CN116579527A - 一种企业用油统计数据智能分析管理系统 - Google Patents

一种企业用油统计数据智能分析管理系统 Download PDF

Info

Publication number
CN116579527A
CN116579527A CN202310861259.4A CN202310861259A CN116579527A CN 116579527 A CN116579527 A CN 116579527A CN 202310861259 A CN202310861259 A CN 202310861259A CN 116579527 A CN116579527 A CN 116579527A
Authority
CN
China
Prior art keywords
freight car
automobile
set period
freight
oil
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
Application number
CN202310861259.4A
Other languages
English (en)
Inventor
姚焕利
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chepoxi Intelligent Technology Shandong Co ltd
Original Assignee
Chepoxi Intelligent Technology Shandong Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chepoxi Intelligent Technology Shandong Co ltd filed Critical Chepoxi Intelligent Technology Shandong Co ltd
Priority to CN202310861259.4A priority Critical patent/CN116579527A/zh
Publication of CN116579527A publication Critical patent/CN116579527A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于企业用油数据分析管理领域，涉及到一种企业用油统计数据智能分析管理系统，通过设置汽车身份信息输入模块、汽车有关信息提取模块、汽车参考油耗量分析模块、汽车油耗影响系数构建模块、汽车实际油耗量分析模块、汽车加油量获取模块、汽车用油合理性评价模块和云数据库，本发明从车况、承重、气象和驾驶多方面影响因素分析各货运汽车在设定周期内各次运输的油耗影响系数，进而获取各货运汽车在设定周期内的总油耗量，将各货运汽车在设定周期内的总油耗量和加油量进行处理，得到各货运汽车在设定周期内的用油合理性指数，及时发现各货运汽车的油耗异常问题，进而降低油费成本，提高企业经济效益。

Description

一种企业用油统计数据智能分析管理系统
技术领域
本发明属于企业用油数据分析管理领域，涉及到一种企业用油统计数据智能分析管理系统。
背景技术
随着经济的快速发展和生活水平的稳步提升，交通运输需求不断扩大以满足市场需求和物资流通的需要，同时交通业务逐渐走向了规模化、社会化，促进了交通运输企业快速兴起，其包括公路、铁路、水路、航空等运输手段，而公路运输多采用货运汽车这一交通工具实施，货运汽车的正常行驶需要消耗大量油料，故交通运输企业的油费成本较高且直接影响着交通运输企业的利润和生存能力，因此对交通运输企业名下的货运汽车的油耗情况进行管理是十分有必要的。
目前企业名下货运汽车的用油数据管理在经济快速发展的带动下，取得了很大的进步，相较于以前的人工记录货运汽车用油数据的方式，现在更多通过对货运汽车所属油卡消费金额的管理获取货运汽车的用油数据，有效规避了人工巡查效率低的不足，但目前企业名下货运汽车的用油数据管理系统在分析货运汽车的用油合理性时，仅通过货运汽车用油数据和行驶里程数的比例关系来反映，尚存在一些不足之处，具体表现在：1、忽视了货运汽车的健康状况对汽车油耗的影响，使得企业对货运汽车用油的合理性评估不全面，从而无法准确找出油耗的问题所在，也无法采取相应的措施来降低油耗量。
2、未考虑到货运汽车各次运输时汽车承载量对汽车油耗的影响，当汽车承载量超过其对应的最大允许承载量时，不仅由于汽车阻力增加导致油耗量增加，还影响到汽车的行驶速度，进而影响到汽车的油耗，对汽车总油耗量的分析力度不够，无法保障货运汽车用油合理性分析的准确性和可靠性，从而影响后续对货运汽车的处理。
3、缺乏针对货运汽车各次运输时驾驶员的驾车习惯以及天气因素对车辆油耗的影响进行细致性的精准分析，从而未考虑到货运汽车在运输过程中因车速忽快忽慢、刹车力度过大导致油耗增加的问题，也未考虑到天气状况对货运汽车行驶状态的影响，进而影响到汽车油耗的问题，进而导致货运汽车用油合理性分析单一且不具有说服力，不利于企业对货运汽车的管理。
发明内容
鉴于此，为解决上述背景技术中所提出的问题，现提出一种企业用油统计数据智能分析管理系统。
本发明的目的可以通过以下技术方案实现：本发明提供一种企业用油统计数据智能分析管理系统，包括：汽车身份信息输入模块，用于人工输入各货运汽车的身份信息。
汽车有关信息提取模块，用于根据各货运汽车的身份信息，从企业后台提取各货运汽车的基本信息、运输信息和历史信息。
汽车参考油耗量分析模块，用于根据各货运汽车的基本信息和历史信息，分析各货运汽车在设定周期内固定运输路径的参考油耗量。
汽车油耗影响系数构建模块，用于根据各货运汽车的基本信息和运输信息，构建各货运汽车在设定周期内各次运输的油耗影响系数。
汽车实际油耗量分析模块，用于分析各货运汽车在设定周期内各次运输的实际油耗量，进而获取各货运汽车在设定周期内的总油耗量。
汽车加油量获取模块，用于通过从加油站提取各货运汽车所属加油卡在设定周期内的消费金额，获取各货运汽车在设定周期内的加油量。
汽车用油合理性评价模块，用于根据各货运汽车在设定周期内的总油耗量和加油量，分析各货运汽车在设定周期内的用油合理性指数，据此进行相应的处理。
云数据库，用于存储汽车各部件对应的维修程度评估指数、汽车各维修时长范围对应的维修等级评估指数，存储汽车官方规定的各品牌各型号各规格汽车的可使用总年限、可行驶总里程数、最大允许承载重量，存储各温度等级、各湿度等级、各风力强度等级和各降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，存储各时间阶段的油费单价。
优选地，所述身份信息包括品牌和车牌号码。
所述基本信息包括型号、规格、已使用年限、已行驶总里程数、各次历史维修的维修时长和各维修部件、固定运输路径的里程数。
所述运输信息包括在设定周期内各次运输的装载量、气象数据和行车数据，其中气象数据包括当天的平均温度、平均湿度、风力强度和降雨雪量，行车数据包括各次刹车力度和各监测时间点的车速。
所述历史信息包括各历史年限对应设定周期的行驶总里程数和总油耗量。
优选地，所述汽车参考油耗量分析模块的具体分析过程包括：提取各货运汽车的历史信息中各历史年限对应设定周期的行驶总里程数和总油耗量，分别记为，其中i表示各货运汽车的编号，/>，p表示各历史年限的编号，/>，由公式得到各货运汽车在设定周期内的单位里程的油耗量，其中m表示历史总年限。
从各货运汽车的基本信息中提取各货运汽车固定运输路径的里程数，分析各货运汽车在设定周期内固定运输路径的参考油耗量/>，其计算公式为/>。
优选地，所述汽车油耗影响系数构建模块的具体分析过程包括：从各货运汽车的基本信息中提取各货运汽车的型号、规格、已使用年限和已行驶总里程数/>，根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车的可使用总年限和可行驶总里程数，分别记为/>,分析各货运汽车的使用系数/>，其计算公式为：，其中/>分别表示设定的货运汽车已行驶总里程数、已使用年限对应使用系数的权重占比因子。
从各货运汽车的基本信息中提取各货运汽车各次历史维修的维修时长和各维修部件，根据云数据库中存储的汽车各部件对应的维修程度评估指数，筛选出各货运汽车各次历史维修的各维修部件所对应的维修程度评估指数，进而筛选出各货运汽车各次历史维修的维修部件的维修程度评估指数最大值作为各货运汽车各次历史维修的维修程度判定指数，记为，其中j表示各次历史维修的编号，/>，再根据各货运汽车各次历史维修的维修时长，从云数据库中提取各货运汽车各次历史维修的维修时长范围对应的维修等级评估指数，记为/>。
分析各货运汽车的维修系数，其计算公式为，其中/>表示设定的货运汽车维修系数的修正因子，w表示货运汽车历史维修总次数。
根据各货运汽车的使用系数和维修系数，分析各货运汽车的健康状况指数，其计算公式为：，其中/>分别表示设定的货运汽车使用系数、维修系数对应的健康状况指数的权重占比因子,e表示自然常数。
分析各货运汽车对应油耗的车况影响因子，其计算公式为，其中/>表示设定的货运汽车健康状况指数合理阈值。
优选地，所述汽车油耗影响系数构建模块的具体分析过程还包括：根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车对应的最大允许承载重量，从各货运汽车的运输信息中提取在设定周期内各次运输的装载量/>,其中r表示货运汽车各次运输的编号，/>，由公式/>得到各货运汽车在设定周期内各次运输对应油耗的承重影响因子。
根据各货运汽车的运输信息，得到各货运汽车在设定周期内各次运输对应油耗的气象和驾驶影响因子，分别记为，分析各货运汽车在设定周期内各次运输的油耗影响系数，其计算公式为：/>，其中/>分别表示设定的货运汽车运输时对应油耗的承重、气象和驾驶影响因子对应的油耗影响系数的权重占比因子，/>表示/>。
优选地，所述上述各货运汽车在设定周期内各次运输对应油耗的气象、驾驶影响因子，其具体分析过程为：从各货运汽车的运输信息中提取在设定周期内各次运输当天的平均温度、平均湿度、风力强度和降雨雪量，获取各货运汽车设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级，从云数据库中提取各货运汽车在设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，分别记为，计算各货运汽车各次运输对应油耗的气象影响因子，其公式为：/>。
从各货运汽车的运输信息中提取在设定周期内各次运输的各监测时间点的车速和各次刹车力度，分别记为，g表示各监测时间点的编号，/>，j表示各次刹车的编号，/>，由公式/>得到各货运汽车各次运输对应油耗的驾驶影响因子，其中/>表示监测时间点的总数，/>表示汽车制造商规定的紧急刹车力度阈值。
优选地，所述汽车实际油耗量分析模块的具体分析过程为：计算各货运汽车设定周期内各次运输的实际油耗量，其公式为：,将各货运汽车在设定周期内各次运输的实际油耗量进行累加得到各货运汽车在设定周期内的总油耗量/>。
优选地，所述汽车加油量获取模块的具体分析过程为：获取设定周期所处的时间阶段，从云数据库中提取设定周期所处时间阶段的油费单价d，由公式得到各货运汽车在设定周期内的加油量，其中/>表示第i辆货运汽车在设定周期内的消费金额。
优选地，所述汽车用油合理性评价模块的具体分析过程为：根据各货运汽车在设定周期内的总油耗量和加油量/>，分析各货运汽车在设定周期内的用油合理性指数/>，其计算公式为：/>，其中/>表示设定的货运汽车油耗合理误差值。
相较于现有技术，本发明的有益效果如下：（1）本发明通过各货运汽车各历史年限对应设定周期的行驶总里程数和总油耗量，计算各货运汽车在设定周期内的固定运输路径的参照油耗量，为后续分析各货运汽车在设定周期内的总油耗量提供科学依据。
（2）本发明通过从各货运汽车的使用和维修两方面的分析各货运汽车的健康状况指数，直观地数据化地展示了各货运汽车的健康状态，进而考虑汽车健康状况对汽车油耗的影响，优化对各货运汽车在设定周期内总油耗量的分析。
（3）本发明通过各货运汽车设定周期内各次运输的运输信息，分析各货运汽车在设定周期内各次运输对应油耗的承重、气象、驾驶影响因子，结合健康状况指数计算各货运汽车在设定周期内各次运输的油耗影响系数，保障后续各货运汽车设定周期内的总油耗量分析的可靠性和准确性。
（4）本发明通过结合各货运汽车设定周期内的固定运输路径的参照油耗量和各次运输的油耗影响系数分析各货运汽车在设定周期内的总油耗量，提高了各货运汽车设定周期内的总油耗量分析的精准性，从而对后续各货运汽车设定周期内的用油合理性分析提供了强有力的支持。
（5）本发明通过对各货运汽车设定周期内的总油耗量和加油量进行处理，分析得到各货运汽车设定周期内的用油合理性，据此对各货运汽车进行处理，及时发现各货运汽车的油耗异常问题，进而降低油费成本、提高企业经济效益，更好地推动企业管理健康有序发展。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述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为本发明系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中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。
请参阅图1所示，本发明提供了一种企业用油统计数据智能分析管理系统，具体模块分布如下：汽车身份信息输入模块、汽车有关信息提取模块、汽车参考油耗量分析模块、汽车油耗影响系数构建模块、汽车实际油耗量分析模块、汽车加油量获取模块、汽车用油合理性评价模块和云数据库，其中模块之间的连接关系为：汽车有关信息提取模块与汽车身份信息输入模块连接，汽车参考油耗量分析模块与汽车有关信息提取模块连接，汽车油耗影响系数构建模块与汽车有关信息提取模块连接，汽车参考油耗量分析模块、汽车油耗影响系数构建模块均与汽车实际油耗量分析模块连接，汽车加油量获取模块、汽车实际油耗量分析模块均与汽车用油合理性评价模块连接，汽车油耗影响系数构建模块、汽车加油量获取模块均与云数据库连接。
所述汽车身份信息输入模块，用于人工输入各货运汽车的身份信息。
所述汽车有关信息提取模块，用于根据各货运汽车的身份信息，从企业后台提取各货运汽车的基本信息、运输信息和历史信息。
具体地，所述身份信息包括品牌和车牌号码。
所述基本信息包括型号、规格、已使用年限、已行驶总里程数、各次历史维修的维修时长和各维修部件、固定运输路径的里程数。
所述运输信息包括在设定周期内各次运输的装载量、气象数据和行车数据，其中气象数据包括当天的平均温度、平均湿度、风力强度和降雨雪量，行车数据包括各次刹车力度和各监测时间点的车速。
所述历史信息包括各历史年限对应设定周期的行驶总里程数和总油耗量。
需要说明的是，上述气象数据是通过企业后台通过无线网络从气象台提取当天各气象监测时间点的温度、湿度、降雨雪量以及当天的风力强度，对当天各气象监测时间点的温度和湿度做均值处理，得到当天的平均温度和平均湿度，对当天各气象监测时间点的降雨雪量进行累加得到当天的降雨雪量。
上述行车数据是通过货运汽车上的行车数据记录仪上传至企业后台的。
所述汽车参考油耗量分析模块，用于根据各货运汽车的基本信息和历史信息，分析各货运汽车在设定周期内固定运输路径的参考油耗量。
具体地，所述汽车参考油耗量分析模块的具体分析过程包括：提取各货运汽车的历史信息中各历史年限对应设定周期的行驶总里程数和总油耗量，分别记为，其中i表示各货运汽车的编号，/>，p表示各历史年限的编号，/>，由公式得到各货运汽车在设定周期内的单位里程的油耗量，其中m表示历史总年限。
从各货运汽车的基本信息中提取各货运汽车固定运输路径的里程数，分析各货运汽车在设定周期内固定运输路径的参考油耗量/>，其计算公式为/>。
本发明实施例通过各货运汽车各历史年限对应设定周期的行驶总里程数和总油耗量，计算各货运汽车在设定周期内的固定运输路径的参照油耗量，为后续分析各货运汽车在设定周期内的总油耗量提供科学依据。
所述汽车油耗影响系数构建模块，用于根据各货运汽车的基本信息和运输信息，构建各货运汽车在设定周期内各次运输的油耗影响系数。
具体地，所述汽车油耗影响系数构建模块的具体分析过程包括：从各货运汽车的基本信息中提取各货运汽车的型号、规格、已使用年限和已行驶总里程数/>，根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车的可使用总年限和可行驶总里程数，分别记为/>,分析各货运汽车的使用系数/>，其计算公式为：，其中/>分别表示设定的货运汽车已行驶总里程数、已使用年限对应使用系数的权重占比因子。
从各货运汽车的基本信息中提取各货运汽车各次历史维修的维修时长和各维修部件，根据云数据库中存储的汽车各部件对应的维修程度评估指数，筛选出各货运汽车各次历史维修的各维修部件所对应的维修程度评估指数，进而筛选出各货运汽车各次历史维修的维修部件的维修程度评估指数最大值作为各货运汽车各次历史维修的维修程度判定指数，记为，其中j表示各次历史维修的编号，/>，再根据各货运汽车各次历史维修的维修时长，从云数据库中提取各货运汽车各次历史维修的维修时长范围对应的维修等级评估指数，记为/>。
分析各货运汽车的维修系数，其计算公式为，其中/>表示设定的货运汽车维修系数的修正因子，w表示货运汽车历史维修总次数。
根据各货运汽车的使用系数和维修系数，分析各货运汽车的健康状况指数，其计算公式为：，其中/>分别表示设定的货运汽车使用系数、维修系数对应的健康状况指数的权重占比因子,e表示自然常数。
分析各货运汽车对应油耗的车况影响因子，其计算公式为，其中/>表示设定的货运汽车健康状况指数合理阈值。
本发明实施例通过从各货运汽车的使用和维修两方面的分析各货运汽车的健康状况指数，直观地数据化地展示了各货运汽车的健康状态，进而考虑汽车健康状况对汽车油耗的影响，优化对各货运汽车在设定周期内总油耗量的分析。
具体地，所述汽车油耗影响系数构建模块的具体分析过程还包括：根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车对应的最大允许承载重量，从各货运汽车的运输信息中提取在设定周期内各次运输的装载量/>,其中r表示货运汽车各次运输的编号，/>，由公式/>得到各货运汽车在设定周期内各次运输对应油耗的承重影响因子。
根据各货运汽车的运输信息，得到各货运汽车在设定周期内各次运输对应油耗的气象和驾驶影响因子，分别记为，分析各货运汽车在设定周期内各次运输的油耗影响系数，其计算公式为：/>，其中分别表示设定的货运汽车运输时对应油耗的承重、气象和驾驶影响因子对应的油耗影响系数的权重占比因子，/>表示/>。
本发明实施例通过各货运汽车设定周期内各次运输的运输信息，分析各货运汽车在设定周期内各次运输对应油耗的承重、气象、驾驶影响因子，结合健康状况指数计算各货运汽车在设定周期内各次运输的油耗影响系数，保障后续各货运汽车设定周期内的总油耗量分析的可靠性和准确性。
具体地，所述上述各货运汽车在设定周期内各次运输对应油耗的气象、驾驶影响因子，其具体分析过程为：从各货运汽车的运输信息中提取在设定周期内各次运输当天的平均温度、平均湿度、风力强度和降雨雪量，获取各货运汽车设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级，从云数据库中提取各货运汽车在设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，分别记为，计算各货运汽车各次运输对应油耗的气象影响因子，其公式为：。
从各货运汽车的运输信息中提取在设定周期内各次运输的各监测时间点的车速和各次刹车力度，分别记为，g表示各监测时间点的编号，/>，j表示各次刹车的编号，/>，由公式/>得到各货运汽车各次运输对应油耗的驾驶影响因子，其中/>表示监测时间点的总数，/>表示汽车制造商规定的紧急刹车力度阈值。
所述汽车实际油耗量分析模块，用于分析各货运汽车在设定周期内各次运输的实际油耗量，进而获取各货运汽车在设定周期内的总油耗量。
具体地，所述汽车实际油耗量分析模块的具体分析过程为：计算各货运汽车设定周期内各次运输的实际油耗量，其公式为：,将各货运汽车在设定周期内各次运输的实际油耗量进行累加得到各货运汽车在设定周期内的总油耗量/>。
本发明实施例通过结合各货运汽车设定周期内的固定运输路径的参照油耗量和各次运输的油耗影响系数分析各货运汽车在设定周期内的总油耗量，提高了各货运汽车设定周期内的总油耗量分析的精准性，从而对后续各货运汽车设定周期内的用油合理性分析提供了强有力的支持。
所述汽车加油量获取模块，用于通过从加油站提取各货运汽车所属加油卡在设定周期内的消费金额，获取各货运汽车在设定周期内的加油量。
具体地，所述汽车加油量获取模块的具体分析过程为：获取设定周期所处的时间阶段，从云数据库中提取设定周期所处时间阶段的油费单价d，由公式得到各货运汽车在设定周期内的加油量，其中/>表示第i辆货运汽车在设定周期内的消费金额。
所述汽车用油合理性评价模块，用于根据各货运汽车在设定周期内的总油耗量和加油量，分析各货运汽车在设定周期内的用油合理性指数，据此进行相应的处理。
具体地，所述汽车用油合理性评价模块的具体分析过程为：根据各货运汽车在设定周期内的总油耗量和加油量/>，分析各货运汽车在设定周期内的用油合理性指数/>，其计算公式为：/>，其中/>表示设定的货运汽车油耗合理误差值。
需要说明的是，上述进行相应的处理，其具体过程为：将各货运汽车在设定周期内的用油合理性指数与设定的货运汽车用油合理性指数进行比对，若某货运汽车在设定周期内的用油合理性指数大于或等于设定的货运汽车用油合理性指数，将该货运汽车记为油耗正常汽车，反之记为油耗异常汽车，得到各油耗异常汽车，将各油耗异常汽车的编号通过短信的形式发送至企业工作人员，提示企业工作人员对各油耗异常汽车进行故障排查，并对在未来设定时间段内对各油耗异常汽车的用油数据持续进行监测。
本发明实施例通过对各货运汽车设定周期内的总油耗量和加油量进行处理，分析得到各货运汽车设定周期内的用油合理性，据此对各货运汽车进行处理，及时发现各货运汽车的油耗异常问题，进而降低油费成本、提高企业经济效益，更好地推动企业管理健康有序发展。
云数据库，用于存储汽车各部件对应的维修程度评估指数、汽车各维修时长范围对应的维修等级评估指数，存储汽车官方规定的各品牌各型号各规格汽车的可使用总年限、可行驶总里程数、最大允许承载重量，存储各温度等级、各湿度等级、各风力强度等级和各降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，存储各时间阶段的油费单价。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种企业用油统计数据智能分析管理系统，其特征在于：该系统包括：
汽车身份信息输入模块，用于人工输入各货运汽车的身份信息；
汽车有关信息提取模块，用于根据各货运汽车的身份信息，从企业后台提取各货运汽车的基本信息、运输信息和历史信息；
汽车参考油耗量分析模块，用于根据各货运汽车的基本信息和历史信息，分析各货运汽车在设定周期内固定运输路径的参考油耗量；
汽车油耗影响系数构建模块，用于根据各货运汽车的基本信息和运输信息，构建各货运汽车在设定周期内各次运输的油耗影响系数；
汽车实际油耗量分析模块，用于分析各货运汽车在设定周期内各次运输的实际油耗量，进而获取各货运汽车在设定周期内的总油耗量；
汽车加油量获取模块，用于通过从加油站提取各货运汽车所属加油卡在设定周期内的消费金额，获取各货运汽车在设定周期内的加油量；
汽车用油合理性评价模块，用于根据各货运汽车在设定周期内的总油耗量和加油量，分析各货运汽车在设定周期内的用油合理性指数，据此进行相应的处理；
云数据库，用于存储汽车各部件对应的维修程度评估指数、汽车各维修时长范围对应的维修等级评估指数，存储汽车官方规定的各品牌各型号各规格汽车的可使用总年限、可行驶总里程数、最大允许承载重量，存储各温度等级、各湿度等级、各风力强度等级和各降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，存储各时间阶段的油费单价。
2.根据权利要求1所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述身份信息包括品牌和车牌号码；
所述基本信息包括型号、规格、已使用年限、已行驶总里程数、各次历史维修的维修时长和各维修部件、固定运输路径的里程数；
所述运输信息包括在设定周期内各次运输的装载量、气象数据和行车数据，其中气象数据包括当天的平均温度、平均湿度、风力强度和降雨雪量，行车数据包括各次刹车力度和各监测时间点的车速；
所述历史信息包括各历史年限对应设定周期的行驶总里程数和总油耗量。
3.根据权利要求2所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车参考油耗量分析模块的具体分析过程包括：提取各货运汽车的历史信息中各历史年限对应设定周期的行驶总里程数和总油耗量，分别记为，其中i表示各货运汽车的编号，/>，p表示各历史年限的编号，/>，由公式/>得到各货运汽车在设定周期内的单位里程的油耗量，其中m表示历史总年限；
从各货运汽车的基本信息中提取各货运汽车固定运输路径的里程数，分析各货运汽车在设定周期内固定运输路径的参考油耗量/>，其计算公式为/>。
4.根据权利要求3所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车油耗影响系数构建模块的具体分析过程包括：从各货运汽车的基本信息中提取各货运汽车的型号、规格、已使用年限和已行驶总里程数/>，根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车的可使用总年限和可行驶总里程数，分别记为/>,分析各货运汽车的使用系数/>，其计算公式为：/>，其中/>分别表示设定的货运汽车已行驶总里程数、已使用年限对应使用系数的权重占比因子；
从各货运汽车的基本信息中提取各货运汽车各次历史维修的维修时长和各维修部件，根据云数据库中存储的汽车各部件对应的维修程度评估指数，筛选出各货运汽车各次历史维修的各维修部件所对应的维修程度评估指数，进而筛选出各货运汽车各次历史维修的维修部件的维修程度评估指数最大值作为各货运汽车各次历史维修的维修程度判定指数，记为，其中j表示各次历史维修的编号，/>，再根据各货运汽车各次历史维修的维修时长，从云数据库中提取各货运汽车各次历史维修的维修时长范围对应的维修等级评估指数，记为/>；
分析各货运汽车的维修系数，其计算公式为，其中表示设定的货运汽车维修系数的修正因子，w表示货运汽车历史维修总次数；
根据各货运汽车的使用系数和维修系数，分析各货运汽车的健康状况指数，其计算公式为：，其中/>分别表示设定的货运汽车使用系数、维修系数对应的健康状况指数的权重占比因子,e表示自然常数；
分析各货运汽车对应油耗的车况影响因子，其计算公式为，其中/>表示设定的货运汽车健康状况指数合理阈值。
5.根据权利要求4所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车油耗影响系数构建模块的具体分析过程还包括：根据各货运汽车的品牌、型号和规格，从云数据库中提取汽车官方规定的各货运汽车对应的最大允许承载重量，从各货运汽车的运输信息中提取在设定周期内各次运输的装载量/>,其中r表示货运汽车各次运输的编号，/>，由公式/>得到各货运汽车在设定周期内各次运输对应油耗的承重影响因子；
根据各货运汽车的运输信息，得到各货运汽车在设定周期内各次运输对应油耗的气象和驾驶影响因子，分别记为，分析各货运汽车在设定周期内各次运输的油耗影响系数，其计算公式为：/>，其中/>分别表示设定的货运汽车运输时对应油耗的承重、气象和驾驶影响因子对应的油耗影响系数的权重占比因子，/>表示/>。
6.根据权利要求5所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述上述各货运汽车在设定周期内各次运输对应油耗的气象、驾驶影响因子，其具体分析过程为：从各货运汽车的运输信息中提取在设定周期内各次运输当天的平均温度、平均湿度、风力强度和降雨雪量，获取各货运汽车设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级，从云数据库中提取各货运汽车在设定周期内各次运输当天的温度等级、湿度等级、风力强度等级和降雨雪量等级对应汽车油耗的温度影响因子、湿度影响因子、风力强度影响因子和降雨雪量影响因子，分别记为，计算各货运汽车各次运输对应油耗的气象影响因子，其公式为：/>；
从各货运汽车的运输信息中提取在设定周期内各次运输的各监测时间点的车速和各次刹车力度，分别记为，g表示各监测时间点的编号，/>，j表示各次刹车的编号，/>，由公式/>得到各货运汽车各次运输对应油耗的驾驶影响因子，其中/>表示监测时间点的总数，/>表示汽车制造商规定的紧急刹车力度阈值。
7.根据权利要求5所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车实际油耗量分析模块的具体分析过程为：计算各货运汽车设定周期内各次运输的实际油耗量，其公式为：,将各货运汽车在设定周期内各次运输的实际油耗量进行累加得到各货运汽车在设定周期内的总油耗量/>。
8.根据权利要求7所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车加油量获取模块的具体分析过程为：获取设定周期所处的时间阶段，从云数据库中提取设定周期所处时间阶段的油费单价d，由公式得到各货运汽车在设定周期内的加油量，其中/>表示第i辆货运汽车在设定周期内的消费金额。
9.根据权利要求8所述的一种企业用油统计数据智能分析管理系统，其特征在于：所述汽车用油合理性评价模块的具体分析过程为：根据各货运汽车在设定周期内的总油耗量和加油量/>，分析各货运汽车在设定周期内的用油合理性指数/>，其计算公式为：，其中/>表示设定的货运汽车油耗合理误差值。
CN202310861259.4A 2023-07-14 2023-07-14 一种企业用油统计数据智能分析管理系统 Pending CN116579527A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310861259.4A CN116579527A (zh) 2023-07-14 2023-07-14 一种企业用油统计数据智能分析管理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310861259.4A CN116579527A (zh) 2023-07-14 2023-07-14 一种企业用油统计数据智能分析管理系统

Publications (1)

Publication Number Publication Date
CN116579527A true CN116579527A (zh) 2023-08-11

Family

ID=87541708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310861259.4A Pending CN116579527A (zh) 2023-07-14 2023-07-14 一种企业用油统计数据智能分析管理系统

Country Status (1)

Country Link
CN (1) CN116579527A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114209A (zh) * 2023-10-23 2023-11-24 湖北君邦环境技术有限责任公司 汽车全生命周期的碳排放预测方法、装置及设备
CN118154072A (zh) * 2024-04-12 2024-06-07 山东三木众合信息科技股份有限公司 一种基于大模型的企业供应链管理方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060026314A (ko) * 2004-09-20 2006-03-23 김춘동 자동차 가치 유동화 시스템 및 그 운영방법
JP2009250930A (ja) * 2008-04-10 2009-10-29 Nissan Motor Co Ltd 燃費情報処理システム及び燃費情報表示方法
CN201494247U (zh) * 2009-09-07 2010-06-02 威海万丰奥威汽轮有限公司 一种带掏料槽的车轮
CN201754094U (zh) * 2010-03-15 2011-03-02 北京联诚罗杰科技发展有限公司 一种汽车油耗监测仪
KR101699884B1 (ko) * 2016-05-18 2017-01-26 유비씨엔(주) Obd와 gps 정보를 이용한 맞춤형 차량정비 관리 시스템 및 방법
CN107239844A (zh) * 2016-03-28 2017-10-10 武汉长江通信智联技术有限公司 一种基于Hadoop的石油运输车辆油耗预测方法
CN111523701A (zh) * 2020-03-27 2020-08-11 广州亚美信息科技有限公司 车辆运行状况的评估方法、装置、计算机设备和存储介质
WO2022062569A1 (zh) * 2020-09-24 2022-03-31 华为技术有限公司 车辆能耗的评分方法和装置
WO2022236751A1 (zh) * 2021-05-12 2022-11-17 华为技术有限公司 电池剩余电量预估方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20060026314A (ko) * 2004-09-20 2006-03-23 김춘동 자동차 가치 유동화 시스템 및 그 운영방법
JP2009250930A (ja) * 2008-04-10 2009-10-29 Nissan Motor Co Ltd 燃費情報処理システム及び燃費情報表示方法
CN201494247U (zh) * 2009-09-07 2010-06-02 威海万丰奥威汽轮有限公司 一种带掏料槽的车轮
CN201754094U (zh) * 2010-03-15 2011-03-02 北京联诚罗杰科技发展有限公司 一种汽车油耗监测仪
CN107239844A (zh) * 2016-03-28 2017-10-10 武汉长江通信智联技术有限公司 一种基于Hadoop的石油运输车辆油耗预测方法
KR101699884B1 (ko) * 2016-05-18 2017-01-26 유비씨엔(주) Obd와 gps 정보를 이용한 맞춤형 차량정비 관리 시스템 및 방법
CN111523701A (zh) * 2020-03-27 2020-08-11 广州亚美信息科技有限公司 车辆运行状况的评估方法、装置、计算机设备和存储介质
WO2022062569A1 (zh) * 2020-09-24 2022-03-31 华为技术有限公司 车辆能耗的评分方法和装置
WO2022236751A1 (zh) * 2021-05-12 2022-11-17 华为技术有限公司 电池剩余电量预估方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ZHONGMIN LIU ETAL.: "Experimental study on the oil pump driving energy consumption and lubrication safety in a PFI engine under NEDC and WLTC", JOURNAL OF MECHANICAL SCIENCE AND TECHNOLOGY *
刘建民等: "《物流运输车辆管理》", 四川科学技术出版社, pages: 153 - 155 *
单飞;王国伟;: "基于行驶工况的单车燃油消耗微观模型", 公路与汽运, no. 06 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117114209A (zh) * 2023-10-23 2023-11-24 湖北君邦环境技术有限责任公司 汽车全生命周期的碳排放预测方法、装置及设备
CN117114209B (zh) * 2023-10-23 2024-02-06 湖北君邦环境技术有限责任公司 汽车全生命周期的碳排放预测方法、装置及设备
CN118154072A (zh) * 2024-04-12 2024-06-07 山东三木众合信息科技股份有限公司 一种基于大模型的企业供应链管理方法

Similar Documents

Publication Publication Date Title
CN116579527A (zh) 一种企业用油统计数据智能分析管理系统
Husnjak et al. Telematics system in usage based motor insurance
CN102610088B (zh) 一种公交车站点间行程时间预测方法
US20020059075A1 (en) Method and system for managing a land-based vehicle
CN111680936A (zh) 一种交通碳排放量的监测方法、装置及终端设备
CN107918826B (zh) 一种驾驶环境感知的司机评价与调度方法
CN109035768B (zh) 一种出租车绕路行为的识别方法
CN115375234A (zh) 基于gnss的运输车辆运行轨迹规划方法
CN116050853A (zh) 一种网货货运运单的风控方法和系统
CN107169576A (zh) 一种营运车辆维护周期的维修决策系统及方法
CN116542466A (zh) 一种基于数据分析的资产全周期管理系统
CN106570182B (zh) 公交车辆下车站点识别方法与系统
CN117622068A (zh) 一种商用车辆维护保养方法及系统
CN112767686B (zh) 一种基于多源数据融合的公路网汽车排放估算方法
CN117114175B (zh) 基于北斗定位技术实现外贸货物交付计划的预测方法
CN106021547B (zh) 基于车联网的客户车辆保养流失识别分析方法及系统
CN117035422A (zh) 一种货车线路运输风险预测的方法
CN114524004B (zh) 机车运用统计方法、装置、设备和存储介质
CN110686700B (zh) 铁路货车运行里程统计方法及系统
CN115829270A (zh) 一种铁路货车智能运维系统
CN115424448A (zh) 一种基于交通出行数据的交通碳排放量评估方法与系统
CN115271565A (zh) 基于dea的高速公路路面养护措施评价方法、装置及设备
CN115083155A (zh) 一种高速公路收费站应有etc车道数测算方法
CN112418492A (zh) 一种基于人工智能的客流数据采集分析系统
Ślęzak et al. Comparative analysis of reliability and maintenance costs of heavy goods vehicles of selected brands used under long-term rental

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20230811