CN114136342A - 里程篡改判断方法及系统 - Google Patents
里程篡改判断方法及系统 Download PDFInfo
- Publication number
- CN114136342A CN114136342A CN202111461173.XA CN202111461173A CN114136342A CN 114136342 A CN114136342 A CN 114136342A CN 202111461173 A CN202111461173 A CN 202111461173A CN 114136342 A CN114136342 A CN 114136342A
- Authority
- CN
- China
- Prior art keywords
- mileage
- vehicle
- information
- historical
- mileage information
- 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
- 238000000034 method Methods 0.000 title claims description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000012300 Sequence Analysis Methods 0.000 claims description 12
- 230000006399 behavior Effects 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000012731 temporal analysis Methods 0.000 claims description 2
- 238000000700 time series analysis Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Manufacturing & Machinery (AREA)
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Traffic Control Systems (AREA)
Abstract
本实施例通过获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息,然后将所述判断结果发生至将判断结果发送至监控平台;从而通过分析车辆总线里程,或通过对车辆发动机、变速箱、仪表盘等车辆的零部件记录的里程信息进行分析,从而更能准确判断车辆里程是否被篡改,并且,不用额外加装里程数据采集装置,降低了因人为判断的误判率。
Description
技术领域
本发明涉及汽车技术领域,尤其涉及一种里程篡改判断方法及系统。
背景技术
汽车行驶里程就是车辆从出厂到现在的行驶里程数,是汽车性能的判断之一。汽车行驶里程可以在汽车里程表看到,表示汽车当前总行驶里程,其作用可以让用户知道行驶的距离,且车辆的保养与维护也与行驶里程有关,但一些不规范的企业、个人者二手车经销商为了谋取私利会对车辆的总里程进行篡改。
现有技术中,需要在汽车上加载里程数据采集装置实时传输车辆里程数据到服务器并存储,通过与标定数据比对判断里程是否合理并以故障灯形式展示;或者根据个人对车辆的经验判断,估算在一般情况下估算车辆可能行驶的里程数,再将估算的里程数与仪表盘的里程数进行对比,从而判断是否存在篡改表的行为,但上述方法增加车辆驾驶成本,主观判断会增大误判可能性,无法准确对里程篡改进行判断。
发明内容
本发明的目的在于提供一种里程篡改判断方法和系统,用于解决现有技术中无法准确对里程篡改进行判断的问题。
为实现上述目的,本发明提供一种里程篡改判断方法,应用于里程篡改判断系统,所述里程篡改判断方法包括以下步骤:
获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
将所述判断结果发生至将判断结果发送至监控平台。
进一步地,所述获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件的步骤包括:
获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值;
对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值;
基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势;
基于里程趋势判断所述车辆是否发生里程篡改事件。
进一步地,所述对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值的步骤步骤后,所述里程篡改判断方法还包括:
获取预设的车辆信息,其中,所述车辆信息包括不同品牌、不同车型和/或不同车系的里程信息;
基于所述车辆信息分析不同品牌、不同车型和/或不同系统的车辆的动态趋势,以得到不同品牌、不同车型和/或不同车系对车辆里程的影响参数;
将所述影响参数作为曲线拟合时调整的因素。
进一步地,所述基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势的步骤包括:
所述曲线拟合公式为:y(x,W)=w0+w1x+...+wmxm,其中,所述y为里程值,x为所述因素,m为因数指数,w为拟合后的指数;
基于所述参考阈值利用所述曲线拟合公式对所述里程信息中的数据点进行拟合,以得到所述车辆的里程趋势。
进一步地,所述里程篡改判断方法还包括以下步骤:
从所述OBD解码器的各子系统与数据流信息中提取各系统的第二历史里程信息;
将所述第二历史里程信息进行聚类,判断所述第二历史里程信息中是否存在异常离散点;
若所述第二历史里程信息中存在异常离散点,则判定所述车辆发生里程篡改行为。
进一步地,所述基于所述历史里程信息判断所述车辆是否发生里程篡改事件的步骤之前还包括:
检测检测到所述第一历史里程信息和/或所述第二历史里程信息是否发生信息缺失行为;
若所述第一历史里程信息和/或所述第二历史里程信息发生信息缺失行为,则获取所述车辆的车龄信息、仪表盘信息,以及全系车辆的大数据里程信息;
将所述车龄信息、仪表盘信息与所述大数据里程信息进行比较,判断所述车辆使用烈度,将判断结果发送至监控平台。
此外,为实现上述目的,本发明还提供了一种里程篡改判断系统,所述里程篡改判断系统包括:
获取模块,用于获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
发送模块,用于将所述判断结果发生至将判断结果发送至监控平台。
本申请通过获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息,然后将所述判断结果发生至将判断结果发送至监控平台;从而通过分析车辆总线里程,或通过对车辆发动机、变速箱、仪表盘等车辆的零部件记录的里程信息进行分析,从而更能准确判断车辆里程是否被篡改,并且,不用额外加装里程数据采集装置,降低了因人为判断的误判率。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的里程篡改判断设备结构示意图;
图2为本发明里程篡改判断方法第一实施例的流程示意图;
图3为本发明里程篡改判断系统的系统模块示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,图1是本发明实施例方案涉及的硬件运行环境的里程篡改判断设备结构示意图。
本发明实施例里程篡改判断设备可以是搭载了虚拟化平台的PC机或服务器(如X86服务器)等终端设备。
如图1所示,该里程篡改判断设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),还可以是云端存储,例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的终端结构并不构成对终端的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及里程篡改判断程序。
在图1所示的终端中,网络接口1004主要用于连接后台服务器,与后台服务器进行数据通信;用户接口1003主要用于连接客户端(用户端),与客户端进行数据通信;而处理器1001可以用于调用存储器1005中存储的里程篡改判断程序,并执行以下安全组件的权限配置方法实施例中的操作。
基于上述硬件结构,提出本发明里程篡改判断方法实施例,如下所述。
本申请的里程篡改判断方法包括一款或多款车辆OBD解码装置、基于大数据分析原理的里程分析软件。OBD解码装置由OBD连接头等车辆信息采集部分、出厂安装并持续更新的车型适配和解码处理软件包的信息预处理部分,同时设备利用SIM卡数据流量服务或者WIFI服务将预处理好的数据上传服务器并存储,该装置因为能解码OBD,抓取车载电脑中存储的各项信息,包括但不限于里程、故障码、子系统、数据流、冻结帧等信息,能普遍部署于各家汽车服务站点(包括4S门店、维修门店、保险定损网点等车联网各个结点),在系统服务器上部署基于大数据分析原理的里程分析软件。由于数据采集点密集且覆盖车联网各行业结点,数据不需要连续不断的实时采集,可以避免了预装收集装置的问题,并且因为部署范围广,收集的数据量大,存在少量的噪声数据也不会影响本申请对里程篡改判断的准确度。
参照图2,图2为本发明里程篡改判断方法第一实施例的流程示意图,所述里程篡改判断方法包括:
步骤S10,获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
步骤S20,将所述判断结果发生至将判断结果发送至监控平台
在本实施例中,车辆的历史里程信息包括第一历史里程信息与第二历史里程信息,其中,第一历史里程信息包括车辆总线里程,车辆总线里程是车辆不同时间点或时间段对应的里程,通过分析车辆在不同时间点或不同时间段对应的里程,能够判断车辆是否发生里程篡改行为。第二历史里程信息包括车辆发动机、变速箱、仪表盘等汽车零部件记录的里程信息,通过分析这些领部件记录的里程信息在某时间点是否存在异常离散点,从而判断车辆是否发生里程篡改行为。最终将判断结果发生至监控平台。
本实施例通过获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息,然后将所述判断结果发生至将判断结果发送至监控平台;从而通过分析车辆总线里程,或通过对车辆发动机、变速箱、仪表盘等车辆的零部件记录的里程信息进行分析,从而更能准确判断车辆里程是否被篡改,并且,不用额外加装里程数据采集装置,降低了因人为判断的误判率。
步骤S10包括:
步骤S11,获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值;
在本实施例中,第一历史里程信息包括车辆的里程值、时间等,可以是车辆的总线里程。3σ原则为数值分布在(μ-σ,μ+σ)中的概率为0.6826,数值分布在(μ-2σ,μ+2σ)中的概率为0.9544,数值分布在(μ-3σ,μ+3σ)中的概率为0.9974。其中,σ代表标准差,μ代表均值。x=μ即为图像的对称轴。具体为,首先剔除第一历史里程信息中明显的噪声数据,计算标准差σ、均值μ,其中,标准差σ为:
其中,n是总数据个数、i是指第几个值。
然后计算分布在(μ-σ,μ+σ)、(μ-2σ,μ+2σ)和(μ-3σ,μ+3σ)中的概率,判断上述里程数据是否符合正态分布或者近似正态分布,若里程数据中存在不符合正态分布或者近似正态分布,利用log函数或其他函数进行函数转换后,使得里程数据符合正态分布或近似正态分布。本实施例中对通车龄的里程信息进行正态分布或近似正态分布分析,选取选取(μ-σ,μ+σ)作为参考阈值,其原因在于,(μ-σ,μ+σ)为该表车里程数据与未改表车里程数据比值的最优解,(μ-2σ,μ+2σ)和(μ-3σ,μ+3σ)会增大该表车里程数据与未改表车里程数据比值,从而增大对车辆里程数据的误判率,因此,选取(μ-σ,μ+σ)作为参考阈值。
步骤S12,对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值;
在本实施例中,时序分析用以分析时间序列的发展过程、方向和趋势,预测将来时域可能达到的目标。通过时序分析获得车辆在不规则变动、循环变动、季节变动等时间下里程变化的动态趋势,以得到时序图,例如,去年用车多,车辆里程的增长率较大,里程增长趋势较为明显,今年用车少,车辆里程的增长率较小,里程增长趋势不明显。其中,时序图可以是二维图,也可以是三维图,例如,时序图为二维图时,横轴为时间,竖轴为里程值。
通过预设数据模型可以求出时间序列,其中,时间序列为车辆车辆对应的里程值,并通过改预设数据还能计算车辆将来时态的预测值,该预测值包括车辆将来时态中车辆与对应的里程值、以及车辆里程信息缺失时缺失的车辆与对应的里程值。
步骤S13,基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势;
在本实施例中,曲线拟合方法是由给定的离散数据点,建立数据关系(数学模型),求出一系列微小的直线段把这些插值点连接成曲线,只要插值点的间隔选择得当,就可以形成一条光滑的曲线。采用多项式拟合曲线将数据拟合出里程正常增长的各种变化率,参考该参考阈值对变化率进行调整,将时间序列、预测值进行曲线拟合,从而能够准确拟合出车辆的里程趋势。
步骤S14,基于里程趋势判断所述车辆是否发生里程篡改事件。
在本实施例中,通过多项式拟合曲线对车辆里程数据进行曲线拟合形成里程趋势后,通过里程趋势可以判断车辆里程是否被篡改,例如,车辆在某段时间内的里程值明显与里程趋势不符合,则认为该车辆在该段时间有较大可能发生里程篡改事件,从而能够更准确的判断车辆里程是否被篡改。
本实施例通过获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值,然后对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值,接着基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势,最后基于里程趋势判断所述车辆是否发生里程篡改事件,并将判断结果发送至监控平台。从而更能准确判断车辆里程是否被篡改,并且,不用额外加装里程数据采集装置,降低了因人为判断的误判率。
进一步地,基于上述本发明的第一实施例,提出本发明里程篡改判断方法的第二实施例,本实施例中,上述实施例中的步骤S12包括:
S121,获取预设的车辆信息,其中,所述车辆信息包括不同品牌、不同车型和/或不同系统的里程信息;
S122,基于所述车辆信息分析不同品牌、不同车型和/或不同系统的车辆的动态趋势,以得到不同品牌、不同车型和/或不同系统对车辆里程的影响参数;
S123,将所述影响参数作为曲线拟合时调整的因素。
在本实施例中,预设的车辆信息包括不同品牌、不同车型和/或不同系统的里程信息,该里程篡改系统采集了不同品牌、不同车型不同车型和/或不同系统的里程信息作为数据样本,通过对该数据样本进行时序分析,分析不同品牌、不同车型不同车型和/或不同系统车辆的里程动态趋势,从而得到不同品牌、不同车型不同车型和/或不同系统对车辆里程的影响参数,将影响参数作为曲线拟合调整的因素。
具体的,通过数据模型对样本数据进行时序分析,得到不同品牌、不同车型不同车型和/或不同系统对车辆里程的影响参数,其中,数学模型包括移动平均法、季节系数法、指数平滑法等。在对车辆的里程信息进行曲线拟合时,利用曲线拟合公式进行曲线拟合,曲线拟合公式如下:所述曲线拟合公式为:y(x,W)=w0+w1x+...+wmxm,其中,y为里程值,x为因素,m为因数指数,w为拟合后的指数。
在曲线拟合中,基于参考阈值与因素通过自主学习不断对曲线拟合的变化率进行调整,从而不需要人工对曲线拟合的参数进行调整,进而减少了人工调整的误判性。
进一步地,基于上述本发明的第一实施例,提出本发明里程篡改判断方法的第三实施例,该里程篡改判断方法:
步骤S30,从所述OBD解码器的各子系统与数据流信息中提取各系统的第二历史里程信息;
步骤S40,将所述第二历史里程信息进行聚类,判断所述第二历史里程信息中是否存在异常离散点;
步骤S50,若所述第二历史里程信息中存在异常离散点,则判定所述车辆发生里程篡改行为。
在本实施例中,该里程篡改判断系统包括OBD解码器,本申请中可以首先可以从OBD解码器的各子系统与数据流信息中提取各系统的第二历史里程信息,第二历史里程信息包括仪表盘、发动机、变速箱等车辆零部件通过传感器采集的里程信息,将发动机、变速箱等车辆零部件通过传感器采集的里程信息进行聚类,判断这些信息中是否存在异常离散点,若存在异常离散点,则判定该车辆发生里程篡改行为,从而更准确地判断车辆是否发生里程篡改事件。
进一步地,基于上述实施例,提出本发明里程篡改判断方法的第三实施例,本实施例中,步骤S10之前还包括:
S60,检测检测到所述第一历史里程信息和/或所述第二历史里程信息是否发生信息缺失行为;
S70,若所述第一历史里程信息和/或所述第二历史里程信息发生信息缺失行为,则获取所述车辆的车龄信息、仪表盘信息,以及全系车辆的大数据里程信息;
S80,将所述车龄信息、仪表盘信息与所述大数据里程信息进行比较,判断所述车辆使用烈度,将判断结果发送至监控平台。
在本实施例中,OBD解码器的各子系统与数据流信息中的数据也有可能被擦除,因此,可以参照全系车辆的大数据里程信息,通过分析全系车辆的大数据里程信息,从而判断车辆的里程信息是否发生篡改。
具体地,若检测到OBD解码器的各子系统与数据流信息中的数据被擦除,则获取车辆的车辆信息、仪表盘信息以及全系车辆的大数据里程信息,将车龄信息、仪表盘信息与大数据里程信息进行比较,从而判断车辆的使用烈度,其中,若车辆在某时间段里程增长率较大,则说明该车辆的使用烈度较大,若车辆在某时间段中的里程增长较小,则说明车辆的使用烈度较大。本实施例通过利用全系车辆的大数据里程信息进行对比,从而从全局判断车辆的使用烈度,进而进一步准确判断车辆是否发生里程篡改。
参照图3,本发明还提供一种里程篡改判断系统,本实施例中,所述里程篡改判断系统包括:
获取模块A10,用于获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
发送模块A20,用于将所述判断结果发生至将判断结果发送至监控平台。
进一步地,所述里程篡改判断系统还包括:
检测模块,用于若检测到所述第一历史里程信息缺失,则检测到所述OBD解码器的各子系统与数据流信息中的数据是否被擦除;
第二获取模块,用于若检测到所述OBD解码器的各子系统与数据流信息中的数据被擦除,则获取所述车辆的车龄信息、仪表盘信息,以及全系车辆的大数据里程信息;
判断模块,用于将所述车龄信息、仪表盘信息与所述大数据里程信息进行比较,判断所述车辆使用烈度,将判断结果发送至监控平台。
进一步地,所述获取模块包括:
第一获取模块,用于获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值;
时序分析系统,用于对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值;
第一曲线拟合模块,用于基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势;
里程篡改事件判断模块,用于基于里程趋势判断所述车辆是否发生里程篡改事件,并将判断结果发送至监控平台。
进一步地,所述获取模块还包括:
第二获取模块,用于获取预设的车辆信息,其中,所述车辆信息包括不同品牌、不同车型和/或不同车系的里程信息;
分析模块,用于基于所述车辆信息分析不同品牌、不同车型和/或不同系统的车辆的动态趋势,以得到不同品牌、不同车型和/或不同车系对车辆里程的影响参数;
第二曲线拟合模块,用于将所述影响参数作为曲线拟合时调整的因素。
进一步地,所述曲线拟合模块还用于:
基于所述参考阈值利用所述曲线拟合公式对所述里程信息中的数据点进行拟合,以得到所述车辆的里程趋势;
其中,所述曲线拟合公式为:y(x,W)=w0+w1x+...+wmxm,其中,所述y为里程值,x为所述因素,m为因数指数,w为拟合后的指数。
上述各功能模块实现的方法可参照本发明里程篡改判断方法实施例,此处不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种里程篡改判断方法,应用于里程篡改判断系统,其特征在于,所述里程篡改判断方法包括以下步骤:
获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
将所述判断结果发生至将判断结果发送至监控平台。
2.如权利要求1所述的里程篡改判断方法,其特征在于,所述获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件的步骤包括:
获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值;
对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值;
基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势;
基于里程趋势判断所述车辆是否发生里程篡改事件。
3.如权利要求2所述里程篡改判断方法,其特征在于,所述对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值的步骤步骤后,所述里程篡改判断方法还包括:
获取预设的车辆信息,其中,所述车辆信息包括不同品牌、不同车型和/或不同车系的里程信息;
基于所述车辆信息分析不同品牌、不同车型和/或不同系统的车辆的动态趋势,以得到不同品牌、不同车型和/或不同车系对车辆里程的影响参数;
将所述影响参数作为曲线拟合时调整的因素。
4.如权利要求3所述里程篡改判断方法,其特征在于,所述基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势的步骤包括:
所述曲线拟合公式为:y(x,W)=w0+w1x+...+wmxm,其中,所述y为里程值,x为所述因素,m为因数指数,w为拟合后的指数;
基于所述参考阈值利用所述曲线拟合公式对所述里程信息中的数据点进行拟合,以得到所述车辆的里程趋势。
5.如权利要求1所述的里程篡改判断方法,其特征在于,所述里程篡改判断方法还包括以下步骤:
从所述OBD解码器的各子系统与数据流信息中提取各系统的第二历史里程信息;
将所述第二历史里程信息进行聚类,判断所述第二历史里程信息中是否存在异常离散点;
若所述第二历史里程信息中存在异常离散点,则判定所述车辆发生里程篡改行为。
6.如权利要求1或5所述的里程篡改判断方法,其特征在于,所述基于所述历史里程信息判断所述车辆是否发生里程篡改事件的步骤之前还包括:
检测检测到所述第一历史里程信息和/或所述第二历史里程信息是否发生信息缺失行为;
若所述第一历史里程信息和/或所述第二历史里程信息发生信息缺失行为,则获取所述车辆的车龄信息、仪表盘信息,以及全系车辆的大数据里程信息;
将所述车龄信息、仪表盘信息与所述大数据里程信息进行比较,判断所述车辆使用烈度,将判断结果发送至监控平台。
7.一种里程篡改判断系统,其特征在于,所述里程篡改判断系统包括:
获取模块,用于获取车辆的历史里程信息,基于所述历史里程信息判断所述车辆是否发生里程篡改事件,其中,所述历史里程信息包括第一历史里程信息与第二历史里程信息,所述第一历史里程信息包括车辆总线里程,所述第二历史里程信息包括根据所述车辆的发动机、变速箱、仪表盘记录的里程信息;
发送模块,用于将所述判断结果发生至将判断结果发送至监控平台。
8.如权利要求7所述里程篡改判断系统,所述里程篡改判断系统包括OBD解码器,其特征在于,所述获取模块包括:
第一获取模块,用于获取车辆的第一历史里程信息,利用3σ原则对所述第一历史里程信息进行分析,以得到参考阈值;
时序分析系统,用于对所述第一历史里程信息进行时序分析,以得到所述车辆的时间序列以及预测值;
第一曲线拟合模块,用于基于所述参考阈值利用多项式拟合曲线对所述时间序列、所述预测值进行曲线拟合得到所述车辆的里程趋势;
里程篡改事件判断模块,用于基于里程趋势判断所述车辆是否发生里程篡改事件,并将判断结果发送至监控平台。
9.如权利要求8所述里程篡改判断系统,其特征在于,所述获取模块还包括:
第二获取模块,用于获取预设的车辆信息,其中,所述车辆信息包括不同品牌、不同车型和/或不同车系的里程信息;
分析模块,用于基于所述车辆信息分析不同品牌、不同车型和/或不同系统的车辆的动态趋势,以得到不同品牌、不同车型和/或不同车系对车辆里程的影响参数;
第二曲线拟合模块,用于将所述影响参数作为曲线拟合时调整的因素。
10.如权利要求9所述里程篡改判断系统,其特征在于,所述曲线拟合模块还用于:
基于所述参考阈值利用所述曲线拟合公式对所述里程信息中的数据点进行拟合,以得到所述车辆的里程趋势;
其中,所述曲线拟合公式为:y(x,W)=w0+w1x+...+wmxm,其中,所述y为里程值,x为所述因素,m为因数指数,w为拟合后的指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461173.XA CN114136342B (zh) | 2021-11-30 | 2021-11-30 | 里程篡改判断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111461173.XA CN114136342B (zh) | 2021-11-30 | 2021-11-30 | 里程篡改判断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114136342A true CN114136342A (zh) | 2022-03-04 |
CN114136342B CN114136342B (zh) | 2024-03-22 |
Family
ID=80387231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111461173.XA Active CN114136342B (zh) | 2021-11-30 | 2021-11-30 | 里程篡改判断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114136342B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5898390A (en) * | 1995-09-14 | 1999-04-27 | Zexel Corporation | Method and apparatus for calibration of a distance sensor in a vehicle navigation system |
CN108475362A (zh) * | 2018-03-21 | 2018-08-31 | 深圳市元征软件开发有限公司 | 车辆评估方法、装置及设备 |
US10534968B1 (en) * | 2015-04-16 | 2020-01-14 | State Farm Mutual Automobile Insurance Company | Verifying odometer mileage using captured images and optical character recognition (OCR) |
KR20200094954A (ko) * | 2019-01-31 | 2020-08-10 | 순천향대학교 산학협력단 | 주행 데이터 기반 차량 상태 예측 시스템 및 방법 |
CN111882183A (zh) * | 2020-07-14 | 2020-11-03 | 肇庆小鹏汽车有限公司 | 车辆失效估算方法、装置、服务器以及存储介质 |
WO2021013590A1 (de) * | 2019-07-22 | 2021-01-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und system zum erkennen einer manipulation eines fahrzeugs |
CN112734242A (zh) * | 2021-01-13 | 2021-04-30 | 北京中交兴路车联网科技有限公司 | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 |
CN112895898A (zh) * | 2021-03-10 | 2021-06-04 | 云度新能源汽车股份有限公司 | 一种电动汽车里程备份的控制方法及系统 |
CN113085592A (zh) * | 2021-04-12 | 2021-07-09 | 中山大学 | 一种氢燃料电池自卸车续驶里程实时预测方法及其系统 |
CN113352899A (zh) * | 2021-07-06 | 2021-09-07 | 广东兰氢科技有限公司 | 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法 |
CN113516798A (zh) * | 2020-04-10 | 2021-10-19 | 金瓜子科技发展(北京)有限公司 | 一种调表车判断方法和装置 |
-
2021
- 2021-11-30 CN CN202111461173.XA patent/CN114136342B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5898390A (en) * | 1995-09-14 | 1999-04-27 | Zexel Corporation | Method and apparatus for calibration of a distance sensor in a vehicle navigation system |
US10534968B1 (en) * | 2015-04-16 | 2020-01-14 | State Farm Mutual Automobile Insurance Company | Verifying odometer mileage using captured images and optical character recognition (OCR) |
CN108475362A (zh) * | 2018-03-21 | 2018-08-31 | 深圳市元征软件开发有限公司 | 车辆评估方法、装置及设备 |
KR20200094954A (ko) * | 2019-01-31 | 2020-08-10 | 순천향대학교 산학협력단 | 주행 데이터 기반 차량 상태 예측 시스템 및 방법 |
WO2021013590A1 (de) * | 2019-07-22 | 2021-01-28 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren und system zum erkennen einer manipulation eines fahrzeugs |
CN113516798A (zh) * | 2020-04-10 | 2021-10-19 | 金瓜子科技发展(北京)有限公司 | 一种调表车判断方法和装置 |
CN111882183A (zh) * | 2020-07-14 | 2020-11-03 | 肇庆小鹏汽车有限公司 | 车辆失效估算方法、装置、服务器以及存储介质 |
CN112734242A (zh) * | 2021-01-13 | 2021-04-30 | 北京中交兴路车联网科技有限公司 | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 |
CN112895898A (zh) * | 2021-03-10 | 2021-06-04 | 云度新能源汽车股份有限公司 | 一种电动汽车里程备份的控制方法及系统 |
CN113085592A (zh) * | 2021-04-12 | 2021-07-09 | 中山大学 | 一种氢燃料电池自卸车续驶里程实时预测方法及其系统 |
CN113352899A (zh) * | 2021-07-06 | 2021-09-07 | 广东兰氢科技有限公司 | 一种基于XGBoost算法的氢燃料电池汽车续航里程预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114136342B (zh) | 2024-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110300686B (zh) | 数据分析装置及存储介质 | |
US9721399B2 (en) | Vehicle diagnosing apparatus, vehicle diagnosing system, and diagnosing method | |
CN112153070B (zh) | 车载can总线的异常检测方法、设备、存储介质及装置 | |
CN110610137B (zh) | 检测车辆行驶状态的方法、装置以及电子设备、存储介质 | |
CN113839904B (zh) | 基于智能网联汽车的安全态势感知方法和系统 | |
US20220006821A1 (en) | Information processing apparatus, data analysis method and program | |
CN110325410B (zh) | 数据分析装置及存储介质 | |
CN113723338B (zh) | 传感器异常检测方法、装置及计算机可读存储介质 | |
US11863574B2 (en) | Information processing apparatus, anomaly analysis method and program | |
AU2023201425A1 (en) | Method and System for Preserving and Processing Vehicle Crash Data Evidence | |
CN110266774B (zh) | 车联网数据质量的检验方法、装置、设备及存储介质 | |
KR20160062259A (ko) | 차량 이상 상태를 관리하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록매체 | |
CN114615086A (zh) | 一种车载can网络入侵检测方法 | |
CN112268696B (zh) | 离合器检测方法、设备、存储介质及装置 | |
CN111371581A (zh) | 物联网卡业务异常检测的方法、装置、设备和介质 | |
CN114136342A (zh) | 里程篡改判断方法及系统 | |
CN116913099A (zh) | 一种智能交通实时监控系统 | |
KR101624276B1 (ko) | 모바일 어플리케이션의 아이콘 도용 여부를 탐지하는 방법 및 그 장치 | |
CN110648002B (zh) | 一种车辆诊断方法、装置、设备及可读存储介质 | |
CN110687374B (zh) | 机车信号车载设备在车检测数据分析系统及方法 | |
CN113757017A (zh) | 发动机起动机健康估计 | |
CN115512458B (zh) | 监测数据分析方法、装置、设备及存储介质 | |
CN115230622A (zh) | 电控系统识别方法、装置、终端设备以及存储介质 | |
CN111835830A (zh) | 一种数据感知系统、方法及装置 | |
CN115830800A (zh) | 车祸预警方法、系统、装置及存储介质 |
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 |