CN117991750A - 基于数据采集分析的车载网络总线信息传输车管***及方法 - Google Patents
基于数据采集分析的车载网络总线信息传输车管***及方法 Download PDFInfo
- Publication number
- CN117991750A CN117991750A CN202410075749.6A CN202410075749A CN117991750A CN 117991750 A CN117991750 A CN 117991750A CN 202410075749 A CN202410075749 A CN 202410075749A CN 117991750 A CN117991750 A CN 117991750A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- module
- time
- analysis
- 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
- 230000005540 biological transmission Effects 0.000 title claims abstract description 99
- 238000004458 analytical method Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000002159 abnormal effect Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000012423 maintenance Methods 0.000 claims abstract description 29
- 238000007726 management method Methods 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 14
- 238000007405 data analysis Methods 0.000 claims abstract description 6
- 230000006399 behavior Effects 0.000 claims description 39
- 230000005856 abnormality Effects 0.000 claims description 14
- 238000012795 verification Methods 0.000 claims description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000000586 desensitisation Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims 2
- 238000013468 resource allocation Methods 0.000 abstract description 3
- 238000013480 data collection Methods 0.000 abstract 1
- 238000007418 data mining Methods 0.000 abstract 1
- 230000003449 preventive effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000013021 overheating Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了基于数据采集分析的车载网络总线信息传输车管***及方法，属于车辆数据采集技术领域。为解决车辆的运行状态难以得到精确的监控以及对于异常事件和潜在问题的检测通常依赖于人工的问题，通过实时采集车辆状态数据和驾驶员行为数据，***能够实现对车辆运行状态和驾驶员行为的实时监控，及时发现异常事件和潜在问题，基于数据采集和分析的异常检测能够提高异常检测的准确性和及时性，减少人工干预的需求，有助于减少车辆故障发生的可能性，提高车辆的可靠性和运行效率，提高处理异常事件的效率，通过数据挖掘和分析，***能够为车主或管理员提供更准确的决策支持，优化资源配置和维护计划。
Description
技术领域
本发明涉及车辆数据采集技术领域，特别涉及基于数据采集分析的车载网络总线信息传输车管***及方法。
背景技术
随着汽车的普及，道路上的车辆越来越多，科技的发展和智能化水平的提高，同时也带动了车管***在车辆管理领域的应用。
在现有的车管***中，数据采集和分析的应用仍然存在一些缺陷。首先，由于缺乏实时的数据采集和分析，车辆的运行状态和驾驶员行为难以得到精确的监控和管理。其次，对于异常事件和潜在问题的检测，通常依赖于人工干预和定期检查，这使得异常的发现和处理具有一定的滞后性。此外，现有技术对于数据的处理和挖掘能力有限，无法充分挖掘数据的潜在价值，从而影响了车辆管理决策的准确性和效率。
发明内容
本发明的目的在于提供基于数据采集分析的车载网络总线信息传输车管***及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：基于数据采集分析的车载网络总线信息传输车管***，包括：
数据采集模块，用于：
获取车辆状态数据、驾驶员行为数据以及环境数据，所述车辆状态数据包括发动机转速、车速、油量和水温，所述驾驶员行为数据包括刹车、油门和转向的操作习惯，所述环境数据包括GPS位置、外部温度和湿度；
数据处理模块，用于：
通过CAN总线获取数据采集模块所采集的车辆状态数据、驾驶员行为数据以及环境数据，对车辆运行状态以及驾驶行为进行分析和异常检测，同时基于车辆历史数据预测可能的故障，提醒提前进行维护；
数据传输模块，用于：
实现车辆与车辆之间以及车辆与云平台之间的数据传输，数据传输模块能够从其他车辆或云平台接收数据，同时也能够将数据发送给其他车辆或云平台，数据传输模块支持包括Wi-F i、蓝牙、LTE-V2X在内的多种通信协议，并根据实际情况选择通信方式；
远程监控模块，用于：
车主或公司可以通过手机或电脑远程查看车辆状态、控制车辆；
用户交互模块，用于：
提供用户界面，用户通过用户界面查看车辆信息、设置控制参数；
安全隐私模块，用于：
通过加密技术确保数据传输与存储的安全性；
统计报告模块用于：
根据用户的需要生成统计报告和数据分析报告。
进一步的，所述数据采集模块包括：
传感器单元，用于：
从车辆上获取各种状态数据，通过转速传感器、车速传感器、油量传感器和水温传感器获取相应的发动机转速、车速、油量和水温，传感器采集数据后通过CAN总线将数据发送到数据处理模块；
行为数据采集单元，用于：
记录驾驶员的操作习惯，通过安装踏板传感器、方向盘扭矩传感器采集相应的刹车、油门和转向的操作数据；
GPS环境传感器单元，用于：
获取车辆的GPS位置、外部温度和湿度等环境数据，通过GPS接收器获取车辆的位置信息，通过温度和湿度传感器获取实时的环境数据，采集数据后通过CAN总线将数据发送到数据处理模块。
进一步的，所述数据处理模块包括：
数据预处理单元，用于：
从CAN总线上接收数据采集模块发送的数据，对数据进行清洗和预处理，预处理包括数据过滤、异常值检测和修复、数据规范化；
车辆运行状态分析单元，用于：
通过处理车辆状态数据对车辆的运行状态进行分析，检测车辆的运行模式和性能表现；
驾驶行为分析单元，用于：
对驾驶员的行为数据进行处理和分析，通过分析刹车、油门和转向的操作习惯评估驾驶员的驾驶风格、行为模式以及是否存在不良驾驶习惯；
异常检测单元，用于：
对车辆运行状态和驾驶行为进行异常检测，通过比较当前数据与历史数据、预设的正常范围，检测出异常事件或潜在问题，例如发动机过热、油耗异常等；
故障预测单元，用于：
基于车辆历史数据和机器学习算法，对可能的故障进行预测，通过分析历史数据中的故障模式和趋势，它可以预测未来可能出现的问题，并提前发出维护提醒。
进一步的，所述异常检测单元将当前的数据与历史数据进行比较，基于大量数据和经验，对数据的正常范围进行设定；
根据设定的正常范围，以及与历史数据的比较结果，检测出异常事件或潜在问题。
根据异常的性质和严重程度，判断是何种异常事件或潜在问题。
进一步的，所述故障预测单元基于处理后的数据，选择与故障相关的特征；
使用选择的特征和历史数据来训练机器学习模型；
使用独立的验证数据集对模型进行评估，检查模型的预测准确性和性能，根据评估结果对模型进行调整和优化；
使用训练好的模型对未来的故障进行预测，模型根据输入的特征数据，推断出可能发生的故障类型和时间。
进一步的，所述远程监控模块包括：
数据展示单元，用于：
通过手机或电脑实时查看车辆的各种状态数据，状态数据包括车速、里程、油量、发动机状态，通过数字显示、图表或仪表盘形式的方式展示数据；
远程控制单元，用于：
通过手机或电脑对车辆进行远程控制，远程控制包括远程启动、关闭引擎、锁定或解锁车门，启动远程控制单元前需进行安全验证，确保为授权人员进行远程操作；
定位追踪单元，用于：
通过GPS实时追踪车辆的位置和轨迹，车主或公司可以通过定位追踪单元远程查看车辆的实时位置、历史轨迹和行驶速度信息。
进一步的，定位追踪单元，包括：
数据发送时刻信息获取模块，用于提取当前车辆的每个位置数据发送时刻；
数据接收时刻信息获取模块，用于调取当前车辆的每个位置数据接收时刻；
传输时长信息获取模块，用于利用当前车辆的每个位置数据发送时刻和当前车辆的每个位置数据接收时刻获取当前车辆的位置数据传输时长；
数据传输质量参数获取模块，用于利用所述当前车辆的位置数据传输时长设置当前车辆的位数数据的数据传输质量参数；其中，所述位置数据的数据传输质量参数通过如下公式获取：
其中，Qt表示数据传输质量参数；n表示位置数据的传输次数；Ti表示第i次进行位置数据传输时的位置数据发送时刻与位置数据接收时刻之间的时间差；L表示当前定位变化所能识别的最小距离(即：定位精度对应的单位距离)；v表示当前车辆的平均速度；
速度信息采集模块，用于实时采集当前车辆的行驶速度信息；
车辆运行参数获取模块，用于利用当前车辆的行驶速度信息获取车辆运行参数；其中，所述车辆运行参数通过如下公式获取：
其中，Qv表示车辆运行参数；m表示当前车辆行驶过程中所经历的单位时间的个数，并且，单位时间为1s；vi表示第i个单位时间对应的当前车辆的速度；
补偿距离预测模块，用于利用所述数据传输质量参数和车辆运行参数进行当前车辆的补偿行驶距离的预测，并利用所述补偿行驶距离对当前车辆位置进行前行补偿，获得预测距离；
预测信息发送模块，用于将所述预测距离对应的位置数据作为当前车辆的定位的位置数据发送至车辆追踪平台。
进一步的，补偿距离预测模块，包括：
第一参数提取模块，用于提取所述数据传输质量参数；
第二参数提取模块，用于提取所述车辆运行参数；
补偿距离获取模块，用于利用所述数据传输质量参数和所述车辆运行参数获取补偿距离；其中，所述补偿距离通过如下公式获取：
其中，Lc表示补偿距离；vmax表示当前车辆在最近的历史10个单位时间内的最大行驶速度；Tx表示参考时间；T表示当前车辆的位置数据对应的数据传输时间；
预测距离获取模块，用于将当前车辆的位置作为起始点，并按照所述补偿距离将车辆位置进行迁移，获得所述预测距离。
进一步的，所述安全隐私模块包括：
数据加密单元，用于：
对所有传输和存储的数据进行加密；
身份验证单元，用于：
提供身份验证机制，用户提供正确的用户名和密码才能访问其被授权访问的数据；
数据脱敏单元，用于：
对敏感数据进行脱敏处理，将敏感字段进行遮盖或替换，敏感字段包括个人信息、银行***信息。
本发明要解决的另一技术问题是提供基于数据采集分析的车载网络总线信息传输车管***的实现方法，包括如下步骤：
步骤一：***通过数据采集模块获取车辆状态数据、驾驶员行为数据以及环境数据，这些数据包括发动机转速、车速、油量和水温，刹车、油门和转向的操作习惯，以及GPS位置、外部温度和湿度等；
步骤二：数据处理模块对采集的数据进行预处理和分析，检测车辆的运行状态和性能表现，评估驾驶员的驾驶风格和行为模式，以及进行异常检测和故障预测；
步骤三：比较当前数据与历史数据，一旦检测到异常事件或潜在问题，***会发出警报并提醒用户，同时基于历史数据预测未来的故障并提前发出维护提醒；
步骤四：车辆与其他车辆或云平台进行数据交互，接收或发送数据，用户通过手机或电脑远程查看车辆状态和控制车辆；
步骤五：所有传输的数据都经过安全隐私模块加密处理，在远程控制单元进行远程操作前进行安全验证，确定授权人员身份。
与现有技术相比，本发明的有益效果是：
1.本发明的数据采集模块可以实时获取车辆的各种状态数据，并通过总线将数据发送到数据处理模块，车主或管理员可以实时了解车辆的运行状态和位置，当出现异常情况时，***能够及时发出预警，车主或管理员可以更精确地了解车辆的实际情况，从而更好地进行资源配置，数据采集模块可以记录驾驶员的操作习惯和车辆的位置、环境数据等信息，为车主或管理员提供决策支持。
2.本发明的异常检测单元通过实时监测车辆运行状态和驾驶行为的异常情况，异常检测单元能够及时发现潜在的安全风险和问题，通过及时发现异常事件或潜在问题，***可以采取相应的措施进行预防性维护，有助于减少车辆故障发生的可能性，提高车辆的可靠性和运行效率，异常检测单元能够提高车主或管理员对车辆的监控和管理能力，***能够提供详细的异常事件报告和问题诊断，帮助车主或管理员更快地解决异常问题和潜在故障。
3.本发明的故障预测单元通过预测可能的故障，***可以在故障发生前进行预防性维护，从而避免潜在的车辆故障和停机时间，这种预防性维护可以降低维修成本和停机时间，提高车辆的可靠性和运行效率，***故障可以帮助车主或管理员及时采取措施，避免潜在的安全风险，通过对车辆历史数据的分析和故障预测，***可以为车主或管理员提供更准确的维修计划，有助于合理安排维修资源和时间，提高维修效率并降低维修成本。
附图说明
图1为本发明的***模块示意图。
具体实施方式
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，都属于本发明保护的范围。
为了解决缺乏实时的数据采集和分析，车辆的运行状态和驾驶员行为难以得到精确的监控和管理，对于异常事件和潜在问题的检测，通常依赖于人工干预和定期检查，这使得异常的发现和处理具有一定的滞后性，以及现有技术对于数据的处理和挖掘能力有限，无法充分挖掘数据的潜在价值，从而影响了车辆管理决策的准确性和效率的技术问题，请参阅图1，本发明提供以下技术方案：
基于数据采集分析的车载网络总线信息传输车管***，包括：
数据采集模块，用于：
获取车辆状态数据、驾驶员行为数据以及环境数据，车辆状态数据包括发动机转速、车速、油量和水温，驾驶员行为数据包括刹车、油门和转向的操作习惯，环境数据包括GPS位置、外部温度和湿度；
数据处理模块，用于：
通过CAN总线获取数据采集模块所采集的车辆状态数据、驾驶员行为数据以及环境数据，对车辆运行状态以及驾驶行为进行分析和异常检测，同时基于车辆历史数据预测可能的故障，提醒提前进行维护；
数据传输模块，用于：
实现车辆与车辆之间以及车辆与云平台之间的数据传输，数据传输模块能够从其他车辆或云平台接收数据，同时也能够将数据发送给其他车辆或云平台，数据传输模块支持包括Wi-Fi、蓝牙、LTE-V2X在内的多种通信协议，并根据实际情况选择通信方式；
远程监控模块，用于：
车主或公司可以通过手机或电脑远程查看车辆状态、控制车辆；
用户交互模块，用于：
提供用户界面，用户通过用户界面查看车辆信息、设置控制参数；
安全隐私模块，用于：
通过加密技术确保数据传输与存储的安全性；
统计报告模块用于：
根据用户的需要生成统计报告和数据分析报告。
具体的，该***能够整合多种类型的数据，包括车辆状态、驾驶员行为和环境信息，进行统一处理。这使得对车辆状况和驾驶行为的全面分析成为可能。通过机器学习和数据分析，该***能够预测潜在的车辆故障。这种预测功能可以提前警告驾驶员，让他们有时间采取必要的维护措施，从而避免潜在的车辆故障和意外停机。
数据采集模块包括：
传感器单元，用于：
从车辆上获取各种状态数据，通过转速传感器、车速传感器、油量传感器和水温传感器获取相应的发动机转速、车速、油量和水温，传感器采集数据后通过CAN总线将数据发送到数据处理模块；
行为数据采集单元，用于：
记录驾驶员的操作习惯，通过安装踏板传感器、方向盘扭矩传感器采集相应的刹车、油门和转向的操作数据；
GPS环境传感器单元，用于：
获取车辆的GPS位置、外部温度和湿度等环境数据，通过GPS接收器获取车辆的位置信息，通过温度和湿度传感器获取实时的环境数据，采集数据后通过CAN总线将数据发送到数据处理模块。
具体的，数据采集模块可以实时获取车辆的各种状态数据，并通过总线将数据发送到数据处理模块。车主或管理员可以实时了解车辆的运行状态和位置，当出现异常情况时，***能够及时发出预警。车主或管理员可以更精确地了解车辆的实际情况，从而更好地进行资源配置。例如，根据车辆的实际运行情况来安排维修保养计划，提高车辆的使用寿命和可靠性。数据采集模块可以记录驾驶员的操作习惯和车辆的位置、环境数据等信息，为车主或管理员提供决策支持。
数据处理模块包括：
数据预处理单元，用于：
从CAN总线上接收数据采集模块发送的数据，对数据进行清洗和预处理，预处理包括数据过滤、异常值检测和修复、数据规范化；
车辆运行状态分析单元，用于：
通过处理车辆状态数据对车辆的运行状态进行分析，检测车辆的运行模式和性能表现；
驾驶行为分析单元，用于：
对驾驶员的行为数据进行处理和分析，通过分析刹车、油门和转向的操作习惯评估驾驶员的驾驶风格、行为模式以及是否存在不良驾驶习惯；
异常检测单元，用于：
对车辆运行状态和驾驶行为进行异常检测，通过比较当前数据与历史数据、预设的正常范围，检测出异常事件或潜在问题，例如发动机过热、油耗异常等；
异常检测单元将当前的数据与历史数据进行比较；
基于大量数据和经验，对数据的正常范围进行设定；
根据设定的正常范围，以及与历史数据的比较结果，检测出异常事件或潜在问题；。
根据异常的性质和严重程度，判断是何种异常事件或潜在问题。
具体的，通过实时监测车辆运行状态和驾驶行为的异常情况，异常检测单元能够及时发现潜在的安全风险和问题。例如，检测到发动机过热或油耗异常时，***可以立即发出警报，提醒车主或管理员采取相应措施，避免发生安全事故。通过及时发现异常事件或潜在问题，***可以采取相应的措施进行预防性维护。这有助于减少车辆故障发生的可能性，提高车辆的可靠性和运行效率。
异常检测单元能够提高车主或管理员对车辆的监控和管理能力。***能够提供详细的异常事件报告和问题诊断，帮助车主或管理员更快地解决异常问题和潜在故障。通过对车辆运行状态和驾驶行为的实时监测，***可以分析出异常事件或潜在问题的发生频率和趋势。这有助于车主或管理员制定更合理的维护计划，优化维修资源和成本。
故障预测单元，用于：
基于车辆历史数据和机器学习算法，对可能的故障进行预测，通过分析历史数据中的故障模式和趋势，它可以预测未来可能出现的问题，并提前发出维护提醒。
故障预测单元基于处理后的数据，选择与故障相关的特征；
使用选择的特征和历史数据来训练机器学习模型；
使用独立的验证数据集对模型进行评估，检查模型的预测准确性和性能，根据评估结果对模型进行调整和优化；
使用训练好的模型对未来的故障进行预测，模型根据输入的特征数据，推断出可能发生的故障类型和时间。
具体的，通过预测可能的故障，***可以在故障发生前进行预防性维护，从而避免潜在的车辆故障和停机时间。这种预防性维护可以降低维修成本和停机时间，提高车辆的可靠性和运行效率。***故障可以帮助车主或管理员及时采取措施，避免潜在的安全风险。例如，在预测到刹车***可能出现故障时，可以提前进行维修或更换刹车片，确保车辆的安全运行。
通过对车辆历史数据的分析和故障预测，***可以为车主或管理员提供更准确的维修计划。这有助于合理安排维修资源和时间，提高维修效率并降低维修成本。对车辆故障进行预测和分析，为车主或管理员提供决策支持。例如，在预测到某个部件可能需要更换或维修时，***可以提供相关的建议和解决方案，帮助用户做出更明智的决策。
远程监控模块包括：
数据展示单元，用于：
通过手机或电脑实时查看车辆的各种状态数据，状态数据包括车速、里程、油量、发动机状态，通过数字显示、图表或仪表盘形式的方式展示数据，数据展示单元提供实时车辆状态数据，车主或管理员可以随时了解车辆的运行状态和位置。当出现异常情况时，***能够及时发出预警，帮助用户快速响应并解决问题；
远程控制单元，用于：
通过手机或电脑对车辆进行远程控制，远程控制包括远程启动、关闭引擎、锁定或解锁车门，启动远程控制单元前需进行安全验证，确保为授权人员进行远程操作，远程控制单元使得用户可以通过手机或电脑对车辆进行远程操作，如启动、关闭引擎或锁定/解锁车门等。这种便利性尤其适用于忘记锁车、忘记关闭引擎等常见情况，为用户提供了更好的使用体验；
定位追踪单元，用于：
通过GPS实时追踪车辆的位置和轨迹，车主或公司可以通过定位追踪单元远程查看车辆的实时位置、历史轨迹和行驶速度信息，定位追踪单元通过GPS实时追踪车辆的位置和轨迹，为用户提供远程车辆定位和历史轨迹查询功能。这有助于查找丢失车辆、监管车辆运行路线和调度等应用场景。
具体的，对于企业或车队管理者来说，远程监控模块能够帮助他们更高效地管理车辆。通过实时数据展示和远程控制功能，管理者可以实时了解车辆状态并进行远程调度，减少不必要的现场巡检和人力成本，通过实时监控车辆状态和位置，可以及时发现潜在的安全隐患并采取相应措施。通过远程监控模块，企业或车主可以更精确地了解车辆的实际情况，从而更好地进行资源配置。例如，根据车辆的实际运行情况来安排维修保养计划，提高车辆的使用寿命和可靠性。
进一步的，定位追踪单元，包括：
数据发送时刻信息获取模块，用于提取当前车辆的每个位置数据发送时刻；
数据接收时刻信息获取模块，用于调取当前车辆的每个位置数据接收时刻；
传输时长信息获取模块，用于利用当前车辆的每个位置数据发送时刻和当前车辆的每个位置数据接收时刻获取当前车辆的位置数据传输时长；
数据传输质量参数获取模块，用于利用所述当前车辆的位置数据传输时长设置当前车辆的位数数据的数据传输质量参数；其中，所述位置数据的数据传输质量参数通过如下公式获取：
其中，Qt表示数据传输质量参数；n表示位置数据的传输次数；Ti表示第i次进行位置数据传输时的位置数据发送时刻与位置数据接收时刻之间的时间差；L表示当前定位变化所能识别的最小距离(即：定位精度对应的单位距离)；v表示当前车辆的平均速度；
速度信息采集模块，用于实时采集当前车辆的行驶速度信息；
车辆运行参数获取模块，用于利用当前车辆的行驶速度信息获取车辆运行参数；其中，所述车辆运行参数通过如下公式获取：
其中，Qv表示车辆运行参数；m表示当前车辆行驶过程中所经历的单位时间的个数，并且，单位时间为1s；vi表示第i个单位时间对应的当前车辆的速度；
补偿距离预测模块，用于利用所述数据传输质量参数和车辆运行参数进行当前车辆的补偿行驶距离的预测，并利用所述补偿行驶距离对当前车辆位置进行前行补偿，获得预测距离；
预测信息发送模块，用于将所述预测距离对应的位置数据作为当前车辆的定位的位置数据发送至车辆追踪平台。
上述技术方案的技术效果为：通过数据发送时刻信息获取模块和数据接收时刻信息获取模块，***能够准确提取和记录车辆的位置数据发送和接收时刻。这确保了数据的准确性和实时性，为后续的数据处理和定位追踪提供了基础。利用数据发送和接收时刻，传输时长信息获取模块可以计算出每个位置数据的传输时长。这有助于了解数据传输过程中的延迟和丢包情况，进一步提高了定位追踪的准确性。
数据传输质量参数与位置数据的传输次数、传输时长、定位精度、车辆速度等多个因素相关。通过设定这个参数，***能够综合考虑多种因素对数据传输质量的影响，为后续的定位补偿提供依据。速度信息采集模块实时监测车辆的行驶速度，为车辆运行参数的获取提供了实时数据。这确保了车辆运行参数的实时性和准确性，有助于更准确地预测车辆的行驶轨迹。
通过车辆运行参数获取模块，***能够根据采集的速度信息计算出车辆的运行参数。这些参数能够反映车辆的行驶状态和轨迹，为预测补偿提供了重要依据。补偿距离预测模块利用数据传输质量参数和车辆运行参数进行当前车辆的补偿行驶距离的预测。通过前行补偿获得预测距离，提高了定位追踪的准确性，同时降低位置信息传输时间过长对定位偏差的影响。预测信息发送模块将预测距离对应的位置数据作为当前车辆的定位的位置数据发送至车辆追踪平台。这使得车辆追踪平台能够实时掌握车辆的准确位置，为进一步的调度和控制提供了基础。
综上所述，该技术方案通过实时获取和计算车辆的位置、速度、传输质量等相关参数，实现了对车辆的精准定位和追踪。这有助于提高车辆调度和管理的效率，增强了对突发事件的应对能力。同时，该技术方案还具有较好的灵活性和可扩展性，可以根据实际需求进行定制和优化。
具体的，补偿距离预测模块，包括：
第一参数提取模块，用于提取所述数据传输质量参数；
第二参数提取模块，用于提取所述车辆运行参数；
补偿距离获取模块，用于利用所述数据传输质量参数和所述车辆运行参数获取补偿距离；其中，所述补偿距离通过如下公式获取：
其中，Lc表示补偿距离；vmax表示当前车辆在最近的历史10个单位时间内的最大行驶速度；Tx表示参考时间；T表示当前车辆的位置数据对应的数据传输时间；
预测距离获取模块，用于将当前车辆的位置作为起始点，并按照所述补偿距离将车辆位置进行迁移，获得所述预测距离。
上述技术方案的技术效果为：通过第一参数提取模块，***从数据中提取出数据传输质量参数。这个参数反映了数据传输过程中的质量状况，对于预测补偿距离具有重要意义。第二参数提取模块负责提取车辆运行参数，包括车辆的速度、加速度等动态信息。这些参数对于预测车辆未来的行驶轨迹和补偿距离至关重要。
补偿距离获取模块利用数据传输质量参数和车辆运行参数，通过特定的算法或公式计算出补偿距离。这个补偿距离考虑了数据传输延迟和车辆行驶动态等因素，旨在修正定位数据的误差。在计算补偿距离时，需要设定一个参考时间。参考时间的选取可以根据实际需求而定，同时通过上述方式获取的参考时间能够最大限度减小外界干扰对预测结果的影响。
预测距离获取模块将当前车辆的位置作为起始点，根据补偿距离对车辆位置进行迁移。这样能够获得更接近实际行驶轨迹的预测距离，提高了定位追踪的准确性。最后，将预测距离对应的位置数据作为当前车辆的定位信息发送至车辆追踪平台。这使得追踪平台能够实时掌握经过补偿的车辆位置信息，为后续的调度和控制提供了更加准确的数据支持。
综上所述，该技术方案的补偿距离预测模块通过综合考虑数据传输质量和车辆运行参数，实现了对车辆补偿行驶距离的准确预测。这有助于提高车辆定位追踪的精度，增强了对车辆位置信息的管理和控制能力。同时，该技术方案还具有较强的灵活性和可扩展性，可以根据实际需求进行定制和优化。
安全隐私模块包括：
数据加密单元，用于：
对所有传输和存储的数据进行加密，数据加密单元可以对所有传输和存储的数据进行加密，确保数据在传输和存储过程中的安全性，防止数据被非法获取和篡改；
身份验证单元，用于：
提供身份验证机制，用户提供正确的用户名和密码才能访问其被授权访问的数据，身份验证单元提供了多层次的身份验证机制，可以确保只有授权用户才能访问相应的数据，防止未经授权的访问和数据泄露；
数据脱敏单元，用于：
对敏感数据进行脱敏处理，将敏感字段进行遮盖或替换，敏感字段包括个人信息、银行***信息，数据脱敏单元对敏感数据进行脱敏处理，可以降低敏感数据泄露的风险，保护用户的个人隐私和信息安全。
具体的，安全隐私模块的整体设计和处理流程可以提升***的可靠性和稳定性，确保***能够抵御各种安全威胁和攻击，安全隐私模块的设计和实现可以确保***符合相关法律法规和行业标准的要求，避免因不合规问题而引发法律风险，可以提升用户对***的信任度，让用户更加放心地使用***，并增强用户忠诚度和满意度。
本实施例现提出基于数据采集分析的车载网络总线信息传输车管***的实现方法，包括以下步骤：
步骤一：***通过数据采集模块获取车辆状态数据、驾驶员行为数据以及环境数据，这些数据包括发动机转速、车速、油量和水温，刹车、油门和转向的操作习惯，以及GPS位置、外部温度和湿度等；
步骤二：数据处理模块对采集的数据进行预处理和分析，检测车辆的运行状态和性能表现，评估驾驶员的驾驶风格和行为模式，以及进行异常检测和故障预测；
步骤三：比较当前数据与历史数据，一旦检测到异常事件或潜在问题，***会发出警报并提醒用户，同时基于历史数据预测未来的故障并提前发出维护提醒；
步骤四：车辆与其他车辆或云平台进行数据交互，接收或发送数据，用户通过手机或电脑远程查看车辆状态和控制车辆；
步骤五：所有传输的数据都经过安全隐私模块加密处理，在远程控制单元进行远程操作前进行安全验证，确定授权人员身份。
以上所述，仅为本发明较佳的具体实施方式，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披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.基于数据采集分析的车载网络总线信息传输车管***，其特征在于，包括：
数据采集模块，用于：
获取车辆状态数据、驾驶员行为数据以及环境数据，所述车辆状态数据包括发动机转速、车速、油量和水温，所述驾驶员行为数据包括刹车、油门和转向的操作习惯，所述环境数据包括GPS位置、外部温度和湿度；
数据处理模块，用于：
通过CAN总线获取数据采集模块所采集的车辆状态数据、驾驶员行为数据以及环境数据，对车辆运行状态以及驾驶行为进行分析和异常检测，同时基于车辆历史数据预测可能的故障，提醒提前进行维护；
数据传输模块，用于：
实现车辆与车辆之间以及车辆与云平台之间的数据传输，数据传输模块能够从其他车辆或云平台接收数据，同时也能够将数据发送给其他车辆或云平台，数据传输模块支持包括Wi-Fi、蓝牙、LTE-V2X在内的多种通信协议，并根据实际情况选择通信方式；
远程监控模块，用于：
车主或公司通过手机或电脑远程查看车辆状态、控制车辆；
用户交互模块，用于：
提供用户界面，用户通过用户界面查看车辆信息、设置控制参数；
安全隐私模块，用于：
通过加密技术确保数据传输与存储的安全性；
统计报告模块用于：
根据用户的需要生成统计报告和数据分析报告。
2.如权利要求1所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述数据采集模块包括：
传感器单元，用于：
从车辆上获取各种状态数据，通过转速传感器、车速传感器、油量传感器和水温传感器获取相应的发动机转速、车速、油量和水温，传感器采集数据后通过CAN总线将数据发送到数据处理模块；
行为数据采集单元，用于：
记录驾驶员的操作习惯，通过安装踏板传感器、方向盘扭矩传感器采集相应的刹车、油门和转向的操作数据；
GPS环境传感器单元，用于：
获取车辆的GPS位置、外部温度和湿度，通过GPS接收器获取车辆的位置信息，通过温度和湿度传感器获取实时的环境数据，采集数据后通过CAN总线将数据发送到数据处理模块。
3.如权利要求1所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述数据处理模块包括：
数据预处理单元，用于：
从CAN总线上接收数据采集模块发送的数据，对数据进行清洗和预处理，预处理包括数据过滤、异常值检测和修复、数据规范化；
车辆运行状态分析单元，用于：
通过处理车辆状态数据对车辆的运行状态进行分析，检测车辆的运行模式和性能表现；
驾驶行为分析单元，用于：
对驾驶员的行为数据进行处理和分析，通过分析刹车、油门和转向的操作习惯评估驾驶员的驾驶风格、行为模式以及是否存在不良驾驶习惯；
异常检测单元，用于：
对车辆运行状态和驾驶行为进行异常检测，通过比较当前数据与历史数据、预设的正常范围，检测出异常事件或潜在问题；
故障预测单元，用于：
基于车辆历史数据和机器学习算法，对可能的故障进行预测，通过分析历史数据中的故障模式和趋势，预测未来可能出现的问题，并提前发出维护提醒。
4.如权利要求3所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述异常检测单元将当前的数据与历史数据进行比较，对数据的正常范围进行设定；
根据设定的正常范围，以及与历史数据的比较结果，检测出异常事件或潜在问题；
根据异常的性质和严重程度，判断是何种异常事件或潜在问题。
5.如权利要求3所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述故障预测单元基于处理后的数据，选择与故障相关的特征；
使用选择的特征和历史数据来训练机器学习模型；
使用独立的验证数据集对模型进行评估，检查模型的预测准确性和性能，根据评估结果对模型进行调整和优化；
使用训练好的模型对未来的故障进行预测，模型根据输入的特征数据，推断出可能发生的故障类型和时间。
6.如权利要求1所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述远程监控模块包括：
数据展示单元，用于：
通过手机或电脑实时查看车辆的各种状态数据，状态数据包括车速、里程、油量、发动机状态，通过数字显示、图表或仪表盘形式的方式展示数据；
远程控制单元，用于：
通过手机或电脑对车辆进行远程控制，远程控制包括远程启动、关闭引擎、锁定或解锁车门，启动远程控制单元前进行安全验证，确保为授权人员进行远程操作；
定位追踪单元，用于：
通过GPS实时追踪车辆的位置和轨迹，车主或公司通过定位追踪单元远程查看车辆的实时位置、历史轨迹和行驶速度信息。
7.如权利要求6所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：定位追踪单元，包括：
数据发送时刻信息获取模块，用于提取当前车辆的每个位置数据发送时刻；
数据接收时刻信息获取模块，用于调取当前车辆的每个位置数据接收时刻；
传输时长信息获取模块，用于利用当前车辆的每个位置数据发送时刻和当前车辆的每个位置数据接收时刻获取当前车辆的位置数据传输时长；
数据传输质量参数获取模块，用于利用所述当前车辆的位置数据传输时长设置当前车辆的位数数据的数据传输质量参数；其中，所述位置数据的数据传输质量参数通过如下公式获取：
其中，Qt表示数据传输质量参数；n表示位置数据的传输次数；Ti表示第i次进行位置数据传输时的位置数据发送时刻与位置数据接收时刻之间的时间差；L表示当前定位变化所能识别的最小距离；v表示当前车辆的平均速度；
速度信息采集模块，用于实时采集当前车辆的行驶速度信息；
车辆运行参数获取模块，用于利用当前车辆的行驶速度信息获取车辆运行参数；其中，所述车辆运行参数通过如下公式获取：
其中，Qv表示车辆运行参数；m表示当前车辆行驶过程中所经历的单位时间的个数，并且，单位时间为1s；vi表示第i个单位时间对应的当前车辆的速度；
补偿距离预测模块，用于利用所述数据传输质量参数和车辆运行参数进行当前车辆的补偿行驶距离的预测，并利用所述补偿行驶距离对当前车辆位置进行前行补偿，获得预测距离；
预测信息发送模块，用于将所述预测距离对应的位置数据作为当前车辆的定位的位置数据发送至车辆追踪平台。
8.如权利要求7所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：补偿距离预测模块，包括：
第一参数提取模块，用于提取所述数据传输质量参数；
第二参数提取模块，用于提取所述车辆运行参数；
补偿距离获取模块，用于利用所述数据传输质量参数和所述车辆运行参数获取补偿距离；其中，所述补偿距离通过如下公式获取：
其中，Lc表示补偿距离；vmax表示当前车辆在最近的历史10个单位时间内的最大行驶速度；Tx表示参考时间；T表示当前车辆的位置数据对应的数据传输时间；
预测距离获取模块，用于将当前车辆的位置作为起始点，并按照所述补偿距离将车辆位置进行迁移，获得所述预测距离。
9.如权利要求1所述的基于数据采集分析的车载网络总线信息传输车管***，其特征在于：所述安全隐私模块包括：
数据加密单元，用于：
对所有传输和存储的数据进行加密；
身份验证单元，用于：
提供身份验证机制，用户提供正确的用户名和密码才能访问其被授权访问的数据；
数据脱敏单元，用于：
对敏感数据进行脱敏处理，将敏感字段进行遮盖或替换，敏感字段包括个人信息、银行***信息。
10.一种根据权利要求1-9中任一项所述的基于数据采集分析的车载网络总线信息传输车管***的实现方法，其特征在于：包括如下步骤：
步骤一：***通过数据采集模块获取车辆状态数据、驾驶员行为数据以及环境数据；
步骤二：数据处理模块对采集的数据进行预处理和分析，检测车辆的运行状态和性能表现，评估驾驶员的驾驶风格和行为模式，以及进行异常检测和故障预测；
步骤三：比较当前数据与历史数据，一旦检测到异常事件或潜在问题，***会发出警报并提醒用户，同时基于历史数据预测未来的故障并提前发出维护提醒；
步骤四：车辆与其他车辆或云平台进行数据交互，接收或发送数据，用户通过手机或电脑远程查看车辆状态和控制车辆；
步骤五：所有传输的数据都经过安全隐私模块加密处理，在远程控制单元进行远程操作前进行安全验证，确定授权人员身份。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410075749.6A CN117991750B (zh) | 2024-01-18 | 2024-01-18 | 基于数据采集分析的车载网络总线信息传输车管***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410075749.6A CN117991750B (zh) | 2024-01-18 | 2024-01-18 | 基于数据采集分析的车载网络总线信息传输车管***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117991750A true CN117991750A (zh) | 2024-05-07 |
| CN117991750B CN117991750B (zh) | 2024-07-23 |
Family
ID=90888218
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410075749.6A Active CN117991750B (zh) | 2024-01-18 | 2024-01-18 | 基于数据采集分析的车载网络总线信息传输车管***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117991750B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070095654A (ko) * | 2006-03-22 | 2007-10-01 | 호진형 | 차량 연계 관리 서비스 시스템 및 그것의 운용방법 |
| EP2159122A2 (de) * | 2008-06-05 | 2010-03-03 | Efkon Germany GmbH | Verfahren und System zur simultanen Fahrzeug- und Fahrprofilüberwachung |
| US20130082874A1 (en) * | 2011-10-03 | 2013-04-04 | Wei Zhang | Methods for road safety enhancement using mobile communication device |
| CN110920539A (zh) * | 2019-11-15 | 2020-03-27 | 奇点汽车研发中心有限公司 | 车辆驾驶分析方法和装置、电子设备和计算机存储介质 |
| CN113219954A (zh) * | 2021-05-10 | 2021-08-06 | 江苏质享保信息科技有限公司 | 一种车辆运行状态远程监测及故障分析方法 |
| CN113808413A (zh) * | 2021-09-14 | 2021-12-17 | 上海商泰汽车信息***有限公司 | 车辆及其车速确定方法及装置、存储介质、终端 |
-
2024
- 2024-01-18 CN CN202410075749.6A patent/CN117991750B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20070095654A (ko) * | 2006-03-22 | 2007-10-01 | 호진형 | 차량 연계 관리 서비스 시스템 및 그것의 운용방법 |
| EP2159122A2 (de) * | 2008-06-05 | 2010-03-03 | Efkon Germany GmbH | Verfahren und System zur simultanen Fahrzeug- und Fahrprofilüberwachung |
| US20130082874A1 (en) * | 2011-10-03 | 2013-04-04 | Wei Zhang | Methods for road safety enhancement using mobile communication device |
| CN110920539A (zh) * | 2019-11-15 | 2020-03-27 | 奇点汽车研发中心有限公司 | 车辆驾驶分析方法和装置、电子设备和计算机存储介质 |
| CN113219954A (zh) * | 2021-05-10 | 2021-08-06 | 江苏质享保信息科技有限公司 | 一种车辆运行状态远程监测及故障分析方法 |
| CN113808413A (zh) * | 2021-09-14 | 2021-12-17 | 上海商泰汽车信息***有限公司 | 车辆及其车速确定方法及装置、存储介质、终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117991750B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3915843A1 (en) | Vehicle security monitoring device, method, and program | |
| US9830749B2 (en) | Systems and methods for executing custom fleet vehicle management scripts | |
| EP4106298B1 (en) | Vehicle anomaly detection server, vehicle anomaly detection system, and vehicle anomaly detection method | |
| CN110300686B (zh) | 数据分析装置及存储介质 | |
| US7764188B2 (en) | System and method for maintaining machine operation | |
| US10032317B2 (en) | Integrated fleet vehicle management system | |
| RU2623676C2 (ru) | Информационная система для транспортных средств промышленного назначения | |
| CN111095955A (zh) | 用于联网车辆网络安全的***和方法 | |
| CN112134952B (zh) | 一种基于车联网的车辆管理***、方法、电子设备及存储介质 | |
| KR20180105850A (ko) | 차량 고장 진단 시스템 및 그 진단방법 | |
| CN101272427A (zh) | 汽车检测与维修智能控制装置 | |
| JP6552674B1 (ja) | 検査システム | |
| WO2021038870A1 (ja) | 異常車両検出サーバおよび異常車両検出方法 | |
| WO2020075809A1 (ja) | 情報処理装置、データ分析方法及びプログラム | |
| WO2017068564A1 (en) | A system for securing fuel in vehicles using iot devices | |
| Ryan et al. | Semiautonomous vehicle risk analysis: A telematics‐based anomaly detection approach | |
| CN110325410B (zh) | 数据分析装置及存储介质 | |
| US20220050925A1 (en) | Automotive data sharing and consent management platform | |
| CN113836564B (zh) | 一种基于区块链的网联汽车信息安全*** | |
| EP4186251A1 (en) | Unauthorized access detection | |
| CN117991750B (zh) | 基于数据采集分析的车载网络总线信息传输车管***及方法 | |
| CN114543839A (zh) | 一种车载导航故障诊断***及方法 | |
| Babiyola et al. | Development of an Internet of Things-based Integrated System for Fleet Management in RealTime | |
| Svensson et al. | Vehicle diagnostics method by anomaly detection and fault identification software | |
| Zanini et al. | Mobile assets monitoring for fleet maintenance |
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 |