一种实时车况信息查询方法、系统、车辆及存储介质与流程

本技术涉及车辆信息查询，具体是涉及一种实时车况信息查询方法、系统、车辆及存储介质。

背景技术：

1、目前的车况信息查询方法中，通常是将车况信息上传到云端数据库中，通过对云端数据库发出信息查询指令，以获取到车况信息。但是由于查询到的信息是基于云端数据库中存储的数据，因此无法实现车况信息的实时性查询，导致查询到的车况信息实时性差。

2、因此，现有技术还有待改进和提高。

技术实现思路

1、本技术提供了一种实时车况信息查询方法、系统、车辆及存储介质，以解决现有技术中车况信息查询实时性低的问题。

2、为实现上述目的，本技术采用了以下技术方案：

3、本技术第一方面提供了一种实时车况信息查询方法，其中，包括：

4、响应车况查询指令，得到查询数据；

5、将所述查询数据输入至已训练的语义泛化模型，得到与所述查询数据相对应的语义识别信息；

6、根据所述语义识别信息确认查询问题；

7、根据所述查询问题输出车况信息的查询结果。

8、根据上述技术手段，本技术实施例提供的系统，通过对接收到的车况查询指令进行语义识别，并根据识别出的语义确定出查询指令对应的查询问题，再基于查询问题获取到当前车况信息，因此本实施例所提供的方法基于对语义分析可以实现对车况信息的实时查询，不仅具有较高的实时性，而且提高了车况查询的准确性。

9、可选地，在本技术的一种实施例中，所述响应车况查询指令，得到查询数据的步骤包括：

10、响应车况查询指令，监听麦克风阵列输出的音频流数据，将接收到的音频流数据转换为文本数据，得到所述查询数据。

11、根据上述技术手段，本技术实施例中接收用户发出的语音查询指令，将语音查询指令转换成文本数据，基于文本数据进行语义泛化，从而获取到更为准确的语义分析结果。

12、可选地，在本技术的一个实施例中，利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题的步骤包括：

13、将所述查询数据传输至云端服务器；

14、通过云端服务器利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题。

15、根据上述技术手段，本技术实施例中利用云端实现对接收到的文本数据进行语义泛化处理，基于语义泛化得到更多相同意图的语义信息，从而实现对接收到文本数据的充分分析，避免了信息遗漏或理解偏差。

16、可选地，在本技术的一个实施例中，利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题的步骤包括：

17、利用设置在车端的经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题。

18、根据上述技术手段，本技术实施例中还可以在车端设置语义泛化模型，直接使用车端中的语义泛化模型对文本数据进行语义泛化分析，进而可以实现语义分析更准确的识别。

19、可选地，在本技术的一个实施例中，利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题的步骤包括：

20、将所述查询数据传输至云端服务器；通过云端服务器利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题；

21、以及，利用设置在车端的经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题；

22、根据云端服务器确认出的查询问题和车端确认出的查询问题确定出最终的查询问题。

23、根据上述技术手段，本技术实施例中还可以在车端和云端服务器中均设置语义泛化分析的大模型，利用车端和云端同步对文本数据进行分析，当云端服务器返回的查询问题超时时，则利用车端上布局的语义泛化模型实现对查询数据的语义泛化识别，以避免以为出现异常而导致无法及时确认出查询问题。

24、可选地，在本技术的一个实施例中，所述语义泛化模型的构建方法包括：

25、收集与语音查询指令相对应的语义数据；

26、利用收集到的语义数据构建语义泛化训练样本集；

27、利用语义泛化训练样本集对预设神经网络模型进行训练，得到训练完成的语义泛化模型。

28、根据上述技术手段，本技术实施例中利用收集到的大量与语音查询指令相对应的语义数据，利用语义数据构建训练样本集，以实现对语义泛化模型的训练，从而实现对输入的文本数据所对应的多种可能含义进行分别语义分析，进而得到更为准确的语义分析结果。

29、可选地，在本技术的一个实施例中所述根据所述语义识别信息确定查询数据对应的查询问题，

30、具体包括：

31、识别语义识别信息中的关键词，分别将识别到的各关键词与预设查询关键词集进行匹配，以得到各关键词各自对应的目标关键词，其中，所述目标关键词包含于预设查询关键词集内；

32、根据得到的所有目标关键词构建所述查询数据对应的查询问题。

33、根据上述技术手段，本技术实施例提供的方法提取语义识别信息中的关键词，基于关键词实现与预设查询关键词集中目标关键词的匹配，从而得到与各个关键词相对应的目标关键词，基于目标关键词构建出查询问题。

34、可选地，在本技术的一个实施例所述根据得到的所有目标关键词构建所述查询数据对应的查询问题的步骤包括：

35、根据所有目标关键词构建匹配结果公式；其中，匹配结果公式包括：车辆的零部件名称、零部件所在位置、零部件的值域范围和语义问题中的一种或多种；

36、根据匹配结果公式构建与所述查询数据对应的查询问题。

37、根据上述技术手段，本技术实施例提供的方法基于预设规则构建匹配结果公式，基于匹配结果公式进行相应车况信息的获取，由于匹配结果公式中包含有指定的零部件名称、零部件所在位置和零部件的值域范围等信息，因此可以实现相对应信息的快速查询，从而得到对车况信息的快速反馈。

38、本技术第二方面提供了一种实时车况信息查询系统，其中，包括：

39、查询数据获取模块，用于响应车况查询指令，得到查询数据；

40、查询问题获取模块，用于利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题；

41、结果输出模块，用于根据所述查询问题输出车况信息的查询结果。

42、可选地，与云端服务器相连接；

43、将所述查询数据传输至云端服务器；通过云端服务器利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题。

44、可选地，所述查询问题获取模块包括：语义泛化单元和问题确认单元；

45、所述语义泛化单元，用于利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息；

46、所述问题确认单元，用于根据所述语义识别信息确认查询问题。

47、可选地，所述车端还设置有仲裁模块；

48、所述仲裁模块，用于获取云端服务器确认查询问题的使用时间，并判断使用时间是否超出预设时长，若超出预设时长，则获取问题确认单元确认的查询问题，并以问题确认单元确认的查询问题为最终查询问题。

49、本技术第三方面提供一种车辆，其中，包括：存储器、处理器及存储在所述存储器中并可在所述处理器上运行的车辆电池控制程序，所述处理器执行所述车辆电池控制程序时，实现所述的实时车况信息查询方法的步骤。

50、本技术第四方面提供的一种计算机可读存储介质，其中，所述计算机可读存储介质存储有一个或多个程序，所述一个或多个程序可被一个或者多个处理器执行，以实现所述的实时车况信息查询的方法的步骤。

51、本技术的有益效果：

52、本实施例所公开的实时车况信息查询方法、系统、车辆及存储介质，通过响应车况查询指令，得到查询数据；利用经过训练的语义泛化模型确定所述查询数据对应的语义识别信息，并根据所述语义识别信息确认查询问题；根据所述查询问题输出车况信息的查询结果。本实施例方法通过对接收到的车况查询指令进行语义识别，并根据识别出的语义确定出查询指令对应的查询问题，再基于查询问题获取到当前车况信息，因此本实施例所提供的方法基于对语义分析可以实现对车况信息的实时查询，不仅具有较高的实时性，而且提高了车况查询的准确性。