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 PDF

Info

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
Application number
CN201610498524.7A
Other languages
English (en)
Other versions
CN106204791A (zh
Inventor
田雨农
赵志宏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian Roiland Technology Co Ltd
Original Assignee
Dalian Roiland Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Dalian Roiland Technology Co Ltd filed Critical Dalian Roiland Technology Co Ltd
Priority to CN201610498524.7A priority Critical patent/CN106204791B/zh
Publication of CN106204791A publication Critical patent/CN106204791A/zh
Application granted granted Critical
Publication of CN106204791B publication Critical patent/CN106204791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

基于物联网技术的自动化车辆保养预估方法
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。
CN201610498524.7A 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 Active CN106204791B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (7)

* Cited by examiner, † Cited by third party
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&#39;au moins un profil de la vitesse d&#39;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