[发明专利]一种车辆指标异常的图示方法、装置、设备及存储介质

说明书

本发明公开了一种车辆指标异常的图示方法、装置、设备及存储介质，其中方法包括：计算车辆指标序列中任意两个指标的差值在预设时长内的方差，并根据所述方差形成车辆指标间差异矩阵；对所述车辆指标间差异矩阵的差矩阵进行激活化，以构成灰度图；当识别到所述灰度图上存在极亮点或者极暗点时，判断车辆存在异常，本申请能够通过车辆监控指标之间的相互关系，将众多监控指标以图示的方式展现给驾驶员，驾驶员根据图示上的极亮点和极暗点，对车辆的异常状态进行监控，从而快速的识别车辆是否存在异常，并且将车辆潜在故障鲜明地地反映给驾驶员。

技术领域

本发明涉及大数据分析，尤其涉及一种车辆指标异常的图示方法、装置、设备及存储介质。

背景技术

随着我国经济实力的不断发展，汽车已经从上世纪末的稀奇产品，变成现在我国国民普遍的交通工具，在车辆的行驶过程中，通过分析车辆相关的数据能反映出车辆的行驶状况，由于车辆监控指标之间存在随动关系，例如，发动机扭矩和瞬时油耗、发动机进气歧管压力和进气歧管温度、GPS车速和轮速等。当车辆监控指标之间的相互关系突然放大或者缩小时，往往反映出车辆潜在故障。但是这些监控指标数量众多，无法鲜明地反映给驾驶员，从而无法达到对车辆异常状态进行监控。

发明内容

本发明主要目的在于提供一种车辆指标异常的图示方法、装置、设备及存储介质，能够通过车辆监控指标之间的相互关系，将众多监控指标以图示的方式展现给驾驶员，驾驶员根据图示上的极亮点和极暗点，对车辆的异常状态进行监控，从而快速的识别车辆是否存在异常，并且将车辆潜在故障鲜明地反映给驾驶员。

第一方面，本申请提供了一种车辆指标异常的图示方法，该车辆指标异常的图示方法包括步骤：

计算车辆指标序列中任意两个指标的差值在预设时长内的方差，并根据所述方差形成车辆指标间差异矩阵；

对所述车辆指标间差异矩阵的差矩阵进行激活化，以构成灰度图；

当识别到所述灰度图上存在极亮点或者极暗点时，判断车辆存在异常。

一种可能的实施方式中，在时间段[t1,t2]内，获取指标Xi的采样值{xi1，xi2，xi3}和指标Xj的采样值{xj1，xj2，xj3}；

将指标Xi的采样值{xi1，xi2，xi3}和指标Xj的采样值{xj1，xj2，xj3}进行量纲归一化，得到量纲归一化的采样值{xi1’，xi2’，xi3’}和{xj1’，xj2’，xj3’}；

计算{xi1’-xj1’，xi2’-Xj2’，xi3’-Xj3’}的方差，以形成车辆指标间差异矩阵。

一种可能的实施方式中，根据神经网络的激活函数，将所述差异矩阵的差矩阵中的元素值映射到灰度值区间内，以构成灰度图。

一种可能的实施方式中，通过肉眼直接识别所述灰度图上的极亮点或极暗点，以判断车辆是否存在故障。

一种可能的实施方式中，将灰度图作为神经网络算法的输入，通过神经网络算法识别所述灰度图上的极亮点或极暗点，以判断车辆是否存在故障。

一种可能的实施方式中，通过构建亮点暗点与车辆故障的对应关系，以确定车辆故障的类型。

第二方面，本申请提供了一种车辆指标异常的图示装置，该车辆指标异常的图示装置包括：

计算单元，用于计算车辆指标序列中任意两个指标的差值在预设时长内的方差，并根据所述方差形成车辆指标间差异矩阵；

激活单元，用于对所述车辆指标间差异矩阵的差矩阵进行激活化，以构成灰度图；

判断单元，用于当识别到所述灰度图上存在极亮点或者极暗点时，判断车辆存在异常。

一种可能的实施方式中，所述计算单元还用于：