CN117549910B - 一种基于车联网大数据的车辆异常熄火识别方法及系统 - Google Patents
一种基于车联网大数据的车辆异常熄火识别方法及系统 Download PDFInfo
- Publication number
- CN117549910B CN117549910B CN202311830243.3A CN202311830243A CN117549910B CN 117549910 B CN117549910 B CN 117549910B CN 202311830243 A CN202311830243 A CN 202311830243A CN 117549910 B CN117549910 B CN 117549910B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- engine
- flameout
- data
- abnormal flameout
- 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
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000013145 classification model Methods 0.000 claims description 15
- 238000010801 machine learning Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000001960 triggered effect Effects 0.000 claims description 7
- 238000012790 confirmation Methods 0.000 claims description 6
- 239000000110 cooling liquid Substances 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002826 coolant Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001771 impaired effect Effects 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
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
- B60R16/0232—Circuits relating to the driving or the functioning of the vehicle for measuring vehicle parameters and indicating critical, abnormal or dangerous conditions
-
- 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
- B60W2050/0001—Details of the control system
- B60W2050/0043—Signal treatments, identification of variables or parameters, parameter estimation or state estimation
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/06—Combustion engines, Gas turbines
-
- 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
- B60W2510/00—Input parameters relating to a particular sub-units
- B60W2510/24—Energy storage means
- B60W2510/242—Energy storage means for electrical energy
-
- 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
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- 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
- B60W2540/00—Input parameters relating to occupants
- B60W2540/10—Accelerator pedal position
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种基于车联网大数据的车辆异常熄火识别方法及系统，包括以下步骤：S1，采集车机端实时返回的车辆状态数据、发动机信号数据与告警数据，并对车辆状态数据、发动机信号数据与告警数据进行预处理得到车速、电池电压信号值；通过利用车机端实时返回的数据，进行实时监测车辆数据，使主机厂能够主动感知异常熄火情况，主机厂可以在问题发生时迅速与车主取得联系，提供专业的支持和解决方案，引导车主及时回厂，提高回厂率，确保问题得到及时有效的解决。通过及时识别车辆异常熄火，有助于预防潜在的安全隐患，提高驾驶安全性，同时在问题发生时为车主提供迅速、专业的服务，改善车主使用体验，增强车主对汽车品牌的信赖感。
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异常熄火识别方法及系统。
背景技术
随着车辆技术的不断进步和社会对驾驶安全性的日益关注，车辆异常熄火问题成为制约汽车性能和用户体验的关键因素。异常熄火可能源于诸多因素，包括引擎故障、燃油系统问题以及电气系统异常等，对驾驶员和车辆的安全和可靠性构成严重威胁。在传统情况下，主机厂难以及时感知车辆是否发生异常熄火，只能等待车主的主动回厂反馈问题。这种被动的方式导致了回厂率的低下，同时也影响了车主的整体使用体验。主机厂无法主动感知车辆异常熄火的情况，使得在问题发生时无法迅速采取有效的措施。
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，提供一种能为主机厂提供更可靠和高效的判断规则的基于车联网大数据的车辆异常熄火识别方法。
第一方面，本发明提供一种基于车联网大数据的车辆异常熄火识别方法，所述方法包括以下步骤：
S1，采集车机端实时返回的车辆状态数据、发动机信号数据与告警数据，并对车辆状态数据、发动机信号数据与告警数据进行预处理得到车速、电池电压信号值、加速踏板信号值、发动机状态数据、冷却液温度数据与故障告警信号；
S2，基于所述发动机信号数据与车辆状态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车辆异常熄火判断
S3，根据所述触发规则构建异常熄火识别模型，并对满足触发规则的进一步判断当前车辆是否发生异常熄火，若发生异常熄火，则将发生异常熄火的车辆信息存入数据库中；
S4，获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
本发明所述的基于车联网大数据的车辆异常熄火识别方法中；在所述步骤S1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车辆异常熄火判断。
本发明所述的基于车联网大数据的车辆异常熄火识别方法中；所述步骤S2包括以下步骤：
S21，基于所述发动机停止构建的触发规则为当时刻发动机信号数据/>为发动机停止，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法中；所述步骤S2还包括以下步骤：
S22，所述发动机熄火构建触发规则为当时刻的发动机信号数据/>为发动机熄火，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法中；在所述步骤S2还包括以下步骤：
S23，基于所述发动机启动构建的触发规则为当时刻发动机信号数据/>为发动机启动，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法中；在所述步骤S2中所述模型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异常熄火识别方法中；所述步骤S3包括以下步骤：
S31，若检测时刻前后/>与/>时间内电池电压信号值/>的条数至少超过/>条，其中参数的计算公式为/>，其中/>的计算公式为/>，其中/>的计算公式为/>，/>为车机端CAN每秒钟传输的数据量，与/>分别表示为时间间隔系数；
S32，检测时刻之后的/>时间内，点火开关的打开次数至少超过/>次，且打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为，/>为车机端CAN每秒钟传输的数据量，/>表示为时间间隔系数；
S33，检测时刻之后的/>时间内，发动机信号值出现发动机启动的次数至少超过次，且打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为/>表示为时间间隔系数；
S34，检测时刻之后的/>时间内，是否存在加速踏板信号值或者车速大于/>，且发动机状态值为发动机停止或者发动机熄火，同时，打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为/>；/>表示为时间间隔系数。
本发明所述的基于车联网大数据的车辆异常熄火识别方法中；在所述步骤S3中所述触发规则若满足步骤S31、S32、S33与S34中的一个条件即符合异常熄火判断。
本发明所述的基于车联网大数据的车辆异常熄火识别方法中；所述步骤S4包括以下步骤：
S41，记录并标记历史沟通信息以及发生异常熄火时在专营店所更换的对应备件，当历史沟通的异常熄火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；并采集该车辆的历史行驶信息、告警信息与专营店历史维修信息；
S42，基于正负标签和采集的历史行驶信息、告警信息与专营店历史维修信息训练机器学习分类模型，通过对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，同时根据专营店历史维修信息以及历史行驶信息、告警信息判断车辆发生异常熄火的原因并及时对出现异常熄火的车主进行关怀。
第二方面，本发明还提供一种基于车联网大数据的车辆异常熄火的识别系统，用于实现上述的基于车联网大数据的车辆异常熄火的识别方法，所述系统包括数据采集和处理模块、触发器、异常熄火识别判断模块与构建分类与判断模型模块，所述数据采集和处理模块用于采集车机端实时返回的车辆信号数据，并对车辆信号数据进行预处理得到车辆状态数据、发动机信号数据与告警数据；所述触发器用于监控车辆是否满足触发异常熄火判断；所述异常熄火识别判断模块用于判断车辆是否发生异常熄火，并将异常熄火的车辆信息存入数据库中；所述构建分类与判断模型模块用于获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过触发器的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
经过触发器的车辆进行分类，分出出现异常熄火的车辆并及时对出现异常熄火的车主进行关怀。
本发明的基于车联网大数据的车辆异常熄火识别方法通过利用车机端实时返回的数据，进行实时监测车辆数据，使主机厂能够主动感知异常熄火情况，主机厂可以在问题发生时迅速与车主取得联系，提供专业的支持和解决方案，引导车主及时回厂，提高回厂率，确保问题得到及时有效的解决。通过及时识别车辆异常熄火，有助于预防潜在的安全隐患，提高驾驶安全性，同时在问题发生时为车主提供迅速、专业的服务，改善车主使用体验，增强车主对汽车品牌的信赖感。
附图说明
图1是本发明基于车联网大数据的车辆异常熄火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异常熄火识别系统实施例的工作框图。
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，是本发明基于车联网大数据的车辆异常熄火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异常熄火识别方法，包括以下步骤：
在步骤S1中，采集车机端实时返回的车辆状态数据、发动机信号数据与告警数据，并对车辆状态数据、发动机信号数据与告警数据进行预处理得到车速、电池电压信号值、加速踏板信号值、发动机状态数据、冷却液温度数据与故障告警信号；
在步骤S2中，基于所述发动机信号数据与车辆状态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车辆异常熄火判断；
在步骤S3中，根据所述触发规则构建异常熄火识别模型，并对满足触发规则的进一步判断当前车辆是否发生异常熄火，若发生异常熄火，则将发生异常熄火的车辆信息存入数据库中；
在步骤S4中，获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
在一实施例中，在所述步骤S1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车辆异常熄火判断。需要说明的是触发器触发前提是满足时刻前/>u时间段内，车速/>的条数大于/>次，保证车辆是在行驶状态。
在一实施例中，所述步骤S2包括以下步骤：
在步骤S21中，基于所述发动机停止构建的触发规则为当时刻发动机信号数据为发动机停止，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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，基于所述发动机熄火构建的触发规则为当时刻的发动机信号数据为发动机熄火，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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还包括以下步骤：
在步骤S23中，基于所述发动机启动构建的触发规则为当时刻发动机信号数据为发动机启动，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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中所述模型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。
在一实施例中，所述步骤S3包括以下步骤：
在步骤S31中，若检测时刻前后/>与/>时间内电池电压信号值/>的条数至少超过/>条，其中参数的计算公式为/>，其中/>的计算公式为/>，其中/>的计算公式为/>，/>为车机端CAN每秒钟传输的数据量，/>与/>分别表示为时间间隔系数；其中/>需要根据车辆具体规格确定，/>需要根据车辆具体规格确定；本申请中车型传输量为0.1条/秒。
在步骤S32中，检测时刻之后的时间/>内，点火开关的打开次数至少超过/>次，且打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为/>，/>为车机端CAN每秒钟传输的数据量，/>表示为时间间隔系数；
在步骤S33中，检测时刻之后的/>时间内，发动机信号值出现发动机启动的次数至少超过/>次，且打开闪光灯的条数至少超过/>条，其中，/>的计算公式为，参数的计算公式为/>表示为时间间隔系数；
在步骤S34中，检测时刻之后的/>时间内，是否存在加速踏板信号值或者车速大于/>，且发动机状态值为发动机停止或者发动机熄火，同时，打开闪光灯的条数至少超过条，其中，/>的计算公式为/>，参数的计算公式为/>；表示为时间间隔系数。本实施实例中设置为0，且发动机状态值为发动机停止或者发动机熄火，同时，打开闪光灯的条数至少超过/>条，基于参数的计算公式为，得到/>。
在一实施例中，在所述步骤S3中所述触发规则若满足步骤S31、S32、S33与S34中的一个条件即符合异常熄火判断。
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以及发生异常熄火时在专营店所更换的对应备件，当历史沟通的异常熄火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；并采集该车辆的历史行驶信息、告警信息与专营店历史维修信息；
在步骤S42中，基于正负标签和采集的历史行驶信息、告警信息与专营店历史维修信息训练机器学习分类模型，通过对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，同时根据专营店历史维修信息以及历史行驶信息、告警信息判断车辆发生异常熄火的原因并及时对出现异常熄火的车主进行关怀。
如图2所示，第二方面，本发明还提供一种基于车联网大数据的车辆异常熄火的识别系统，用于实现以上所述的基于车联网大数据的车辆异常熄火的识别方法，所述系统包括所述系统包括数据采集和处理模块、触发器、异常熄火识别判断模块与构建分类与判断模型模块，所述数据采集和处理模块用于采集车机端实时返回的车辆信号数据，并对车辆信号数据进行预处理得到车辆状态数据、发动机信号数据与告警数据；所述触发器用于监控车辆是否满足触发异常熄火判断；所述异常熄火识别判断模块用于判断车辆是否发生异常熄火，并将异常熄火的车辆信息存入数据库中；所述构建分类与判断模型模块用于获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过触发器的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
经过触发器的车辆进行分类，分出出现异常熄火的车辆并及时对出现异常熄火的车主进行关怀。
具体的，车辆状态数据反应车辆实时运行状态，包括车速、电池电压信号值、加速踏板信号值等；通过传感器感应，传感器数据是一种特殊的状态数据，包括氧传感器数据、点火信号数据等；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，包括发动机状态数据，冷却液温度数据等等，这些数据可用于监测发动机的运行状态；告警数据为车辆在行驶中出现的故障告警信号，均是从车机端传输数据中获得。
收集车机终端传输的发动机信号数据、告警数据、电压数据、点火信号等关键数据信息。获取的发动机信号数据包括发动机信号值、发动机转速值、发动机冷却液温度值；其中告警数据内容是可选项，根据车辆现有的部件传感器进行收集，告警数据包括电池、发动机、水温、车胎、安全气囊部件等的告警情况；电压数据为蓄电池电压信号值。
其中预处理包括还数据筛选。目的是过滤掉车速冷却液温度发动机转速大于阈值的数据，阈值为车机端CAN传输数据的最大值。
本申请中车型传输量为0.1条/秒，，/>需要根据车辆具体规格确定，将/>设置为300秒，基于参数的计算公式/>，得出/>，/>设置为10.8V。
基于参数的计算公式，得出/>，其中，发动机信号值出现发动机启动的次数/>需根据具体车型设置，本实施例中车型设置为2。
本申请中的车联大数据不仅包含车辆传感器的实时信息，还涵盖了车辆的历史数据、驾驶行为等多方面信息。通过综合利用这些数据，可以更全面、精准地识别潜在的异常熄火迹象，提高车辆异常熄火检测的准确性和实时性。
本申请提供的一种基于车联网大数据的车辆异常熄火识别方法及系统，实现对异常熄火问题更为全面、精准的监测。同时，本申请旨在实时监控车辆发生是否发生异常熄火，为主机厂及时介入，并关怀用户，远程指引用户遇到异常熄火时如何操作，从而保护用户人身及财产安全，从而提高了主机厂品牌形象力和用户粘合度。
在传统情况下，主机厂难以及时感知车辆是否发生异常熄火，只能等待车主的主动回厂反馈问题。这种被动的方式导致了回厂率的低下，同时也影响了车主的整体使用体验。主机厂无法主动感知车辆异常熄火的情况，使得在问题发生时无法迅速采取有效的措施，进而导致一下不良结果：第一：低回厂率，由于主机厂无法实时感知车辆的异常熄火情况，缺乏及时的故障反馈机制，车主在遇到问题时可能选择不及时回厂，从而导致问题未能得到及时解决，车辆运行安全性受到威胁；第二：不良车主体验，车主在遇到问题时，由于无法及时得到专业的支持和解决方案，体验将进一步受损，对汽车品牌形成负面印象。
因此，本发明的主要目的在于提供一种基于车联网大数据的车辆异常熄火识别方法及系统，通过实时监测车辆数据，使主机厂能够主动感知异常熄火情况。主机厂可以在问题发生时迅速与车主取得联系，提供专业的支持和解决方案，引导车主及时回厂，提高回厂率，确保问题得到及时有效的解决。通过及时识别车辆异常熄火，本发明有助于预防潜在的安全隐患，提高驾驶安全性，同时在问题发生时为车主提供迅速、专业的服务，改善车主使用体验，增强车主对汽车品牌的信赖感。
本发明实施例提供的一种基于车联网大数据的车辆异常熄火识别方法的有益效果至少在于：
1、通过车联大数据的实时采集和先进的数据分析技术，能够实现对车辆异常熄火情况的高效准确识别。这种识别方式相比传统方法更具实时性和可靠性。
2、通过车联大数据实时采集车辆运行数据，能够快速、实时地监测车辆的各项参数，提高了异常熄火情况的检测效率。
3、 通过综合考虑多个车辆运行参数，如车速、加速踏板信号值信号、发动机转速等，从多维度信息入手，提高了异常熄火判断的准确性和全面性。
4、本申请不仅能够智能地记录和储存异常熄火情况的详细信息，包括诊断结果和故障码记录等，而且这些记录对故障分析和排查提供了有力支持。这一功能不仅仅是为了解决当前的问题，更能够作为一份维修历史的重要参考，有助于维修人员深入了解车辆的维修情况和历史问题，从而更加精准地制定维护策略。
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异常熄火识别方法，其特征在于，所述方法包括以下步骤：
S1，采集车机端实时返回的车辆状态数据、发动机信号数据与告警数据，并对车辆状态数据、发动机信号数据与告警数据进行预处理得到车速、电池电压信号值、加速踏板信号值、发动机状态数据、冷却液温度数据与故障告警信号；
S2，基于所述发动机信号数据与车辆状态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车辆异常熄火判断；
S3，根据所述触发规则构建异常熄火识别模型，并对满足触发规则的进一步判断当前车辆是否发生异常熄火，若发生异常熄火，则将发生异常熄火的车辆信息存入数据库中；
S4，获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
2.根据权利要求1所述的基于车联网大数据的车辆异常熄火识别方法，其特征在于，在所述步骤S1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车辆异常熄火判断。
3.根据权利要求2所述的基于车联网大数据的车辆异常熄火识别方法，其特征在于，所述步骤S2包括以下步骤：
S21，基于所述发动机停止构建的触发规则为当时刻发动机信号数据/>为发动机停止，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法，其特征在于，所述步骤S2还包括以下步骤：
S22，基于所述发动机熄火构建的触发规则为当时刻的发动机信号数据/>为发动机熄火，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法，其特征在于，在所述步骤S2还包括以下步骤：
S23，基于所述发动机启动构建的触发规则为当时刻发动机信号数据/>为发动机启动，上一个采集时刻对应的发动机信号数据/>为发动机运行时，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异常熄火识别方法，其特征在于，在所述步骤S2中所述模型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1所述的基于车联网大数据的车辆异常熄火识别方法，其特征在于，所述步骤S3包括以下步骤：
S31，若检测时刻前后/>与/>时间内电池电压信号值/>的条数至少超过条，其中参数的计算公式为/>，其中/>的计算公式为，其中/>的计算公式为/>，/>为车机端CAN每秒钟传输的数据量，/>与分别表示为时间间隔系数，/>为10.8V；
S32，检测时刻之后的/>时间内，发动机信号值出现发动机启动的次数至少超过/>次，且打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为/>，/>表示为时间间隔系数，/>为2；
S33，检测时刻之后的/>时间内，是否存在加速踏板信号值或者车速大于/>，且发动机状态值为发动机停止或者发动机熄火，同时，打开闪光灯的条数至少超过/>条，其中，/>的计算公式为/>，参数的计算公式为/>；/>表示为时间间隔系数，/>为0。
8.根据权利要求7所述的基于车联网大数据的车辆异常熄火识别方法，其特征在于，在所述步骤S3中所述触发规则若满足步骤S31、S32与S33中的一个条件即符合异常熄火判断。
9.根据权利要求1所述的基于车联网大数据的车辆异常熄火识别方法，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以及发生异常熄火时在专营店所更换的对应备件，当历史沟通的异常熄火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；并采集该车辆的历史行驶信息、告警信息与专营店历史维修信息；
S42，基于正负标签和采集的历史行驶信息、告警信息与专营店历史维修信息训练机器学习分类模型，通过对经过步骤S2的车辆进行分类，分出出现异常熄火的车辆，同时根据专营店历史维修信息以及历史行驶信息、告警信息判断车辆发生异常熄火的原因并及时对出现异常熄火的车主进行关怀。
10.一种基于车联网大数据的车辆异常熄火识别系统，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异常熄火识别方法，其特征在于，所述系统包括数据采集和处理模块、触发器、异常熄火识别判断模块与构建分类与判断模型模块，所述数据采集和处理模块用于采集车机端实时返回的车辆信号数据，并对车辆信号数据进行预处理得到车辆状态数据、发动机信号数据与告警数据；所述触发器用于监控车辆是否满足触发异常熄火判断；所述异常熄火识别判断模块用于判断车辆是否发生异常熄火，并将异常熄火的车辆信息存入数据库中；所述构建分类与判断模型模块用于获取数据库中发生异常熄火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分类模型与智能原因判断模型；通过机器学习分类模型对经过触发器的车辆进行分类，分出出现异常熄火的车辆，再通过智能原因判断模型判断车辆异常熄火时在专营店所更换的对应备件并及时对出现异常熄火的车主进行关怀。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311830243.3A CN117549910B (zh) | 2023-12-28 | 2023-12-28 | 一种基于车联网大数据的车辆异常熄火识别方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311830243.3A CN117549910B (zh) | 2023-12-28 | 2023-12-28 | 一种基于车联网大数据的车辆异常熄火识别方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117549910A CN117549910A (zh) | 2024-02-13 |
| CN117549910B true CN117549910B (zh) | 2024-03-15 |
Family
ID=89812916
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311830243.3A Active CN117549910B (zh) | 2023-12-28 | 2023-12-28 | 一种基于车联网大数据的车辆异常熄火识别方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117549910B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103133157A (zh) * | 2011-12-01 | 2013-06-05 | 现代自动车株式会社 | 判定混合动力电动车发动机是否非正常停止的系统和方法 |
| CN103538536A (zh) * | 2012-07-12 | 2014-01-29 | 雅马哈发动机株式会社 | 车辆信息管理系统 |
| CN107662612A (zh) * | 2017-08-30 | 2018-02-06 | 东风商用车有限公司 | 一种车辆熄火滑行的判断及习惯引导系统及其方法 |
| CN113761027A (zh) * | 2021-09-02 | 2021-12-07 | 深圳摩吉智行科技有限公司 | 车辆车载设备基于gps数据标定熄火状态的标定方法、装置及计算机可读存储介质 |
| KR20230106197A (ko) * | 2022-01-05 | 2023-07-13 | 주식회사 현대케피코 | 시스템 이상 감지 및 안전 상태 천이 방법 |
-
2023
- 2023-12-28 CN CN202311830243.3A patent/CN117549910B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103133157A (zh) * | 2011-12-01 | 2013-06-05 | 现代自动车株式会社 | 判定混合动力电动车发动机是否非正常停止的系统和方法 |
| CN103538536A (zh) * | 2012-07-12 | 2014-01-29 | 雅马哈发动机株式会社 | 车辆信息管理系统 |
| CN107662612A (zh) * | 2017-08-30 | 2018-02-06 | 东风商用车有限公司 | 一种车辆熄火滑行的判断及习惯引导系统及其方法 |
| CN113761027A (zh) * | 2021-09-02 | 2021-12-07 | 深圳摩吉智行科技有限公司 | 车辆车载设备基于gps数据标定熄火状态的标定方法、装置及计算机可读存储介质 |
| KR20230106197A (ko) * | 2022-01-05 | 2023-07-13 | 주식회사 현대케피코 | 시스템 이상 감지 및 안전 상태 천이 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117549910A (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102263337B1 (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
| US9600541B2 (en) | Method of processing and analysing vehicle driving big data and system thereof | |
| CN111823952B (zh) | 电芯温度的诊断方法、存储介质和电子设备 | |
| US8805639B1 (en) | Idle detection for improving fuel consumption efficiency in a vehicle | |
| CN111028384B (zh) | 自动驾驶车辆的故障智能分类方法和系统 | |
| CN102717765A (zh) | 疲劳驾驶检测方法及防疲劳驾驶辅助装置 | |
| CN109809149B (zh) | 一种工业生产设备故障预警系统及方法 | |
| CN111191545A (zh) | 一种驾驶员行为实时监控分析系统及方法 | |
| CN114973155A (zh) | 一种基于ai图像识别行为智能监测分析管理系统 | |
| CN115527340A (zh) | 一种基于无人机与监控摄像的智慧工地安全监测系统及方法 | |
| CN113500916A (zh) | 一种电池系统安全状态的预警方法、预警装置及控制设备 | |
| TW202101344A (zh) | 用於計算車輛的駕駛人的責任的系統和方法 | |
| CN114216941B (zh) | 一种基于复合阵列传感器的酒醉驾预防报警系统 | |
| 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 | |
| CN112937599B (zh) | 一种驾驶辅助性能监测系统及方法 | |
| CN112406895B (zh) | 车辆底盘磕碰事件的监控方法、监控装置和服务器 | |
| CN113986893A (zh) | 一种基于发电车风险识别主动预警系统及方法 | |
| CN116279500B (zh) | 一种车辆碰撞识别方法 | |
| CN114841483A (zh) | 一种物流货运车辆的安全监控方法及系统 | |
| CN116911610A (zh) | 运输车辆驾驶安全风险监控及评估预警的方法和系统 | |
| CN111553199A (zh) | 一种基于计算机视觉的机动车交通违法行为自动检测技术 | |
| CN115520741A (zh) | 基于神经网络的电梯运行监控预警方法、系统及存储介质 | |
| CN114882734A (zh) | 一种基于人工智能的停车场安全监控管理系统 | |
| CN116691715B (zh) | 基于车联网大数据的车辆启动困难识别方法及系统 | |
| TWI660276B (zh) | 應用使用者輪廓模型以進行評分的系統及方法 |
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 |