CN114659539A - 一种汽车电子计量设备失准判断方法 - Google Patents
一种汽车电子计量设备失准判断方法 Download PDFInfo
- Publication number
- CN114659539A CN114659539A CN202210315497.0A CN202210315497A CN114659539A CN 114659539 A CN114659539 A CN 114659539A CN 202210315497 A CN202210315497 A CN 202210315497A CN 114659539 A CN114659539 A CN 114659539A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- mileage
- detection
- road
- fault
- 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 abstract description 63
- 238000001514 detection method Methods 0.000 claims abstract description 110
- 238000012937 correction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种汽车电子计量设备失准判断方法,属于车辆里程表技术领域,具体步骤包括:步骤一:建立里程检测表,实时获取当前车辆的车辆里程表中的里程数据和运行时间,将获取的里程数据和运行时间输入到里程检测表中进行匹配,判断当前车辆里程表是否到达检测时间,当没有到达检测时间时,不进行操作;当到达检测时间时,进入步骤二;步骤二:判断当前车辆是否达到检测要求,当判断当前车辆没有达到检测要求时,不进行操作,当判断当前车辆达到检测要求时,获取当前车辆里程表中的里程数据和车辆位置,将车辆里程表中的里程数据标记为初始里程值;将当前车辆位置标记为检测初始点。
Description
技术领域
本发明属于车辆里程表技术领域,具体是一种汽车电子计量设备失准判断方法。
背景技术
车辆里程表属于计量设备,能够记录车辆行驶的距离,通过记录的数据可以为车辆是否需要大修或发动机比例关系是否应该报废提供数据参考,是车辆中的一个重要组成部分;
但是当前车辆里程表发生计量失准时,往往车主并不能及时的发现,而且即使车主感觉车辆里程表可能具有计量问题时,也需要将车辆开到检修厂进行检测,不够方便,效率较低;因此本发明提供了一种汽车电子计量设备失准判断方法,用于判断车辆里程表是否具有计量失准问题。
发明内容
为了解决上述方案存在的问题,本发明提供了一种汽车电子计量设备失准判断方法。
本发明的目的可以通过以下技术方案实现:
一种汽车电子计量设备失准判断方法,具体步骤包括:
步骤一:建立里程检测表,实时获取当前车辆的车辆里程表中的里程数据和运行时间,将获取的里程数据和运行时间输入到里程检测表中进行匹配,判断当前车辆里程表是否到达检测时间,当没有到达检测时间时,不进行操作;当到达检测时间时,进入步骤二;
步骤二:判断当前车辆是否达到检测要求,当判断当前车辆没有达到检测要求时,不进行操作,当判断当前车辆达到检测要求时,获取当前车辆里程表中的里程数据和车辆位置,将车辆里程表中的里程数据标记为初始里程值;将当前车辆位置标记为检测初始点;
步骤三:设置检测终点,当车辆到达检测终点时,获取车辆里程表中的里程数据,标记为终点里程值,根据终点里程值和初始里程值获得计量里程值;
步骤四:计算检测初始点与检测终点之间的路线距离,并标记为校核里程值,将校核里程值与计量里程值进行比较,判断当前车辆的车辆里程表是否具有失准问题。
进一步地,建立里程检测表的方法包括:
实时从互联网中获取同类型车辆里程表的故障数据,车辆里程表的故障数据包括故障里程值和故障时间,将车辆里程表的故障数据进行坐标化,标记为里程故障坐标点;对里程故障坐标点进行聚类,获得聚类中心,将聚类中心整合到一个电子表格中,将整合后的电子表格标记为里程检测表。
进一步地,对里程故障坐标点进行聚类的方法包括:
建立里程故障坐标图,进行各个里程故障坐标点的优先级编号,在里程故障坐标图中标记主体区域,计算主体区域外各个里程故障坐标点与主体区域边界的距离,标记为边界距离;设置聚类限制条件,根据聚类限制条件按照优先级编号进行聚类,获得单一聚类,计算单一聚类的饱和度,当饱和度不小于阈值X1时,确定单一聚类的聚类中心,当饱和度小于阈值X1时,将单一聚类内边界距离最大的里程故障坐标点从里程故障坐标图中剔除,重新按照优先级编号进行聚类,依此类推,直到确定满足饱和度要求的单一聚类的聚类中心。
进一步地,计算单一聚类的饱和度的方法包括:
根据聚类限制条件设置边界圆,确定里程故障坐标图中主体区域内里程故障坐标点的聚类中心,将边界圆的圆心与聚类中心进行重合,将边界圆内的里程故障坐标点标记为P;建立系数模型,通过系数模型对当前的里程故障坐标图进行分析,获得修正系数β;识别单一聚类内具有的里程故障坐标点的数量,标记为L,根据饱和度公式计算单一聚类的饱和度,其中λ为修正因子,取值范围为0<λ≤1。
进一步地,判断当前车辆是否达到检测要求的方法包括:
在车辆上设置电子气泡,并以水平状态时的电子气泡为中心建立分界圆,当电子气泡与分界圆相交时,则车辆处于上坡或下坡道路,当车辆位于分界圆内时,则车辆处于平缓道路;获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于正在行驶状态时,实时获取电子气泡的位置,根据电子气泡的位置判断当前道路是否为平缓道路,当判断不是平缓道路时,不进行操作;当判断为平缓道路时,从当前车辆的导航地图中识别当前道路,获取当前道路的直线段距离,设置标准路段检测值,当获取的直线段距离不小于标准路段检测值时,判定当前车辆达到检测要求。
进一步地,将获取的当前道路的直线段终点作为检测终点。
进一步地,判断当前车辆是否达到检测要求的方法包括:
获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于正在行驶状态时,通过车辆的导航地图获取当前车辆所在的道路规格,设置道路检测规格表,将获取的当前车辆所在的道路规格输入到道路检测规格表中进行匹配,当匹配失败时,不进行操作,当匹配成功时,判断当前车辆达到检测要求。
进一步地,通过车辆的导航地图获取当前车辆的行驶路线,设置标定路程,根据标定路程在当前车辆的行驶路线上设置检测终点。
进一步地,标定路程大于标准路段检测值。
进一步地,计算检测初始点与检测终点之间的路线距离的方法包括:
在车辆上设置高精度定位装置,获取检测初始点与检测终点之间的道路图,在道路图中设置坐标系,当车辆开始检测时,实时获取高精度定位装置的定位坐标,将获取的坐标输入到道路图中,并将道路图中相邻的两个坐标点进行连线,直到车辆到达检测终点,停止高精度定位装置的定位,将此时道路图中的定位坐标连接标记为校核路线,识别校核路线的距离。
与现有技术相比,本发明的有益效果是:通过建立里程检测表,分析合理的检测时间和里程数,避免长时间不停歇的工作造成设备损耗加重,提高相应设备的使用寿命;通过车辆在驾驶的过程中,完成对车辆里程表的自动校核,帮助车主及时的发现车辆里程表的失准问题,使得车主不用再为了检测车辆里程表的失准问题,而特地的去检修场所进行检修了,提高车主的使用舒适度;同时可以及时的避免因为车辆里程表的失准问题而导致的车辆故障。
附图说明
为了更清楚地说明本发明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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种汽车电子计量设备失准判断方法,具体步骤包括:
步骤一:建立里程检测表,实时获取当前车辆的车辆里程表中的里程数据和运行时间,将获取的里程数据和运行时间输入到里程检测表中进行匹配,判断当前车辆里程表是否到达检测时间,当没有到达检测时间时,不进行操作;当到达检测时间时,进入步骤二;
在一个实施例中,建立里程检测表的方法包括:
实时从互联网中获取同类型车辆里程表的故障数据,同类型车辆里程表指的是与检测车辆使用同型号的车辆里程表;车辆里程表的故障数据包括故障里程值和故障时间,故障里程值指的是当车辆里程表发生故障时,车辆里程表中的里程数据,故障时间指的是当车辆里程表发生故障时,车辆里程表的运行时间,将车辆里程表的故障数据进行坐标化,标记为里程故障坐标点;对里程故障坐标点进行聚类,获得聚类中心,将聚类中心整合到一个电子表格中,将整合后的电子表格标记为里程检测表。
对里程故障坐标点进行聚类的方法包括:
建立里程故障坐标图,里程故障坐标图即为将里程故障坐标点整合到同一个坐标图中;进行各个里程故障坐标点的优先级编号,在里程故障坐标图中标记主体区域,计算主体区域外各个里程故障坐标点与主体区域边界的距离,标记为边界距离;设置聚类限制条件,由专家组进行讨论设置,一般包括聚类半径、点位间距离等条件;根据聚类限制条件按照优先级编号进行聚类,获得单一聚类,计算单一聚类的饱和度,当饱和度不小于阈值X1时,确定单一聚类的聚类中心,阈值X1为由专家组根据实际饱和度要去进行设置的;当饱和度小于阈值X1时,将单一聚类内边界距离最大的里程故障坐标点从里程故障坐标图中剔除,重新按照优先级编号进行聚类,依此类推,直到确定满足饱和度要求的单一聚类的聚类中心;进行下一个单一聚类的确认。
可以直接使用现有的聚类方法进行聚类;单一聚类指的是根据优先级编号只聚类一个聚类。
计算单一聚类的饱和度的方法包括:
根据聚类限制条件设置边界圆,就是以聚类半径建立圆,确定里程故障坐标图中主体区域内里程故障坐标点的聚类中心,将边界圆的圆心与聚类中心进行重合,将边界圆内的里程故障坐标点标记为P;建立系数模型,通过系数模型对当前的里程故障坐标图进行分析,获得修正系数β;识别单一聚类内具有的里程故障坐标点的数量,标记为L,根据饱和度公式计算单一聚类的饱和度,其中λ为修正因子,取值范围为0<λ≤1。
系数模型是基于CNN网络或DNN网络进行建立的,模拟里程故障坐标图,再根据模拟的里程故障坐标图设置对应的修正系数,建立训练集,通过训练集进行训练,具体的建立和训练过程为本领域常识,因此不进行详细叙述。
进行各个里程故障坐标点的优先级编号的方法就是距离坐标原点的距离和相同距离下故障里程值与故障时间之间的优先级,具体的可以设置一个简单的数据判断公式。
在里程故障坐标图中标记主体区域就是利用里程故障坐标点的离散进行标记的,主要聚集在哪个区域,即为主体区域,可以通过人工或者建立神经网络模型的方式进行标记。
在一个实施例中对里程故障坐标点进行聚类的方法包括:
步骤SA1:确定k值,任选选择k个里程故障坐标点作为预设聚类中心;
步骤SA2:计算聚类对象到所有预设聚类中心的欧氏距离;并根据计算结果将每个聚类对象划分到距离它最近的聚类中心,作为该类别的一个成员;聚类对象指的是里程故障坐标点;
步骤SA3:重新计算每个类别的均值,作为该类别新的聚类中心;
步骤SA4:当每个待聚类对象到其所属类别聚类中心的距离之和不能再减小时,即算法已经收敛时,完成聚类;反之,则返回步骤SA2。
步骤SA1中确定k值的方法包括:
建立里程故障坐标图,改变里程故障坐标图中里程故障坐标点和背景颜色,将改变颜色后的图像进行图像预处理,图像预处理包括图像分割、图像去噪、图像增强和灰度变换,并将图像预处理之后的图像标记为灰度图像,建立识别模型,识别模型是基于CNN网络或DNN网络进行建立的,以大量获取的灰度图像和对应设置的k值作为训练集进行训练的,通过识别模型对灰度图像进行分析,获得对应的k值;通过改变里程故障坐标图中里程故障坐标点和背景颜色,便于辨识里程故障坐标点和背景,提高转化精度,同时方便建立识别模型的训练集;
改变里程故障坐标图中里程故障坐标点和背景颜色,用于使得里程故障坐标点和背景颜色有一定的色差,方便后续的数据处理,具体的颜色改变方案由专家组进行讨论设置,背景指的是里程故障坐标图中非里程故障坐标点的部分,即坐标轴也属于背景部分。
在一个实施例中,建立里程检测表的方法包括:
直接由专家组基于大数据设置标准里程数或标准检测时间,标准里程数指的是每隔一定的里程数,就要进行检测;标准检测时间指的是每隔一段时间,就要进行检测;根据设置的标准里程数或标准检测时间建立里程检测表。
步骤二:判断当前车辆是否达到检测要求,当判断当前车辆没有达到检测要求时,不进行操作,当判断当前车辆达到检测要求时,获取当前车辆里程表中的里程数据和车辆位置,将车辆里程表中的里程数据标记为初始里程值;将当前车辆位置标记为检测初始点;
在一个实施例中,判断当前车辆是否达到检测要求的方法包括:
在车辆上设置电子气泡,并以水平状态时的电子气泡为中心建立分界圆,分界圆用于表示平缓道路与上坡或下坡道路的分界线,当电子气泡与分界圆相交时,则车辆处于上坡或下坡道路,当车辆位于分界圆内时,则车辆处于平缓道路;获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于未行驶状态时,不进行操作;当车辆处于正在行驶状态时,实时获取电子气泡的位置,根据电子气泡的位置判断当前道路是否为平缓道路,当判断不是平缓道路时,不进行操作;当判断为平缓道路时,从当前车辆的导航地图中识别当前道路,获取当前道路的直线段距离,指的是当前车辆距离下一个弯道之间的直线路段距离,设置标准路段检测值,当获取的直线段距离不小于标准路段检测值时,判定当前车辆达到检测要求;反之,则没有达到检测要求;标准路段检测值由专家组根据测量距离精度进行设置的,用于确保具有失准问题的车辆里程表在设置的路程距离中体现失准数据,因为只有一定距离的路程,才能使得失准数据更加的明显;可以通过车辆上的GPS导航信息或者北斗导航信息来获取车辆的行驶状态,正在行驶状态中车辆的定位会以一定的速度移动,可以方便的判断出车辆的行驶状态,在其他实施例中,还可以通过车辆仪表数据、车外景象变化等方式来获取车辆的行驶状态。使用本实施例提供的方法作为判定方法,使得后续获取的数据更加的准确,精度更高。
在一个实施例中,因为上述实施例提供的判定方法的先决条件较多,条件不容易满足,因此本实施例提供一种更加简单的判定方法,判断当前车辆是否达到检测要求的方法包括:
获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于未行驶状态时,不进行操作;当车辆处于正在行驶状态时,通过车辆的导航地图获取当前车辆所在的道路规格,道路规格包括省道、国道、高速公路等规格,设置道路检测规格表,道路检测规格表用于储存可以进行车辆里程表失准检测的道路规格;将获取的当前车辆所在的道路规格输入到道路检测规格表中进行匹配,当匹配失败时,不进行操作,当匹配成功时,判断当前车辆达到检测要求。
步骤三:设置检测终点,当车辆到达检测终点时,获取车辆里程表中的里程数据,标记为终点里程值,根据终点里程值和初始里程值获得计量里程值;
在一个实施例中,设置检测终点的方法包括:
对于步骤二中的第一个实施例,将获取的当前道路的直线段终点作为检测终点。
在一个实施例中,设置检测终点的方法包括:
对于步骤二中的第二个实施例,通过车辆的导航地图获取当前车辆的行驶路线,设置标定路程,根据标定路程在当前车辆的行驶路线上设置检测终点;标定路程由专家组进行讨论设置,且标定路程是大于标准路段检测值的。
步骤四:计算检测初始点与检测终点之间的路线距离,并标记为校核里程值,将校核里程值与计量里程值进行比较,判断当前车辆的车辆里程表是否具有失准问题。
如何通过比较结果,判断当前车辆的车辆里程表是否具有失准问题,是本领域技术人员常识,因此不进行详细叙述;
计算检测初始点与检测终点之间的路线距离的方法包括:
在车辆上设置高精度定位装置,高精度定位装置为现有的定位装置,获取检测初始点与检测终点之间的道路图,在道路图中设置坐标系,设置坐标系与高精度定位装置的参照坐标相同;当车辆开始检测时,实时获取高精度定位装置的定位坐标,将获取的坐标输入到道路图中,并将道路图中相邻的两个坐标点进行连线,直到车辆到达检测终点,停止高精度定位装置的定位,将此时道路图中的定位坐标连接标记为校核路线,识别校核路线的距离;核路线的距离即为检测初始点与检测终点之间的路线距离。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (10)
1.一种汽车电子计量设备失准判断方法,其特征在于,具体步骤包括:
步骤一:建立里程检测表,实时获取当前车辆的车辆里程表中的里程数据和运行时间,将获取的里程数据和运行时间输入到里程检测表中进行匹配,判断当前车辆里程表是否到达检测时间,当没有到达检测时间时,不进行操作;当到达检测时间时,进入步骤二;
步骤二:判断当前车辆是否达到检测要求,当判断当前车辆没有达到检测要求时,不进行操作,当判断当前车辆达到检测要求时,获取当前车辆里程表中的里程数据和车辆位置,将车辆里程表中的里程数据标记为初始里程值;将当前车辆位置标记为检测初始点;
步骤三:设置检测终点,当车辆到达检测终点时,获取车辆里程表中的里程数据,标记为终点里程值,根据终点里程值和初始里程值获得计量里程值;
步骤四:计算检测初始点与检测终点之间的路线距离,并标记为校核里程值,将校核里程值与计量里程值进行比较,判断当前车辆的车辆里程表是否具有失准问题。
2.根据权利要求1所述的一种汽车电子计量设备失准判断方法,其特征在于,建立里程检测表的方法包括:
实时从互联网中获取同类型车辆里程表的故障数据,车辆里程表的故障数据包括故障里程值和故障时间,将车辆里程表的故障数据进行坐标化,标记为里程故障坐标点;对里程故障坐标点进行聚类,获得聚类中心,将聚类中心整合到一个电子表格中,将整合后的电子表格标记为里程检测表。
3.根据权利要求2所述的一种汽车电子计量设备失准判断方法,其特征在于,对里程故障坐标点进行聚类的方法包括:
建立里程故障坐标图,进行各个里程故障坐标点的优先级编号,在里程故障坐标图中标记主体区域,计算主体区域外各个里程故障坐标点与主体区域边界的距离,标记为边界距离;设置聚类限制条件,根据聚类限制条件按照优先级编号进行聚类,获得单一聚类,计算单一聚类的饱和度,当饱和度不小于阈值X1时,确定单一聚类的聚类中心,当饱和度小于阈值X1时,将单一聚类内边界距离最大的里程故障坐标点从里程故障坐标图中剔除,重新按照优先级编号进行聚类,依此类推,直到确定满足饱和度要求的单一聚类的聚类中心。
5.根据权利要求1所述的一种汽车电子计量设备失准判断方法,其特征在于,判断当前车辆是否达到检测要求的方法包括:
在车辆上设置电子气泡,并以水平状态时的电子气泡为中心建立分界圆,当电子气泡与分界圆相交时,则车辆处于上坡或下坡道路,当车辆位于分界圆内时,则车辆处于平缓道路;获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于正在行驶状态时,实时获取电子气泡的位置,根据电子气泡的位置判断当前道路是否为平缓道路,当判断不是平缓道路时,不进行操作;当判断为平缓道路时,从当前车辆的导航地图中识别当前道路,获取当前道路的直线段距离,设置标准路段检测值,当获取的直线段距离不小于标准路段检测值时,判定当前车辆达到检测要求。
6.根据权利要求5所述的一种汽车电子计量设备失准判断方法,其特征在于,将获取的当前道路的直线段终点作为检测终点。
7.根据权利要求1所述的一种汽车电子计量设备失准判断方法,其特征在于,判断当前车辆是否达到检测要求的方法包括:
获取车辆的行驶状态,行驶状态包括正在行驶状态和未行驶状态,当车辆处于正在行驶状态时,通过车辆的导航地图获取当前车辆所在的道路规格,设置道路检测规格表,将获取的当前车辆所在的道路规格输入到道路检测规格表中进行匹配,当匹配失败时,不进行操作,当匹配成功时,判断当前车辆达到检测要求。
8.根据权利要求7所述的一种汽车电子计量设备失准判断方法,其特征在于,通过车辆的导航地图获取当前车辆的行驶路线,设置标定路程,根据标定路程在当前车辆的行驶路线上设置检测终点。
9.根据权利要求6或8所述的一种汽车电子计量设备失准判断方法,其特征在于,标定路程大于标准路段检测值。
10.根据权利要求1所述的一种汽车电子计量设备失准判断方法,其特征在于,计算检测初始点与检测终点之间的路线距离的方法包括:
在车辆上设置高精度定位装置,获取检测初始点与检测终点之间的道路图,在道路图中设置坐标系,当车辆开始检测时,实时获取高精度定位装置的定位坐标,将获取的坐标输入到道路图中,并将道路图中相邻的两个坐标点进行连线,直到车辆到达检测终点,停止高精度定位装置的定位,将此时道路图中的定位坐标连接标记为校核路线,识别校核路线的距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210315497.0A CN114659539B (zh) | 2022-03-28 | 2022-03-28 | 一种汽车电子计量设备失准判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210315497.0A CN114659539B (zh) | 2022-03-28 | 2022-03-28 | 一种汽车电子计量设备失准判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114659539A true CN114659539A (zh) | 2022-06-24 |
CN114659539B CN114659539B (zh) | 2024-08-13 |
Family
ID=82033390
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210315497.0A Active CN114659539B (zh) | 2022-03-28 | 2022-03-28 | 一种汽车电子计量设备失准判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114659539B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2283805A1 (en) * | 1997-03-14 | 1998-09-17 | Qualcomm Incorporated | Method of and system for determining a route of travel by a vehicle |
CN103927547A (zh) * | 2014-03-31 | 2014-07-16 | 中国海洋石油总公司 | 一种用于对岩屑荧光图像进行快速分析方法 |
CN107085768A (zh) * | 2017-04-25 | 2017-08-22 | 交通运输部公路科学研究所 | 一种用于评价汽车使用可靠性的系统及方法 |
CN107667274A (zh) * | 2015-05-26 | 2018-02-06 | 克朗设备公司 | 用于材料搬运车辆里程计校准的系统和方法 |
CN109532722A (zh) * | 2018-12-20 | 2019-03-29 | 黄凤南 | 一种车辆配件生命周期预警提醒系统 |
CN109556630A (zh) * | 2018-10-31 | 2019-04-02 | 惠州华阳通用电子有限公司 | 一种车辆里程修正方法及装置 |
CN109724812A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线(北京)新技术有限公司 | 车辆故障预警的方法、装置、存储介质和终端设备 |
CN110954130A (zh) * | 2019-12-20 | 2020-04-03 | 深圳市昊岳科技有限公司 | 一种通过定位模块计算车辆轮胎里程的方法 |
CN113108808A (zh) * | 2021-03-16 | 2021-07-13 | 北京理工大学 | 一种车辆里程计在线检定系统及检定方法 |
-
2022
- 2022-03-28 CN CN202210315497.0A patent/CN114659539B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2283805A1 (en) * | 1997-03-14 | 1998-09-17 | Qualcomm Incorporated | Method of and system for determining a route of travel by a vehicle |
CN103927547A (zh) * | 2014-03-31 | 2014-07-16 | 中国海洋石油总公司 | 一种用于对岩屑荧光图像进行快速分析方法 |
CN107667274A (zh) * | 2015-05-26 | 2018-02-06 | 克朗设备公司 | 用于材料搬运车辆里程计校准的系统和方法 |
CN107085768A (zh) * | 2017-04-25 | 2017-08-22 | 交通运输部公路科学研究所 | 一种用于评价汽车使用可靠性的系统及方法 |
CN109556630A (zh) * | 2018-10-31 | 2019-04-02 | 惠州华阳通用电子有限公司 | 一种车辆里程修正方法及装置 |
CN109532722A (zh) * | 2018-12-20 | 2019-03-29 | 黄凤南 | 一种车辆配件生命周期预警提醒系统 |
CN109724812A (zh) * | 2018-12-29 | 2019-05-07 | 彩虹无线(北京)新技术有限公司 | 车辆故障预警的方法、装置、存储介质和终端设备 |
CN110954130A (zh) * | 2019-12-20 | 2020-04-03 | 深圳市昊岳科技有限公司 | 一种通过定位模块计算车辆轮胎里程的方法 |
CN113108808A (zh) * | 2021-03-16 | 2021-07-13 | 北京理工大学 | 一种车辆里程计在线检定系统及检定方法 |
Non-Patent Citations (2)
Title |
---|
ADAM-ALEXANDER MANOWICZ等: "Analysis of the correlation between engine failures and odometer value of different kind of cars by using big data analytic tools", 《10TH BIANNUAL CER COMPARATIVE EUROPEAN RESEARCH CONFERENCE》, 31 October 2018 (2018-10-31) * |
杨超等: "GPS里程自动修正系统的原理与应用", 《铁路计算机应用》, vol. 18, no. 5, 26 May 2009 (2009-05-26), pages 33 - 35 * |
Also Published As
Publication number | Publication date |
---|---|
CN114659539B (zh) | 2024-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103759758A (zh) | 一种基于机械角度和刻度识别的汽车仪表指针的位置检测方法 | |
CN116797055B (zh) | 一种基于物联网的城市道路规划方法及系统 | |
CN113052405B (zh) | 基于物联网和人工智能的交通拥堵预测与优化方法 | |
CN111460986A (zh) | 一种车道线处理方法和装置 | |
CN111723835A (zh) | 车辆移动轨迹区分方法、装置和电子设备 | |
CN112948965A (zh) | 一种基于机器学习和统计验证的汽车行驶工况的构建方法 | |
LU500569B1 (en) | Method and device for acquiring driving test cycle weight factors based on gis large data | |
CN109341704B (zh) | 一种地图精度确定方法及装置 | |
CN112380906B (zh) | 一种基于行车数据确定用户住址的方法 | |
CN111680888B (zh) | 基于rfid数据确定路网容量的方法 | |
CN114659539B (zh) | 一种汽车电子计量设备失准判断方法 | |
CN115221234A (zh) | 一种基于动力总成数据对用户进行画像的方法及系统 | |
CN111625549A (zh) | 一种不动产登记空间数据户落幢快速模糊匹配方法 | |
CN114613144B (zh) | 一种基于Embedding-CNN的混合车群运动演化规律的刻画方法 | |
CN114169247A (zh) | 仿真交通流的生成方法、装置、设备和计算机可读存储介质 | |
CN115035185B (zh) | 一种利用曲率和曲率变化率识别平曲线的方法 | |
CN116625448B (zh) | 一种基于人工智能的油耗检测方法、装置及存储介质 | |
CN117935563B (zh) | 一种基于交通运输网络的风险点辨识方法 | |
CN114638038B (zh) | 一种路标修正方法、系统、终端以及存储介质 | |
CN117952565B (zh) | 基于bim模型的装配式建筑智能管理方法及系统 | |
CN115855066B (zh) | 一种高铁坐标定位修正方法 | |
CN114387349A (zh) | 一种图像传感器的在线自标定方法 | |
CN114328768A (zh) | 曲率纠偏方法、自动纠偏系统和高精度地图云 | |
CN117522492A (zh) | Ubi车险在动态时间周期内的智能定价方法、装置及系统 | |
CN114697873A (zh) | 一种基于手机传感数据实现用户身份辨识的方法及系统 |
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 |