一种新能源汽车空驶情况的监测方法技术

本发明专利技术提出一种新能源汽车空驶情况的监测方法，为了解决现有技术的缺少监控新能源车空驶行为的空白，导致扰乱市场的问题。一种新能源汽车空驶情况的监测方法，包括以下步骤：1)获取车辆T

【技术实现步骤摘要】
一种新能源汽车空驶情况的监测方法


[0001]本专利技术涉及新能源车辆监控
，特别是指一种新能源汽车空驶情况的监测方法。

技术介绍

[0002]近年来新能源汽车产业发展相当迅速，也越来越多消费者在买车时愿意选购新能源汽车。某些新能源车会以在路上空驶的方式，来增加公司车辆的实际行驶里程，这种行为是对资源的浪费，而且对整个行业的影响较坏，因此，亟待一种新能源车空驶监测方法起到监督作用。

技术实现思路

[0003]本专利技术提出一种新能源汽车空驶情况的监测方法，为了解决现有技术的缺少监控新能源车空驶行为的空白，导致扰乱市场的问题。
[0004]本专利技术的技术方案是这样实现的：一种新能源汽车空驶情况的监测方法，包括以下步骤：一种新能源汽车空驶情况的监测方法，包括以下步骤：
[0005]1)获取车辆T
‑
BOX终端实时上报的信息，所述车辆信息至少包括车辆编号、车辆当前位置、与车辆当前位置相对应的上报时间、车辆当前经度和纬度、车辆运营状态、路网上的方位角，并进行预处理；
[0006]2)按日统计车辆终端数据，并按照数据上报时间进行排序。首先对数据进行过滤，去除上报数据中的部分无效异常值；
[0007]3)统计去除无效异常数据后，车辆每日实际行驶里程，并计算出车辆月总行驶里程，连续统计10～12个月的车辆终端数据和月总行驶里程；
[0008]4)计算每辆车每两个相邻月份的行驶里程斜率，计第一个月月份为M
n
，当月的行驶里程为S/>n
，第二个月月份为M
n+1
，当月行驶里程为S
n+1
，里程斜率为当月总里程与上月总里程之差的绝对值，记为车辆当月的里程斜率，每两个相邻月份间的里程斜率k1(n)计算公式为：
[0009]k1(n)＝|S
n+1
‑
S
n
|/(M
n+1
‑
M
n
)
[0010]5)统计每台车辆最终计算出的各个月份中斜率的最大值，及斜率最大值对应的月份，视为该辆车有空驶嫌疑的月份；
[0011]6)求取已入库车辆各运营月份的里程斜率k2(n)，计算公式同步骤4)，求出的里程斜率的平均值，记为标准值a，若上一步骤中车辆的最大里程斜率大于a值，则定义为该车辆为问题车辆；
[0012]7)统计已入库车辆的日总行驶里程S
日行驶里程
，计算多辆车日行驶里程的期望值，并记为标准值b；
[0013]8)查询问题车辆月份中车辆的日总行驶里程，若车辆的日总行驶里程大于所述标准值b，且天数超过15天，则该类车辆被判定为有空驶问题的车辆。
[0014]优选的，步骤1)中还包括对车辆的轨迹数据进行地图匹配。
[0015]优选的，步骤1)中的预处理包括步骤：
[0016]a.剔除数据中的异常值，包括数值为空或“0xFF，0xFF”以及目标区域空间范围之外的记录；
[0017]b.对相关车辆位置进行经纬度转换，即把经纬度转换成地方平面坐标系下的坐标，使之与路网坐标系一致。
[0018]优选的，步骤6)中所述标注值即为已入库车辆前年的月里程斜率的平均值。
[0019]优选的，地图匹配的方法：根据目标任务对应的位置点确定至少一个候选路段；
[0020]获取所述位置点的位置数据的特征向量，所述位置数据包括所述位置点与各候选路段的关联信息；
[0021]将所述特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数；
[0022]根据各所述候选路段的选择参数确定目标路段；
[0023]其中，所述地图匹配模型包括循环神经网络模型，所述地图匹配模型的训练样本数据根据预先确定的隐马尔可夫模型的数据处理结果进行标注确定。
[0024]优选的，所述地图匹配模型为深层RNN模型、双向RNN模型、双向深层RNN模型中的一种。
[0025]优选的，地图匹配模型中，模型当前时刻t的神经元状态h
t
为：
[0026]h
t
＝f(U*x
t
+W*h
(t
‑
1)
)
[0027]模型当前时刻t的输出
[0028]其中，h
t
表征t时刻的神经元状态，xt表征t时刻输入的特征向量，f表征对应神经元的激活函数，表征归一化函数，h(t
‑
1)表征t
‑
1时刻的神经元状态，U、V、W表征相应的系数。
[0029]本专利技术的有益效果：
[0030]本专利技术通过设计里程斜率与已入库车辆的标准值相对比，同时辅以地图匹配方案，将各个数据精准的记录，较为容易的监察出问题车辆，并且依据相关指标，通过对数据进行层层筛选，找出空驶里程的车辆，完善政策措施和督查机制，规范发展秩序。本专利技术的地图匹配方法根据目标任务对应的位置点确定至少一个候选路段，获取位置点的位置数据的特征向量，将该特征向量输入至地图匹配模型中进行处理，确定各候选路段的选择参数，根据各候选路段的选择参数确定目标路段。
具体实施方式
[0031]下面将对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0032]一种新能源汽车空驶情况的监测方法，包括以下步骤：
[0033]1)获取车辆T
‑
BOX终端实时上报的信息，所述车辆信息至少包括车辆编号、车辆当前位置、与车辆当前位置相对应的上报时间、车辆当前经度和纬度、车辆运营状态、路网上
的方位角，并进行预处理；
[0034]2)按日统计车辆终端数据，并按照数据上报时间进行排序。首先对数据进行过滤，去除上报数据中的部分无效异常值，例如运营状态报文为“0xFF，0xFF”时，该车辆此时GPS定位属于无效定位，无法应用于空驶数据筛查；
[0035]3)统计去除无效异常数据后，车辆每日实际行驶里程，并计算出车辆月总行驶里程，连续统计10～12个月的车辆终端数据和月总行驶里程；
[0036]4)计算每辆车每两个相邻月份的行驶里程斜率，计第一个月月份为M
n
，当月的行驶里程为S
n
，第二个月月份为M
n+1
，当月行驶里程为S
n+1
，里程斜率为当月总里程与上月总里程之差的绝对值，记为车辆当月的里程斜率，每两个相邻月份间的里程斜率k1(n)计算公式为：
[0037]k1(n)＝|S
n+1
‑
S
n
|/(M
n+1
‑
M
n
)
[0038]5)统计每台车辆最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新能源汽车空驶情况的监测方法，其特征在于，包括以下步骤：1)获取车辆T
‑
BOX终端实时上报的信息，所述车辆信息至少包括车辆编号、车辆当前位置、与车辆当前位置相对应的上报时间、车辆当前经度和纬度、车辆运营状态、路网上的方位角，并进行预处理；2)按日统计车辆终端数据，并按照数据上报时间进行排序，首先对数据进行过滤，去除上报数据中的部分无效异常值；3)统计去除无效异常数据后，车辆每日实际行驶里程，并计算出车辆月总行驶里程，连续统计10～12个月的车辆终端数据和月总行驶里程；4)计算每辆车每两个相邻月份的行驶里程斜率，计第一个月月份为M
n
，当月的行驶里程为S
n
，第二个月月份为M
n+1
，当月行驶里程为S
n+1
，里程斜率为当月总里程与上月总里程之差的绝对值，记为车辆当月的里程斜率，每两个相邻月份间的里程斜率k1(n)计算公式为：k1(n)＝|S
n+1
‑
S
n
|/(M
n+1
‑
M
n)
5)统计每台车辆最终计算出的各个月份中斜率的最大值，及斜率最大值对应的月份，视为该辆车有空驶嫌疑的月份；6)求取已入库车辆各运营月份的里程斜率k2(n)，计算公式同步骤4)，求出的里程斜率的平均值，记为标准值a，若上一步骤中车辆的最大里程斜率大于a值，则定义为该车辆为问题车辆；7)统计已入库车辆的日总行驶里程S
日行驶里程
，计算多辆车日行驶里程的期望值，并记为标准值b；8)查询问题车辆月份中车辆的日总行驶里程，若车辆的日总行驶里程大于所述标准值b，且天数超过15天，则该类车辆被判定为有空驶问题的车辆。2.如权利要求1所述的一种...

【专利技术属性】
技术研发人员：吴婧琦，王伟，李德明，曹晶峥，周志强，李茂飞，孙冉冉，
申请(专利权)人：青岛华通图新信息科技有限公司，
类型：发明
国别省市：