CN107679576A - 车辆的故障监测方法及装置 - Google Patents
车辆的故障监测方法及装置 Download PDFInfo
- Publication number
- CN107679576A CN107679576A CN201710943412.2A CN201710943412A CN107679576A CN 107679576 A CN107679576 A CN 107679576A CN 201710943412 A CN201710943412 A CN 201710943412A CN 107679576 A CN107679576 A CN 107679576A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- fault
- identification feature
- monitored
- fault identification
- 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
Links
Classifications
-
- 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
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种车辆的故障监测方法及装置,该方法包括:获取进行故障监测的故障识别特征;根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值;根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值;根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
Description
技术领域
本发明涉及互联网技术领域,更具体地,本发明涉及一种车辆的故障监测方法及一种车辆的故障监测装置。
背景技术
随着互联网技术的发展,目前推出了一些可以供大众使用的车辆,这些车辆由政府或者运营企业进行监控和故障维修,这些车辆例如是新兴出现的共享单车等。
目前,在这些车辆出现故障时,均是由线下运营人员通过巡视查找故障车辆,进而完成故障车辆的干预维修,该种故障查找方式存在效率低下的问题,对于存在大量车辆运营的情况尤为严重,因此,非常有必要提供一种能够基于获取到的车辆信息自动进行车辆的故障监测的方法。
发明内容
本发明实施例的一个目的是提供一种进行车辆的故障监测的新的技术方案。
根据本发明的第一方面,提供了一种车辆的故障监测方法,其包括:
获取进行故障监测的故障识别特征;
根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值;
根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值;
根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
可选的是,所述获取进行故障监测的故障识别特征包括:
确定被监测车辆的分类类型;
获取对应所述分类类型的故障识别特征。
可选的是,所述被监测车辆对应的参考车辆为满足分类类型相同、已确认故障中至少一个条件的车辆。
可选的是,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据参考车辆的故障识别特征的最新值的概率分布确定所述参考值。
可选的是,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据参考车辆的故障识别特征的最新值的平均值确定所述参考值,其中,所述参考车辆为已确认故障的车辆。
可选的是,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据所述参考车辆的故障识别特征的最新值,间隔设定时间确定并更新所述故障识别特征的参考值。
可选的是,所述根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆包括:
获取进行故障监测的至少一个故障识别特征的最新值;
根据故障识别特征的优先级别与对应的参考值进行比较,以预测所述被监测车辆是否为故障车辆。
可选的是,所述根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆包括:
获取进行故障监测的至少一个故障识别特征的最新值;
将每一故障识别特征的最新值与对应的参考值进行比较,得到比较结果;
根据每一故障识别特征的权重和对应每一故障识别特征的比较结果,计算比较值;
在比较值大于或者等于设定值的情况下,预测所述车辆为故障车辆。
可选的是,所述故障识别特征包括表示车辆在设定时间段内的使用状态的特征。
可选的是,所述表示车辆在设定时间段内的使用状态的特征包括历史总行驶时长、历史总行驶次数、历史总行驶里程、返厂维修次数、车辆平均每天行驶次数、车辆平均每天行驶时长、车辆平均每天行驶里程、最近N次平均行驶时长、最近N次平均行驶里程、最近N次最长行驶时长、最近N次最长行驶里程、最近N次平均每天行驶次数中的至少一项。
可选的是,在预测所述被监测车辆为故障车辆的情况下,所述方法还包括:
根据被监测车辆的故障识别特征的最新值,预测所述被监测车辆的故障类型。
可选的是,所述根据被监测车辆的故障识别特征的最新值,预测所述被监测车辆的故障类型包括:
根据已确认故障及故障类型的车辆的故障识别特征的最新值,生成类型判断模型;
根据被监测车辆的故障识别特征的最新值,基于所述类型判断模型预测所述被监测车辆的故障类型。
可选的是,所述方法还包括:
获取移动终端上报的反映所述被监测车辆出现故障的故障信息,以结合所述比较结果和所述故障信息预测所述被监测车辆是否为故障车辆。
根据本发明的第二方面,还提供了一种车辆的故障监测装置,其包括:
特征获取模块,用于获取进行故障监测的故障识别特征;
特征值计算模块,用于根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值;
参考值确定模块,用于根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值;以及,
故障预测模块,用于根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
根据本发明的第三方面,还提供了一种车辆的故障监测装置,其包括存储器和处理器,所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行根据本发明第一方面所述的故障监测方法。
本发明的一个有益效果在于,通过本发明方法,能够基于故障识别特征自动预测车辆是否为故障车辆,这可以大大减少线下运营人员的配置数量,并根据预测结果锁定目标车辆供线下运营人员排查确认,提升了故障处理效率。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1为根据本发明实施例的故障监测***的整体框架示意图;
图2为根据本发明实施例的故障监测装置的硬件结构的原理框图;
图3为根据本发明实施例的故障监测方法的流程示意图;
图4为根据本发明另一实施例的故障监测方法的流程示意图;
图5为根据本发明第三实施例的故障监测方法的流程示意图;
图6为根据本发明实施例的故障监测装置的原理框图;
图7为根据本发明另一实施例的故障监测装置的原理框图;
图8为根据本发明第三实施例的故障监测装置的原理框图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
<故障监测***的整体架构>
图1示出了可以实施本发明实施例的故障监测***的示意图。
故障监测***可以包括移动终端3000、故障监测装置2000和车辆4000。移动终端3000与装置2000之间,以及车辆4000与故障监测装置2000之间,可以通过无线网络1000建立通信连接。
实现移动终端3000与故障监测装置2000之间通信连接的无线网络,与实现物品4000与故障监测装置2000之间通信连接的无线网络可以是同一网络,也可以是不同网络。
该无线网络1000涵盖任何合适的无线网络,例如但不限于4G网络、3G网络、GSM、GPRS、WLAN等等。
车辆4000可以是自行车、三轮车、电动车等。车辆400例如是供大众使用的共享车辆。
车辆4000可以具有唯一的标识码。该标识码可以是唯一标识该车辆的车辆编号、序列号、字符串、车辆代码或其他能够起到唯一标识作用的信息等等。
车辆4000例如可以直接设置该标识码,和/或通过设置二维码提供该标识码。
故障监测装置2000、移动终端300可以通过该标识码识别每一车辆4000的身份。
在本发明实施例中,用户可以通过移动终端3000与故障监测装置2000建立通信连接进行车辆的使用交互,因此,故障监测装置2000可以通过用户的移动终端3000获取所管理车辆的至少一部分历史使用数据。
在本发明实施例中,用户可以通过故障监测装置2000直接与车辆4000建立通信连接获取车辆的至少一部分历史使用数据。
以上历史使用数据例如包括每次被使用的行驶时长、每次被使用的行驶里程、返厂维修记录、每次被使用的行驶时间、车辆的位置信息、车辆的闭锁信息、车辆的解锁信息、车辆的电量信息等等。
图2是根据本发明实施例的故障监测装置2000的硬件结构。
根据图2所示,本发明实施例的故障监测装置2000包括一个或多个处理器2010、一个或者多个存储器2020、通信装置2030。
故障监测装置2000还包括一个或多个电源、一个或多个有线或无线网络接口、一个或多个输入/输出接口、或一个或多个操作***,诸如,Windows Server、Mac OS X、Unix、Linux、FreeBSD,等等。
故障监测装置2000可以是服务器。
服务器可以是整体式服务器或是跨多计算机或计算机数据中心的分散式服务器。服务器可以是各种类型的,例如但不限于,网络服务器,新闻服务器,邮件服务器,消息服务器,广告服务器,文件服务器,应用服务器,交互服务器,数据库服务器,或代理服务器。在一些实施例中,每个服务器可以包括硬件,软件,或用于执行服务器所支持或实现的合适功能的内嵌逻辑组件或两个或多个此类组件的组合。在本发明实施例中,服务器用于提供支持故障监测所必需的全部功能。
在本发明实施例中,存储器2020用于存储指令,该指令用于控制处理器2010进行操作以执行根据本发明实施例的故障监测方法。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
在本发明实施例中,通信装置2030用于供故障监测装置2000通过网络1000实现与移动终端3000、以及车辆4000之间的通信连接。
在本发明实施例中,移动终端3000可以通过诸如有线或无线网络等方式发送或接收信号,或可以在诸如存储器中将信号处理或存储为物理存储状态。移动终端3000可以是包括硬件、软件或内嵌逻辑组件或者两个或多个此类组件的组合的电子装置,并能够执行由移动终端3000实施或支持的合适的功能。例如,移动终端3000可以是智能手机、平板电脑、便携式电子邮件装置、电子书、手持游戏机和/或游戏控制器、笔记本电脑、上网本、手持电子装置,智能穿戴装置,等等。本发明实施例的移动终端3000涵盖任何合适的电子设备。移动终端3000可以使得使用该移动终端3000的用户访问网络。
<方法>
图3是根据本发明实施例的故障监测方法的流程示意图。
根据图3所示,本发明实施例的方法包括如下步骤:
步骤S3100,故障监测装置2000获取进行故障监测的故障识别特征。
故障识别特征可以是根据车辆出现故障时的典型特征表现进行预先设置及调整。
故障识别特征也可以通过对已经由线下运营人员确认的故障车辆的特征表现进行聚类分析获得及自动更新。
该故障识别特征可以包括表示车辆在设定时间段内的使用状态的特征。
上述的表示车辆在设定时间段内的使用状态的特征例如可以包括历史总行驶时长、历史总行驶次数、历史总行驶里程、返厂维修次数、车辆平均每天行驶次数、车辆平均每天行驶时长、车辆平均每天行驶里程、最近N次平均行驶时长、最近N次平均行驶里程、最近N次最长行驶时长、最近N次最长行驶里程、最近N次平均每天行驶次数中的至少一项,其中,N为正整数。
上述的表示车辆在设定时间段内的使用状态的特征可以进一步包括N为不同取值的对应特征,例如包括最近1、3、5次平均行驶时长。
在故障监测装置2000所管理的车辆包括多种分类类型的情况下,可以为每一分类类型的车辆配置对应的故障识别特征。
该分类类型例如可以按照车辆的动力源划分。
该分类类型例如还可以更细化地按照车辆的型号进行划分。
对应地,在本发明的一个实施例中,该步骤S3100中故障监测装置2000获取进行故障监测的故障识别特征可以进一步包括:
步骤S3111,故障监测装置2000确定被监测车辆的分类类型。
故障监测装置2000所管理的每一车辆均可以作为被监测车辆。
故障监测车辆2000可以为所管理的每一车辆设置表示所属分类类型的标签。
该标签例如可以是车辆的标识码中的一位或者几位数字和/或字符。
步骤S3112,故障监测装置2000获取对应该分类类型的故障识别特征。
步骤S3200,故障监测装置2000根据被监测车辆的历史使用数据,计算被监测车辆的故障识别特征的最新值。
该历史使用数据包括当前已经获得的被监测车辆的所有使用数据,因此,该历史使用数据将通过对被监测车辆的使用不断发生变化。
以历史总行驶时长作为一个故障识别特征为例,可以根据记录的被监测车辆每次被使用的行驶时长计算得到历史总行驶时长。而每次被使用的行驶时长可以根据每次被使用的闭锁时间与解锁时间之间的时间差确定。
步骤S3300,故障监测装置2000根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值。
被监测车辆对应的参考车辆可以包括故障监测装置2000所管理的所有车辆。
被监测车辆对应的参考车辆也可以包括在故障监测装置2000所管理的车辆中满足分类类型相同、已确认故障中至少一个条件的车辆。
参考车辆的故障识别特征的最新值也是基于参考车辆的历史使用数据计算获得。
在本发明的一个实施例中,该步骤S3300确定所述故障识别特征的参考值可以进一步包括:根据参考车辆的故障识别特征的最新值的概率分布,确定该参考值。
该概率分布例如是正态分布等。
例如,可以设置参考值满足:低于参考值的分布概率小于5%~10%。
在本发明的一个实施例中,该步骤S3300确定所述故障识别特征的参考值可以进一步包括:根据参考车辆的故障识别特征的最新值的平均值确定参考值,其中,参考车辆为已确认故障的车辆。
在该实施例中,参考车辆可以进一步为已确认故障的相同分类类型的车辆。
该平均值可以是算术平均值、几何平均值或者均方根平均值等。
根据本发明该步骤S3300,本发明方法是通过参考车辆的故障识别特征的最新值确定故障识别特征的参考值,因此,在故障监测装置2000不断获取参考车辆的使用数据的情况下,该参考值将是一个动态变化量,这有利于提高故障预测的准确性。
该步骤S3300中,故障监测装置2000可以根据被监测车辆对应的参考车辆的故障识别特征的最新值,基于触发事件确定并更新所述故障识别特征的参考值。
该触发事件可以是间隔设定时间的时间到期。
该触发事件可以是参考车辆的历史使用数据发生变化。
该触发事件也可以是来自运营人员的外部触发。
在步骤S3300中,间隔设定时间确定并更新所述故障识别特征的参考值有利于兼顾保证合理的故障预测准确率及减轻运算负荷。
该设定时间可以根据基于现场核实获得的当前故障预测准确率进行调整。
步骤S3400,故障监测装置2000根据被监测车辆的故障识别特征的最新值与参考值的比较结果,预测被监测车辆是否为故障车辆。
以历史总行驶时长作为一个故障识别特征为例,当被监测车辆的历史总行驶时长的最新值小于对应的参考值的情况下,将提高预测被监测车辆为故障车辆的可信度;当被监测车辆的历史总行驶时长的最新值大于或者等于对应的参考值的情况下,将降低预测被监测车辆为故障车辆的可信度。
以返厂维修次数作为一个故障识别特征为例,当被监测车辆的返厂维修次数的最新值高于对应的参考值的情况下,将提高预测被监测车辆为故障车辆的可信度;当被监测车辆的返厂维修次数的最新值低于或者等于对应的参考值的情况下,将降低预测被监测车辆为故障车辆的可信度。
在本发明的一个实施例中具有两个以上(包括两个)的故障识别特征,以提高预测准确率,在该实施例中,该步骤S3400可以进一步包括:
步骤S3411,获取进行故障监测的两个以上故障识别特征的最新值。
步骤S3412,根据故障识别特征的优先级别与对应的参考值进行比较,以预测被监测车辆是否为故障车辆。
在该实施例中,可以为不同故障识别特征设置不同的优先级,并根据优先级从高至低确定被监测车辆是否为故障车辆,如果根据最低优先级的故障识别特征仍表示被监测车辆为非故障车辆,则该被监测车辆为正常车辆。
在本发明的一个实施例中同样具有两个以上(包括两个)的故障识别特征,以提高预测准确率,在该实施例中,该步骤S3400可以进一步包括:
步骤S3421,获取进行故障监测的至少一个故障识别特征的最新值。
步骤S3422,将每一故障识别特征的最新值与对应的参考值进行比较,得到比较结果。
该比较结果例如在表示有故障时为1,及在表示无故障时为0。
步骤S3423,根据每一故障识别特征的权重和对应每一故障识别特征的比较结果,计算比较值。
在该步骤S3423中为每一故障识别特征设置对应的权重,所有故障识别特征的权重之和等于1。
故障识别特征在已确认故障的车辆中存在的比例越高,其权重也可以被设置的越大。
步骤S3424,在比较值大于或者等于设定值的情况下,预测车辆为故障车辆。
该设定值例如被设置为大于或者等于0.8。
例如,在该步骤S3400中需要评估三个故障识别特征,三个故障识别特征的权重分别为0.5、0.3和0.2,根据第一个故障识别特征的比较结果为无故障,而根据第二个和第三个检测项的比较结果均为有故障,则对应的比较值V=0.5×0+0.3×1+0.2×1=0.5,如果0.5大于或者等于设定值,则预测被监测车辆为故障车辆,否则预测被监测车辆为正常车辆。
由此可见,本发明实施例的方法能够基于故障识别特征及车辆的历史使用数据自动预测被监测车辆是否为故障车辆。这样,线下运营人员仅需现场核实经故障监测装置2000预测出现故障的车辆是否为真正的故障车辆即可,大大缩减了排查范围,有利于减少线下运营人员的配置数量,提升了故障处理效率。
线下运营人员在进行现场核实时,如果核实是真正的故障车辆,则可以进一步安排返厂维修,如果核实是非真正的故障车辆,则可以通知故障监测装置2000修改对应车辆的状态为正常运营状态。
在本发明的一个实施例中,故障监测装置2000可以在预测被监测车辆为故障车辆的情况下,将被监测车辆的当前状态修改为待干预状态,这样,线下运营人员便可以仅针对当前状态为待干预状态的车辆进行现场排查核实。
在本发明的一个实施例中,车辆4000可以安装有定位装置,故障监测装置2000可以根据车辆4000的定位装置获得对应车辆的当前位置信息,这样,线下运营人员可以根据处于待干预状态的车辆的当前位置信息锁定目标位置进行现场核实。
在本发明的一个实施例中,故障监测装置2000也可以通过最后一次使用车辆的用户的移动终端的定位装置确定车辆的当前位置信息,这样,线下运营人员可以根据处于待干预状态的车辆的当前位置信息锁定目标位置进行现场核实。
图4是根据本发明另一实施例的故障监测方法的流程示意图。
根据图4所示,在该实施例中,本发明方法在预测所述被监测车辆为故障车辆的情况下还包括以下步骤:
步骤S4100,根据被监测车辆的故障识别特征的最新值,预测被监测车辆的故障类型。
在本发明的一个实施例中,该步骤S4100可以进一步包括:
步骤S4111,根据已确认故障及故障类型的车辆的故障识别特征的最新值,生成类型判断模型。
该类型判断模型例如是表示每一故障识别特征的数值范围与故障类型的对应关系的数据模型。
例如,本发明实施例中具有三个故障识别特征,根据已确认故障及故障类型的车辆的故障识别特征的最新值,分析得到第一故障类型的每一故障识别特征的数值范围,进而得到类型判断模型。
该类型判断模型可以跟随已确认故障及故障类型的车辆的不断增加而进行更新。
已确认故障的车辆的故障类型可以由线下运营人员上传给故障监测装置2000。
已确认故障的车辆的故障类型也可以由用户上传给故障监测装置2000并经线下运营人员核实。
步骤S4112,根据被监测车辆的故障识别特征的最新值,基于该类型判断模型预测被监测车辆的故障类型。
在该步骤S4112中,可以将被监测车辆的每一故障识别特征的最新值在类型判断模型中进行匹配,进而确定被监测车辆的故障类型。
图5是根据本发明第三实施例的故障监测方法的流程示意图。
根据图5所示,在该实施例中,所述方法还包括如下步骤:
步骤S5100,故障监测装置2000获取移动终端3000上报的反映被监测车辆出现故障的故障信息。
该移动终端3000包括在故障监测装置2000完成注册的用户的移动终端。
移动终端3000在上报故障信息时可以携带车辆的标识码,以使故障监测装置2000能够识别上报的故障信息所对应的车辆。
移动终端3000在上报故障信息时可以携带用户账号,以使故障监测装置2000能够识别上报故障信息的用户。
该故障信息可以包括文本信息和/或图像信息。
该故障信息也可以至少包括文本信息。
移动终端3000可以被配置为至少输入文本信息才能完成向装置2000上报故障信息的操作。
移动终端3000可以被配置为提供文字输入框和/或勾选项供用户输入文本信息。
用户可以通过文字输入框输入故障类型,以使故障监测装置2000不仅可以根据故障信息确定车辆4000是否出现故障,还可以根据故障信息确定具体的故障类型。
勾选项可以包括可供勾选的各种故障类型,以使故障监测装置2000不仅可以根据故障信息确定车辆4000是否出现故障,还可以根据故障信息确定具体的故障类型。
用户可以通过移动终端3000摄取物品2000的图像作为故障信息的至少一部分上报给装置2000。
在该实施例中,通过对应图3所示实施例的步骤S3400的步骤S5400执行如下操作:
步骤S5400,比较被监测车辆的故障识别特征的最新值与参考值,得到比较结果。
步骤S5500,根据步骤S5400中得到的比较结果、及步骤S5100中得到的上报的故障信息,预测被监测车辆是否为故障车辆。
在该步骤中,可以将被上报出现故障作为一个检测项来预测被监测车辆是否为故障车辆,该检测项可以具有较高的优先级或者较大的权重,尤其是在故障监测装置2000确定上报的故障信息为有效信息的情况下。
该故障信息的有效性可以但不局限于根据故障信息本身、车辆4000的历史故障信息、故障上报用户的故障上报准确率等进行确定。
例如,故障信息包括图像信息确认有效。
又例如,在故障上报用户的故障上报准确率大于或者等于设定值的情况下,确定故障信息有效。
又例如,在针对被监测车辆进行故障上报的次数大于或者等于设定次数的情况下,确定故障信息有效。
<装置>
图6为根据本发明实施例的故障监测装置的原理框图。
根据图6所示,本发明该实施例的故障监测装置2000包括特征获取模块2610、特征值计算模块2620、参考值确定模块2630和故障预测模块2640。
该特征获取模块2610用于获取进行故障监测的故障识别特征。
该故障识别特征可以包括表示车辆在设定时间段内的使用状态的特征。
该表示车辆在设定时间段内的使用状态的特征可以包括历史总行驶时长、历史总行驶次数、历史总行驶里程、返厂维修次数、车辆平均每天行驶次数、车辆平均每天行驶时长、车辆平均每天行驶里程、最近N次平均行驶时长、最近N次平均行驶里程、最近N次最长行驶时长、最近N次最长行驶里程、最近N次平均每天行驶次数中的至少一项。
该特征值计算模块2620用于根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值。
该参考值确定模块2630用于根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值。
该故障预测模块2640用于根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
进一步地,上述特征获取模块2610可以用于确定被监测车辆的分类类型,并获取对应该分类类型的故障识别特征。
上述被监测车辆对应的参考车辆可以为满足分类类型相同、已确认故障中至少一个条件的车辆。
进一步地,上述参考值确定模块2630可以具体用于根据参考车辆的故障识别特征的最新值的概率分布确定参考值。
进一步地,上述参考值确定模块2630也可以具体用于根据参考车辆的故障识别特征的最新值的平均值确定参考值,其中,参考车辆为已确认故障的车辆。
进一步地,上述参考值确定模块2630可以具体用于根据所述参考车辆的故障识别特征的最新值,间隔设定时间确定并更新所述故障识别特征的参考值。
进一步地,上述故障预测模块2640可以具体用于:获取进行故障监测的至少一个故障识别特征的最新值;及根据故障识别特征的优先级别与对应的参考值进行比较,以预测所述被监测车辆是否为故障车辆。
进一步地,上述故障预测模块2640可以具体用于:获取进行故障监测的至少一个故障识别特征的最新值;将每一故障识别特征的最新值与对应的参考值进行比较,得到比较结果;根据每一故障识别特征的权重和对应每一故障识别特征的比较结果,计算比较值;及在比较值大于或者等于设定值的情况下,预测所述车辆为故障车辆。
图7为根据本发明另一实施例的故障监测装置的原理框图。
根据图7所示,该实施例的故障监测装置2000在图6所示实施例的基础上,还包括故障类型预测模块2710。
该故障类型预测模块2710用于在故障预测模块预测被监测车辆为故障车辆的情况下,根据被监测车辆的故障识别特征的最新值,预测所述被监测车辆的故障类型。
进一步地,该故障类型预测模块2710可以具体用于:根据已确认故障及故障类型的车辆的故障识别特征的最新值,生成类型判断模型;及根据被监测车辆的故障识别特征的最新值,基于所述类型判断模型预测所述被监测车辆的故障类型。
图8为根据本发明第三实施例的故障监测装置的原理框图。
根据图8所示,该实施例的故障监测装置2000在图6所示实施例的基础上还包括故障上报处理模块2810。
该故障上报处理模块2810用于获取移动终端上报的反映所述被监测车辆出现故障的故障信息,以使得故障预测模块2640能够结合上述比较结果和故障信息预测被监测车辆是否为故障车辆。
上述各实施例主要重点描述与其他实施例的不同之处,但本领域技术人员应当清楚的是,上述各实施例可以根据需要单独使用或者相互结合使用。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分相互参见即可,每个实施例重点说明的都是与其他实施例的不同之处,但本领域技术人员应当清楚的是,上述各实施例可以根据需要单独使用或者相互结合使用。另外,对于装置实施例而言,由于其是与方法实施例相对应,所以描述得比较简单,相关之处参见方法实施例的对应部分的说明即可。以上所描述的***实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的。
本发明可以是装置、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (10)
1.一种车辆的故障监测方法,其特征在于,包括:
获取进行故障监测的故障识别特征;
根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值;
根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值;
根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
2.根据权利要求1所述的方法,其特征在于,所述获取进行故障监测的故障识别特征包括:
确定被监测车辆的分类类型;
获取对应所述分类类型的故障识别特征。
3.根据权利要求1所述的方法,其特征在于,所述被监测车辆对应的参考车辆为满足分类类型相同、已确认故障中至少一个条件的车辆。
4.根据权利要求1所述的方法,其特征在于,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据参考车辆的故障识别特征的最新值的概率分布确定所述参考值。
5.根据权利要求1所述的方法,其特征在于,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据参考车辆的故障识别特征的最新值的平均值确定所述参考值,其中,所述参考车辆为已确认故障的车辆。
6.根据权利要求1所述的方法,其特征在于,所述根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考值包括:
根据所述参考车辆的故障识别特征的最新值,间隔设定时间确定并更新所述故障识别特征的参考值。
7.根据权利要求1所述的方法,其特征在于,所述根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆包括:
获取进行故障监测的至少一个故障识别特征的最新值;
根据故障识别特征的优先级别与对应的参考值进行比较,以预测所述被监测车辆是否为故障车辆。
8.根据权利要求1至7中任一项所述的方法,其特征在于,所述方法还包括:
获取移动终端上报的反映所述被监测车辆出现故障的故障信息,以结合所述比较结果和所述故障信息预测所述被监测车辆是否为故障车辆。
9.一种车辆的故障监测装置,其特征在于,包括:
特征获取模块,用于获取进行故障监测的故障识别特征;
特征值计算模块,用于根据被监测车辆的历史使用数据,计算所述被监测车辆的故障识别特征的最新值;
参考值确定模块,用于根据被监测车辆对应的参考车辆的故障识别特征的最新值,确定所述故障识别特征的参考·值;以及,
故障预测模块,用于根据所述被监测车辆的故障识别特征的最新值与所述参考值的比较结果,预测被监测车辆是否为故障车辆。
10.一种车辆的故障监测装置,其特征在于,包括存储器和处理器,所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行根据权利要求1-8中任一项所述的故障监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943412.2A CN107679576A (zh) | 2017-10-11 | 2017-10-11 | 车辆的故障监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710943412.2A CN107679576A (zh) | 2017-10-11 | 2017-10-11 | 车辆的故障监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679576A true CN107679576A (zh) | 2018-02-09 |
Family
ID=61140584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710943412.2A Pending CN107679576A (zh) | 2017-10-11 | 2017-10-11 | 车辆的故障监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679576A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108563717A (zh) * | 2018-03-31 | 2018-09-21 | 东南大学 | 一种基于信息融合的共享单车故障识别与应用*** |
CN108693868A (zh) * | 2018-05-25 | 2018-10-23 | 深圳市轱辘车联数据技术有限公司 | 故障预测模型训练的方法、车辆故障预测的方法及装置 |
CN108882146A (zh) * | 2018-06-07 | 2018-11-23 | 北京星网锐捷网络技术有限公司 | 车载通信设备异常行为检测方法、电子设备及*** |
CN110084481A (zh) * | 2019-03-29 | 2019-08-02 | 北京摩拜科技有限公司 | 监控车辆状态的方法、装置及服务器 |
US20200010138A1 (en) * | 2018-07-09 | 2020-01-09 | Shimano Inc. | Information processing device |
CN111369012A (zh) * | 2018-12-06 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种用于在线上到线下服务中识别受损车辆的***和方法 |
CN111795835A (zh) * | 2020-06-30 | 2020-10-20 | 北京汽车研究总院有限公司 | 车辆的监测方法、装置及车载设备 |
CN111830937A (zh) * | 2020-07-23 | 2020-10-27 | 上海钧正网络科技有限公司 | 车辆故障识别模型的构建、识别方法及装置、管理*** |
CN113190015A (zh) * | 2021-05-20 | 2021-07-30 | 中国第一汽车股份有限公司 | 一种地形识别方法、装置、计算机设备和存储介质 |
CN113793134A (zh) * | 2021-09-26 | 2021-12-14 | 上汽通用五菱汽车股份有限公司 | 一种车辆报警方法、装置和计算机可读存储介质 |
CN114235432A (zh) * | 2021-11-12 | 2022-03-25 | 东风越野车有限公司 | 一种车辆跑偏问题原因多源融合诊断方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469156A (zh) * | 2010-11-10 | 2012-05-23 | 现代自动车株式会社 | 用于提供车辆诊断服务的***和方法 |
US20160379350A1 (en) * | 2014-04-17 | 2016-12-29 | Denso Corporation | Failure detection system, information processing device, and vehicle-mounted device |
CN106394445A (zh) * | 2016-10-09 | 2017-02-15 | 思建科技有限公司 | 一种车辆故障监测提示方法及*** |
-
2017
- 2017-10-11 CN CN201710943412.2A patent/CN107679576A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102469156A (zh) * | 2010-11-10 | 2012-05-23 | 现代自动车株式会社 | 用于提供车辆诊断服务的***和方法 |
US20160379350A1 (en) * | 2014-04-17 | 2016-12-29 | Denso Corporation | Failure detection system, information processing device, and vehicle-mounted device |
CN106394445A (zh) * | 2016-10-09 | 2017-02-15 | 思建科技有限公司 | 一种车辆故障监测提示方法及*** |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108563717A (zh) * | 2018-03-31 | 2018-09-21 | 东南大学 | 一种基于信息融合的共享单车故障识别与应用*** |
CN108693868A (zh) * | 2018-05-25 | 2018-10-23 | 深圳市轱辘车联数据技术有限公司 | 故障预测模型训练的方法、车辆故障预测的方法及装置 |
CN108693868B (zh) * | 2018-05-25 | 2021-06-11 | 深圳市轱辘车联数据技术有限公司 | 故障预测模型训练的方法、车辆故障预测的方法及装置 |
CN108882146B (zh) * | 2018-06-07 | 2021-01-05 | 北京星网锐捷网络技术有限公司 | 车载通信设备异常行为检测方法、电子设备及*** |
CN108882146A (zh) * | 2018-06-07 | 2018-11-23 | 北京星网锐捷网络技术有限公司 | 车载通信设备异常行为检测方法、电子设备及*** |
US20200010138A1 (en) * | 2018-07-09 | 2020-01-09 | Shimano Inc. | Information processing device |
CN111369012A (zh) * | 2018-12-06 | 2020-07-03 | 北京嘀嘀无限科技发展有限公司 | 一种用于在线上到线下服务中识别受损车辆的***和方法 |
CN110084481A (zh) * | 2019-03-29 | 2019-08-02 | 北京摩拜科技有限公司 | 监控车辆状态的方法、装置及服务器 |
CN111795835A (zh) * | 2020-06-30 | 2020-10-20 | 北京汽车研究总院有限公司 | 车辆的监测方法、装置及车载设备 |
CN111830937A (zh) * | 2020-07-23 | 2020-10-27 | 上海钧正网络科技有限公司 | 车辆故障识别模型的构建、识别方法及装置、管理*** |
CN111830937B (zh) * | 2020-07-23 | 2021-07-02 | 上海钧正网络科技有限公司 | 车辆故障识别模型的构建、识别方法及装置、管理*** |
CN113190015A (zh) * | 2021-05-20 | 2021-07-30 | 中国第一汽车股份有限公司 | 一种地形识别方法、装置、计算机设备和存储介质 |
CN113793134A (zh) * | 2021-09-26 | 2021-12-14 | 上汽通用五菱汽车股份有限公司 | 一种车辆报警方法、装置和计算机可读存储介质 |
CN113793134B (zh) * | 2021-09-26 | 2024-02-13 | 上汽通用五菱汽车股份有限公司 | 一种车辆报警方法、装置和计算机可读存储介质 |
CN114235432A (zh) * | 2021-11-12 | 2022-03-25 | 东风越野车有限公司 | 一种车辆跑偏问题原因多源融合诊断方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679576A (zh) | 车辆的故障监测方法及装置 | |
CN108062088B (zh) | 车站终端故障风险预警方法、装置、终端及存储介质 | |
CN108388950A (zh) | 基于大数据的变压器智能运维方法及*** | |
CN109684179A (zh) | ***故障的预警方法、装置、设备及存储介质 | |
CN106447107B (zh) | 一种基于飞机结构健康监控的维修方法 | |
CN106844138A (zh) | 运维报警***及方法 | |
US20180330250A1 (en) | Energy management system with intelligent anomaly detection and prediction | |
CN106144819B (zh) | 电梯的预诊断方法及装置 | |
CN109501834A (zh) | 一种道岔转辙机故障预测方法及装置 | |
CN107851057A (zh) | 预测模型的动态执行 | |
CN114267178B (zh) | 一种车站的智能运营维护方法及装置 | |
CN110221145A (zh) | 电力设备故障诊断方法、装置及终端设备 | |
CN109919755A (zh) | 移动银行网点数据处理方法、服务器及*** | |
CN112949080B (zh) | 一种基于动态驱动的城市轨道交通车站仿真***及方法 | |
CN114297935A (zh) | 基于数字孪生的机场航站楼离港优化运行仿真***及方法 | |
CN108228378A (zh) | 列车组故障预测的数据处理方法及装置 | |
CN104267346A (zh) | 一种发电机励磁***故障远程诊断方法 | |
CN105721194A (zh) | 移动网故障隐患智能定位*** | |
CN108225439A (zh) | 一种电子通信环境监控*** | |
CN110458325A (zh) | 一种交通区域短时客流预测方法及装置 | |
CN114862288A (zh) | 智慧水务二次加压管理*** | |
CN115280337A (zh) | 基于机器学习的数据监控 | |
CN114692419A (zh) | 一种城市轨道交通***数字孪生建模方法及其*** | |
CN112446157A (zh) | 一种交通设备剩余寿命预测方法及装置 | |
CN105319967A (zh) | 空调器的控制方法、服务器和空调*** |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20201216 Address after: Room 168, building 6, 741 Hangzhou Road, Yangpu District, Shanghai 200090 Applicant after: HANHAI INFORMATION TECHNOLOGY SHANGHAI Co.,Ltd. Address before: Room Bnan 1231, 2 bungalows, No. 5 Road, College, Haidian District, Beijing, 100191 Applicant before: BEIJING MOBIKE TECHNOLOGY Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180209 |