一种基于行驶数据的车辆异常监控方法技术

本发明专利技术提供一种基于行驶数据的车辆异常监控方法，包括：设置变量A和变量B，以表征车辆使用状态；将所述变量A和所述变量B按照一定的数值区间分割为低档、中档和高档，并进行组合得到9种车辆使用状态；利用远程监控平台收集同一型号的多辆汽车实际的行驶数据，并根据所述行驶数据计算出对应车辆每一次充电的所述变量A和所述变量B，形成车辆使用状态数据；根据收集的同一型号车辆的所述车辆使用状态数据，构建状态转移矩阵，并判断所述转移矩阵是否稳定；如果所述转移矩阵稳定，则根据转移矩阵收敛状态对应的车辆使用状态，对车辆未来一段时间运行状况进行预测。本发明专利技术能提高车辆远程监测的精准性，提高车辆使用的安全性。提高车辆使用的安全性。提高车辆使用的安全性。

【技术实现步骤摘要】
一种基于行驶数据的车辆异常监控方法


[0001]本专利技术涉及汽车远程监控的
，具体为一种基于行驶数据的车辆异常监控方法。

技术介绍

[0002]智能化、网联化是未来汽车的发展方向。车联网可以实现汽车数据的共享，现阶段国家要求企业对售出的新能源汽车要负监控责任，企业监控平台要按照国标要求将数据上传到国家监控平台。监控的数据包括充电状态、剩余电量、总行驶里程和时间戳等信息。监控的主要目的在于及时发现车辆故障、在车辆出现安全事故时调取监控数据分析事故原因并向相关部门报告。事实上，企业对于售出车辆进行远程监控，也有助于了解车辆实际使用情况，为产品开发提供可参照的实际行驶数据。监控的数据为一帧一帧带有时间戳的车辆状态信息，对于监控数据进行分析和挖掘，建立有效的分析模型和分析方法，有助于分析车辆使用情况是否出现异常。但现有对车辆行驶数据的监控仅是用于后期核查的依据，并没有用于对车辆异常进行预测。因此，如何利用车辆行驶数据对未来一段时间运行状况的预测，并以此来判断车辆的运行是否存在异常，具有重要的意义。

技术实现思路

[0003]本专利技术提供一种基于行驶数据的车辆异常监控方法，解决现有车辆行驶数据监控及上传，缺少对车辆未来一段时间运行状况的预测，以监测车辆是否存在异常的问题，能提高车辆远程监测的精准性，提高车辆使用的安全性。
[0004]为实现以上目的，本专利技术提供以下技术方案：
[0005]一种基于行驶数据的车辆异常监控方法，包括：
[0006]设置变量A和变量B，以表征车辆使用状态，所述变量A等于上一次充电结束到本次充电开始的行驶里程除以上一次充电结束与本次充电开始的电量差，所述变量B等于上一次充电结束到本次充电开始的时间间隔除以上一次充电结束与本次充电开始的电量差；
[0007]将所述变量A和所述变量B按照一定的数值区间分割为低档、中档和高档，并进行组合得到9种车辆使用状态；
[0008]利用远程监控平台收集同一型号的多辆汽车实际的行驶数据，并根据所述行驶数据计算出对应车辆每一次充电的所述变量A和所述变量B，形成车辆使用状态数据；
[0009]根据收集的同一型号车辆的所述车辆使用状态数据，构建状态转移矩阵，并判断所述转移矩阵是否稳定；
[0010]如果所述转移矩阵稳定，则根据转移矩阵收敛状态对应的车辆使用状态，对车辆未来一段时间运行状况进行预测。
[0011]优选的，所述将所述变量A和所述变量B按照设定的数值区间分割为低档、中档和高档，并进行组合得到9种车辆使用状态，包括：
[0012]将所述变量A分割为A
低
、A
中
和A
高
，将所述变量B分割为B
低
、B
中
和B
高
；
[0013]将A
低
、A
中
、A
高
与B
低
、B
中
、B
高
进行组合，以得到A
低
B
低
、A
低
B
中
、A
低
B
高
、A
中
B
低
、A
中
B
中
、A
中
B
高
、A
高
B
低
、A
高
B
中
和A
高
B
高
所表征的9种车辆使用状态。
[0014]优选的，所述构建状态转移矩阵，包括：
[0015]用α1，
…
，α9分别代表A
低
B
低
、A
低
B
中
、A
低
B
高
、A
中
B
低
、A
中
B
中
、A
中
B
高
、A
高
B
低
、A
高
B
中
和A
高
B
高
，并形成矩阵p0；
[0016]利用矩阵p0中的9个元素中每个元素对应下一次的车辆使用状态的概率，构建成一个9X9方阵的转移矩阵。
[0017]优选的，所述根据所述行驶数据计算出对应车辆每一次充电的所述变量A和所述变量B，包括：
[0018]设置电量修正系数η，所述电量修正系数与动力电池的SOH成正比，利用所述电量修正系数对所述变量A和所述变量B的计算值进行修正。
[0019]优选的，所述判断所述转移矩阵是否稳定，包括：
[0020]提取50组汽车行驶数据，该50组的汽车行驶数据要求前一状态下的车辆状态是相同的，且不同汽车在不同SOH下产生的数据，要按照电量修正系数η修正后进行统计分析；
[0021]对提取的汽车行驶数据进行皮尔逊拟合检验，根据检验结果判断所述转移矩阵是否稳定。
[0022]优选的，所述对提取的汽车行驶数据进行皮尔逊拟合检验，包括：
[0023]车辆由前一状态转化为后一状态α1、α2、
……
α9的概率分别对应p1、p2、
……
p9，车辆的后一状态是α1、α2、
……
α9的数据分别是n1、n2、
……
n9；
[0024]取统计量则χ2～χ2(8)，在显著水平α下，其中显著水平α∈(0,1)；
[0025]判断是否满足χ2≤χ2(8)，其中χ2(8)通过查询χ2分布表求得，若结果满足χ2≤χ2(8)，则判定转移矩阵已经稳定，否则，继续对转移矩阵进行数据更新。
[0026]优选的，所述根据转移矩阵收敛状态对应的车辆使用状态，对车辆未来一段时间运行状况进行预测，包括：
[0027]根据转移矩阵推测在若干次的行驶、充电后，车辆将处于何种状态，并以此来判断车辆的运行是否存在异常；
[0028]在所述转移矩阵收敛于A
中
B
中
的车辆使用状态时，判定车辆的行驶数据是正常的，车辆在未来一段时间运行状况良好。
[0029]优选的，还包括：
[0030]根据车辆的收敛状态，对车辆的设计参数进行调整，以使车辆收敛于A
中
B
中
的车辆使用状态。
[0031]本专利技术提供一种基于行驶数据的车辆异常监控方法，通过对车辆行驶数据的统计，利用变量A和变量B的组合形成9种车辆使用状态，进而构建转移矩阵，根据转移矩阵推测在若干次的行驶、充电后，车辆将处于何种状态，并以此来判断车辆的运行是否存在异常。解决现有车辆行驶数据监控及上传，缺少对车辆未来一段时间运行状况的预测，以监测车辆是否存在异常的问题，能提高车辆远程监测的精准性，提高车辆使用的安本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于行驶数据的车辆异常监控方法，其特征在于，包括：设置变量A和变量B，以表征车辆使用状态，所述变量A等于上一次充电结束到本次充电开始的行驶里程除以上一次充电结束与本次充电开始的电量差，所述变量B等于上一次充电结束到本次充电开始的时间间隔除以上一次充电结束与本次充电开始的电量差；将所述变量A和所述变量B按照一定的数值区间分割为低档、中档和高档，并进行组合得到9种车辆使用状态；利用远程监控平台收集同一型号的多辆汽车实际的行驶数据，并根据所述行驶数据计算出对应车辆每一次充电的所述变量A和所述变量B，形成车辆使用状态数据；根据收集的同一型号车辆的所述车辆使用状态数据，构建状态转移矩阵，并判断所述转移矩阵是否稳定；如果所述转移矩阵稳定，则根据转移矩阵收敛状态对应的车辆使用状态，对车辆未来一段时间运行状况进行预测。2.根据权利要求1所述的基于行驶数据的车辆异常监控方法，其特征在于，所述将所述变量A和所述变量B按照设定的数值区间分割为低档、中档和高档，并进行组合得到9种车辆使用状态，包括：将所述变量A分割为A
低
、A
中
和A
高
，将所述变量B分割为B
低
、B
中
和B
高
；将A
低
、A
中
、A
高
与B
低
、B
中
、B
高
进行组合，以得到A
低
B
低
、A
低
B
中
、A
低
B
高
、A
中
B
低
、A
中
B
中
、A
中
B
高
、A
高
B
低
、A
高
B
中
和A
高
B
高
所表征的9种车辆使用状态。3.根据权利要求2所述的基于行驶数据的车辆异常监控方法，其特征在于，所述构建状态转移矩阵，包括：用α1，
…
，α9分别代表A
低
B
低
、A
低
B
中
、A
低
B
高
、A
中
...

【专利技术属性】
技术研发人员：余纪邦，黄秋生，吴平安，李盈盈，李旭东，魏江文，王苗，
申请(专利权)人：安徽江淮汽车集团股份有限公司，
类型：发明
国别省市：