一种基于大数据的商用车多维度运行评估方法

本发明提供的一种基于大数据的商用车多维度运行评估方法,以目前商用车使用的车载智能终端、驾驶员监控摄像头和云端车辆数据库的数据为基础,采用大数据分析方法,对商用车驾驶员、车辆状态和货物运输进行评估,并将评估结果汇总展示;本方法的步骤过程为:首先进行相关数据的采集,其次进行驾驶员驾驶行为评估,然后进行车辆运行状态评估,然后进行货物运输评估,最后进行商用车运行评估结果汇总;本方法的评估结果为物流企业运营决策、车辆调度提供和政府部门对商用车的管理提供了数据支撑,也可以为车辆节能减排和安全驾驶提供参考。

专利类型: 发明专利
申请(专利)号: CN202011543276.6
申请日期: 2020年12月24日
公开(公告)日: 2021年4月6日
公开(公告)号: CN112613406A
主分类号: G06K9/00,G,G06,G06K,G06K9
分类号: G06K9/00,G06Q10/00,G06Q10/08,G06Q40/08,G07C5/08,G08B21/06,G,G06,G07,G08,G06K,G06Q,G07C,G08B,G06K9,G06Q10,G06Q40,G07C5,G08B21,G06K9/00,G06Q10/00,G06Q10/08,G06Q40/08,G07C5/08,G08B21/06
申请(专利权)人: 吉林大学
发明(设计)人: 王玉海,丁毅然,李兴坤,扈建龙,聂光印,邢延辉
主申请人地址: 130012 吉林省长春市前进大街2699号
专利代理机构: 长春市四环专利事务所(普通合伙)
代理人: 刘驰宇
国别省市代码: 吉林;22
主权项: 1.一种基于大数据的商用车多维度运行评估方法,以商用车车载智能终端设备实时上传的多维度信息数据为基础,通过相应的数据分析与挖掘技术,实现驾驶员驾驶行为评估、车辆运行状态评估和货物运输情况评估,将评估结果形成数据报表并进行可视化处理,其特征在于,具体步骤如下: 步骤一、数据采集 数据采集过程通过目前车内已有的车载智能终端、驾驶员监控摄像头和云端车辆数据库实现; 车载智能终端置于驾驶室内,与车辆CAN总线相连,通过已有技术手段可以实现车辆运行状态数据的实时提取,同时通过车载智能终端配备的无线传输设备与云端车辆数据库相连;车载智能终端配有可以发出提示音的蜂鸣器,车载智能终端从CAN总线内直接提取得到的车辆运行状态数据包括车辆识别码、当前车速、车辆定位、发动机转速、发动机转矩、车辆驱动力、变速箱档位、车辆加速度、车辆运行时间;数据采集时间间隔为1秒,将数据按照采集时间序列储存至二维表中; 车载智能终端对以上采集到的车辆运行状态数据进行噪声数据清洗和缺失数据填补;将超出车辆动力学约束范围的值定义为离群数据,车辆动力学约束范围由车辆额定载重、发动机参数、变速箱参数确定,通过查询该车型的车辆技术手册得到;将离群数据删除,则该时间戳tk的数据按缺失数据处理;在缺失数据填补过程中采用补插均值法进行代替,若为单一时间戳数据取缺失,则取缺失数据前、后各5个数据点取平均数填入;若为连续时间戳数据缺失,记此段缺失数据的时间戳个数为N,取缺失数据段前、后各2N个时间戳的数据,将此段缺失数据的时间戳之前2N个时间戳数据的平均值记为y1,将此段缺失数据的时间戳之后2N个时间戳数据的平均值记为y2;使用公式(1),用线性插值法计算缺失时间戳tk的数据值Numk,则可获得去噪后的完整数据集: 驾驶员监控摄像头置于驾驶室中可以清晰拍摄驾驶员面部特征且不妨碍驾驶员正常驾驶的位置,用以实时记录驾驶员行为视频;摄像头与车载智能终端进行有线连接,通过车载智能终端由已有技术手段可以实现驾驶员面部特征提取,实现接打电话、打哈欠、瞌睡行为的判定,驾驶员监控数据,包括是否接打电话的判定结果数据、打哈欠的判定结果数据、瞌睡行为的判定结果数据;由已有技术手段可以实现驾驶员人脸识别,输出驾驶员是否更换的判定结果数据; 云端车辆数据库储存有高精度地图数据和车辆基本信息数据;高精度地图为含有道路坡度信息数据的导航地图;车辆基本信息数据包括车辆车牌号、车辆额定满载质量、发动机MAP图、车辆迎风面积、车辆型号、车辆所有者、驾驶员、隶属的物流公司、维修情况和保险情况信息,上述车辆基本信息数据由物流公司和车辆所有者提前录入;在数据采集过程中,需要进行车载智能终端数据和云端车辆数据库中的数据的实时匹配,将车载智能终端上传的车辆识别码与云端车辆数据库的车辆车牌号进行匹配,在云端车辆数据中获得该车辆识别码的车辆基本信息数据; 上述车载智能终端中去噪后的车辆运行状态数据、驾驶员监控摄像头的驾驶员监控数据和云端车辆数据库中的高精度地图数据和车辆基本信息数据需要进行数据集成和规约,以便进行下一步评估,数据集成和规约在云端车辆数据库完成;由已获取的数据生成二维表,横向表头为各个数据项目,纵向表头为数据采集时间,各个评估步骤留有相应数据接口,其中后续的步骤二驾驶员驾驶行为评估的数据接口包括当前车速、车辆定位、发动机转速、发动机转矩、车辆加速度、是否接打电话的判定结果、打哈欠的判定结果、瞌睡行为的判定结果、是否更换驾驶员判定结果、车辆车牌号、车辆额定载重、车辆迎风面积、车辆型号、车辆所有者、驾驶员、隶属的物流公司;后续的步骤三车辆运行状态评估的数据接口包括当前车速、车辆定位、道路坡度、发动机转速、发动机转矩、车辆加速度、发动机MAP图;后续的步骤四货物运输评估的数据接口包括车辆定位、车辆额定载重、车辆型号、车辆所有者、驾驶员、隶属的物流公司;根据各个接口数据,后续步骤可以对商用车运行进行多维度评估; 步骤二、驾驶员驾驶行为评估 驾驶员驾驶行为评估进行不良驾驶行为、危险驾驶行为、疲劳监测、驾驶员油耗量评价;本步骤中的驾驶员驾驶行为评估是通过驾驶员监控摄像头和车辆运行状态数据分析进行的,由步骤一定义的数据接口获取数据,驾驶员驾驶行为评估在云端车辆数据库完成; 不良驾驶行为包括超速、急加速和急减速行为;车载智能终端根据车辆定位数据确定所在路段,联网查询得到该路段的限速值,将查询到的该路段的限速设定为vres,当车辆速度超过vres且持续时间超过2秒时判定为一次超速行为;当车辆当前速度v小于20km/h、加速度大于2.3m/s2且加速持续时间超过2秒时判定为一次急加速行为;,当车辆当前速度v大于50km/h、减速过程加速度绝对值大于3m/s2且减速持续时间超过2秒时判定为一次急减速行为;判定结束后,将超速、急加速和急减速行为的判定结果上传至云端车辆数据库; 危险驾驶行为包括接打电话、打哈欠、打瞌睡行为,由现有技术手段,驾驶员监控摄像头可以判断驾驶员是否有接打电话、打哈欠、打瞌睡的现象出现;当出现此类行为,车载智能终端通过蜂鸣器发出急促响声以提醒驾驶员,且将是否出现此类行为的判定结果上传至云端车辆数据库; 疲劳监测通过监测车辆运行时间实现,当车辆持续运行时间超过4小时,判定为一次疲劳驾驶行为,且将判定结果上传至云端车辆数据库;驾驶员监控摄像头通过面部识别判断是否更换驾驶员,若有驾驶员更换则取消此次疲劳驾驶行为判定; 驾驶员油耗量评价通过相同车型、相同或相近载重下的单位距离燃油消耗量对比实现;云端车辆数据库根据车载智能终端上传的车辆识别码确定车辆型号,在云端车辆数据库中搜索驶过同一路段的相同型号的车辆并提取其运行数据,实现相同商用车车型的判别与归类;通过车载智能终端采集到的数据可以实现实时载重计算,载重计算的具体过程见步骤三;进行某段道路上驾驶员油耗量评价时,设定当前车辆型号为Ⅰ,当前车辆质量为M,在云端车辆数据库中选取所有行驶过此段道路且质量介于0.9M至1.1M的Ⅰ型车,统计车辆的燃油消耗情况,燃油消耗量可由车载智能终端读取CAN总线信息得到;若此车辆在此路段的燃油消耗量低于70%的Ⅰ型车车辆的燃油消耗量,则将该驾驶员的燃油消耗量指标评价为“优秀”,若此车辆在此路段的燃油消耗量高于80%的Ⅰ型车车辆的燃油消耗量,则将该驾驶员的燃油消耗量指标评价为“较差”,其余情况可将该驾驶员的燃油消耗量指标评价为“良好”; 步骤三、车辆运行状态评估 车辆运行状态评估进行车辆位置监测、车辆质量监测、车辆发动机运行情况监测、异常停车情况监测; 车辆位置监测通过搭载于车载智能终端的全球定位系统实现,全球定位系统在地图中生成一系列定位点,平滑连接所有定位点得到车辆行驶轨迹,物流公司通过行车轨迹实现车辆的实时监控; 车辆质量监测通过车载智能终端的载重算法实现,在时间间隔不超过3分钟的时间段内选择两个车速相同的车辆状态,两个状态下的汽车行驶方程式如(2)和(3)所示: 在上式中,mt为车辆总质量,Fd1为车辆在状态1下的车辆驱动力、a1车辆在状态1下的车辆加速度、β1为车辆在状态1下的道路坡度,Fd2为车辆在状态2下的车辆驱动力、a2为车辆在状态2下的车辆加速度、β2为车辆在状态2下的道路坡度,CD为车辆的空气阻力系数,A为车辆的迎风面积,f为当前道路的滚动阻力系数,v为车辆当前速度; 当车辆当前速度v相同时,(2)式和(3)式相减可得: 在车辆的空气阻力系数CD、当前道路的滚动阻力系数f的获取过程中,可以使用最小二乘参数估计的方法进行计算,将(2)式写为(5)可得: 若将其拟合为如下一次函数目标形式: y=cx+d (6) 于是有: y=Fd-mt(a1+gsinβ1) (7) x=v2 (8) 则在上式中c表示当前道路的滚动阻力系数、d表示车辆的空气阻力系数,对(7)式和(8)式使用最小二乘参数估计法计算得到当前道路滚动阻力系数和车辆的空气阻力系数,不需要精确的车辆载荷值,但能够保证车辆动力学方程实时处于平衡状态以求得结果,且结果完全满足总质量数据采集过程的精度的需求; 由已得到的车辆总质量mt进行车辆超载监测,当监测到车辆总质量mt超过车辆额定满载质量的105%时,对产生超载现象的车辆驾驶员以及物流公司进行超载提醒; 车辆发动机运行情况监测通过车载智能终端实时上传的发动机转速、发动机转矩,将其描点至发动机台架测试得到的发动机MAP图上,绘制发动机工况点的MAP散点图并进行发动机转速与发动机转矩的分布区间统计,形成发动机工况点分布表格;进行怠速时间监测,发动机转速不为0、车速为0且持续时间超过30秒时,判定为一次过久怠速行为; 车辆异常停车监测需要结合车辆位置监测进行,根据车辆位置信息,当车辆在某一非服务区、非运输节点的位置停车时间超过600秒,则判定车辆出现一次异常停车行为; 步骤四、货物运输评估 货物运输评估进行货物位置与货物质量监测和车辆运营状态统计; 货物位置与货物质量监测需要结合车辆位置和车辆质量进行,设定当车辆在某一位置有停车行为且停车时间大于600秒,质量减少了MG,且MG大于1500千克,则可认定车辆在此位置卸下了质量为MG的货物; 车辆运营状态统计也需要结合车辆位置和车辆质量进行,统计车辆在7天内运载的总货物质量和总行驶里程,计算得到货物周转量,即总货物质量和总行驶里程乘积,单位:吨*千米,根据此数据判断车辆运营情况,选择评估路段,根据时间序列对商用车的空间分布情况进行汇总,统计车辆装货次数、卸货次数、各个载货状态的运营里程和空车运营里程,生成车辆运营状态二维表; 分析商用车的载货工作效率,以7天为一个周期进行分析,Mfull为满载车辆质量,M0为空车质量,Sall为车辆总运行里程,Mfull、M1、M2……Mn为车辆各个载货状态的质量,Sfull、S1、S2……Sn为车辆各个载货状态对应的行驶里程,定义车辆载货工作效率E为: 上式分母含义是在一个周期内的相应行驶里程下,该车辆的最大货物周转量,分子的含义是此周期内实际货物周转量,分析车辆载货工作效率能够评估车辆在7天内该路程始发点到终点的货物的匹配度,设定车辆载货工作效率阈值50%,当7天内车辆始发点和终点的车辆载货工作效率E大于50%,则判定该运输线路货物密度偏高,车辆较少,物流公司需要向该区域增加车辆,当7天内车辆始发点和终点的车辆载货工作效率E小于50%,则判定该运输线路货物密度偏低,车辆较多,物流公司需要在该区域减少车辆; 步骤五、商用车运行评估结果汇总 在步骤二至步骤四的多维度商用车运行评估之后,评估数据汇总上传至车辆云端数据库,对驾驶员评估、车辆运行状态评估和车辆运行状态评估的评估结果进行整理和可视化处理,形成综合数据报表和展示图,综合数据报表以时间为纵向表头,以各个细分评估项为横向表头生成综合数据报表,对于每一个细分评估项,以时间为横坐标,以评估结果为纵坐标绘制可视化展示图。
法律状态: 公开