智能座舱主动服务平台及数据处理方法、车辆和存储介质与流程

本技术实施例涉及智能座舱，具体而言，涉及一种智能座舱主动服务平台及数据处理方法、车辆和存储介质。

背景技术：

1、随着智能网联汽车技术迭代，智能座舱已从被动式人机交互向主动式智能服务转型，其核心能力依赖车端全维度数据的采集、分析与价值挖掘。当前行业相关技术方案中，车端数据采集多为分散式开发。由于各业务线独立开发采集方案，代码重复率高，缺乏统一架构设计与数据标准，导致系统耦合度高、扩展性差，无法实现各子系统之间的全生命周期数据联动分析，造成数据链路割裂，使得座舱故障排查周期长，严重依赖人工经验，故障根因定位困难。此外，相关技术中的故障处理完全依赖用户反馈后研发介入排查，缺乏基于全链路数据的实时监控、异常预警与主动服务能力，问题处置滞后，无法满足用户对智能座舱主动服务的需求。

2、针对上述问题，目前还没有很好的解决方案。

技术实现思路

1、本技术实施例提供一种智能座舱主动服务平台及数据处理方法、车辆和存储介质，以至少解决相关技术中智能座舱多源异构数据采集分散、缺乏统一架构及全链路数据融合分析能力，导致故障定位困难与服务模式被动的技术问题。

2、根据本技术实施例的一个方面，提供了一种智能座舱主动服务平台，包括：统一数据采集模块，用于通过标准化接口接入整车全生命周期多源异构数据；车端边缘计算单元，与统一数据采集模块通信连接，用于对多源异构数据进行异常识别，并将识别到的异常数据至云端数据处理中心；云端数据处理中心，用于接收车端边缘计算单元上报的数据，对多源异构数据进行融合分析，以定位故障根因并生成主动服务策略；主动服务执行单元，用于接收并执行云端数据处理中心下发的主动服务策略，以形成主动服务闭环。

3、进一步地，统一数据采集模块中包括：整车生产下线老化数据采集子系统、网络管理报文采集子系统、智能化埋点系统及统一应用程序接口模块，其中，整车生产下线老化数据采集子系统、网络管理报文采集子系统、以及智能化埋点系统均通过统一应用程序接口模块与车端边缘计算单元通信连接，统一应用程序接口模块用于统一整车生产下线老化数据采集子系统、网络管理报文采集子系统及智能化埋点系统的数据接入标准。

4、进一步地，整车生产下线老化数据采集子系统，用于：在整车生产下线阶段采集全量老化测试数据，并基于全量老化测试数据建立整车性能基线数据库，其中，全量老化测试数据用于表征整车系统在生产下线阶段的性能状态，整车性能基线数据库用于建立车辆在全生命周期内的性能基准；将整车性能基线数据库同步存储于车端边缘计算单元与云端数据处理中心，以作为整车运行阶段性能衰减判断及异常识别的基准依据。

5、进一步地，网络管理报文采集子系统，用于：在整车全运行周期内，采集车载网络中的网络管理报文，并监控网络通信状态；将采集到的报文数据传输至车端边缘计算单元，以及将网络通信状态异常的异常状态数据通过车端边缘计算单元上报至云端数据处理中心。

6、进一步地，智能化埋点系统部署于车辆智能座舱域控制器的应用层与系统底层，用于采集座舱应用的应用运行状态数据，其中，应用运行状态数据用于表征座舱应用的运行性能、稳定性及用户交互行为。

7、进一步地，车端边缘计算单元中包括：数据预处理模块、本地异常识别模块、车云通信模块及本地执行模块；其中，数据预处理模块，用于对多源异构数据进行预处理，其中，预处理包括以下至少之一：数据清洗、格式标准化及脱敏处理；本地异常识别模块，用于基于整车性能基线数据库中的基准数据，对经过预处理后的多源异构数据进行比对分析，以识别异常事件；车云通信模块，用于与云端数据处理中心进行数据交互，将本地异常识别模块识别出的异常事件对应的异常数据上报至云端数据处理中心；本地执行模块，用于接收并执行云端数据处理中心下发的主动服务策略。

8、进一步地，本地异常识别模块还用于：确定识别出的异常事件的紧急程度，其中，紧急程度用于表征异常事件对行车安全及座舱核心功能的影响程度；在判定异常事件为紧急事件的情况下，触发本地应急处理策略，其中，本地应急处理策略用于对异常事件进行本地即时处置，以保障车辆运行安全及座舱功能连续性；在判定异常事件为非紧急事件的情况下，将异常事件对应的异常数据通过车云通信模块上报至云端数据处理中心。

9、进一步地，云端数据处理中心中包括：多源数据融合分析模块、主动服务策略生成模块；其中，多源数据融合分析模块，用于接收车端边缘计算单元上报的数据，将与异常事件对应的整车性能基线数据、车载网络报文数据及应用层的应用运行状态数据按时间戳对齐后进行多维度关联融合分析，以定位异常事件的故障根因；主动服务策略生成模块，用于基于故障根因定位结果，生成主动服务策略。

10、进一步地，多源数据融合分析模块中设置有目标预测模型，多源数据融合分析模块，还用于利用目标预测模型对全生命周期的多源异构数据进行分析，以预测整车的部件性能衰减趋势及潜在故障，其中，目标预测模型是通过历史的全生命周期的多源异构数据训练得到的。

11、进一步地，云端数据处理中心中还包括：数据安全管控模块，其中，数据安全管控模块用于对云端数据处理中心接收、处理及存储的数据进行全流程安全管控，安全管控包括以下至少之一：数据脱敏、访问权限控制、操作审计及隐私合规管理。

12、进一步地，主动服务执行单元，还用于：执行多种类型的主动服务策略，其中，主动服务策略包括以下至少之一：故障主动预警、预测性维护、个性化服务推送及整车性能优化，故障主动预警用于通过车机屏幕和/或语音向用户推送预警信息及处理建议，并同步至售后系统提前准备备件与维修方案；预测性维护用于向用户推送保养提醒与预约服务；个性化服务推送用于基于用户行为数据推送符合使用习惯的座舱服务；整车性能优化用于通过下载升级包实现整车性能持续迭代。

13、根据本技术实施例的另一方面，还提供了一种智能座舱数据处理方法，包括：通过标准化接口获取整车全生命周期的多源异构数据；对多源异构数据进行异常识别，并将识别到的异常数据上报至云端数据处理中心；接收并执行云端数据处理中心下发的主动服务策略，以形成主动服务闭环，其中，主动服务策略是由云端数据处理中心通过对多源异构数据进行融合分析定位故障根因后生成的。

14、进一步地，建立统一数据采集模块，其中，统一数据采集模块中包括：整车生产下线老化数据采集子系统、网络管理报文采集子系统、智能化埋点系统及统一应用程序接口模块，整车生产下线老化数据采集子系统、网络管理报文采集子系统、以及智能化埋点系统均通过统一应用程序接口模块与车端边缘计算单元通信连接，统一应用程序接口模块用于统一整车生产下线老化数据采集子系统、网络管理报文采集子系统及智能化埋点系统的数据接入标准。

15、进一步地，通过标准化接口获取整车全生命周期的多源异构数据包括：在整车生产下线阶段，通过整车生产下线老化数据采集子系统，采集全量老化测试数据，其中，全量老化测试数据用于表征整车系统在生产下线阶段的性能状态；在整车运行阶段，通过网络管理报文采集子系统，采集车载网络中的网络管理报文及网络通信状态数据；在整车运行阶段，通过智能化埋点系统，采集座舱应用的应用运行状态数据，其中，应用运行状态数据用于表征座舱应用的运行性能、稳定性及用户交互行为。

16、进一步地，方法还包括：依据全量老化测试数据，建立整车性能基线数据库，其中，整车性能基线数据库用于建立车辆在全生命周期内的性能基准；将整车性能基线数据库同步存储于车端本地与云端数据处理中心，以作为整车运行阶段性能衰减判断及异常识别的基准依据。

17、进一步地，对多源异构数据进行本地预处理及异常识别包括：对多源异构数据进行预处理，其中，预处理包括以下至少之一：数据清洗、格式标准化及脱敏处理；基于整车性能基线数据库中的基准数据，对经过预处理后的多源异构数据进行比对分析，以识别异常事件。

18、进一步地，方法还包括：确定识别出的异常事件的紧急程度，其中，紧急程度用于表征异常事件对行车安全及座舱核心功能的影响程度；在判定异常事件为紧急事件的情况下，触发本地应急处理策略，其中，本地应急处理策略用于对异常事件进行本地即时处置，以保障车辆运行安全及座舱功能连续性；在判定异常事件为非紧急事件的情况下，将异常事件对应的异常数据通过上报至云端数据处理中心。

19、进一步地，接收并执行云端数据处理中心下发的主动服务策略包括：执行多种类型的主动服务策略，其中，主动服务策略包括以下至少之一：故障主动预警、预测性维护、个性化服务推送及整车性能优化，故障主动预警用于通过车机屏幕和/或语音向用户推送预警信息及处理建议，并同步至售后系统提前准备备件与维修方案；预测性维护用于向用户推送保养提醒与预约服务；个性化服务推送用于基于用户行为数据推送符合使用习惯的座舱服务；整车性能优化用于通过下载升级包实现整车性能持续迭代。

20、根据本技术实施例的又一方面，还提供了另一种智能座舱数据处理方法，包括：接收车端边缘计算单元上报的整车全生命周期的多源异构数据、以及车端边缘计算单元识别到的异常事件；通过对多源异构数据进行融合分析，定位异常事件对应的故障根因，并依据故障根因定位结果，生成主动服务策略；将主动服务策略下发至车端边缘计算单元，以供车端边缘计算单元执行并形成主动服务闭环。

21、进一步地，多源异构数据包括以下至少之一：全量老化测试数据、车载网络中的网络管理报文及网络通信状态数据、座舱应用的应用运行状态数据，其中，全量老化测试数据用于表征整车系统在生产下线阶段的性能状态，应用运行状态数据用于表征座舱应用的运行性能、稳定性及用户交互行为；通过对多源异构数据进行融合分析，定位异常事件对应的故障根因包括：将与异常事件对应的整车性能基线数据、车载网络报文数据及应用层的应用运行状态数据按时间戳对齐后进行多维度关联融合分析，以定位异常事件的故障根因。

22、进一步地，方法还包括：利用目标预测模型，对全生命周期的多源异构数据进行分析，以预测整车的部件性能衰减趋势及潜在故障，其中，目标预测模型是通过历史的全生命周期的多源异构数据训练得到的。

23、根据本技术实施例的再一方面，还提供了一种车辆，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行本技术各个实施例中的方法。

24、根据本技术实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制计算机可读存储介质所在设备执行本技术各个实施例中的方法。

25、在本技术实施例中，利用一种智能座舱主动服务平台，其中该平台中包括：统一数据采集模块，用于通过标准化接口接入整车全生命周期多源异构数据；车端边缘计算单元，与统一数据采集模块通信连接，用于对多源异构数据进行异常识别，并将异常数据上报至云端数据处理中心；云端数据处理中心，用于接收车端边缘计算单元上报的数据，对多源异构数据进行融合分析，以定位故障根因并生成主动服务策略；主动服务执行单元，用于接收并执行云端数据处理中心下发的主动服务策略，以形成主动服务闭环。通过统一数据采集模块对整车全生命周期多源异构数据进行标准化接入，利用车端边缘计算单元进行本地预处理、异常识别及上报，并利用云端数据处理中心进行多源融合分析、故障根因定位与主动服务策略生成，以及利用主动服务执行单元执行所述主动服务策略，达到了全链路数据协同与主动服务闭环的目的，从而实现了故障根因精准定位、服务模式从被动响应向主动预警转型以及全生命周期数据价值充分释放的技术效果，进而解决了相关技术中智能座舱多源异构数据采集分散、缺乏统一架构及全链路数据融合分析能力，导致故障定位困难与服务模式被动的技术问题。