CN121007718B - 车辆检测方法、装置、计算机设备、可读存储介质和程序产品 - Google Patents

Abstract

本申请涉及一种车辆检测方法、装置、计算机设备、可读存储介质和程序产品。所述方法包括基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。采用本方法能够车辆故障检测的准确率。

Description

车辆检测方法、装置、计算机设备、可读存储介质和程序产品

技术领域

本申请涉及车辆检测技术领域，特别是涉及一种车辆检测方法、装置、计算机设备、可读存储介质和程序产品。

背景技术

随着新能源汽车规模化应用，对车辆运行数据的实时性与完整性提出要求。其中，车辆轨迹数据的完整率是核心指标之一，直接关系到安全监管、事故溯源、里程核查等关键场景的可靠性。

然而，在车辆行驶过程中，因网络等原因导致车辆轨迹数据不能完整记录，造成车辆轨迹数据缺失。相关技术中常采用车载终端（Telematics Box，T-Box）本地缓存补传车辆轨迹数据，T-Box补传受存储空间和功耗限制，仍然存在缺失数据的情况，导致对车辆的故障检测的准确率较低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高车辆故障检测准确率的车辆检测方法、装置、计算机设备、可读存储介质和程序产品。

第一方面，本申请提供了一种车辆检测方法，包括：

基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

在其中一个实施例中，所述基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率，包括：

基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，所述实际轨迹数据集是在预设时长内采集得到的，各所述目标时段是对所述预设时长进行划分后得到的；所述实际轨迹数据集中包含的各实际报文数据是按照时间排序得到的；

基于各所述离线时长，确定所述车辆在所述预设时长内的在线时长，以及确定所述在线时长的目标报文数据的数量；并将实际报文数据的数量和所述目标报文数据的数量的比值，确定为所述车辆的轨迹完整率。

在其中一个实施例中，各所述目标时段包括起始时段、中间时段和终止时段，各所述目标时段的离线时长包括第一离线时长、第二离线时长和第三离线时长，所述基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，包括：

确定各所述实际报文数据的报文类型；所述实际报文数据的类型至少包括登出报文、登入报文中的一个；

针对所述起始时段，确定所述起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长，所述第一离线时长大于报文间隔阈值；

针对所述终止时段，确定最后一个目标实际报文数据的时刻与所述终止时段的终止时间的差值为第二离线时长，所述第二离线时长大于所述报文间隔阈值；

针对所述中间时段的各登出报文数据，确定所述登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长；基于车辆轨迹记录数据，确定各所述初始离线时长中的在线时长；确定各所述初始离线时长与对应的所述在线时长的差值，并将各所述差值的和值确定为第三离线时长。

在其中一个实施例中，所述基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据，包括：

从所述实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的接收报文数据为第一缺失断点；

确定各所述登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点；

基于所述第一缺失断点和所述离线缺失断点，确定所述车辆的在线缺失时间段；

对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据。

在其中一个实施例中，所述对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据，包括：

针对于每一在线缺失时间段，如果所述在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点；

如果所述在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；以及确定所述匹配结果为不匹配的端点报文数据与所述最接近的指示报文数据之间的时间段，为第二目标缺失断点；

基于各所述第一目标缺失断点和各所述第二目标缺失断点，确定所述在预设时长内的报文缺失数据。

在其中一个实施例中，所述方法还包括：

确定报文缺失数据的位置信息；如果所述位置信息的出现次数大于预设阈值，则对所述位置信息进行标记，以及生成对应的报文补传策略。

第二方面，本申请还提供了一种车辆检测装置，包括：

第一确定模块，用于基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

第二确定模块，用于基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

第三确定模块，用于基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

上述车辆检测方法、装置、计算机设备、可读存储介质和程序产品，通过预设离线时间模型和车辆的实际轨迹数据集，确定车辆的轨迹完整率，提高了离线时间计算的准确率，从而提高了车辆的轨迹完整率的准确性；基于预设缺失筛选策略对实际轨迹数据集进行筛选，确定车辆的报文缺失数据，实现对轨迹报文缺失的定位，提高报文缺失数据检测的准确性；以及基于轨迹完整率和报文缺失数据，确定车辆故障检测结果，由于提高了轨迹完整率和报文缺失数据的检测准确率，进一步地提高了车辆故障检测的准确性。

附图说明

为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对本申请实施例或相关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申请的一些实施例，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相关的附图。

图1为一个实施例中车辆检测方法的流程示意图；

图2为一个实施例中车辆检测方法的流程示意图；

图3为一个实施例中车辆检测方法的流程示意图；

图4为一个实施例中弹性时间窗口的匹配示意图；

图5是一个实施例中提供的基于三段式离线时间模型的新能源汽车的轨迹完整率确定方法的流程示意图；

图6是一个实施例中提供的基于三段式离线时间模型的新能源汽车的轨迹缺失定位方法的流程示意图；

图7为一个实施例中车辆检测装置的结构框图；

图8为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个示例性的实施例中，如图1所示，提供了一种车辆检测方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：

步骤101、基于预设离线时间模型和车辆的实际轨迹数据集，确定车辆的轨迹完整率。

其中，预设离线时间模型用于分析车辆在预设时长内的离线时间/离线时长。预设离线时间模型可以为三段式离线时间模型。离线时间是车辆处于停止状态的时间。实际轨迹数据集是在预设时长内实际采集到的车辆的行驶轨迹报文数据的集合。行驶轨迹报文数据表征车辆在预设时长内的启动时间、停止时间以及在行驶过程中的行驶报文，行驶报文可以包括实时报文或者补发报文，实时报文和补发报文均可以表征车辆的行驶过程中的状态信息，状态信息可以包括车辆自身的地理位置、速度、轨迹、车辆发动机的状态等等。预设时长是预先设置的时间段，可以为小时、天、月，等等，在此不做具体限定。

具体地，终端基于预设离线时间模型和车辆的实际轨迹数据集，确定车辆在预设时长的离线时长，基于离线时长确定车辆的在线时长，以及基于车辆的在线时长和实际轨迹数据集中的报文数据的数量，确定车辆在预设时长内的轨迹完整率。

步骤102、基于预设缺失筛选策略对实际轨迹数据集进行筛选，确定车辆的报文缺失数据。

其中，预设缺失筛选策略是判断每两个报文之间是否存在缺失报文的策略。报文缺失数据反映实际轨迹报文数据集中两个报文之间存在缺失时的缺失报文开始时间、缺失报文结束时间、开始报文类型、结束报文类型、轨迹报文缺失条数以及报文缺失时车辆行驶的地理位置等等数据。

具体地，终端可以基于预设缺失筛选策略对实际轨迹数据集进行多次筛选，确定车辆在预设时长内的报文缺失数据。

步骤103、基于轨迹完整率和报文缺失数据，确定车辆故障检测结果。

可选地，轨迹完整率和报文缺失数据均反映车辆在同一预设时长内的报文缺失情况。

具体地，终端将同一预设时长的轨迹完整率和报文缺失数据进行比对，得到比对结果，如果比对结果是轨迹完整率和报文缺失数据一致，且轨迹完整率和报文缺失数据不满足预设故障条件，则确定车辆处于正常状态；如果比对结果是轨迹完整和报文缺失数据不一致，或者轨迹完整率和报文缺失数据中的至少一项满足预设故障条件，则确定车辆处于故障状态。

可选地，如果轨迹完整率大于或等于预设完整阈值且报文缺失数据小于或等于预设缺失阈值，则确定轨迹完整率和报文缺失数据不满足预设故障条件。如果轨迹完整率小于预设完整阈值和/或报文缺失数据大于预设缺失阈值，则确定轨迹完整率和报文缺失数据中的至少一项不满足预设故障条件。

另外，终端确定车辆处于故障状态之后，根据轨迹完整率、报文缺失数据确定对应的故障诊断策略，例如，基于故障诊断策略对车辆的报文补发策略进行调整。

上述车辆检测方法，通过预设离线时间模型和车辆的实际轨迹数据集，确定车辆的轨迹完整率，提高了离线时间计算的准确率，从而提高了车辆的轨迹完整率的准确性；基于预设缺失筛选策略对实际轨迹数据集进行筛选，确定车辆的报文缺失数据，实现对轨迹报文缺失的定位，提高报文缺失数据检测的准确性；以及基于轨迹完整率和报文缺失数据，确定车辆故障检测结果，由于提高了轨迹完整率和报文缺失数据的检测准确率，进一步地提高了车辆故障检测的准确性。

在一个示例性的实施例中，步骤101“基于预设离线时间模型和车辆的实际轨迹数据集，确定车辆的轨迹完整率”的具体实现过程可以包括：

基于车辆的实际轨迹数据集，确定车辆在各目标时段内的离线时长；基于各离线时长，确定车辆在预设时长内的在线时长，以及确定在线时长的目标报文数据的数量；并将实际报文数据的数量和目标报文数据的数量的比值，确定为车辆的轨迹完整率。

其中，实际轨迹数据集是在预设时长内采集得到的，各目标时段是对预设时长进行划分后得到的，不同的目标时段的起始时间和终止时间不同，且时长是相同的或者是不同的，根据具体的应用场景确定。实际轨迹数据集中包含的各实际报文数据是按照时间排序得到的，按照时间排序的方式可以是顺序或倒序，在此不做具体限定。目标报文数据是车辆在在线时间内的理想报文数据。

具体地，终端可以存储各时刻的车辆的实际报文数据，以及将预设时长内按时间排序的方式排列好的实际报文数据确定为一个实际报文数据集，示例性地，终端可以通过GB/T32960协议接收车辆监控数据，并存储该车辆监控数据，以及从车辆监控数据中通过车辆识别代号（Vehicle Identification Number，VIN）和日期确定某VIN某天的实际报文数据。

终端可以将预设时长分为多个目标时段，以及确定各目标时段对应的实时报文数据，基于车辆的实际轨迹数据集确定车辆在各目标时段内的离线时长；确定各离线时长的和值，将预设时长和该和值的差值确定为车辆在预设时长的在线时长；终端获取预设报文发送间隔，以及将在线时长和预设报文发送间隔的比值，确定为目标报文数据的数量；将实际报文数据的数量和目标报文数据的数量的比值，确定为车辆的轨迹完整率。

示例性地，通过将一天（从00:00:00到23:59:59）的时长分为多个目标时段，目标时段分为凌晨起始时段（00:00:00临界点）、日间动态时段（白天主要行驶上下线）和夜间结束时段（23:59:59临界点）。确定凌晨起始时段、日间动态时段和夜间结束时段的离线时长，确定凌晨起始时段、日间动态时段和夜间结束时段的离线时长的和值为一天内的总离线时长，确定24小时和总离线时长的差值为一天中车辆的在线时长，确定在线时长和预设报文发送间隔（车辆在线时间每隔10秒发送一次实时报文）的比值为目标报文数据的数量（车辆在一天中应有轨迹条数），确定一天中接收到的实际报文数据的数量和目标报文数据的数量为车辆在一天内的轨迹完整率。

在本实施例中，通过确定在各目标时段的离线时长，以及基于各离线时长确定在线时长，以及确定在线时长对应的目标报文数据的数量，并将实际报文数据的数量和目标报文数据的数量的比值，确定为车辆的轨迹完整率，提高了在预设时长内的离线时长检测的准确率，而且通过目标报文数据和实际报文数据确定车辆的轨迹完整率，提高了轨迹完整率的计算准确性。

在一个示例性的实施例中，如图2所示，步骤“基于车辆的实际轨迹数据集，确定车辆在各目标时段内的离线时长”的具体实现过程可以包括：

步骤201、确定各实际报文数据的报文类型。

其中，实际报文数据的类型至少包括登出报文、登入报文、实时报文和补发报文中的一个。

具体地，终端可以识别各实际报文数据携带的类型标识，基于类型标识和报文类型的对应关系，确定各实际报文基于的报文类型。

可选地，各目标时段包括起始时段、中间时段和终止时段，各目标时段的离线时长包括第一离线时长、第二离线时长和第三离线时长；

步骤202、针对起始时段，确定起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长。

其中，第一离线时长大于报文间隔阈值，第一个目标实际报文的报文类型为实时报文或补发报文。起始时段可以是预设时长的起始点到接收到第一个目标实际报文数据的时长，起始时刻是起始点对应的时刻，例如，预设时长是一天，起始时段可以是凌晨时段，即从00:00:00到第一个目标实时报文的时刻。

具体地，针对起始时段，终端确定起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长。可选地，如果第一离线时长小于预设报文发送间隔，则确定第一离线时长为0。例如，预设报文发送间隔可以为10s。

步骤203、针对终止时段，确定最后一个目标实际报文数据的时刻与终止时段的终止时间的差值为第二离线时长。

其中，第二离线时长大于报文间隔阈值，最后一个目标报文数据的报文类型为实时报文或补发报文。终止时段可以是最后一个目标实际报文数据的时刻到预设时长的终止点的时长，终止时间是终止点对应的时刻，例如，预设时长是一天，起始时段可以是夜间时段，即从最后一个目标实时报文到23:59:59的时段。

具体地，针对终止时段，确定最后一个目标实际报文数据的时刻与终止时段的终止时间的差值为第二离线时长。可选地，如果第二离线时长小于预设报文发送间隔，则确定第二离线时长为0。

步骤204、针对中间时段的各登出报文数据，确定登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长；基于车辆轨迹记录数据，确定各初始离线时长中的在线时长；确定各初始离线时长与对应的在线时长的差值，并将各差值的和值确定为第三离线时长。

其中，中间时段是从第一个目标实时报文到最后一个目标实时报文的时段。车辆轨迹记录数据是车辆记录的车辆在预设时长内记录的车辆行驶数据，也即反映车辆的行驶的在线时长。

具体地，针对中间时段的各登出报文数据，确定每个登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长，以及存储登出报文发送的时间点、最近的下一条登入报文数据的时间点，作为初始离线时长的起始时刻和终止时刻。将每个初始离线时长以及起始时刻、终止时刻确定为第一日间离线时间数据集。

确定车辆轨迹记录数据中与第一日间离线时间数据集中的多个连续在线时间段，将各在线时间段的存储为第二日间离线时间数据集。

确定第一日间离线时间集和第二日间离线时间数据集的差值，将该差值的和值确定为第三离线时长。

可选地，将第一离线时长、第二离线时长和第三离线时长的和值确定为该车辆在预设时长内的总离线时长。

示例性地，对登入报文数据、登出报文数据记录做处理，取每条登出后最近一条登入记录的时间差，得出第一日间离线时间数据集。对现有的轨迹记录条数做处理，取其中时间范围在第一日间离线时间数据集中的连续时间段记录，得出第二日间离线时间数据集。对第一日间离线时间数据集减去第二日间离线时间数据集，取差集，剔除离线时长中有轨迹记录的时间段，之后对所有离线时长求和，得到日间总离线时长。

在本实施例中，通过三段式离线时间统计，24小时减去离线时间，可以得到更准确的在线时间，从而提高轨迹完整率计算的准确性；通过登入登出记录（主数据源）和轨迹记录（验证数据源）的双源协同验证。优先信任登入登出记录（直接状态证据），轨迹记录作为负向证据（排除极少情况下登出，登入记录缺失导致的额外统计的离线时长）。在保持登入登出记录为主体的同时，利用轨迹记录进行修正，显著提升日间离线时长计算的准确性，尤其擅长处理记录丢失和数据缺失等边界情况；实现双源交叉验证，提高日间离线时长的准确率。

在一个示例性的实施例中，步骤102“基于预设缺失筛选策略对实际轨迹数据集进行筛选，确定车辆的报文缺失数据”的具体实现过程可以包括：

从实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的接收报文数据为第一缺失断点；确定各登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点；基于第一缺失断点和离线缺失断点，确定车辆的在线缺失时间段；对在线缺失时间段对应的报文数据进行匹配，得到车辆的报文缺失数据。

其中，接收报文数据可以为实时报文数据或者补发报文数据。

具体地，从实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的实时/补发报文数据为第一缺失断点，以及存储第一缺失断点的起始点的时间点，第一缺失断点的终止点的时间点，以及两者的时间差。

确定各登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点，以及存储登出报文发出的时间点、最近的下一条登入报文的时间点，以及两者的时间差。

终端计算第一缺失断点和离线缺失断点的差值，确定为车辆的在线缺失时间段，以及对在线缺失时间段对应的报文数据进行匹配，得到车辆在预设时长的报文缺失数据。

在本实施例中，通过对在线缺失时间段对应的报文数据再次进行处理，得到车辆在预设时长的报文缺失数据，提高对真实离线和报文数据缺失的划分的准确性，从而提高了报文缺失数据检测的精准度。

在一个示例性的实施例中，如图3所示，步骤“对在线缺失时间段对应的报文数据进行匹配，得到车辆的报文缺失数据”的具体实现过程可以包括：

步骤301、针对于每一在线缺失时间段，如果在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点。

其中，指示报文数据为登入报文数据或登出报文数据。最接近的指示报文数据是指端点报文数据与该指示报文数据之间不存在其他报文数据。

具体地，针对于每一在线缺失时间段，确定在线缺失时间段的端点报文数据最近的指示报文数据；如果在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点。

步骤302、如果在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；以及确定匹配结果为不匹配的端点报文数据与最接近的指示报文数据之间的时间段，为第二目标缺失断点。

其中，弹性时间窗口是基于预设报文发送间隔确定的。

具体地，如果在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；

如果匹配结果为该端点报文数据没有在最接近的登入报文数据或登出报文数据所规定的弹性时间窗口内，则确定匹配结果为不匹配，以及确定匹配结果为不匹配的端点报文数据与最接近的指示报文数据之间的时间段，为第二目标缺失断点。

如果匹配结果为该端点报文数据在最接近的登入报文数据或登出报文数据所规定的弹性时间窗口内，则确定匹配结果为匹配，确定该端点报文数据与最接近的登入报文数据或登出报文数据之间没有出现缺失报文，并删除该时间段。

如图4所示，图4是一个实施例中弹性时间窗口的匹配示意图，图中的实线长方形为弹性时间窗口。图4中的登入报文数据是首条实时/补发报文数据的最接近的指示报文数据，登出报文数据是末条实时/补发报文数据的最接近的指示报文数据。由于如果端点报文数据（实时/补发报文数据）在该弹性时间窗口内，则确定匹配结果为匹配；如果端点报文数据不在弹性时间窗口内，则确定匹配结果为不匹配，即登出报文和实时（补发）报文之间存在缺失。应理解，图4仅用于示例，并不能构成具体限定。

步骤303、基于各第一目标缺失断点和各第二目标缺失断点，确定在预设时长内的报文缺失数据。

具体地，终端基于各第一目标缺失断点和各第二目标缺失断点，确定每个缺失断点的起始时刻、终止时刻，确定起始时刻和终止时刻的差值，以及该差值与预设报文发送间隔的比值为报文缺失条数，以及确定起始点和终止点的报文类型、缺失报文车辆的所处的环境数据；例如，环境数据可以为实际地点和经纬度数据。

在本实施例中，通过弹性时间窗口匹配，各第一目标缺失断点和各第二目标缺失断点，以及确定在预设时长内的报文缺失数据，实现定位轨迹中的报文缺失，提高报文缺失定位的准确性。

在一个示例性的实施例中，车辆检测方法还包括：

确定报文缺失数据的位置信息；如果位置信息的出现次数大于预设阈值，则对位置信息进行标记，以及生成对应的报文补传策略。

其中，报文补传策略为预先对已知可能存在缺失报文的位置信息，确定对应的补传报文的方法。

具体地，终端确定报文缺失数据的位置信息，基于位置信息生成地理热力图。如果位置信息的出现次数大于预设阈值，则确定该位置信息出现缺失的原因为物理地形因素导致的网络中断。终端可以将该位置信息进行存储。终端可以确定报文缺失原因，以及生成报文缺失原因对应的报文补传策略。示例性地，如果在多个车辆在某个位置信息均出现缺失报文数据，且确定该位置是输出基站信号覆盖薄弱区域，则报文补传策略为在该位置先对报文数据进行本地备份，收集到T-Box补传缺失数据的详细情况，此处仅用于示例，并不能构成具体限定。

另外，终端可以对车辆建立健康度画像、归纳出厂时间、异常记录等信息。

在本实施例中，通过缺失点可以生成地理热力图，不同车辆相同地点持续缺失，可以标记出隧道等物理地形因素导致的网络中断，方便后续优化，诸如在这些地点时本地备份等。通过轨迹记录缺失的情况，定位到车载终端的异常情况，方便后续改进补传机制，确保数据完整性和轨迹完整性；以及通过轨迹记录缺失的情况，定位到车载终端的异常情况，如设备故障，发送报文时间间隔设置异常等，方便后续维护和改进。

在一个实施例中，如图5所示，图5是一个实施例中提供的基于三段式离线时间模型的新能源汽车的轨迹完整率确定方法的流程示意图，具体可以包括以下步骤：

步骤501：通过GB/T32950协议接收车辆监控数据后，将数据写入数据库。通过vin、日期从数据库提取某VIN某天的原始报文记录（实际报文数据）。

步骤502：按设备时间顺/倒序排序实际报文数据并对实际报文数据进行去重处理，得到实际轨迹数据集。

步骤503：处理时序数据。获取报文类型为登入、登出的轨迹记录以及其与过去最近一条登入登出记录的时间差。

步骤504：从步骤503的数据中取出所有登出报文与其最近一条登入记录的时间差的数据集。作为第一日间离线时间数据集。此时，处理后的记录中，包括，登出报文发出的时间点，下一条登入报文的时间点，以及两者的时间差，作为离线时长的起止和时长。

步骤505：对收到的轨迹记录进行处理，取其中时间范围在第一日间离线时间数据集中的连续时间段记录，作为第二日间离线时间数据集（排除极少情况下登出，登入记录缺失导致的额外统计的离线时长）。

步骤505：取第一日间离线时间数据集和第二日间离线时间数据集的差集，剔除离线时长中有轨迹记录的时间段。后所有的离线时间求和。作为日间离线时长（第三离线时长）。

步骤507：计算凌晨离线时长。查到实时/补发报文数据中当天的首条记录，若首条数据晚于00:00:10，计算从00:00:00到首条数据的时间差（秒）作为凌晨离线时长（第一离线时长）。10秒内则不计入离线，视为跨天在线。存在司机夜间持续开车的情况。

步骤508：计算夜间离线时长。计算实时/补发报文数据中当天的末条记录到23:59:59的时间差，作为夜间离线时长（第二离线时长）。如果时间差在10秒内，则不计入离线。

步骤509：三个离线时长求和，确定24小时与离线时间的差值为车辆的在线时间。

步骤510：根据实时报文发送间隔（预设报文发送间隔），计算应有轨迹记录数（目标报文数据的数量）。如车辆在线时每10秒发送一次实时报文，则在线时间里有多少个10秒，就应有多少条记录。

步骤511：由数据库当天某VIN收到的记录条数（实际报文数据的数量）与应有记录数的比值，确定为轨迹完整率。

在本实施例中，通过车载终端将登入登出，实时/补发报文，轨迹信息等上传到远程数据平台。通过三段式离线时间模型，双源协同校验计算日间动态离线时长，得出准确的离线和在线时长。根据车辆数据实时报文发送的时间间隔，如每10秒发送一次，计算出应有轨迹记录条数，最后数据库收到条数/应有条数，得出精确的轨迹完整率。

在一个实施例中，如图6所示，图6是一个实施例中提供的基于三段式离线时间模型的新能源汽车的轨迹缺失定位方法的流程示意图，具体可以包括以下步骤：

步骤601：通过GB/T32960协议接收车辆监控数据后，将数据写入数据库。通过vin、日期从数据库提取某VIN某天的原始报文记录（实际报文数据）。

步骤602：按设备时间顺/倒序排序实际报文数据并对实际报文数据进行去重处理，得到实际轨迹数据集。

步骤603：接收到的实时/补发报文数据中，筛选出收到的报文中，与下一条报文时间差超过18秒的记录。处理后的记录中，包括，接收的时间点，下一条接收报文的时间点，以及两者的时间差，作为缺失时长的起止和时长。筛选出了基于历史轨迹记录的断点时长集合（第一缺失断点）。

步骤604：从登入登出数据中取出所有登出报文与其最近一条登入记录的时间差的数据集。此时，处理后的记录中，包括，登出报文发出的时间点，下一条登入报文的时间点，以及两者的时间差，作为离线时长的起止和时长。筛选出基于原始报文数据中登出类型的断点集合（离线缺失断点）。

步骤605：获得登入/登出报文与首/末次发送报文的间隔。车辆启动后，先向平台发送登入报文，再发送实时报文，车辆停止时会发送登出报文。由于网络延迟，地理限制等因素，存在间隔不稳定的情况。如果发送的间隔是10秒，则弹性时间窗口取±20秒。弹性时间窗口的取值，根据设备报文的实际间隔做调整。

步骤606：在第一缺失断点的缺失时间段内排除掉离线缺失断点的离线时间段，得到在线缺失时间段。针对于每一在线缺失时间段，如果所述在线缺失时间段内不存在与端点报文数据最接近的登出/登入报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点，存在记录缺失；通过弹性时间窗口匹配在线缺失时间段内存在与端点报文数据最接近的登出/登入报文数据，匹配到的排除掉；未匹配到的断点时间段，即为记录缺失。

步骤607：由缺失记录，可以关联出缺失当时的缺失起始时间，地点，经纬度，缺失条数，缺失前后发送的报文类型等。

步骤608：通过缺失点可以生成地理热力图，不同车辆相同地点持续缺失，可以标记出隧道等物理地形因素导致的网络中断。在这些地点时记录本地备份。可以通过轨迹记录缺失的情况，定位到车载终端的异常情况。

在本实施例中，通过登入登出数据和收到报文数据双源协同校验，通过弹性时间窗口ΔT匹配两个不同数据得出的两类断点，对未匹配到的历史断点，判断为记录缺失，从而定位轨迹报文缺失。并且关联出缺失当时的缺失起始时间，地点，条数，报文类型等。再通过缺失点经纬度热力图，判断出缺失原因，诸如固定地点不同车辆的缺失排查为隧道等物理地形因素导致的网络中断，也可以协助判断出车载终端的故障和异常，方便进行后续的设备优化等。

在一个实施例中，本申请实施例应用于实际的车辆监控平台，在应用之后，跟原先使用的，用实时/补发报文中，报文间大于10分钟的间隔统计为离线时长相比，三段式离线时间双源验证极大提升了轨迹完整率和缺失记录条数的准确性。

由轨迹完整率得出的缺失条数，与缺失条数明细的误差，大部分行驶车辆在5条以内，复杂地形误差在10条以内，部分车辆的缺失条数误差在0-1条（由于网络延迟，行驶地形，设备，计算误差等因素的影响）。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的车辆检测方法的车辆检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个车辆检测装置实施例中的具体限定可以参见上文中对于车辆检测方法的限定，在此不再赘述。

在一个示例性的实施例中，如图7所示，提供了一种车辆检测装置，包括：第一确定模块71、第二确定模块72和第三确定模块73，其中：

第一确定模块71，用于基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

第二确定模块72，用于基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

第三确定模块73，用于基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果。

在其中一个实施例中，第一确定模块71，具体用于基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，所述实际轨迹数据集是在预设时长内采集得到的，各所述目标时段是对所述预设时长进行划分后得到的；所述实际轨迹数据集中包含的各实际报文数据是按照时间排序得到的；

基于各所述离线时长，确定所述车辆在所述预设时长内的在线时长，以及确定所述在线时长的目标报文数据的数量；并将实际报文数据的数量和所述目标报文数据的数量的比值，确定为所述车辆的轨迹完整率。

在其中一个实施例中，第一确定模块71，具体用于确定各所述实际报文数据的报文类型；所述实际报文数据的类型至少包括登出报文、登入报文中的一个；

针对所述起始时段，确定所述起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长，所述第一离线时长大于报文间隔阈值；

针对所述终止时段，确定最后一个目标实际报文数据的时刻与所述终止时段的终止时间的差值为第二离线时长，所述第二离线时长大于所述报文间隔阈值；

针对所述中间时段的各登出报文数据，确定所述登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长；基于车辆轨迹记录数据，确定各所述初始离线时长中的在线时长；确定各所述初始离线时长与对应的所述在线时长的差值，并将各所述差值的和值确定为第三离线时长。

在其中一个实施例中，第二确定模块72，具体用于从所述实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的接收报文数据为第一缺失断点；

确定各所述登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点；

基于所述第一缺失断点和所述离线缺失断点，确定所述车辆的在线缺失时间段；

对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据。

在其中一个实施例中，第二确定模块72，具体用于针对于每一在线缺失时间段，如果所述在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点；

如果所述在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；以及确定所述匹配结果为不匹配的端点报文数据与所述最接近的指示报文数据之间的时间段，为第二目标缺失断点；

基于各所述第一目标缺失断点和各所述第二目标缺失断点，确定所述在预设时长内的报文缺失数据。

在其中一个实施例中，第三确定模块73，还用于确定报文缺失数据的位置信息；如果所述位置信息的出现次数大于预设阈值，则对所述位置信息进行标记，以及生成对应的报文补传策略。

上述车辆检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、近场通信（Near Field Communication，NFC）或其他技术实现。该计算机程序被处理器执行时以实现一种车辆检测方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性存储器和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（Resistive Random Access Memory，ReRAM）、磁变存储器（Magnetoresistive RandomAccess Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。本申请提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器、人工智能（Artificial Intelligence，AI）处理器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本申请记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆检测方法，其特征在于，所述方法包括：

基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果；

其中，所述基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率，包括：

基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，所述实际轨迹数据集是在预设时长内采集得到的，各所述目标时段是对所述预设时长进行划分后得到的；所述实际轨迹数据集中包含的各实际报文数据是按照时间排序得到的；

基于各所述离线时长，确定所述车辆在所述预设时长内的在线时长，以及确定所述在线时长的目标报文数据的数量；并将实际报文数据的数量和所述目标报文数据的数量的比值，确定为所述车辆的轨迹完整率；

所述基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据，包括：

从所述实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的接收报文数据为第一缺失断点；

确定各登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点；

基于所述第一缺失断点和所述离线缺失断点，确定所述车辆的在线缺失时间段；

对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据。

2.根据权利要求1所述的方法，其特征在于，各所述目标时段包括起始时段、中间时段和终止时段，各所述目标时段的离线时长包括第一离线时长、第二离线时长和第三离线时长，所述基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，包括：

确定各所述实际报文数据的报文类型；所述实际报文数据的类型至少包括登出报文、登入报文中的一个；

针对所述起始时段，确定所述起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长，所述第一离线时长大于报文间隔阈值；

针对所述终止时段，确定最后一个目标实际报文数据的时刻与所述终止时段的终止时间的差值为第二离线时长，所述第二离线时长大于所述报文间隔阈值；

针对所述中间时段的各登出报文数据，确定所述登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长；基于车辆轨迹记录数据，确定各所述初始离线时长中的在线时长；确定各所述初始离线时长与对应的所述在线时长的差值，并将各所述差值的和值确定为第三离线时长。

3.根据权利要求1所述的方法，其特征在于，所述对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据，包括：

针对于每一在线缺失时间段，如果所述在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点；

如果所述在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；以及确定所述匹配结果为不匹配的端点报文数据与所述最接近的指示报文数据之间的时间段，为第二目标缺失断点；

基于各所述第一目标缺失断点和各所述第二目标缺失断点，确定所述在预设时长内的报文缺失数据。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

确定报文缺失数据的位置信息；如果所述位置信息的出现次数大于预设阈值，则对所述位置信息进行标记，以及生成对应的报文补传策略。

5.一种车辆检测装置，其特征在于，所述装置包括：

第一确定模块，用于基于预设离线时间模型和车辆的实际轨迹数据集，确定所述车辆的轨迹完整率；

第二确定模块，用于基于预设缺失筛选策略对所述实际轨迹数据集进行筛选，确定所述车辆的报文缺失数据；

第三确定模块，用于基于所述轨迹完整率和所述报文缺失数据，确定车辆故障检测结果；

其中，所述第一确定模块，用于基于车辆的实际轨迹数据集，确定所述车辆在各目标时段内的离线时长，所述实际轨迹数据集是在预设时长内采集得到的，各所述目标时段是对所述预设时长进行划分后得到的；所述实际轨迹数据集中包含的各实际报文数据是按照时间排序得到的；

基于各所述离线时长，确定所述车辆在所述预设时长内的在线时长，以及确定所述在线时长的目标报文数据的数量；并将实际报文数据的数量和所述目标报文数据的数量的比值，确定为所述车辆的轨迹完整率；

所述第二确定模块，用于从所述实际轨迹数据集中，确定时间差大于预设时间阈值的两个相邻的接收报文数据为第一缺失断点；

确定各登出报文数据与最近的下一条登入报文数据的时间数据，为离线缺失断点；

基于所述第一缺失断点和所述离线缺失断点，确定所述车辆的在线缺失时间段；

对所述在线缺失时间段对应的报文数据进行匹配，得到所述车辆的报文缺失数据。

6.根据权利要求5所述的装置，其特征在于，各所述目标时段包括起始时段、中间时段和终止时段，各所述目标时段的离线时长包括第一离线时长、第二离线时长和第三离线时长，所述第一确定模块，具体用于确定各所述实际报文数据的报文类型；所述实际报文数据的类型至少包括登出报文、登入报文中的一个；

针对所述起始时段，确定所述起始时段的起始时刻与第一个目标实际报文数据的时刻的差值为第一离线时长，所述第一离线时长大于报文间隔阈值；

针对所述终止时段，确定最后一个目标实际报文数据的时刻与所述终止时段的终止时间的差值为第二离线时长，所述第二离线时长大于所述报文间隔阈值；

针对所述中间时段的各登出报文数据，确定所述登出报文数据与最近的下一条登入报文数据的时间差，为初始离线时长；基于车辆轨迹记录数据，确定各所述初始离线时长中的在线时长；确定各所述初始离线时长与对应的所述在线时长的差值，并将各所述差值的和值确定为第三离线时长。

7.根据权利要求5所述的装置，其特征在于，所述第二确定模块，具体用于针对于每一在线缺失时间段，如果所述在线缺失时间段内不存在与端点报文数据最接近的指示报文数据，则将不存在与端点报文数据最接近的指示报文数据的在线缺失时间段确定为第一目标缺失断点；

如果所述在线缺失时间段内存在与端点报文数据最接近的指示报文数据，则基于弹性时间窗口，将各端点报文数据与最接近的登入报文数据或登出报文数据进行匹配，得到匹配结果；以及确定所述匹配结果为不匹配的端点报文数据与所述最接近的指示报文数据之间的时间段，为第二目标缺失断点；

基于各所述第一目标缺失断点和各所述第二目标缺失断点，确定所述在预设时长内的报文缺失数据。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至4中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。