CN116691715B - 基于车联网大数据的车辆启动困难识别方法及系统 - Google Patents
基于车联网大数据的车辆启动困难识别方法及系统 Download PDFInfo
- Publication number
- CN116691715B CN116691715B CN202310965591.5A CN202310965591A CN116691715B CN 116691715 B CN116691715 B CN 116691715B CN 202310965591 A CN202310965591 A CN 202310965591A CN 116691715 B CN116691715 B CN 116691715B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- engine
- starting
- trigger
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000013145 classification model Methods 0.000 claims description 18
- 238000010276 construction Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 12
- 238000003745 diagnosis Methods 0.000 abstract description 8
- 230000008093 supporting effect Effects 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
Abstract
本发明提供了一种基于车联网大数据的车辆启动困难识别方法及系统,包括以下步骤:S1,获取车机端当前车辆相关数据,并对当前车辆相关数据进行预处理,得到车辆状态数据、传感器数据、告警数据、发动机信号数据;S2,基于所述发动机信号数据构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断;通过利用车机端实时返回的数据,实现对车辆启动过程中可能出现的困难进行精准识别和分析,为车主提供更加准确、实时的车辆健康状态评估,不仅提高了车辆的可靠性和稳定性,同时也为车辆厂家和售后服务机构提供更加有效的车辆故障诊断和维修服务,对提升品牌影响力具有重要的支撑作用。
Description
技术领域
本发明涉及大数据处理技术领域,更具体地说,涉及一种基于车联网大数据的车辆启动困难识别方法及系统。
背景技术
随着汽车产业的发展,车辆的安全性和智能化程度得到了不断提高。然而,车辆启动困难问题依然存在,启动车辆时发生的故障或异常情况,例如电瓶老化、发动机故障等。这些问题会导致车辆无法启动,给驾驶员带来不便和安全隐患。传统的诊断方法主要基于人工经验和检查,效率低且不够准确。
随着车联网技术的发展,虽然越来越多车辆通过装备了的传感器和设备,能够实时监测车辆状态和运行情况。这些传感器和设备能够采集大量的数据,包括车辆的行驶轨迹、车速、油耗、引擎转速等信息,这些数据可以用于分析和判断车辆启动是否困难。
现有的车辆启动困难诊断方法主要依赖于人工经验和专业知识,无法对车辆启动过程中的各种数据进行全面、准确地分析,因此在诊断精度和效率上存在一定的局限性。此外,传统的车辆故障诊断方法往往需要对车辆进行专业的检测和测试,成本较高,且往往需要专业技术人员操作,对车主不太友好。
发明内容
本发明要解决的技术问题在于,针对上述技术方案存在的不足,提供一种能对车辆启动过程中可能出现的困难进行精准识别和分析的基于车联网大数据的车辆启动困难识别方法及系统。
本发明提供一种基于车联网大数据的车辆启动困难识别方法,所述方法包括以下步骤:
S1,获取车机端当前车辆相关数据,并对当前车辆相关数据进行预处理,得到车辆状态数据、传感器数据、告警数据、发动机信号数据;
S2,基于所述发动机信号数据构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断;
S3,根据所述触发规则构建启动困难识别模型,并判断当前车辆是否发生启动困难,若发生启动困难,则将启动困难的车辆信息存入数据库中;
S4,获取数据库中发生启动困难的所有与车主沟通确认后的车辆信息,并基于所有与车主沟通确认后的车辆信息构建机器学习智能分类模型;通过机器学习智能分类模型对经过步骤S3的车辆进行分类,分出出现启动困难的车辆并及时对出现启动困难的车主进行关怀。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;在所述步骤S2中所述发动机信号数据包括发动机启动、发动机停止、发动机熄火与发动机运行,基于所述发动机启动、发动机停止与发动机熄火构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S2包括以下步骤:
S21,所述发动机启动构建判断规则为当时刻发动机信号数据/>与下一个采集时刻对应的发动机启动信号数据/>均为发动机启动时,若满足该触发规则,则触发,否则不触发。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S2还包括以下步骤:
S22,所述发动机停止构建判断规则为当时刻发动机启动信号数据/>为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机停止时,若满足该触发规则,则触发,否则不触发。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S2还包括以下步骤:
S23,所述发动机熄火构建判断规则为当时刻的发动机启动信号数据/>为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机熄火时,若满足该触发规则,则触发,否则不触发。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;在所述步骤S2中所述触发器满足上述步骤S21、S22与S23三个触发规则中的任意一个就触发,若一个都不满足,则不触发。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S3包括以下步骤:
S31,当时间段内所述发动机启动构建判断规则出现次数大于/>次时,记录当前的第一条识别时间为/>,记录次数为1次并对后面的发动机信号数据再次进行判断,依然满足步骤S21的判断规则,且出现次数大于/>次时,记录对应的本次第一条识别时间为/>,当,记录次数为2次,依此类推,其中/>的计算公式如下:/>;其中/>的计算公式如下:/>;
其中,所述为满足步骤S21判断规则的相邻第一条时间的时间差,/>为区间系数,/>为间隔系数,/>为车机端每秒钟传输的车辆相关数据量,/>为所述发动机启动构建判断规则出现次数的阈值,当次数大于/>次时,判断为启动困难,其中,/>为/>出现次数的阈值。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S3还包括以下步骤:
S32,当时间段内存在所述发动机停止构建判断规则或者所述发动机熄火构建判断规则出现次数大于/>次时,判断为启动困难,其中,/>为步骤S22或S23出现次数的阈值。
本发明所述的基于车联网大数据的车辆启动困难识别方法中;所述步骤S4包括以下步骤:
S41,记录并标记历史沟通信息,当历史沟通的启动困难车辆达到千级数量时,将识别正确和识别错误作为正负标签;并采集该车辆的车辆状态数据、传感器数据、告警数据与发动机信号数据
S42,基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据训练机器学习智能分类模型,通过对经过步骤S3的车辆进行分类,分出出现启动困难的车辆。
本发明还包括一种基于车联网大数据的车辆启动困难识别系统,用于实现上述的基于车联网大数据的车辆启动困难识别方法,所述系统包括数据采集和处理模块、触发器、启动困难识别判断模块与构建分类模型模块,所述数据采集和处理模块用于从车机端采集车辆相关数据,并进行预处理得到车辆状态数据、传感器数据、告警数据与发动机信号数据;所述触发器用于监控车辆是否需要触发启动困难判断;所述启动困难识别判断模块用于判断车辆是否发生启动困难,并将启动困难的车辆信息存入数据库中;所述构建分类模型模块用于获取历史数据库中历史沟通信息与车辆状态数据、传感器数据、告警数据与发动机信号数据,并基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据构建智能分类模型。
本发明的基于车联网大数据的车辆启动困难识别方法通过利用车机端实时返回的数据,实现对车辆启动过程中可能出现的困难进行精准识别和分析,为车主提供更加准确、实时的车辆健康状态评估,不仅提高了车辆的可靠性和稳定性,同时也为车辆厂家和售后服务机构提供更加有效的车辆故障诊断和维修服务,对提升品牌影响力具有重要的支撑作用。
附图说明
图1是本发明基于车联网大数据的车辆启动困难识别方法实施例的流程示意图;
图2是本发明基于车联网大数据的车辆启动困难识别系统的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语 “第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或 设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,是本发明一种基于车联网大数据的车辆启动困难识别方法实施例的流程示意图。提供一种基于车联网大数据的车辆启动困难识别方法,包括以下步骤:
在步骤S1中,获取车机端当前车辆相关数据,并对当前车辆相关数据进行预处理,得到车辆状态数据、传感器数据、告警数据、发动机信号数据;
具体的,车辆状态数据用于反应车辆实时运行状态,且车辆状态数据包括车速、油量、电池电压等;传感器数据为一种特殊的状态数据,传感器数据包括氧传感器数据、点火信号数据等;告警数据是车辆故障实时报警信息,如发动机有无报警、水温有无告警;发动机信号数据是指发动机在运行过程中产生的各种数据,包括发动机转速、冷却液温度等,这些数据可用于监测发动机的运行状态和诊断发动机故障。根据车辆现有的部件传感器收集,收集了发动机、变速箱、制动系统、电池、车胎、安全气囊部件的告警情况;电压数据为蓄电池电压信号值。
预处理为进行数据筛选,目的是过滤掉当点火开关和ACC信号值为关时,发动机信号值为发动机启动的异常数据。
在步骤S2中,基于所述发动机信号数据构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断;
在步骤S3中,根据所述触发规则构建启动困难识别模型,并判断当前车辆是否发生启动困难,若发生启动困难,则将启动困难的车辆信息存入数据库中;
在步骤S4中,获取数据库中发生启动困难的所有与车主沟通确认后的车辆信息,并基于所有与车主沟通确认后的车辆信息构建机器学习智能分类模型;通过机器学习智能分类模型对经过步骤S3的车辆进行分类,分出出现启动困难的车辆并及时对出现启动困难的车主进行关怀。
在一实施例中,在所述步骤S2中所述发动机信号数据包括发动机启动、发动机停止、发动机熄火与发动机运行,基于所述发动机启动、发动机停止与发动机熄火构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断。
在一实施例中,所述步骤S2包括以下步骤:
在步骤S21中,所述发动机启动构建判断规则为当时刻发动机信号数据/>与下一个采集时刻对应的发动机启动信号数据/>均为发动机启动时,若满足该触发规则,则触发,否则不触发。
在一实施例中,所述步骤S2还包括以下步骤:
在步骤S22中,所述发动机停止构建判断规则为当时刻发动机启动信号数据为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机停止时,若满足该触发规则,则触发,否则不触发。
在一实施例中,所述步骤S2还包括以下步骤:
在步骤S23中,所述发动机熄火构建判断规则为当时刻的发动机启动信号数据为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机熄火时,若满足该触发规则,则触发,否则不触发。
在一实施例中,在所述步骤S2中所述触发器满足上述步骤S21、S22与S23三个触发规则中的任意一个就触发,若一个都不满足,则不触发。
当第一个触发为第3秒发动机信号值为发动机启动,第4秒发动机信号值还为发动机启动;当第二个触发为第3s发动机信号值为发动机启动,第4s发动机信号值为发动机停止;当第三个触发为第3s发动机信号值为发动机启动,第4s发动机信号值为发动机熄火;这三个只要满足任意一个就触发。
在一实施例中,所述步骤S3包括以下步骤:
在步骤S31中,当时间段内所述发动机启动构建判断规则出现次数大于/>次时,记录当前的第一条识别时间为/>,记录次数为1次,并对后面的发动机信号数据再次进行判断,依然满足步骤S21的判断规则,且出现次数大于/>次时,记录对应的本次第一条识别时间为/>,当/>,记录次数为2次,依此类推,其中的/>计算公式如下:/>;其中的/>计算公式如下:/>;
其中,所述为满足步骤S21判断规则的相邻第一条时间的时间差,/>为区间系数,/>为间隔系数,/>为车机端每秒钟传输的车辆相关数据量,/>为所述发动机启动构建判断规则出现次数的阈值,当次数大于/>次时,判断为启动困难,其中,/>为/>出现次数的阈值。其中/>需要根据车辆具体规格确定,本车型传输量为0.1条/秒。因此,本实施例中/>,/>和/>分别设置为2,则/>为5min,/>为20min。
在一实施例中,所述步骤S3还包括以下步骤:
在步骤S32中,当时间段内存在所述发动机停止构建判断规则或者所述发动机熄火构建判断规则出现次数大于/>次时,判断为启动困难,其中,/>为步骤S22或S23出现次数的阈值。
对满足触发规则的进一步判断是否发生启动困难情况,若满足步骤S31与S32其中一个条件即符合启动困难判断;并对满足的车主及时关怀,确定其真实情况。其中参数设置视车机端CAN每秒钟传输的数据量而定。
当对满足的车主及时关怀,确定其真实情况。其中,步骤S21与S22或S23出现次数的阈值设置视车机端CAN每秒钟传输的数据量而定。
在一实施例中,所述步骤S4包括以下步骤:
在步骤S41中,记录并标记历史沟通信息,当历史沟通的启动困难车辆达到千级数量时,将识别正确和识别错误作为正负标签;并采集该车辆的车辆状态数据、传感器数据、告警数据与发动机信号数据
在步骤S42中,基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据训练机器学习智能分类模型,通过对经过步骤S3的车辆进行分类,分出出现启动困难的车辆并及时对出现启动困难的车主进行关怀。目的是为了确定其真实情况。存在数据库中的历史沟通的启动困难车辆信息,能够记录和存储启动困难情况的相关信息,包括诊断结果、故障码记录等。这些记录不仅有助于对故障进行分析和排查,还可以作为维修历史的参考,帮助维修人员更好地了解车辆的维修情况和历史问题。
如图2所示,本发明还包括一种基于车联网大数据的车辆启动困难识别系统,用于实现以上所述的基于车联网大数据的车辆启动困难识别方法,所述系统包括数据采集和处理模块、触发器、启动困难识别判断模块与构建分类模型模块,所述数据采集和处理模块用于从车机端采集车辆相关数据,并进行预处理得到车辆状态数据、传感器数据、告警数据与发动机信号数据;所述触发器用于监控车辆是否需要触发启动困难判断;所述启动困难识别判断模块用于判断车辆是否发生启动困难,并将启动困难的车辆信息存入数据库中;所述构建分类模型模块用于获取历史数据库中历史沟通信息与车辆状态数据、传感器数据、告警数据与发动机信号数据,并基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据构建智能分类模型。
本发明实施例提供的一种基于车联网大数据的车辆启动困难识别方法的有益效果至少在于:
1、通过采用车联网大数据和智能算法,能够准确判断车辆启动困难的发生和原因,相比传统的主观判断和经验依赖,本发明能够提供更高的准确性和可靠性,避免了误判和误诊的情况。
2、本发明利用车机端通过CAN将车辆状态数据传输至云端,实现对车辆启动过程的实时监测和分析;这使得问题能够及时被察觉和诊断,车主和维修人员能够及时采取措施,避免故障的进一步扩大和对行车安全的影响。
3、本发明综合利用车辆内置传感器数据和其他相关数据,从多个维度进行诊断分析,涵盖了发动机、电池系统、点火系统、环境因素等多个可能影响启动困难的因素,这样能够更全面地了解故障的原因,为维修人员提供准确的故障定位和维修建议。
4、本发明将车辆状态数据传输至云端数据库进行存储和分析,实现了数据的集中管理和共享,这为大规模数据的统计分析和故障趋势的把握提供了便利,为维修人员提供了更多的数据支持和决策参考。
5、本发明能够记录和存储启动困难情况的相关信息,包括诊断结果、故障码记录等;这些记录不仅有助于对故障进行分析和排查,还可以作为维修历史的参考,帮助维修人员更好地了解车辆的维修情况和历史问题。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
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根据上述实施例的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,或者网络设备等)执行本发明各个实施例所述的方法。
因此,以上所述,仅为本发明较佳的具体实施方式,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内,本发明的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.一种基于车联网大数据的车辆启动困难识别方法,其特征在于,所述方法包括以下步骤:
S1,获取车机端当前车辆相关数据,并对当前车辆相关数据进行预处理,得到车辆状态数据、传感器数据、告警数据、发动机信号数据;
S2,基于所述发动机信号数据构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断;
S3,根据所述触发规则构建启动困难识别模型,并判断当前车辆是否发生启动困难,若发生启动困难,则将启动困难的车辆信息存入数据库中;
S4,获取数据库中发生启动困难的所有与车主沟通确认后的车辆信息,并基于所有与车主沟通确认后的车辆信息构建机器学习智能分类模型;通过机器学习智能分类模型对经过步骤S3的车辆进行分类,分出出现启动困难的车辆并及时对出现启动困难的车主进行关怀。
2.根据权利要求1所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,在所述步骤S2中所述发动机信号数据包括发动机启动、发动机停止、发动机熄火与发动机运行,基于所述发动机启动、发动机停止与发动机熄火构建模型触发器,并根据所述模型触发器的触发规则判断车辆是否需要触发启动困难判断。
3.根据权利要求2所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S2包括以下步骤:
S21,所述发动机启动构建判断规则为当时刻发动机信号数据/>与下一个采集时刻对应的发动机启动信号数据/>均为发动机启动时,若满足该触发规则,则触发,否则不触发。
4.根据权利要求3所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S2还包括以下步骤:
S22,所述发动机停止构建判断规则为当时刻发动机启动信号数据/>为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机停止时,若满足该触发规则,则触发,否则不触发。
5.根据权利要求4所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S2还包括以下步骤:
S23,所述发动机熄火构建判断规则为当时刻的发动机启动信号数据/>为发动机启动,下一个采集时刻对应的发动机启动信号数据/>为发动机熄火时,若满足该触发规则,则触发,否则不触发。
6.根据权利要求5所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,在所述步骤S2中所述触发器满足上述步骤S21、S22与S23三个触发规则中的任意一个就触发,若一个都不满足,则不触发。
7.根据权利要求6所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S3包括以下步骤:
S31,当时间段内所述发动机启动构建判断规则出现次数大于/>次时,记录当前的第一条识别时间为/>,记录次数为1次并对后面的发动机信号数据再次进行判断,依然满足步骤S21的判断规则,且出现次数大于/>次时,记录对应的本次第一条识别时间为/>,当 ,记录次数为2次,依此类推,其中/>的计算公式如下:/>;其中/>的计算公式如下:/>;
其中,所述为满足步骤S21判断规则的相邻第一条时间的时间差,/>为区间系数,/>为间隔系数,/>为车机端每秒钟传输的车辆相关数据量,/>为所述发动机启动构建判断规则出现次数的阈值,当次数大于/>次时,判断为启动困难,其中,/>为/>出现次数的阈值。
8.根据权利要求7所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S3还包括以下步骤:
S32,当时间段内存在所述发动机停止构建判断规则或者所述发动机熄火构建判断规则出现次数大于/>次时,判断为启动困难,其中,/>为步骤S22或S23出现次数的阈值。
9.根据权利要求4所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述步骤S4包括以下步骤:
S41,记录并标记历史沟通信息,当历史沟通的启动困难车辆达到千级数量时,将识别正确和识别错误作为正负标签;并采集该车辆的车辆状态数据、传感器数据、告警数据与发动机信号数据;
S42,基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据训练机器学习智能分类模型,通过对经过步骤S3的车辆进行分类,分出出现启动困难的车辆并及时对出现启动困难的车主进行关怀。
10.一种基于车联网大数据的车辆启动困难识别系统,用于实现权利要求1-9任一项所述的基于车联网大数据的车辆启动困难识别方法,其特征在于,所述系统包括数据采集和处理模块、触发器、启动困难识别判断模块与构建分类模型模块,所述数据采集和处理模块用于从车机端采集车辆相关数据,并进行预处理得到车辆状态数据、传感器数据、告警数据与发动机信号数据;所述触发器用于监控车辆是否需要触发启动困难判断;所述启动困难识别判断模块用于判断车辆是否发生启动困难,并将启动困难的车辆信息存入数据库中;所述构建分类模型模块用于获取历史数据库中历史沟通信息与车辆状态数据、传感器数据、告警数据与发动机信号数据,并基于正负标签和采集的车辆状态数据、传感器数据、告警数据与发动机信号数据构建智能分类模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310965591.5A CN116691715B (zh) | 2023-08-02 | 2023-08-02 | 基于车联网大数据的车辆启动困难识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310965591.5A CN116691715B (zh) | 2023-08-02 | 2023-08-02 | 基于车联网大数据的车辆启动困难识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116691715A CN116691715A (zh) | 2023-09-05 |
CN116691715B true CN116691715B (zh) | 2023-09-29 |
Family
ID=87832473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310965591.5A Active CN116691715B (zh) | 2023-08-02 | 2023-08-02 | 基于车联网大数据的车辆启动困难识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116691715B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3048294A1 (fr) * | 2016-02-29 | 2017-09-01 | Peugeot Citroen Automobiles Sa | Procede de suivi de fiabilite |
CN109229034A (zh) * | 2017-07-11 | 2019-01-18 | 现代自动车株式会社 | 一体化连接管理方法及其联网车辆 |
CN109243427A (zh) * | 2018-09-29 | 2019-01-18 | 深圳市智驾实业有限公司 | 一种车辆故障诊断方法及装置 |
CN111190414A (zh) * | 2020-01-14 | 2020-05-22 | 浙江吉利汽车研究院有限公司 | 一种车辆远程启动的故障诊断方法、装置及车辆 |
CN115981297A (zh) * | 2023-02-09 | 2023-04-18 | 深圳市捷代电子科技有限公司 | 一种汽车电路电控系统故障诊断装置 |
-
2023
- 2023-08-02 CN CN202310965591.5A patent/CN116691715B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3048294A1 (fr) * | 2016-02-29 | 2017-09-01 | Peugeot Citroen Automobiles Sa | Procede de suivi de fiabilite |
CN109229034A (zh) * | 2017-07-11 | 2019-01-18 | 现代自动车株式会社 | 一体化连接管理方法及其联网车辆 |
CN109243427A (zh) * | 2018-09-29 | 2019-01-18 | 深圳市智驾实业有限公司 | 一种车辆故障诊断方法及装置 |
CN111190414A (zh) * | 2020-01-14 | 2020-05-22 | 浙江吉利汽车研究院有限公司 | 一种车辆远程启动的故障诊断方法、装置及车辆 |
CN115981297A (zh) * | 2023-02-09 | 2023-04-18 | 深圳市捷代电子科技有限公司 | 一种汽车电路电控系统故障诊断装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116691715A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6830540B2 (ja) | クラウドベースの車両故障診断方法、装置およびシステム | |
WO2017157119A1 (zh) | 一种车辆异常行为的识别方法及装置 | |
US9721399B2 (en) | Vehicle diagnosing apparatus, vehicle diagnosing system, and diagnosing method | |
US9342933B2 (en) | Vehicle maintenance systems and methods | |
CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
CN103135515A (zh) | 一种车辆状况的诊断方法 | |
CN109724812B (zh) | 车辆故障预警的方法、装置、存储介质和终端设备 | |
CN112232405B (zh) | 齿轮箱的故障预测、监测和诊断方法及相应装置 | |
EP3960576A1 (en) | Method and system for analysing the control of a vehicle | |
CN110471395B (zh) | 一种故障检测方法、装置、设备及存储介质 | |
CN114973155A (zh) | 一种基于ai图像识别行为智能监测分析管理系统 | |
CN116880454A (zh) | 车辆故障智能诊断系统与方法 | |
CN116691715B (zh) | 基于车联网大数据的车辆启动困难识别方法及系统 | |
CN112116023A (zh) | 基于机器学习的轮胎漏气的实时检测方法及存储介质 | |
CN109115271B (zh) | 一种数控机床远程监测系统 | |
CN112699490B (zh) | 一种车辆维修结果验证方法和装置 | |
CN114633709A (zh) | 一种车辆故障处理系统和方法 | |
CN115167375A (zh) | 一种基于物联网的清洁车辆故障在线检测系统 | |
CN106528940A (zh) | 基于数理模型对列车车轴性能进行评价和预警的方法 | |
CN114238502A (zh) | 基于区块链技术的缺陷汽车信息分析平台 | |
KR102172012B1 (ko) | 철도차량 안전부품 진단장치 | |
CN112859805A (zh) | 一种发动机控制器在线诊断方法及相关装置 | |
CN117549910B (zh) | 一种基于车联网大数据的车辆异常熄火识别方法及系统 | |
CN112885049A (zh) | 基于运行数据的智能电缆预警系统、方法及装置 | |
CN108415401A (zh) | 一种工程车辆检测维修数据管理方法及系统 |
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 |