CN114559775A - 一种汽车轮胎异常识别系统及识别方法 - Google Patents
一种汽车轮胎异常识别系统及识别方法 Download PDFInfo
- Publication number
- CN114559775A CN114559775A CN202210336553.9A CN202210336553A CN114559775A CN 114559775 A CN114559775 A CN 114559775A CN 202210336553 A CN202210336553 A CN 202210336553A CN 114559775 A CN114559775 A CN 114559775A
- Authority
- CN
- China
- Prior art keywords
- tire
- vehicle
- tire pressure
- regression model
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000010801 machine learning Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims description 39
- 230000005856 abnormality Effects 0.000 claims description 21
- 238000011157 data evaluation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 abstract description 8
- 238000004891 communication Methods 0.000 description 13
- 238000013461 design Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 239000004575 stone Substances 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/02—Signalling devices actuated by tyre pressure
- B60C23/04—Signalling devices actuated by tyre pressure mounted on the wheel or tyre
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/02—Signalling devices actuated by tyre pressure
- B60C23/04—Signalling devices actuated by tyre pressure mounted on the wheel or tyre
- B60C23/0486—Signalling devices actuated by tyre pressure mounted on the wheel or tyre comprising additional sensors in the wheel or tyre mounted monitoring device, e.g. movement sensors, microphones or earth magnetic field sensors
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60C—VEHICLE TYRES; TYRE INFLATION; TYRE CHANGING; CONNECTING VALVES TO INFLATABLE ELASTIC BODIES IN GENERAL; DEVICES OR ARRANGEMENTS RELATED TO TYRES
- B60C23/00—Devices for measuring, signalling, controlling, or distributing tyre pressure or temperature, specially adapted for mounting on vehicles; Arrangement of tyre inflating devices on vehicles, e.g. of pumps or of tanks; Tyre cooling arrangements
- B60C23/02—Signalling devices actuated by tyre pressure
- B60C23/04—Signalling devices actuated by tyre pressure mounted on the wheel or tyre
- B60C23/0486—Signalling devices actuated by tyre pressure mounted on the wheel or tyre comprising additional sensors in the wheel or tyre mounted monitoring device, e.g. movement sensors, microphones or earth magnetic field sensors
- B60C23/0488—Movement sensor, e.g. for sensing angular speed, acceleration or centripetal force
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请提供了汽车轮胎异常识别系统及识别方法，该方法包括：在车辆轮胎的胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在历史数据中获取用户的车辆轮胎胎压数据范围；根据获取的用户的车辆轮胎胎压数据范围在获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据正常数据样本构建以胎压为目的回归模型；采集当前车辆的车胎的胎压、车辆状态以及用户信息，根据回归模型确定当前车辆胎压是否存在异常。在上述技术方案中，通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
Description
技术领域
本说明书一个或多个实施例涉及汽车技术领域，尤其涉及一种汽车轮胎异常识别系统及识别方法。
背景技术
随着经济的发展，人们出行经常采用乘车出行，汽车的安全性直接关系到乘车人员的生命安全。而轮胎是汽车重要组成部件，轮胎的胎压对车辆行驶安全有重要影响，尤其是轮胎胎压较低导致的爆胎可能导致重大交通事故。因此提前发现轮胎异常、漏气，可以预防爆胎，提升行车安全。但是现有的技术方案中通常通过轮胎温度，间接判断轮胎胎压是否异常，这种判断方式往往准确度较低。
发明内容
有鉴于此，本说明书一个或多个实施例的目的在于提出一种汽车轮胎异常识别系统及识别方法，提高乘车下车时的安全性。
第一方面，提供了一种汽车轮胎异常识别方法，该方法汽车轮胎异常识别方法具体包括：在车辆轮胎的胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在所述历史数据中获取用户的车辆轮胎胎压数据范围；根据所述获取的用户的车辆轮胎胎压数据范围在所述获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据所述正常数据样本构建以胎压为目的回归模型；采集当前车辆的车胎的胎压、车辆状态以及用户信息，根据所述回归模型确定当前车辆胎压是否存在异常。在上述技术方案中，通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
在一个具体的可实施方案中，所述方法还包括：在所述根据所述回归模型确定当前车辆胎压存在异常时，向用户提供警报。
在一个具体的可实施方案中，所述根据所述正常数据样本构建以胎压为目的回归模型；具体为：
根据所述正常数据样本，使用xgboost构建机器学习生成的回归模型；
使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成以胎压为目的的回归模型。
在一个具体的可实施方案中，该方法还包括：
在离线状态先构建以胎压为目的的回归模型；
将所述回归模型上传到云平台。
在一个具体的可实施方案中，该方法还包括：周期性构建以胎压为目的回归模型；并上传所述云平台更新所述以胎压为目的的回归模型。
在一个具体的可实施方案中，该方法还包括：
在所述采集当前车辆的车胎的胎压与根据回归模型提供的参考胎压的偏差持续增大时，判定车胎漏气；并向所述用户提供漏气警报。
在一个具体的可实施方案中，所述车辆状态包括：轮胎温度、车速、行驶里程、环境温度、环境湿度。
第二方面，提供了一种汽车轮胎异常识别系统，该系统包括：
信息采集模块：采集当前车辆的车胎的胎压、车辆状态以及用户信息；
数据处理模块：用于在所述胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在所述历史数据中获取用户的车辆轮胎胎压数据范围；根据所述获取的用户的车辆轮胎胎压数据范围在所述获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据所述正常数据样本构建以胎压为目的回归模型；并基于所述信息采集模块采集的当前车辆的车胎的胎压、车辆状态以及用户信息，根据所述回归模型确定当前车辆胎压是否存在异常。
在上述技术方案中，通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
在一个具体的可实施方案中，所述数据处理模块还用于在所述根据所述回归模型确定当前车辆胎压存在异常时，向用户提供警报。
在一个具体的可实施方案中，所述数据处理模块还用于根据所述正常数据样本，使用xgboost构建机器学习生成的回归模型；使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成以胎压为目的的回归模型。
在一个具体的可实施方案中，所述数据处理模块还用于在离线状态先构建以胎压为目的的回归模型；将所述回归模型上传到云平台。
在一个具体的可实施方案中，所述数据处理模块还用于周期性构建以胎压为目的回归模型；并上传所述云平台更新所述以胎压为目的的回归模型。
第三方面，提供了一种汽车，该汽车包括车体以及设置在所述车体内的汽车轮胎异常识别系统。在上述技术方案中，通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
第四方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现执行第一方面以及第一方面中任意一种可能的设计的方法。
第五方面，提供了一种非暂态计算机可读存储介质，所述非暂态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第一方面以及第一方面中任意一种可能的设计的方法。
第六方面，还提供一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行本申请第一方面以及第一方面中任意一种可能的设计的方法。
另外，第四方面至第六方面中任一种可能设计方式所带来的技术效果可参见方法部分中不同设计方式带来的效果，在此不再赘述。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书一个或多个实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的汽车轮胎异常识别系统的结构框图；
图2为本申请实施例提供的离线构建回归模型的流程图；
图3为本申请实施例提供的在线胎压异常识别的流程图；
图4为本申请实施例提供的胎压异常识别的流程图；
图5为本申请实施例提供的电子设备的结构框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本公开进一步详细说明。
需要说明的是，除非另外定义，本说明书一个或多个实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本说明书一个或多个实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
本说明书实施例中所述支付涉及的技术载体，例如可以包括近场通信(NearField Communication，NFC)、WIFI、3G/4G/5G、POS机刷卡技术、二维码扫码技术、条形码扫码技术、蓝牙、红外、短消息(Short Message Service，SMS)、多媒体消息(MultimediaMessage Service，MMS)等。
为方便理解本申请实施例提供的汽车轮胎异常识别方法，首先说明其应用场景，本申请实施例提供的汽车轮胎异常识别方法用于保护用户在乘车过程中的安全性。随着交通越来越繁忙，导致车辆使用的频率会越来越多，而在车辆行驶过程中，轮胎的状态关乎到用户在驾驶时的安全，当轮胎在汽车行驶过程中出现问题时，往往会造成车毁人亡的情况。而现有对汽车的轮胎的胎压检测，往往是通过对比两个轮胎的胎压之间的差异，其检测效果不是特别准确。为此，本申请实施例提供了一种汽车轮胎异常识别方法，下面结合具体的附图以及实施例对其进行说明。
为方便理解本申请实施例提供的汽车轮胎异常识别方法，首先说明一下该方法应用的硬件设备。
首先参考图1，图1示出了本申请实施例提供的汽车轮胎异常识别系统。该系统的主体结构包括信息采集模块10以及数据处理模块20，其中，信息采集模块10用于采集当前车辆的车胎的胎压、车辆状态以及用户信息等用户在使用车辆时，所涉及到不同层面的信息；数据处理模块20用于对采集模块采集的信息进行处理，并基于采集的信息对车辆的轮胎胎压进行判断。
对于信息采集模块10，其具体用于采集当前车辆的车胎的胎压、车辆状态以及用户信息。通过三个不同的信息作为评判当前车辆的车胎的原始数据，并通过数据处理模块20对三个不同的信息进行数据处理，并对处理后的结果进行判断，以判断车胎的胎压是否属于正常范围值，并在车胎的胎压不属于正常范围值时，根据判断结果给用户不同的提示，从而增强用户在使用车辆时的安全性。
示例性的，信息采集模块10可包含不同的传感器或者通信模块。如在采集当前车辆的车胎的胎压时，可通过内置在车胎内的压力传感器进行采集，通过压力传感器检测轮胎的胎压信息，从而获取车辆不同轮胎的胎压情况。上述不同车胎的胎压为数据处理模块20进行轮胎状态判断的原始数据。
上述车辆状态可包含轮胎温度、车速、行驶里程、环境温度、环境湿度等不同的信息。具体的，如采集车速时，可通过车辆的速度传感器，采集行驶里程时，可通过车辆存储的数据进行获取。而采集车辆的轮胎温度时，可通过温度传感器进行检测。环境温度以及环境湿度等，可通过设置的温湿度传感器进行检测，或者通过通信的方式获取当前的天气预报信息。上述车辆状态是与车辆的胎压相关联的相关数据，其为数据处理模块20判断胎压是否正常的一个参考数据。
在采集用户信息时，可通过用户特征识别传感器。该用户特征识别传感器可为摄像头或者虹膜传感器、指纹传感器等不同可识别不同用户的传感器。示例性的，在采用摄像头时，可通过摄像头采集的用户的图像信息与存储的用户信息进行比对，从而确定用户信息；在采用虹膜传感器或者指纹传感器时，同样可通过采集用户的虹膜特征或者指纹特征，与存储的用户信息比对，从而确定用户信息。应理解，上述摄像头、虹膜传感器或者指纹传感器为比较常见的传感器，其采集信息的方式不在此详细赘述。
数据处理模块20用以对上述信息采集模块10采集的信息进行处理，以获取车辆的胎压是否状态。具体的，该数据处理模块20用于在胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在历史数据中获取用户的车辆轮胎胎压数据范围；根据获取的用户的车辆轮胎胎压数据范围在获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据正常数据样本构建以胎压为目的回归模型；并基于信息采集模块10采集的当前车辆的车胎的胎压、车辆状态以及用户信息，根据回归模型确定当前车辆胎压是否存在异常。
为方便理解，下面详细说明一下数据处理模块20，该数据处理模块20可为车辆的中央控制器。该中央控制器与车辆内的各个传感器信号连接以获取车辆的不同信息。示例性的，该数据处理模块20可存储有车辆的所有信息，包含但不限定，车辆的车胎胎压以及车辆状态等信息。其具体数据获取可通过信息采集模块10长期数据的采集，从而获得一个数量较大的数据库。
为了判断当前车辆状态的情况，数据处理模块20构建了评判轮胎状态的回归模型。在具体构建该模型时，数据处理模块20在胎压的历史数据中，挑选胎压正常的样本数据。示例的，在用户使用车辆的历史数据中挖掘用户习惯的车辆轮胎胎压，并根据该胎压作为构建样本的参考胎压。从而在历史数据中挑选出正常数据样本。如一用户的使用胎压在2.2至2.5bar的范围内，当历史数据中，存在轮胎漏气时的胎压，如低于2.2bar时，则判断该胎压不是正常胎压，并将该胎压数据从历史数据中剔除出去。基于上述方式，数据处理模块20从历史数据中选出符合要求的样本。
另外，在挑选正常数据样本时，挑选样本涉及两个状态：车辆在行程开始前的轮胎以及车辆状态，以及车辆在行驶过程中的轮胎爱以及车辆状态。从而可在车辆行驶前以及车辆行驶过程中均可对车胎的胎压进行监测。具体的，在获取上述正常数据样本时，数据处理模块20在历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据。并根据历史数据中获取的用户的车辆轮胎胎压数据范围在获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本，并以上述正常数据样本为初始数据，构建以胎压为目的回归模型。该回归模型为判断车辆当前状态下轮胎胎压是否正常的模型。
在具体构建该回归模型时，数据处理模块20还用于根据正常数据样本，使用xgboost构建机器学习生成的回归模型；使用mape对机器学习生成的回归模型进行数据评估；在机器学习生成的回归模型通过mape评估后，生成以胎压为目的的回归模型。
XGBoost是一个优化的分布式梯度增强库，旨在实现高效，灵活和便携。它在Gradient Boosting框架下实现机器学习算法。XGBoost提供并行树提升(也称为GBDT，GBM)，可以快速准确地解决许多数据科学问题。相同的代码在主要的分布式环境(Hadoop，SGE，MPI)上运行，并且可以解决数十亿个示例之外的问题。在本申请实施例中，通过正常数据样本进行特征挖掘，并通过XGBoost进行模型训练，从而得到机器学习生成的回归模型。当然，除了采用XGBoost进行构建回归模型外，还可采用深度模型。
在构建好回归模型后，使用mape对机器学习生成的回归模型进行数据评估。具体的，构建测试集合样本，通过测试样本测试回归模型生成的胎压与测试样本之间的差异，判定回归模型的准确度，若在机器学习生成的回归模型通过mape评估后，生成以胎压为目的的回归模型。若机器学习生成的回归模型未通过mape评估后，则继续训练回归模型，直至生成可通过mape评估的回归模型。
数据处理模块20在对信息采集模块10的数据进行评估时，基于上述回归模型进行评估。示例性的，信息采集模块10在采集到当前车辆的车辆状态以及用户信息时，将上述用户信息以及车辆状态导入到回归模型中，并通过回归模型生成用户历史过程中对当前状态的车辆设置的胎压，对两者数据进行判断，以确定当前车胎的胎压情况。示例性的，数据处理模块20还用于在根据回归模型确定当前车辆胎压存在异常时，向用户提供警报。比如：若信息采集模块10采集的车胎的胎压若小于用户历史对轮胎压力设置值，提示压力异常，建议用户检查轮胎、充气。
数据处理模块20还用于在离线状态先构建以胎压为目的的回归模型，具体的参考图2；将回归模型上传到云平台。也即数据处理模块20具体构建上述回归模型时，其在离线状态下进行构建。如在一段时间内，数据处理模块20通过信息采集模块10采集的轮胎的信息，构建回归模型。并将构建的回归模型上传到云平台上进行存储。当需要使用时，数据处理模块20再通过云平台存储的数据处理模块20下载下来。当用户对轮胎的胎压进行调整时，数据处理模块20还用于周期性构建以胎压为目的回归模型；并上传云平台更新以胎压为目的的回归模型。也即对回归模型进行实时更新，根据用户的用车习惯的改变，不断的学习调整获取符合用户习惯的回归模型，从而可以得到更准确的判断依据。
在具体使用时，车辆启动时，采集轮胎压力、温度(轮胎)、环境温度作为行程初始值，与用户历史设置值比较，若小于用户历史对轮胎压力设置值，提示压力异常，建议用户检查轮胎、充气；车辆行驶后，周期采集轮胎温度、胎压、车速、行驶里程、环境温度、环境湿度等行车特征，使用初始轮胎压力、温度、环境温度，当前轮胎温度、车速、行驶里程、环境温度、环境湿度等做特征预测正常的轮胎压力，与当前测定轮胎压力值，根据偏差幅度不同，进行不同处理。
示例性的，如图3所示，车辆在上电后，通过信息采集模块10采集用户信息以及车辆状态信息；并采集车辆的轮胎压力、轮胎温度、环境温度等信息，作为行程初始值，当前检测轮胎压力值小于用户历史习惯的胎压时，提醒用户进行充气，若当前检测胎压符合用户历史习惯的胎压时，则进行周期检测，以获取用户在行驶过程中的胎压、温度等行车特征。通过回归模型预测车辆的胎压，当检测的行驶过程中的胎压与预测值出现偏差时，则判断该偏差是否增大，若增大，则判定为漏气，进而提醒用户车胎的胎压存在漏气。若未存在偏差，则判定车胎的胎压正常。若存在偏差，且该偏差持续出现，则提醒用户胎压出现异常，让用户注意车胎的情况。如当行驶在石子路时，小石子对胎压会造成影响。通过对用户进行胎压的提醒，使得用户注意行车安全。
通过上述描述可看出，本申请实施例提供的系统通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
参考图4，图4示出了本申请实施例提供的轮胎异常识别方法，该方法汽车轮胎异常识别方法具体包括以下步骤：
步骤001：在车辆轮胎的胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在历史数据中获取用户的车辆轮胎胎压数据范围；根据获取的用户的车辆轮胎胎压数据范围在获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据正常数据样本构建以胎压为目的回归模型；
具体的，车辆状态包括：轮胎温度、车速、行驶里程、环境温度、环境湿度。在根据正常数据样本构建以胎压为目的回归模型时具体为：根据正常数据样本，使用xgboost构建机器学习生成的回归模型；使用mape对机器学习生成的回归模型进行数据评估；在机器学习生成的回归模型通过mape评估后，生成以胎压为目的的回归模型。具体的可参考图1中的相关描述。
另外，在构建回归模型时，在离线状态先构建以胎压为目的的回归模型，将回归模型上传到云平台。
此外，通过周期性构建以胎压为目的回归模型，并上传云平台更新以胎压为目的的回归模型。从而使得在判定胎压时，可根据更新的回归模型进行评判。
步骤002：采集当前车辆的车胎的胎压、车辆状态以及用户信息，根据回归模型确定当前车辆胎压是否存在异常。
具体的，通过采集的车辆状态太以及用户信息，使用回归模型进行预测，并根据预测值与采集的车胎的胎压进行比较，判定是否存在异常。具体可参考图1中的相关描述。
步骤003：在根据回归模型确定当前车辆胎压存在异常时，向用户提供警报。
具体的，在采集当前车辆的车胎的胎压与根据回归模型提供的参考胎压的偏差持续增大时，判定车胎漏气；并向用户提供漏气警报。具体可参考图1中的相关描述。
本申请实施例还提供了一种汽车，该汽车包括车体以及设置在车体内的汽车轮胎异常识别系统。在上述技术方案中，通过使用车辆历史工况数据，利用机器学习模型拟合车辆环境变化正常的胎压，根据预测值与当前值得偏差，识别轮胎是否异常，进行是否轮胎是否漏气。
本申请实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现执行上述可能的设计的方法。
本申请实施例还提供了一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令用于使计算机执行上述可能的设计的方法。
本申请实施例还提供了一种计算机程序产品，包括指令，当其在计算机上运行时，使得计算机执行上述可能的设计的方法。
需要说明的是，本说明书一个或多个实施例的方法可以由单个设备执行，例如一台计算机或服务器等。本实施例的方法也可以应用于分布式场景下，由多台设备相互配合来完成。在这种分布式场景的情况下，这多台设备中的一台设备可以只执行本说明书一个或多个实施例的方法中的某一个或多个步骤，这多台设备相互之间会进行交互以完成所述的方法。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
上述实施例的装置用于实现前述实施例中相应的方法，并且具有相应的方法实施例的有益效果，在此不再赘述。
图5示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图，该设备可以包括：处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路，在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是，尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本公开的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本说明书一个或多个实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。
另外，为简化说明和讨论，并且为了不会使本说明书一个或多个实施例难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本说明书一个或多个实施例难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本说明书一个或多个实施例的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本公开的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本说明书一个或多个实施例。因此，这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。
本说明书一个或多个实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本说明书一个或多个实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (15)
1.一种汽车轮胎异常识别方法，其特征在于，包括以下步骤：
在车辆轮胎的胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；
在所述历史数据中获取用户的车辆轮胎胎压数据范围；
根据所述获取的用户的车辆轮胎胎压数据范围在所述获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；
根据所述正常数据样本构建以胎压为目的回归模型；
采集当前车辆的车胎的胎压、车辆状态以及用户信息，根据所述回归模型确定当前车辆胎压是否存在异常。
2.根据权利要求1所述的汽车轮胎异常识别方法，其特征在于，所述方法还包括：
在所述根据所述回归模型确定当前车辆胎压存在异常时，向用户提供警报。
3.根据权利要求2所述的汽车轮胎异常识别方法，其特征在于，所述根据所述正常数据样本构建以胎压为目的回归模型；具体为：
根据所述正常数据样本，使用xgboost构建机器学习生成的回归模型；
使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成以胎压为目的的回归模型。
4.根据权利要求3所述的汽车轮胎异常识别方法，其特征在于，还包括：
在离线状态先构建以胎压为目的的回归模型；
将所述回归模型上传到云平台。
5.根据权利要求4所述的汽车轮胎异常识别方法，其特征在于，还包括：
周期性构建以胎压为目的回归模型；并上传所述云平台更新所述以胎压为目的的回归模型。
6.根据权利要求1～5任一项所述的汽车轮胎异常识别方法，其特征在于，还包括：
在所述采集当前车辆的车胎的胎压与根据回归模型提供的参考胎压的偏差持续增大时，判定车胎漏气；并向所述用户提供漏气警报。
7.根据权利要求6所述的汽车轮胎异常识别方法，其特征在于，所述车辆状态包括：轮胎温度、车速、行驶里程、环境温度、环境湿度。
8.一种汽车轮胎异常识别系统，其特征在于，包括：
信息采集模块：采集当前车辆的车胎的胎压、车辆状态以及用户信息；
数据处理模块：用于在所述胎压的历史数据中，获取车辆行驶开始前轮胎的胎压及车辆状态的数据；以及车辆行驶过程中轮胎的胎压以及车辆状态数据；在所述历史数据中获取用户的车辆轮胎胎压数据范围；根据所述获取的用户的车辆轮胎胎压数据范围在所述获取的轮胎的胎压和车辆状态数据中挑选出正常数据样本；根据所述正常数据样本构建以胎压为目的回归模型；并基于所述信息采集模块采集的当前车辆的车胎的胎压、车辆状态以及用户信息，根据所述回归模型确定当前车辆胎压是否存在异常。
9.根据权利要求8所述的汽车轮胎异常识别系统，其特征在于，所述数据处理模块还用于在所述根据所述回归模型确定当前车辆胎压存在异常时，向用户提供警报。
10.根据权利要求9所述的汽车轮胎异常识别系统，其特征在于，所述数据处理模块还用于根据所述正常数据样本，使用xgboost构建机器学习生成的回归模型；使用mape对所述机器学习生成的回归模型进行数据评估；在所述机器学习生成的回归模型通过所述mape评估后，生成以胎压为目的的回归模型。
11.根据权利要求10所述的汽车轮胎异常识别系统，其特征在于，所述数据处理模块还用于在离线状态先构建以胎压为目的的回归模型；将所述回归模型上传到云平台。
12.根据权利要求11所述的汽车轮胎异常识别系统，其特征在于，所述数据处理模块还用于周期性构建以胎压为目的回归模型；并上传所述云平台更新所述以胎压为目的的回归模型。
13.一种汽车，其特征在于，包括车体以及设置在所述车体内的如权利要求8～12任一项所述的汽车轮胎异常识别系统。
14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任意一项所述的汽车轮胎异常识别方法。
15.一种非暂态计算机可读存储介质，其特征在于，所述非暂态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权利要求1至7任一所述汽车轮胎异常识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210336553.9A CN114559775A (zh) | 2022-03-31 | 2022-03-31 | 一种汽车轮胎异常识别系统及识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210336553.9A CN114559775A (zh) | 2022-03-31 | 2022-03-31 | 一种汽车轮胎异常识别系统及识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114559775A true CN114559775A (zh) | 2022-05-31 |
Family
ID=81719700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210336553.9A Pending CN114559775A (zh) | 2022-03-31 | 2022-03-31 | 一种汽车轮胎异常识别系统及识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114559775A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115008950B (zh) * | 2022-06-23 | 2024-03-15 | 铁将军汽车电子股份有限公司 | 蓝牙通信胎压传感控制方法、装置、设备及介质 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120118056A1 (en) * | 2010-11-17 | 2012-05-17 | Shuto Keisuke | Apparatus and method for detecting decrease in tire air pressure and program for detecting decrease in tire air pressure |
| WO2016049801A1 (zh) * | 2014-09-29 | 2016-04-07 | 林祖宏 | 汽车轮胎状态监测系统 |
| CN105539026A (zh) * | 2015-12-11 | 2016-05-04 | 西安交通大学 | 一种胎压检测系统和方法 |
| CN105539028A (zh) * | 2015-12-02 | 2016-05-04 | 广东好帮手电子科技股份有限公司 | 一种检测汽车轮胎漏气的方法及系统 |
| CN112848816A (zh) * | 2021-03-30 | 2021-05-28 | 武汉飞恩微电子有限公司 | 基于压力传感器的胎压检测方法、设备、存储介质及装置 |
| CN112918196A (zh) * | 2021-01-29 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种轮胎状态安全预警方法、系统及车辆 |
| CN112976956A (zh) * | 2019-12-17 | 2021-06-18 | 固特异轮胎和橡胶公司 | 评估轮胎状况的方法 |
| CN113085450A (zh) * | 2021-04-16 | 2021-07-09 | 上海仙塔智能科技有限公司 | 一种轮胎慢漏气检测方法、装置、车辆及计算机存储介质 |
| CN113232462A (zh) * | 2021-05-20 | 2021-08-10 | 上海仙塔智能科技有限公司 | 胎压管理方法、装置及计算机存储介质 |
| CN113561710A (zh) * | 2021-08-07 | 2021-10-29 | 深圳丰汇汽车电子有限公司 | 汽车轮胎诊断方法及系统 |
| JP2021181286A (ja) * | 2020-05-20 | 2021-11-25 | 横浜ゴム株式会社 | タイヤ異常検出装置、タイヤ異常検出方法およびプログラム |
-
2022
- 2022-03-31 CN CN202210336553.9A patent/CN114559775A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120118056A1 (en) * | 2010-11-17 | 2012-05-17 | Shuto Keisuke | Apparatus and method for detecting decrease in tire air pressure and program for detecting decrease in tire air pressure |
| WO2016049801A1 (zh) * | 2014-09-29 | 2016-04-07 | 林祖宏 | 汽车轮胎状态监测系统 |
| CN105539028A (zh) * | 2015-12-02 | 2016-05-04 | 广东好帮手电子科技股份有限公司 | 一种检测汽车轮胎漏气的方法及系统 |
| CN105539026A (zh) * | 2015-12-11 | 2016-05-04 | 西安交通大学 | 一种胎压检测系统和方法 |
| CN112976956A (zh) * | 2019-12-17 | 2021-06-18 | 固特异轮胎和橡胶公司 | 评估轮胎状况的方法 |
| JP2021181286A (ja) * | 2020-05-20 | 2021-11-25 | 横浜ゴム株式会社 | タイヤ異常検出装置、タイヤ異常検出方法およびプログラム |
| CN112918196A (zh) * | 2021-01-29 | 2021-06-08 | 浙江吉利控股集团有限公司 | 一种轮胎状态安全预警方法、系统及车辆 |
| CN112848816A (zh) * | 2021-03-30 | 2021-05-28 | 武汉飞恩微电子有限公司 | 基于压力传感器的胎压检测方法、设备、存储介质及装置 |
| CN113085450A (zh) * | 2021-04-16 | 2021-07-09 | 上海仙塔智能科技有限公司 | 一种轮胎慢漏气检测方法、装置、车辆及计算机存储介质 |
| CN113232462A (zh) * | 2021-05-20 | 2021-08-10 | 上海仙塔智能科技有限公司 | 胎压管理方法、装置及计算机存储介质 |
| CN113561710A (zh) * | 2021-08-07 | 2021-10-29 | 深圳丰汇汽车电子有限公司 | 汽车轮胎诊断方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王泽鹏;高峰;薛风先;: "轮胎气压与主要影响因素的关系试验", 农业机械学报, no. 03, 25 March 2007 (2007-03-25), pages 205 - 208 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115008950B (zh) * | 2022-06-23 | 2024-03-15 | 铁将军汽车电子股份有限公司 | 蓝牙通信胎压传感控制方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102215547B1 (ko) | 기계 모니터링 | |
| US20230010904A1 (en) | Systems and methods for determining vehicle trip information | |
| US10706644B2 (en) | Systems and methods for determining fuel information of a vehicle | |
| CN109389863B (zh) | 提示方法及相关设备 | |
| US20210334548A1 (en) | Vehicle damage assessment method, apparatus, and device | |
| US20200066158A1 (en) | Electronic device, warning message providing method therefor, and non-transitory computer-readable recording medium | |
| US11932274B2 (en) | Electronic device and control method therefor | |
| KR20210135389A (ko) | 장애물 인식 장치, 그를 포함하는 차량 시스템 및 그 방법 | |
| US20170357930A1 (en) | Work plan support information provision method, work plan support information provision apparatus, and computer-readable recording medium | |
| JPWO2018116862A1 (ja) | 情報処理装置および方法、並びにプログラム | |
| CN110610137A (zh) | 检测车辆行驶状态的方法、装置以及电子设备、存储介质 | |
| KR20210073313A (ko) | 주행 관련 안내 서비스를 제공하는 차량용 단말 장치, 서비스 제공 서버, 방법, 컴퓨터 프로그램 및 컴퓨터 판독 가능한 기록 매체 | |
| CN115394117B (zh) | 一种车辆障碍预警方法及系统 | |
| CN114559775A (zh) | 一种汽车轮胎异常识别系统及识别方法 | |
| CN110171426B (zh) | 一种基于智能设备的驾驶员危险驾驶行为识别方法及系统 | |
| CN110225446B (zh) | 一种识别驾驶行为的系统、方法、装置和存储介质 | |
| KR20160063906A (ko) | 차량 상태 분석 방법, 이를 구현하는 차량 정보 수집 장치 및 스마트 디바이스 | |
| US20220164350A1 (en) | Searching an autonomous vehicle sensor data repository based on context embedding | |
| CN115240400B (zh) | 车辆位置识别方法和装置、车辆位置输出方法和装置 | |
| WO2018187967A1 (en) | Apparatus, server and method for vehicle sharing | |
| CN109544648B (zh) | 一种标定方法及装置 | |
| CN114741047A (zh) | 一种音量调节方法及音量调节系统 | |
| CN114475502A (zh) | 一种乘车人员下车安全保护方法及保护装置 | |
| EP4327298A1 (en) | System and method for automatic treadwear classification | |
| EP3472742A1 (en) | Machine monitoring |
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 |