CN102509447B - 一种城市公共自行车故障的模糊识别方法 - Google Patents

Abstract

本发明公开了一种城市公共自行车故障的模糊识别方法，使用模糊识别算法，不需要使用任何定制的故障自动检测装置，不需要值班工作人员人工检测的情况下，判断车辆是否故障，并对故障进行分级，便于维修人员快速定位故障车辆、并合理安排维修次序。简单可行、成本低、可信度高，具有良好的经济和社会效益。

Description

一种城市公共自行车故障的模糊识别方法

技术领域

本发明涉及一种城市公共自行车故障的模糊识别方法，尤其涉及一种通过模糊识别公共自行车租借/归还时间间隔和频度，对公共自行车故障情况进行分级，便于维修人员快速定位故障车辆、并合理安排维修次序的方法。该方法可广泛应用于城市公共车故障检测，属于故障检测技术领域。

背景技术

近年来，随着我国城市机动车辆数量的不断增加，城市交通拥堵情况日益严重，城市慢行系统由此得到发展。公共自行车是城市慢行系统的一种方式，在公交网点、居民小区、人流密集区附近部署公共自行车租车点，可以有效地提升公交系统的运送能力，为市民出行带来方便。

但是公共自行车经常停放在户外，在使用过程中，往往会出现故障。目前公共自行车故障的检测主要依靠人工检测的方法，在一些公共自行车大的周转站，一般设有专人值守。他们也负责就近的另外几个小的中转站的车辆的检测、维护。

有的自行车故障显而易见，例如链条断链、掉链、龙头脱把、脚踏板脱落，车胎破裂等，检测人员可以通过目测得出结论；而有的故障就比较不容易发现，例如车胎气压不足、链条松弛、龙头移位等，需要检测人员实地适用一下，才能够发现问题。这样的检测方法费时费力，如果每一辆车都需要这样检测的话，将是很大的工作量。因此目前很多故障车辆无法即时得到检测并维修，给使用者带来不便，也降低了公共自行车系统的效率。

目前尚无自行车故障自动检测的产品和技术方案，只能依靠人工检测，但是除了值班工作人员对自行车进行检测之外，自行车使用者也是很好的检测者，虽然可以通过设置一定的装置，让使用者报告车辆的故障情况，例如热线电话、在停车桩子上设置功能按键用于登记故障，但是使用复杂，一般使用者学习困难，也不能强制要求使用者完成这些工作。

因此，本发明通过分析使用者租借/归还时间间隔和频度，通过模糊识别算法，判断自行车是否故障，以及对故障情况进行分级，以便于维修人员即时定位故障车辆，并合理安排维修次序。

发明内容

本发明的目标是提供一种城市公共自行车故障的模糊识别方法，使得在不使用任何定制的故障自动检测装置、值班工作人员的人工检测的情况下，模糊识别车辆是否故障，并对故障情况进行分级，从而便于维修人员快速定位故障车辆、并合理安排维修次序。

为了实现上述目的，本发明基于以下这样一些事实：

(1)如果车辆故障明显，使用者在有其他车辆可供选择的情况下，基本上不会选择租借该车，当然也有没有仔细观察而误借的，但是由于无法正常工作，也会马上在同一个租车点归还；

(2)如果车辆故障，但是还能使用，使用者在有其他车辆可供选择的情况下，有可能换借其他车辆，当然也有的使用者会选择不调换，将就着使用；

(3)如果租车点其它车辆都被租借，而一些车辆长久没有租借，可以视作故障。

因此，如果能够把租车点的车辆租借记录登记下来，并采用一定的模糊识别算法加以运算，就可以根据使用人的使用体验，间接判断车辆的故障情况。

值得庆幸的是，这样的车辆租借信息本身就存放在城市公共自行车信息系统内，因为对于管理信息系统，必须登记每一个编号的自行车的租借记录，什么时候在哪个停车桩子？什么时候被租借？什么时候归还？在哪里归还？等信息都是基本的登记信息，这些信息直接关系到租车人的利益、车辆的防丢失等要求，因此一般来说，都比较准确、翔实和可靠。

本发明正是基于这些基本信息实现车辆故障的模糊识别的，因此，本发明提出的技术方案如下：

通过测算车辆租借/归还时间间隔，以及车辆及租车点其它车辆使用频度，获得使用者对车辆故障与否的判断，采用两个模糊识别模块：

(1)“车辆使用满意度”模糊识别模块

这个模糊识别模块是对车辆租借/归还时间间隔进行模糊识别，基于车辆租借/归还时间间隔越短，说明使用者使用满意度越差，车辆故障程度越严重的假设；

(2)“车辆故障明显度”模糊识别模块

这个模糊设别模块是对车辆使用频度和租车点全体车辆使用频度的比进行模糊识别，基于车辆使用频度越低，说明使用者越不愿意选择，车辆故障程度越严重的假设。

采用步骤如下：

(1)租车点平均周转率计算

租车点每天所有停车桩子的租借/归还操作的次数总和停车桩子的总数，用公式：

$\mathrm{\η}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{lease}}_i}{N}$

其中N为租车点停车桩子总数，lease_i为每个停车转子的租借/归还操作的次数，周转率η越高，说明该租车点当天车辆使用率高，一般情况下，采用几个月、或者一年左右的每天周转率做平均得到平均周转率

(2)选择模糊识别模块

如果平均周转率

则平均周转率极低，这样的租车点使用人数很低，无法识别；如果平均周转率

则平均周转率较低，选用“车辆使用满意度”模糊识别模块；如果平均周转率

则平均周转率较高，选用“车辆故障明显度”模糊识别模块；

(3)“车辆使用满意度”模糊识别模块模糊化过程；

(4)记录车辆租借/归还时间间隔，所谓“车辆租借/归还时间间隔”是指车辆完成租借操作之后到归还操作之间的时间间隔；

(5)计算隶属度，选择隶属度函数为：

$\mathrm{\μ}\left(\mathrm{\Δt}\right)=\left\{\begin{array}{cc}1-e^{-(\mathrm{\Δt}-T_0)}& \mathrm{\Δt}>T_0\\ 0& \mathrm{\Δt}\≤T_0\end{array}\right.$

式中，车辆租借/归还时间间隔Δt小于一个阈值T₀时，可以认为使用者刚租借车辆就发现车辆无法使用，直接归还，因此满意度为0；其他情况下，满意度随车辆租借/归还时间间隔Δt的增大而增加；

(6)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度这是因为如果有的使用者可以容忍某些故障，其他的使用者可以容忍另外一些故障，因此取平均隶属度

可以区分故障的等级；

(7)设置模糊阈值，将隶属度函数分成五个模糊子集{很满意、较满意、无所谓、较不满意、很不满意}，公式为：

由小及大依次选择μ₀，μ₁，μ₂，μ₃四个阈值，以区分五个模糊子集；

(8)“车辆故障明显度”模糊识别模块模糊化过程；

记录车辆使用频度，租车点全体车辆使用频度，所谓“车辆使用频度”是指车辆当天租借/归还的次数；所谓“租车点全体车辆使用频度”是指车辆完成归还操作之后的所在的租车点的当天全体车辆租借/归还次数；两者比例p作为隶属度函数的输入；

(9)计算隶属度，选择隶属度函数为：

$\mathrm{\σ}\left(p\right)=\left\{\begin{array}{cc}{e}^{-(p-P_0)}& p>P_0\\ 1& p\≤P_0\end{array}\right.$

式中，比例p小于一个阈值P₀时，可以认为租借次数相当少，因此可以认为故障十分明显；其他情况下，故障明显度随比例p的增加而减少；

(10)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度

这是因为车辆所停放的租车点有的周转率高，有的周转率低；

(11)设置模糊阈值，将隶属度函数分成三个模糊子集{明显、一般、不明显}，公式为：

由小及大依次选择σ₀，σ₁，σ₂三个阈值，以区分三个模糊子集；

(12)模糊推理

模糊逻辑规则如下：

IF ET＝很满意OR EP＝不明显THEN DEG＝无故障；

IF ET＝较满意OR EP＝不明显THEN DEG＝轻微故障；

IF ET＝无所谓OR EP＝一般THEN DEG＝中度故障；

IF ET＝较不满意OR EP＝明显THEN DEG＝较重故障；

IF ET＝很不满意OR EP＝明显THEN DEG＝严重故障；

据此，可以判断故障的等级DEG，以便维修人员定位故障车辆及合理安排维修次序。

综上所述，本发明所提出的技术方案的有益技术效果是：使用模糊识别算法，不需要使用任何定制的故障自动检测装置，不需要值班工作人员人工检测的情况下，判断车辆是否故障，并对故障进行分级，便于维修人员快速定位故障车辆、并合理安排维修次序。简单可行、成本低、可信度高，具有良好的经济和社会效益。

附图说明

图1是本发明一种城市公共自行车故障的模糊识别方法的不同程度故障租借/归还纪录示意图；

图2是本发明一种城市公共自行车故障的模糊识别方法的模糊识别器结构图。

具体实施方式

参考附图，下面对本发明进行详细描述。

如图1所示，本发明所分析的数据包括：车辆的租借/归还时间纪录，一般情况下，正常车辆租借/归还记录曲线(100)中，租借时间和归还时间呈现一定的规律，租借之后一般都是使用一段时间之后才归还，因为使用者从出发租车点骑到目的租车点需要一定的时间；

而一般故障车辆租借/归还记录曲线(101)中，很多次租借/归还操作中，租借时间非常短，意味着使用者在租借操作成功之后，发现车辆有一些故障，引起使用不适，在租车点有其他车辆可供选择的时候，使用者倾向于更换车辆；而在租车点没有其他车辆可供选择，或者其它车辆也有故障的时候，使用者勉强也能使用，这样的车辆租借/归还记录说明车辆存在故障，但是还能使用；

在明显故障车辆租借/归还记录曲线(102)中，始终没有租借操作，那是因为使用者一般都能很快发现车辆的明显故障，例如掉链、车胎破裂等，因此不会主动去租借这样的故障车辆；另一种情况是，在同一租车点中，其它车辆都正常租借/归还，且频度很高，而始终没有租借/归还操作的车辆，就很有可能是存在明显故障的车辆。

如图2所示，模糊识别器结构图中，租借/归还操作数(201)和停车桩子总数(202)计算得到租车点平均周转率(200)，并由此选择模糊识别模块：“车辆使用满意度”模糊识别模块、“车辆故障明显度”模糊识别模块，根据车辆租借/归还记录(203)模糊区分故障等级，对于平均周转率极低的租车点，由于使用人数很低，无法进行判断，所以采用空操作(206)，对于不能使用模糊识别模块进行识别的车辆，可以采用工作人员人工检测的方法进行故障检测。而最终故障等级由模糊推理(207)给出，车辆维修人员可以依据车辆故障等级安排维修次序。

Claims (1)

1.一种城市公共自行车故障的模糊识别方法，其特征在于：在不使用任何定制的故障自动检测装置、值班工作人员的人工检测的情况下，模糊识别车辆是否故障，并对故障情况进行分级，从而便于维修人员快速定位故障车辆、并合理安排维修次序，具体步骤如下：

(1)租车点平均周转率计算

周转率定义为租车点每天所有停车桩子的租借/归还操作的次数总和除以停车桩子的总数，用公式：

$\mathrm{\η}=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{lease}}_i}{N}$

其中N为租车点停车桩子总数，lease_i为每个停车桩子的租借/归还操作的次数，周转率η越高，说明该租车点当天车辆使用率高，一般情况下，采用几个月、或者一年左右的每天周转率做平均得到平均周转率

(2)选择模糊识别模块

如果平均周转率

则平均周转率极低，这样的租车点使用人数很低，无法识别；如果平均周转率

则平均周转率较低，选用“车辆使用满意度”模糊识别模块；如果平均周转率

则平均周转率较高，选用“车辆故障明显度”模糊识别模块，其中η₀和η₁为模糊识别模块选择阈值；

(3)“车辆使用满意度”模糊识别模块模糊化过程；

(4)记录车辆租借/归还时间间隔，所谓“车辆租借/归还时间间隔”是指车辆完成租借操作之后到归还操作之间的时间间隔；

(5)计算隶属度，选择隶属度函数为：

$\mathrm{\μ}\left(\mathrm{\Δt}\right)=\left\{\begin{array}{cc}1-e^{-(\mathrm{\Δt}-T_0)}& \mathrm{\Δt}>T_0\\ 0& \mathrm{\Δt}\≤T_0\end{array}\right.$

式中，车辆租借/归还时间间隔Δt小于一个阈值T₀时，可以认为使用者刚租借车辆就发现车辆无法使用，直接归还，因此满意度为0；其他情况下，满意度随车辆租借/归还时间间隔Δt的增大而增加；

(6)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度

这是因为如果有的使用者可以容忍某些故障，其他的使用者可以容忍另外一些故障，因此取平均隶属度

可以区分故障的等级；

(7)设置模糊阈值，将隶属度函数分成五个模糊子集{很满意、较满意、无所谓、较不满意、很不满意}，公式为：

由大及小依次选择μ₀，μ₁，μ₂，μ₃四个阈值，以区分五个模糊子集；

(8)“车辆故障明显度”模糊识别模块模糊化过程；

记录车辆使用频度，租车点全体车辆使用频度，所谓“车辆使用频度”是指车辆当天租借/归还的次数；所谓“租车点全体车辆使用频度”是指车辆完成归还操作之后的所在的租车点的当天全体车辆租借/归还次数；

(9)计算隶属度，选择隶属度函数为：

$\mathrm{\σ}\left(p\right)=\left\{\begin{array}{cc}{e}^{-(p-P_0)}& p>P_0\\ 1& p\≤P_0\end{array}\right.$

式中，比例p小于一个阈值P₀时，可以认为租借次数相当少，因此可以认为故障十分明显；其他情况下，故障明显度随比例p的增加而减少；

(10)计算平均隶属度，将同一编号的车辆的隶属度函数值进行算术平均，计算一个时间段内的平均隶属度

这是因为车辆所停放的租车点有的周转率高，有的周转率低；

(11)设置模糊阈值，将隶属度函数分成三个模糊子集{明显、一般、不明显}，公式为：

由大及小依次选择σ₀，σ₁，σ₂三个阈值，以区分三个模糊子集；

(12)模糊推理

模糊逻辑规则如下：

IF ET＝很满意OR EP＝不明显THEN DEG＝无故障；

IF ET＝较满意OR EP＝不明显THEN DEG＝轻微故障；

IF ET＝无所谓OR EP＝一般THEN DEG＝中度故障；

IF ET＝较不满意OR EP＝明显THEN DEG＝较重故障；

IF ET＝很不满意OR EP＝明显THEN DEG＝严重故障；

据此，可以判断故障的等级DEG，以便维修人员定位故障车辆及合理安排维修次序。

Images