CN106204791B - 基于物联网技术的自动化车辆保养预估方法 - Google Patents
基于物联网技术的自动化车辆保养预估方法 Download PDFInfo
- Publication number
- CN106204791B CN106204791B CN201610498524.7A CN201610498524A CN106204791B CN 106204791 B CN106204791 B CN 106204791B CN 201610498524 A CN201610498524 A CN 201610498524A CN 106204791 B CN106204791 B CN 106204791B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- project
- mileage
- time
- vehicle
- 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
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/006—Indicating maintenance
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
Abstract
基于物联网技术的自动化车辆保养预估方法,其特征在于,包括:车载设备实时采集车辆数据并通过网络上传到云平台,沉淀到大数据处理中心模块;大数据中心模块使用hadoop技术来对大数据进行分类处理,提供保养运算所需的基础参数。根据多维度的数据来精确计算车辆保养信息,提供车辆的保养项目与工时费,保养备件与单价和备件个数,使保养清晰透明。
Description
技术领域
本发明属于车辆日常保养领域,具体说是一种基于物联网技术的自动化车辆保养预估方法。
背景技术
面对汽车行业飞速发展的当今社会,城市里私家车的保有量几乎每天都在增加。对于广大车主来说,细心呵护自己的爱车、定期维修保养做到安全行驶也是对于自身安全的保障。传统的维修保养需要车主预计保养周期,或者根据车辆设置的剩余保养里程来进行保养操作,大部分车主对保养项目和内容不了解,需要将车辆送到指定维修地点,比如4S店等,由技师实地检测才能确定保养的范围,出具报价单,如此车辆维保存在不争的被动性及滞后性。
现有技术中,公开号为105313806A的专利申请,主要采集车辆流体,如机油、冷却液等,是否低于最低液位来确定是否需要进行保养;公开号为105270293A的专利申请,主要根据车辆总里程和保养手册来简单预估保养的项目。以上方法只是简单的进行保养预估,无法达到准确预估保养的目的;也无法提供各个保养项目的工时费、保养备件的单价、个数等车主实际关注的信息。
发明内容
针对现有技术存在的上述缺点和不足,本发明提供了一种基于物联网技术的自动化车辆保养预估方法,根据多维度的数据来精确计算车辆保养信息,提供车辆的保养项目与工时费,保养备件与单价和备件个数,使保养清晰透明。
为实现上述目的,本发明提供了一种基于物联网技术的自动化车辆保养预估方法,包括:车载设备实时采集车辆数据并通过网络上传到云平台,沉淀到大数据处理中心模块;大数据中心模块使用hadoop技术来对大数据进行分类处理,提供保养运算所需的基础参数。
进一步的,大数据中心模块根据车辆的剩余保养里程和日平均行驶里程,推算下次保养时间点T1;根据车辆的剩余保养时间,推算下次保养时间点T2,两者采用先到原则,取一个下次保养时间。
进一步的,如果T2<T1,则下次保养总里程Y=行驶里程+日平均行驶里程×天数差;如果T2≥T1,则下次保养总里程Y=行驶里程+剩余里程。
进一步的,大数据中心模块通过底盘号、总里程和车龄,来确定5千公里保养人群和1万公里保养人群,具体为:
如果平均设置保养里程<=N1万公里OR平均保养里程间隔<=N2万公里,属于5千公里保养人群;
否则,属于1万公里保养人群。
进一步的,根据不同人群来确定保养项目与保养备件,并根据大数据来获取每个保养项目的工时费,保养备件单价与个数,具体为:
第一步,计算脱保次数,5千公里保养人群为:(本次保养总里程-上次保养里程)×2-1;1万公里保养人群为:本次保养总里程-上次保养里程-1;
第二步,根据脱保次数,进行路径选择:
针对5千公里保养人群,如果脱保次数小于等于1,则选择路径Ⅰ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅱ为缺多次人群;
针对1万公里保养人群,如果脱保次数小于等于1,则选择路径Ⅲ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅳ为缺多次人群。
更进一步的,路径Ⅰ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间,则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间,则选择方案Ⅱ;
路径Ⅱ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间,则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间,则选择方案Ⅱ;
路径Ⅲ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值,该路径中还进行CRM反查,如果最近一次更换该项目时里程+对应保质周期里程<Y+0.5,则该项目需要更换;如果最近一次更换该项目时里程+对应保质周期里程>Y+0.5,则剔掉;检查时间对应项目在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换。
路径Ⅳ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值。
更进一步的,方案Ⅰ保养项目为机油机滤、燃油添加剂;方案Ⅰ中还进行CRM反查,在CRM反查时除了机油机滤、燃油添加剂、清洗节气门外,其余项目都需要反查,检查上次项目是否有遗漏,如果最近一次更换该项目时里程+对应项目的保质周期里程<Y+0.4,则该项目需要更换;如果最近一次更换该项目时里程+对应的保质周期里程>Y+0.4,则剔掉;检查时间对应项目在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换;
方案Ⅱ查询保养知识库,找出对应的保养项目。
作为更进一步,保养的内容包括保养项目和保养备件,即根据大数据来获取每个保养项目的工时费,保养备件单价与个数。
作为更进一步的,通过车辆实际的进店保养历史来获取车主遗漏的保养项目,来进行填充,再次确保车辆保养内容的准确与完整。
本发明由于采用以上技术方案,能够取得如下的技术效果:本发明能更准确的预估车辆下次保养的项目与备件,并预估保养金额。使车主方便的提前了解车辆的保养信息。使车辆保养公开、透明,更好的保护车主利益,保护车辆健康。
附图说明
本发明共有附图3幅:
图1为基于物联网技术的自动化车辆保养预估方法结构细化图;
图2为基于物联网技术的自动化车辆保养预估方法结构示意图;
图3为保养知识库示意图。
具体实施方式
下面通过实施例,并结合附图,对本发明的技术方案作进一步的具体说明。
实施例1
一种基于物联网技术的自动化车辆保养预估方法,包括:车载设备实时采集车辆数据并通过网络上传到云平台,沉淀到大数据处理中心模块;大数据中心模块使用hadoop技术来对大数据进行分类处理,提供保养运算所需的基础参数。大数据中心模块根据车辆的剩余保养里程和日平均行驶里程,推算下次保养时间点T1;根据车辆的剩余保养时间,推算下次保养时间点T2,两者采用先到原则,取一个下次保养时间,如果T2<T1,则下次保养总里程Y=行驶里程+日平均行驶里程×天数差;如果T2≥T1,则下次保养总里程Y=行驶里程+剩余里程。
人群分类:
大数据中心模块通过底盘号、总里程和车龄,来确定5千公里保养人群和1万公里保养人群,具体为:
如果平均设置保养里程<=0.5万公里OR平均保养里程间隔<=0.626万公里,属于5千公里保养人群;
否则,属于1万公里保养人群。
根据不同人群来确定保养项目具体为:
第一步,计算脱保次数,5千公里保养人群为:【本次保养总里程(四舍五入到万公里,无小数)-上次保养里程(四舍五入到万公里,无小数)】×2-1;
1万公里保养人群为:本次保养总里程(四舍五入,无小数)-上次保养里程(四舍五入,无小数)-1;
第二步,根据脱保次数,进行路径选择:
针对5千公里保养人群,如果脱保次数小于等于1,则选择路径Ⅰ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅱ为缺多次人群;
路径Ⅰ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间(如:0.5/1.5/2.5),则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间(如:1/2/3/4),则选择方案Ⅱ;
路径Ⅱ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间(如:0.5/1.5/2.5),则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间(如:1/2/3/4),则选择方案Ⅱ;
方案Ⅰ保养项目为机油机滤、燃油添加剂;方案Ⅰ中还进行CRM反查,在CRM反查时除了机油机滤、燃油添加剂、清洗节气门外,其余项目都需要反查,检查上次项目是否有遗漏,如果最近一次更换该项目时里程+对应项目的保质周期里程<Y+0.4,则该项目需要更换;如果最近一次更换该项目时里程+对应的保质周期里程>Y+0.4,则剔掉;例如:本次4万公里进店,应换火花塞,反查前推2万公里,在历史记录中3万公里换过火花塞,则本次剔除火花塞项目;检查时间对应项目,如刹车油、内外空调滤芯,在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换;
方案Ⅱ查询保养知识库,找出对应的保养项目。
举例如下:1.4<=Y<1.9,保养项目为机油机滤、燃油添加剂。0.9<=Y<1.4,对应查表(《保养知识库》的“里程”)的保养项目。
实施例2
本实施例是针对1万公里保养人群,如果脱保次数小于等于1,则选择路径Ⅲ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅳ为缺多次人群:
路径Ⅲ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值,该路径中还进行CRM反查,如果最近一次更换该项目时里程+对应保质周期里程<Y+0.5,则该项目需要更换;如果最近一次更换该项目时里程+对应保质周期里程>Y+0.5,则剔掉;(例如:本次4万公里进店,应换火花塞,反查前推2万公里,在历史记录中3万公里换过火花塞,则本次剔除火花塞项目)。检查时间对应项目(刹车油、内外空调滤芯)在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换。
路径Ⅳ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值。举例如下:
0<=Y<=1.5 1万
1.5<Y<=2.5 2万
2.5<Y<=3.5 3万
对应查表(《保养知识库》的“里程”)的保养项目。
实施例3
作为实施例1和2的补充,保养的内容包括保养项目和保养备件,拿机油机滤举例来说,保养项目是更换机油机滤,是有人工的工时费用的。保养备件就是:机油4升等,按照备件的价格计算。总的保养内容包括实际的更换备件价格+人工的工时费。
即根据大数据来获取每个保养项目的工时费,保养备件单价与个数。
根据上述确定的项目,依据表中的参数,依次对应组成如下语序:下次保养更换机油机滤、内部空调滤芯、外部空调滤芯、火花塞,依据用车体验和当地实际情况,可选择清洗节气门。祝您用车愉快!
维修时间=取总工时计算100工时=1小时,精确到0.5小时;如:75-125工时=1小时;125-175工时=1.5小时......。
对于完整CRM记录和仅缺1次CRM记录的人群,评语需检查获得上第二次周期中未做的项目,且不在本期项目中时,添加一句话:请关注保养手册中XX项目的更换周期。
例如:1)5千公里保养人群:
6万保养没做,6.5万保养:依据反查列入项目清单中;
6万保养没做,6.5万保养仍然没做,7万进店评语改动如下:下次保养更换机油机滤、外部空调滤芯、火花塞,依据用车体验和当地实际情况,可选择清洗节气门。请关注保养手册中刹车油、防冻液、变速箱油的更换周期,祝您用车愉快!
2)1万公里保养人群:
6万保养没做,7万保养:依据反查列入项目清单中。
6万保养没做,7万保养仍然没做,8万进店:下次保养更换机油机滤、外部空调滤芯、火花塞。依据用车体验和当地实际情况,可选择清洗节气门。请关注保养手册中刹车油、防冻液、变速箱油的更换周期,祝您用车愉快!
通过车辆实际的进店保养历史来获取车主遗漏的保养项目,来进行填充,再次确保车辆保养内容的准确与完整。
优选的,本实施例是采用车载OBD设备实时采集车辆数据并通过移动通信网络上传到云平台,沉淀到大数据处理中心模块;大数据中心模块使用hadoop技术来对大数据进行分类处理,提供保养运算所需的基础参数。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.基于物联网技术的自动化车辆保养预估方法,其特征在于,包括:车载设备实时采集车辆数据并通过网络上传到云平台,沉淀到大数据处理中心模块;大数据中心模块使用hadoop技术来对大数据进行分类处理,提供保养运算所需的基础参数;
大数据中心模块通过底盘号、总里程和车龄,来确定5千公里保养人群和1万公里保养人群,具体为:
如果平均设置保养里程<=0.5万公里OR平均保养里程间隔<=0.626万公里,属于5千公里保养人群;
否则,属于1万公里保养人群;
根据不同人群来确定保养项目,具体为:
第一步,计算脱保次数,5千公里保养人群为:(本次保养总里程-上次保养里程)×2-1;
1万公里保养人群为:本次保养总里程-上次保养里程-1;
第二步,根据脱保次数,进行路径选择:
针对5千公里保养人群,如果脱保次数小于等于1,则选择路径Ⅰ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅱ为缺多次人群;
针对1万公里保养人群,如果脱保次数小于等于1,则选择路径Ⅲ为完整、缺1次人群;如果脱保次数大于1,则选择路径Ⅳ为缺多次人群;
路径Ⅰ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间,则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间,则选择方案Ⅱ;
路径Ⅱ中Y-0.4<X<=Y+0.1,X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位,递增分档;如果X落在包含0.5奇数倍的区间,则选择方案Ⅰ,如果X落在包含0.5偶数倍的区间,则选择方案Ⅱ;
路径Ⅲ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值,该路径中还进行CRM反查,如果最近一次更换该项目时里程+对应保质周期里程<Y+0.5,则该项目需要更换;如果最近一次更换该项目时里程+对应保质周期里程>Y+0.5,则剔掉该项目;检查时间对应项目在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换;
路径Ⅳ中Y_New=round(Y),按四舍五入查询保养知识库,其中Y为本次保养预测值。
2.根据权利要求1所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,大数据中心模块根据车辆的剩余保养里程和日平均行驶里程,推算下次保养时间点T1;根据车辆的剩余保养时间,推算下次保养时间点T2,两者采用先到原则,取一个下次保养时间。
3.根据权利要求2所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,如果T2<T1,则下次保养总里程Y=行驶里程+日平均行驶里程×天数差;如果T2≥T1,则下次保养总里程Y=行驶里程+剩余里程。
4.根据权利要求1所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,方案Ⅰ保养项目为机油机滤、燃油添加剂;方案Ⅱ查询保养知识库,找出对应的保养项目。
5.根据权利要求4所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,方案Ⅰ中还进行CRM反查,在CRM反查时除了机油机滤、燃油添加剂、清洗节气门外,其余项目都需要反查,检查上次项目是否有遗漏,如果最近一次更换该项目时里程+对应项目的保质周期里程<Y+0.4,则该项目需要更换;如果最近一次更换该项目时里程+对应的保质周期里程>Y+0.4,则剔掉该项目;检查时间对应项目在缺失情况下,是否在对应时间内有更换需要,如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆,应当更换该项目,反之不更换。
6.根据权利要求1所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,保养的内容包括保养项目和保养备件,即根据大数据来获取每个保养项目的工时费,保养备件单价与个数。
7.根据权利要求5所述的基于物联网技术的自动化车辆保养预估方法,其特征在于,通过车辆实际的进店保养历史来获取车主遗漏的保养项目,来进行填充,再次确保车辆保养内容的准确与完整。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610498524.7A CN106204791B (zh) | 2016-06-30 | 2016-06-30 | 基于物联网技术的自动化车辆保养预估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610498524.7A CN106204791B (zh) | 2016-06-30 | 2016-06-30 | 基于物联网技术的自动化车辆保养预估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106204791A CN106204791A (zh) | 2016-12-07 |
CN106204791B true CN106204791B (zh) | 2019-04-05 |
Family
ID=57463409
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610498524.7A Active CN106204791B (zh) | 2016-06-30 | 2016-06-30 | 基于物联网技术的自动化车辆保养预估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106204791B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160575A (zh) * | 2019-12-19 | 2020-05-15 | 浙江大搜车软件技术有限公司 | 车辆保养数据处理方法、装置、计算机设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488970A (zh) * | 2008-01-17 | 2009-07-22 | 厦门雅迅网络股份有限公司 | 一种通过gps定位和移动通信网络处理汽车保养服务的方法 |
CN103253189A (zh) * | 2013-04-19 | 2013-08-21 | 麦特汽车服务股份有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN103703479A (zh) * | 2013-02-28 | 2014-04-02 | 观致汽车有限公司 | 车辆养护提醒方法、装置 |
CN105139476A (zh) * | 2015-08-05 | 2015-12-09 | 武汉理工大学 | 一种矿区车辆保养信息提示方法 |
CN105270293A (zh) * | 2015-06-24 | 2016-01-27 | 广州爱亿信息科技有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN105313806A (zh) * | 2014-08-05 | 2016-02-10 | 麦恩电子有限公司 | 车辆保养提醒 |
CN105389718A (zh) * | 2015-12-07 | 2016-03-09 | 深圳市天行家科技有限公司 | 一种汽车后服务推荐方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9153079B1 (en) * | 2014-03-18 | 2015-10-06 | Robert Bruce Wood | System and method of automated 3D scanning for vehicle maintenance |
-
2016
- 2016-06-30 CN CN201610498524.7A patent/CN106204791B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488970A (zh) * | 2008-01-17 | 2009-07-22 | 厦门雅迅网络股份有限公司 | 一种通过gps定位和移动通信网络处理汽车保养服务的方法 |
CN103703479A (zh) * | 2013-02-28 | 2014-04-02 | 观致汽车有限公司 | 车辆养护提醒方法、装置 |
CN103253189A (zh) * | 2013-04-19 | 2013-08-21 | 麦特汽车服务股份有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN105313806A (zh) * | 2014-08-05 | 2016-02-10 | 麦恩电子有限公司 | 车辆保养提醒 |
CN105270293A (zh) * | 2015-06-24 | 2016-01-27 | 广州爱亿信息科技有限公司 | 一种基于云服务的车辆保养提醒方法及其车载终端装置 |
CN105139476A (zh) * | 2015-08-05 | 2015-12-09 | 武汉理工大学 | 一种矿区车辆保养信息提示方法 |
CN105389718A (zh) * | 2015-12-07 | 2016-03-09 | 深圳市天行家科技有限公司 | 一种汽车后服务推荐方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106204791A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Boldrini et al. | Characterising demand and usage patterns in a large station-based car sharing system | |
CN109558988B (zh) | 一种基于大数据融合的电动汽车能耗预测方法及系统 | |
CA2619083A1 (en) | Smart inspections | |
CN106643747B (zh) | 导航方法及装置 | |
CN108154261B (zh) | 一种最优加油站的推荐方法及装置 | |
CN111860561A (zh) | 网约车的异常停留行为识别方法、装置、设备及存储介质 | |
US8886447B2 (en) | Fuel efficiency ranking method for vehicle driver and system therefor | |
CN107392327A (zh) | 车辆维保管理方法 | |
CN106127316A (zh) | 自动化车辆保养预估系统 | |
Tsamboulas et al. | Decision-making process in intermodal transportation | |
CN110400462B (zh) | 基于模糊理论的轨道交通客流监测预警方法及其系统 | |
CN106204793B (zh) | 车辆保养预估方法 | |
US20150073933A1 (en) | Vehicle powertrain selector | |
WO2020239503A1 (fr) | Procede de prediction d'au moins un profil de la vitesse d'un vehicule sur un reseau routier | |
CN103942312A (zh) | 公交换乘线路规划方法和装置 | |
CN112801552A (zh) | 基于交通大数据挖掘和智能分析的网约车和巡游车的监管方法 | |
Tordecilla-Madera et al. | A mathematical model for collecting and distributing perishable products by considering costs minimisation and CO2 emissions | |
CN107169576A (zh) | 一种营运车辆维护周期的维修决策系统及方法 | |
CN106204791B (zh) | 基于物联网技术的自动化车辆保养预估方法 | |
Comi et al. | A methodology to design and assess scenarios within SULPS: the case of Bologna | |
JP2015512027A (ja) | 動力車のエネルギー消費量を推定するための方法 | |
CN113850468A (zh) | 一种环卫一体化的智慧公路环卫管理方法、系统、装置和存储介质 | |
CN116485266B (zh) | 一种基于物联网的加油用油智能管理方法及系统 | |
CN113610245A (zh) | 后市场维修门店管理多车型多项目的服务提醒方法 | |
CN114997756B (zh) | 基于座舱数据的车辆残值评估系统及方法 |
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 |