CN111210537A - 一种油耗分析方法、装置、设备和存储介质 - Google Patents
一种油耗分析方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN111210537A CN111210537A CN201910959601.8A CN201910959601A CN111210537A CN 111210537 A CN111210537 A CN 111210537A CN 201910959601 A CN201910959601 A CN 201910959601A CN 111210537 A CN111210537 A CN 111210537A
- Authority
- CN
- China
- Prior art keywords
- oil consumption
- vehicle
- data
- consumption analysis
- fuel consumption
- 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
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0808—Diagnosing performance data
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明实施例公开了一种油耗分析方法、装置、设备和存储介质,其中该方法包括:获取车辆行驶数据;根据车辆行驶数据确定第一油耗分析结果;将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。本发明实施例,通过在车载终端和云端基于车辆行驶数据进行两次油耗分析,由于车辆行驶数据为覆盖全用户的数据,具有样本量大、客观、准确和参考性强的优势,解决了现有技术中只能定性描述用户群体油耗情况无法量化具体指标的问题,优化了车辆的油耗分析方案,提高了油耗分析的全面性和准确性,并且兼具移植性好的优点便于推广应用。
Description
技术领域
本发明实施例涉及车联网数据处理技术领域,尤其涉及一种油耗分析方法、装置、设备和存储介质。
背景技术
车辆油耗是一项综合性技术指标,用户和车辆厂商普遍对该指标较为关注。目前用户在购车时对车辆油耗的评判采用工信部综合油耗(L/100km),该评价指标虽具权威性,但用户普遍接受度不好。
由于受到各种因素影响,不同用户驾驶车辆所表现出的油耗水平可能不同,用户在使用车辆时经常有横向对比需求,但是现有技术中由于对比样本有限,难免出现个体间油耗差异大的问题,当前用户难以获得权威的油耗水平解释及降油耗策略,这些都给用户带来困扰。并且,车辆厂商在车辆投放市场后针对油耗水平需要得到市场反馈信息,以促进产品升级,例如针对城市工况或山区工况的发动机喷油量标定等问题,但是目前车辆主要信息收集渠道是4S店、用户反馈或专业工程师测试,反馈周期较长,难以满足竞争激烈的车辆市场对缩短产品开发周期需求。综上,现有技术中的油耗分析方法不能满足用户、车辆厂商的多样性、准确性和全面性的要求。
发明内容
本发明实施例提供一种油耗分析方法、装置、设备和存储介质,以优化车辆的油耗分析方案,提高油耗分析的全面性和准确性。
第一方面,本发明实施例提供了一种油耗分析方法,包括:
获取车辆行驶数据;
根据所述车辆行驶数据确定第一油耗分析结果;
将所述车辆行驶数据和所述第一油耗分析结果发送至云端,以通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行分析,确定第二油耗分析结果。
第二方面,本发明实施例还提供了一种油耗分析装置,包括:
数据获取模块,用于获取车辆行驶数据;
第一油耗分析模块,用于根据所述车辆行驶数据确定第一油耗分析结果;
第二油耗分析模块,用于将所述车辆行驶数据和所述第一油耗分析结果发送至云端,以通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行分析,确定第二油耗分析结果。
进一步的,所述第一油耗分析模块具体用于:
根据所述车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;
基于所述当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定所述当前行程内的累计油耗;
根据所述累计油耗和所述总线时间,确定所述当前行程内的平均油耗。
进一步的,所述第二油耗分析模块具体用于:
如果根据所述车辆行驶数据中的点火开关信号和发动机状态信号确定相邻两个行程的时间间隔小于或等于合并时间阈值,则通过所述云端对所述相邻两个行程进行合并计算,得到所述第二油耗分析结果。
进一步的,所述第二油耗分析结果包括所述相邻两个行程合并而成的目标行程内的行驶里程、累计油耗、平均油耗、行程持续时间、平均车速、平均温度和行程内坡路比例等中的至少一个。
进一步的,所述装置还包括:
预处理模块,用于将所述车辆行驶数据和所述第一油耗分析结果发送至云端之后,通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行预处理计算,所述预处理计算包括缺失值处理、噪声数据平滑和离群点识别中的至少一个。
进一步的,所述装置还包括:
指标确定模块,用于确定第二油耗分析结果之后,根据所述第二油耗分析结果和油耗评价需求,确定油耗评判指标,所述油耗评判指标包括平均油耗分别与交通条件、总行驶里程、天气环境、道路条件和驾驶行为的关系特性指标。
进一步的,所述装置还包括:
信息展示模块,用于确定第二油耗分析结果之后,根据所述第二油耗分析结果,以及车辆用户与车辆厂商的油耗计算需求,确定车辆用户端油耗展示数据和车辆厂商端油耗展示数据,其中所述车辆用户端油耗展示数据包括用户个人展示数据、群体用户展示数据和个人用户在群体用户中的分布数据中的至少一个,所述车辆厂商端油耗展示数据包括群体用户对特定车型的油耗评价数据、个体车辆在整体中的分布数据和个体车辆历史油耗数据中的至少一个。
第三方面,本发明实施例还提供了一种设备,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上所述的油耗分析方法。
第四方面,本发明实施例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,该程序被处理器执行时实现如上所述的油耗分析方法。
本发明实施例通过获取车辆行驶数据,根据车辆行驶数据确定第一油耗分析结果,将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。本发明实施例的技术方案,通过在车载终端和云端基于车辆行驶数据进行两次油耗分析,由于车辆行驶数据为覆盖全用户的数据,具有样本量大、客观、准确和参考性强的优势,解决了现有技术中只能定性描述用户群体油耗情况无法量化具体指标的问题,优化了车辆的油耗分析方案,提高了油耗分析的全面性和准确性,并且兼具移植性好的优点便于推广应用。
附图说明
图1为本发明实施例一中提供的一种油耗分析方法的流程图;
图2为本发明实施例一中提供的一种油耗分析***的结构示意图;
图3为本发明实施例二中提供的一种油耗分析方法的流程图;
图4为本发明实施例二中提供的一种平均油耗与平均车速的关系示意图;
图5为本发明实施例二中提供的一种平均油耗与总行驶里程的关系示意图;
图6为本发明实施例二中提供的一种平均油耗与环境温度的关系示意图;
图7为本发明实施例二中提供的一种平均油耗与爬坡率的关系示意图;
图8为本发明实施例二中提供的一种平均油耗与急加速次数的关系示意图;
图9为本发明实施例二中提供的一种用户油耗展示箱形图;
图10为本发明实施例二中提供的一种用户油耗展示直方图;
图11为本发明实施例三中提供的一种油耗分析装置的结构示意图;
图12为本发明实施例四中提供的一种设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一中提供的一种油耗分析方法的流程图,本实施例可适用于对车辆进行油耗分析的情况,该方法可以由油耗分析装置执行,该装置可以采用软件和/或硬件的方式实现,该装置可配置于设备中,例如服务器或终端设备,典型的终端设备包括移动终端,具体包括手机、电脑或平板电脑等。
图2为本发明实施例一中提供的一种油耗分析***的结构示意图,本实施例中的油耗分析装置可以配置在图中的车端11(即车辆)中,通过发送通信指令的方式实现油耗分析方法。图中车端11中的车载智能终端可以基于车辆控制器局域网络(Controller AreaNetwork,CAN)总线获取车辆行驶数据,并基于该车辆行驶数据进行第一级计算,计算周期可以为总线毫秒级,然后通过通信模块将第一油耗分析结果和定位模块获取的定位信息上传至云端12;云端12中将车端11上传的数据先存储在存储服务器中,并通过数据预处理,进行第二级计算,计算周期可以为秒级,得到第二油耗分析结果,并基于该第二油耗分析结果进行展示数据的确定,计算逻辑根据应用需求可以包括车辆用户应用计算逻辑和车辆厂商应用计算逻辑等,展示数据确定之后发送至客户端13;客户端13中针对不同需求的终端可以获取对应的展示数据,图中以车辆用户和车辆厂商为例,可以获取对应的展示数据进行展示。
如图1所示,该方法具体可以包括:
S110、获取车辆行驶数据。
其中,车辆行驶数据为车辆行驶时的相关数据,车辆行驶数据中包括的数据类型和数量可以根据实际情况进行设定。本实施例中车辆行驶数据可以包括车速、行驶里程、点火开关信号、发动机状态信号、发动机转速、全球定位***(Global Positioning System,GPS)经纬度信息、GPS高度信息、瞬时油耗和环境温度等数据中的至少一个。
具体的,参见图2,车段11中车载智能终端可以基于CAN总线获取车辆中设置的各个部件的车辆行驶数据。
S120、根据车辆行驶数据确定第一油耗分析结果。
其中,第一油耗分析结果为车辆中车载智能终端针对车辆行驶数据分析得到的与油耗相关的结果,本实施例中第一油耗分析结果可以包括行驶里程、累计油耗、平均油耗和平均车速等数据中的至少一个。
具体的,根据车辆行驶数据确定第一油耗分析结果,可以包括:根据车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;基于当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定当前行程内的累计油耗;根据累计油耗和总线时间,确定当前行程内的平均油耗。
驾驶行程可以发动机点火为行程开始的判断依据,发动机熄火为行程结束的判断依据。其中需对发动机怠速启停作剔除处理,具体可由车辆行驶数据中的点火开关信号和发动机状态信号组合判断,判断过程可以为:当首次出现点火开关位于开启(on)挡且发动机为运行(running)状态时即为行程开始时刻,点火开关位于关闭(off)挡且发动机状态为停止(stop)时即为行程结束时刻。上述判断方式可以避免单纯由发动机状态判断时,因怠速停机导致发动机停止状态而实际行程尚未结束造成的行程判断错误。此外,本实施例中也可以由点火开关信号与发动机转速信号联合判断,发动机转速小于怠速转速时相当于发动机停止状态。
当前行程内行驶里程通过S=行程结束时刻的里程-行程开始时刻的里程确定,其中S表示当前行程内行驶里程。行驶里程还可以通过公式S=Σvdt确定,其中dt表示通信模块(TBox)接收的总线时间间隔。当前行程内累计油耗通过Fuel=Σfinstdt确定,即行程内各时刻瞬时油耗与总线时间的积分结果,其中Fuel表示当前行程内累计油耗,finst表示当前行程内各时刻瞬时油耗。当前行程内的平均油耗通过afe=Fuel/S确定,其中afe表示当前行程内平均油耗。此外,当前行程持续时间通过Duration=(t2-t1)确定,t1、t2分别为行程开始时间和行程结束时间,Duration表示当前行程内的持续时间。当前行程内平均车速通过V_avg=S/Duration确定,其中V_avg表示当前行程内的平均车速。
S130、将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。
其中,第二油耗分析结果可以为云端针对车辆行驶数据和车端传输的第一油耗分析结果分析得到的与油耗相关的结果。本实施例中的第二油耗分析结果可以包括行驶里程、累计油耗、平均油耗、行程持续时间、平均车速、平均温度和坡路比例中的至少一个。
具体的,通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果,可以包括:如果根据车辆行驶数据中的点火开关信号和发动机状态信号确定相邻两个行程的时间间隔小于或等于合并时间阈值,则通过云端对相邻两个行程进行合并计算,得到第二油耗分析结果。
用户行车过程中常出现前一次熄火短暂停留后,启动发动机继续行驶,此时发动机温度较高,油耗相对于长时间停车再启动的情况要低,若不加以判断直接按照两次行程来计算,会造成车辆各行程油耗水平波动较大。故本实施例中云端计算行程时先判断相邻两次车端的驾驶行程的时间间隔是否小于或等于合并时间阈值,若是,则将该相邻的驾驶行程合并为一次行程进行计算,若否,则不进行二次计算。其中合并时间阈值可以根据实际情况进行设定,例如合并时间阈值可以为10分钟或20分钟等。
上述第二油耗分析结果具体可以包括相邻两个行程合并而成的目标行程内的行驶里程、累计油耗、平均油耗、行程持续时间、平均车速、平均温度和行程内坡路比例等中的至少一个。
相邻两个行程合并而成的目标行程内的行驶里程可以通过Mileage=S1+S2+...+Sn确定,Sn表示第n个相邻驾驶行程内的行驶里程,Mileage表示目标行程内的行驶里程。目标行程内的累计油耗通过FUEL=Fuel1+Fuel2+…+Fueln确定,其中FUEL表示目标行程内的累计油耗,Fueln表示第n个相邻驾驶行程内的累计油耗。目标行程内的平均油耗可以通过AFE=FUEL/Mileage确定,其中AFE表示目标行程内的平均油耗。目标行程的持续时间可以通过DURATION=Duration 1+Duration 2+…Duration N确定,DURATION表示目标行程内的持续时间,Duration N表示第N个相邻驾驶行程内的持续时间。目标行程内平均车速可以通过SPD_avg=Mileage/DURATION确定,其中SPD_avg表示目标行程内平均车速。目标行程内平均温度通过T_avg=avg(temp),其中T_avg表示目标行程内平均温度。目标行程内坡路比例通过SlopeRatio=Mileage_slop/Mileage*100%确定,其中SlopeRatio表示目标行程内的坡路比例,Mileage_slope表示爬坡行驶里程,爬坡过程根据ti+1和ti时刻的高度对比得到,当height i+1>height i时,认为是爬坡过程,识别所有爬坡过程及行驶里程,Mileage_slop=Σ第i个爬坡过程行驶里程。
可选地,将车辆行驶数据和第一油耗分析结果发送至云端之后,还可以包括:通过云端对车辆行驶数据和第一油耗分析结果进行预处理计算,预处理计算包括缺失值处理、噪声数据平滑和离群点识别中的至少一个,其中离群点识别之后还可以进行离群点删除。云端通过预处理可以将多文件或者多数据库中的异构数据进行合并,然后存放在一个一致的数据仓库中。
本实施例的技术方案,通过获取车辆行驶数据,根据车辆行驶数据确定第一油耗分析结果,将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。本发明实施例的技术方案,通过在车载终端和云端基于车辆行驶数据进行两次油耗分析,由于车辆行驶数据为覆盖全用户的数据,具有样本量大、客观、准确和参考性强的优势,解决了现有技术中只能定性描述用户群体油耗情况无法量化具体指标的问题,优化了车辆的油耗分析方案,提高了油耗分析的全面性和准确性,并且兼具移植性好的优点便于推广应用。
实施例二
图3为本发明实施例二中提供的一种油耗分析方法的流程图。本实施例在上述实施例的基础上,进一步优化了上述油耗分析方法。相应的,如图3所示,本实施例的方法具体包括:
S210、获取车辆行驶数据。
S220、根据车辆行驶数据确定第一油耗分析结果。
具体的,根据车辆行驶数据确定第一油耗分析结果,可以包括:根据车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;基于当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定当前行程内的累计油耗;根据累计油耗和总线时间,确定当前行程内的平均油耗。
S230、将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。
具体的,根据车辆行驶数据确定第一油耗分析结果,可以包括:根据车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;基于当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定当前行程内的累计油耗;根据累计油耗和总线时间,确定当前行程内的平均油耗。
S230之后,可以执行S240和/或S250,具体S240和S250执行顺序本实施例中不作限定。
S240、根据第二油耗分析结果和油耗评价需求,确定油耗评判指标。
其中,本实施例中的油耗评判指标可以包括平均油耗分别与交通条件、总行驶里程、天气环境、道路条件和驾驶行为的关系特性指标,即油耗评判指标可以包括平均油耗分别与交通条件关系特性指标、平均油耗与总行驶里程关系特性指标、平均油耗与天气环境关系特性指标、平均油耗与道路条件关系特性指标和平均油耗与驾驶行为关系特性指标中的至少一个。
具体的,云端得到第二油耗分析结果之后,根据油耗评价需求,可以确定多个不同的油耗评判指标。当油耗评判指标为平均油耗与交通条件关系特性指标,即平均油耗与平均车速关系特性指标,由于车辆油耗与交通环境关系较大,一般来说低速行车油耗普遍高于较高速行车,例如:城市拥堵工况相对于畅通道路条件所消耗油耗明显要高。通过云端计算的各行程内平均车速与平均油耗,绘制所有车辆在所有行程下的平均车速与平均油耗相对关系分布,具体绘制方式可以根据实际情况进行设定,例如采用a*x^b+c的幂逼近方式拟合出曲线来表征油耗水平与车速水平的特性关系,也可采用按划分速度区间计算区间内的平均油耗方式绘制结果曲线表征油耗水平与车速水平的特性关系,具体参见图4,图4为本发明实施例二中提供的一种平均油耗与平均车速的关系示意图。
当油耗评判指标为平均油耗与总行驶里程关系特性指标,由于油耗与总行驶里程的关系呈现浴盆曲线(在磨合期和生命周期末端油耗偏高,中间里程段油耗为正常水平),因此通过对总行驶里程按阶段划分来描述油耗与总行驶里程关系特性。具体操作如下:a.划分总行驶里程区间段w1∈[0,500],w2∈(500,1000],w3∈(1000,2000],…wn∈(50000,+∞)km,总里程区间划分具体可根据实际情况进行配置;b.根据划分区间,计算所有车辆在各区间内的平均油耗;c.绘制拟合曲线,用于描述油耗与总行驶里程关系特性,具体参见图5,图5为本发明实施例二中提供的一种平均油耗与总行驶里程的关系示意图。
当油耗评判指标为平均油耗与天气环境关系特性指标,即平均油耗与环境温度关系特性指标,由于油耗与环境温度有较大相关性,当环境温度较低时,发动机热效率下降导致喷油量增加,乘员取暖需求会增加额外耗能,路面湿滑等因素也会导致油耗上升;环境温度较高时空调制冷需求是导致油耗上升的主要因素。为量化描述油耗与天气环境关系,需取同一地区(根据GPS经纬度定位到市级或更小范围)不同月份的相关数据,增加环境温度考量维度,绘制各环境温度下的平均油耗平均车速特性关系曲线,也可以环境温度为横坐标,平均油耗为纵坐标绘制二者关系曲线,具体参见图6,图6为本发明实施例二中提供的一种平均油耗与环境温度的关系示意图。
当油耗评判指标为平均油耗与道路条件关系特性指标,即平均油耗与爬坡率关系特性指标,以用户爬坡率数据进行分组,绘制油耗与爬坡率关系分布特性,并拟合关系曲线,具体参见图7,图7为本发明实施例二中提供的一种平均油耗与爬坡率的关系示意图。
当油耗评判指标为平均油耗与驾驶行为关系特性指标,即平均油耗与急加速、急减速特性指标,对用户按照驾驶行为数据进行分组,以百公里行驶条件下的急加速、急减速次数为分组条件,分别绘制油耗与百公里急加速、急减速次数对应关系曲线,以拟合曲线作为评判依据,具体参见图8,图8为本发明实施例二中提供的一种平均油耗与急加速次数的关系示意图。
S250、根据第二油耗分析结果,以及车辆用户与车辆厂商的油耗计算需求,确定车辆用户端油耗展示数据和车辆厂商端油耗展示数据。
其中,车辆用户端油耗展示数据可以包括用户个人展示数据、群体用户展示数据和个人用户在群体用户中的分布数据中的至少一个,车辆厂商端油耗展示数据包括群体用户对特定车型的油耗评价数据、个体车辆在整体中的分布数据和个体车辆历史油耗数据中的至少一个。
具体的,云端得到第二油耗分析结果之后,根据不同客户端的油耗计算需求油耗,可以确定多个不同的客户端对应的油耗展示数据,本实施例中以车辆用户和车辆厂商为例进行说明。
当客户端13为车辆用户端时,基于云端得到的第二油耗分析结果可以得到车辆用户端油耗展示数据,在车端、手机端为用户以APP形式进行具体油耗展示数据的可视化展示,展示形式不限于数字、曲线、报表等。当车辆用户端油耗展示数据为用户个人展示数据时,该用户个人展示数据包括但不限于当前总行驶里程、各行程下的油耗、平均车速、行驶里程、行程起点终点、行程轨迹、行程内平均环境温度和驾驶行为数据等计算结果,具体计算时可采用不同计算周期,例如:天、周、月等。当车辆用户端油耗展示数据为群体用户展示数据时,可以展示相同车型用户群体数据,例如:通过绘制箱形图、直方图来统计数据分布情况,获得数据的最大值、最小值、中位数、及上下四分位数等统计特征,例如平均车速在[30km/h,35km/h]区间内,各行程平均油耗的分布特性。以直方图和箱型图的形式直观的展示单一用户在群体用户中的综合平均油耗排名情况或单一用户在某油耗评判指标(如:平均车速、天气条件等)条件下的油耗排名情况。具体参见图9和图10,图9为本发明实施例二中提供的一种用户油耗展示箱形图,图10为本发明实施例二中提供的一种用户油耗展示直方图,图9以平均车速40km/h为例,通过箱型图展示出某用户在该平均车速下的油耗水平,图中可以直观地识别数据集中的异常值,即离群点,并且通过观察盒子的长度、上下隔间的形状,以及胡须的长度,判断数据集的数据离散程度和偏向。并且该群体用户展示数据包括但不限于上述油耗评判指标的内容。
当车辆用户端油耗展示数据为个人用户在群体用户中的分布数据时,计算逻辑可以为通过箱型图确定数据是否是离群点,对群体数据按大小顺序排序确定个体数据在其中所处的位置。该个人用户在群体用户中的分布数据包括但不限于依据地理位置信息进行分类统计,也可以按照行驶里程或平均车速等分类,例如:用户在全国、全省、全市等的排名情况。个人用户在群体用户中的分布数据也可以依据上述油耗评判指标的内容展示,如:当某地区某用户处于平均车速区间30±2km/h内时,其平均油耗水平在该速度区间所有用户中所处水平或百分比情况。
此外,在车辆用户端还可以基于个人用户在群体用户中的分布数据开展一系列个***,例如:当某用户油耗水平远高于同等技术条件下的群体平均水平,变现为离群点,则根据该用户的实际情况为该用户推送个性化的节油提醒、攻略等内容。
当客户端13为车辆厂商端时,车辆厂商端油耗展示数据包括群体用户对特定车型的油耗评价数据和个体车辆在整体中的分布数据和个体车辆历史油耗数据中的至少一个。当车辆厂商端油耗展示数据为群体用户对特定车型的油耗评价数据时,可以根据GPS信息所划分地域车型群体用户反映在油耗综合评判指标体系中的指标分布情况,例如:某一指标按省、市分布情况。当车辆厂商端油耗展示数据为个体车辆在整体中的分布数据时,可以根据个体信息查询任一个体车辆在整体指标分布中所处水平。当车辆厂商端油耗展示数据为个体车辆历史油耗数据时,可以根据个体信息查询任一个体车辆的历史行程信息,包括但不限于历史行车轨迹、行程时间、油耗、平均车速等信息。
此外,在车辆厂商端还可以根据所售车型整体群体用户的指标分布情况,获取某一指标进行的用户排名,以开展各类活动,例如:某地区范围内筛选节油达人、行驶里程最高用户或最安全行车用户等。车辆厂商端还可以基于油耗展示数据为服务于车厂车型迭代升级、优化等工作,开展车型设计油耗与用户真实油耗水平比对,为厂商提供不同区域、道路条件、交通条件等工况识别的用户油耗。进一步的,车辆厂商端还可以根据车辆GPS信息获得的车辆售后分布情况,例如在各省、市车辆数量情况。
本发明实施例通过获取车辆行驶数据,根据车辆行驶数据确定第一油耗分析结果,将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果;根据第二油耗分析结果和油耗评价需求,确定油耗评判指标,和/或,根据第二油耗分析结果,以及车辆用户与车辆厂商的油耗计算需求,确定车辆用户端油耗展示数据和车辆厂商端油耗展示数据。本发明实施例的技术方案,通过在车载终端和云端基于车辆行驶数据进行两次油耗分析,由于车辆行驶数据为覆盖全用户的数据,具有样本量大、客观、准确和参考性强的优势,解决了现有技术中只能定性描述用户群体油耗情况无法量化具体指标的问题,优化了车辆的油耗分析方案,提高了油耗分析的全面性和准确性,并且兼具移植性好的优点便于推广应用;并且,本发明实施例可以为车辆用户建立专属油耗分析,维度丰富、指导性强和服务性好,以及能够为车厂提供及时、准确的市场反馈信息,指导工作人员完善产品设计、促进升级迭代。
实施例三
图11为本发明实施例三中提供的一种油耗分析装置的结构示意图,本实施例可适用于对车辆进行油耗分析的情况。本发明实施例所提供的油耗分析装置可执行本发明任意实施例所提供的油耗分析方法,具备执行方法相应的功能模块和有益效果。
该装置具体包括数据获取模块310、第一油耗分析模块320和第二油耗分析模块330,其中:
数据获取模块310,用于获取车辆行驶数据;
第一油耗分析模块320,用于根据车辆行驶数据确定第一油耗分析结果;
第二油耗分析模块330,用于将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。
本发明实施例通过获取车辆行驶数据,根据车辆行驶数据确定第一油耗分析结果,将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。本发明实施例的技术方案,通过在车载终端和云端基于车辆行驶数据进行两次油耗分析,由于车辆行驶数据为覆盖全用户的数据,具有样本量大、客观、准确和参考性强的优势,解决了现有技术中只能定性描述用户群体油耗情况无法量化具体指标的问题,优化了车辆的油耗分析方案,提高了油耗分析的全面性和准确性,并且兼具移植性好的优点便于推广应用。
进一步的,第一油耗分析模块320具体用于:
根据车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;
基于当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定当前行程内的累计油耗;
根据累计油耗和总线时间,确定当前行程内的平均油耗。
进一步的,第二油耗分析模块330具体用于:
如果根据车辆行驶数据中的点火开关信号和发动机状态信号确定相邻两个行程的时间间隔小于或等于合并时间阈值,则通过云端对相邻两个行程进行合并计算,得到第二油耗分析结果。
进一步的,第二油耗分析结果包括相邻两个行程合并而成的目标行程内的行驶里程、累计油耗、平均油耗、行程持续时间、平均车速、平均温度和行程内坡路比例等中的至少一个。
进一步的,装置还包括:
预处理模块,用于将车辆行驶数据和第一油耗分析结果发送至云端之后,通过云端对车辆行驶数据和第一油耗分析结果进行预处理计算,预处理计算包括缺失值处理、噪声数据平滑和离群点识别中的至少一个。
进一步的,装置还包括:
指标确定模块,用于确定第二油耗分析结果之后,根据第二油耗分析结果和油耗评价需求,确定油耗评判指标,油耗评判指标包括平均油耗分别与交通条件、总行驶里程、天气环境、道路条件和驾驶行为的关系特性指标。
进一步的,装置还包括:
信息展示模块,用于确定第二油耗分析结果之后,根据第二油耗分析结果,以及车辆用户与车辆厂商的油耗计算需求,确定车辆用户端油耗展示数据和车辆厂商端油耗展示数据,其中车辆用户端油耗展示数据包括用户个人展示数据、群体用户展示数据和个人用户在群体用户中的分布数据中的至少一个,车辆厂商端油耗展示数据包括群体用户对特定车型的油耗评价数据、个体车辆在整体中的分布数据和个体车辆历史油耗数据中的至少一个。
本发明实施例所提供的油耗分析装置可执行本发明任意实施例所提供的油耗分析方法,具备执行方法相应的功能模块和有益效果。
实施例四
图12为本发明实施例四中提供的一种设备的结构示意图。图12示出了适于用来实现本发明实施方式的示例性设备412的框图。图12显示的设备412仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图12所示,设备412以通用设备的形式表现。设备412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同***组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储装置总线或者存储装置控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance,ISA)总线,微通道体系结构(Micro Channel Architecture,MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及***组件互连(Peripheral Component Interconnect,PCI)总线。
设备412典型地包括多种计算机***可读介质。这些介质可以是任何能够被设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory,RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***434可以用于读写不可移动的、非易失性磁介质(图12未显示,通常称为“硬盘驱动器”)。尽管图12中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘,例如只读光盘(Compact Disc Read-Only Memory,CD-ROM),数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440,可以存储在例如存储装置428中,这样的程序模块442包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信,还可与一个或者多个使得用户能与该设备412交互的终端通信,和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且,设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图12所示,网络适配器420通过总线418与设备412的其它模块通信。应当明白,尽管图中未示出,可以结合设备412使用其它硬件和/或软件模块,包括但不限于:微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks,RAID)***、磁带驱动器以及数据备份存储***等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的油耗分析方法,该方法包括:
获取车辆行驶数据;
根据车辆行驶数据确定第一油耗分析结果;
将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。
实施例五
本发明实施例五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,该程序被处理器执行时实现如本发明实施例所提供的油耗分析方法,该方法包括:
获取车辆行驶数据;
根据车辆行驶数据确定第一油耗分析结果;
将车辆行驶数据和第一油耗分析结果发送至云端,以通过云端对车辆行驶数据和第一油耗分析结果进行分析,确定第二油耗分析结果。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、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)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码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终端上执行。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)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种油耗分析方法,其特征在于,包括:
获取车辆行驶数据;
根据所述车辆行驶数据确定第一油耗分析结果;
将所述车辆行驶数据和所述第一油耗分析结果发送至云端,以通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行分析,确定第二油耗分析结果。
2.根据权利要求1所述的方法,其特征在于,根据所述车辆行驶数据确定第一油耗分析结果,包括:
根据所述车辆行驶数据中的点火开关信号和发动机状态信号,确定当前行程内的行驶里程;
基于所述当前行程内各时刻的瞬时油耗、总线时间和累计油耗公式,确定所述当前行程内的累计油耗;
根据所述累计油耗和所述总线时间,确定所述当前行程内的平均油耗。
3.根据权利要求1所述的方法,其特征在于,通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行分析,确定第二油耗分析结果,包括:
如果根据所述车辆行驶数据中的点火开关信号和发动机状态信号确定相邻两个行程的时间间隔小于或等于合并时间阈值,则通过所述云端对所述相邻两个行程进行合并计算,得到所述第二油耗分析结果。
4.根据权利要求3所述的方法,其特征在于,所述第二油耗分析结果包括所述相邻两个行程合并而成的目标行程内的行驶里程、累计油耗、平均油耗、行程持续时间、平均车速、平均温度和行程内坡路比例等中的至少一个。
5.根据权利要求1所述的方法,其特征在于,将所述车辆行驶数据和所述第一油耗分析结果发送至云端之后,还包括:
通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行预处理计算,所述预处理计算包括缺失值处理、噪声数据平滑和离群点识别中的至少一个。
6.根据权利要求1所述的方法,其特征在于,确定第二油耗分析结果之后,还包括:
根据所述第二油耗分析结果和油耗评价需求,确定油耗评判指标,所述油耗评判指标包括平均油耗分别与交通条件、总行驶里程、天气环境、道路条件和驾驶行为的关系特性指标。
7.根据权利要求1所述的方法,其特征在于,确定第二油耗分析结果之后,还包括:
根据所述第二油耗分析结果,以及车辆用户与车辆厂商的油耗计算需求,确定车辆用户端油耗展示数据和车辆厂商端油耗展示数据,其中所述车辆用户端油耗展示数据包括用户个人展示数据、群体用户展示数据和个人用户在群体用户中的分布数据中的至少一个,所述车辆厂商端油耗展示数据包括群体用户对特定车型的油耗评价数据、个体车辆在整体中的分布数据和个体车辆历史油耗数据中的至少一个。
8.一种油耗分析装置,其特征在于,包括:
数据获取模块,用于获取车辆行驶数据;
第一油耗分析模块,用于根据所述车辆行驶数据确定第一油耗分析结果;
第二油耗分析模块,用于将所述车辆行驶数据和所述第一油耗分析结果发送至云端,以通过所述云端对所述车辆行驶数据和所述第一油耗分析结果进行分析,确定第二油耗分析结果。
9.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的油耗分析方法。
10.一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,该程序被处理器执行时实现如权利要求1-7中任一所述的油耗分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959601.8A CN111210537A (zh) | 2019-10-10 | 2019-10-10 | 一种油耗分析方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910959601.8A CN111210537A (zh) | 2019-10-10 | 2019-10-10 | 一种油耗分析方法、装置、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111210537A true CN111210537A (zh) | 2020-05-29 |
Family
ID=70787966
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910959601.8A Pending CN111210537A (zh) | 2019-10-10 | 2019-10-10 | 一种油耗分析方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210537A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112466004A (zh) * | 2020-11-24 | 2021-03-09 | 中国第一汽车股份有限公司 | 车辆使用信息获取方法、装置、设备及存储介质 |
CN113438616A (zh) * | 2021-06-24 | 2021-09-24 | 中国工商银行股份有限公司 | 公车加油数据处理方法、装置及*** |
CN113627725A (zh) * | 2021-07-06 | 2021-11-09 | 中寰卫星导航通信有限公司 | 一种节油效果的确定方法、装置、设备及存储介质 |
CN114872556A (zh) * | 2022-05-30 | 2022-08-09 | 中国第一汽车股份有限公司 | 一种车辆异常耗能评估方法、装置、车辆及介质 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020077088A1 (en) * | 2000-12-15 | 2002-06-20 | Pioneer Corporation | Parts management system and method for mobile unit |
CN101706301A (zh) * | 2009-11-25 | 2010-05-12 | 浙江吉利汽车研究院有限公司 | 汽车平均油耗的计算方法及其计算电路 |
CN103287359A (zh) * | 2013-04-25 | 2013-09-11 | 华南农业大学 | 一种纯电动汽车能耗检测方法 |
CN103607408A (zh) * | 2013-11-29 | 2014-02-26 | 青岛海信网络科技股份有限公司 | 基于实时油耗信息采集的油耗核算方法及装置 |
CN204166587U (zh) * | 2014-10-28 | 2015-02-18 | 北奔重型汽车集团有限公司 | 一种车辆燃油消耗监控*** |
CN105069467A (zh) * | 2015-07-28 | 2015-11-18 | 北京通博科技有限公司 | 车辆油位数据的筛选方法和装置 |
CN205430625U (zh) * | 2015-12-18 | 2016-08-03 | 珠海纽安特自动化技术有限公司 | 基于车联网的电动汽车车载终端 |
CN105910665A (zh) * | 2016-04-12 | 2016-08-31 | 北京荣之联科技股份有限公司 | 基于车载诊断***数据的油耗测算方法和装置 |
CN104132704B (zh) * | 2014-07-16 | 2017-10-13 | 深圳市凯伦圣科技有限公司 | 一种油耗的分析方法及分析*** |
CN107782389A (zh) * | 2017-08-28 | 2018-03-09 | 中兴捷维通讯技术有限责任公司 | 一种车辆油耗统计*** |
CN108269325A (zh) * | 2016-12-30 | 2018-07-10 | ***通信有限公司研究院 | 一种驾驶行为油耗经济性的分析方法及装置 |
CN109872075A (zh) * | 2019-03-05 | 2019-06-11 | 北京经纬恒润科技有限公司 | 一种油耗相关驾驶行为的评估方法及*** |
CN109900336A (zh) * | 2019-03-07 | 2019-06-18 | 中联重科股份有限公司 | 混凝土泵车油耗分析方法、终端、云平台及*** |
CN110186526A (zh) * | 2019-04-26 | 2019-08-30 | 特斯联(北京)科技有限公司 | 一种基于信息库平台的车辆油耗共享方法 |
-
2019
- 2019-10-10 CN CN201910959601.8A patent/CN111210537A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020077088A1 (en) * | 2000-12-15 | 2002-06-20 | Pioneer Corporation | Parts management system and method for mobile unit |
CN101706301A (zh) * | 2009-11-25 | 2010-05-12 | 浙江吉利汽车研究院有限公司 | 汽车平均油耗的计算方法及其计算电路 |
CN103287359A (zh) * | 2013-04-25 | 2013-09-11 | 华南农业大学 | 一种纯电动汽车能耗检测方法 |
CN103607408A (zh) * | 2013-11-29 | 2014-02-26 | 青岛海信网络科技股份有限公司 | 基于实时油耗信息采集的油耗核算方法及装置 |
CN104132704B (zh) * | 2014-07-16 | 2017-10-13 | 深圳市凯伦圣科技有限公司 | 一种油耗的分析方法及分析*** |
CN204166587U (zh) * | 2014-10-28 | 2015-02-18 | 北奔重型汽车集团有限公司 | 一种车辆燃油消耗监控*** |
CN105069467A (zh) * | 2015-07-28 | 2015-11-18 | 北京通博科技有限公司 | 车辆油位数据的筛选方法和装置 |
CN205430625U (zh) * | 2015-12-18 | 2016-08-03 | 珠海纽安特自动化技术有限公司 | 基于车联网的电动汽车车载终端 |
CN105910665A (zh) * | 2016-04-12 | 2016-08-31 | 北京荣之联科技股份有限公司 | 基于车载诊断***数据的油耗测算方法和装置 |
CN108269325A (zh) * | 2016-12-30 | 2018-07-10 | ***通信有限公司研究院 | 一种驾驶行为油耗经济性的分析方法及装置 |
CN107782389A (zh) * | 2017-08-28 | 2018-03-09 | 中兴捷维通讯技术有限责任公司 | 一种车辆油耗统计*** |
CN109872075A (zh) * | 2019-03-05 | 2019-06-11 | 北京经纬恒润科技有限公司 | 一种油耗相关驾驶行为的评估方法及*** |
CN109900336A (zh) * | 2019-03-07 | 2019-06-18 | 中联重科股份有限公司 | 混凝土泵车油耗分析方法、终端、云平台及*** |
CN110186526A (zh) * | 2019-04-26 | 2019-08-30 | 特斯联(北京)科技有限公司 | 一种基于信息库平台的车辆油耗共享方法 |
Non-Patent Citations (1)
Title |
---|
马国良,张鹏炜,黄振华,王文军,舒伟勇: "《北斗定位特种车辆实时油耗检测算法研究》", 《自动化与仪表》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112466004A (zh) * | 2020-11-24 | 2021-03-09 | 中国第一汽车股份有限公司 | 车辆使用信息获取方法、装置、设备及存储介质 |
CN113438616A (zh) * | 2021-06-24 | 2021-09-24 | 中国工商银行股份有限公司 | 公车加油数据处理方法、装置及*** |
CN113627725A (zh) * | 2021-07-06 | 2021-11-09 | 中寰卫星导航通信有限公司 | 一种节油效果的确定方法、装置、设备及存储介质 |
CN114872556A (zh) * | 2022-05-30 | 2022-08-09 | 中国第一汽车股份有限公司 | 一种车辆异常耗能评估方法、装置、车辆及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021135653A1 (zh) | 一种识别车辆的异常停留的方法和*** | |
CN111210537A (zh) | 一种油耗分析方法、装置、设备和存储介质 | |
CN108162771B (zh) | 一种电动汽车智能充电导航方法 | |
CN104346921B (zh) | 基于位置信息的出租车信息通讯服务***、终端和方法 | |
US10621214B2 (en) | Systems and methods for database geocoding | |
US20160335377A1 (en) | Electricity-demand prediction device, electricity supply system, electricity-demand prediction method, and program | |
CN106548246B (zh) | 一种电动车辆实时充电推荐方法及其*** | |
CN110349427B (zh) | 一种基于大数据的智慧交通管理*** | |
CN110969834B (zh) | 处理方法、装置、计算机设备、存储介质及车辆调度*** | |
CN110443185B (zh) | 驾驶员识别方法、驾驶员识别装置、电子设备及存储介质 | |
CN112734242B (zh) | 一种车辆运行轨迹数据的可用度分析方法、装置、存储介质及终端 | |
CN112509317B (zh) | 基于机器学习算法的公交实时到站预测方法、装置和设备 | |
CN114120650B (zh) | 用于生成测试结果的方法、装置 | |
CN106022846A (zh) | 车险定价及二手车定价方法和装置 | |
CN112598169A (zh) | 交通运行态势评估方法、***及装置 | |
CN104599002A (zh) | 预测订单价值的方法及设备 | |
CN110379165A (zh) | 一种道路类型预测方法、装置、设备及存储介质 | |
CN113762755A (zh) | 驾驶员分析报告推送方法、装置、计算机设备和存储介质 | |
CN114954129A (zh) | 充电站信息的推荐方法、装置、电子终端及存储介质 | |
CN117400948A (zh) | 一种汽车能耗预测方法、装置、电子设备及存储介质 | |
CN113776610A (zh) | 一种车辆油耗的确定方法及装置 | |
CN111626589A (zh) | 淤积区域确定方法及装置、交通工具调度方法及装置 | |
CN110866686A (zh) | 充电负荷评估方法、装置、计算机设备和存储介质 | |
CN113393011B (zh) | 预测限速信息的方法、装置、计算机设备和介质 | |
CN112406874B (zh) | 一种电动汽车远距离充电辅助决策方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200529 |