CN113423063A - 基于车载t-box的车辆监控方法、装置、车辆及介质 - Google Patents
基于车载t-box的车辆监控方法、装置、车辆及介质 Download PDFInfo
- Publication number
- CN113423063A CN113423063A CN202110654534.6A CN202110654534A CN113423063A CN 113423063 A CN113423063 A CN 113423063A CN 202110654534 A CN202110654534 A CN 202110654534A CN 113423063 A CN113423063 A CN 113423063A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- electronic fence
- box
- monitored
- current position
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012806 monitoring device Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
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
-
- 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]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/60—Subscription-based services using application servers or record carriers, e.g. SIM application toolkits
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种基于车载T‑BOX的车辆监控方法、装置、车辆及存储介质，其中，方法包括：获取车载T‑BOX采集的被监控车辆的实际车辆数据；根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏；在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息。由此，解决了通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用等问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
Description
技术领域
本申请涉及车辆位置及风险监控技术领域，特别涉及一种基于车载T-BOX的车辆监控方法、装置、车辆及介质。
背景技术
在汽车销售过程中，银行及汽车金融公司作为车辆批售、零售环节的主要资金借贷方，往往出现车辆销售信息不对称、经销商资金占用、库存盘点耗时耗力且不具时效、零售贷后车辆信息缺失、车辆风险出现时不具优先控制权及处置权等，对于银行及汽车金融公司的业务发展造成一定的影响，因此，实时掌握车辆实时位置与风险信息，更快速、更及时掌握车辆控制权与业务主动权是十分重要的
相关技术中，一般通过加装前置传感器，对车辆进行全面、精确、大量信息的实时联网监控，对车辆群进行联网科学化管理和协调，提高车辆安全检测等，侧重于车辆性能安全状态监测且需加装大量的前置传感器用于实时信息采集。
然而，通过加装前置传感器的方式成本较高，对于大批量的批售、零售贷后车辆的管理不切实用，亟待解决。
申请内容
本申请提供一种基于车载T-BOX(Telematics BOX，车载T-BOX)的车辆监控方法、装置、车辆及介质，以解决通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用等问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
本申请第一方面实施例提供一种基于车载T-BOX的车辆监控方法，包括以下步骤：
获取车载T-BOX采集的被监控车辆的实际车辆数据；
根据监控者的业务需求生成与所述被监控车辆约定的电子围栏，根据所述实际车辆数据定位所述被监控车辆的当前位置，并检测所述当前位置是否离开所述电子围栏；以及
在检测到离开所述电子围栏后，根据所述当前位置与所述电子围栏之间的实际距离、离开所述电子围栏的持续时长、所述当前位置与预设风险区域间的的位置关系生成所述被监控车辆的风险信息。
可选地，在获取所述车载T-BOX采集的被监控车辆的实际车辆数据之前，还包括：
获取物联网卡的实际剩余流量；
在所述实际剩余流量小于预设流量时，对所述物联网卡进行流量充值。
可选地，还包括：
判断当前监控时刻是否达到结算条件；
若达到所述结算条件，结算所述物联网卡的实际使用流量的费用。
可选地，还包括：
获取所述被监控车辆的行驶轨迹；
根据所述行驶轨迹分析关系特征和/或时间特征，补充所述被监控车辆的风险信息。
可选地，还包括：
根据所述风险信息生成风险预警提示；
在显示所述风险预警提示的同时，推送所述被监控车辆的当前位置。
可选地，还包括：
每隔预设时长或者在接收到更新指令后，获取风险模型的更新信息；
利用所述更新信息更新所述风险模型。
本申请第二方面实施例提供一种基于车载T-BOX的车辆监控装置，包括：
第一获取模块，用于获取车载T-BOX采集的被监控车辆的实际车辆数据；
检测模块，用于根据监控者的业务需求生成与所述被监控车辆约定的电子围栏，根据所述实际车辆数据定位所述被监控车辆的当前位置，并检测所述当前位置是否离开所述电子围栏；以及
第一生成模块，用于在检测到离开所述电子围栏后，根据所述当前位置与所述电子围栏之间的实际距离、离开所述电子围栏的持续时长、所述当前位置与预设风险区域间的的位置关系生成所述被监控车辆的风险信息。
可选地，在获取所述车载T-BOX采集的被监控车辆的实际车辆数据之前，所述第一获取模块还用于：
获取物联网卡的实际剩余流量；
在所述实际剩余流量小于预设流量时，对所述物联网卡进行流量充值。
可选地，上述的基于车载T-BOX的车辆监控装置，还包括：
判断模块，用于判断当前监控时刻是否达到结算条件；
结算模块，用于若达到所述结算条件，结算所述物联网卡的实际使用流量的费用。
可选地，上述的基于车载T-BOX的车辆监控装置，还包括：
第二获取模块，用于获取所述被监控车辆的行驶轨迹；
补充模块，用于根据所述行驶轨迹分析关系特征和/或时间特征，补充所述被监控车辆的风险信息。
可选地，上述的基于车载T-BOX的车辆监控装置，还包括：
第二生成模块，用于根据所述风险信息生成风险预警提示；
推送模块，用于在显示所述风险预警提示的同时，推送所述被监控车辆的当前位置。
可选地，上述的基于车载T-BOX的车辆监控装置，还包括：
第三获取模块，用于每隔预设时长或者在接收到更新指令后，获取风险模型的更新信息；
更新模块，用于利用所述更新信息更新所述风险模型。
本申请第三方面实施例提供一种车辆，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行如上述实施例所述的基于车载T-BOX的车辆监控方法。
本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令用于使所述计算机执行如上述实施例所述的基于车载T-BOX的车辆监控方法。
由此，可以获取车载T-BOX采集的被监控车辆的实际车辆数据，并根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏，并在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息，解决了相关技术中通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用的问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请实施例提供的一种基于车载T-BOX的车辆监控方法的流程图；
图2为根据本申请一个实施例的基于车载T-BOX的车辆监控方法的流程图；
图3为根据本申请另一个实施例的基于车载T-BOX的车辆监控方法的流程图；
图4为根据本申请一个实施例的用于风险决策的决策引擎架构示意图；
图5为根据本申请一个实施例的基于T-BOX的车辆实时位置与风险监控的系统架构示意图；
图6为根据本申请实施例的基于车载T-BOX的车辆监控装置的方框示例图；
图7为申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于车载T-BOX的车辆监控方法、装置、车辆及介质。针对上述背景技术中心提到的通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用的问题，本申请提供了一种基于车载T-BOX的车辆监控方法，在该方法中，可以获取车载T-BOX采集的被监控车辆的实际车辆数据，并根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏，并在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息，解决了相关技术中通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用的问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
具体而言，图1为本申请实施例所提供的一种基于车载T-BOX的车辆监控方法的流程示意图。
如图1所示，该基于车载T-BOX的车辆监控方法包括以下步骤：
在步骤S101中，获取车载T-BOX采集的被监控车辆的实际车辆数据。
应当理解的是，被监控车辆的实际车辆数据可以包括车辆的地理信息、行驶信息和车辆信息等，实现车辆实时在线。
可选地，在一些实施例中，在获取车载T-BOX采集的被监控车辆的实际车辆数据之前，还包括：获取物联网卡的实际剩余流量；在实际剩余流量小于预设流量时，对物联网卡进行流量充值。
具体而言，本申请实施例可以打通相应的物联网流量充值系统，实时监测车辆SIM卡状态及流量使用情况，建立一种自动充值与结算机制，从而可以在获取到物联网卡的实际剩余流量小于一定流量时，对物联网卡进行流量充值。
在步骤S102中，根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏。
也就是说，本申请实施例可以结合经销商、网点、黑白灰区域信息等，根据业务需求划定圆形、矩形、行政区域等形式的电子围栏；并且接入外部地理数据源，进行车辆位置及相应电子围栏监控，监控内容包括车辆的实时位置、是否入栏、是否出栏、出栏时长、出栏距离、是否涉及风险区域行驶、行驶轨迹中涉及的POI(Point of Interesting，兴趣点)信息等，对实时信息进行关系抽取、事件搜索。
在步骤S103中，在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息。
具体而言，本申请实施例可以通过通过实时监控信息及风险模型预判结果进行库存统计、实时位置推送、风险预警等，并搭载标准化流程化的风控引擎，支持定期或不定期的模型或规则的更新迭代与基础信息维护。
可选地，在一些实施例中，上述的基于车载T-BOX的车辆监控方法，还包括：判断当前监控时刻是否达到结算条件；若达到结算条件，结算物联网卡的实际使用流量的费用。
应当理解的是，本申请实施例可以根据业务需求变更判断当前监控时刻是否达到结算条件，例如，当该车辆在银行的贷款已经审批成功，判断当前监控时刻达到结算条件，当达到结算条件后，由于无需继续监控该车辆，因此，即可结算物联网卡的实际使用流量的费用，十分简单便捷。
可选地，在一些实施例中，上述的基于车载T-BOX的车辆监控方法，还包括：获取被监控车辆的行驶轨迹；根据行驶轨迹分析关系特征和/或时间特征，补充被监控车辆的风险信息。
具体而言，车辆的行驶轨迹可以通过地图进行获取，本申请实施例可以对行驶轨迹进行关系抽取、事件搜索(如搭建事件搜索系统，以重点的车辆、地标、区域作为索引关键词进行事件的抽取，并判别是否存在风险链条)，从而补充被监控车辆的风险信息。
进一步地，在一些实施例中，上述的基于车载T-BOX的车辆监控方法，还包括：根据风险信息生成风险预警提示；在显示风险预警提示的同时，推送被监控车辆的当前位置。
应当理解的是，当存在风险信息时，本申请实施例可以根据该风险信息生成对应的风险预警提示，并且为了确定被监控车辆的当前位置，本申请实施例还可以获取被监控车辆的当前位置。
需要说明的是，风险预警提示可以由本领域技术人员进行设定，例如，可以对风险预警提示设置多个等级，根据不同等级进行不同的风险预警。
可选地，在一些实施例中，上述的基于车载T-BOX的车辆监控方法，还包括：每隔预设时长或者在接收到更新指令后，获取风险模型的更新信息；利用更新信息更新风险模型。
具体地，预设时长可以是用户预先设定的时长，可以是通过有限次实验获取的时长，也可以是通过有限次计算机仿真得到的时长。并且，本申请实施例通过更新信息更新风险模型，及时、有效的实时位置监控。
为使得本领域技术人员进一步了解本申请实施例的基于车载T-BOX的车辆监控方法，下面结合具体实施例进行详细阐述。
如图2所示，本申请实施例可以在车辆库存统计的实施例中，在基础数据维护模块对经销商、网点、风险区划的地理信息进行维护，主要包含地理经纬度、围栏形式配置、围栏半径设置、围栏时长设置等，进而载入相应的电子围栏；基于T-BOX采集的车辆位置信息及对应的物联网卡信息，进行流量监测与充值，通过采集的位置信息与电子围栏预设信息的比对，预判车辆具体进入的经销商或网点，与业务调配信息与销售信息确认，最终确定车辆是否库存、入库时间、所在仓库，进而协同业务需求进行远程的定期或不定期的库存盘点统计，当检测出异常情况时，指导业务进行针对性盘点。
如图3所示，该基于车载T-BOX的车辆监控方法，包括以下步骤：
S301，获取需要监控车辆列表。
S302，判断是否进行监控，如果是，执行步骤S303，否则，执行步骤S306。
S303，进行流量结算。
S304，监控解除。
S305，结束。
也就是说，本申请实施例可以对于业务需求变更，无需继续监控的车辆进行自动流量结算，解除相应的电子围栏，退出监控流程；对于需要继续监控的车辆，首先进行流量监测，确保物联网卡可联网上传数据。
S306，判断流量是否充足，如果是，执行步骤S308，否则，执行步骤S307。
S307，流量充值。
S308，获取T-BOX数据。
S309，提取坐标数据。
S310，获取地图数据。
其中，本申请实施例可以通过高德API获取地图数据。并且本申请实施例可以结合T-BOX所采集的位置数据，主要是地理坐标数据，进行编码转换，进而调用高德API(Application Programming Interface)进行地理逆编码解析，得到实时定位与行驶轨迹，通过对实时信息进行关系抽取、事件搜索(如搭建事件搜索系统，以重点的车辆、地标、区域作为索引关键词进行事件的抽取，并判别是否存在风险链条)，对于行程中非结构化的POI(Point of Interesting，兴趣点)信息以及其他数据源，通过实体识别，输出相应的预警结果或模型结果。具体的实体识别可应用RNN-CRF(RNN，Recurrent Neural Network，循环神经网络；CRF，Conditional Random Field，条件随机场)模型，即一种基于深度学习的NER(Named-entity recognition，命名实体识别)方法，它主要有Embedding(将类别数据用低维表示且可自学习的数据表示方式)层——词向量，字符向量以及一些额外特征，双向RNN(Recurrent Neural Network，循环神经网络)层，tanh隐层以及最后的CRF层构成，使用词向量以及字符向量对实体进行识别和特征提取。
S311，显示车辆在地图上的位置/轨迹。
S312，电子围栏比对，以及决策引擎调用。
S313，围栏预警推送。
具体地，本申请实施例可以通过决策引擎将数据接口管理、各类监控规则及风控模型部署、决策流调用等集于一体，行程标准化、流程化、规范化的作业流程，最终反馈给业务端预警结果及决策建议。
进一步地，如图4所示，图4为本申请一个实施例的用于风险决策的决策引擎架构示意图，该架构主要包括：接口管理模块、模型部署模块、规则集配置模块和决策流模块。其中，接口管理模块用于对输入、输出的字段及参数标准化接口管理；模型部署模块用于对已训练好并封装成模型包的模型过程进行部署管理，包括模型的加载、参数的调整、模型的生效及模型调用等功能应用；规则集配置模块用于对业务规则、风控规则的涉及字段选取、逻辑定义、结果定义等；决策流模块用于涵盖系统初始化配置、规则流(含顺序的决策规则集)引入、模型决策调用等系列有序流程的整合，并将调动各模块服务的启动与生效。
进一步地，如图5所示，本申请实施例的基于T-BOX的车辆实时位置与风险监控的系统架构主要包括：数据源模块、数据管理模块、数据处理模块和数据输出模块。其中，数据源模块用于为业务数据、车联网数据、物联网流量数据、外部数据等数据源管理；数据管理模块用于为数据中枢管理，生成业务场景下所需求的各类数据集市；数据处理模块用于实时计算、批量处理及模型处理等组件调用，进行标准化的结果输出；数据输出模块用于监控平台与决策引擎，前者更多地偏于可视化的监控与管理，如车辆地图实时位置显示、车辆行驶轨迹图、风险指标体系等可视化的数据呈现，以及预警实例处理机制等，而决策引擎更多的是对上亿级数据处理后的输入参数，按事先训练好的模型或预设规则逻辑等进行决策调用并返回决策结果，即一套流程化决策机制。
根据本申请实施例提出的基于车载T-BOX的车辆监控方法，可以获取车载T-BOX采集的被监控车辆的实际车辆数据，并根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏，并在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息，解决了相关技术中通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用的问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
其次参照附图描述根据本申请实施例提出的基于车载T-BOX的车辆监控装置。
图6是本申请实施例的基于车载T-BOX的车辆监控装置的方框示意图。
如图6所示，该基于车载T-BOX的车辆监控装置10包括：。
其中，第一获取模块，用于获取车载T-BOX采集的被监控车辆的实际车辆数据；
检测模块，用于根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏；以及
第一生成模块，用于在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息。
可选地，在获取车载T-BOX采集的被监控车辆的实际车辆数据之前，第一获取模块还用于：
获取物联网卡的实际剩余流量；
在实际剩余流量小于预设流量时，对物联网卡进行流量充值。
可选地，上述的基于车载T-BOX的车辆监控装置10，还包括：
判断模块，用于判断当前监控时刻是否达到结算条件；
结算模块，用于若达到所述结算条件，结算所述物联网卡的实际使用流量的费用。
可选地，上述的基于车载T-BOX的车辆监控装置10，还包括：
第二获取模块，用于获取所述被监控车辆的行驶轨迹；
补充模块，用于根据所述行驶轨迹分析关系特征和/或时间特征，补充所述被监控车辆的风险信息。
可选地，上述的基于车载T-BOX的车辆监控装置10，还包括：
第二生成模块，用于根据所述风险信息生成风险预警提示；
推送模块，用于在显示所述风险预警提示的同时，推送所述被监控车辆的当前位置。
可选地，上述的基于车载T-BOX的车辆监控装置10，还包括：
第三获取模块，用于每隔预设时长或者在接收到更新指令后，获取风险模型的更新信息；
更新模块，用于利用所述更新信息更新所述风险模型。
需要说明的是，前述对基于车载T-BOX的车辆监控方法实施例的解释说明也适用于该实施例的基于车载T-BOX的车辆监控装置，此处不再赘述。
根据本申请实施例提出的基于车载T-BOX的车辆监控装置，可以获取车载T-BOX采集的被监控车辆的实际车辆数据，并根据监控者的业务需求生成与被监控车辆约定的电子围栏，根据实际车辆数据定位被监控车辆的当前位置，并检测当前位置是否离开电子围栏，并在检测到离开电子围栏后，根据当前位置与电子围栏之间的实际距离、离开电子围栏的持续时长、当前位置与预设风险区域间的的位置关系生成被监控车辆的风险信息，解决了相关技术中通过加装前置传感器的方式，导致成本较高，对车辆的管理不切实用的问题，提高监控的实时性，提高批售车辆贷后库存盘点效率，从而根据车辆实时位置与风险信息掌握更多的业务主动权，提高资产质量。
图7为本申请实施例提供的车辆的结构示意图。该车辆可以包括：
存储器701、处理器702及存储在存储器701上并可在处理器702上运行的计算机程序。
处理器702执行程序时实现上述实施例中提供的基于车载T-BOX的车辆监控方法。
进一步地，车辆还包括：
通信接口703，用于存储器701和处理器702之间的通信。
存储器701，用于存放可在处理器702上运行的计算机程序。
存储器701可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
如果存储器701、处理器702和通信接口703独立实现，则通信接口703、存储器701和处理器702可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture，简称为ISA)总线、外部设备互连(PeripheralComponent，简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture，简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
可选的，在具体实现上，如果存储器701、处理器702及通信接口703，集成在一块芯片上实现，则存储器701、处理器702及通信接口703可以通过内部接口完成相互间的通信。
处理器702可能是一个中央处理器(Central Processing Unit，简称为CPU)，或者是特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者是被配置成实施本申请实施例的一个或多个集成电路。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上的基于车载T-BOX的车辆监控方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“N个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
Claims (10)
1.一种基于车载T-BOX的车辆监控方法，其特征在于，包括以下步骤：
获取车载T-BOX采集的被监控车辆的实际车辆数据；
根据监控者的业务需求生成与所述被监控车辆约定的电子围栏，根据所述实际车辆数据定位所述被监控车辆的当前位置，并检测所述当前位置是否离开所述电子围栏；以及
在检测到离开所述电子围栏后，根据所述当前位置与所述电子围栏之间的实际距离、离开所述电子围栏的持续时长、所述当前位置与预设风险区域间的的位置关系生成所述被监控车辆的风险信息。
2.根据权利要求1所述的方法，其特征在于，在获取所述车载T-BOX采集的被监控车辆的实际车辆数据之前，还包括：
获取物联网卡的实际剩余流量；
在所述实际剩余流量小于预设流量时，对所述物联网卡进行流量充值。
3.根据权利要求2所述的方法，其特征在于，还包括：
判断当前监控时刻是否达到结算条件；
若达到所述结算条件，结算所述物联网卡的实际使用流量的费用。
4.根据权利要求1所述的方法，其特征在于，还包括：
获取所述被监控车辆的行驶轨迹；
根据所述行驶轨迹分析关系特征和/或时间特征，补充所述被监控车辆的风险信息。
5.根据权利要求1或4所述的方法，其特征在于，还包括：
根据所述风险信息生成风险预警提示；
在显示所述风险预警提示的同时，推送所述被监控车辆的当前位置。
6.根据权利要求1所述的方法，其特征在于，还包括：
每隔预设时长或者在接收到更新指令后，获取风险模型的更新信息；
利用所述更新信息更新所述风险模型。
7.一种基于车载T-BOX的车辆监控装置，其特征在于，包括：
第一获取模块，用于获取车载T-BOX采集的被监控车辆的实际车辆数据；
检测模块，用于根据监控者的业务需求生成与所述被监控车辆约定的电子围栏，根据所述实际车辆数据定位所述被监控车辆的当前位置，并检测所述当前位置是否离开所述电子围栏；以及
第一生成模块，用于在检测到离开所述电子围栏后，根据所述当前位置与所述电子围栏之间的实际距离、离开所述电子围栏的持续时长、所述当前位置与预设风险区域间的的位置关系生成所述被监控车辆的风险信息。
8.根据权利要求7所述的装置，其特征在于，在获取所述车载T-BOX采集的被监控车辆的实际车辆数据之前，所述第一获取模块还用于：
获取物联网卡的实际剩余流量；
在所述实际剩余流量小于预设流量时，对所述物联网卡进行流量充值。
9.一种车辆，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的基于车载T-BOX的车辆监控方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的基于车载T-BOX的车辆监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110654534.6A CN113423063B (zh) | 2021-06-11 | 2021-06-11 | 基于车载t-box的车辆监控方法、装置、车辆及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110654534.6A CN113423063B (zh) | 2021-06-11 | 2021-06-11 | 基于车载t-box的车辆监控方法、装置、车辆及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113423063A true CN113423063A (zh) | 2021-09-21 |
| CN113423063B CN113423063B (zh) | 2022-10-18 |
Family
ID=77788451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110654534.6A Active CN113423063B (zh) | 2021-06-11 | 2021-06-11 | 基于车载t-box的车辆监控方法、装置、车辆及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113423063B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836199A (zh) * | 2021-09-22 | 2021-12-24 | 芜湖雄狮汽车科技有限公司 | 车辆的传感数据处理方法、装置、电子设备及存储介质 |
| CN113837691A (zh) * | 2021-09-23 | 2021-12-24 | 小马国炬(上海)科技有限公司 | 一种车辆偏航检测方法、装置、设备及存储介质 |
| CN115497280A (zh) * | 2022-08-16 | 2022-12-20 | 羿动新能源科技有限公司 | 一种启动新能源电动车辆电子围栏功能的判定方法和系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110093159A1 (en) * | 2009-10-20 | 2011-04-21 | Procon, Inc. | System for processing data acquired from vehicle diagnostic interface for vehicle inventory monitoring |
| CN106600951A (zh) * | 2017-01-19 | 2017-04-26 | 西安电子科技大学 | 一种对装有车载监控终端的车辆监控系统及其方法 |
| CN108492023A (zh) * | 2018-03-19 | 2018-09-04 | 浙江工业大学 | 一种基于轨迹分析的车贷风控方法 |
| CN109285067A (zh) * | 2018-09-30 | 2019-01-29 | 无锡英臻车联科技有限公司 | 一种基于车辆管理的风控平台 |
| CN109784757A (zh) * | 2019-01-30 | 2019-05-21 | 深圳英臻车联科技有限公司 | 一种车辆管理系统 |
| CN110070704A (zh) * | 2018-01-22 | 2019-07-30 | 江苏迪纳数字科技股份有限公司 | 一种汽车行驶记录仪的电子围栏监控方法 |
| CN110473085A (zh) * | 2019-08-13 | 2019-11-19 | 优必爱信息技术（北京）有限公司 | 一种车辆风险判别方法和装置 |
| CN111598685A (zh) * | 2020-05-20 | 2020-08-28 | 四川万网鑫成信息科技有限公司 | 一种结合车辆实时信息与车贷业务数据的贷后风控模型 |
| CN111832867A (zh) * | 2019-04-24 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 分时租赁车辆管理方法、电子设备及存储介质 |
| CN111901427A (zh) * | 2020-07-29 | 2020-11-06 | 安徽安凯汽车股份有限公司 | 一种新能源客车的电子围栏系统 |
| WO2021046470A1 (en) * | 2019-09-05 | 2021-03-11 | Davis Donnell | Methods and systems providing cyber defense for electronic identification, vehicles, ancillary vehicle platforms and telematics platforms |
| CN112637821A (zh) * | 2020-12-18 | 2021-04-09 | 芜湖雄狮汽车科技有限公司 | 车辆通信芯片的管理平台、管理方法及车辆通信管理系统 |
-
2021
- 2021-06-11 CN CN202110654534.6A patent/CN113423063B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110093159A1 (en) * | 2009-10-20 | 2011-04-21 | Procon, Inc. | System for processing data acquired from vehicle diagnostic interface for vehicle inventory monitoring |
| CN106600951A (zh) * | 2017-01-19 | 2017-04-26 | 西安电子科技大学 | 一种对装有车载监控终端的车辆监控系统及其方法 |
| CN110070704A (zh) * | 2018-01-22 | 2019-07-30 | 江苏迪纳数字科技股份有限公司 | 一种汽车行驶记录仪的电子围栏监控方法 |
| CN108492023A (zh) * | 2018-03-19 | 2018-09-04 | 浙江工业大学 | 一种基于轨迹分析的车贷风控方法 |
| CN109285067A (zh) * | 2018-09-30 | 2019-01-29 | 无锡英臻车联科技有限公司 | 一种基于车辆管理的风控平台 |
| CN109784757A (zh) * | 2019-01-30 | 2019-05-21 | 深圳英臻车联科技有限公司 | 一种车辆管理系统 |
| CN111832867A (zh) * | 2019-04-24 | 2020-10-27 | 北京嘀嘀无限科技发展有限公司 | 分时租赁车辆管理方法、电子设备及存储介质 |
| CN110473085A (zh) * | 2019-08-13 | 2019-11-19 | 优必爱信息技术（北京）有限公司 | 一种车辆风险判别方法和装置 |
| WO2021046470A1 (en) * | 2019-09-05 | 2021-03-11 | Davis Donnell | Methods and systems providing cyber defense for electronic identification, vehicles, ancillary vehicle platforms and telematics platforms |
| CN111598685A (zh) * | 2020-05-20 | 2020-08-28 | 四川万网鑫成信息科技有限公司 | 一种结合车辆实时信息与车贷业务数据的贷后风控模型 |
| CN111901427A (zh) * | 2020-07-29 | 2020-11-06 | 安徽安凯汽车股份有限公司 | 一种新能源客车的电子围栏系统 |
| CN112637821A (zh) * | 2020-12-18 | 2021-04-09 | 芜湖雄狮汽车科技有限公司 | 车辆通信芯片的管理平台、管理方法及车辆通信管理系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113836199A (zh) * | 2021-09-22 | 2021-12-24 | 芜湖雄狮汽车科技有限公司 | 车辆的传感数据处理方法、装置、电子设备及存储介质 |
| CN113836199B (zh) * | 2021-09-22 | 2024-04-09 | 芜湖雄狮汽车科技有限公司 | 车辆的传感数据处理方法、装置、电子设备及存储介质 |
| CN113837691A (zh) * | 2021-09-23 | 2021-12-24 | 小马国炬(上海)科技有限公司 | 一种车辆偏航检测方法、装置、设备及存储介质 |
| CN115497280A (zh) * | 2022-08-16 | 2022-12-20 | 羿动新能源科技有限公司 | 一种启动新能源电动车辆电子围栏功能的判定方法和系统 |
| CN115497280B (zh) * | 2022-08-16 | 2023-08-29 | 羿动新能源科技有限公司 | 一种启动新能源电动车辆电子围栏功能的判定方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113423063B (zh) | 2022-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113423063B (zh) | 基于车载t-box的车辆监控方法、装置、车辆及介质 | |
| Kuwajima et al. | Engineering problems in machine learning systems | |
| Chen et al. | A graphical modeling method for individual driving behavior and its application in driving safety analysis using GPS data | |
| Yao et al. | Clustering driver behavior using dynamic time warping and hidden Markov model | |
| CN110288096B (zh) | 预测模型训练及预测方法、装置、电子设备、存储介质 | |
| Peng et al. | Uncertainty evaluation of object detection algorithms for autonomous vehicles | |
| JP2021168193A (ja) | テレマティックス接続サーチエンジンを使用する動的なスコアベースの危険性測定及び集約のためのインテリジェントな自己適応型車両用装置及びその対応する方法 | |
| US20180268305A1 (en) | Retrospective event verification using cognitive reasoning and analysis | |
| US20230016482A1 (en) | Systems and methods for providing renewing carbon offsets for a user driving period | |
| Das et al. | Nonparametric multivariate adaptive regression splines models for investigating lane-changing gap acceptance behavior utilizing strategic highway research program 2 naturalistic driving data | |
| US11468533B1 (en) | Vehicle rating system | |
| Balsa-Barreiro et al. | Extraction of naturalistic driving patterns with geographic information systems | |
| CN111765904B (zh) | 自动驾驶车辆的测试方法、装置、电子设备和介质 | |
| Nikolaev et al. | Fuzzy Algorithm for the Detection of Incidents in the Transport System. | |
| AU2019201484A1 (en) | Method and system for vehicle speed profile generation | |
| Wang et al. | SafeDrive: A new model for driving risk analysis based on crash avoidance | |
| Levenberg et al. | Live road condition assessment with internal vehicle sensors | |
| Schulz et al. | Future role of cost–benefit analysis in intelligent transport system‐research | |
| Qi et al. | Applying an interpretable machine learning framework to the traffic safety order analysis of expressway exits based on aggregate driving behavior data | |
| US10528989B1 (en) | Vehicle rating system | |
| CN117788044A (zh) | 换车意愿预测方法、系统、介质及电子设备 | |
| CN113626656A (zh) | 识别企业和车辆关系类型的方法、装置、设备及存储介质 | |
| Helvaci et al. | Improving driver behavior using gamification | |
| Gerber et al. | Impact of road grade on the risk profile of driver behavior | |
| US10789663B1 (en) | Vehicle rating system |
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 |