CN112070382A - 基于大数据的车辆离线风控管理方法 - Google Patents
基于大数据的车辆离线风控管理方法 Download PDFInfo
- Publication number
- CN112070382A CN112070382A CN202010896159.1A CN202010896159A CN112070382A CN 112070382 A CN112070382 A CN 112070382A CN 202010896159 A CN202010896159 A CN 202010896159A CN 112070382 A CN112070382 A CN 112070382A
- Authority
- CN
- China
- Prior art keywords
- offline
- vehicle
- equipment
- risk
- data
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Emergency Alarm Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于大数据的车辆离线风控管理方法，通过对车辆内的各类有线或无线设备实时产生的车辆离线风险数据进行分析识别，排除其中形成假性离线、安全问题导致离线及亏电过期导致离线的车辆离线风险数据，剩余的车辆离线风险数据与预设车辆离线风险库中存储的高风险情况对应的信号类型组合进行对比，对车辆是否出现高风险情况进行判定，并在判定高风险时，对车辆无线设备的模式及信息上传频率进行调整，以对车辆的实际情况进行判断，及时脱离离线风险。通过本发明，能够在风险判别时减少手动操作的滞后性，增加预警及时性，为后续汽车金融方的找车场景需求提供更精准更及时的定位点，减少人工判断时间，增加便捷度。
Description
技术领域
本发明涉及车辆安全技术领域，更具体地说，涉及一种基于大数据的车辆离线风控管理方法、计算机设备及存储介质。
背景技术
目前汽车金融公司在进行融资租赁业务时，都会使用北斗/GPS硬件定位设备来进行车辆的监控和管理。汽车金融风控领域，车辆风险分析已相对成熟，却未从物联网硬件与平台结合的角度去影响硬件，风控的行为基于平台分析或人工判断触发，缺少智能联动。
发明内容
本发明要解决的技术问题在于，针对现有技术的缺陷，提供一种基于大数据的车辆离线风控管理方法、计算机设备及存储介质。
本发明解决其技术问题所采用的技术方案是：构造一种基于大数据的车辆离线风控管理方法，包括：
实时或定时接收车辆GPS定位设备传输的车辆离线风险数据；其中，所述车辆离线风险数据通过车辆自身传感器对车辆实时监测产生；
解析所述车辆离线风险数据中的离线信号、安装信号及亏电过期信号，过滤车辆自身设备问题导致的离线风险；
预设车辆离线风险库，所述车辆离线风险库中存储高风险情况对应的信号类型组合；
识别过滤车辆自身设备问题导致的离线风险后的车辆离线风险数据类型，与预设车辆离线风险库中的信号类型组合比较，若实时的车辆离线风险数据中包含的信号类型与所述车辆离线风险库中高风险情况对应的信号类型组合其中一者相同，则判定车辆当前为高风险状况，并对对应车辆的数据上传方式进行调整。
其中，车辆离线风险数据至少包括：离线地点定位数据、离线接电信息、设备接线故障信息、设备接电信息、安装位置故障信息、设备亏电信息、设备到期信息及在线设备的各类传感器警报信息。
其中，在解析所述车辆离线风险数据中的离线信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收的车辆离线风险数据中包含离线地点定位数据，对所述离线地点定位数据进行分析识别，如果是通勤常驻点离线或平台聚集性同一地点的离线，则判定为假性离线表现；
若接收到的车辆离线风险数据中包含离线接电信息，对所述离线接电信息进行分析识别，如果离线接电信息来自车辆内部的有线设备，且历史电压值大于等于20V，说明是未接长电的问题，判定为假性离线表现。
其中，在解析所述车辆离线风险数据中的安装信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备接线故障信息，对所述设备接线故障信息进行分析识别，如果信息来自有线设备，对应有线设备在指定时间间隔内出现断电报警的情况，且报警时车辆处于运动状态，则说明是安装问题导致的离线风险；
若接收到的车辆离线风险数据中包含设备接电信息，对所述设备接电信息进行分析识别，如果信息来自有线设备，对应有线设备在在指定时间间隔内出现断电报警的情况，且单日报警次数超过设定次数，同时历史电压最高值小于等于15V，则说明是安装问题导致的离线风险；
若接收到的车辆离线风险数据中包含安装位置故障信息，对所述安装位置故障信息进行分析识别，如果信息来自无线设备，对应无线设备在单日内光感报警时间跨度大于第二预设时间间隔，则说明是安装问题导致的离线风险。
其中，在解析所述车辆离线风险数据中的亏电过期信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备亏电信息，对所述设备亏电信息进行分析识别，若信息来自无线设备，且所述无线设备的电量为0，或者信息来自有线设备，且对应有线设备出现过低电报警的情况，同时该有线设备的电量为0，则说明是亏电导致的离线风险；
若接收到的车辆离线风险数据中包含设备到期信息，对所述设备过期信息进行分析识别，判断过期原因是卡过期或设备过期，判定为亏电过期信息导致的离线风险。
其中，测量在线设备的各类传感器警报信息的传感器类型至少包括：监测设备是否分离的传感器、监测翻转的传感器、监测断电的传感器、监测电量的传感器及监测风险点的传感器。
其中，若检测设备分离的传感器产生感应信号的前提下，其余监测传感器中的至少一者产生感应信号时，判定产生离线风险。
其中，在判定产生离线风险后，将车辆的无线设备的运行模式调整为追车模式，同时加快相应无线设备的信号上传频率。
此外，本发明构建了一种计算机设备，包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如前述技术方案所述的基于大数据的车辆离线风控管理方法中的步骤。
此外本发明构建了一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如前述技术方案所述的基于大数据的车辆离线风控管理方法中的步骤。
本发明的基于大数据的车辆离线风控管理方法，通过对车辆内的各类有线或无线设备实时产生的车辆离线风险数据进行分析识别，排除其中形成假性离线、安全问题导致离线及亏电过期导致离线的车辆离线风险数据，剩余的车辆离线风险数据与预设车辆离线风险库中存储的高风险情况对应的信号类型组合进行对比，对车辆是否出现高风险情况进行判定，并在判定高风险时，对车辆无线设备的模式及信息上传频率进行调整，以对车辆的实际情况进行判断，及时脱离离线风险。通过本发明，能够在风险判别时减少手动操作的滞后性，增加预警及时性，为后续汽车金融方的找车场景需求提供更精准更及时的定位点，减少人工判断时间，增加便捷度。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的基于大数据的车辆离线风控管理方法的结构示意图。
图2是本发明提供的基于大数据的车辆安全监控方法中的计算机设备的结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
如图1所示，本发明提供了一种基于大数据的车辆离线风控管理方法，包括：
实时或定时接收车辆GPS定位设备传输的车辆离线风险数据；其中，所述车辆离线风险数据通过车辆自身传感器对车辆实时监测产生；
解析所述车辆离线风险数据中的离线信号、安装信号及亏电过期信号，过滤车辆自身设备问题导致的离线风险；
预设车辆离线风险库，所述车辆离线风险库中存储高风险情况对应的信号类型组合；
识别过滤车辆自身设备问题导致的离线风险后的车辆离线风险数据类型，与预设车辆离线风险库中的信号类型组合比较，若实时的车辆离线风险数据中包含的信号类型与所述车辆离线风险库中高风险情况对应的信号类型组合其中一者相同，则判定车辆当前为高风险状况，并对对应车辆的数据上传方式进行调整。
其中，车辆离线风险数据至少包括：离线地点定位数据、离线接电信息、设备接线故障信息、设备接电信息、安装位置故障信息、设备亏电信息、设备到期信息及在线设备的各类传感器警报信息。
其中，在解析所述车辆离线风险数据中的离线信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收的车辆离线风险数据中包含离线地点定位数据，对所述离线地点定位数据进行分析识别，如果是通勤常驻点离线或平台聚集性同一地点的离线，则判定为假性离线表现；
若接收到的车辆离线风险数据中包含离线接电信息，对所述离线接电信息进行分析识别，如果离线接电信息来自车辆内部的有线设备，且历史电压值大于等于20V，说明是未接长电的问题，判定为假性离线表现。
其中，在解析所述车辆离线风险数据中的安装信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备接线故障信息，对所述设备接线故障信息进行分析识别，如果信息来自有线设备，对应有线设备在指定时间间隔内出现断电报警的情况，且报警时车辆处于运动状态，则说明是安装问题导致的离线风险；指定时间间隔设定为3天。
若接收到的车辆离线风险数据中包含设备接电信息，对所述设备接电信息进行分析识别，如果信息来自有线设备，对应有线设备在在指定时间间隔内出现断电报警的情况，且单日报警次数超过设定次数，同时历史电压最高值小于等于15V，则说明是安装问题导致的离线风险；预设次数设定为3次。
若接收到的车辆离线风险数据中包含安装位置故障信息，对所述安装位置故障信息进行分析识别，如果信息来自无线设备，对应无线设备在单日内光感报警时间跨度大于第二预设时间间隔，则说明是安装问题导致的离线风险。第二预设时间间隔设定为3天。
其中，在解析所述车辆离线风险数据中的亏电过期信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备亏电信息，对所述设备亏电信息进行分析识别，若信息来自无线设备，且所述无线设备的电量为0，或者信息来自有线设备，且对应有线设备出现过低电报警的情况，同时该有线设备的电量为0，则说明是亏电导致的离线风险；
若接收到的车辆离线风险数据中包含设备到期信息，对所述设备过期信息进行分析识别，判断过期原因是卡过期或设备过期，判定为亏电过期信息导致的离线风险。
其中，测量在线设备的各类传感器警报信息的传感器类型至少包括：监测设备是否分离的传感器、监测翻转的传感器、监测断电的传感器、监测电量的传感器及监测风险点的传感器。
其中，若检测设备分离的传感器产生感应信号的前提下，其余监测传感器中的至少一者产生感应信号时，判定产生离线风险。
具体的，高风险情况对应的信号类型组合包括如下情况：
存在在线设备+设备分离报警+翻转报警；
存在在线设备+设备分离报警+翻转报警；
存在在线设备+设备分离报警+断电报警；
存在在线设备+设备分离报警+低电报警；
存在在线设备+设备分离报警+风险点报警；
存在在线设备+设备分离报警+翻转报警+断电报警；
存在在线设备+设备分离报警+翻转报警+低电报警；
存在在线设备+设备分离报警+翻转报警+风险点报警；
存在在线设备+设备分离报警+低电报警+断电报警；
存在在线设备+设备分离报警+断电报警+风险点报警；
存在在线设备+设备分离报警+低电报警+风险点报警；
存在在线设备+设备分离报警+低电报警+断电报警+翻转报警；
存在在线设备+设备分离报警+断电报警+翻转报警+风险点报警；
存在在线设备+设备分离报警+低电报警+翻转报警+风险点报警；
存在在线设备+设备分离报警+断电报警+低电报警+翻转报警+风险点报警；
若实时的车辆离线风险数据的数据类型组合为上述方式中的一种，则判定离线风险。在判定产生离线风险后，将车辆的无线设备的运行模式调整为追车模式，同时加快相应无线设备的信号上传频率。
此外，本发明提供了一种计算机设备1，包括存储介质11和处理器12，存储介质11中存储有计算机可读指令111，计算机可读指令111被一个或多个处理器12执行时，使得一个或多个处理器12执行如前述技术方案基于大数据分析的在线找车方法的步骤。
如图2所示，本发明提供了一种存储介质11，存储介质11可被处理器12读写，存储介质11存储有计算机指令111，计算机可读指令111被一个或多个处理器12执行时，使得一个或多个处理器12执行如前述技术方案基于大数据分析的在线找车方法的步骤。
本发明的基于大数据的车辆离线风控管理方法，通过对车辆行驶过程中的车辆驾驶环境及车辆驾驶行为进行监控，通过实时的对比判断，在判定车辆驾驶环境和、或车辆驾驶行为发生变化，达到预设的情况时，对车辆的警报系统进行调整，以使警报系统的灵敏度达到当前所处车辆驾驶环境和、或车辆驾驶行为时所需的程度。通过本发明，能够减少手动调整灵敏度的滞后性，提高驾驶安全风险监控的关注及时性，提升主动防控的能力。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (10)
1.一种基于大数据的车辆离线风控管理方法，其特征在于，包括：
实时或定时接收车辆GPS定位设备传输的车辆离线风险数据；其中，所述车辆离线风险数据通过车辆自身传感器对车辆实时监测产生；
解析所述车辆离线风险数据中的离线信号、安装信号及亏电过期信号，过滤车辆自身设备问题导致的离线风险；
预设车辆离线风险库，所述车辆离线风险库中存储高风险情况对应的信号类型组合；
识别过滤车辆自身设备问题导致的离线风险后的车辆离线风险数据类型，与预设车辆离线风险库中的信号类型组合比较，若实时的车辆离线风险数据中包含的信号类型与所述车辆离线风险库中高风险情况对应的信号类型组合其中一者相同，则判定车辆当前为高风险状况，并对对应车辆的数据上传方式进行调整。
2.根据权利要求1所述的基于大数据的车辆离线风控管理方法，其特征在于，所述车辆离线风险数据至少包括：离线地点定位数据、离线接电信息、设备接线故障信息、设备接电信息、安装位置故障信息、设备亏电信息、设备到期信息及在线设备的各类传感器警报信息。
3.根据权利要求2所述的基于大数据的车辆离线风控管理方法，其特征在于，在解析所述车辆离线风险数据中的离线信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收的车辆离线风险数据中包含离线地点定位数据，对所述离线地点定位数据进行分析识别，如果是通勤常驻点离线或平台聚集性同一地点的离线，则判定为假性离线表现；
若接收到的车辆离线风险数据中包含离线接电信息，对所述离线接电信息进行分析识别，如果离线接电信息来自车辆内部的有线设备，且历史电压值大于等于20V，说明是未接长电的问题，判定为假性离线表现。
4.根据权利要求2所述的基于大数据的车辆离线风控管理方法，其特征在于，在解析所述车辆离线风险数据中的安装信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备接线故障信息，对所述设备接线故障信息进行分析识别，如果信息来自有线设备，对应有线设备在指定时间间隔内出现断电报警的情况，且报警时车辆处于运动状态，则说明是安装问题导致的离线风险；
若接收到的车辆离线风险数据中包含设备接电信息，对所述设备接电信息进行分析识别，如果信息来自有线设备，对应有线设备在在指定时间间隔内出现断电报警的情况，且单日报警次数超过设定次数，同时历史电压最高值小于等于15V，则说明是安装问题导致的离线风险；
若接收到的车辆离线风险数据中包含安装位置故障信息，对所述安装位置故障信息进行分析识别，如果信息来自无线设备，对应无线设备在单日内光感报警时间跨度大于第二预设时间间隔，则说明是安装问题导致的离线风险。
5.根据权利要求2所述的基于大数据的车辆离线风控管理方法，其特征在于，在解析所述车辆离线风险数据中的亏电过期信号，过滤车辆自身设备问题导致的离线风险的步骤中，
若接收到的车辆离线风险数据中包含设备亏电信息，对所述设备亏电信息进行分析识别，若信息来自无线设备，且所述无线设备的电量为0，或者信息来自有线设备，且对应有线设备出现过低电报警的情况，同时该有线设备的电量为0，则说明是亏电导致的离线风险；
若接收到的车辆离线风险数据中包含设备到期信息，对所述设备过期信息进行分析识别，判断过期原因是卡过期或设备过期，判定为亏电过期信息导致的离线风险。
6.根据权利要求2所述的基于大数据的车辆离线风控管理方法，其特征在于，所述测量在线设备的各类传感器警报信息的传感器类型至少包括：监测设备是否分离的传感器、监测翻转的传感器、监测断电的传感器、监测电量的传感器及监测风险点的传感器。
7.根据权利要求6所述的基于大数据的车辆离线风控管理方法，其特征在于，若检测设备分离的传感器产生感应信号的前提下，其余监测传感器中的至少一者产生感应信号时，判定产生离线风险。
8.根据权利要求7所述的基于大数据的车辆离线风控管理方法，其特征在于，在判定产生离线风险后，将车辆的无线设备的运行模式调整为追车模式，同时加快相应无线设备的信号上传频率。
9.一种计算机设备，其特征在于，包括输入输出单元、存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至8中的任一所述的基于大数据的车辆离线风控管理方法中的步骤。
10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至8中的任一所述的基于大数据的车辆离线风控管理方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010896159.1A CN112070382B (zh) | 2020-08-31 | 2020-08-31 | 基于大数据的车辆离线风控管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010896159.1A CN112070382B (zh) | 2020-08-31 | 2020-08-31 | 基于大数据的车辆离线风控管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112070382A true CN112070382A (zh) | 2020-12-11 |
| CN112070382B CN112070382B (zh) | 2021-07-23 |
Family
ID=73665933
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010896159.1A Active CN112070382B (zh) | 2020-08-31 | 2020-08-31 | 基于大数据的车辆离线风控管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112070382B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113377086A (zh) * | 2021-06-29 | 2021-09-10 | 重庆长安汽车股份有限公司 | 一种车辆亏电预警方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204066391U (zh) * | 2014-08-26 | 2014-12-31 | 太仓航创自动化科技有限公司 | 一种基于无线通讯技术的远程汽车行驶姿态检测系统 |
| CN105509751A (zh) * | 2015-11-30 | 2016-04-20 | 无锡坦程物联网科技有限公司 | 基于多车载定位终端识别车辆离线原因的系统及方法 |
| CN108650117A (zh) * | 2018-04-19 | 2018-10-12 | 吉旗（成都）科技有限公司 | 一种排查物联网终端设备离线原因的方法 |
| US20190102840A1 (en) * | 2017-09-06 | 2019-04-04 | Swiss Reinsurance Company Ltd. | Electronic System for Dynamic, Quasi-Realtime Measuring and Identifying Driver Maneuvers Solely Based on Mobile Phone Telemetry, and a Corresponding Method Thereof |
| CN109738745A (zh) * | 2019-01-24 | 2019-05-10 | 深圳华云网科技有限公司 | 一种自动分析离线报警原因的方法 |
| CN111325969A (zh) * | 2018-12-14 | 2020-06-23 | 中国电子科技集团公司电子科学研究院 | 基于大数据分析技术的车辆安全监管系统 |
-
2020
- 2020-08-31 CN CN202010896159.1A patent/CN112070382B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN204066391U (zh) * | 2014-08-26 | 2014-12-31 | 太仓航创自动化科技有限公司 | 一种基于无线通讯技术的远程汽车行驶姿态检测系统 |
| CN105509751A (zh) * | 2015-11-30 | 2016-04-20 | 无锡坦程物联网科技有限公司 | 基于多车载定位终端识别车辆离线原因的系统及方法 |
| US20190102840A1 (en) * | 2017-09-06 | 2019-04-04 | Swiss Reinsurance Company Ltd. | Electronic System for Dynamic, Quasi-Realtime Measuring and Identifying Driver Maneuvers Solely Based on Mobile Phone Telemetry, and a Corresponding Method Thereof |
| CN108650117A (zh) * | 2018-04-19 | 2018-10-12 | 吉旗（成都）科技有限公司 | 一种排查物联网终端设备离线原因的方法 |
| CN111325969A (zh) * | 2018-12-14 | 2020-06-23 | 中国电子科技集团公司电子科学研究院 | 基于大数据分析技术的车辆安全监管系统 |
| CN109738745A (zh) * | 2019-01-24 | 2019-05-10 | 深圳华云网科技有限公司 | 一种自动分析离线报警原因的方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113377086A (zh) * | 2021-06-29 | 2021-09-10 | 重庆长安汽车股份有限公司 | 一种车辆亏电预警方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112070382B (zh) | 2021-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7788003B2 (en) | Remote troubleshooting system | |
| JP2004272375A (ja) | 遠隔故障予測システム | |
| US11120645B2 (en) | System for remotely monitoring an autonomous vehicle and method using the same | |
| CN209103148U (zh) | 一种车辆试验过程监控系统 | |
| CN106593645B (zh) | 一种车载节气门积碳监测系统 | |
| US20200090425A1 (en) | Using vehicle electrical system monitored values | |
| CN112070382B (zh) | 基于大数据的车辆离线风控管理方法 | |
| KR102169791B1 (ko) | 철도차량 주요부품 및 시스템 진단장치 | |
| CN109094574B (zh) | 一种基于台架的无人车驾驶状态测量控制系统 | |
| CN117249913B (zh) | 一种汽车轮毂轴承温度监测报警系统 | |
| CN114200334A (zh) | 一种蓄电池预警方法、装置、车辆及介质 | |
| CN113516798B (zh) | 一种调表车判断方法和装置 | |
| CN112148775B (zh) | 一种基于大数据的共享汽车车辆安全管理方法 | |
| CN109263650A (zh) | 识别人工介入的方法、装置及交通工具 | |
| CN112131279A (zh) | 基于大数据的汽车数据管理方法、计算机设备及存储介质 | |
| CN110450788B (zh) | 一种驾驶模式切换方法、装置、设备及存储介质 | |
| CN112319550A (zh) | 一种基于列车初上电的故障诊断方法、系统、装置及列车 | |
| CN115307916A (zh) | 一种基于工业物联网的汽车发动机故障预警系统 | |
| CN114858480A (zh) | 应用于车辆中的部件故障预警方法、装置、设备及介质 | |
| CN114091730A (zh) | 车辆状态监测方法、系统、电子设备和存储介质 | |
| CN111275847B (zh) | 一种调表车检测方法和装置 | |
| CN111983649B (zh) | 一种基于自动化分析的车辆gps设备离线表现预测方法 | |
| CN111882382A (zh) | 基于数据和风险关联模型的共享汽车数据存储管理方法 | |
| CN113492796A (zh) | 一种汽车金融风控方法及装置 | |
| CN103324123B (zh) | 基于嵌入式系统的车载数据预处理方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |