一种物流车辆隐患智能预警方法及系统与流程

1.本发明涉及物流车辆技术领域，尤其涉及一种物流车辆隐患智能预警方法及系统。


背景技术：

2.在物流汽车运行过程中，制动系统可能出现各种故障，如没有专业的技术人员不宜查找和排除，查找故障过程中难以确定故障位置，维修比较麻烦，故造成很多车辆带故障上路，容易给行车带来不安全因素及驾乘人员的生命及财产安全带来危险。例如，刹车片磨损到限位后，如不及时更换很可能造成制动失效，酿成事故和相关部件的严重磨损，给行车带来极大的安全隐患和不必要的资源浪费。


技术实现要素：

3.为解决背景技术中存在的技术问题，本发明提出一种物流车辆隐患智能预警方法及系统，实现了对车辆元件损耗进行预警，及时提醒用于进行维护。
4.本发明提出一种物流车辆隐患智能预警方法，包括：
5.获取车辆基本信息，所述基本信息包括车型信息、车龄信息、里程信息；
6.获取车辆历史数据，所述历史数据包括历史行驶数据、历史维修记录；
7.基于车辆基本信息和车辆历史数据判断故障预警点；
8.向车辆发送故障预警信息。
9.优选地，所述基于车辆基本信息和车辆历史数据判断故障预警点，具体包括：
10.根据车辆基本信息和历史维修记录，判断车辆各个元件的可使用寿命；
11.根据车辆的车龄信息、里程信息、历史行驶数据建立损耗分析模型，分析各个元件的损耗程度；
12.根据可使用寿命和损耗程度判断故障预警点。
13.优选地，所述向车辆发生故障预警后还包括：
14.获取车辆故障信息；
15.判断车辆故障与故障预警信息是否一致；
16.当判断是时，记录车辆故障信息，获取并更新维修记录；
17.当判断否时，基于车辆故障信息修正损耗分析模型。
18.优选地，所述历史行驶数据包括历史行驶速度数据、历史行驶路线数据、历史行驶路况数据。
19.本发明还提出一种物流车辆隐患智能预警系统，包括：
20.第一获取模块，用于获取车辆基本信息，所述基本信息包括车型信息、车龄信息、里程信息；
21.第二获取模块，用于获取车辆历史数据，所述历史数据包括历史行驶数据、历史维修记录；
22.数据分析模块，用于基于车辆基本信息和车辆历史数据判断故障预警点；
23.预警模块，用于向车辆发送故障预警信息。
24.优选地，所述数据分析模块，具体包括：
25.第一分析单元，用于根据车辆基本信息和历史维修记录，判断车辆各个元件的可使用寿命；
26.第二分析单元，用于根据车辆的车龄信息、里程信息、历史行驶数据建立损耗分析模型，分析各个元件的损耗程度；
27.第三分析单元，用于根据可使用寿命和损耗程度判断故障预警点。
28.优选地，所述系统还包括：
29.第三获取模块，用于获取车辆故障信息；
30.判断模块，用于判断车辆故障与故障预警信息是否一致；
31.反馈模块，用于记录车辆故障信息，获取并更新维修记录；
32.修正模块，用于基于车辆故障信息修正损耗分析模型。
33.优选地，所述历史行驶数据包括历史行驶速度数据、历史行驶路线数据、历史行驶路况数据。
34.本发明中，通过获取车辆基本信息、车辆历史数据；利用大数据分析判断故障预警点，并向车辆发送故障预警信息，有利于及时预警车辆故障，提醒相关车辆及时维护，以防运行途中发生故障无法解决等问题。
35.本发明中，利用大数据根据车辆基本信息和历史维修记录分析车辆各个元件的可使用寿命；根据车辆的车龄信息、里程信息、历史行驶数据建立损耗分析模型，分析各个元件的损耗程度；根据多维参数，分析车辆元件的损耗，增强的故障预警的准确性，根据车辆故障反馈结果及时修正分析模型，进一步提高了预警的精确度。
附图说明
36.图1为本发明实施例提出的一种物流车辆隐患智能预警方法的流程图；
37.图2为本发明实施例提出的车辆故障救援方法流程图。
具体实施方式
38.本实施例以应用于为车辆提供信息交流等服务的平台为例，进行说明，例如，运输行业内，物流公司基于管理需求，建立的卡车司机社群，该社群以app方式为载体，可以获取用户车辆信息，定位信息，行驶数据以及运输任务路线等数据，基于诸多数据进行分析，为用户提供车辆故障预警、以及车辆救援等多种服务。
39.如图1所示，本发明实施例提出一种物流车辆隐患智能预警方法，包括：
40.s11：获取车辆基本信息，需要说明的是，所述基本信息包括车型信息、车龄信息、里程信息；
41.s12：获取车辆历史数据，需要说明的是，所述历史数据包括历史行驶数据、历史维修记录；
42.s13：基于车辆基本信息和车辆历史数据判断故障预警点；
43.本发明实施例中，步骤s131还具体包括：
44.s131：根据车辆基本信息和历史维修记录，判断车辆各个元件的可使用寿命；
45.s132：根据车辆的车龄信息、里程信息、历史行驶数据建立损耗分析模型，分析各个元件的损耗程度；
46.s133：根据可使用寿命和损耗程度判断故障预警点。
47.需要说明的是，所述历史行驶数据包括历史行驶速度数据、历史行驶路线数据、历史行驶路况数据等；例如在本发明其中一实施例中，用户驾驶车辆为大运v9，2018年产，3年车龄，行驶里程7w公里，历史数据分析得出该车辆常跑高原路段。经过损耗分析模型分析可知这个时间段和路况下，车辆刹车片存在磨损严重的情况，需要及时更换新的刹车片，于是推送预警消息给用户，“请检查刹车系统，以免刹车失灵”48.s14：向车辆发送故障预警信息。
49.本发明实施例中，所述向车辆发生故障预警信息后还包括：
50.s15：获取车辆故障信息；
51.s16：判断车辆故障与故障预警信息是否一致；
52.s17：当判断是时，记录车辆故障信息，获取并更新维修记录；
53.s18：当判断否时，基于车辆故障信息修正损耗分析模型。
54.本实施例利用大数据根据车辆基本信息和历史维修记录分析车辆各个元件的可使用寿命；根据车辆的车龄信息、里程信息、历史行驶数据建立损耗分析模型，分析各个元件的损耗程度；根据多维参数，分析车辆元件的损耗，增强的故障预警的准确性，根据车辆故障反馈结果及时修正分析模型，进一步提高了预警的精确度。
55.需要说明的是，本实施例中，获取车辆故障信息时，还可以获取求助信息，为故障车辆提供救援，如图2所示，所述提供救援方法具体包括：
56.s1：获取故障车辆发送的求助信息；
57.需要说明的是，所述求助信息包括故障车辆信息、故障车辆地点、故障原因；
58.s2：检索目标时间段内可能经过故障车辆地点的第一目标车辆；
59.需要说明的是，所述步骤s2具体包括：
60.s201：获取数据库中车辆的定位数据，确定在预设救援距离范围内的相关车辆；
61.s202：分析相关车辆的历史行驶路线以及历史目的地，预测上述相关车辆即将经过的路段；
62.s203：将目标时间段内可能经过故障车辆地点的相关车辆确定为第一目标车辆。
63.s3：通知第一目标车辆前往救援；
64.s4：获取第一目标车辆救援结果；
65.s5：当救援成功时，存储救援记录并通知在前往救援途中的第一目标车辆结束救援；
66.s6：当救援失败时，基于求助信息检索预设救援距离范围内有相关故障解决经验且在目标时间段内处于空闲状态的第二目标车辆；
67.需要说明的是，所述步骤s6具体包括：
68.s601：获取数据库中车辆的当前定位，确定在预设救援距离范围内的第一相关车辆；
69.s602：获取数据库中第一相关车辆的历史维修记录以及故障记录，根据求助信息
检索有相关故障解决经验的第二相关车辆；
70.s603：获取数据库中第二相关车辆的历史定位数据，判断在目标时间段内是否处于空闲状态，判断为是时，确定为第二目标车辆。
71.s7：通知第二目标车辆前往救援；
72.s8：获取第二目标车辆救援结果；
73.s9：当救援成功时，存储救援记录并通知在前往救援途中的第二目标车辆结束救援；
74.s10：当救援失败时，获取预设救援距离范围内修理厂的相关信息，并将上述相关信息发送至故障车辆。
75.本实施例所提出的救援方法中，利用大数据分析当前定位，历史位置、维修记录、故障记录等数据，实现了精确锁定目标救援车辆，能够及时匹配并调度最合适的车辆基于救援。
76.本实施例所提出的救援方法中，使用多种目标车辆的确定方法实现了救援的多可能性，在互助救援依旧无法解决故障时，获取修理厂信息并提供给故障车辆，保障了故障车辆能够得到救援，避免了故障车辆发生突发状况孤立无援的情况。
77.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。