端、刹车系统等(车辆还有很多部件，这里不一一介绍)，刹车系统包括真空助力泵、刹车钳、刹车片、刹车盘等(刹车系统还有很多部件，这里不一一介绍)。该方法可以由车载终端实现，或者由车载终端和服务器共同实现。服务器可以是一个单独的服务器，也可以是多个服务器组成的服务器组。
78.图1是本技术实施例提供的一种车载终端的结构示意图，从硬件组成上来看，计算机设备100的结构可以如图1所示，包括处理器101、存储器102、通信部件103、显示部件104、音频采集部件105、音频输出部件106。
79.处理器101可以是中央处理器(central processing unit，cpu)或系统级芯片(system on chip，soc)等，处理器101可以用于检测刹车事件，可以用于检测刹车事件，可以用于基于音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识
别，得到车辆的目标刹车系统异常类型，还可以用于如果在刹车系统异常类型和提示信息的对应关系中包括目标刹车系统异常类型，则基于对应关系，确定目标刹车系统异常类型对应的目标提示信息等等。
80.存储器102可以包括各种易失性存储器或非易失性存储器，如固态硬盘(solid state disk，ssd)、动态随机存取存储器(dynamic random access memory，dram)内存等。存储器102可以用于刹车系统异常检测的处理过程中的预存数据、中间数据和结果数据，例如，通过音频采集部件采集的音频数据，刹车系统异常识别模型识别得到的车辆的目标刹车系统异常类型等等。
81.通信部件103可以是有线网络连接器、无线保真(wireless fidelity，wifi)模块、蓝牙模块、蜂巢网通信模块等。通信部件103可以用于与其他设备进行数据传输，其他设备可以是服务器、也可以是终端等。例如，可以是车载终端将采集到的音频数据发送给服务器，可以是服务器接收车载终端采集到的音频数据，还可以服务器将目标提示信息发送给车载终端。
82.显示部件104可以是独立的屏幕、与终端机身一体的屏幕等，屏幕可以为触控屏、也可以为非触控屏，显示部件104用于显示系统界面、应用界面等，例如，显示部件104可以用于显示目标提示信息。
83.音频采集部件105可以是车载麦克风。可以用于采集音频数据。
84.音频输出部件106可以是车载扬声器。可以用于播放目标提示信息。
85.图2是本技术实施例提供的一种刹车系统异常检测的方法的流程图。参见图2，该方法可以包括如下步骤：
86.201，当车载终端检测到车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果刹车踏板的行程、车辆的行驶速度和车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
87.在驾车过程中，驾驶员会基于实时路况踩踏刹车踏板，刹车系统检测到刹车踏板被踩下时，会实时向车载终端发送刹车通知以及刹车踏板被踩踏的行程占总行程的比例(可简称行程比例)，如20％、30％。刹车系统后续可以周期性持续发送向车载终端发送行程比例。车载终端在接收到行程比例后，则可以开始计时。在计时过程中，如果车载终端能够持续按周期接收到刹车系统发送的行程比例，则车载终端持续计时，如果刹车系统停止向车载终端发送行程比例，则车载终端停止计时。
88.当计时时长达到第一时长时，车载终端则开始进行音频采集条件的判断。音频采集条件可以包括对刹车踏板行程、车辆行驶速度以及发动机水箱温度等三个因素的要求，下面是对音频采集条件的具体说明：
89.如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、车辆的行驶速度在第一速度区间内、且车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、车辆的行驶速度在第二速度区间内、且车辆的发动机水箱温度小于温度阈值，则通过音频采集部件采集音频数据，其中，第一速度区间的速度大于第二速度区间。
90.例如，第一时长可以是500ms，比例阈值可以是60％，第一速度区间为10km/h至40km/h，第二速度区间为0km/h至10km/h，温度阈值可以是45摄氏度。
91.下面结合音频采集条件，展示一种采集音频数据的方法：
92.a.当检测到车辆的刹车踏板被踩踏的一瞬间，记录此时时刻为t＝0s，保持踏板踩踏状态，当踩踏时长达到500ms时，检测到刹车踏板行程，并判断刹车踏板的行程占总踏板行程的比例，如果此时刹车踏板的行程占总踏板行程的比例大于60％，则不启动音频采集部件采集音频数据。
93.b.如果此时刹车踏板的行程占总踏板行程的比例大于0且小于等于60％，则获取实时速度，并判断此时速度，如果速度大于40km/h，则不启动音频采集部件采集音频数据。
94.c.如果此时速度在10km/h至40km/h内，则获取实时发动机水箱温度，如果判断此时发动机水箱温度小于等于45摄氏度，则不启动音频采集部件采集音频数据，如果判断此时发动机水箱温度大于45摄氏度，则启动音频采集部件采集音频数据。
95.d.如果此时速度在0km/h至10km/h内，则获取实时发动机水箱温度，如果判断此时发动机水箱温度大于等于45摄氏度，则不启动音频采集部件采集音频数据，如果判断此时发动机水箱温度小于等于45摄氏度，则启动音频采集部件采集音频数据。
96.e.开始启动音频采集部件采集音频数据，当采集音频数据的时间长度等于第二时长时，停止采集音频数据。
97.通过上述方法，做到了只针对刹车系统发生异响的时候采集音频数据，这样有选择性的采集车辆的音频数据，能够保证尽可能多的采集到刹车过程中的音频数据，节省了大量资源。
98.202，车载终端基于音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到车辆的目标刹车系统异常类型。
99.其中，刹车系统异常识别模型可以包括特征提取模块和分类模块。
100.车载终端将采集到的音频数据进行特征提取得到对应的音频特征，音频特征可以是提取mfcc参数，提取过程可以包括：预加重、加窗分帧、傅立叶变换、滤波器组滤波、对数运算和离散余弦。然后将音频特征输入分类模块，分类模块输出异常类型标识和无异常标识。其中，异常类型标识对应得到刹车系统异常类型，无异常标识对应得到刹车系统无异常。输出无异常标识的原因可能是刹车系统没有发出异响，或者是刹车系统发出了异响，但产生异响的原因不是因为刹车系统出现了需要维修或维护的异常情况，可能是刹车片内有金属颗粒，或者刹车片和刹车盘之间发生滑动。
101.例如，经过训练的刹车系统异常识别模型输出的标识可以是0、1、2或3。其中无异常标识是0，异常类型标识可以是1、2和3，车辆产生异响的原因可能是刹车片附件松动、刹车片或刹车盘磨损和卡钳复位不良至少一种，1、2和3分别代表目标刹车系统异常类型中的刹车片附件松动、刹车片或刹车盘磨损和卡钳复位不良。
102.车辆不同的刹车系统异响原因对应不同的异响声音。图3示出了三种刹车系统异常类型下刹车异响的梅尔频率倒谱系数的曲线，其中，不同的刹车系统异常类型对应不同的梅尔频率倒谱系数曲线。
103.刹车系统异常识别模型除了可以输出无异常标识、异常类型标识，还可以输出危险等级。例如，危险等级由低到高可以包括0、1、2、3，刹车系统异常识别模型输出异常类型标识2，同时输出危险等级3，或者，刹车系统异常识别模型输出无异常类型标识0，同时输出危险等级0。
104.203，如果在刹车系统异常类型和提示信息的对应关系中包括目标刹车系统异常类型，则基于对应关系，车载终端确定目标刹车系统异常类型对应的目标提示信息。
105.预先建立刹车系统异常类型和提示信息的对应关系表，如表1：
106.表1
107.刹车系统异常类型标识提示信息1提示信息一2提示信息二3提示信息三
108.例如，如果经过训练的刹车系统异常识别模型输出结果为0，为无异常标识，不能确定目标提示信息，则不会进行刹车系统异常提示，如果经过训练的刹车系统异常识别模型输出结果为1，基于上述对应关系表，得到刹车系统异常类型为刹车片附件松动，并确定目标提示信息为“提示信息一”，刹车系统异常提示内容为“提示信息一”。
109.对于涉及危险等级的情况，还可以是预先建立刹车系统异常类型和危险等级以及提示信息的对应关系表，如表2：
110.表2
[0111][0112]
不同的刹车系统异响原因对应不同的刹车系统异常类型，同一刹车系统异响原因确定不同的危险等级。根据不同的刹车系统异常类型，目标提示信息可以是相同的，也可以是不同的。对于一种刹车系统异响原因对应的刹车系统异常类型，基于危险等级，确定目标提示信息。例如，如果经过训练的刹车系统异常识别模型输出异常类型标识1，同时输出危险等级3，基于上述对应关系表，得到刹车系统异常类型为刹车片或刹车盘磨损，并根据危险等级确定目标提示信息为“提示信息三”，刹车系统异常提示内容为“提示信息三”。
[0113]
204，车载终端基于目标提示信息，进行刹车系统异常提示。
[0114]
刹车系统异常提示的形式可以是通过显示部件进行文字提示，可以是通过车载扬声器进行语音提示，可以是在手机、穿戴设备app等终端进行提示，还可以是在售后管理平台进行提示。
[0115]
本技术实施例还提供了一种训练刹车系统识别模型的方法。参见图4，该方法的处理流程可以包括如下步骤：
[0116]
401，获取在样本车辆刹车过程中采集的样本音频数据，其中，样本车辆是刹车系统存在异常的车辆。
[0117]
为了获得更多的样本音频数据，可以是对刹车系统异常的售后车辆进行音频数据
采集。对于刹车系统异常的车辆，相关人员可以驾驶车辆行驶，并在驾驶过程中，使得车辆的状态满足上述的音频采集条件，在这种状态下，通过音频采集部件采集音频数据，得到该车辆满足音频采集条件的音频数据，作为样本音频数据。
[0118]
402，获取样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型。
[0119]
对刹车系统存在异常的车辆，技术人员可以通过检查判断车辆刹车异响的根本原因，不同的异响原因对应不同的刹车系统异常类型，确定车辆刹车系统异常的类型，即得到了采集样本音频数据的车辆的刹车系统实际存在的异常情况的类型，并将得到的刹车系统异常类型作为用于训练的基准刹车系统异常类型。
[0120]
一个训练数据可以包括一个样本音频数据和一个基准刹车系统异常类型。这样，获取到大量的训练数据后，可以将这些训练数据组成训练数据集。
[0121]
403，将样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型。
[0122]
待训练的刹车系统异常识别模型可以分为特征提取模块和分类模块。通过将样本音频数据输入特征提取模块得到样本音频特征，然后将样本音频特征输入分类模块，得到样本音频数据对应的预测刹车系统异常类型。
[0123]
404，基于基准刹车系统异常类型和预测刹车系统异常类型，对待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
[0124]
训练的过程可以是迭代训练，将第一个训练数据中的样本音频数据输入到待训练的刹车系统异常识别模型中，得到预测刹车系统异常类型，将预测刹车系统异常类型和基准刹车系统异常类型输入损失函数，得到损失值，根据损失值对待训练的刹车系统异常识别模型中的参数进行调整。
[0125]
然后再根据第二个训练数据对模型进行训练，重复上述训练过程，直至满足训练结束条件。训练结束条件可以是达到指定的训练次数，或者是连续n次训练中的损失值都小于损失值阈值，或者是验证模型准确度超过准确度阈值，等等。将此时得到的刹车系统异常识别模型确定为经过训练的刹车系统异常识别模型。
[0126]
例如，可以在训练数据集中选取10万个训练数据，将这10万个训练数据依次输入待训练的刹车系统异常识别模型，得到经过训练的刹车系统异常识别模型，然后将选取20个训练数据输入经过训练的刹车系统异常识别模型，其中，选取的20个训练数据是从训练数据集中选取的新的训练数据，即不是前面用于训练该刹车系统异常识别模型的训练数据。对于20个训练数据，如果识别得到的预测刹车系统异常类型和基准刹车系统异常类型相同，则认为该刹车系统异常识别模型具有可靠性，如果有至少一个训练数据对应的预测刹车系统异常类型和基准刹车系统异常类型不相同，则认为该刹车系统异常识别模型不具有可靠性，此时，再在训练数据集中选取10万个训练数据对该刹车系统异常识别模型进行训练，然后再选取20个训练数据判断该刹车系统异常识别模型的可靠性。依次方法，直至选取的20个训练数据全部对应的预测刹车系统异常类型和基准刹车系统异常类型相同，则认为该刹车系统异常识别模型具有可靠性。
[0127]
本技术实施例还提供了通过一种用于刹车系统异常检测的系统进行刹车系统异常检测的检测方法。参见图5，该方法可以包括如下步骤：
[0128]
501，当检测到刹车事件时，车载终端通过音频采集部件采集音频数据。
[0129]
相应的处理可参见步骤201的相关说明内容。
[0130]
502，车载终端向服务器发送音频数据。
[0131]
503，服务器基于音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到车辆的目标刹车系统异常类型，如果在刹车系统异常类型和提示信息的对应关系中包括目标刹车系统异常类型，则基于对应关系，确定目标刹车系统异常类型对应的目标提示信息。
[0132]
服务器的处理与车载终端的处理类似，可参见步骤202、203的相关说明内容。
[0133]
504，服务器向车载终端发送目标提示信息。
[0134]
505，车载终端基于目标提示信息，进行刹车系统异常提示。
[0135]
相应的处理可参见步骤202、204的相关说明内容。
[0136]
图6本技术实施例提供的一种用于刹车系统异常检测的系统的结构示意图，所述系统包括：
[0137]
车载终端601，用于当检测到刹车事件时，通过音频采集部件采集音频数据，向服务器发送所述音频数据；
[0138]
服务器602，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型，如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息，向所述车载终端发送所述目标提示信息；
[0139]
所述车载终端601，用于基于所述目标提示信息，进行刹车系统异常提示。
[0140]
在一种可能的实现方式中，所述车载终端601，用于：
[0141]
当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
[0142]
在一种可能的实现方式中，所述车载终端601，用于：
[0143]
如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。
[0144]
在一种可能的实现方式中，所述第一时长为500ms，所述比例阈值为60％，所述第一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。
[0145]
在一种可能的实现方式中，所述车载终端601，用于：通过音频采集部件采集第二时长的音频数据。
[0146]
在一种可能的实现方式中，所述目标刹车系统异常类型包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良中的至少一种。
[0147]
在一种可能的实现方式中，所述服务器602，还用于：
[0148]
获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；
[0149]
获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；
[0150]
将所述样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型；
[0151]
基于所述基准刹车系统异常类型和所述预测刹车系统异常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
[0152]
图7是本技术实施例提供的一种刹车系统异常检测的装置，该装置可以是上述实施例中的车载终端，该装置包括：
[0153]
采集模块701，用于当检测到刹车事件时，通过音频采集部件采集音频数据；
[0154]
识别模块702，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；
[0155]
确定模块703，用于如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；
[0156]
提示模块704，用于基于所述目标提示信息，进行刹车系统异常提示。
[0157]
在一种可能的实现方式中，所述采集模块701，用于：
[0158]
当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。
[0159]
在一种可能的实现方式中，所述采集模块701，用于：
[0160]
如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。
[0161]
在一种可能的实现方式中，所述第一时长为500ms，所述比例阈值为60％，所述第一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。
[0162]
在一种可能的实现方式中，所述采集模块701，用于：通过音频采集部件采集第二时长的音频数据。
[0163]
在一种可能的实现方式中，所述目标刹车系统异常类型包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良中的至少一种。
[0164]
在一种可能的实现方式中，所述装置还包括：
[0165]
训练模块705，用于获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；将所述样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型；基于所述基准刹车系统异常类型和所述预测刹车系统异
常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。
[0166]
本技术实施例中，当车辆刹车踏板被轻踩的时候，音频采集部件会采集此时车辆发出的声音，将采集到的音频数据输入刹车系统异常识别模型中进行数据分析，确定导致车辆刹车异响的原因，不同的异响原因对应不同的刹车系统异常类型，针对不同的刹车系统异常类型确定对应的目标提示信息，并进行刹车系统异常提示。通过上述方法，能够较为及时地识别刹车系统的故障，以提示人员及时处理刹车系统的相关问题，从而有效的降低了出现事故的可能性，提高了行车安全性。
[0167]
需要说明的是：上述实施例提供的刹车系统异常检测的装置在进行刹车系统异常检测时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的刹车系统异常检测的装置与刹车系统异常检测的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0168]
图8是本技术实施例提供的一种计算机设备的结构示意图，该计算机设备可以是上述实施例中的车载终端，该计算机设备800可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)801和一个或一个以上的存储器802，其中，存储器802中存储有至少一条指令，至少一条指令由处理器801加载并执行以实现上述各个方法实施例提供的方法。当然，该计算机设备还可以具有有线或无线网络接口、键盘以及输入输出接口等部件，以便进行输入输出，该计算机设备还可以包括其他用于实现设备功能的部件，在此不做赘述。
[0169]
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述实施例中刹车系统异常检测的方法。该计算机可读存储介质可以是非暂态的。例如，计算机可读存储介质可以是rom(read-only memory，只读存储器)、ram(random access memory，随机存取存储器)、cd-rom、磁带、软盘和光数据存储设备等。
[0170]
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0171]
以上仅为本技术的可选实施例，并不用以限制本技术，凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：

1.一种刹车系统异常检测的方法，其特征在于，所述方法包括：当检测到刹车事件时，通过音频采集部件采集音频数据；基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；基于所述目标提示信息，进行刹车系统异常提示。2.根据权利要求1所述的方法，其特征在于，所述当检测到刹车事件时，通过音频采集部件采集音频数据，包括：当检测到所述车辆的刹车踏板被踩踏且踩踏时长达到第一时长时，如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据。3.根据权利要求2所述的方法，其特征在于，所述如果所述刹车踏板的行程、所述车辆的行驶速度和所述车辆的发动机水箱温度满足音频采集条件，则通过音频采集部件采集音频数据，包括：如果刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第一速度区间内、且所述车辆的发动机水箱温度大于温度阈值，或者，刹车踏板的行程占总行程的比例大于0且小于比例阈值、所述车辆的行驶速度在第二速度区间内、且所述车辆的发动机水箱温度小于所述温度阈值，则通过音频采集部件采集音频数据，其中，所述第一速度区间的速度大于所述第二速度区间。4.根据权利要求2所述的方法，其特征在于，所述第一时长为500ms，所述比例阈值为60％，所述第一速度区间为10km/h至40km/h，所述第二速度区间为0km/h至10km/h，所述温度阈值为45摄氏度。5.根据权利要求1-4任一所述的方法，其特征在于，所述通过音频采集部件采集音频数据，包括：通过音频采集部件采集第二时长的音频数据。6.根据权利要求1-4任一所述的方法，其特征在于，所述目标刹车系统异常类型包括刹车片附件松动、刹车片或刹车盘磨损、卡钳复位不良中的至少一种。7.根据权利要求1-4任一所述的方法，其特征在于，所述方法还包括：获取在样本车辆刹车过程中采集的样本音频数据，其中，所述样本车辆是刹车系统存在异常的车辆；获取所述样本车辆的刹车系统异常类型，作为用于训练的基准刹车系统异常类型；将所述样本音频数据输入待训练的刹车系统异常识别模型，得到预测刹车系统异常类型；基于所述基准刹车系统异常类型和所述预测刹车系统异常类型，对所述待训练的刹车系统异常识别模型进行训练调参，得到经过训练的刹车系统异常识别模型。8.一种用于刹车系统异常检测的系统，其特征在于，所述系统包括：车载终端，用于当检测到刹车事件时，通过音频采集部件采集音频数据，向服务器发送所述音频数据；
服务器，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型，如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息，向所述车载终端发送所述目标提示信息；所述车载终端，用于基于所述目标提示信息，进行刹车系统异常提示。9.一种刹车系统异常检测的装置，其特征在于，所述装置包括：采集模块，用于当检测到刹车事件时，通过音频采集部件采集音频数据；识别模块，用于基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；确定模块，用于如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；提示模块，用于基于所述目标提示信息，进行刹车系统异常提示。10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至权利要求7任一项所述的刹车系统异常检测的方法所执行的操作。

技术总结

本申请公开了一种刹车系统异常检测的方法、系统和装置，属于智能驾驶技术领域。所述方法包括：当检测到刹车事件时，通过音频采集部件采集音频数据；基于所述音频数据和经过训练的刹车系统异常识别模型，对车辆进行刹车系统异常识别，得到所述车辆的目标刹车系统异常类型；如果在刹车系统异常类型和提示信息的对应关系中包括所述目标刹车系统异常类型，则基于所述对应关系，确定所述目标刹车系统异常类型对应的目标提示信息；基于所述目标提示信息，进行刹车系统异常提示。采用本申请，可以有效提高行车的安全性。提高行车的安全性。提高行车的安全性。