一种优化胎压历史轨迹的方法、胎压预测方法、电子设备及存储介质与流程

1.本发明涉及汽车胎压监测预测，更具体涉及一种优化胎压历史轨迹的方法、胎压预测方法、电子设备及存储介质，属于汽车安全技术领域。


背景技术：

2.汽车轮胎是汽车重要部件之一，据不完全统计，高速路上因为轮胎造成的事故比例高达42％，目前国家法规要求汽车厂商安装的tpms(轮胎压力监测系统)，需要满足一定的时间要求和一定的阀值条件才会报警，tpms监控的是胎压情况，而胎压又受气候、路况，载重，环境温度，海拔等客观因素影响，对于缓慢漏气的轮胎，比如扎钉子，tpms就不能及时检测出来。原因之一也是没有把胎压的历史数据进行二次优化，导致错误的判断了胎压的历史情况。因此，如果能在云端，通过现有车辆胎压的运行的数据，自动对用户的胎压数据进行二次优化拟合，将有助于给用户提供更精确的胎压相关的服务。
3.目前尚没有基于用户胎压历史数据轨迹进行二次优化的技术，只有实时监测胎压的相关算法，如中国发明专利cn200810032872.0公开了一种轮胎压力监测系统实时监测轮胎压力的方法，轮胎压力监测系统包括一传感发射器、一中央监控器，传感发射器内置有一加速度传感器，加速度传感器可以通过感知并测量汽车轮子的转速从而确定汽车当前的运动状态；当加速度传感器判断汽车处于静止状态时，系统采用轮胎压力detp检测算法进行压力监测：传感发射器每隔一个固定时间间隔s采集一次轮胎压力信息p；中央监控器存储有传感发射器最近一次发送给中央监控器的压力信息p0，传感发射器当前实际采集到的轮胎压力信息为p2，同时设置一轮胎压力更新固定值m，当|p2-p0|》m时，则传感发射器将p2发送给中央监控器，中央监控器将p2存储并作为轮胎当前压力值显示，该专利没有对历史情况进行处理，因此无法预判用户胎压的趋势。


技术实现要素：

4.针对现有技术存在的上述不足，本发明的目的是提供一种优化胎压历史轨迹的方法、胎压预测方法、电子设备及存储介质，本发明通过对历史数据的预处理和加工，对得到的函数进行二次拟合，优化胎压的历史轨迹，预判用户胎压的趋势。
5.本发明的技术方案是这样实现的：
6.一种优化胎压历史轨迹的方法，步骤如下，
7.1)使用已有的胎压数据，对胎压趋势进行初次拟合；
8.1.1)数据采集：采集设定的数据采集周期内车辆胎压及与胎压相关的历史数据；
9.1.2)数据处理：对采集数据进行预处理，算出每个轮胎每天的胎压均值，外部温度均值，然后通过理想气体方程pv＝nrt，计算各个轮胎每天的气体量；公式中p-胎压均值；v-气体体积，默认气体体积为一个单位；n-气体量；r-摩尔气体常数；t-外部温度均值；
10.1.3)线性拟合：根据步骤1.2)计算得到的每个轮胎每天的气体量，在数据采集周
期内进行线性最小二乘拟合，得到每个轮胎气体量y与时间x的线性关系y＝kx b；k是车辆每个轮胎气体量斜率，b是截距；
11.2)对步骤1)得到的轮胎气体量斜率进行二次拟合；
12.2.1)根据步骤1)得到的轮胎气体量斜率k，按公式k＝ak对斜率进行优化，k为二次拟合的气体量斜率，其中系数a＝数据采集周期内的实际用车天数/数据采集周期内实际用车第一天和实际用车最后一天之间的总天数；
13.2.2)保持截距b不变，基于二次拟合的轮胎气体量斜率k得到新的轮胎气体量y与时间x的线性关系y＝kx b；从而反推得到优化后的胎压历史轨迹及趋势。
14.进一步地，步骤1.1)中，与胎压相关的历史数据包括轮胎温度、轮胎在车辆上的对应位置、环境温度、海拔高度、时间戳和车辆car_id。
15.进一步地，步骤1.2)中，对采集数据进行预处理包括去掉无效值、空值、异常值和识别人为放气。
16.具体地，识别人为放气的步骤为，先获取数据采集周期内第t 2天、第t 1天、第t天、第t-1天胎压数据，判断t-1天的胎压数据是否大于专家经验值a，若大于，再计算第t-1天与第t天胎压差值或第t-1天与t 1天的胎压差值，若差值大于专家经验值b，再计算第t天与第t 1天胎压差值或第t 1天与第t 2天胎压差值，若差值小于专家经验值c，则该条胎压数据被认定为是人为放气导致的胎压，删掉该条数据。
17.为了保证数据样本的有效性，步骤1.2)中，数据预处理时，设置计算所需的最小数据天数a，若数据采集周期内胎压有效数据对应的天数小于设置的最小数据天数a，则该车有效天数不足，拟合时不处理该车数据。
18.本发明同时提供了一种车辆轮胎胎压预测方法，按如下步骤进行，
19.s1)根据轮胎胎压，将轮胎分为如下三种状态：
20.当前车辆胎压＞a kp时处于健康状态；当前车辆胎压＜b kp时处于驾驶风险状态；b kp≤当前车辆胎压≤a kp时，处于亚健康状态；
21.s2)将处于亚健康状态的轮胎按前述方法中斜率优化方法进行优化，得到优化后的气体量斜率k；
22.s3)实时监测处于亚健康状态的轮胎胎压，设当前轮胎的实际胎压值为m，使用n表示多少天之后就会低压告警，即n＝(m-b)/k，根据日期推算，提醒处于亚健康状态的轮胎用户在将来的某天之前完成加气。
23.为了减小数据处理工作量，本发明预先确定斜率阈值，只有处于亚健康状态且优化后的气体量斜率低于斜率阈值的轮胎，才进行步骤s3)的预测和告警提醒；其中斜率阈值按如下方法确定，
24.a)先选取一定量的轮胎按前述方法中斜率优化方法进行优化，得到每个轮胎优化后的气体量斜率；
25.b)根据统计分析，得到胎压异常轮胎占总轮胎数量的百分比，设为m％；
26.c)然后对步骤a)得到的所有轮胎优化后的气体量斜率由低到高排序，将其中斜率最陡(因斜率为负值，最陡即斜率最小)的那m％的斜率数据找出来，并计算其斜率均值，该斜率均值即为斜率阈值。
27.优选地，本发明还根据专家意见，对步骤c)的斜率均值进行修正，修正后的斜率均
值才作为最终的斜率阈值。
28.为了更方便用户掌握信息，对于需要告警提醒的轮胎，先进行胎压异常的原因分析，在后续进行告警提醒的同时附上胎压异常的原因；具体步骤如下：
29.a)获取需要告警提醒的轮胎设定时间段内的所有胎压数据以及与胎压相关的数据，分别计算该轮胎设定时间段内的海拔平均值、环境温度平均值和胎压平均值，并针对得到的所有平均值，上下浮动预设的若干个sigma值，作为轮胎当前所处的日常胎压、日常海拔和日常环境温度；
30.b)判断当前胎压是否处于日常胎压范围且处于亚健康状态，若不是，则用户胎压过低；判断用户车辆是否漏气，是否低压告警；若均未告警和漏气，则继续分析当前胎压是否处于日常海拔范围内，若不是，则提示用户是由于海拔突变导致的胎压较低；若当前胎压不是处于日常温度范围内，则提示用户是由于温度突变导致的胎压较低。
31.一种实现车辆轮胎胎压预测方法的电子设备，包括存储器，配置为存储可执行指令；
32.处理器，配置为执行存储器中存储的可执行指令，以实现前述的车辆轮胎胎压预测方法。
33.一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令执行上述车辆轮胎胎压预测方法。
34.与现有技术相比，本发明具有如下有益效果：
35.1、本发明在不增加硬件的情况下，利用云端现有的车辆运行相关的信号数据，进行数据挖掘，变量构造，规则设定，运用算法模型，灵活的设定，获得用户指定天数内的胎压历史趋势，实现对胎压历史轨迹的优化，基于优化的胎压历史轨迹，更好地服务车主，有助于提高行车安全。
36.2、本发明考虑到胎压的波动性，对气体量斜率进行了优化，优化后的斜率更能够反应胎压的实际变化情况，故基于优化后的斜率进行预测和告警，结果更准确。
37.3、由于绝大部分的轮胎胎压为正常，胎压异常的只是少部分，故本发明在告警前的数据处理中，只对处于亚健康状态且低于斜率阈值的轮胎进行甄别处理，这样大大降低了数据处理量，避免了很多无谓的运算，提高了处理效率。
附图说明
38.图1-本发明数据预处理中判断人为放气流程图。
39.图2为本发明斜率优化及斜率阈值确定流程图。
40.图3为基于优化后的胎压历史轨迹预测轮胎漏气效果图。由于预测用户漏气后，用户可能过后几天才去加气，所以预测结果的验证有一定的延迟性。
41.图4本发明低压原因分析流程图。
42.图5为本发明预测方法对应的系统架构图。
具体实施方式
43.以下结合附图对本发明的具体实施方案做详细描述。
44.本发明一种优化胎压历史轨迹的方法，步骤如下，请参见图2，
45.1)使用已有的胎压数据，对胎压趋势进行初次拟合；
46.1.1)数据采集：采集设定的数据采集周期内车辆胎压及与胎压相关的历史数据；如采集同一批车型200辆车最近1个月原始胎压数据。
47.1.2)数据处理：对采集数据进行预处理，算出每个轮胎每天的胎压均值，外部温度均值，然后通过理想气体方程pv＝nrt，计算各个轮胎每天的气体量；公式中p-胎压均值；v-气体体积，默认气体体积为一个单位；n-气体量；r-摩尔气体常数；t-外部温度均值；
48.为减少噪声数据，对每个轮胎每天的气体量求均值，得到每个车每个位置轮胎每天的气体量数据。
49.1.3)线性拟合：根据步骤1.2)计算得到的每个轮胎每天的气体量，在数据采集周期内进行线性最小二乘拟合，得到每个轮胎气体量y与时间x的线性关系y＝kx b；k是车辆每个轮胎气体量斜率，b是截距；
50.通过每天每个轮胎的气体量均值，可以画出气体量折线图直观显示，观察折线图变化情况，有漏气的轮胎，气体量折线图应该是缓慢下降的，且斜率为负值，没有漏气的轮胎折线图比较平稳。
51.由于每个车辆，每个轮胎的斜率值均不同，所以要分别记录四个轮胎的斜率数据。
52.2)对步骤1)得到的轮胎气体量斜率进行二次拟合；
53.2.1)根据步骤1)得到的轮胎气体量斜率k，按公式k＝ak对斜率进行优化，k为二次拟合的气体量斜率，其中系数a＝数据采集周期内的实际用车天数/数据采集周期内实际用车第一天和实际用车最后一天之间的总天数(包括第一天和最后一天)；
54.本发明考虑到数据采集周期内并不是每天都有用车，而真正用车天数和没用车天数对胎压的影响是不同的，所以本方法根据车辆的实际使用天数，对斜率进行二次优化。举例说明如下：某车数据采集周期为一个月，假设优化当天为5月26号，往前推一月即为4月27号；虽然4月有27-5月26号有30天，但中间有10天没有用车，该数据采集周期内实际用车只有20天，且该周期内实际用车第一天是4月30号，实际用车最后一天是5月24号，中间的总天数为25天，并且这25天中中间又有5天没有用车，在优化斜率的时候，新的斜率值系数a＝20/25＝0.8,即k＝0.8k,由于斜率为负值，通过这样的方式，使得斜率变大，变得相较优化前更平缓，更符合实际情况，由此得到所有车辆优化后的斜率，即胎压历史趋势。
55.2.2)保持截距b不变，基于二次拟合的轮胎气体量斜率k得到新的轮胎气体量y与时间x的线性关系y＝kx b；从而反推得到优化后的胎压历史轨迹及趋势。
56.得到该车优化后的胎压趋势后，若需要获取车辆近n个月(新确定的数据采集周期)的胎压趋势图，可以按上述方法调整二次拟合时计算系数a时分子分母的值即可得到新的优化后的斜率。
57.其中，步骤1.1)中，与胎压相关的历史数据包括但不限于轮胎温度，轮胎在车辆上的对应位置，环境温度，海拔高度，时间戳，车辆car_id。其中车辆id，轮胎位置作为区别不同车辆不同轮胎位置的标识符。
58.步骤1.2)中，对采集数据进行预处理时，首先根据每条数据中的当前轮胎位置数据，确定本条数据所属的轮胎位置，再确定该轮胎位置的胎压数据，根据每个车的各自轮胎位置数据，以及胎压数据定义，去掉无效值以及空值(如当天没有用车，就没有上传胎压数据，该天数据为空值)、异常值等非正常数据。由于当胎压比较高的时候，存在人为放气的可
能性，且人为放气对胎压趋势影响很大，此类噪声数据需要识别出来并剔除。
59.由于存在人为放气导致胎压骤降的情况，进一步地，我们需要识别人为放气情况，具体方法如下，
60.先获取数据采集周期内第t 2天、第t 1天、第t天、第t-1天胎压数据，判断t-1天的胎压数据是否大于专家经验值a，若大于，再计算第t-1天与第t天胎压差值或第t-1天与t 1天的胎压差值，若差值大于专家经验值b，再计算第t天与第t 1天胎压差值或第t 1天与第t 2天胎压差值，若差值小于专家经验值c，则该条胎压数据被认定为是人为放气导致的胎压，删掉该条数据。
61.图1为本发明数据预处理中判断人为放气流程图。
62.为减少行车较少的车辆对整体数据的影响，本发明在步骤1.2)中，数据预处理时，设置计算所需的最小数据天数a，若设定的数据采集周期内胎压有效数据对应的天数少于设置的最小数据天数a，则该车有效天数不足，拟合时不处理该车数据。比如可以筛选出一个月中行车低于15天的车辆不做处理。
63.基于优化后的历史胎压数据，得到优化后的轮胎气体量斜率，进一步可实现对车辆轮胎的缓慢漏气预测，即本发明同时提供了一种车辆轮胎胎压预测方法，按如下步骤进行，
64.s1)根据轮胎胎压，将轮胎分为如下三种状态：
65.当前车辆胎压＞a kp时处于健康状态；当前车辆胎压＜b kp时处于驾驶风险状态；b kp≤当前车辆胎压≤a kp时，处于亚健康状态；
66.健康的车辆不用单独处理，驾驶风险的车辆提示用户低压告警即可，当用户处于亚健康状态，才有可能出现缓慢漏气的风险，才有必要进行后续操作。
67.s2)将处于亚健康状态的轮胎按前述方法中斜率优化方法进行优化，得到优化后的气体量斜率k；
68.s3)实时监测处于亚健康状态的轮胎胎压，由于已知优化后的气体量斜率值k,并知道当前用户的实际胎压值m，根据设置，当胎压值小于预设值b后，就有低压告警，由此，使用n表示用户多少天之后就会低压告警，即n＝(m-b)/k,，根据日期推算，提醒用户在将来的某天之前完成加气即可。预先设定不同的话术，当用户处于不同的胎压状态，可以给用户展示不同的话术进行提醒。
69.为了减小数据处理工作量，本发明提出了斜率阈值的概念，预先确定斜率阈值，只有处于亚健康状态且优化后的气体量斜率低于斜率阈值的轮胎，才进行步骤s3)的预测和告警提醒；其中斜率阈值按如下方法确定，同时请参见图2，
70.a)先选取一定量的轮胎按前述方法中斜率优化方法进行优化，得到每个轮胎优化后的气体量斜率；
71.b)根据统计分析，得到胎压异常轮胎占总轮胎数量的百分比，设为m％；
72.c)然后对步骤a)得到的所有轮胎优化后的气体量斜率由低到高排序，将其中斜率最陡(因斜率为负值，最陡即斜率最小)的那m％的斜率数据找出来，并计算其斜率均值，该斜率均值即为斜率阈值。
73.优选地，本发明还根据专家意见，对步骤c)的斜率均值进行修正，修正后的斜率均值才作为最终的斜率阈值。
74.由于用户车辆处于亚健康状态时，有可能是轮胎出现扎钉子缓慢漏气，也可能是由于用户当前所处的环境，如温度，海拔，导致当前胎压较低，所以需要进行低压原因分析，在后续进行告警提醒的同时附上胎压异常的原因，这样有助于用户掌握更详细的信息，具体分析步骤如下，同时可以参见图4：
75.a)获取需要告警提醒的轮胎设定时间段内的所有胎压数据以及与胎压相关的数据，分别计算该轮胎设定时间段内的海拔平均值、环境温度平均值和胎压平均值，并针对得到的所有平均值，上下浮动预设的若干个(实施例中为三个)sigma值，作为轮胎当前所处的日常胎压、日常海拔和日常环境温度；
76.b)判断当前胎压是否处于日常胎压范围且处于亚健康状态，若不是，则用户胎压过低；判断用户车辆是否漏气，是否低压告警；若均未告警和漏气，则继续分析当前胎压是否处于日常海拔范围内，若不是，则提示用户是由于海拔突变导致的胎压较低；若当前胎压不是处于日常温度范围内，则提示用户是由于温度突变导致的胎压较低。根据计算的n值，提醒用户在n天后加气。
77.根据之前分析的结果，基于不同情况，在用户端展示的文案信息可以归结为如下几类，以下只是参考文案，具体可以灵活设置：
78.[0079][0080]
在实际设计中，通常会进行数据验证，根据筛选出来拟告警的车辆，随机选择几辆进行电话回访，或者验证车辆在今后的某天内，是否有加气的情况，从而验证车辆最近漏气情况。如果验证效果达到预想效果，则可模型上线，即对已经优化验证完毕的算法模型，进行工程化部署，上线到生产环境。在实际预测时，系统实时监测新上传到云端的胎压数据，对数据进行预处理，把处理好的特征数据，传入模型中，即可得到预测结果，并把结果展示到云端和app端。
[0081]
图3为基于优化后的胎压历史轨迹预测轮胎漏气效果图。图中每条线对应不同预测日期的预测结果，预测日期为8月11号的预测结果只有一个点。由于预测用户漏气后，用户通常不会立即加气，可能过后几天才去加气，本发明通过加气作为验证漏气的依据，所以每条线预测结果的准确率是呈上升趋势的，表明验证有一定的延迟性，这与车主的加气行为正好吻合。
[0082]
本发明轮胎漏气预测部署，主要涉及云端和app端，具体涉及如下几个模块，分别介绍如下：
[0083]
胎压历史轨迹优化服务模块：基于用户历史胎压数据，每天定时优化胎压历史轨迹，并生成用户提示文案，把结果信息存储到redis和数据库中。
[0084]
对外接口服务模块：主要对外暴露接口给app端，并返回app调用结果。
[0085]
胎压实时处理服务模块：主要实时处理用户胎压数据，当用户胎压由坏变好时，需要更新当前用户胎压状态，避免出现用户胎压已经正常，系统还在提示用户胎压有风险。
[0086]
本发明具体系统架构如图5所示。
[0087]
一种实现车辆轮胎胎压预测方法的电子设备，包括存储器，配置为存储可执行指令；
[0088]
处理器，配置为执行存储器中存储的可执行指令，以实现前述的车辆轮胎胎压预
测方法。
[0089]
一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令执行上述车辆轮胎胎压预测方法。
[0090]
本发明在不增加硬件的情况下，利用云端现有的车辆运行相关的信号数据，进行数据挖掘，变量构造，规则设定，运用算法模型，灵活的设定，获得用户指定天数内的胎压历史趋势，实现对胎压历史轨迹的优化，基于优化的胎压历史轨迹，更好地服务车主，有助于提高行车安全。
[0091]
本发明考虑到胎压的波动性，对气体量斜率进行了优化，优化后的斜率更能够反应胎压的实际变化情况，故基于优化后的斜率进行预测和告警，结果更准确。
[0092]
由于绝大部分的轮胎胎压为正常，胎压异常的只是少部分，故本发明在告警前的数据处理中，只对处于亚健康状态且低于斜率阈值的轮胎进行甄别处理，这样大大降低了数据处理量，避免了很多无谓的运算，提高了处理效率。
[0093]
最后需要说明的是，本发明的上述实例仅仅是为说明本发明所作的举例，而并非是对本发明的实施方式的限定。尽管申请人参照较佳实施例对本发明进行了详细说明，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其他不同形式的变化和变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动仍处于本发明的保护范围之列。