CN108600954A - 用于车辆元件故障统计分析的方法和设备 - Google Patents
用于车辆元件故障统计分析的方法和设备 Download PDFInfo
- Publication number
- CN108600954A CN108600954A CN201810151139.4A CN201810151139A CN108600954A CN 108600954 A CN108600954 A CN 108600954A CN 201810151139 A CN201810151139 A CN 201810151139A CN 108600954 A CN108600954 A CN 108600954A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- failure
- report
- data
- likelihood
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 title abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 10
- 241001269238 Data Species 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 description 25
- 230000008569 process Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 9
- 230000008439 repair process Effects 0.000 description 9
- 230000001413 cellular effect Effects 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 238000007664 blowing Methods 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000010267 cellular communication Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000006116 polymerization reaction Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000003449 preventive effect Effects 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241000264877 Hippospongia communis Species 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009933 burial Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- YBGRCYCEEDOTDH-JYNQXTMKSA-N evap protocol Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1.O([C@H]1C[C@@](O)(CC=2C(O)=C3C(=O)C=4C=CC=C(C=4C(=O)C3=C(O)C=21)OC)C(=O)CO)[C@H]1C[C@H](N)[C@H](O)[C@H](C)O1.COC1=C(O)C(OC)=CC([C@@H]2C3=CC=4OCOC=4C=C3C(O[C@H]3[C@@H]([C@@H](O)[C@@H]4O[C@H](C)OC[C@H]4O3)O)[C@@H]3[C@@H]2C(OC3)=O)=C1.C([C@H](C[C@]1(C(=O)OC)C=2C(=C3C([C@]45[C@H]([C@@]([C@H](OC(C)=O)[C@]6(CC)C=CCN([C@H]56)CC4)(O)C(=O)OC)N3C)=CC=2)OC)C[C@@](C2)(O)CC)N2CCC2=C1NC1=CC=CC=C21 YBGRCYCEEDOTDH-JYNQXTMKSA-N 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010057 rubber processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- 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
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- 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
-
- 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
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开涉及一种用于车辆元件故障统计分析的方法和设备。一种系统包括处理器,所述处理器被配置为:接收车辆部件故障的报告以及覆盖至少预定义时间段的车辆行驶历史。所述处理器还被配置为:获得与车辆在所述车辆行驶历史期间遇到的环境状况相关的状况数据。所述处理器还被配置为:将获得的状况数据与从报告相同部件故障的其它车辆获得的其它状况数据进行比较。并且所述处理器被配置为:创建针对车辆部件的故障可能性记录,所述故障可能性记录包括与超过次数的阈值百分比发生的状况的相关性以及当车辆遇到状况时的可能的故障的指示,所述次数的阈值百分比与所有获得的与部件故障相关的状况数据有关。
Description
技术领域
说明性实施例总体上涉及用于车辆元件故障统计分析的方法和设备。
背景技术
车辆在各种类型的天气中行驶在各种类型的地形上。地形和天气对车辆的影响是大不相同的,并且不同的驾驶环境可影响完全不同的车辆元件(例如,但不限于组件/部件、系统、罩面漆、流体等)。例如,在高温和干燥状况下行驶的车辆可以以不同于在更温和的气候中行驶的车辆的方式经历对用橡胶处理的组件的磨损。经常在崎岖地形上行驶的车辆可能经历更快的冲击磨损和轮胎磨损。在明显降水和/或湿度下行驶的车辆可能经历更快的铁组件劣化。
特定区域内的经销商通常可认识到以前的信息(即,由于干燥、高温的状况,内华达州拉斯维加斯(其基本上是沙漠)的经销商可储备更多容易磨损/更换的部件)。然而,通常情况下,这种“规划”表示基于过去的观测和/或关于环境与特定材料相互作用的普遍已知的科学事实的粗略猜测。然而,知道干热使橡胶劣化为有效地规划客户需求提供了非常有限的机会。仍然需要大量全面和更详细的信息来进行任何形式的合理准确的预测需求评估。
与此同时,客户更不容易预测故障或失灵,往往等待零件更换或维修,直到恶化或故障上升到导致额外成本和问题的水平。
发明内容
在第一说明性实施例中,一种系统包括处理器,所述处理器被配置为:接收车辆部件故障的报告以及覆盖至少预定义时间段的车辆行驶历史。所述处理器还被配置为:获得与车辆在所述车辆行驶历史期间遇到的环境状况相关的状况数据。所述处理器还被配置为:将获得的状况数据与从报告相同部件故障的其它车辆获得的其它状况数据进行比较。并且所述处理器被配置为:创建针对车辆部件的故障可能性记录,所述故障可能性记录包括与超过次数的阈值百分比发生的状况的相关性以及当车辆遇到状况时的可能的故障的指示,所述次数的阈值百分比与所有获得的与部件故障相关的状况数据有关。
在第二说明性实施例中,一种系统包括处理器,所述处理器被配置为:接收车辆部件故障的报告以及覆盖至少预定义时间段的车辆行驶历史。所述处理器还被配置为:将获得的车辆行驶历史与从报告相同部件故障的其它车辆获得的车辆行驶历史进行比较,并且创建针对车辆部件的故障可能性记录,所述故障可能性记录包括与超过阈值百分比的故障报告车辆行驶的预定义地区的地理相关性。
根据本发明的一个实施例,地理相关性包括定义预定义地区的一个或更个GPS坐标集合。
根据本发明的一个实施例,地理相关性包括具有识别的边界的预定义地区。
根据本发明的一个实施例,故障可能性记录包括基于预计在报告第一次故障和报告最后一次故障期间的时间段内在预定义地区内行驶的车辆的总量的故障的可能性。
根据本发明的一个实施例,故障可能性记录包括操作时间指定,所述操作时间指定定义不同的操作时间范围以及与所述操作时间范围关联的故障的可能性,所述故障的可能性基于车辆在相应范围内报告在预定义地区行驶持续多个小时而被确定。
根据本发明的一个实施例,处理器还被配置为:将故障可能性记录报告给在计划路线上包括预定义地区的车辆。
根据本发明的一个实施例,处理器还被配置为:将故障可能性记录报告给在预定义地区内操作的车辆。
根据本发明的一个实施例,处理器还被配置为:将故障可能性记录报告给具有所述车辆部件的车辆。
在第三说明性实施例中,一种系统包括处理器,所述处理器被配置为:聚合接收到的针对在一地区内行驶的多个车辆的数据,所述数据指示针对包括特定部件的车辆的部件故障的不同可能性,所述可能性是基于针对特定部件的保存的故障记录,所述故障记录指示至少基于在所述地区内的行驶的部件故障的可能性。所述处理器还被配置为:基于部件故障的可能性推断维修车辆所需的部件的可能的总数,并且将部件的可能的总数的百分比作为建议库存报告给与所述地区或车辆中的至少一个关联的服务位置。
根据本发明的一个实施例,服务位置被预先指定为所述地区的服务中心。
根据本发明的一个实施例,服务位置位于所述地区内。
根据本发明的一个实施例,服务位置被预先指定为车辆中的至少一个的优选服务位置。
附图说明
图1示出了说明性的车辆计算系统;
图2示出了用于故障和状况的数据收集的说明性处理;
图3示出了用于更新追踪变量的说明性处理;
图4示出了用于数据分析和客户报告的说明性处理;
图5示出了用于经销商报告的说明性处理。
具体实施方式
根据需要,在此公开了详细实施例;然而,将理解的是,所公开的实施例仅是说明性的,并且可以以各种和替代形式来实施。附图不必按比例绘制;一些特征可被夸大或最小化以示出特定组件的细节。因此,在此公开的具体结构和功能细节不应被解释为具有限制性,而仅作为用于教导本领域技术人员以多种形式利用所要求保护的主题的代表性基础。
图1示出了用于车辆31的基于车辆的计算系统(VCS)1的示例框式拓扑图。这种基于车辆的计算系统1的示例为由福特汽车公司制造的SYNC系统。设置有基于车辆的计算系统的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触摸敏感屏幕,则用户还能够与所述界面进行交互。在另一说明性实施例中,通过按钮按压、具有自动语音识别和语音合成的口语对话系统来进行交互。
在图1所示的说明性实施例1中,处理器3控制基于车辆的计算系统的至少一部分操作。设置在车辆内的处理器允许对命令和程序进行车载处理。另外,处理器连接到非持久性存储器5和持久性存储器7两者。在该说明性实施例中,非持久性存储器是随机存取存储器(RAM),持久性存储器是硬盘驱动器(HDD)或闪存。一般说来,持久性(非暂时性)存储器可包括当计算机或其它装置掉电时保存数据的所有形式的存储器。这些存储器包括但不限于HDD、CD、DVD、磁带、固态驱动器、便携式USB驱动器和任何其它适当形式的持久性存储器。
处理器还设置有允许用户与处理器进行交互的若干不同的输入。在该说明性实施例中,麦克风29、辅助输入25(用于输入33)、USB输入23、GPS输入24、屏幕4(其可以是触摸屏显示器)和蓝牙输入15全部被设置。还设置了输入选择器51,以允许用户在各种输入之间进行切换。对麦克风和辅助连接器两者的输入在被传送到处理器之前由转换器27对所述输入进行模数转换。尽管未示出,但是与VCS进行通信的众多车辆组件和辅助组件可使用车辆网络(诸如,但不限于CAN总线)向VCS(或其组件)传送数据并传送来自VCS(或其组件)的数据。
系统的输出可包括但不限于视觉显示器4以及扬声器13或立体声系统输出。扬声器连接到放大器11,并通过数模转换器9从处理器3接收其信号。还可分别沿19和21所示的双向数据流产生到远程蓝牙装置(诸如,个人导航装置(PND)54)或USB装置(诸如,车辆导航装置60)的输出。
在一个说明性实施例中,系统1使用蓝牙收发器15与用户的移动装置53(例如,蜂窝电话、智能电话、PDA或具有无线远程网络连接的任何其它装置)进行通信(17)。移动装置随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,蜂窝塔57可以是WiFi接入点。
移动装置与蓝牙收发器之间的示例性通信由信号14表示。
可通过按钮52或类似的输入来指示将移动装置53与蓝牙收发器15进行配对。相应地,CPU被指示车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。
可利用例如与移动装置53关联的数据计划、话上数据或DTMF音在CPU3与网络61之间传送数据。可选地,可期望包括具有天线18的车载调制解调器63,以便在CPU 3与网络61之间通过语音频带传送数据(16)。移动装置53随后可用于通过例如与蜂窝塔57的通信(55)来与车辆31外部的网络61进行通信(59)。在一些实施例中,调制解调器63可与蜂窝塔57建立通信(20),以与网络61进行通信。作为非限制性示例,调制解调器63可以是USB蜂窝调制解调器,并且通信20可以是蜂窝通信。
在一个说明性实施例中,处理器设置有包括用于与调制解调器应用软件进行通信的API的操作系统。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件,以完成与(诸如在移动装置中发现的)远程蓝牙收发器的无线通信。蓝牙是IEEE 802PAN(个域网)协议的子集。IEEE 802LAN(局域网)协议包括WiFi并与IEEE 802PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。可在本领域使用的另一种通信方式是自由空间光通信(诸如IrDA)和非标准化消费者IR协议。
在另一个实施例中,移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中,当移动装置的拥有者可在数据被传送的同时通过装置说话时,可实施已知为频分复用的技术。在其它时间,当拥有者没有在使用装置时,数据传输可使用整个带宽(在一个示例中是300Hz到3.4kHz)。尽管频分复用对于车辆与互联网之间的模拟蜂窝通信而言会是常见的并且仍在被使用,但是其已经在很大程度上被用于数字蜂窝通信的码域多址(CDMA)、时域多址(TDMA)、空域多址(SDMA)的混合体所替代。如果用户具有与移动装置关联的数据计划,则所述数据计划可允许宽带传输且所述系统可使用宽得多的带宽(加速数据传输)。在另一个实施例中,移动装置53被安装至车辆31的蜂窝通信装置(未示出)所替代。在另一个实施例中,移动装置(ND)53可以是能够通过例如(但不限于)802.11g网络(即,WiFi)或WiMax网络进行通信的无线局域网(LAN)装置。
在一个实施例中,传入数据可经由话上数据或数据计划被传送通过移动装置、通过车载蓝牙收发器并进入车辆的内部处理器3。例如,在某些临时数据的情况下,数据可被存储在HDD或其它存储介质7上,直至不再需要所述数据时为止。
其它的可与车辆进行交互的源包括:具有例如USB连接56和/或天线58的个人导航装置54、具有USB 62或其它连接的车辆导航装置60、车载GPS装置24、或具有到网络61的连接的远程导航系统(未示出)。USB是一类串行联网协议中的一种。IEEE 1394(火线TM(苹果)、i.LINKTM(索尼)和LynxTM(德州仪器))、EIA(电子工业协会)串行协议、IEEE 1284(Centronics端口)、S/PDIF(索尼/飞利浦数字互连格式)和USB-IF(USB开发者论坛)形成了装置-装置串行标准的骨干。大多数协议可针对电通信或光通信来实施。
此外,CPU可与各种其它的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线保健装置、便携式计算机等。
此外或可选地,可使用例如WiFi(IEEE 802.11)收发器71将CPU连接到基于车辆的无线路由器73。这可允许CPU在本地路由器73的范围内连接到远程网络。
除了由位于车辆中的车辆计算系统执行示例性处理之外,在特定实施例中,还可由与车辆计算系统通信的计算系统来执行示例性处理。这样的系统可包括但不限于无线装置(例如,但不限于,移动电话)或通过无线装置连接的远程计算系统(例如,但不限于,服务器)。这样的系统可被统称为与车辆关联的计算系统(VACS)。在特定实施例中,VACS的特定组件可根据系统的特定实施方式来执行处理的特定部分。通过示例而并非限制的方式,如果处理具有与配对的无线装置进行发送或者接收信息的步骤,则很可能由于无线装置不会与自身进行信息的“发送和接收”,而使得无线装置不执行该部分的处理。本领域普通技术人员将理解何时不适合对给定的解决方案应用特定的计算系统。
在在此讨论的每个说明性实施例中,示出了可由计算系统执行的处理的示例性的非限制性的示例。针对每个处理,执行该处理的计算系统为了执行该处理的有限目的而变为被配置为用于执行该处理的专用处理器是可行的。所有处理不需要被全部执行,并且应被理解为是可被执行以实现本发明的要素的多种类型的处理的示例。可根据需要将额外步骤添加到示例性处理中或从示例性处理中去除额外步骤。
针对在示出说明性处理流程的附图中描述的说明性实施例,应注意的是,为了执行由这些附图示出的示例性方法中的一些或全部的目的,通用处理器可被暂时用作专用处理器。当执行提供用于执行所述方法的一些或全部步骤的指令的代码时,所述处理器可被暂时改用作专用处理器,直到所述方法完成时为止。在另一个示例中,在适当的程度上,根据预先配置的处理器运行的固件可使得所述处理器充当为了执行所述方法或所述方法的某种合理的变型的目的而被提供的专用处理器。
环境状况可显著影响车辆的特定组件的性能。例如,空气过滤器在易受到沙漠风暴影响的区域中将更容易堵塞。EVAP监测器可在具有高海拔的区域导致错误的检测。识别导致组件退化的区域可被用于延长车辆的使用寿命并提供必要的维修。
对车辆组件具有观测到的特定影响的区域可被标记为针对特定组件和/或车辆的关注区域,所述特定影响可至少部分地通过针对在那些相同区域中大量地或频繁地行驶的车辆收集到的实际维修和组件退化来被确定。由于驾驶员经常行驶过那些区域,所以驾驶员经历过早需要维修或意外需要维修的可能性可能会增加。通过使用历史数据和众包数据,可开发出全面的数据集合和分析,所述数据集合和分析允许系统以合理的准确度来预测客户经历维修需求的可能性。
相同的信息对于经销商和服务中心而言可能会更有用。例如,对于客户而言(基于区域中观测到的恶化或故障的可能性和/或该客户在相同区域中的行驶频率)知道带将有50%的可能性出现故障会是有用的。这对于设置客户期望是有用的,并且可能当可能性上升至阈值(例如,但不限于80%)以上时,客户将在实际故障之前前去进行更换。
与此同时,数据收集和分析系统可通知经销商在预定义地区或在经销商的预定义接近度内存在78个潜在客户,并且每个客户具有带故障的可能性为50%。这可帮助经销商抢先订购部件或者在库存中保存特定最小数量的部件,以确保为客户提供快捷的服务。
由于在给定区域中经常存在多于一个经销商,所以额外收集到的数据对于确定客户是否将有可能将车辆带到经销商处进行维修会是有用的。可针对车辆和/或特定的客户配置文件来对该数据进行追踪。通过交叉参考该数据以及故障数据的可能性,系统能够预测关于经销商应该在库存中保存多少部件的合理预期。系统可使用实际观测到的与预测的访问和部件需求的对应性(基于实际行为)来对预测进行细化调整。
一旦分析系统已经收集并分析了足够的数据以做出关于状况对部件具有影响的可靠预测,则所述系统可对具有相应状况的区域进行地理标记或地理围栏。一些状况是暂时的(诸如,交通或天气),而其它状况是持久的(诸如,崎岖地形、越野地形、最低温度等)。所述系统可适应这两种状况,随着车辆移动移动瞬时状况和/或基于当前实际状况(从车辆、天气或道路报告等获得的状况)来启用/禁用与那些状况相关的标志。
也可利用与特定状况对应的坐标集合来对与每个状况关联的实际故障进行地理标记。这对于车辆端分析是有用的,在所述分析中,车辆可请求针对特定配置的坐标集合、与输入路线或公共行驶区域对应的坐标集合。在其它示例中,可向车辆提供更宽广的坐标集合。
车辆还可针对特定部件或系统已经暴露于有害状况多久而对与故障情况的对应性进行追踪。例如,车辆可接收这样的信息,所述信息指示在特定的热状况和特定的湿度状况下,带在暴露2000小时之后具有20%的故障可能性、在暴露3500小时之后具有40%的故障可能性,并且在暴露6000小时之后具有75%的故障可能性(这些数字是说明性的,并且是为了便于说明所提供的示例而假设的)。如果车辆当前仅在与识别的状况对应的区域中行驶(或停车/存放)少于500小时,则所述系统可选择不采取动作,这是因为不太可能出现故障。然而,在另一个实例中,人们可指示他们希望尽可能避免组件退化的状况,因此,车辆可确定针对每个退化状况的坐标集合(和/或地理围栏),并且相应地推荐路线或停车位置。在另一个示例中,车辆可采取最小成本回避方法,考虑各种变量来为客户确定整体成本效益方法。
例如,如果带成本为30美元并且在当前计划路线下行驶将使故障的可能性增大0.001%,则对客户的预期成本为0.03美元。以这样的成本,几乎使用任何额外燃料的任何绕道都是更昂贵的。但是,如果成本为3500美元的组件基于计划的路线将要经历1%的故障可能性增大,则预期的成本将上升到35美元,因此,客户可能更愿意使用一些额外时间量和/或额外燃料量来绕过一部分或者全部的恶化状况。即使在带的示例中,客户也可能会认为他们的时间是非常有价值的,因此,当考虑到行驶至经销商或服务中心进行更换的时间和麻烦时,带的预期成本可能在500美元左右。客户和/或制造商可对系统的阈值进行设置和调整,以确定何时适于绕行。
在对比的示例中,客户可能会认为及时性是最重要的变量,并且在这种情况下,所述系统可能会放弃绕开有害的状况。对于这些客户来说,所述系统会是有用的,因为所述系统可预期到所需的低成本的维修,这可在部件断裂(break)并且导致更高成本问题之前节省时间和金钱两者。基于客户或制造商期望的结果,可采用任何合适的调整和预测/回避阈值。
图2示出了用于故障和状况的数据收集的说明性处理。在该示例中,在201,所述处理接收来自车辆诊断单元和/或经销商或机械维护系统的维修报告或故障报告。由于这是故障的实际数据,所以系统可使用该数据来尝试查明特定故障的原因或多种可能的原因。此外,在该示例中,车辆已经对行驶数据(至少是坐标)进行追踪。在203,分析系统聚合该行驶数据(其可包括停车数据)。如果车辆收集到全面的数据,则在205,车辆实际上可能已经收集到天气(降水、湿度、温度等)数据和/或交通数据,并且分析系统可接收这些数据以及行驶数据。在其它示例中,可将行驶数据与已知的环境状况、行驶状况和天气状况(其可随着时间推移被查找或者由其它车辆报告)进行交叉参考,以建立给定路线的状况地图。在207,所述系统还可接收车辆可记录和报告的驾驶员行为数据。这种驾驶员行为数据可包括一般概况(诸如,“谨慎的”或“激进的”)或更详细报告(包括加速习惯、停车习惯等)。
在209,所述系统随后可针对具有一个或更多个共同的行驶变量并且经历了相同故障的其它车辆对所有的先前数据以及与确定什么可能导致所报告的故障相关的任何其它数据进行分析。通过对大数据集合进行分析,所述处理可将共同的变量集合确定为状况标识符,然后,可逐渐地确定这些状况的哪些实际值与故障最为相关。以类似的方式,所述系统可随着时间推移对状况-故障的相关性的值进行细化调整,使得所述系统做出的预测可展示出越来越高的准确性。
如果在211所述比较识别出一个或更多个共同的变量,则在215,所述处理可对特定变量进行标记以进行更详细的追踪。该步骤不是必需的,但是可有助于对数据进行细化调整。例如,如果温度看起来与所报告的故障具有较高的对应性,则系统可请求车辆(至少那些通常在特定区域中行驶的车辆)更频繁地记录本地温度,从而可获得更精确的温度地图。如果这些车辆中的任何一个随后经历了类似的故障,则系统可接收到与识别的变量相关的更详细的信息。如果不存在感兴趣的特定共同变量,则在213,所述处理可继续进行数据收集。
在该示例中,在217,所述处理在对变量进行标记之后采取用于确定与共同变量关联的值的发生的百分比是否在聚合阈值之上的额外步骤。也就是说,如果(例如,基于预定义值)车辆具有“低湿度”的共同变量,但是所考虑的样本量中仅5%共享该变量值,则低湿度可被识别为潜在的共同变量,但是可能没有足够的数据来将其识别为问题的原因。在这些情况下,系统可继续对共同变量(这里是低湿度或一般湿度)进行更紧密地追踪,以确定未来的报告是否可识别出更好的相关性。在系统识别出大于预定义的发生阈值百分比的情况下,在219,系统可记录变量。
例如,当系统向车辆报告数据以进行追踪时,系统可报告高于阈值的变量考虑。这允许车辆更好地确定车辆正在经历的状况(与变量对应)对一个或更多个车辆组件是否具有被记录的相关影响。
为了确定故障的可能性,知道关于遇到特定状况的更大范围的车辆的一般统计信息也会是有用的。相应地,车辆通常可报告行驶数据(诸如,GPS坐标)和/或状况数据,因此,系统可将故障实例与非故障实例进行比较,以导出故障的百分比可能性。在具有关于状况或位置的足够的数据的情况下,这可以是相当具体的预测,所述预测基于多种因素(诸如,在某种状况下的操作时间)被调整。
针对地区,可以是这样的情况:当检测到状况时(和/或在一段时间内针对基准的目的检测到状况时),车辆简单地报告行驶数据。可通过在快照中获得的平均数据来做出一些推断(例如,所报告的在一周内平均一天20个车辆可能意味着数据对于长期的数量预测会是有用的)。长期的数据收集可再次调整这些数。
如果在地区内行驶的阈值数量的车辆报告了问题,则可将这种情况用作以下假设的基础:在该地区内行驶导致了所报告的问题。例如,可将地区的边界定义为问题报告车辆之间的相关性减小的区域(例如,许多车辆可报告处于城市内的多个坐标处,但是这些车辆将很有可能具有不同的离开模式,因此,坐标的重叠将大致落在城市的边界之内)。在另一个示例中,地区可由定义的边界来界定,使得在所述边界内的充足的报告足以指定由所述边界表示的整个区域。
与报告的故障关联的时间戳可被用于界定时间快照以获得基准。在报告地区内的第一次故障与报告地区内的最后一次故障之间的时间期间,在该地区内行驶的车辆的总数可被估计(或者通过全面的报告来获得)。如果仅一个制造商从他们自己的车辆接收到数据,则该数据将至少对于考虑针对该制造商自己的车辆和部件的故障可能性会是有用的。可将故障的数量与车辆的数量进行比较,以获得故障的可能性。基于操作时间对这些数据进行迭代可用于进一步再次调整预测(例如,只有在地区内操作X小时以上的车辆才可被考虑)。
图3示出了用于更新追踪变量的说明性处理。在该特定示例中,讨论了具有追踪能力和不同粒度的车辆系统。在301,车辆从远程系统接收车辆将要追踪的指标/变量。在该示例中,车辆可接收定义了部件和变量关系的整个数据集合(例如,但不限于“带=在湿度低于30%的情况下故障的可能性增大”等)。出于确定组件故障的可能性的目的,还可定义其它关系(诸如,在特定状况下的工作时间)。如果在303车辆具有与追踪相关的特定组件,则在307,车辆可以以指示的间隔存储数据,例如,所述间隔可以比其它非指定的数据收集更规律。如果车辆缺少该组件和/或未在任何变量应用的状况下行驶,则在305,所述处理可简单地存储追踪数据,直到数据可应用时为止。即使车辆没有组件,车辆仍然可被指示在区域内或在感兴趣的状况下对特定数据进行追踪,使得后端系统能够收集针对报告事件的其它车辆的更精细的数据(但是所述其它车辆可能没有提供足够的环境数据)。
如果在309车辆在追踪的同时不仅具有感兴趣的组件并且还经历了被记录为故障的阈值原因的状况,则在311,所述处理可向驾驶员(和其他感兴趣方(诸如,经销商))发出警告。在该信息对驾驶员/经销商/其他方额外有用情况下,警告还可包括相关的数据变量以及故障的可能原因/可能性。基于定义的重新规划路线设置,与车辆有关的路线规划系统还可使用该警告数据来确定用于避免潜在的损坏或故障的替代路线是否是合理的。
图4示出了用于数据分析和客户报告的说明性处理。在该示例中,在401,所述处理接收通过图3的阈值分析发出的警告数据,所述警告数据指示车辆包含故障候选组件并且已经符合可能的故障状况两者。在403,车辆可对预期故障的要求(例如,在与故障关联的状况下的行驶时间)、回顾过去记录的行驶、当前状况以及预期的即将到来的状况进行比较。如果在405在行驶状况与被指定为值得报告的预期故障程度之间存在相关性,则在407和409,所述处理可警告驾驶员和关联的经销商两者。“关联的经销商”可以是与车辆关联的经销商(出售车辆的经销商)或驾驶员确定的优选的经销商或服务中心。在其它示例中,报告也可被发送给本地区域内的经销商和/或驾驶员确定的归属区域内的经销商。基于对故障的可能性与驾驶员使用特定经销商的可能性(在某种程度上,所述可能性可基于观测到的行为而被知晓)的比较,每个经销商和任何经销商可对可能的部件需求做出评估。聚合所有的这些评估将允许经销商预测可能的部件需求。
例如,在阈值为20%的情况下,驾驶员可接收关于轮胎将有可能出现故障的警告。该警告可被发送给本地的轮胎经销商以及驾驶员优选的服务位置。(基于观测到的历史)驾驶员可能以95%的频率在发生爆胎的任何地方安装轮胎,并且以5%的频率在优选的经销商处安装轮胎。也可能存在10家位于驾驶员位置处的轮胎修理店,所述轮胎修理店都接收到了通知。驾驶员还可被观测到在20%的故障的可能性情况下以35%的频率解决轮胎的潜在问题(即,执行预防性更换)。在这种情况下,驾驶员可被观测到80%的时间在优选的位置解决问题和20%的时间在本地的轮胎经销商解决问题。
虽然以上所有仅仅是为了举例而被提供的,但是下面的等式大致宽泛地示出了经销商或服务中心如何预期库存需求。
经销商=(0.2(爆胎)*0.05(驾驶员去经销商处))*0.65(驾驶员等待爆胎)+0.35(预防性维护)*0.8(经销商)=28.7%
本地中心=(0.2(爆胎)*0.95(驾驶员去本地中心处))*0.65(等待爆胎)+0.35(维护)*0.2(本地中心)=19.3%
无需采取动作=0.8(无爆胎)*0.65(等待爆胎)=52%
虽然上述数据在考虑单个车辆时可能并不是非常有用,但是如果在一天内发生了关于1000个车辆的上述数据的报告,则经销商将预期需要287个轮胎(这是在假定所有1000个车辆都来自完全相同的经销商的情况下),并且10个本地中心中的每个将预期需要19个轮胎(193/10)。记录实际观测到的发生的数据可允许对上述数据进行更精细的调整,但是这个宽泛的示例示出了在此讨论的确定的类型的相关性。由于数据可利用与变量和观测到的行为的更好的相关性来被重新调整,所以预计所需轮胎的数量应该开始更接近实际所需轮胎的数量。
驾驶员的响应也可被用作反馈来确定报告阈值。例如,在上面的示例中,如果当报告了爆胎的可能性为20%时驾驶员中的35%用维护来做出响应,则这可能是用于继续报告的充分阈值。例如,如果数量低于5%并且保持这种方式直到爆胎的可能性超过50%为止(此时采取维护动作的数量增加),则所述处理反而可在50%的标记处选择向驾驶员报告警告。不管怎样,经销商/中心仍可接收数据,这是因为他们可采用后端管理系统并且不像驾驶员那样容易受到过度报告的困扰。当然,如果需要的话,甚至可将事件可能性为1%(或更少)的数据报告给驾驶员。
图5示出了用于经销商报告的说明性处理。在该示例中,在501,所述处理接收客户数据(诸如以上描述的客户数据)。例如,所述处理可接收可能发生故障的部件的标识、故障的可能性以及任何相关的客户信息。在该示例中,在503,所述处理可选择向客户发送通知,所述通知可包括服务的报价以及例如优惠券。在一些情况下,是否联系客户可取决于与客户的观测到的对先前的这种联系的接收和/或实际的故障的可能性。所述处理可考虑的另一个因素将是后期维修与维护维修的成本(例如,更换轮胎的成本可能是相同的,此外,尽管爆胎可能涉及拖曳和时间,或者例如更换发动机组件的成本可能较低,但是如果第一组件出现故障,则可预期更换更加昂贵的组件的成本–针对第二个示例,可在更低的可能性阈值处发送通知,以便避免较高成本的维修)。
在该示例中,在505,客户可选择接受服务的报价,并且如果客户接受所述报价,则在511,经销商知道部件以高得多的可能性被需求,这是因为关于客户将在何处寻求维护的变量上升到约100%。部件是否实际上是否将需要被更换可能仍然存在疑问(这是因为所述推荐是基于统计分析的),但是经销商有更高的需求预期。在511和513,基于库存与需求,在515,经销商系统可确定部件是否应该被自动订购。
如果在505客户不接受维护推荐,则在507,所述处理可记录所报告的事件可能性。在509,后端系统或本地系统可将该数据与针对相关车辆上的部件实际报告事件时的数据进行比较(VIN或客户数据可被存储在初始日志中)。所述比较有助于对数据进行再次调整,并可展示预计的故障率低于预期还是高于预期。
后端系统可使用关联的地理标签来保存状况数据和部件数据两者。例如,状况数据可具有与状况数据关联的地理标签,并且系统可将特定的相关状况与特定的部件号码关联。如果车辆具有所述号码或类型的部件,则车辆可请求相关的状况数据和/或针对该部件关注的地理区域。
在另一个示例中,可能无法识别导致部件退化的地区的特定环境方面的特性。但是可以观测到的是,在特定量的操作时间之后,特定地区内的所有车辆都会以特定速率持续经历特定部件故障。在这种情况下,“变量”将是例如花费在识别的地区中的时间量,其将是车辆追踪的变量。该操作数据可被用于确定部件故障的可能性,而不用具体参照可能是故障的根本原因的实际物理状况。关注的车辆(包括具有故障的阈值可能性的部件)可避开该区域或者至少对避开的成本与在区域中继续操作的成本进行分析。
通过说明性实施例,全面的地理坐标和状况可与部件故障相关,并且该数据可被用于向客户和经销商两者通知预期的问题。
虽然以上描述了示例性实施例,但是这些实施例并不意在描述本发明的所有的可能形式。更确切地,说明书中所使用的词语是描述性词语而非限制性词语,并且应理解的是,可在不脱离本发明的精神和范围的情况下做出各种改变。此外,各种实现的实施例的特征可以以逻辑方式被组合,以产生在此描述的实施例的情境适当的变型。
Claims (15)
1.一种系统,包括:
处理器,被配置为:
接收车辆部件故障的报告以及覆盖至少预定义时间段的车辆行驶历史;
获得与车辆在所述车辆行驶历史期间遇到的环境状况相关的状况数据;
将获得的状况数据与从报告相同部件故障的其它车辆获得的其它状况数据进行比较;
创建针对车辆部件的故障可能性记录,所述故障可能性记录包括与超过次数的阈值百分比发生的状况的相关性以及当车辆遇到状况时的可能的故障的指示,所述次数的阈值百分比与所有获得的与部件故障相关的状况数据有关。
2.如权利要求1所述的系统,其中,车辆行驶历史包括车辆的GPS坐标集合。
3.如权利要求1所述的系统,其中,环境状况包括温度。
4.如权利要求1所述的系统,其中,环境状况包括天气。
5.如权利要求1所述的系统,其中,环境状况包括道路状况。
6.如权利要求1所述的系统,其中,环境状况包括交通状况。
7.如权利要求1所述的系统,其中,可能的故障的指示是基于经历故障和状况两者的车辆与经历状况而未经历故障的车辆的比较的。
8.如权利要求7所述的系统,其中,状况数据包括在状况下的操作时间,并且其中,可能的故障的指示以针对不同数量的操作时间反映不同的值的方式被存储。
9.一种计算机实现的方法,包括:
接收车辆部件故障的报告以及覆盖至少预定义时间段的车辆行驶历史;
将接收到的车辆行驶历史与从报告相同部件故障的其它车辆获得的车辆行驶历史进行比较;
创建针对车辆部件的故障可能性记录,所述故障可能性记录包括与超过阈值百分比的故障报告车辆行驶的预定义地区的地理相关性。
10.如权利要求9所述的方法,其中,地理相关性包括定义预定义地区的一个或更多个GPS坐标集合。
11.如权利要求9所述的方法,其中,地理相关性包括具有识别的边界的预定义地区。
12.如权利要求9所述的方法,其中,故障可能性记录包括基于预计在报告第一次故障和报告最后一次故障期间的时间段内在预定义地区内行驶的车辆的总量的故障的可能性。
13.如权利要求9所述的方法,其中,故障可能性记录包括操作时间指定,所述操作时间指定定义不同的操作时间范围以及与所述操作时间范围关联的故障的可能性,所述故障的可能性基于车辆在相应范围内报告在预定义地区行驶持续多个小时而被确定。
14.如权利要求9所述的方法,其中,处理器还被配置为:将故障可能性记录报告给在计划路线上包括预定义地区的车辆。
15.如权利要求9所述的方法,其中,处理器还被配置为:将故障可能性记录报告给在预定义地区内操作的车辆。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/437,596 | 2017-02-21 | ||
US15/437,596 US11062536B2 (en) | 2017-02-21 | 2017-02-21 | Method and apparatus for statistical vehicle element failure analysis |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108600954A true CN108600954A (zh) | 2018-09-28 |
Family
ID=63045834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810151139.4A Pending CN108600954A (zh) | 2017-02-21 | 2018-02-14 | 用于车辆元件故障统计分析的方法和设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11062536B2 (zh) |
CN (1) | CN108600954A (zh) |
DE (1) | DE102018103683A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110047286A (zh) * | 2019-04-20 | 2019-07-23 | 深圳市元征科技股份有限公司 | 一种车辆事故分析方法及装置 |
CN110992515A (zh) * | 2018-10-02 | 2020-04-10 | 霍尼韦尔国际公司 | 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 |
CN111435557A (zh) * | 2019-01-15 | 2020-07-21 | 卡特彼勒公司 | 用于检测机器部件问题的故障检测装置 |
CN111507484A (zh) * | 2019-01-31 | 2020-08-07 | 北京嘀嘀无限科技发展有限公司 | 一种提示方法、装置、电子设备和存储介质 |
CN114600438A (zh) * | 2019-11-13 | 2022-06-07 | 株式会社自动网络技术研究所 | 车载中继装置及信息处理方法 |
TWI767570B (zh) * | 2021-02-19 | 2022-06-11 | 兆竑智聯股份有限公司 | 設備維運系統及設備維運方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11485394B2 (en) * | 2017-12-21 | 2022-11-01 | Transportation Ip Holdings, Llc | Vehicle flashover detection system |
US20200074761A1 (en) * | 2018-08-31 | 2020-03-05 | Denso Ten Limited | On-vehicle device, data collection system, and data collection apparatus |
JP7331341B2 (ja) * | 2018-09-28 | 2023-08-23 | いすゞ自動車株式会社 | 車両点検管理システム |
US11112252B2 (en) * | 2019-02-14 | 2021-09-07 | Hitachi Ltd. | Sensor fusion for accurate localization |
US12026996B2 (en) * | 2022-04-04 | 2024-07-02 | Ford Global Technologies, Llc | Vehicle data storage activation |
US20230409595A1 (en) * | 2022-06-17 | 2023-12-21 | Palantir Technologies Inc. | Synchronising datasets updates |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102467698A (zh) * | 2010-11-09 | 2012-05-23 | 现代自动车株式会社 | 计划车辆管理系统和方法 |
US20120296567A1 (en) * | 1995-06-07 | 2012-11-22 | American Vehicular Sciences Llc (Frisco, Tx) | Vehicle component control methods and systems |
CN103043057A (zh) * | 2011-10-11 | 2013-04-17 | 现代自动车株式会社 | 基于车辆位置信息的异常驾驶判定和警报系统 |
CN103455026A (zh) * | 2013-08-23 | 2013-12-18 | 王绍兰 | 一种车辆故障诊断和预警方法及装置 |
CN105321228A (zh) * | 2014-07-31 | 2016-02-10 | 福特全球技术公司 | 用于车辆数据采集和分析的方法和装置 |
US20160140776A1 (en) * | 2011-11-16 | 2016-05-19 | Autoconnect Holdings Llc | Communications based on vehicle diagnostics and indications |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080161989A1 (en) * | 1995-06-07 | 2008-07-03 | Automotive Technologies International, Inc. | Vehicle Diagnostic or Prognostic Message Transmission Systems and Methods |
US20020007237A1 (en) * | 2000-06-14 | 2002-01-17 | Phung Tam A. | Method and system for the diagnosis of vehicles |
US20090271066A1 (en) * | 2008-04-23 | 2009-10-29 | Underdal Olav M | Diagnostic data mining |
US9047722B2 (en) | 2013-10-03 | 2015-06-02 | GM Global Technology Operations LLC | Vehicle location and fault diagnostic systems and methods |
US9751521B2 (en) | 2014-04-17 | 2017-09-05 | Palo Alto Research Center Incorporated | Control system for hybrid vehicles with high degree of hybridization |
US20160163130A1 (en) | 2014-12-08 | 2016-06-09 | Ford Global Technologies, Llc | Method and Apparatus for Connected Vehicle System Wear Estimation and Maintenance Scheduling |
US11482100B2 (en) * | 2015-03-28 | 2022-10-25 | Intel Corporation | Technologies for detection of anomalies in vehicle traffic patterns |
WO2017023898A1 (en) * | 2015-08-03 | 2017-02-09 | Cummins, Inc. | Systems and methods of energy management and control of an electrified powertrain |
JP2018037006A (ja) * | 2016-09-02 | 2018-03-08 | ルネサスエレクトロニクス株式会社 | 半導体製品品質管理システム、半導体製品品質管理方法、および自動車 |
-
2017
- 2017-02-21 US US15/437,596 patent/US11062536B2/en active Active
-
2018
- 2018-02-14 CN CN201810151139.4A patent/CN108600954A/zh active Pending
- 2018-02-19 DE DE102018103683.3A patent/DE102018103683A1/de active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120296567A1 (en) * | 1995-06-07 | 2012-11-22 | American Vehicular Sciences Llc (Frisco, Tx) | Vehicle component control methods and systems |
CN102467698A (zh) * | 2010-11-09 | 2012-05-23 | 现代自动车株式会社 | 计划车辆管理系统和方法 |
CN103043057A (zh) * | 2011-10-11 | 2013-04-17 | 现代自动车株式会社 | 基于车辆位置信息的异常驾驶判定和警报系统 |
US20160140776A1 (en) * | 2011-11-16 | 2016-05-19 | Autoconnect Holdings Llc | Communications based on vehicle diagnostics and indications |
CN103455026A (zh) * | 2013-08-23 | 2013-12-18 | 王绍兰 | 一种车辆故障诊断和预警方法及装置 |
CN105321228A (zh) * | 2014-07-31 | 2016-02-10 | 福特全球技术公司 | 用于车辆数据采集和分析的方法和装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992515A (zh) * | 2018-10-02 | 2020-04-10 | 霍尼韦尔国际公司 | 使用加速失效时间模型来预测部件的剩余使用寿命的方法和系统 |
US11681929B2 (en) | 2018-10-02 | 2023-06-20 | Honeywell International Inc. | Methods and systems for predicting a remaining useful life of a component using an accelerated failure time model |
CN111435557A (zh) * | 2019-01-15 | 2020-07-21 | 卡特彼勒公司 | 用于检测机器部件问题的故障检测装置 |
CN111507484A (zh) * | 2019-01-31 | 2020-08-07 | 北京嘀嘀无限科技发展有限公司 | 一种提示方法、装置、电子设备和存储介质 |
CN111507484B (zh) * | 2019-01-31 | 2024-02-09 | 北京骑胜科技有限公司 | 一种提示方法、装置、电子设备和存储介质 |
CN110047286A (zh) * | 2019-04-20 | 2019-07-23 | 深圳市元征科技股份有限公司 | 一种车辆事故分析方法及装置 |
CN114600438A (zh) * | 2019-11-13 | 2022-06-07 | 株式会社自动网络技术研究所 | 车载中继装置及信息处理方法 |
TWI767570B (zh) * | 2021-02-19 | 2022-06-11 | 兆竑智聯股份有限公司 | 設備維運系統及設備維運方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102018103683A1 (de) | 2018-08-23 |
US20180240290A1 (en) | 2018-08-23 |
US11062536B2 (en) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108600954A (zh) | 用于车辆元件故障统计分析的方法和设备 | |
El-Wakeel et al. | Towards a practical crowdsensing system for road surface conditions monitoring | |
CN106023586B (zh) | 用于检测车辆交通模式中的异常的方法和装置 | |
US10037695B2 (en) | Personalized route indices via crowd-sourced data | |
CN105389976A (zh) | 用于道路风险指数产生的方法和设备 | |
US20190101914A1 (en) | Data Processing System with Machine Learning Engine for Providing Driving Data Analysis and Vehicle Control Functions | |
US10605615B2 (en) | Vehicle routing and notifications based on characteristics | |
US20200184591A1 (en) | System and Methods for Analyzing Roadside Assistance Service of Vehicles in Real Time | |
JP2022058543A (ja) | 幹線道路の保守のための光ファイバセンシング | |
US11692836B2 (en) | Vehicle safely calculator | |
US10894547B2 (en) | Method, apparatus, and system for assessing safety and comfort systems of a vehicle | |
CN108074396A (zh) | 安全行驶评价方法及系统 | |
CN105667462A (zh) | 连接的车辆系统的磨损估计与保养计划的方法和设备 | |
CN108665580B (zh) | 用于车辆系统磨损预测的方法和设备 | |
US11125556B2 (en) | Method and system for monitoring and assessing road conditions | |
CN111009119A (zh) | 用于车辆调谐的道路评估和建议的方法和设备 | |
US20160035145A1 (en) | Method and Apparatus for Vehicle Data Gathering and Analysis | |
CN113792782A (zh) | 运营车辆的轨迹监测方法、装置、存储介质及计算机设备 | |
US20230177892A1 (en) | Systems And Methods Of Determining Effectiveness Of Vehicle Safety Features | |
CN109017627A (zh) | 用于改进车辆保养计划的方法和设备 | |
US11726221B2 (en) | Systems and methods for identifying deployed cables | |
JP4521695B2 (ja) | リンク旅行時間推定装置、プログラム及び方法 | |
US20240110800A1 (en) | Wear mitigation routing platform | |
CN113689589B (zh) | 一种基于无人机的电缆线路巡视方法及装置 | |
IT202100005729U1 (it) | Sistema di supporto alla preventivazione e alla stipula di polizze assicurative |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |
|
RJ01 | Rejection of invention patent application after publication |