[发明专利]一种基于车联网大数据的车辆动力性综合评价方法

说明书

本发明提出的是一种基于车联网大数据的车辆动力性综合评价方法，该方法包括数据采集阶段，数据处理阶段，模型训练阶段，定时预测阶段；数据采集阶段包括：步骤1‑1）数据采集获得原始报文数据，步骤1‑2）数据解析获得原始数据，步骤1‑3）数据存储；数据处理阶段包括：步骤2‑1）数据清洗，步骤2‑2）特征构建，步骤2‑3）特征提取；模型训练阶段包括：步骤3‑1）模型构建，步骤3‑2）模型训练，步骤3‑3）模型结果展示；定时预测阶段以模型训练阶段产生的动力性异常检测模型为基础来进行预测。本发明的优点：1）能够每日定时监测每一辆车的动力性异常情况；2）解决了传统检测方法耗时、耗力，且达不到普遍性的弊端。

技术领域

本发明涉及一种基于车联网大数据的车辆动力性综合评价方法，属于大数据处理分析及车辆动力性评价领域。

背景技术

我国车辆市场高速增长的时期已经过去,车辆产业将要进行的是一场提质增效、大数据智能时代的产业革命，人们也在研究各种各样的发动机，而车辆的动力性是评价发动机性能的重要指标；传统的车辆动力性分析一般采用试验检测的方法，通过车辆在各种场景下的试验来测试车辆的动力性，符合标准的实验结果是真实有效的，但其缺点是周期长、花费高，且只针对单一车辆或单一品牌的车辆，也不能代表车辆长远的动力性；因此，对车辆动力性进行抽样定期检测也成为了一个耗时耗力且不可避免的资源开销。

近年来，随着科学技术的快速发展，大数据的出现，也引发了车辆行业新一番的变化，车联网大数据的诞生，也为我们提供了丰富的资源环境，如今车联网行业数据采集和数据存储等产业链已经不断完善，但对应的车辆动力性分析仍然无法满足现在的需求。

传统的车辆动力性综合评价方法是需要定期的对大量出厂车辆进行抽样检测来确保结果的准确性和普遍性，不仅耗时耗力，也无法监测到每一辆车的动力性异常情况，而车辆的动力性影响因素众多，目前也缺乏科学的车辆动力性评价分析的方法，如今的大数据技术提供了海量的资源数据，却没有对应的分析方法，也无法解决车辆动力性综合评价的问题。

发明内容

本发明提出的是一种基于车联网大数据的车辆动力性综合评价方法，其目的旨在解决现有车辆动力性检测方法无法监测到每一辆车动力性是否异常的问题。

本发明的技术解决方案：一种基于车联网大数据的车辆动力性综合评价方法，该方法包括数据采集阶段，数据处理阶段、模型训练阶段，定时预测阶段；所述数据采集阶段包括：步骤1-1）数据采集获得原始报文数据，步骤1-2）数据解析获得原始数据，步骤1-3）数据存储；所述数据处理阶段包括：步骤2-1）数据清洗，步骤2-2）特征构建形成训练集，步骤2-3）特征提取形成特征数据集；所述模型训练阶段包括：步骤3-1）模型构建，步骤3-2）模型训练，步骤3-3）模型结果展示；所述定时预测阶段包括：步骤4-1）模型预测，步骤4-2）预测数据展示；所述模型训练阶段为定时预测阶段的前提，定时预测阶段以模型训练阶段产生的动力性异常检测模型为基础来进行预测。

进一步地，所述数据采集获得原始报文数据具体包括：通过车辆终端采集原始报文数据；所述数据解析获得原始数据具体包括：对数据采集获得的原始报文数据进行字段解析，生成可读信息获得原始数据；所述数据存储具体包括：将数据解析获得的原始数据存储至分布式文件系统。

进一步地，所述数据清洗具体包括：将数据解析获得的原始数据中不合理数据以及空数据去除；将不合理数据去除具体包括以下过程：

1）对数据解析获得的原始数据连续性进行中断标记，针对每一辆车的连续两条原始数据，对时间间隔大于60s的连续两条原始数据进行标记，时间间隔超过60s视为中断，标记时间中断的点，用于筛选连续运行区间；

2）对原始数据进行中断标记后，剔除掉连续运行区间数据条数小于100条的车辆的原始数据；所述连续运行区间数据为两个时间中断的点之间的数据；

3）剔除异常数据：所述异常数据为出现车辆速度≥200 km/h、发动机转速为负中的一种或两种的原始数据；