CN112100222B - 车辆数据预处理方法及*** - Google Patents
车辆数据预处理方法及*** Download PDFInfo
- Publication number
- CN112100222B CN112100222B CN202010833094.6A CN202010833094A CN112100222B CN 112100222 B CN112100222 B CN 112100222B CN 202010833094 A CN202010833094 A CN 202010833094A CN 112100222 B CN112100222 B CN 112100222B
- Authority
- CN
- China
- Prior art keywords
- preset time
- vehicle data
- voltage value
- time point
- vehicle
- 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 43
- 238000007781 pre-processing Methods 0.000 title claims abstract description 27
- 238000001914 filtration Methods 0.000 claims description 23
- 230000005059 dormancy Effects 0.000 claims description 22
- 230000007958 sleep Effects 0.000 claims description 22
- 230000004913 activation Effects 0.000 claims description 7
- 230000036541 health Effects 0.000 abstract description 16
- 238000003745 diagnosis Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000012217 deletion Methods 0.000 description 3
- 230000037430 deletion Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000004171 remote diagnosis Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Secondary Cells (AREA)
- Tests Of Electric Status Of Batteries (AREA)
Abstract
本发明提供了一种车辆数据预处理方法及***,车辆数据预处理方法包括车辆按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态,先根据车辆数据的特征对所述多组车辆数据进行过滤,再根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值。通过上述方式,实现了对车联网上传的车辆动态数据进行清洗,能根据数据特征及时识别和纠正错误数据,提高了数据反映车辆蓄电池健康状态的准确性和可靠性。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种车辆数据预处理方法及***。
背景技术
车联网功能已经成为车辆的标配,车联网功能已经从原始的导航功能,在线娱乐功能,发展到了车联网数据应用的车联网大数据应用生态圈。车辆健康远程诊断是未来汽车后市场各种业务的基础数据来源,如:远程故障预测,寿命预测,远程故障诊断,二手车评估、保险定损、质量预测。但车辆健康远程诊断的数据,经历了从车载总线采集到TBOX上传云端,再从云端到数据中台到应用模型等多个过程,所有的中间过程都有可能导致数据跳变,数据缺失,数据错误等问题,所以对车联网大数据的应用之前,首先需要对车辆上传的海量数据进行预处理,使所用数据尽量反映车辆采集时的状态,为车辆健康诊断的应用提供相对准确的基础数据源。
现有技术中对车联网上传数据的处理主要采取直接删除缺失数据(不完整的数据包)的办法进行,对数据的缺失补救、错误纠正没有进行,由此基于车联网大数据的车辆健康诊断中数据源不合理导致的诊断错误时有发生。
发明内容
有鉴于此,本发明提供了一种车辆数据预处理方法及***,能根据数据特征及时识别和纠正错误数据,提高了数据反映车辆蓄电池健康状态的准确性和可靠性。
第一方面,本发明提供了一种车辆数据预处理方法,包括:
按预设周期获取多组车辆数据,每组所述车辆数据包括蓄电池电压值和对应的车辆状态;
根据所述车辆数据的特征对所述多组车辆数据进行过滤;
根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值。
其中,所述车辆状态包括发动机状态和电源模式,所述发动机状态包括熄火、启动和缺失,所述电源模式包括激活、休眠和缺失。
其中,所述根据所述车辆数据的特征对所述多组车辆数据进行过滤,包括:
所述车辆数据的发动机状态和/或蓄电池电压值缺失时,删除该组车辆数据;
和/或,连续三组车辆数据中,中间组的发动机状态为熄火,前后组的发动机状态为点火,且中间组的蓄电池电压值大于预设电压值时,删除中间组车辆数据。
其中,所述根据预设时间点的取值规则在过滤后的车辆数据中取值,包括:
判断在所述预设时间点满足所述取值规则的车辆数据中,相邻两组车辆数据的间隔时间是否大于预设时长;
若是,则放弃取值;
若否,则继续取值。
其中,所述根据预设时间点的取值规则在过滤后的车辆数据中取值,还包括:
根据过滤后的车辆数据的发动机状态和/或电源模式确定预设时间点;
根据所述预设时间点对应的取值规则在过滤后的车辆数据中提取目标电压值。
其中,所述方法,包括:
根据发动机状态为点火的车辆数据确定点火后采集到第一组车辆数据的时刻为第一预设时间点;
获取所述第一预设时间点之前的第一预设时长内最近一组车辆数据中的蓄电池电压值,作为第一目标电压值。
其中,所述方法,包括:
根据发动机状态为从点火超过第二预设时长并切换为熄火后采集的车辆数据,确定熄火后第三预设时长的时刻为第二预设时间点;
判断所述第三预设时长内电源模式是否为休眠;
若是,则获取电源模式为休眠之前采集到的最后一组车辆数据中的蓄电池电压值作为第二目标电压值;
若否,则获取所述第二预设时间点之后第四预设时长内最近一组车辆数据中的蓄电池电压值,作为第二目标电压值。
其中,所述方法,包括:
根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点;
判断所述第三预设时间点之后的第四预设时长内是否持续休眠;
若是,则获取所述第四预设时长后最近一组车辆数据中的蓄电池电压值作为第三目标电压值;
根据所述第三目标电压值对应的车辆数据确定第四预设时间点;
判断所述第四预设时间点之后的所述第四预设时长内是否持续休眠;
若是,则获取所述第四预设时间点之后的第四预设时长后最近一组车辆数据中的蓄电池电压值作为第四目标电压值;
若所述第三预设时间点之后的第四预设时长内激活或所述第四预设时间点之后的所述第四预设时长内激活,则返回所述根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点的步骤进行重新取值。
其中,所述方法,包括:
根据电源模式为休眠和激活的车辆数据,确定休眠大于第五预设时长且小于第六预设时长时激活的时刻为第五预设时间点,获取所述第五预设时间点之后最近一组车辆数据中的蓄电池电压值作为第五目标电压值;
根据发动机状态为熄火且电源模式为激活的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各所述第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值,或者,
根据发动机状态为熄火且电源模式为休眠的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各所述第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值。
第二方面,本发明还提供了一种车辆数据预处理***,所述车辆数据预处理***包括采集模块、过滤模块和取值模块;
所述采集模块,用于按预设周期获取多组车辆数据,每组所述车辆数据包括蓄电池电压值和对应的车辆状态;
所述过滤模块,用于根据所述车辆数据的特征对所述多组车辆数据进行过滤;
所述取值模块,用于根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值。
综上所述,本发明提供了一种车辆数据预处理方法及***,车辆数据预处理方法包括车辆按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态。根据车辆数据的特征对所述多组车辆数据进行过滤,根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值,获得所述预设时间点对应的蓄电池电压值。通过上述方式,实现了对车联网上传的车辆动态数据进行清洗,能根据数据特征及时识别和纠正错误数据,提高了数据反映车辆蓄电池健康状态的准确性和可靠性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为根据第一实施例示出的车辆数据预处理方法的流程示意图;
图2为根据第一实施例示出的车辆数据结构图;
图3为根据第一实施例示出的车辆数据过滤数据流程图;
图4为根据第一实施例示出的第一电压值取值流程图;
图5为根据第一实施例示出的第二电压值取值流程图;
图6为根据第一实施例示出的第三电压值取值流程图;
图7为根据第一实施例示出的第四电压值取值流程图;
图8为根据第一实施例示出的第五电压值取值流程图;
图9为根据第一实施例示出的第六电压值取值流程图;
图10为根据第二实施例示出的车辆数据取值的具体流程图;
图11为根据第三实施例示出的车辆数据预处理***的结构图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对本发明详细说明如下。
图1为根据第一实施例示出的车辆数据预处理方法的流程示意图。如图1所示,本发明实施例提供了一种车辆数据预处理方法,包括:
步骤201:按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态;
步骤202:根据车辆数据的特征对多组车辆数据进行过滤;
步骤203:根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值。
本发明主要涉及到获取用于蓄电池健康诊断的不同时间点的蓄电池电压。步骤201中,按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态。车辆数据的获取周期一般为1s至60s之间,以预设周期60s为例,每隔60s车辆采集一组车辆数据。车辆状态包括发动机状态和电源模式,发动机状态包括熄火、启动和缺失,电源模式包括激活、休眠和缺失。车联网周期性上传的数据众多,在本发明中只对涉及车辆蓄电池健康有关的三个数据进行预处理,这三个数据位于一个数据包中。如图2所示,将获取的每组车辆数据用三个连续表格标识。其中1号表格表示发动机状态,2号表格表示蓄电池电压值,3号表格表示电源模式(powermode)。不同表格的不同图案代表不同的数据特征,1号表格有三种,其中白色的1号表格表示发动机为点火启动状态,黑色的1号表格表示发动机为熄火状态,条纹的1号表格表示本组车辆数据中发动机数据缺失;2号表格有两种,其中白色的2号表格表示蓄电池电压值数据有效,条纹的2号表格表示本组数据中发动机数据缺失;3号表格有三种,其中白色的3号表格表示电池模式数据有效,车辆处于休眠状态,黑色的3号表格表示电池模式数据有效,车辆处于激活状态,条纹的3号表格表示本组车辆数据中电池模式数据缺失。
图3为根据第一实施例示出的车辆数据过滤数据流程图。如图3所示,步骤202中,根据车辆数据的特征对多组车辆数据进行过滤。对于T-box采集的车辆原始数据,首先判断每组车辆数据中是否存在发动机状态缺失或蓄电池电压值缺失,若是,删除该组车辆数据。图中第一行的原始数据中,第三组车辆数据的电压数据缺失,第五组车辆数据的发动机状态数据缺失,因此需要过滤掉第三组和第五组数据。接着,判断在连续三组车辆数据中,是否存在中间组的发动机状态与前后组的发动机状态不同,即车辆数据发生了非连续突变。若是,则继续对突变的数据进行判断,若突变数据中电压值>13V,且发动机状态为熄火状态,则过滤该数据,否则保持原数据状态。图中第二行数据中,第三至五组车辆数据存在非连续突变,但第四组的发动机状态为启动,所以不需要删除。然后,对过滤后的数据继续判断,在预设时间点满足取值规则的车辆数据中,若相邻两组车辆数据的间隔时间大于预设时长,则放弃取值,否则继续取值。预设时长应根据采集数据的周期设置,预设周期为60s时,可设置预设时长为3分钟。即当采集的连续两组车辆数据之间,缺失的数据超过两组,认为本次采集的数据有异常,应当放弃取值。
步骤203中,根据预设时间点的取值规则在过滤后的车辆数据中取值,以获得预设时间点对应的蓄电池电压值。取值规则为根据过滤后的车辆数据的发动机状态和/或电源模式确定预设时间点,然后根据预设时间点对应的取值规则在过滤后的车辆数据中提取目标电压值。
图4至图9为对各时间点的车辆数据进行具体取值的流程图。如图4至图9所示,V1的取值,根据发动机状态及电池模式在6个不同的时间点对车辆数据进行取值。根据发动机状态为点火的车辆数据确定点火后采集到第一组车辆数据的时刻为第一预设时间点,获取第一预设时间点之前的第一预设时长内最近一组车辆数据中的蓄电池电压值,作为第一目标电压值V1。发动机点火状态确定后的第一组数据,倒推3min,取该3min内,距第一组点火数据最近的数据组中蓄电池电压值作为V1。
V2的取值,根据发动机状态为从点火超过第二预设时长并切换为熄火后采集的车辆数据,确定熄火后第三预设时长的时刻为第二预设时间点。判断第三预设时长内电源模式是否为休眠;若是,则获取电源模式为休眠之前采集到的最后一组车辆数据中的蓄电池电压值作为第二目标电压值V2;若否,则获取第二预设时间点之后第四预设时长内最近一组车辆数据中的蓄电池电压值,作为第二目标电压值V2。发动机点火状态确定后,延时10min后+3min时间段内,距延时10min时刻最近的一组数据中蓄电池电压值作为V2;或者整车休眠时上传的蓄电池电压数据作为V2。
V3和V4的取值,根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点,判断第三预设时间点之后的第四预设时长内是否持续休眠;若是,则获取第四预设时长后最近一组车辆数据中的蓄电池电压值作为第三目标电压值V3。根据第三目标电压值对应的车辆数据确定第四预设时间点,判断第四预设时间点之后的第四预设时长内是否持续休眠;若是,则获取第四预设时间点之后的第四预设时长后最近一组车辆数据中的蓄电池电压值作为第四目标电压值V4。需要说明的是,若第三预设时间点之后的第四预设时长内激活或第四预设时间点之后的第四预设时长内激活,则返回根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点的步骤进行重新取值。具体地,从整车进入休眠开始,持续休眠24小时后的电压值,中间不得存在唤醒状态,若中间有唤醒状态,将从该唤醒状态开始重新及时24小时后,取V3。从V3取值后,开始计时,持续休眠24小时后的电压值,中间不得存在唤醒状态,若中间有唤醒状态,将抛弃该周期已获取的V3,和该次V4的取值,重新开始对V3进行取值。
V5和V6的取值,根据电源模式为休眠和激活的车辆数据,确定休眠大于第五预设时长且小于第六预设时长时激活的时刻为第五预设时间点,获取第五预设时间点之后最近一组车辆数据中的蓄电池电压值作为第五目标电压值V5;根据发动机状态为熄火且电源模式为激活的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值V6,或者,根据发动机状态为熄火且电源模式为休眠的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值V6。具体地,V5的取值,从整车进入休眠后,开始计时,车辆持续休眠时间大于6小时,小于24小时,车辆唤醒后上报的第一个数据的电压值。V6的取值分为持续唤醒状态下的取值和间歇性唤醒状态下的取值。持续唤醒状态下,发动机熄火后,开始计时,在大于等于30min,小于等于6h时间段内,车辆唤醒状态,且发动机为熄火状态下,上报的最小电压值作为V6。间歇性唤醒状态下,车辆熄火且进入休眠状态后,开始计时,在大于等于30min和小于等于6h的时间段内,上报最小电压值作为V6。
本发明实施例的车辆数据预处理方法,车辆按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态。根据车辆数据的特征对多组车辆数据进行过滤,根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值。通过上述方式,实现了对车联网上传的车辆动态数据进行清洗,能根据数据特征及时识别和纠正错误数据,提高了数据反映车辆蓄电池健康状态的准确性和可靠性。
第二实施例
本实施例中,首先对车辆采集的数据进行过滤。数据过滤过程中,若发动机状态数据丢失,或者蓄电池电压数据丢失,均过滤(清除)该组数据。接着,对发动机状态发生非连续性突变(连续三组数据中,中间一组数据和前后数据的发动机状态不同,认为中间数据的发动机状态发生非连续突变),则对突变的数据进行判断,判断规定遵循:若突变数据中电压值>13V,且发动机状态为熄火状态,则过滤(清除)该数据,否则保持原数据状态。然后,在数据取值过程中,对于按照以上规则过滤后的数据,取值所涉及到的任何相邻两组数据间隔时间满足≤3min,否则放弃该次V1的取值。
图10为根据第二实施例示出的车辆数据取值的具体流程图。如图10所示,本实施例中,整车唤醒后,车辆点火前开始上传第一组蓄电池电压值作为V1。然后等待车辆点火,发动机持续运行时间大于30min后,若车辆熄火,则等待10min后上传一组蓄电池电压值作为V2。若车辆在熄火后10min内进入休眠状态,则取车辆休眠前的最后一组蓄电池电压值作为V2进行上传。当车辆休眠时间大于30min小于6h时被唤醒,且发动机保持熄火状态,则上传此短时间内最小的蓄电池电压值作为V6。当车辆再次进入休眠状态后,休眠时间大于6h小于24h,等待车辆唤醒后上传第一次取得的蓄电池电压值作为V5。当车辆连续休眠时间24h后T-box上传的蓄电池电压值作为V3,接着车辆继续休眠时间24h后上传的蓄电池电压值作为V4。
本实施例有效地解决了车联网大数据中,由于上传过程中动态数据位跳变,部分数据丢失,数据位错误导致的车辆蓄电池健康诊断错误的问题,为此提供了一种数据处理方法,对车辆蓄电池健康诊断有关的车联网大数据进行了数据的清洗、补缺、错误识别和错误纠正,确保了车辆蓄电池健康诊断数据源的正确性。
第三实施例
图11为根据第三实施例示出的一种车辆数据预处理***的结构图。如图11所示,车辆数据预处理***10包括包括采集模块102、过滤模块104和取值模块106;
采集模块102,用于按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态;
过滤模块104,用于根据车辆数据的特征对多组车辆数据进行过滤;
取值模块106,用于根据预设时间点的取值规则在过滤后的车辆数据中取值,获得预设时间点对应的蓄电池电压值。
在一实施方式中,车辆状态包括发动机状态和电源模式,发动机状态包括熄火、启动和缺失,电源模式包括激活、休眠和缺失。
在一实施方式中,根据车辆数据的特征对多组车辆数据进行过滤,包括:
车辆数据的发动机状态和/或蓄电池电压值缺失时,删除该组车辆数据;
和/或,连续三组车辆数据中,中间组的发动机状态为熄火,前后组的发动机状态为点火,且中间组的蓄电池电压值大于预设电压值时,删除中间组车辆数据。
在一实施方式中,根据预设时间点的取值规则在过滤后的车辆数据中取值,包括:
判断在预设时间点满足取值规则的车辆数据中,相邻两组车辆数据的间隔时间是否大于预设时长;
若是,则放弃取值;
若否,则继续取值。
在一实施方式中,根据预设时间点的取值规则在过滤后的车辆数据中取值,还包括:
根据过滤后的车辆数据的发动机状态和/或电源模式确定预设时间点;
根据预设时间点对应的取值规则在过滤后的车辆数据中提取目标电压值。
在一实施方式中,取值模块106还用于:
根据发动机状态为点火的车辆数据确定点火后采集到第一组车辆数据的时刻为第一预设时间点;
获取第一预设时间点之前的第一预设时长内最近一组车辆数据中的蓄电池电压值,作为第一目标电压值。
在一实施方式中,取值模块106还用于:
根据发动机状态为从点火超过第二预设时长并切换为熄火后采集的车辆数据,确定熄火后第三预设时长的时刻为第二预设时间点;
判断第三预设时长内电源模式是否为休眠;
若是,则获取电源模式为休眠之前采集到的最后一组车辆数据中的蓄电池电压值作为第二目标电压值;
若否,则获取第二预设时间点之后第四预设时长内最近一组车辆数据中的蓄电池电压值,作为第二目标电压值。
在一实施方式中,取值模块106还用于:
根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点;
判断第三预设时间点之后的第四预设时长内是否持续休眠;
若是,则获取第四预设时长后最近一组车辆数据中的蓄电池电压值作为第三目标电压值;
根据第三目标电压值对应的车辆数据确定第四预设时间点;
判断第四预设时间点之后的第四预设时长内是否持续休眠;
若是,则获取第四预设时间点之后的第四预设时长后最近一组车辆数据中的蓄电池电压值作为第四目标电压值;
若第三预设时间点之后的第四预设时长内激活或第四预设时间点之后的第四预设时长内激活,则返回根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点的步骤进行重新取值。
在一实施方式中,取值模块106还用于:
根据电源模式为休眠和激活的车辆数据,确定休眠大于第五预设时长且小于第六预设时长时激活的时刻为第五预设时间点,获取第五预设时间点之后最近一组车辆数据中的蓄电池电压值作为第五目标电压值;
根据发动机状态为熄火且电源模式为激活的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值,或者,
根据发动机状态为熄火且电源模式为休眠的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值。
本实施例执行上述步骤的具体过程,详见上述实施例的相关描述,在此不再赘述。
本发明实施例提供的车辆数据预处理***,车辆数据预处理***包括采集模块、过滤模块和取值模块;采集模块,用于按预设周期获取多组车辆数据,每组车辆数据包括蓄电池电压值和对应的车辆状态;过滤模块,用于根据车辆数据的特征对多组车辆数据进行过滤;取值模块,用于根据预设时间点的取值规则在过滤后的车辆数据中取值,获得预设时间点对应的蓄电池电压值。通过本实施例的车辆数据预处理***,能实现对车联网上传的车辆动态数据进行清洗,能根据数据特征及时识别和纠正错误数据,提高了数据反映车辆蓄电池健康状态的准确性和可靠性。
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,都应当认为是本说明书记载的范围。
在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,除了包含所列的那些要素,而且还可包含没有明确列出的其他要素。
以上所述,仅为本发明的具体实施方式,但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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (8)
1.一种车辆数据预处理方法,其特征在于,包括:
按预设周期获取多组车辆数据,每组所述车辆数据包括蓄电池电压值和对应的车辆状态,所述车辆状态包括发动机状态和电源模式,所述发动机状态包括熄火、启动和缺失,所述电源模式包括激活、休眠和缺失;
根据所述车辆数据的特征对所述多组车辆数据进行过滤;
根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值,包括:
根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点;
判断所述第三预设时间点之后的第四预设时长内是否持续休眠;
若是,则获取所述第四预设时长后最近一组车辆数据中的蓄电池电压值作为第三目标电压值;
根据所述第三目标电压值对应的车辆数据确定第四预设时间点;
判断所述第四预设时间点之后的所述第四预设时长内是否持续休眠;
若是,则获取所述第四预设时间点之后的第四预设时长后最近一组车辆数据中的蓄电池电压值作为第四目标电压值;
若所述第三预设时间点之后的第四预设时长内激活或所述第四预设时间点之后的所述第四预设时长内激活,则返回所述根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点的步骤进行重新取值。
2.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述根据所述车辆数据的特征对所述多组车辆数据进行过滤,包括:
所述车辆数据的发动机状态和/或蓄电池电压值缺失时,删除该组车辆数据;
和/或,连续三组车辆数据中,中间组的发动机状态为熄火,前后组的发动机状态为点火,且中间组的蓄电池电压值大于预设电压值时,删除中间组车辆数据。
3.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值,包括:
判断在所述预设时间点满足所述取值规则的车辆数据中,相邻两组车辆数据的间隔时间是否大于预设时长;
若是,则放弃取值;
若否,则继续取值。
4.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值,包括:
根据过滤后的车辆数据的发动机状态和/或电源模式确定预设时间点;
根据所述预设时间点对应的取值规则在过滤后的车辆数据中提取目标电压值。
5.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述方法,包括:
根据发动机状态为点火的车辆数据确定点火后采集到第一组车辆数据的时刻为第一预设时间点;
获取所述第一预设时间点之前的第一预设时长内最近一组车辆数据中的蓄电池电压值,作为第一目标电压值。
6.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述方法,包括:
根据发动机状态为从点火超过第二预设时长并切换为熄火后采集的车辆数据,确定熄火后第三预设时长的时刻为第二预设时间点;
判断所述第三预设时长内电源模式是否为休眠;
若是,则获取电源模式为休眠之前采集到的最后一组车辆数据中的蓄电池电压值作为第二目标电压值;
若否,则获取所述第二预设时间点之后第四预设时长内最近一组车辆数据中的蓄电池电压值,作为第二目标电压值。
7.根据权利要求1所述的车辆数据预处理方法,其特征在于,所述方法,包括:
根据电源模式为休眠和激活的车辆数据,确定休眠大于第五预设时长且小于第六预设时长时激活的时刻为第五预设时间点,获取所述第五预设时间点之后最近一组车辆数据中的蓄电池电压值作为第五目标电压值;
根据发动机状态为熄火且电源模式为激活的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各所述第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值,或者,
根据发动机状态为熄火且电源模式为休眠的车辆数据,确定熄火大于第七预设时长且小于第八预设时长的时间段内的各取值时刻作为第六预设时间点,获取各所述第六预设时间点对应的蓄电池电压值中的最小值作为第六目标电压值。
8.一种车辆数据预处理***,其特征在于,包括:采集模块、过滤模块和取值模块;
所述采集模块,用于按预设周期获取多组车辆数据,每组所述车辆数据包括蓄电池电压值和对应的车辆状态,所述车辆状态包括发动机状态和电源模式,所述发动机状态包括熄火、启动和缺失,所述电源模式包括激活、休眠和缺失;
所述过滤模块,用于根据所述车辆数据的特征对所述多组车辆数据进行过滤;
所述取值模块,用于根据预设时间点的取值规则在过滤后的车辆数据中提取目标电压值,包括:
根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点;
判断所述第三预设时间点之后的第四预设时长内是否持续休眠;
若是,则获取所述第四预设时长后最近一组车辆数据中的蓄电池电压值作为第三目标电压值;
根据所述第三目标电压值对应的车辆数据确定第四预设时间点;
判断所述第四预设时间点之后的所述第四预设时长内是否持续休眠;
若是,则获取所述第四预设时间点之后的第四预设时长后最近一组车辆数据中的蓄电池电压值作为第四目标电压值;
若所述第三预设时间点之后的第四预设时长内激活或所述第四预设时间点之后的所述第四预设时长内激活,则返回所述根据电源模式为休眠时采集的车辆数据确定开始休眠的时刻为第三预设时间点的步骤进行重新取值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833094.6A CN112100222B (zh) | 2020-08-18 | 2020-08-18 | 车辆数据预处理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010833094.6A CN112100222B (zh) | 2020-08-18 | 2020-08-18 | 车辆数据预处理方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112100222A CN112100222A (zh) | 2020-12-18 |
CN112100222B true CN112100222B (zh) | 2024-06-04 |
Family
ID=73753971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010833094.6A Active CN112100222B (zh) | 2020-08-18 | 2020-08-18 | 车辆数据预处理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112100222B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009190493A (ja) * | 2008-02-13 | 2009-08-27 | Panasonic Corp | 車両用蓄電池状態判別装置 |
CN109581122A (zh) * | 2018-12-24 | 2019-04-05 | 北京新能源汽车股份有限公司 | 一种车辆异常唤醒的检测方法、装置及*** |
CN109910677A (zh) * | 2019-03-01 | 2019-06-21 | 国机智骏科技有限公司 | 蓄电池补电方法、云服务器、整车控制器及车辆 |
JP2019142464A (ja) * | 2018-02-23 | 2019-08-29 | 日立オートモティブシステムズ株式会社 | 車両用制御装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7349794B2 (en) * | 2003-09-03 | 2008-03-25 | Malone Specialty, Inc. | Engine protection system |
US20110082621A1 (en) * | 2009-10-02 | 2011-04-07 | Eric Berkobin | Method and system for predicting battery life based on vehicle battery, usage, and environmental data |
ITUA20164800A1 (it) * | 2016-06-30 | 2017-12-30 | Octo Telematics Spa | Procedimento per la stima della durata di un viaggio di un veicolo basato sulla determinazione dello stato del veicolo. |
-
2020
- 2020-08-18 CN CN202010833094.6A patent/CN112100222B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009190493A (ja) * | 2008-02-13 | 2009-08-27 | Panasonic Corp | 車両用蓄電池状態判別装置 |
JP2019142464A (ja) * | 2018-02-23 | 2019-08-29 | 日立オートモティブシステムズ株式会社 | 車両用制御装置 |
CN109581122A (zh) * | 2018-12-24 | 2019-04-05 | 北京新能源汽车股份有限公司 | 一种车辆异常唤醒的检测方法、装置及*** |
CN109910677A (zh) * | 2019-03-01 | 2019-06-21 | 国机智骏科技有限公司 | 蓄电池补电方法、云服务器、整车控制器及车辆 |
Non-Patent Citations (1)
Title |
---|
基于车载数据流的汽车故障诊断方法;朱健清;孙晓清;陈传灿;;汽车工业研究(08);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112100222A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240137737A1 (en) | System and method for managing a fleet of vehicles including electric vehicles | |
CN112380045B (zh) | 车辆异常检测方法、装置、设备及存储介质 | |
CN104594986B (zh) | 一种发动机催化器劣化诊断方法 | |
DE102008003074B4 (de) | Verfahren zum Überwachen der Öllebensdauer eines Dieselmotorsystems | |
CN111929600B (zh) | 蓄电池诊断监测方法、监测***、车辆及车联网云平台 | |
CN113586239B (zh) | 发动机故障诊断方法、装置、控制器和存储介质 | |
DE102020121626A1 (de) | Steuerungsvorrichtung für ein fahrzeug , lernsystem für ein fahrzeug und steuerungsverfahren für ein fahrzeug | |
CN104597811A (zh) | 一种汽车行程的处理方法及处理装置 | |
JP6655361B2 (ja) | 車両制御装置 | |
CN107150644B (zh) | 一种汽车启停状态的监测方法及装置 | |
CN112100222B (zh) | 车辆数据预处理方法及*** | |
US20200173412A1 (en) | System and method for automated vehicle performance analytics | |
EP3312397A1 (en) | Oil life detection device and oil life detection method | |
CN111890927A (zh) | 一种重型车辆驾驶性能限制方法 | |
CN110107387A (zh) | 基于机油品质传感器的dpf***obd故障诊断方法 | |
DE102019119784B4 (de) | Verfahren und System zum Erkennen einer Manipulation eines Fahrzeugs | |
CN110259552B (zh) | 车辆尾气处理结果的检测方法及装置 | |
CN111198775B (zh) | 修正eeprom存储状态异常的方法、***和机动车 | |
CN111042901A (zh) | 一种氮氧化合物转化效率诊断次数的调整方法及装置 | |
US10996277B2 (en) | System and methods for accommodating loss of battery charge history | |
CN110702849A (zh) | 一种车载氮氧传感器检测值的自学习修正方法 | |
CN110375766B (zh) | 车辆电驱动里程计算方法与车辆电驱动里程比例评价方法 | |
FR3056000A1 (fr) | Procede de controle des emissions polluantes d'un vehicule automobile, avec restitution sur un appareil mobile | |
CN116771467A (zh) | 一种尿素喷射量修正方法、装置、车辆及存储介质 | |
CN115853624A (zh) | 氮氧化物排放超标的原因检测方法、装置及可读存储介质 |
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 |