CN105808557B - 车辆监控系统的数据质量分析系统及其方法 - Google Patents
车辆监控系统的数据质量分析系统及其方法 Download PDFInfo
- Publication number
- CN105808557B CN105808557B CN201410842599.3A CN201410842599A CN105808557B CN 105808557 B CN105808557 B CN 105808557B CN 201410842599 A CN201410842599 A CN 201410842599A CN 105808557 B CN105808557 B CN 105808557B
- Authority
- CN
- China
- Prior art keywords
- data
- time
- gps
- engine
- mileage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
提供一种车辆监控系统的数据质量分析系统及其方法,其可保证车辆后续的数据处理和服务的质量。系统包括粗差识别模块、完整性分析模块、可信度分析模块,将数据的采集时间戳去重、排序;对速度、转速以及GPS进行有效区间判断而粗差识别;完整性分析,如时间戳的间隔大于常值,则分段,识别缺失段;可信度分析,对于里程、发动机运行时间、累计油耗三个采样的集合进行单调递增性分析;根据单调递增性分析得到的结果,对于数据的增值不符合标准范围的数据进行多源性分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、累计油耗的变化量,根据系统设定标准范围判断:数据丢失造成的数据异常或数据跳变引起的异常。
Description
技术领域
本发明属于车辆控制领域,具体涉及车辆监控系统,特别是车辆远程监控系统。
背景技术
随着通信技术和汽车电子技术的发展,车辆远程监控系统得到大量的应用。车辆远程监控系统由两个主要部分构成:一是车载终端,通过总线等方式采集车辆的累计油耗、里程、车速、发动机转速、扭矩等主要信息,以及通过自身集成的卫星定位模块采集定位信息,并通过无线通讯的方式将信息上传至采控网关;二是数据后台,包含采控网关、存储、数据服务等环节,负责接受车载终端上传的数据,进行正确的存储,并完成分析和输出的服务。
由于数据源不同,车载终端所采集的数据难免出现异常,如果不能准确、有效的对数据异常做出判断,就会对后续的数据处理和服务产生影响。
因此,针对数据采集的完整性、可信性的分析,是提升车辆远程监控系统服务质量的关键。
发明专利内容
本发明的目的是对数据后台所接收到的车辆行驶数据,从数据完整性以及数据可信性两方面进行质量分析,从而判断数据异常类型及导致原因。提供一种车辆监控系统的数据质量分析系统及其方法,其可保证车辆后续的数据处理和服务的质量。
本发明的技术方案包括:
一种车辆监控系统的数据质量分析系统,包括依次连接的采集数据输入模块、数据的相对值预处理模块、粗差识别模块、完整性分析模块、可信度分析模块、结果输出模块,具体为:
采集数据输入模块,该模块包括采集装置与输入装置,采集装置对里程、速度、发动机运行时长、累计油耗、转速、GPS数据进行采集,输入装置将数据输入系统内,送入数据的相对值预处理模块进行如理;
数据的相对值预处理模块,将每项数据的采集时间戳去重、排序,将其处理为各子集,将各子集进行并集运算,得到总集合,认为总集合就是车辆运行的时间Tall;
粗差识别模块,对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样,将结果发送到结果输入模块;
完整性分析模块,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将个子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;
可信度分析模块,该模块包括单调递增性分析模块以及多源综合分析模块;
单调递增性分析模块用于识别出数据发生跳变或乱序现象以及非正常增长现象,单调递增性模块对于里程、发动机运行时间、累计油耗三个采样的集合进行分析,对各项采集数据集合中的每个相隔的两数据的差值d_data(i)进行判断,如果数据差值为正数,认为该项数据有所增长,如果差值为负数,该项数据发生跳变或乱序现象,如果差值为零,认为数据无变化;
多源综合分析模块,根据单调递增性模块的得到的结果,对于数据的增值不符合标准范围的那组数据进行再次分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、发动机累计油耗三项在该段时间内的变化量,系统设定有各个数据跳变最小阈值的标准范围,根据该范围判断该采集时间段的数据属于数据丢失造成的数据变化率异常或者是数据跳变引起的变化量异常;传输该结果给结果输入模块。
进一步地,多源综合分析模块包括里程数据分析模块,对里程数据来说相隔时间段差值d_data(i)大于脉冲里程跳变最小阈值(Mile_value_min)时,则提取对应的数据采集时间内的数据,以该时间段的开始时间time(i-1)为数据查询起点、结束时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量(TIMES);若同时符合:
1)里程增值d_data(i)小于发动机运行时间变化量TIMES与发动机最大转速(Vmax)的乘积,即满足公式:d_data<TIMES*Vmax;
2)而且发动机累积油耗变化量FUELS小于发动机运行时间变化量TIMES与最大油耗值oilmax的乘积,即满足公式:FUELS<TIMES*oilmax;
3)还同时满足GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile;
则判断为数据丢失造成的数据变化率异常;
否则视为数据跳变引起的变化量异常。
进一步地,多源综合分析模块包括发动机运行时长数据分析模块,对发动机运行时长数据来说,当相隔时间段的发动机运行时长的增值d_data(i)大于发动机运行时长跳变最小阈值Time_value_min时,提取对应的数据采集时间第一时间time(i-1)与第二时间time(i),以第一时间为数据查询起点、第二时间为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机累积油耗变化量FUELS>燃油累计使用量跳变最小阈值(Fuel_value_min),同时GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
进一步地,多源综合分析模块包括燃油累计量数据分析模块,对燃油累计量数据来说,当燃油累计量增值d_data(i)大于燃油累计使用量跳变最小阈值Fuel_value_min,提取对应的数据采集时间燃油累计量第一时间time(i-1)与燃油累计量第二时间time(i),以燃油累计量第一时间time(i-1)为数据查询起点、燃油累计量第二时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机运行时间变化量TIMES大于发动机运行时长跳变最小阈值Time_value_min且GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
进一步地,设置脉冲里程跳变最小阈值Mile_value_min为5千米,约为最大理论车速下行驶3分钟运行脉冲里程,以避免由于脉冲里程数据采集精度过小造成的脉冲里程跳变事件误判设置;设置发动机运行时长跳变最小阈值Time_value_min为6分钟;设置燃油累计使用量跳变最小阈值(Fuel_value_min)为1升;设置脉冲里程与GPS里程误差率阈值(p_GPSmile2mile)为5%。
进一步地,设置发动机最大转速(Vmax)的值为重卡最大平均车速:120KM/H;设置最大油耗值oilmax为重卡所使用发动机最大油耗:85L/H。
一种车辆监控系统的数据质量分析方法,具体步骤为:
第一步,对里程、速度、发动机运行时长、累计油耗、转速、GPS数据进行采集,存储备用;
第二步,对数据的相对值进行预处理,将每项数据的采集时间戳去重、排序,将其处理为各子集合,对各子集合进行并集运算,得到总集合,认为总集合就是车辆运行的时间Tall;
第三步,对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样,将结果发送到系统;
第四步,进行完整性分析,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将个子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;
第五步,进行可信度分析,首先对数据进行单调递增性分析,识别出数据发生跳变或乱序现象以及非正常增长现象,单调递增性模块对于里程、发动机运行时间、累计油耗三个采样的集合进行分析,对各项采集数据集合中的每个相隔的两数据的差值d_data(i)进行判断,如果数据差值为正数,认为该项数据有所增长,如果差值为负数,该项数据发生跳变或乱序现象,如果差值为零,认为数据无变化;然后进行多源综合分析,根据单调递增性分析得到的结果,对于数据的增值不符合标准范围的那组数据进行再次分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、发动机累计油耗三项在该段时间内的变化量,系统设定有各个数据跳变最小阈值的标准范围,根据该范围判断该采集时间段的数据属于哪一种情况:数据丢失造成的数据变化率异常或数据跳变引起的变化量异常;
第六步,将系统的判断结果输出。
进一步地,在所述的第五步中的多源综合分析中,对里程数据来说相隔时间段差值d_data(i)大于脉冲里程跳变最小阈值(Mile_value_min)时,则提取对应的数据采集时间内的数据,以该时间段的开始时间time(i-1)为数据查询起点、结束时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量(TIMES);若同时符合:
1)里程增值d_data(i)小于发动机运行时间变化量TIMES与发动机最大转速(Vmax)的乘积,即满足公式:d_data<TIMES*Vmax;
2)而且发动机累积油耗变化量FUELS小于发动机运行时间变化量TIMES与最大油耗值oilmax的乘积,即满足公式:FUELS<TIMES*oilmax;
3)还同时满足GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile;
则判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常;
对发动机运行时长数据来说,当相隔时间段的发动机运行时长的增值d_data(i)大于发动机运行时长跳变最小阈值Time_value_min时,提取对应的数据采集时间第一时间time(i-1)与第二时间time(i),以第一时间为数据查询起点、第二时间为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机累积油耗变化量FUELS>燃油累计使用量跳变最小阈值(Fuel_value_min),同时GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常;
对燃油累计量数据来说,当燃油累计量增值d_data(i)大于燃油累计使用量跳变最小阈值Fuel_value_min,提取对应的数据采集时间燃油累计量第一时间time(i-1)与燃油累计量第二时间time(i),以燃油累计量第一时间time(i-1)为数据查询起点、燃油累计量第二时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机运行时间变化量TIMES大于发动机运行时长跳变最小阈值Time_value_min且GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
进一步地,设置脉冲里程跳变最小阈值Mile_value_min为5千米,约为最大理论车速下行驶3分钟运行脉冲里程,以避免由于脉冲里程数据采集精度过小造成的脉冲里程跳变事件误判设置;设置发动机运行时长跳变最小阈值Time_value_min为6分钟;设置燃油累计使用量跳变最小阈值(Fuel_value_min)为1升;设置发动机最大转速(Vmax)的值为重卡最大平均车速:120KM/H;设置最大油耗值oilmax为重卡所使用发动机最大油耗:85L/H;设置脉冲里程与GPS里程误差率阈值(p_GPSmile2mile)为5%。
进一步地,在所述的多源综合分析中,提取对应的数据采集时间内的数据,对于提取后的增值数据集合,查询相隔时间段的GPS、发动机运行时长、发动机累积油耗三项数据时,查询方式按前外后内的方式搜索,前外后内的搜索方式为,该相隔时间段的搜索开始时间(Ts),该相隔时间段的搜索结束时间为Te,Ts<Te,
查询数据的集合为:
时间集合:(T0,T1,……,Ti,……,TN-1)
增值数值集合:(D0,D1,……,Di,……,DN-1)
实际查询起始点:时间:Tm 数值:Dm,m=max(i|Ti<Ts)
实际查询结束点:时间:Tk 数值:Dk,k=max(i|Ti<Te));
对于该段时间段的数据,最终会以实际查询起始点(Tm)做为实际的查询起始点,以实际查询结束点(Tk)为实际的查询结束点,查询GPS数据中第m项至第k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据中m至k项数据,计算发动机累计油耗变化量FUELS;查询发动机运行时长数据中m至k项数据,计算发动机运行时间变化量TIMES。
简而言之,本发明的数据处理包括:
一、数据的相对值预处理:将各数据的采集时间戳Tm,Tv,Tt进行去重,排序,将其处理为各子集,然后将各子集进行并集运算,得到Tall,认为Tall就是车辆运行的时间;
二、粗差识别:对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样。
三、完整性分析,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将各子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;
四、可信度分析方法:首先对数据进行单调递增性分析,识别出数据发生跳变或乱序现象以及非正常增长现象。然后进行多源综合分析;多源综合分析优选采用“前外后内”的搜索方式,其可减少误差水平。
与现有的车辆远程监控系统相比,本发明所提出的数据质量分析方法能够发现车辆行驶数据的异常。
附图说明
图1为本发明数据质量分析系统总流程;
图2为本发明对时间分段的原理图;
图3为本发明完整性分析模块原理图;
图4为本发明可信度分析模块原理图;
图5为本发明数据质量分析系统结构图;
图6为本发明数据增量的时间分段处数据有丢失的示意图;
图7为本发明数据增量的时间分段处无数据丢失的示意图。
具体实施方式
现结合附图及具体实施例对本发明进行进一步地说明:
首先介绍一下数据采集的类型和相应的格式:采集的数据包括里程、速度、发动机运行时长、累计油耗、转速、GPS等六项,在一天内,每一项都可以看做是一个采样点的序列,如下:
Sd={(V0,T0),(V1,T1),……},其中(Vi,Ti)为一个采样点,Vi为数值,Ti为时间戳;由于终端在总线数据采集中,可能出现时间戳重复的现象,在无线通讯信号间断的地区,会出现数据暂时无法上传的状况,而终端会在信后恢复后进行补传,因此时间戳还可能出现逆序的情况。
因此首先对六个采样点序列进行时间戳的排序,然后剔除掉重复的时间戳采样点,这样可以保证:对任意一项数据的采样点序列,其中的时间戳都是唯一的,因此,时间戳可以构成6个集合:Tm,TV,TL,Tf,TR,TG,将6个集合做并集运算,得到Tall。
接下来对数据的粗差进行识别,实际是对状态量数据的有效范围进行定义。速度、转速以及GPS三个采样列,其数值都代表当前的车辆状态,和历史的累计无关,因此这一类数据进行有限区间判断:
(1)对速度信号,其取值范围为[0,130]
(2)对转速信号,其取值范围为[0,2400]
而对累计量,包括里程、发动机运行时间以及累计油耗等三个采样列,需要进行详细的可信度分析。
接下来进行完整性分析,首先对Tall进行分段,其分段原则为:
(1)将t0放入第一段;
(2)顺次考察t1,t2,……,如果ti和ti-1之间的间隔大于3δ,则将{t0,……,ti-1}作为第一段,ti作为第二段的起点;
(3)依照同样的准则寻找后续的分段点,直到找完所有的点;
然后对Tm,TV,TL,Tf,TR,TG分别进行分段,其分段原则与Tall相同,将分段后的采样时间和Tall的分段进行对比,从而找到缺失段;
最后进行可信性分析,是针对累计量进行的,分为以下几步
(1)对各项车辆采集数据中的累积量进行单调性分析:
d_data(i)=data(i)–data(i-1)
1、若d_data(i)<0,判断在i点处,该项数据发生跳变或乱序现象
2、若d_data(i)=0,判断在i点处,该项数据数值无变化
3、若d_data(i)>0,判断在i点处,该项数据数值有增长
(2)对里程数据增值情况进行判断:
1、对里程数据来说,当d_data(i)>Mile_value_min,提取对应的数据采集时间time(i-1)与time(i),注释:里程跳变最小阈值Mile_value_min=5千米,约为最大理论车速下行驶3分钟运行里程,以避免由于里程数据采集精度过小造成的里程跳变事件误判。
2、以time(i-1)为数据查询起点、time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;查询方式按‘前外后内’方式搜索。
3、分别查询GPS数据中m至k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据中m至k项数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据中m至k项数据,计算发动机运行时间变化量TIMES;
4、若d_data<TIMES*Vmax(Vmax为陕汽重卡最大平均车速:120KM/H)且FUELS<TIMES*oilmax(oilmax为陕汽重卡所使用发动机最大油耗85L/H)且|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile,则判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
注释:脉冲里程与GPS里程误差率阈值p_GPSmile2mile=5%,5%通过误差率聚集得到结果。
(3)对发动机运行时长增值情况进行判断;
1、对发动机运行时长数据来说,当d_data(i)>Time_value_min,发动机运行时长跳变最小阈值Time_value_min=6分钟,根据《潍柴EDC17电控发动机CAN总线通讯技术应用规范V1.2》,最小精度0.05=3分钟,提取对应的数据采集时间time(i-1)与time(i);
2、以time(i-1)为数据查询起点、time(i)为数据查询终点,查询GPS、脉冲里程、发动机累积油耗三项数据;查询方式按‘前外后内’方式搜索;
3、分别查询GPS数据中m至k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询脉冲里程数据中m至k项数据,计算里程变化量MILE;查询发动机累积油耗数据中m至k项数据,发动机累积油耗变化量FUELS;
4、若FUELS>Fuel_value_min且|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile,其中燃油累计使用量跳变最小阈值Fuel_value_min=1升,脉冲里程与GPS里程误差率阈值p_GPSmile2mile=5%,判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
(4)对燃油累计量增值情况进行判断;
1、对燃油累计量数据来说,当d_data(i)>Fuel_value_min,燃油累计使用量跳变最小阈值Fuel_value_min=1升,根据《潍柴EDC17电控发动机CAN总线通讯技术应用规范V1.2》,最小精度1=1升;提取对应的数据采集时间time(i-1)与time(i);
2、以time(i-1)为数据查询起点、time(i)为数据查询终点,查询GPS、发动机运行时长、脉冲里程三项数据;查询方式按‘前外后内’方式搜索;
3、分别查询GPS数据中m至k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询脉冲里程数据中m至k项数据,计算里程变化量MILE;查询发动机运行时长数据中m至k项数据,计算发动机运行时间变化量TIMES;
4、若发动机运行时间变化量TIMES>Time_value_min且|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile,其中发动机运行时长跳变最小阈值Time_value_min=6分钟,脉冲里程与GPS里程误差率阈值p_GPSmile2mile=5%,判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
对于‘前外后内’搜索方式的介绍及应用优势:
对非单日(次)数据处理时,我们采用先按单日(次)对时间进行划分后,对单日(次)内数据结果进行处理。但若划分时间节点处于数据丢失时间内时,这种按时间划分会出现如下问题。
例:对脉冲里程、发动机运行时长、发动机燃耗累积量等累计量数据
总时间等于各分段时间总和:T(0_n)=t0_1+t1_2+...+t(n-1)_n;ti为T(0_n)内时间点i∈(1,n)
总数值增量等于各时间分段内数值增量总和:D(0_n)=d0_1+d1_2+...+d(n-1)_n;di为D(0_n)内数值i∈(1,n)
当di-d(i-1)>value_base时,(value_base为数值正常增长最大精度)会导致D(0_n)小于实际总数值增量。
而通过‘前外后内’搜索方式,
可保持数据在时间上保持高度完整性,并对时间分段节点是否处于数据丢失时间段进行识别。如图6、图7所示,两图分别为2日(次)数据且两日数据增量均为3、4。
在对时间分段处数据丢失时:
若按以往搜索方式,对分段内数据进行特征值提取,既第一日(次)变化量d0_1=3,第二日(次)变化量d1_2=4,两日(次)内变化总量为D0_2=3+4=7;
若按“前外后内”搜索方式,对分段内数据进行特征值提取,既第一日(次)变化量d0_1=3,第二日(次)变化量d1_2=11,两日(次)内变化总量为D0_2=3+11=14;
故“前外后内”搜索方式可对时间分段节点处于数据丢失时间段的数据进行较好的处理。
以time(i-1)为数据查询起点、time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;查询方式按‘前外后内’方式搜索;此处的“前外后内”搜索方式为:
开始时间Ts,结束时间为Te(Ts<Te)
查询数据类型中:
时间:(T0,T1,……,Ti,……,TN-1)
数值:(D0,D1,……,Di,……,DN-1)
起始点:时间:Tm 数值:Dm m=max(i|Ti<Ts)
结束点:时间:Tk 数值:Dk k=max(i|Ti<Te))
系统实际操作中,将分别查询GPS数据中m至k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据中m至k项数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据中m至k项数据,计算发动机运行时间变化量TIMES。
车辆监控系统的数据质量分析系统包括依次连接的采集数据输入模块、数据的相对值预处理模块、粗差识别模块、完整性分析模块、可信度分析模块、结果输出模块,采集数据输入模块,该模块包括采集装置与输入装置,采集装置对里程、速度、发动机运行时长、累计油耗、转速、GPS数据进行采集,输入装置将数据输入系统内,送入数据的相对值预处理模块进行如理;数据的相对值预处理模块,将每项数据的采集时间戳去重、排序,将其处理为集合,得到6个集合;然后将6个集合进行并集运算,得到总集合,认为总集合就是车辆运行的时间Tall;粗差识别模块,对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样,将结果发送到结果输入模块;完整性分析模块,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将各子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;可信度分析模块,该模块包括单调递增性分析模块以及多源综合分析模块;单调递增性分析模块用于识别出数据发生跳变或乱序现象以及非正常增长现象,单调递增性模块对于里程、发动机运行时间、累计油耗三个采样的集合进行分析,对各项采集数据集合中的每个相隔的两数据的差值d_data(i)进行判断,如果数据差值为正数,认为该项数据有所增长,如果差值为负数,该项数据发生跳变或乱序现象,如果差值为零,认为数据无变化;多源综合分析模块,根据单调递增性模块的得到的结果,对于数据的增值不符合标准范围的那组数据进行再次分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、发动机累计油耗三项在该段时间内的变化量,系统设定有各个数据跳变最小阈值的标准范围,根据该范围判断该采集时间段的数据属于数据丢失造成的数据变化率异常或者是数据跳变引起的变化量异常;传输该结果给结果输入模块。
多源综合分析模块包括里程数据分析模块,对里程数据来说相隔时间段差值d_data(i)大于脉冲里程跳变最小阈值(Mile_value_min)时,则提取对应的数据采集时间内的数据,以该时间段的开始时间time(i-1)为数据查询起点、结束时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量(TIMES);若同时符合:
1)里程增值d_data(i)小于发动机运行时间变化量TIMES与发动机最大转速(Vmax)的乘积,即满足公式:d_data<TIMES*Vmax;
2)而且发动机累积油耗变化量FUELS小于发动机运行时间变化量TIMES与最大油耗值oilmax的乘积,即满足公式:FUELS<TIMES*oilmax;
3)还同时满足GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile;则判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
多源综合分析模块包括发动机运行时长数据分析模块,对发动机运行时长数据来说,当相隔时间段的发动机运行时长的增值d_data(i)大于发动机运行时长跳变最小阈值Time_value_min时,提取对应的数据采集时间第一时间time(i-1)与第二时间time(i),以第一时间为数据查询起点、第二时间为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机累积油耗变化量FUELS>燃油累计使用量跳变最小阈值(Fuel_value_min),同时GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
多源综合分析模块包括燃油累计量数据分析模块,对燃油累计量数据来说,当燃油累计量增值d_data(i)大于燃油累计使用量跳变最小阈值Fuel_value_min,提取对应的数据采集时间燃油累计量第一时间time(i-1)与燃油累计量第二时间time(i),以燃油累计量第一时间time(i-1)为数据查询起点、燃油累计量第二时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机运行时间变化量TIMES大于发动机运行时长跳变最小阈值Time_value_min且GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
设置脉冲里程跳变最小阈值Mile_value_min为5千米,约为最大理论车速下行驶3分钟运行脉冲里程,以避免由于脉冲里程数据采集精度过小造成的脉冲里程跳变事件误判设置;设置发动机运行时长跳变最小阈值Time_value_min为6分钟;设置燃油累计使用量跳变最小阈值(Fuel_value_min)为1升;设置脉冲里程与GPS里程误差率阈值(p_GPSmile2mile)为5%;设置发动机最大转速(Vmax)的值为陕汽重卡最大车速:120KM/H;设置最大油耗值oilmax为陕汽重卡所使用发动机最大油耗:85L/H。
最后应当说明的是:以上实施例仅用以说明本案的技术方案而非对其限制;尽管参照较佳实施例对本案进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本案的具体实施方式进行修改或者对部分技术特征进行等同替换;而不脱离本案技术方案的精神,其均应涵盖在本案请求保护的技术方案范围当中。
Claims (10)
1.一种车辆监控系统的数据质量分析系统,包括依次连接的采集数据输入模块、数据的相对值预处理模块、粗差识别模块、完整性分析模块、可信度分析模块、结果输出模块,具体为:
采集数据输入模块,该模块包括采集装置与输入装置,采集装置对里程、速度、发动机运行时长、累计油耗、转速、GPS数据进行采集,输入装置将数据输入系统内,送入数据的相对值预处理模块进行如理;
数据的相对值预处理模块,将每项数据的采集时间戳去重、排序,将其处理为各子集合,对各子集合进行并集运算,得到总集合,认为总集合就是车辆运行的时间Tall;
粗差识别模块,对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样,将结果发送到结果输入模块;
完整性分析模块,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将个子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;
可信度分析模块,该模块包括单调递增性分析模块以及多源综合分析模块;
单调递增性分析模块用于识别出数据发生跳变或乱序现象以及非正常增长现象,单调递增性模块对于里程、发动机运行时间、累计油耗三个采样的集合进行分析,对各项采集数据集合中的每个相隔的两数据的差值d_data(i)进行判断,如果数据差值为正数,认为该项数据有所增长,如果差值为负数,该项数据发生跳变或乱序现象,如果差值为零,认为数据无变化;
多源综合分析模块,根据单调递增性模块的得到的结果,对于数据的增值不符合标准范围的那组数据进行再次分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、发动机累计油耗三项在该采集时间段内的变化量,系统设定有各个数据跳变最小阈值的标准范围,根据该范围判断该采集时间段的数据属于数据丢失造成的数据变化率异常或者是数据跳变引起的变化量异常;传输该结果给结果输入模块。
2.根据权利要求1所述的一种车辆监控系统的数据质量分析系统,其特征在于,多源综合分析模块包括里程数据分析模块,对里程数据来说相隔时间段差值d_data(i)大于脉冲里程跳变最小阈值Mile_value_min时,则提取对应的数据采集时间内的数据,以该时间段的开始时间time(i-1)为数据查询起点、结束时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若同时符合:
1)里程增值d_data(i)小于发动机运行时间变化量TIMES与发动机最大转速Vmax的乘积,即满足公式:d_data<TIMES*Vmax;
2)而且发动机累积油耗变化量FUELS小于发动机运行时间变化量TIMES与最大油耗值oilmax的乘积,即满足公式:FUELS<TIMES*oilmax;
3)还同时满足GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile;
则判断为数据丢失造成的数据变化率异常;
否则视为数据跳变引起的变化量异常。
3.根据权利要求1所述的一种车辆监控系统的数据质量分析系统,其特征在于,多源综合分析模块包括发动机运行时长数据分析模块,对发动机运行时长数据来说,当相隔时间段的发动机运行时长的增值d_data(i)大于发动机运行时长跳变最小阈值Time_value_min时,提取对应的数据采集时间第一时间time(i-1)与第二时间time(i),以第一时间为数据查询起点、第二时间为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机累积油耗变化量FUELS>燃油累计使用量跳变最小阈值Fuel_value_min,同时GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
4.根据权利要求1至3任一种所述的一种车辆监控系统的数据质量分析系统,其特征在于,多源综合分析模块包括燃油累计量数据分析模块,对燃油累计量数据来说,当燃油累计量增值d_data(i)大于燃油累计使用量跳变最小阈值Fuel_value_min,提取对应的数据采集时间燃油累计量第一时间time(i-1)与燃油累计量第二时间time(i),以燃油累计量第一时间time(i-1)为数据查询起点、燃油累计量第二时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机运行时间变化量TIMES大于发动机运行时长跳变最小阈值Time_value_min且GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
5.根据权利要求4所述的一种车辆监控系统的数据质量分析系统,其特征在于,设置脉冲里程跳变最小阈值Mile_value_min为5千米,约为最大理论车速下行驶3分钟运行脉冲里程,以避免由于脉冲里程数据采集精度过小造成的脉冲里程跳变事件误判设置;设置发动机运行时长跳变最小阈值Time_value_min为6分钟;设置燃油累计使用量跳变最小阈值Fuel_value_min为1升;设置脉冲里程与GPS里程误差率阈值p_GPSmile2mile为5%。
6.根据权利要求5所述的一种车辆监控系统的数据质量分析系统,其特征在于,设置发动机最大转速Vmax的值为陕汽重卡理论最大车速:120KM/H;设置最大油耗值oilmax为重卡所使用发动机最大油耗:85L/H。
7.一种车辆监控系统的数据质量分析方法,具体步骤为:
第一步,对里程、速度、发动机运行时长、累计油耗、转速、GPS数据进行采集,存储备用;
第二步,对数据的相对值进行预处理,将每项数据的采集时间戳去重、排序,将其处理为各子集合,对各子集合进行并集运算,得到总集合,认为总集合就是车辆运行的时间Tall;
第三步,对速度、转速以及GPS三个采样数据集合,进行有效区间判断,其中超过车辆运行标准范围的,认为属于数据异样,将结果发送到系统;
第四步,进行完整性分析,对Tall进行分段,采用各子集合中采集频率最小的子集数据采集间隔δ,若Tall中两个相邻的时间戳之间时间间隔大于3δ,则对Tall进行分段;按各子集数据采集时间间隔为δ,对各子集数据进行如上分段操作,将个子集分段结果与Tall分段结果进行对比分析,识别各子集数据缺失段;
第五步,进行可信度分析,首先对数据进行单调递增性分析,识别出数据发生跳变或乱序现象以及非正常增长现象,单调递增性模块对于里程、发动机运行时间、累计油耗三个采样的集合进行分析,对各项采集数据集合中的每个相隔的两数据的差值d_data(i)进行判断,如果数据差值为正数,认为该项数据有所增长,如果差值为负数,该项数据发生跳变或乱序现象,如果差值为零,认为数据无变化;然后进行多源综合分析,根据单调递增性分析得到的结果,对于数据的增值不符合标准范围的那组数据进行再次分析,提取该采集时间段,从开始时间到结束时间,查询GPS、发动机运行时长、发动机累计油耗三项在该采集时间段内的变化量,系统设定有各个数据跳变最小阈值的标准范围,根据该范围判断该采集时间段的数据属于哪一种情况:数据丢失造成的数据变化率异常或数据跳变引起的变化量异常;
第六步,将系统的判断结果输出。
8.根据权利要求7所述的一种车辆监控系统的数据质量分析方法,其特征在于,在所述的第五步中的多源综合分析中,对里程数据来说相隔时间段差值d_data(i)大于脉冲里程跳变最小阈值Mile_value_min时,则提取对应的数据采集时间内的数据,以该时间段的开始时间time(i-1)为数据查询起点、结束时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若同时符合:
1)里程增值d_data(i)小于发动机运行时间变化量TIMES与发动机最大转速Vmax的乘积,即满足公式:d_data<TIMES*Vmax;
2)而且发动机累积油耗变化量FUELS小于发动机运行时间变化量TIMES与最大油耗值oilmax的乘积,即满足公式:FUELS<TIMES*oilmax;
3)还同时满足GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile;
则判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常;
对发动机运行时长数据来说,当相隔时间段的发动机运行时长的增值d_data(i)大于发动机运行时长跳变最小阈值Time_value_min时,提取对应的数据采集时间第一时间time(i-1)与第二时间time(i),以第一时间为数据查询起点、第二时间为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机累积油耗变化量FUELS>燃油累计使用量跳变最小阈值Fuel_value_min,同时GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常;
对燃油累计量数据来说,当燃油累计量增值d_data(i)大于燃油累计使用量跳变最小阈值Fuel_value_min,提取对应的数据采集时间燃油累计量第一时间time(i-1)与燃油累计量第二时间time(i),以燃油累计量第一时间time(i-1)为数据查询起点、燃油累计量第二时间time(i)为数据查询终点,查询GPS、发动机运行时长、发动机累积油耗三项数据;分别查询GPS数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据,计算发动机累积油耗变化量FUELS;查询发动机运行时长数据,计算发动机运行时间变化量TIMES;若发动机运行时间变化量TIMES大于发动机运行时长跳变最小阈值Time_value_min且GPS里程mile_GPS减去增值d_data(i)的绝对值除以GPS里程mile_GPS小于脉冲里程与GPS里程误差率阈值p_GPSmile2mile时,即满足公式:|mile_GPS-d_data(i)|/mile_GPS<p_GPSmile2mile时判断为数据丢失造成的数据变化率异常;否则视为数据跳变引起的变化量异常。
9.根据权利要求8所述的一种车辆监控系统的数据质量分析方法,其特征在于,设置脉冲里程跳变最小阈值Mile_value_min为5千米,约为最大理论车速下行驶3分钟运行脉冲里程,以避免由于脉冲里程数据采集精度过小造成的脉冲里程跳变事件误判设置;设置发动机运行时长跳变最小阈值Time_value_min为6分钟;设置燃油累计使用量跳变最小阈值Fuel_value_min为1升;设置发动机最大转速Vmax的值为陕汽重卡理论最大车速:120KM/H;设置最大油耗值oilmax为重卡所使用发动机最大油耗:85L/H;设置脉冲里程与GPS里程误差率阈值p_GPSmile2mile为5%。
10.根据权利要求7至9任一种所述的一种车辆监控系统的数据质量分析方法,其特征在于,在所述的多源综合分析中,提取对应的数据采集时间内的数据,对于提取后的增值数据集合,查询相隔时间段的GPS、发动机运行时长、发动机累积油耗三项数据时,查询方式按前外后内的方式搜索,前外后内的搜索方式为,该相隔时间段的搜索开始时间Ts,该相隔时间段的搜索结束时间为Te,Ts<Te,查询数据的集合为:
时间集合:(T0,T1,……,Ti,……,TN-1)
增值数值集合:(D0,D1,……,Di,……,DN-1)
实际查询起始点:时间:Tm数值:Dm,m=max(i|Ti<Ts)
实际查询结束点:时间:Tk数值:Dk,k=max(i|Ti<Te);
对于该段时间段的数据,最终会以实际查询起始点Tm做为实际的查询起始点,以实际查询结束点Tk为实际的查询结束点,查询GPS数据中第m项至第k项数据,通过经、纬度及曲面距离算法计算该段时间内的GPS里程mile_GPS;查询发动机累积油耗数据中m至k项数据,计算发动机累计油耗变化量FUELS;查询发动机运行时长数据中m至k项数据,计算发动机运行时间变化量TIMES。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410842599.3A CN105808557B (zh) | 2014-12-30 | 2014-12-30 | 车辆监控系统的数据质量分析系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410842599.3A CN105808557B (zh) | 2014-12-30 | 2014-12-30 | 车辆监控系统的数据质量分析系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105808557A CN105808557A (zh) | 2016-07-27 |
CN105808557B true CN105808557B (zh) | 2019-03-05 |
Family
ID=56419870
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410842599.3A Active CN105808557B (zh) | 2014-12-30 | 2014-12-30 | 车辆监控系统的数据质量分析系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105808557B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682854A (zh) * | 2016-12-12 | 2017-05-17 | 北京汇通天下物联科技有限公司 | 一种运输车辆的行驶数据获取方法、装置及系统 |
CN107680204B (zh) * | 2017-10-09 | 2020-07-03 | 航天科技控股集团股份有限公司 | 一种用于分析行驶行为的车辆数据处理系统 |
CN108416873A (zh) * | 2018-03-01 | 2018-08-17 | 吉旗物联科技(上海)有限公司 | 一种根据行业、车型及线路计算行业平均油耗的方法 |
KR102103147B1 (ko) * | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
KR102103144B1 (ko) * | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
KR102103143B1 (ko) | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
KR102103145B1 (ko) | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
KR102103150B1 (ko) | 2018-03-14 | 2020-04-22 | (주)아이티공간 | 구동부의 정밀 예지 보전방법 |
CN108896071B (zh) * | 2018-05-16 | 2021-12-28 | 成都雅骏新能源汽车科技股份有限公司 | 一种检验车辆里程数据的判断方法 |
CN109975841B (zh) * | 2019-04-11 | 2022-02-18 | 吉旗(成都)科技有限公司 | 一种gps设备上报数据异常率的计算方法 |
CN110400391A (zh) * | 2019-07-29 | 2019-11-01 | 北京百度网讯科技有限公司 | 车载数据处理方法和装置 |
CN110631650B (zh) * | 2019-09-23 | 2021-03-19 | 杭州鸿泉物联网技术股份有限公司 | 基于时间序列数据自增特征的数据清洗方法及装置 |
CN110704675B (zh) * | 2019-10-17 | 2022-07-29 | 北京旷视科技有限公司 | 对象管理方法、装置、计算机设备和存储介质 |
CN112859830B (zh) * | 2019-11-28 | 2022-08-26 | 华为技术有限公司 | 一种设计运行区域odd判断方法、装置及相关设备 |
CN111750948B (zh) * | 2020-06-02 | 2022-05-17 | 重庆长安汽车股份有限公司 | 车辆油耗计算方法及系统 |
CN112927388B (zh) * | 2021-01-25 | 2023-08-15 | 广东卓沃供应链管理有限公司 | 物流企业的车辆管理方法及系统 |
JP2022157157A (ja) * | 2021-03-31 | 2022-10-14 | トヨタ自動車株式会社 | 車両データ管理システム及び車両データ管理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102501891A (zh) * | 2011-11-02 | 2012-06-20 | 株洲南车时代电气股份有限公司 | 一种列车运行监控装置管理系统 |
CN102685233A (zh) * | 2012-05-11 | 2012-09-19 | 上海交通大学 | 移动医疗保健远程监控系统及其数据传输方法 |
CN102750757A (zh) * | 2012-06-28 | 2012-10-24 | 福建工程学院 | 一种营运车辆监控事件审计方法 |
CN103163877A (zh) * | 2011-12-19 | 2013-06-19 | 通用汽车环球科技运作有限责任公司 | 用于系统级故障的根本原因分析和质量监控的方法和系统 |
CN103456167A (zh) * | 2013-09-17 | 2013-12-18 | 重庆大学 | 基于关键区域的良好驾驶技术参数获取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140113776A (ko) * | 2013-03-13 | 2014-09-25 | 삼성전자주식회사 | 데이터 처리 방법 및 그 전자 장치 |
-
2014
- 2014-12-30 CN CN201410842599.3A patent/CN105808557B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102501891A (zh) * | 2011-11-02 | 2012-06-20 | 株洲南车时代电气股份有限公司 | 一种列车运行监控装置管理系统 |
CN103163877A (zh) * | 2011-12-19 | 2013-06-19 | 通用汽车环球科技运作有限责任公司 | 用于系统级故障的根本原因分析和质量监控的方法和系统 |
CN102685233A (zh) * | 2012-05-11 | 2012-09-19 | 上海交通大学 | 移动医疗保健远程监控系统及其数据传输方法 |
CN102750757A (zh) * | 2012-06-28 | 2012-10-24 | 福建工程学院 | 一种营运车辆监控事件审计方法 |
CN103456167A (zh) * | 2013-09-17 | 2013-12-18 | 重庆大学 | 基于关键区域的良好驾驶技术参数获取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105808557A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105808557B (zh) | 车辆监控系统的数据质量分析系统及其方法 | |
EP3525178A1 (en) | Telematically providing replacement indications for operational vehicle components | |
US20160110650A1 (en) | Advanced context-based driver scoring | |
CN103236166A (zh) | 一种使用卫星定位技术进行车辆违章行为辨识的方法 | |
CN105489008A (zh) | 基于浮动车卫星定位数据的城市道路拥堵计算方法及系统 | |
CN104792543A (zh) | 一种道路循环工况的构建方法 | |
CN107516417A (zh) | 一种挖掘时空关联关系的实时高速公路流量估计方法 | |
EP3945411A1 (en) | Methods and systems for fixed interpolation error data simplification processes for telematics | |
CN102721397A (zh) | 基于垂直动载荷的现代时间序列提取路面特征参数的方法 | |
CN104318327A (zh) | 一种车辆轨迹预测分析方法 | |
CN104157026A (zh) | 基于行车轨迹的智能加油提醒方法 | |
CN106940929B (zh) | 交通数据预测方法及装置 | |
CN110287827A (zh) | 一种基于数据关联性的桥梁应变数据异常值识别方法 | |
CN114429189A (zh) | 一种高泛用性滑坡位移速率预警方法 | |
CN105046959A (zh) | 基于双窗口滑动匹配机制的城市道路行程时间提取方法 | |
CN109493449A (zh) | 一种基于货车gps轨迹数据和高速交易数据的货车载货状态估计方法 | |
CN103020083B (zh) | 需求识别模板的自动挖掘方法、需求识别方法及对应装置 | |
CN108053646B (zh) | 基于时间敏感特征的交通特征获取方法、预测方法及系统 | |
CN111444286B (zh) | 一种基于轨迹数据的远距离交通节点关联性挖掘方法 | |
CN110619748A (zh) | 基于交通大数据的交通状况分析与预测方法、装置及系统 | |
Liu et al. | Pattern recognition of vehicle types and reliability analysis of pneumatic tube test data under mixed traffic condition | |
EP3945410B1 (en) | Methods and devices for fixed interpolation error data simplification processes for telematics | |
CN110365645B (zh) | 一种车联网协议关键词识别方法及装置 | |
CN111724587A (zh) | 一种基于rfid技术的交通流密度参数提取方法 | |
Buccafusco et al. | Profiling industrial vehicle duties using CAN bus signal segmentation and clustering. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |