CN113642893A - 一种新能源汽车运行风险的评估方法 - Google Patents
一种新能源汽车运行风险的评估方法 Download PDFInfo
- Publication number
- CN113642893A CN113642893A CN202110937888.1A CN202110937888A CN113642893A CN 113642893 A CN113642893 A CN 113642893A CN 202110937888 A CN202110937888 A CN 202110937888A CN 113642893 A CN113642893 A CN 113642893A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- passing
- new energy
- energy automobile
- track
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明涉及新能源汽车运行技术领域,具体公开了一种新能源汽车运行风险的评估方法,其中,包括:获取卡口监控设备记录的车辆通行轨迹信息得到新能源汽车的历史通行轨迹记录集合;将新能源汽车的历史通行轨迹记录集合划分为多个车辆单次出行子集,生成出行特征参数集合;生成车辆通行特征标签集合;将车辆通行特征标签集合与隐患故障报警信息进行关联,获得关联规则集合;根据所述关联规则集合筛选隐患故障发生概率大于预设阈值的车辆通行特征标签组合,获得新能源汽车的运行风险集合。本发明提供的新能源汽车运行风险的评估方法在新能源汽车的车载终端收集数据不可信或无法回传情况下,仍可主动发现新能源汽车运行风险,避免车辆漏管失管。
Description
技术领域
本发明涉及新能源汽车运行技术领域,尤其涉及一种新能源汽车运行风险 的评估方法。
背景技术
根据《中国新能源汽车大数据研究报告》,纯电动乘用车主要故障为电池类、 汽车电子类、制动***、温度差异和电机故障五大类,其中电池和制动***报 警故障最集中,因此如何在故障警报发生前进行预警至关重要。
目前,常用的风险预警方法是采集里程、电压、温度等车辆实时数据,建 立车辆运行状态监控与预警模型。由于模型采用的是车载终端收集的各个传感 器以及电池管理***产生的数据,数据准确性受车辆自身影响较大且在数据回 传受阻情况下存在失管漏管风险,此外,模型预测风险往往会出现在较短时间 内,无法及时干预。
发明内容
本发明提供了一种新能源汽车运行风险的评估方法,解决相关技术中存在 的新能源汽车的车载终端收集的数据回传受阻时存在失管漏管风险的问题。
作为本发明的一个方面,提供一种新能源汽车运行风险的评估方法,其中, 包括:
获取卡口监控设备记录的车辆通行轨迹信息,并将所述车辆通行轨迹信息 与新能源汽车基本信息库进行号牌号码比对,得到新能源汽车的历史通行轨迹 记录集合,其中所述卡口监控设备包括布设在城市道路沿线的公路车辆智能监 测记录设备;
将所述新能源汽车的历史通行轨迹记录集合划分为多个车辆单次出行子集, 提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合;
从所述出行特征参数集合中抽取预设时间范围内任一车辆的全部出行特征 参数,并生成车辆通行特征标签集合;
根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障报警信 息进行关联,获得车辆通行特征标签集合与新能源汽车隐患故障之间的关联规 则集合;
根据所述关联规则集合筛选隐患故障发生概率大于预设阈值的车辆通行特 征标签组合,获得新能源汽车的运行风险集合。
进一步地,所述车辆通行轨迹信息包括:过车序号、号牌号码、过车时间、 卡口监控设备经度和卡口监控设备纬度。
进一步地,所述将所述新能源汽车的历史通行轨迹记录集合划分为多个车 辆单次出行子集,提取每个车辆单次出行子集中的出行特征参数,生成出行特 征参数集合,包括:
从所述新能源汽车的历史通行轨迹集合中抽取任一车辆的全部通行轨迹记 录,并按照过车时间顺序进行排列;
根据所述任一车辆的全部通行轨迹记录按照出行划分条件进行划分得到多 个车辆单次出行子集;
提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合。
进一步地,所述根据所述任一车辆的全部通行轨迹记录按照出行划分条件 进行划分得到多个车辆单次出行子集,包括:
判断所抽取的任一车辆的全部通行轨迹记录的通行轨迹数是否满足第一预 设轨迹条数要求;
若满足,则从第2条通行轨迹记录开始依次统计当前通行轨迹与上一条通 行轨迹之间的通行参数,生成通行参数集合;
根据所述通行参数集合设置出行划分条件;
将第一条通行轨迹记录存入新的车辆单次出行子集,从第二条通行轨迹记 录开始依次开始判断当前通行轨迹与上一条通行轨迹之间的通行参数是否满足 所述出行划分条件;
若满足,则将当前通行轨迹记录计入新的车辆单次出行子集;
重复执行上述步骤,直至生成所有车辆单次出行子集。
进一步地,所述通行参数包括:直线距离、时间间隔和休息时间。
进一步地,所述提取每个车辆单次出行子集中的出行特征参数,生成出行 特征参数集合,包括:
提取任一车辆单次出行子集中全部通行轨迹记录,并按照过车时间顺序排 列;
判断车辆单次出行子集中通行轨迹数是否满足第二预设轨迹条数要求;
若满足,则通过关联过车序号,提取除第1条通行轨迹外的其他通行轨迹 记录所对应的通行参数,并生成出行特征参数集合。
进一步地,所述根据号牌号码将所述车辆通行特征标签集合与新能源汽车 隐患故障报警信息进行关联,获得车辆通信特征标签集合与新能源汽车隐患故 障之间的关联规则集合,包括:
根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障报警信 息进行关联,生成车辆通行特征标签集合与新能源汽车隐患故障匹配对;
通过关联规则挖掘算法得到通行特征标签集合与新能源汽车隐患故障之间 的关联规则集合。
进一步地,所述根据所述关联规则集合筛选隐患故障发生概率大于预设阈 值的车辆通行特征标签组合,获得新能源汽车的运行风险集,包括:
在所述关联规则集合中,筛选出隐患故障发生概率大于预设阈值的车辆通 行特征标签组合;
将所述车辆通行特征标签组合与所述车辆通行特征标签集合进行标签比对, 生成新能源汽车的运行风险集合。
进一步地,所述车辆通行特征标签集合包括号牌号码和车辆通行特征标签 组合。
进一步地,所述新能源汽车的运行风险集合包括:号牌号码、车辆通行特 征标签组合、隐患故障名称和隐患故障发生概率。
本发明提供的新能源汽车运行风险的评估方法,通过卡口监控设备记录车 辆通行轨迹信息,并根据车辆通行轨迹信息进行分析处理后,得到新能源汽车 的运行风险集合。这种新能源汽车运行风险的评估方法,在新能源汽车的车载 终端收集数据不可信或无法回传情况下,仍可主动发现新能源汽车运行风险, 避免车辆漏管失管;另外,该方法评估后的新能源汽车运行风险有效时间长, 交通管理部门有充足时间进行风险干预。
附图说明
附图是用来提供对本发明的进一步理解,并且构成说明书的一部分,与下 面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图 中:
图1为本发明提供的新能源汽车运行风险的评估方法的流程图。
图2为本发明提供的新能源汽车运行风险的评估方法的具体实施方式流程 图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征 可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,下面将结合本发明实施例 中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描 述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明 中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有 其他实施例,都应当属于本发明保护的范围。
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。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 排他的包括,例如,包含了一系列步骤或单元的过程、方法、***、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。
在本实施例中提供了一种新能源汽车运行风险的评估方法,图1是根据本 发明实施例提供的新能源汽车运行风险的评估方法的流程图,如图1所示,包 括:
S110、获取卡口监控设备记录的车辆通行轨迹信息,并将所述车辆通行轨 迹信息与新能源汽车基本信息库进行号牌号码比对,得到新能源汽车的历史通 行轨迹记录集合,其中所述卡口监控设备包括布设在城市道路沿线的公路车辆 智能监测记录设备;
应当理解的是,所述车辆通行轨迹信息包括:过车序号、号牌号码、过车 时间、卡口监控设备经度和卡口监控设备纬度。
需要说明的是,所述过车序号是唯一的,能够唯一标识经过卡口监控设备 的车辆信息。
通过公路、城市道路沿线布设的卡口监控设备,记录经过每一辆车的过车 序号、号牌号码、过车时间、卡口经度、卡口纬度等通行信息,将卡口记录的 车辆通行信息和新能源汽车基本信息库进行号牌号码比对,生成新能源汽车历 史通行轨迹记录集合。
S120、将所述新能源汽车的历史通行轨迹记录集合划分为多个车辆单次出 行子集,提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集 合;
在本发明实施例中,从所述新能源汽车的历史通行轨迹集合中抽取任一车 辆的全部通行轨迹记录,并按照过车时间顺序进行排列;
根据所述任一车辆的全部通行轨迹记录按照出行划分条件进行划分得到多 个车辆单次出行子集;
提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合。
需要说明的是,所述车辆单次出行子集,具体包括某一车辆某次出行中起 点轨迹、途径轨迹和终点轨迹。
优选地,所述出行特征参数,用于描述车辆单次出行特征的文本信息或数 值信息,可以包括号牌号码、出行编号、出行开始时间、出行结束时间、出行 总时长、出行总距离、最大连续行驶时间等。
在本发明实施例中,所述根据所述任一车辆的全部通行轨迹记录按照出行 划分条件进行划分得到多个车辆单次出行子集,包括:
(1)判断所抽取的任一车辆的全部通行轨迹记录的通行轨迹数是否满足第 一预设轨迹条数要求;
(2)若满足,则从第2条通行轨迹记录开始依次统计当前通行轨迹与上一 条通行轨迹之间的通行参数,生成通行参数集合;
在本发明实施例中,从第2条通行轨迹记录开始依次统计当前通行轨迹与 上一条通行轨迹之间的直线距离、时间间隔、休息时间等通行参数,生成包含 当前通行轨迹过车序号、直线距离、时间间隔、休息时间等通行参数的通行参 数集合。
具体地,所述直线距离Di的计算公式为:
Ci=sin(MLati)*sin(MLati-1)*cos(MLoni-MLoni-1)+cos(MLati)*cos(MLati-1),2≤i≤n Di=R*Arccos(Ci)*Pi/180,2≤i≤n,
其中,R为地球平均半径,取6371.004千米;(MLoni,MLati)和(MLoni-1,MLati-1) 分别为当前通行轨迹与上一条通行轨迹的卡口经纬度;n为抽取通行轨迹数;Di单位为千米。
具体地,所述时间间隔Ti的计算公式为:
Ti=ti-ti-1,2≤i≤n,
其中,ti为当前通行轨迹的过车时间;ti-1为上一条通行轨迹的过车时间;n 为抽取通行轨迹数;Ti单位为分钟。
具体地,所述的休息时间Xi的计算公式为:
Xi=Ti-(Di/VR)*60,2≤i≤n,
其中,VR为设置的实际车速值,如VR=60km/h;n为抽取通行轨迹数;Xi单 位为分钟。
(3)根据所述通行参数集合设置出行划分条件;
例如可以设置时间间隔T>=480分钟。
(4)将第一条通行轨迹记录存入新的车辆单次出行子集,从第二条通行轨 迹记录开始依次开始判断当前通行轨迹与上一条通行轨迹之间的通行参数是否 满足所述出行划分条件;
(5)若满足,则将当前通行轨迹记录计入新的车辆单次出行子集;
需要说明的是,若不满足,则将当前通行轨迹记录存入当前的车辆单次出 行子集中。
(6)重复执行上述步骤,直至生成所有车辆单次出行子集。
需要说明的是,所述第一预设轨迹条数Ngjs可以根据需求进行设定,如 Ngjs=10,若通行轨迹数小于第一预设轨迹条数,则返回执行从所述新能源汽车 的历史通行轨迹集合中抽取任一车辆的全部通行轨迹记录,并按照过车时间顺 序进行排列的步骤。
具体地,所述提取每个车辆单次出行子集中的出行特征参数,生成出行特 征参数集合,包括:
a1、提取任一车辆单次出行子集中全部通行轨迹记录,并按照过车时间顺 序排列;
a2、判断车辆单次出行子集中通行轨迹数是否满足第二预设轨迹条数要求;
a3、若满足,则通过关联过车序号,提取除第1条通行轨迹外的其他通行 轨迹记录所对应的通行参数,并生成出行特征参数集合。
具体地,通过关联过车序号,从通行参数集合中提取除第1条通行轨迹外 其他记录对应的通行参数,生成包含号牌号码、出行编号、出行开始时间、出 行结束时间、出行总时长、出行总距离、最大连续行驶时间等信息的出行特征 参数集合。
在本发明实施例中,所述出行总时长TS的计算公式为:
其中,n为车辆单次出行子集中通行轨迹数;Ti为除第一条通行轨迹外其他 记录对应的时间间隔;TS单位为分钟。
具体地,所述出行总距离DS的计算公式为:
其中,n为车辆单次出行子集中通行轨迹数;Di为除第一条通行轨迹外其他 记录对应的直线距离;DS单位为千米。
具体地,所述最大连续行驶时间Ls,计算步骤如下:
b1、考虑到休息时间计算误差,设置休息时间阈值为S,如S=20;
b2、依次判断第i条轨迹(2≤i≤n)对应的Xi与S的大小关系,若Xi≥S, 则第i条轨迹的连续行驶时间Li=0;若i=2且Xi<S,则Li=Xi;若i>2且Xi<S, 则Li=Li-1+Xi;
b3、重复执行步骤b2直至最后一条轨迹,LS=max(Li)。
循环执行步骤a1至a3,直至生成涵盖全部车辆全部出行的出行特征参数集 合。
S130、从所述出行特征参数集合中抽取预设时间范围内任一车辆的全部出 行特征参数,并生成车辆通行特征标签集合;
具体地,所述车辆通行特征标签,指用于刻画机动车指定时间范围内通行 轨迹特征的简要文本信息,包括对通行时长、通行距离等方面的描述,如经常 长距离行驶、经常长时间行驶、经常连续驾驶等,具体计算规则见下表,可根 据实际情况设置M值,如M=10。
表1车辆通行特征标签计算规则表
需要说明的是,所述车辆通行特征标签集合包括号牌号码和车辆通行特征 标签组合。
S140、根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障 报警信息进行关联,获得车辆通行特征标签集合与新能源汽车隐患故障之间的 关联规则集合;
具体地,根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故 障报警信息进行关联,生成车辆通行特征标签集合与新能源汽车隐患故障匹配 对;
通过关联规则挖掘算法得到通行特征标签集合与新能源汽车隐患故障之间 的关联规则集合。
应当理解的是,所述关联规则挖掘算法具体可以为FP-Growth算法。
需要说明的是,所述新能源汽车隐患故障报警信息,具体可以包括号牌号 码、隐患故障名称、预警时间等信息。
还需要说明的是,所述关联规则组合具体可以包括车辆通行特征标签组合、 隐患故障名称、隐患故障发生概率。
S150、根据所述关联规则集合筛选隐患故障发生概率大于预设阈值的车辆 通行特征标签组合,获得新能源汽车的运行风险集合。
具体地,在所述关联规则集合中,筛选出隐患故障发生概率大于预设阈值 的车辆通行特征标签组合;
将所述车辆通行特征标签组合与所述车辆通行特征标签集合进行标签比对, 生成新能源汽车的运行风险集合。
需要说的是,所述新能源汽车的运行风险集合包括:号牌号码、车辆通行 特征标签组合、隐患故障名称和隐患故障发生概率。
本发明实施例提供的新能源汽车运行风险的评估方法,通过卡口监控设备 记录车辆通行轨迹信息,并根据车辆通行轨迹信息进行分析处理后,得到新能 源汽车的运行风险集合。这种新能源汽车运行风险的评估方法,在新能源汽车 的车载终端收集数据不可信或无法回传情况下,仍可主动发现新能源汽车运行 风险,避免车辆漏管失管;另外,该方法评估后的新能源汽车运行风险有效时 间长,交通管理部门有充足时间进行风险干预。
下面结合图2对本发明实施例提供的新能源汽车运行风险的评估方法的具 体实现过程进行详细说明。
1、通过公路、城市道路沿线布设的卡口监控设备,记录经过每一辆车的过 车序号、号牌号码、过车时间、卡口经度、卡口纬度等通行信息,将卡口记录 的车辆通行信息和新能源汽车基本信息库进行号牌号码比对,生成新能源汽车 历史通行轨迹记录集合。
例如:新能源汽车苏BD38999在2020年12月2日至3日共被卡口监控设 备抓拍15次,生成的轨迹记录如下:
表2新能源汽车历史通行轨迹记录集合示例
序号 | 过车序号 | 号牌号码 | 过车时间 | 卡口经度 | 卡口纬度 |
1 | 320200107994808175 | 苏BD38999 | 2020-12-02 19:03:30 | 120.299791 | 31.558273 |
2 | 320200107994842172 | 苏BD38999 | 2020-12-02 19:06:55 | 120.307235 | 31.550565 |
3 | 320200107994873393 | 苏BD38999 | 2020-12-02 19:09:57 | 120.307235 | 31.550565 |
4 | 320200107995067179 | 苏BD38999 | 2020-12-02 19:29:47 | 120.319929 | 31.508681 |
5 | 320200107995080780 | 苏BD38999 | 2020-12-02 19:31:10 | 120.319929 | 31.508681 |
6 | 320200107995318625 | 苏BD38999 | 2020-12-02 19:55:48 | 120.308597 | 31.565273 |
7 | 320200107995372758 | 苏BD38999 | 2020-12-02 20:01:42 | 120.3013 | 31.569 |
8 | 320200107998534056 | 苏BD38999 | 2020-12-03 07:32:39 | 120.280947 | 31.622017 |
9 | 320200108000465314 | 苏BD38999 | 2020-12-03 09:23:15 | 120.2902 | 31.5602 |
10 | 320200108000491627 | 苏BD38999 | 2020-12-03 09:25:04 | 120.3079 | 31.5652 |
11 | 320200108000529097 | 苏BD38999 | 2020-12-03 09:27:41 | 120.2967 | 31.5615 |
12 | 320200108000578637 | 苏BD38999 | 2020-12-03 09:31:04 | 120.304193 | 31.574181 |
13 | 320200108000795593 | 苏BD38999 | 2020-12-03 09:46:21 | 120.331745 | 31.589878 |
14 | 320200108001268987 | 苏BD38999 | 2020-12-03 10:20:56 | 120.359569 | 31.54883 |
15 | 320200108001846550 | 苏BD38999 | 2020-12-03 11:05:26 | 120.32563 | 31.590103 |
2、在新能源汽车历史通行轨迹记录集合中,抽取任一车辆的全部通行轨迹 记录并按过车时间顺序排列,若通行轨迹数小于Ngjs条,重新抽取轨迹;若通行 轨迹数大于等于Ngjs条,从第2条通行轨迹记录开始依次统计当前通行轨迹与上 一条通行轨迹之间的直线距离、时间间隔、休息时间等通行参数并判断通行参 数是否满足出行划分条件,若满足则进行出行划分,最终将新能源汽车历史通 行轨迹记录集合划分为若干个车辆单次出行子集。
以苏BD38999在2020年12月2日至3日通行轨迹为例,设置Ngjs=10, VR=60km/h,计算轨迹对应通行参数,结果如表3所示。设置出行划分条件为时 间间隔T>=480分钟,可知表3中第1条至第7条轨迹为车辆的一次出行,第8 条至第15条轨迹为车辆的另一次出行。
表3通行参数集合示例
序号 | 过车序号 | 直线距离(千米) | 时间间隔(分钟) | 休息时间(分钟) |
1 | 320200107994808175 | - | - | - |
2 | 320200107994842172 | 1.1 | 3.4 | 0 |
3 | 320200107994873393 | 0.0 | 3.0 | 0 |
4 | 320200107995067179 | 4.8 | 19.8 | 0 |
5 | 320200107995080780 | 0.0 | 1.4 | 0 |
6 | 320200107995318625 | 6.4 | 24.6 | 18.2 |
7 | 320200107995372758 | 0.8 | 5.9 | 0 |
8 | 320200107998534056 | 6.2 | 690.9 | 684.7 |
9 | 320200108000465314 | 6.9 | 110.6 | 103.7 |
10 | 320200108000491627 | 1.8 | 1.8 | 0 |
11 | 320200108000529097 | 1.1 | 2.6 | 1.5 |
12 | 320200108000578637 | 1.6 | 3.4 | 1.8 |
13 | 320200108000795593 | 3.1 | 15.3 | 12.2 |
14 | 320200108001268987 | 5.3 | 34.6 | 29.3 |
15 | 320200108001846550 | 5.6 | 44.5 | 0 |
3、提取任一车辆单次出行子集中全部通行轨迹记录并按过车时间顺序排 列,若通行轨迹数小于2,重新抽取轨迹;若通行轨迹数大于等于2,关联过车 序号,从通行参数集合中提取除第1条通行轨迹外其他记录对应的通行参数, 依次计算单次出行的出行总时长、出行总距离、最大连续通行时长等出行特征 参数,重复直至生成涵盖全部出行的出行特征参数集合。
以苏BD38999在2020年12月2日至3日期间的两次出行为例,设置S=20, 计算出行特征参数,结果如表4所示。
表4出行特征参数集合示例
4、在出行特征参数集合中抽取指定时间范围内任一车辆的全部出行特征 参数,生成车辆通行特征标签集合。
例如:抽取苏BD38999在2020年12月至2021年3月期间的全部出行特征 参数,设置M=10,按照判定规则进行车辆通行特征标签统计,结果如表5所示, 可见苏BD38999对应的标签组合为[经常长时间行驶,经常长距离行驶]。
表5车辆通行特征标签统计结果示例
5、根据号牌号码关联车辆通行特征标签集合和新能源汽车隐患故障报警 信息,生成车辆通行特征标签组合与隐患故障匹配对。
例如:通过查询新能源汽车隐患故障报警信息可知,苏BD38999在2021 年3月15日15点发生了制动***报警,关联车辆通行特征标签组合与隐患故 障,生成匹配对[经常长时间行驶,经常长距离行驶]=>[制动***报警]。
6、根据号牌号码关联车辆通行特征标签集合和新能源汽车隐患故障报警 信息,生成车辆通行特征标签组合与隐患故障匹配对,通过关联规则挖掘算法, 得到车辆通行特征标签组合与新能源汽车隐患故障之间的关联规则集合;
例如:输入所有车辆通行特征标签组合与隐患故障匹配对,利用FP-Growth 算法生成特定通行特征标签组合下发生特定隐患故障概率,结果如表6所示。
表6关联规则生成结果示例
序号 | 关联规则 | 关联度 | 支持度 |
1 | [经常长时间行驶]=>[soc低报警] | 0.280 | 0.504 |
2 | [经常连续驾驶]=>[电池高温报警] | 0.366 | 0.234 |
3 | [经常长距离行驶]=>[制动***报警] | 0.143 | 0.197 |
其中,关联规则用于表示车辆通行特征标签组合与隐患故障内隐含的关联 性,关联度表示关联规则中的标签在匹配对集合中出现的概率,支持度为特定 标签下所有车辆发生特定隐患故障的概率。
7、在关联规则集合中,筛选出隐患故障发生概率大于设置阈值的车辆通行 特征标签组合,与车辆通行特征标签集合进行标签比对,生成具有运行风险的 新能源汽车集合。
以表6中的关联规则为例,设置关联规则筛选条件为支持度>0.3,则剩余关 联规则为[经常长时间行驶]=>[soc低报警],在车辆通行特征标签集合中筛选标 签含[经常长时间行驶]的所有车辆集合,最终结果见表7。
表7具有运行风险的新能源汽车集合示例
序号 | 号牌号码 | 车辆通行特征标签组合 | 隐患故障名称 | 发生概率 |
1 | 冀FD46487 | [经常长时间行驶] | soc低 | 0.504 |
2 | 苏BD07180 | [经常长时间行驶,经常长距离行驶] | soc低 | 0.504 |
3 | 鲁GD55685 | [经常长时间行驶,经常连续驾驶] | soc低 | 0.504 |
... | ... | ... | ... | ... |
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例 性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言, 在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型 和改进也视为本发明的保护范围。
Claims (10)
1.一种新能源汽车运行风险的评估方法,其特征在于,包括:
获取卡口监控设备记录的车辆通行轨迹信息,并将所述车辆通行轨迹信息与新能源汽车基本信息库进行号牌号码比对,得到新能源汽车的历史通行轨迹记录集合,其中所述卡口监控设备包括布设在城市道路沿线的公路车辆智能监测记录设备;
将所述新能源汽车的历史通行轨迹记录集合划分为多个车辆单次出行子集,提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合;
从所述出行特征参数集合中抽取预设时间范围内任一车辆的全部出行特征参数,并生成车辆通行特征标签集合;
根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障报警信息进行关联,获得车辆通行特征标签集合与新能源汽车隐患故障之间的关联规则集合;
根据所述关联规则集合筛选隐患故障发生概率大于预设阈值的车辆通行特征标签组合,获得新能源汽车的运行风险集合。
2.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述车辆通行轨迹信息包括:过车序号、号牌号码、过车时间、卡口监控设备经度和卡口监控设备纬度。
3.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述将所述新能源汽车的历史通行轨迹记录集合划分为多个车辆单次出行子集,提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合,包括:
从所述新能源汽车的历史通行轨迹集合中抽取任一车辆的全部通行轨迹记录,并按照过车时间顺序进行排列;
根据所述任一车辆的全部通行轨迹记录按照出行划分条件进行划分得到多个车辆单次出行子集;
提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合。
4.根据权利要求3所述的新能源汽车运行风险的评估方法,其特征在于,所述根据所述任一车辆的全部通行轨迹记录按照出行划分条件进行划分得到多个车辆单次出行子集,包括:
判断所抽取的任一车辆的全部通行轨迹记录的通行轨迹数是否满足第一预设轨迹条数要求;
若满足,则从第2条通行轨迹记录开始依次统计当前通行轨迹与上一条通行轨迹之间的通行参数,生成通行参数集合;
根据所述通行参数集合设置出行划分条件;
将第一条通行轨迹记录存入新的车辆单次出行子集,从第二条通行轨迹记录开始依次开始判断当前通行轨迹与上一条通行轨迹之间的通行参数是否满足所述出行划分条件;
若满足,则将当前通行轨迹记录计入新的车辆单次出行子集;
重复执行上述步骤,直至生成所有车辆单次出行子集。
5.根据权利要求4所述的新能源汽车运行风险的评估方法,其特征在于,所述通行参数包括:直线距离、时间间隔和休息时间。
6.根据权利要求3所述的新能源汽车运行风险的评估方法,其特征在于,所述提取每个车辆单次出行子集中的出行特征参数,生成出行特征参数集合,包括:
提取任一车辆单次出行子集中全部通行轨迹记录,并按照过车时间顺序排列;
判断车辆单次出行子集中通行轨迹数是否满足第二预设轨迹条数要求;
若满足,则通过关联过车序号,提取除第1条通行轨迹外的其他通行轨迹记录所对应的通行参数,并生成出行特征参数集合。
7.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障报警信息进行关联,获得车辆通信特征标签集合与新能源汽车隐患故障之间的关联规则集合,包括:
根据号牌号码将所述车辆通行特征标签集合与新能源汽车隐患故障报警信息进行关联,生成车辆通行特征标签集合与新能源汽车隐患故障匹配对;
通过关联规则挖掘算法得到通行特征标签集合与新能源汽车隐患故障之间的关联规则集合。
8.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述根据所述关联规则集合筛选隐患故障发生概率大于预设阈值的车辆通行特征标签组合,获得新能源汽车的运行风险集,包括:
在所述关联规则集合中,筛选出隐患故障发生概率大于预设阈值的车辆通行特征标签组合;
将所述车辆通行特征标签组合与所述车辆通行特征标签集合进行标签比对,生成新能源汽车的运行风险集合。
9.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述车辆通行特征标签集合包括号牌号码和车辆通行特征标签组合。
10.根据权利要求1所述的新能源汽车运行风险的评估方法,其特征在于,所述新能源汽车的运行风险集合包括:号牌号码、车辆通行特征标签组合、隐患故障名称和隐患故障发生概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937888.1A CN113642893B (zh) | 2021-08-16 | 2021-08-16 | 一种新能源汽车运行风险的评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110937888.1A CN113642893B (zh) | 2021-08-16 | 2021-08-16 | 一种新能源汽车运行风险的评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113642893A true CN113642893A (zh) | 2021-11-12 |
CN113642893B CN113642893B (zh) | 2022-07-01 |
Family
ID=78422069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110937888.1A Active CN113642893B (zh) | 2021-08-16 | 2021-08-16 | 一种新能源汽车运行风险的评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113642893B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462857A (zh) * | 2022-02-09 | 2022-05-10 | 中国汽车工程研究院股份有限公司 | 在用新能源汽车的高风险车辆筛选方法及存储介质 |
CN114944083A (zh) * | 2022-05-13 | 2022-08-26 | 公安部交通管理科学研究所 | 一种高速公路上行驶车辆与前车距离的判断方法 |
CN115880898A (zh) * | 2022-11-10 | 2023-03-31 | 公安部交通管理科学研究所 | 一种私家新能源汽车异常使用的判定方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103760901A (zh) * | 2013-12-31 | 2014-04-30 | 北京泰乐德信息技术有限公司 | 一种基于关联规则分类器的轨道交通故障识别方法 |
US8799034B1 (en) * | 2013-03-08 | 2014-08-05 | Allstate University Company | Automated accident detection, fault attribution, and claims processing |
CN104575063A (zh) * | 2014-12-26 | 2015-04-29 | 北京中交兴路车联网科技有限公司 | 一种车辆预警方法 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
US20180011481A1 (en) * | 2016-07-11 | 2018-01-11 | Ge Aviation Systems Limited | Prognostic rules for predicting a part failure |
CN108257386A (zh) * | 2016-12-29 | 2018-07-06 | 杭州海康威视数字技术股份有限公司 | 行驶轨迹获取方法和装置 |
CN108427757A (zh) * | 2018-03-16 | 2018-08-21 | 江苏智通交通科技有限公司 | 基于关联规则的重点车辆通行预警方法及监管*** |
CN108958215A (zh) * | 2018-06-01 | 2018-12-07 | 天泽信息产业股份有限公司 | 一种基于数据挖掘的工程车辆故障预测***及其预测方法 |
CN112215497A (zh) * | 2020-10-14 | 2021-01-12 | 公安部交通管理科学研究所 | 一种纯电动汽车运行风险预警方法 |
CN112950811A (zh) * | 2021-02-02 | 2021-06-11 | 武汉理工大学 | 融合整车安全的新能源汽车区域运行风险评估及预警*** |
US20210197720A1 (en) * | 2019-12-27 | 2021-07-01 | Lyft, Inc. | Systems and methods for incident detection using inference models |
-
2021
- 2021-08-16 CN CN202110937888.1A patent/CN113642893B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8799034B1 (en) * | 2013-03-08 | 2014-08-05 | Allstate University Company | Automated accident detection, fault attribution, and claims processing |
CN103760901A (zh) * | 2013-12-31 | 2014-04-30 | 北京泰乐德信息技术有限公司 | 一种基于关联规则分类器的轨道交通故障识别方法 |
CN104575063A (zh) * | 2014-12-26 | 2015-04-29 | 北京中交兴路车联网科技有限公司 | 一种车辆预警方法 |
CN107204114A (zh) * | 2016-03-18 | 2017-09-26 | 中兴通讯股份有限公司 | 一种车辆异常行为的识别方法及装置 |
US20180011481A1 (en) * | 2016-07-11 | 2018-01-11 | Ge Aviation Systems Limited | Prognostic rules for predicting a part failure |
CN108257386A (zh) * | 2016-12-29 | 2018-07-06 | 杭州海康威视数字技术股份有限公司 | 行驶轨迹获取方法和装置 |
CN108427757A (zh) * | 2018-03-16 | 2018-08-21 | 江苏智通交通科技有限公司 | 基于关联规则的重点车辆通行预警方法及监管*** |
CN108958215A (zh) * | 2018-06-01 | 2018-12-07 | 天泽信息产业股份有限公司 | 一种基于数据挖掘的工程车辆故障预测***及其预测方法 |
US20210197720A1 (en) * | 2019-12-27 | 2021-07-01 | Lyft, Inc. | Systems and methods for incident detection using inference models |
CN112215497A (zh) * | 2020-10-14 | 2021-01-12 | 公安部交通管理科学研究所 | 一种纯电动汽车运行风险预警方法 |
CN112950811A (zh) * | 2021-02-02 | 2021-06-11 | 武汉理工大学 | 融合整车安全的新能源汽车区域运行风险评估及预警*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114462857A (zh) * | 2022-02-09 | 2022-05-10 | 中国汽车工程研究院股份有限公司 | 在用新能源汽车的高风险车辆筛选方法及存储介质 |
CN114944083A (zh) * | 2022-05-13 | 2022-08-26 | 公安部交通管理科学研究所 | 一种高速公路上行驶车辆与前车距离的判断方法 |
CN114944083B (zh) * | 2022-05-13 | 2023-03-24 | 公安部交通管理科学研究所 | 一种高速公路上行驶车辆与前车距离的判断方法 |
CN115880898A (zh) * | 2022-11-10 | 2023-03-31 | 公安部交通管理科学研究所 | 一种私家新能源汽车异常使用的判定方法 |
CN115880898B (zh) * | 2022-11-10 | 2024-05-10 | 公安部交通管理科学研究所 | 一种私家新能源汽车异常使用的判定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113642893B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113642893B (zh) | 一种新能源汽车运行风险的评估方法 | |
CN102177049A (zh) | 用于车辆故障诊断的基准值的生成 | |
CN106314438A (zh) | 一种司机驾驶轨迹中异常轨迹的检测方法和*** | |
CN109242227A (zh) | 汽车驾驶行为的行车风险及评估模型 | |
CN102663252B (zh) | 地下道路复合式路面使用性能评估方法 | |
KR102141988B1 (ko) | 자율주행 대중버스에 대한 실시간 버스 신뢰성 통합지표 모니터링 시스템 및 방법 | |
CN106956680B (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN108803559B (zh) | 车辆故障分析方法、装置和*** | |
CN113870570B (zh) | 一种基于etc的路网运行状态方法、***和存储介质 | |
CN107918826A (zh) | 一种驾驶环境感知的司机评价与调度方法 | |
CN106327866A (zh) | 基于rfid的车辆出行od切分方法及其*** | |
CN105335599B (zh) | 一种汽车故障诊断率的检测方法及*** | |
CN109272603A (zh) | 车辆故障分析数据库及构建方法、故障预测方法、故障预测*** | |
Žunić et al. | Innovative GPS data anomaly detection algorithm inspired by QRS complex detection algorithms in ECG signals | |
CN106781442A (zh) | 一种车辆行为预警*** | |
Soleimani et al. | Mining the highway-rail grade crossing crash data: A text mining approach | |
CN112989069B (zh) | 一种基于知识图谱与区块链的交通违章分析方法 | |
CN115862331A (zh) | 考虑卡口网络拓扑结构的车辆出行轨迹重构方法 | |
CN113297033B (zh) | 基于云端监测数据的车辆电控***健康评估方法和*** | |
US10814738B2 (en) | Information collection system for electric storage device | |
CN108665723B (zh) | 一种信息获取方法及装置 | |
CN116562437A (zh) | 轨道电路补偿电容故障预测方法和装置 | |
CN116753938A (zh) | 车辆测试场景生成方法、装置、存储介质及设备 | |
CN115871682A (zh) | 驾驶员安全驾驶行为的监测、评价和预警方法及*** | |
CN114119256A (zh) | 一种ubi危险化学品车辆驾驶行为采集分析***及保费折扣方法 |
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 |