车辆预警方法、服务器、存储介质、车辆预警系统和车辆与流程

1.本发明涉及车辆技术领域，尤其是涉及一种车辆预警方法、服务器、非临时性计算 机存储介质、车辆预警系统和车辆。


背景技术：

2.随着车辆技术的发展，在一些方案中，使用集群式分布并行算法从海量故障报警信 息库中挖掘关联规则，如图1所示，为相关技术中传统的故障预警的示意图。利用知识 库来预测处理报警信息，将故障报警信息库放到集群里处理，降低海量数据信息挖掘所 带来的成本，且利用集群方式降低了服务器性能要求，从故障报警信息库中挖掘得到相 关规则以及相关信息结合形成知识库，再根据知识库中相关联的故障以及其支持度和置 信度来预测故障发生的概率，迅速指导故障的处理。
3.传统的故障预警主要是侧重于网络系统中设备发生故障时，存在大量无意义的故障 报警信息对故障诊断进行干扰，输入为故障报警信息，通过数据挖掘技术挖掘故障报警信 息之间的相关规则，确定定位故障，预测相关故障概率。
4.但是，这种传统的故障预警注重的是在故障发生之后的诊断定位和故障排查，不能 提前预警，也不能避免故障发生，且由于输入为故障报警信息，不是设备运行信息，因 此，日常监控预警效果不佳，属于事后排查。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在 于提出一种车辆预警方法，该方法可以提前预警，避免故障发生，提高用户的行车安全。
6.本发明的第二个目的在于提出一种服务器。
7.本发明的第三个目的在于提出一种非临时性计算机存储介质。
8.本发明的第四个目的在于提出一种车辆预警系统。
9.本发明的第五个目的在于提出一种车辆。
10.为了达到上述目的，本发明的第一方面实施例提出了一种车辆预警方法，该方法包 括：获取实时的车载数据；计算所述车载数据与预警工况模型的匹配度；根据所述匹配 度预测车辆进入预警工况，则发送警示信息。
11.根据本发明实施例的车辆预警方法，基于预先建立的预警工况模型，当获取车辆实时 的车载数据时，通过计算实时车载数据与对应的预警工况模型的匹配度，预测车辆进入预警 工况模型，并发送报警信息，即通过对实时车载数据进行动态处理，实现车辆的故障监测， 达到提前预警的目的，提高用户行车安全，相较于故障报警信息出现后，再确定故障类型， 本实施例中的车辆预警方法根据匹配度预测车辆进入预警工况，发送警示信息预警属于提前 预警，更加安全。
12.在一些实施例中，计算所述车载数据与预警工况模型的匹配度，包括：将所述车载 数据进行流数据处理；将流数据处理后的车载数据分别输入训练好的各种预警工况模 型；
获得每个所述预警工况模型输出的对应所述车载数据的置信度；获得每个所述预警 工况模型输出的对应所述车载数据的置信度；获得输出最高置信度的目标预警工况模 型；所述最高置信度对应所述目标预警工况模型的正向分类且所述最高置信度高于所述 目标预警工况模型的预设阈值，判断车载数据与预警工况模型是否匹配。
13.在一些实施例中，所述预警工况模型包括用车行为模型，根据所述匹配度预测车辆 进入预警工况，则发送警示信息，包括：所述车载数据与所述用车行为模型匹配，则确 定用户操作车辆不当；根据所述车载数据匹配的用车行为模型生成不当操作信息；发送 所述不当操作信息，以进行警示。
14.在一些实施例中，所述车辆预警方法还包括：根据所述不当操作信息预测车辆故障， 并生成故障预警信息；发送所述车辆预警信息，以进行故障预警。
15.在一些实施例中，所述预警工况模型包括故障模型，根据所述匹配度预测车辆进入 预警工况，则发送警示信息，包括：所述车载数据与所述故障模型匹配，预测车辆将会 发生对应所述故障模型的故障；根据所述车载数据匹配的故障模型生成故障预警信息； 发送所述故障预警信息，以进行故障预警。
16.在一些实施例中，所述车辆预警方法还包括：所述置信度小于所述预设阈值，则存 储所述车载数据，以用于更新所述预警工况模型，通过不断存储置信度小于预设阈值的 车载数据，对预警工况模型进行完善，提高预警准确度。
17.为了达到上述目的，本发明的第二方面实施例提出的一种服务器，该服务器包括： 至少一个处理器；与所述至少一个处理器通信连接的存储器；其中，所述存储器中存储 有预警工况模型和可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理 器执行时实现上面实施例所述的车辆预警方法。
18.根据本发明实施例的服务器，通过处理器执行上面实施例提到的车辆预警方法，可以 对实时车载数据进行监控，预测车辆的运行状态，达到提前预警的目的，保证用户的行车安 全。
19.为了达到上述目的，本发明的第三方面实施例提出的一种非临时性计算机存储介质， 其上存储有计算机程序，其特征在于，所述计算机程序被执行时实现上面实施例所述的 车辆预警方法。
20.为了达到上述目的，本发明的第四方面实施例提出的一种车辆预警系统，该预警系 统包括：采集装置，用于采集车载数据；通信装置，与所述数据采集装置连接，用于发 送所述车载数据，以及接收警示信息；控制装置，与所述通信装置连接，用于根据所述 警示信息生成警示控制信号；警示装置，与所述控制装置连接，用于根据所述警示控制 信号进行警示。
21.根据本发明实施例的车辆预警系统，通过通信装置发送车载数据和接收警示信息， 根据车载数据与预警工况模型的匹配度，预测车辆进入预警工况模型，控制装置根据接 收的警示信息生成控制信号，进行车辆预警，通过及时预警提醒用户规范机车，进行故 障排查和维修保养，避免操作不当引起的事故发生，保证用户行车安全。
22.为了达到上述目的，本发明的第五方面实施例提出的一种车辆，该车辆包括：车体、 can总线和上面实施例所述的车辆预警系统，所述车辆预警系统与所述can总线通信。
23.根据本发明实施例的车辆，在车辆预警系统与can总线通信时，通过计算实时车载
数 据与预警工况模型的匹配度，对实时车载数据进行监控，避免用户操作不当引起事故发 生，保证用户行车安全。
附图说明
24.本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明 显和容易理解，其中：
25.图1是根据相关技术中传统的故障预警的示意图；
26.图2是根据本发明一个实施例的大数据处理过程的流程图；
27.图3是根据本发明一个实施例的预警工况模型建立的流程图；
28.图4是根据本发明一个实施例的车辆预警方法的流程图；
29.图5是根据本发明一个实施例的车辆预警系统架构示意图；
30.图6是根据本发明一个实施例的车辆预警方法的流程图；
31.图7是根据本发明一个实施例的服务器的框图；
32.图8是根据本发明一个实施例的车辆预警系统的框图；
33.图9是根据本发明一个实施例的车辆的框图。
具体实施方式
34.下面详细描述本发明的实施例，参考附图描述的实施例是示例性的，下面详细描述 本发明的实施例。
35.车辆在运行过程中，由于不能对用户的不当操作、车辆故障信息和维修保养信息等 进行及时预警和故障排查，因此无法避免不当操作引起的事故，通过本发明实施例的车 辆预警方法实时监测车辆的运行状态，对车辆进行提前预警是必要的。
36.本发明实施例的车辆预警方法，基于预先建立的预警工况模型，实现对车载数据的 监控和预测功能，其中，预警工况模型可以包括故障模型或基于不当操作建立的用车行 为模型或者其他可用于预测车辆不良运行的模型，下面先介绍一下预警工况模型的建 立。
37.其中，预警工况模型的建立是基于与大数据技术和云计算技术，先将海量数据进行存储， 并进行数据导入和清洗，再利用机器学习算法根据车辆的正常工况、非正常工况前以及非正 常工况后进行分类，提取分类特征值建立各工况模型，模拟车辆的运行状态。工况模型例如 怠速工况、加速工况、减速工况、匀速工况、故障记录工况、不当操作行为和维修保养等工 况行为，其中，机器学习算法包括分类树、回归树、k相邻、支持向量机、随机森林等。
38.下面参考附图对数据的处理过程与机器学习算法模型构建进行详细说明。
39.如图2所示，为本发明一个实施例的大数据处理过程的流程图。
40.步骤s21，数据采集，将采集的数据导入到服务器中。
41.步骤s22，数据导入，将采集的数据进行纠正、去重和补全等操作。
42.步骤s23，数据分类，将车辆运行数据与不当操作行为、故障记录和维修保养等信息进 行关联，且不当操作行为、故障记录和维修保养信息将由一系列时序性数据表示，按照分类 工况对数据进行分类。
43.步骤s24，统计数据，对分类后的数据做初步的统计分析和整理。
44.步骤s25，数据存储，将整理和统计后的数据存储在服务器集群中。
45.将经大数据处理后的数据按照工况分类，利用机器学习算法对各工况进行模型构建，建 立预警工况模型。
46.参考图3对预警工况模型建立进行说明，如图3所示，为本发明一个实施例的预警工况 模型建立的流程图。
47.步骤s31,将经过处理分类后的存储数据分为训练数据和测试数据。
48.步骤s32，利用一种或多种机器学习算法以及改进算法对训练数据进行学习，生成预警 工况模型，形成知识库，模拟车辆的运行状态。
49.步骤s33，在预警工况模型中使用测试数据测量预警工况模型的准确性。
50.步骤s34，根据准确性选择各工况最适合的算法，建立预警工况模型，更新知识库。
51.其中，预警工况模型可以包括用车行为模型、故障模型等，通过预警工况模型可以对车 辆运行过程中的不当操作、故障信息和维修保养等进行提前预警，提醒用户规范驾车，及时 进行故障排查和维修保养，避免用户操作不当引起事故，保证行车安全。
52.基于上面实施例的预警工况模型，下面参考图4-图6描述本发明第一方面实施例的车辆 预警方法。
53.如图4所示，本发明实施例的车辆预警方法至少包括步骤s1、步骤s2和步骤s3，具体 描述如下。
54.步骤s1,获取实时的车载数据。
55.在实施例中，实时车载数据包括车辆运行数据、不当操作行为、车辆故障记录和维修保 养信息等。通过车载终端can总线(controller area network，控制器局域网络)技术采集 实时车载数据，以及，其他途径例如后台采集历史数据，维修售后采集的故障数据和维修记 录等途径采集不当操作行为、车辆故障记录和维修保养等数据。
56.其中，车辆运行数据例如车辆速度、电压、电流、剩余电量、温度、档位、油门深度、 制动深度、电池故障状态等运行参数及报警状态；车辆故障记录例如整车测试中出现的故障 记录、客户报修时反应的故障记录以及网上讨论的故障等；维修保养信息例如车辆维修时间、 维修时更换的零部件名称和数量、故障描述、购车时间、行车里程以及上次保养的时间等。
57.步骤s2，计算车载数据与预警工况模型的匹配度。
58.在实施例中，将实时车载数据上传到服务器，并将预警工况模型与实时监控数据对比匹 配，计算实时车载数据例如电池损耗与电池故障工况模型的匹配度，通过匹配度计算，确定 车载数据与预警工况模型是否匹配，从而判断车辆是否需要进行提前预警。
59.步骤s3，根据匹配度预测车辆进入预警工况，则发送警示信息。
60.在实施例中，通过步骤s2对车辆数据和预警工况模型的匹配度进行计算后，根据匹配 度计算结果，判断车辆是否进入对应的预警工况模型例如电池故障工况模型，并在预测进入 电池工况模型时，对即将发生电池故障，向车辆发送报警信息，报警信息可以通过车载语音 系统发送，用于提醒用户进行故障排查，避免事故发生，保证行车安全。且在进行报警提醒 时，针对不同的提醒采用不同策略分级处理，级别越高提醒的频率也越高，在提醒频率过高 时，可能会适当自动改变车辆控制策略，确保用户行车安全；级别越低提醒频率相对越低， 且不影响用户行车，所有提醒在用户做出预警操作或反馈后结束，等到新的
警示信息再次出 现时再次提醒。
61.如图5所示，为本发明一个实施例的车辆预警系统架构示意图，服务器中预先建立有预 警工况模型，该预警工况模型的建立基于大数据处理后的结果按照不同工况进行分类，再利 用机器学习算法对各个工况进行模型构建，生成预警工况模型，并对实时车载数据进行监控， 将车载数据与预警工况模型进行匹配，确定车辆目前运行状态，在数据分析完成后，通过车 载语音系统反馈给用户，对有不当操作、即将发生故障以及需要维修保养的车辆进行预警处 理，并识别不当操作，进行报警，直至操作规范，停止报警。
62.根据本发明实施例的车辆预警方法，基于预先建立的预警工况模型，当获取车辆实时的 车载数据时，计算实时车载数据与对应的预警工况模型的匹配度，即通过对实时车载数据进 行动态处理，预测车辆进入预警工况模型，并发送报警信息，实现车辆的故障监测，达到提 前预警的目的，提高用户行车安全，相较于故障报警信息出现后，再确定故障类型，本实施 例中的车辆预警方法通过计算匹配度，预测车辆进入预警工况属于提前预警，更加安全，且 实时车载数据能够表征车辆的实时状态，其挖掘价值更高。
63.在一些实施例中，计算车载数据与预警工况模型的匹配度包括：将车载数据进行流 数据处理；将流数据处理后的车载数据分别输入训练好的各种预警工况模型；获得每个 预警工况模型输出的对应车载数据的置信度；获得每个预警工况模型输出的对应车载数 据的置信度；获得输出最高置信度的目标预警工况模型；最高置信度对应目标预警工况 模型的正向分类且最高置信度高于目标预警工况模型的预设阈值，则确定车载数据与预 警工况模型匹配。其中，由于本发明实施例中，预警工况模型为可预测车辆可能的不良 运行情况的模型，所以，目标预警工况模型的正向分类可以为确定属于该模型的分类， 例如，对于电池预警模型，电池预警模型输出的置信度可以包括高风险、中风险和低风 险对应的置信度，其中，高风险、中风险可以对应电池预警模型的正向分类，即确定电 池存在风险的肯定性质的分类。
64.在实施例中，车辆运行时对实时车载数据进行数据流处理即以一定的帧频率对实时上传 至服务器的车载数据进行截取，将经过流处理的数据与预警工况模型进行聚类分类匹配，计 算实时监控数据与对应预警模型的匹配度，例如计算实时车辆制动数据与制动预警工况模型 的置信度，在车辆制动数据的置信度高于制动预警工况的预设阈值时，确定车载数据与制动 预警工况模型匹配，发送警示信息，确定车辆处于进入制动预警工况，且车辆在即将发生故 障时，车辆内部的实时运行数据会发生变化。其中，置信区间为给出的是被测量参数的测量 值的可信程度。
65.在一些实施例中，预警工况模型包括用车行为模型，根据匹配度预测车辆进入预警 工况，则发送警示信息包括：车载数据与用车行为模型匹配，则确定用户操作车辆不当； 根据车载数据匹配的用车行为模型生成不当操作信息；发送不当操作信息，以进行警示。
66.在实施例中，用车行为模型可以用于规范驾驶，识别不当操作等，获取车载数据例如驾 驶员猛踩油门或猛踩刹车，将获取的车载数据与用车行为模型匹配，并根据匹配计算结果生 成不当操作信息，can总线发送不当操作信息，对车辆进行报警提醒，并将提示信息发送到 车辆的车载语音系统，提示车主进行存在不当操作。
67.在一些实施例中，车辆预警方法还包括：根据不当操作信息预测车辆故障，并生成 故障预警信息；发送车辆预警信息，以进行故障预警，即用车行为模型可以辅助预测车 辆
故障，例如，若车主长期驾驶习惯不好，喜欢开猛加油门猛踩刹车，则其刹车制动系统 在不良刹车习惯下会更容易故障损坏，通过提醒用户，及时进行故障排查和维修保养，避 免不必要的事故发生。
68.在一些实施例中，预警工况模型包括故障模型，根据匹配度预测车辆进入预警工况， 则发送警示信息包括：车载数据与故障模型匹配，预测车辆将会发生对应故障模型的故 障；根据车载数据匹配的故障模型生成故障预警信息；发送故障预警信息，以进行故障 预警。
69.在实施例中，车载数据例如制动深度数据，计算制动深度数据与制动故障模型的匹配度， 若匹配度大于制动故障模式预设阈值，确定制动深度数据与制动故障匹配，预测车辆将会发 生制动故障，并根据制动故障模型生成制动预警信息，并发送制动预警信息至车辆，提前进 行制动预警，提醒用户进行故障排查，避免不必要的事故发生。
70.在一些实施例中，车辆预警方法还包括置信度小于所述预设阈值，则存储车载数据， 以用于更新预警工况模型，将车载数据输入训练好的预警工况模型后，获取的对应的工 况模型输出的车载数据的置信度小于预设阈值，例如输出的车载数据的置信度为70％， 对应的预设阈值为90％，则置信度低于预设阈值，说明车载数据与预警工况模型不匹配， 则将该车载数据进行存储，通过这样的数据存储过程，不断对数据进行分类和模型训练， 实现预警工况模型的更新，提高了该模型预警的准确性。
71.下面结合图6对本发明实施例的车辆预警方法进行详细说明。如图6所示，为根据本发 明一个实施例的车辆预警方法的流程图。
72.步骤s41，经过大数据处理后的数据，将处理后的数据进行分类。
73.步骤s42，若是训练数据，执行步骤s44。
74.步骤s43，测试数据。
75.步骤s44，利用机器学习算法对训练数据进行规则提取和学习。
76.步骤s45，生成知识库，使用测试数据进行测试，并更新知识库。
77.步骤s46，建立预警工况模型。
78.步骤s47，在实时车载数据传输过程中与预警工况模型进行匹配，确定车辆运行状态。
79.步骤s48，对不当操作、故障和维修保养信息进行报警提醒。
80.总而言之，根据本发明实施例的车辆预警方法，基于预先建立的预警工况模型，当获取 车辆实时的车载数据时，计算实时车载数据与对应的预警工况模型的匹配度，即通过对实时 车载数据进行动态处理，预测车辆进入预警工况模型，并发送报警信息，实现车辆的故障监 测，达到提前预警的目的，提高用户行车安全，相较于故障报警信息出现后，再确定故障类 型，本实施例中的车辆预警方法通过计算匹配度，预测车辆进入预警工况属于提前预警，更 加安全，且实时车载数据能够表征车辆的实时状态，其挖掘价值更高。
81.下面参考附图描述本发明第二方面实施例的服务器。
82.图7是根据本发明一个实施例的服务器的框图，如图7所示，本发明实施例的服务器10 包括至少一个处理器11和与至少一个处理器通信连接的存储器12。
83.其中，存储器12中存储有预警工况模型和可被至少一个处理器执行的指令，指令 被至少一个处理器11执行时上面实施例提到的车辆预警方法。
84.根据本发明实施例的服务器10，通过处理器11执行上面实施例提到的车辆预警方法， 可以对实时车载数据进行监控，预测车辆的运行状态，达到提前预警的目的，保证用户的行 车安全。
85.本发明第三方面实施例的计算机可读存储介质，其上存储有计算机程序，计算机程序 被执行时实现上面实施例提到的车辆预警方法。
86.下面参考附图描述本发明第四方面实施例的车辆预警系统。
87.图8是根据本发明一个实施例的车辆预警系统的框图，如图8所示，本发明实施例 的车辆预警系统20包括采集装置21、通信装置22、控制装置23和警示装置24。
88.其中，采集装置21用于采集车载数据；通信装置22与数据采集装置21连接，用于 发送车载数据，以及接收警示信息；控制装置23与通信装置22连接，用于根据警示信 息生成警示控制信号；警示装置24与控制装置23连接，用于根据警示控制信号进行警 示。
89.根据本发明实施例的车辆预警系统20，通过通信装置22发送车载数据和接收警示信 息，根据车载数据与预警工况模型的匹配度，预测车辆进入预警工况模型，控制装置23 根据接收的警示信息生成控制信号，进行车辆预警，通过及时预警提醒用户规范机车， 进行故障排查和维修保养，避免操作不当引起的事故发生，保证用户行车安全。
90.下面参考附图描述本发明第五方面实施例的车辆。
91.图9是根据本发明一个实施例的车辆的框图，如图9所示，本发明实施例的车辆30 包括车体31、can总线32和上面实施例提到的车辆预警系统20，车辆预警系统20与 can总线32通信。
92.根据本发明实施例的车辆30，在车辆预警系统20与can总线32通信时，通过计算 实时车载数据与预警工况模型的匹配度，对实时车载数据进行监控，避免用户操作不当 引起事故发生，保证用户行车安全。
93.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示意性实施例”、
ꢀ“
示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特 征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述 术语的示意性表述不一定指的是相同的实施例或示例。
94.尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本 发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的 范围由权利要求及其等同物限定。