[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN114091730A - 车辆状态监测方法、系统、电子设备和存储介质 - Google Patents

车辆状态监测方法、系统、电子设备和存储介质 Download PDF

Info

Publication number
CN114091730A
CN114091730A CN202111228707.4A CN202111228707A CN114091730A CN 114091730 A CN114091730 A CN 114091730A CN 202111228707 A CN202111228707 A CN 202111228707A CN 114091730 A CN114091730 A CN 114091730A
Authority
CN
China
Prior art keywords
vehicle
information
state
abnormal
real
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111228707.4A
Other languages
English (en)
Inventor
项天成
周传华
冯志文
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jujun Technology Co ltd
Original Assignee
Shanghai Jujun Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jujun Technology Co ltd filed Critical Shanghai Jujun Technology Co ltd
Priority to CN202111228707.4A priority Critical patent/CN114091730A/zh
Publication of CN114091730A publication Critical patent/CN114091730A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/088—Non-supervised learning, e.g. competitive learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/45—Commerce
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/20—Information sensed or collected by the things relating to the thing itself
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/20—Analytics; Diagnosis

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Emergency Management (AREA)
  • Environmental & Geological Engineering (AREA)
  • Toxicology (AREA)
  • Finance (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

本发明公开了一种车辆状态监测方法、系统、电子设备和存储介质，该方法包括：获取若干组样本车辆异常信息；基于样本车辆异常信息，建立车辆异常状态预测模型；获取待测车辆的实时车辆状态信息；将实时车辆状态信息输入至车辆异常状态预测模型，以获取待测车辆的状态预测结果；在状态预测结果满足预设条件时，则确定待测车辆的车辆状态发生异常。本发明优化了现有的车辆监管方案，能够保证每台车辆一旦进入监管仓库中，都能实现对其全周期状态监管的准确性、及时性和合理性，以及提高了车辆监管环节的安全性，避免因车辆监管不当造成的财产损失，能够满足高级别的车辆状态监管要求。

Description

车辆状态监测方法、系统、电子设备和存储介质
技术领域
本发明涉及车辆管理技术领域，特别涉及一种车辆状态监测方法、系统、电子设备和存储介质。
背景技术
车辆交易过程中，在用户下单但并没有完成所有提车手续之前，需要将发运至监管仓库进行集中管理。目前，主要通过监管仓库的工作人员对车辆数据的统计以对整个仓库中所有车辆状态进行监测。
然而，该车辆监管方案中人为监管易造成错误登记、漏登记等情况，导致车辆监管不善，造成财产损失；且人工排查每台车辆状态是否异常，存在滞后性，无法及时识别或者更新每台车辆状态的信息，存在监管效率以及准确度均较低等问题。
发明内容
本发明要解决的技术问题是为了克服现有技术中车辆监管方案存在诸多不合理因素，导致监管效率以及准确度均较低的缺陷，提供一种车辆状态监测方法、系统、电子设备和存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供一种车辆状态监测方法，所述方法包括：
获取若干组样本车辆异常信息；其中，每组所述样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
基于所述样本车辆异常信息，建立车辆异常状态预测模型；
获取待测车辆的实时车辆状态信息；
将所述实时车辆状态信息输入至所述车辆异常状态预测模型，以获取所述待测车辆的状态预测结果；
在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常。
较佳地，所述待测车辆上设有数据采集器；
所述获取待测车辆的实时车辆状态信息的步骤之前还包括：
获取所述待测车辆的车辆信息和对应的所述数据采集器的设备信息；
建立所述设备信息与所述车辆信息之间的绑定关系；
所述获取待测车辆的实时车辆状态信息的步骤包括：
获取所述数据采集器采集的实时设备状态数据；
基于所述绑定关系，将所述实时设备状态数据作为对应的所述待测车辆的所述实时车辆状态信息。
较佳地，所述实时车辆状态信息包括车辆位置信息；
所述在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常的步骤包括：
在所述状态预测结果表征车辆位置超出第一预设范围，则确定所述待测车辆所在位置异常；
判断是否接收到准许所述待测车辆移动的第一授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
通过监测车辆位置信息是否发生大幅度的移动，例如移出监管仓库中的车辆停放位置、移出监管仓库等，若此时移动并没有得到授权，则说明车辆被不合理移动，确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
较佳地，所述实时车辆状态信息包括车辆周围环境参数；
其中，所述车辆周围环境参数包括车辆周围温度信息、车辆周围湿度信息和车辆周围信号强度信息中的至少一种；
所述在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常的步骤包括：
在所述状态预测结果表征第一设定时长内车辆周围环境参数变化超出第二预设范围时，则确定所述待测车辆所在位置异常；
判断是否接收到准许所述待测车辆移动的第一授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
当数据采集器被强行拆卸过程时，如当前拆卸人员拿取数据采集器，光传感器采集到光信号的变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
较佳地，所述数据采集器中设有光信号采集模块；
所述方法还包括：
获取所述数据采集器中所述光信号采集模块采集的光信号数据；
当所述光信号数据在第二设定时长内的变化超出第三预设范围，则确定所述数据采集器存在被拆除风险；
判断是否接收到准许拆除所述数据采集器的第二授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
较佳地，所述数据采集器中设有加速度采集模块；
所述方法还包括：
获取所述数据采集器中所述加速度采集模块采集的加速度数据；
当所述加速度数据在第三设定时长内的变化超出第四预设范围，则确定所述数据采集器存在被拆除风险；
判断是否接收到准许拆除所述数据采集器的第二授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
当数据采集器被强行拆卸时，如当前拆卸人员拿取数据采集器，加速度采集模块会检测数据采集器自身的加速度变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时并没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
较佳地，所述建立所述设备信息与所述车辆信息之间的绑定关系的步骤之前还包括：
获取所述数据采集器对应的实时电量信息；
判断所述实时电量信息是否达到设定阈值，若否，则生成提醒信息；若是，则执行所述建立所述设备信息与所述车辆信息之间的绑定关系的步骤；
其中，所述提醒信息包括提醒更换其他数据采集器的信息，和/或，提醒对当前数据采集器充电的信息。
较佳地，所述基于所述样本车辆异常信息，建立车辆异常状态预测模型的步骤包括：
基于所述样本车辆异常信息，采用卷积神经网络算法建立所述车辆异常状态预测模型；或，
所述基于所述样本车辆异常信息，建立车辆异常状态预测模型的步骤包括：
基于所述样本车辆异常信息，采用卷积神经网络算法建立初始异常状态预测模型；
采用无监督算法对初始异常状态预测模型进行优化处理，以获取所述车辆异常状态预测模型；
其中，所述无监督算法包括PCA算法、DBSCAN算法和相似度算法中的至少一种。
较佳地，所述确定所述待测车辆的车辆状态发生异常的步骤之后还包括：
重新执行所述获取待测车辆的实时车辆状态信息的步骤，以获取所述待测车辆对应的新的状态预测结果；
在新的状态预测结果表征所述待测车辆处于正常状态时，则控制所述数据采集器进入休眠状态。
较佳地，所述控制所述数据采集器进入休眠状态的步骤之后还包括：
在第二设定时长后控制所述数据采集器切换至工作状态；或，
在每隔第三设定时长后控制所述数据采集器切换运行状态；其中，所述运行状态包括工作状态和休眠状态。
一旦车辆状态恢复正常，则自动控制数据采集器切换至休眠状态以节约电量；为了保证实时车辆状态信息的采集，需要重新控制数据采集器进入工作状态；可以不断来回切换工作状态和休眠状态，以最大限度上同时实现数据采集的有效性以及电量的节约。
较佳地，所述方法还包括：
接收解绑请求；
根据所述解绑请求解除所述设备信息与所述车辆信息之间的所述绑定关系。
较佳地，所述获取待测车辆的实时车辆状态信息的步骤包括：
根据预设周期定时获取所述待测车辆的实时车辆状态信息；
所述将所述实时车辆状态信息输入至所述车辆异常状态预测模型的步骤包括：
对所述实时车辆状态信息进行预处理，以将预处理后的所述实时车辆状态信息输入至所述车辆异常状态预测模型；和/或，
所述数据采集器固设在所述待测车辆的车身外侧。
较佳地，所述确定所述待测车辆的车辆状态发生异常的步骤之后还包括：
生成告警信号和/或风控结果；
其中，所述告警信号包括文字告警信号、语音告警信号、视频告警信号、信号灯告警信号中的至少一种。
通过生成告警信息、风控结果等，以及时告知相关工作人员进行干预处理，以保证车辆状态监测全过程的及时性和有效性。
本发明还提供一种车辆状态监测系统，所述系统包括：
样本信息获取模块，用于获取若干组样本车辆异常信息；其中，每组所述样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
预测模型建立模块，用于基于所述样本车辆异常信息，建立车辆异常状态预测模型；
实时状态信息获取模块，用于获取待测车辆的实时车辆状态信息；
状态预测结果获取模块，用于将所述实时车辆状态信息输入至所述车辆异常状态预测模型，以获取所述待测车辆的状态预测结果；
异常确定模块，用于在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行计算机程序时实现上述的车辆状态监测方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的车辆状态监测方法。
在符合本领域常识的基础上，所述各优选条件，可任意组合，即得本发明各较佳实施例。
本发明的积极进步效果在于：
本发明中，通过基于历史样本数据建立预测模型，以基于实时车辆状态信息预测车辆是否处于异常，并在确定处于异常时发出告警、输出风控结果等；同时，在每辆车辆的车身外侧均对应设有数据采集器，建立两者的绑定关系，用于定期采集车辆位置、车辆周围的温湿度等并上送中服务平台，服务平台基于上送的数据确定车辆是否被异常移动，进而确定车辆是否处于异常状态；另外，基于数据采集器反馈的信息，判断数据采集器是否存在被拆除的风险，并在确定存在认为车辆处于异常状态，从而优化了现有的车辆监管方案，实现对监管仓库中车辆异常检测的准确性、及时性和合理性。
附图说明
图1为本发明实施例1的车辆状态监测方法的流程图。
图2为本发明实施例2的车辆状态监测方法的流程图。
图3为本发明实施例3的车辆状态监测系统的模块示意图。
图4为本发明实施例4的车辆状态监测系统的模块示意图。
图5为本发明实施例5的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例的车辆状态监测方法包括：
S101、获取若干组样本车辆异常信息；
其中，每组样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
S102、基于样本车辆异常信息，建立车辆异常状态预测模型；
S103、获取待测车辆的实时车辆状态信息；
S104、将实时车辆状态信息输入至车辆异常状态预测模型，以获取待测车辆的状态预测结果；
S105、在状态预测结果满足预设条件时，则确定待测车辆的车辆状态发生异常；
在状态预测结果不满足预设条件时，则确定待测车辆的车辆状态正常，并重新执行步骤S103-S105，使得能够持续不断地获取车辆状态数据并及时自动分析车辆是否处于被异常移动的情况。
即本实施例的监测方案能够保证每台车辆一旦进入监管仓库中，都能实现对其全周期状态监管的及时性和准确性，以及提高了车辆监管环节的安全性，避免因车辆监管不当造成的财产损失，满足高级别的车辆状态监管要求。
本实施例中，通过基于历史样本数据建立预测模型，以基于实时车辆状态信息预测车辆是否处于异常，从而优化了现有的车辆监管方案，实现对监管仓库中车辆异常检测的准确性、及时性和合理性。
实施例2
如图2所示，本实施例的车辆状态监测方法是对实施例1的进一步改进，具体地：
步骤S102包括：
基于样本车辆异常信息，采用卷积神经网络算法建立车辆异常状态预测模型；或，
步骤S102包括：
基于样本车辆异常信息，采用卷积神经网络算法建立初始异常状态预测模型；
采用无监督算法对初始异常状态预测模型进行优化处理，以获取车辆异常状态预测模型；
其中，无监督算法包括但不限于PCA算法、DBSCAN算法和相似度算法。
对实时车辆状态信息进行预处理，以将预处理后的实时车辆状态信息输入至车辆异常状态预测模型，保证模型训练效率以及准确度。
在一可实施例的方案中，本实施例的待测车辆上设有数据采集器(或称标签盒子、物联网标签盒子等)，该数据采集器固设在车辆的车身外侧以保证数据各种类别数据采集的准确性和有效性；优选地，将数据采集器固设在挡风玻璃上。数据采集器可以通过粘黏件固定在车辆上，或采用其他设定固定件与车辆固定。
当然，还可以根据实际需求将多个数据采集器与同一台待测车辆建立绑定关系，将数据采集器分别固设在车辆的不同位置处，通过同时采集多组实时车辆状态信息以共同确定车辆状态，以提高车辆状态检测的准确性。同时，避免仅安装一个数据采集器且该数据采集器发生故障的情况发生，保证车辆状态信息采集的有效性。其中，具体采用一个或者多个数据采集器，可以根据实际情况进行安装或者调整。
本实施例的数据采集器中集成有多种类型的数据采集单元，包括GPS(全球定位系统)、北斗、光传感器、加速度传感器、温湿度传感器等，以实现与车辆关联的多维度数据的采集。
步骤S103之前还包括：
S10301、获取待测车辆的车辆信息和对应的数据采集器的设备信息；
S10302、建立设备信息与车辆信息之间的绑定关系；
优选地，步骤S10302之前还包括如下步骤：
获取数据采集器对应的实时电量信息；
判断实时电量信息是否达到设定阈值，若否，则生成提醒信息；若是，则执行步骤S10302；
其中，提醒信息包括但不限于提醒更换其他数据采集器的信息、提醒对当前数据采集器充电的信息。
在建立车辆与数据采集器绑定关系之前，检测数据采集器电量是否满足设定值以保证其在规定时间内保持可用状态(如电量大于70％，以保证一旦固定在车辆上后能够持续使用3个月、6个月等持续时长)；同时还需要检测数据采集器是否处于空闲状态(即未与其他车辆绑定使用)，在其处于空闲状态且电量大于设定值则执行绑定操作。
绑定操作可以通过专用控车APP(应用程序)、控车小程序等，或者在服务平台等来完成。
另外，在一可实施例的方案中，当需要进行解绑操作时，本实施例的车辆状态监测方法还包括：
接收解绑请求；
根据解绑请求解除设备信息与车辆信息之间的绑定关系。
在一可实施例的方案中，步骤S103包括：
S1031、获取数据采集器采集的实时设备状态数据；
S1032、基于绑定关系，将实时设备状态数据作为对应的待测车辆的实时车辆状态信息。
另外，通过根据预设周期定时获取待测车辆的实时车辆状态信息，以保证数据采集以及上送服务平台的及时性，以保证车辆状态检测的及时性和全面性。例如，通过数据采集器每秒采集一组数据，然后对采集的数据进行清洗、打包等预处理操作，并每分钟一组上送至服务平台中。当然，还可以实际的数据处理需求重新设置数据采集以及上送的处理频率。
在一可实施例的方案中，实时车辆状态信息包括车辆位置信息。
步骤S105包括：
在状态预测结果表征车辆位置超出第一预设范围，则确定待测车辆所在位置异常；
判断是否接收到准许待测车辆移动的第一授权信息，若否，则确定待测车辆的车辆状态发生异常。
通过监测车辆位置信息是否发生大幅度的移动，例如移出监管仓库中的车辆停放位置、移出监管仓库等，若此时移动并没有得到授权，则说明车辆被不合理移动，确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施例的方案中，实时车辆状态信息包括车辆周围环境参数。
其中，车辆周围环境参数包括车辆周围温度信息、车辆周围湿度信息和车辆周围信号强度信息等。
步骤S105包括：
在状态预测结果表征第一设定时长内车辆周围环境参数变化超出第二预设范围时，则确定待测车辆所在位置异常；
判断是否接收到准许待测车辆移动的第一授权信息，若否，则确定待测车辆的车辆状态发生异常。另外，可以生成车辆异常离库的提示信息。
通过监测车辆周围环境是否发生较大变化，温湿度以及信号等在短时间内发生较大变化，若此时移动并没有得到授权，则说明车辆被不合理移动，确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施例的方案中，实时车辆状态信息包括光信号采集模块。
本实施例的车辆状态监测方法还包括：
获取数据采集器中光信号采集模块采集的光信号数据；
当光信号数据在第二设定时长内的变化超出第三预设范围，则确定数据采集器存在被拆除风险；
判断是否接收到准许拆除数据采集器的第二授权信息，若否，则确定待测车辆的车辆状态发生异常。另外，可以生成数据采集器被异常拆除的提示信息。
当数据采集器被强行拆卸过程时，如当前拆卸人员拿取数据采集器，光传感器采集到光信号的变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施例的方案中，实时车辆状态信息包括加速度采集模块。
本实施例的车辆状态监测方法还包括：
获取数据采集器中加速度采集模块采集的加速度数据；
当加速度数据在第三设定时长内的变化超出第四预设范围，则确定数据采集器存在被拆除风险；
判断是否接收到准许拆除数据采集器的第二授权信息，若否，则确定待测车辆的车辆状态发生异常。另外，可以生成数据采集器被异常拆除的提示信息。
当数据采集器被强行拆卸时，如当前拆卸人员拿取数据采集器，加速度采集模块会检测数据采集器自身的加速度变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时并没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施例的方案中，步骤S105之后还包括：
重新执行步骤S103和S104，以获取待测车辆对应的新的状态预测结果；
在新的状态预测结果表征待测车辆处于正常状态时，则控制数据采集器进入休眠状态；
在第二设定时长后控制数据采集器切换至工作状态；或，
在每隔第三设定时长后控制数据采集器切换运行状态；其中，运行状态包括工作状态和休眠状态。
一旦车辆状态恢复正常，则自动控制数据采集器切换至休眠状态以节约电量；为了保证实时车辆状态信息的采集，需要重新控制数据采集器进入工作状态；可以不断来回切换工作状态和休眠状态，以最大限度上同时实现数据采集的有效性以及电量的节约。
步骤S105之后还包括：
S106、生成告警信号和/或风控结果；
其中，告警信号包括文字告警信号、语音告警信号、视频告警信号、信号灯告警信号等。
通过生成告警信息、风控结果等，以及时告知相关工作人员进行干预处理，以保证车辆状态监测全过程的及时性和有效性。
另外，本实施例的车辆状态监测方案中，还可以将整个监管仓库中所有车辆对应的车辆状态识别结果进行汇总展示且定时动态更新，汇总展示包括但不限于列表展示、显示屏展示。
本实施例中，通过基于历史样本数据建立预测模型，以基于实时车辆状态信息预测车辆是否处于异常，并在确定处于异常时发出告警、输出风控结果等；同时，在每辆车辆的车身外侧均对应设有数据采集器，建立两者的绑定关系，用于定期采集车辆位置、车辆周围的温湿度等并上送中服务平台，服务平台基于上送的数据确定车辆是否被异常移动，进而确定车辆是否处于异常状态；另外，基于数据采集器反馈的信息，判断数据采集器是否存在被拆除的风险，并在确定存在认为车辆处于异常状态，从而优化了现有的车辆监管方案，实现对监管仓库中车辆异常检测的准确性、及时性和合理性。
实施例3
如图3所示，本实施例的车辆状态监测系统包括：
样本信息获取模块1，用于获取若干组样本车辆异常信息；其中，每组样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
预测模型建立模块2，用于基于样本车辆异常信息，建立车辆异常状态预测模型；
实时状态信息获取模块3，用于获取待测车辆的实时车辆状态信息；
状态预测结果获取模块4，用于将实时车辆状态信息输入至车辆异常状态预测模型，以获取待测车辆的状态预测结果；
异常确定模块5，用于在状态预测结果满足预设条件时，则确定待测车辆的车辆状态发生异常。
异常确定模块5在状态预测结果不满足预设条件时，则确定待测车辆的车辆状态正常，并重新调用实时状态信息获取模块3，使得能够持续不断地获取车辆状态数据并及时自动分析车辆是否处于被异常移动的情况。
即本实施例的监测方案能够保证每台车辆一旦进入监管仓库中，都能实现对其全周期状态监管的及时性和准确性，以及提高了车辆监管环节的安全性，避免因车辆监管不当造成的财产损失，满足高级别的车辆状态监管要求。
本实施例中，通过基于历史样本数据建立预测模型，以基于实时车辆状态信息预测车辆是否处于异常，从而优化了现有的车辆监管方案，实现对监管仓库中车辆异常检测的准确性、及时性和合理性。
实施例4
如图4所示，本实施例的车辆状态监测系统是对实施例3的进一步改进，具体地：
在一可实施的方案中，本实施例的预测模型建立模块2用于基于样本车辆异常信息，采用卷积神经网络算法建立车辆异常状态预测模型；或，
本实施例的预测模型建立模块2用于基于样本车辆异常信息，采用卷积神经网络算法建立初始异常状态预测模型；
采用无监督算法对初始异常状态预测模型进行优化处理，以获取车辆异常状态预测模型；
其中，无监督算法包括但不限于PCA算法、DBSCAN算法和相似度算法。
对实时车辆状态信息进行预处理，以将预处理后的实时车辆状态信息输入至车辆异常状态预测模型，保证模型训练效率以及准确度。
在一可实施例的方案中，本实施例的待测车辆上设有数据采集器(或称标签盒子、物联网标签盒子等)，该数据采集器固设在车辆的车身外侧以保证数据各种类别数据采集的准确性和有效性；优选地，将数据采集器固设在挡风玻璃上。数据采集器可以通过粘黏件固定在车辆上，或采用其他设定固定件与车辆固定。
当然，还可以根据实际需求将多个数据采集器与同一台待测车辆建立绑定关系，将数据采集器分别固设在车辆的不同位置处，通过同时采集多组实时车辆状态信息以共同确定车辆状态，以提高车辆状态检测的准确性。同时，避免仅安装一个数据采集器且该数据采集器发生故障的情况发生，保证车辆状态信息采集的有效性。其中，具体采用一个或者多个数据采集器，可以根据实际情况进行安装或者调整。
本实施例的数据采集器中集成有多种类型的数据采集单元，包括GPS(全球定位系统)、北斗、光传感器、加速度传感器、温湿度传感器等，以实现与车辆关联的多维度数据的采集。
本实施例的车辆状态监测系统还包括：
关联信息获取模块6，用于获取待测车辆的车辆信息和对应的数据采集器的设备信息；
绑定关系建立模块7，用于建立设备信息与车辆信息之间的绑定关系；
实时状态信息获取模块3用于获取数据采集器采集的实时设备状态数据，并基于绑定关系将实时设备状态数据作为对应的待测车辆的实时车辆状态信息。
其中，通过根据预设周期定时获取待测车辆的实时车辆状态信息，以保证数据采集以及上送服务平台的及时性，以保证车辆状态检测的及时性和全面性。例如，通过数据采集器每秒采集一组数据，然后对采集的数据进行清洗、打包等预处理操作，并每分钟一组上送至服务平台中。当然，还可以实际的数据处理需求重新设置数据采集以及上送的处理频率。
在建立绑定关系之前，检测数据采集器的电量是否满足设定值以保证其在规定时间内保持可用状态；具体地，本实施例的车辆状态监测系统还包括：
电量获取模块8，用于获取数据采集器对应的实时电量信息；
判断模块9，用于判断实时电量信息是否达到设定阈值，若否，则生成提醒信息；若是，则调用绑定关系建立模块。
其中，提醒信息包括但不限于提醒更换其他数据采集器的信息、提醒对当前数据采集器充电的信息。
在一可实施的方案中，本实施例的车辆状态监测系统还包括：
请求接收模块10，用于接收解绑请求；
解绑模块11，用于根据解绑请求解除设备信息与车辆信息之间的绑定关系。
在一可实施的方案中，实时车辆状态信息包括车辆位置信息。
异常确定模块5用于在状态预测结果表征车辆位置超出第一预设范围，则确定待测车辆所在位置异常；
判断是否接收到准许待测车辆移动的第一授权信息，若否，则确定待测车辆的车辆状态发生异常。
通过监测车辆位置信息是否发生大幅度的移动，例如移出监管仓库中的车辆停放位置、移出监管仓库等，若此时移动并没有得到授权，则说明车辆被不合理移动，确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施的方案中，实时车辆状态信息包括车辆周围环境参数；
其中，车辆周围环境参数包括但不限于车辆周围温度信息、车辆周围湿度信息和车辆周围信号强度信息。
异常确定模块5用于在状态预测结果表征第一设定时长内车辆周围环境参数变化超出第二预设范围时，则确定待测车辆所在位置异常；
判断是否接收到准许待测车辆移动的第一授权信息，若否，则确定待测车辆的车辆状态发生异常。
通过监测车辆周围环境是否发生较大变化，温湿度以及信号等在短时间内发生较大变化，若此时移动并没有得到授权，则说明车辆被不合理移动，确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施的方案中，数据采集器中设有光信号采集模块。
实时状态信息获取模块3用于获取数据采集器中光信号采集模块采集的光信号数据。
异常确定模块5还用于当光信号数据在第二设定时长内的变化超出第三预设范围，则确定数据采集器存在被拆除风险；
判断是否接收到准许拆除数据采集器的第二授权信息，若否，则确定待测车辆的车辆状态发生异常。
当数据采集器被强行拆卸过程时，如当前拆卸人员拿取数据采集器，光传感器采集到光信号的变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施的方案中，数据采集器中设有加速度采集模块。
实时状态信息获取模块3用于获取数据采集器中加速度采集模块采集的加速度数据。
异常确定模块5还用于当加速度数据在第三设定时长内的变化超出第四预设范围，则确定数据采集器存在被拆除风险；
判断是否接收到准许拆除数据采集器的第二授权信息，若否，则确定待测车辆的车辆状态发生异常。
当数据采集器被强行拆卸时，如当前拆卸人员拿取数据采集器，加速度采集模块会检测数据采集器自身的加速度变化并上送至服务平台，在该变化超出一定范围则说明有人在拆卸数据采集器，若此时并没有得到准许拆除的授权时，则说明车辆确定待测车辆的车辆状态发生异常，以保证车辆状态监测的准确性。
在一可实施例的方案中，异常确定模块5在确定待测车辆的车辆状态发生异常后，依次调用实时状态信息获取模块3、状态预测结果获取模块4，以获取待测车辆对应的新的状态预测结果。
本实施例的车辆状态监测系统还包括：
状态切换模块12，用于在新的状态预测结果表征待测车辆处于正常状态时，则控制数据采集器进入休眠状态；
状态切换模块12还用于在第二设定时长后控制数据采集器切换至工作状态；或，
状态切换模块12还用于在每隔第三设定时长后控制数据采集器切换运行状态；其中，运行状态包括工作状态和休眠状态。
一旦车辆状态恢复正常，则自动控制数据采集器切换至休眠状态以节约电量；为了保证实时车辆状态信息的采集，需要重新控制数据采集器进入工作状态；可以不断来回切换工作状态和休眠状态，以最大限度上同时实现数据采集的有效性以及电量的节约。
在一可实施例的方案中，本实施例的车辆状态监测系统还包括：
告警信息生成模块13，用于生成告警信号和/或风控结果；
其中，告警信号包括文字告警信号、语音告警信号、视频告警信号、信号灯告警信号等。
通过生成告警信息、风控结果等，以及时告知相关工作人员进行干预处理，以保证车辆状态监测全过程的及时性和有效性。
另外，本实施例的车辆状态监测方案中，还可以将整个监管仓库中所有车辆对应的车辆状态识别结果进行汇总展示且定时动态更新，汇总展示包括但不限于列表展示、显示屏展示。
本实施例中，通过基于历史样本数据建立预测模型，以基于实时车辆状态信息预测车辆是否处于异常，并在确定处于异常时发出告警、输出风控结果等；同时，在每辆车辆的车身外侧均对应设有数据采集器，建立两者的绑定关系，用于定期采集车辆位置、车辆周围的温湿度等并上送中服务平台，服务平台基于上送的数据确定车辆是否被异常移动，进而确定车辆是否处于异常状态；另外，基于数据采集器反馈的信息，判断数据采集器是否存在被拆除的风险，并在确定存在认为车辆处于异常状态，从而优化了现有的车辆监管方案，实现对监管仓库中车辆异常检测的准确性、及时性和合理性。
实施例5
图5为本发明实施例5提供的一种电子设备的结构示意图。电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现实施例1或2中任意一实施例中的车辆状态监测方法。图5显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备30可以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1或2中任意一实施例中的车辆状态监测方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例6
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现实施例1或2中任意一实施例中的车辆状态监测方法中的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行实现实施例1或2中任意一实施例中的车辆状态监测方法中的步骤。
其中，可以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (16)

1.一种车辆状态监测方法，其特征在于，所述方法包括：
获取若干组样本车辆异常信息；其中，每组所述样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
基于所述样本车辆异常信息，建立车辆异常状态预测模型；
获取待测车辆的实时车辆状态信息；
将所述实时车辆状态信息输入至所述车辆异常状态预测模型，以获取所述待测车辆的状态预测结果；
在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常。
2.如权利要求1所述的车辆状态监测方法，其特征在于，所述待测车辆上设有数据采集器；
所述获取待测车辆的实时车辆状态信息的步骤之前还包括：
获取所述待测车辆的车辆信息和对应的所述数据采集器的设备信息；
建立所述设备信息与所述车辆信息之间的绑定关系；
所述获取待测车辆的实时车辆状态信息的步骤包括：
获取所述数据采集器采集的实时设备状态数据；
基于所述绑定关系，将所述实时设备状态数据作为对应的所述待测车辆的所述实时车辆状态信息。
3.如权利要求1所述的车辆状态监测方法，其特征在于，所述实时车辆状态信息包括车辆位置信息；
所述在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常的步骤包括：
在所述状态预测结果表征车辆位置超出第一预设范围，则确定所述待测车辆所在位置异常；
判断是否接收到准许所述待测车辆移动的第一授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
4.如权利要求1所述的车辆状态监测方法，其特征在于，所述实时车辆状态信息包括车辆周围环境参数；
其中，所述车辆周围环境参数包括车辆周围温度信息、车辆周围湿度信息和车辆周围信号强度信息中的至少一种；
所述在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常的步骤包括：
在所述状态预测结果表征第一设定时长内车辆周围环境参数变化超出第二预设范围时，则确定所述待测车辆所在位置异常；
判断是否接收到准许所述待测车辆移动的第一授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
5.如权利要求2所述的车辆状态监测方法，其特征在于，所述数据采集器中设有光信号采集模块；
所述方法还包括：
获取所述数据采集器中所述光信号采集模块采集的光信号数据；
当所述光信号数据在第二设定时长内的变化超出第三预设范围，则确定所述数据采集器存在被拆除风险；
判断是否接收到准许拆除所述数据采集器的第二授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
6.如权利要求2所述的车辆状态监测方法，其特征在于，所述数据采集器中设有加速度采集模块；
所述方法还包括：
获取所述数据采集器中所述加速度采集模块采集的加速度数据；
当所述加速度数据在第三设定时长内的变化超出第四预设范围，则确定所述数据采集器存在被拆除风险；
判断是否接收到准许拆除所述数据采集器的第二授权信息，若否，则确定所述待测车辆的车辆状态发生异常。
7.如权利要求2所述的车辆状态监测方法，其特征在于，所述建立所述设备信息与所述车辆信息之间的绑定关系的步骤之前还包括：
获取所述数据采集器对应的实时电量信息；
判断所述实时电量信息是否达到设定阈值，若否，则生成提醒信息；若是，则执行所述建立所述设备信息与所述车辆信息之间的绑定关系的步骤；
其中，所述提醒信息包括提醒更换其他数据采集器的信息，和/或，提醒对当前数据采集器充电的信息。
8.如权利要求1所述的车辆状态监测方法，其特征在于，所述基于所述样本车辆异常信息，建立车辆异常状态预测模型的步骤包括：
基于所述样本车辆异常信息，采用卷积神经网络算法建立所述车辆异常状态预测模型；或，
所述基于所述样本车辆异常信息，建立车辆异常状态预测模型的步骤包括：
基于所述样本车辆异常信息，采用卷积神经网络算法建立初始异常状态预测模型；
采用无监督算法对初始异常状态预测模型进行优化处理，以获取所述车辆异常状态预测模型；
其中，所述无监督算法包括PCA算法、DBSCAN算法和相似度算法中的至少一种。
9.如权利要求2所述的车辆状态监测方法，其特征在于，所述确定所述待测车辆的车辆状态发生异常的步骤之后还包括：
重新执行所述获取待测车辆的实时车辆状态信息的步骤，以获取所述待测车辆对应的新的状态预测结果；
在新的状态预测结果表征所述待测车辆处于正常状态时，则控制所述数据采集器进入休眠状态。
10.如权利要求9所述的车辆状态监测方法，其特征在于，所述控制所述数据采集器进入休眠状态的步骤之后还包括：
在第二设定时长后控制所述数据采集器切换至工作状态；或，
在每隔第三设定时长后控制所述数据采集器切换运行状态；其中，所述运行状态包括工作状态和休眠状态。
11.如权利要求2所述的车辆状态监测方法，其特征在于，所述方法还包括：
接收解绑请求；
根据所述解绑请求解除所述设备信息与所述车辆信息之间的所述绑定关系。
12.如权利要求2所述的车辆状态监测方法，其特征在于，所述获取待测车辆的实时车辆状态信息的步骤包括：
根据预设周期定时获取所述待测车辆的实时车辆状态信息；
所述将所述实时车辆状态信息输入至所述车辆异常状态预测模型的步骤包括：
对所述实时车辆状态信息进行预处理，以将预处理后的所述实时车辆状态信息输入至所述车辆异常状态预测模型；和/或，
所述数据采集器固设在所述待测车辆的车身外侧。
13.如权利要求1-12中任一项所述的车辆状态监测方法，其特征在于，所述确定所述待测车辆的车辆状态发生异常的步骤之后还包括：
生成告警信号和/或风控结果；
其中，所述告警信号包括文字告警信号、语音告警信号、视频告警信号、信号灯告警信号中的至少一种。
14.一种车辆状态监测系统，其特征在于，所述系统包括：
样本信息获取模块，用于获取若干组样本车辆异常信息；其中，每组所述样本车辆异常信息包括样本车辆状态信息和对应的样本异常监测结果；
预测模型建立模块，用于基于所述样本车辆异常信息，建立车辆异常状态预测模型；
实时状态信息获取模块，用于获取待测车辆的实时车辆状态信息；
状态预测结果获取模块，用于将所述实时车辆状态信息输入至所述车辆异常状态预测模型，以获取所述待测车辆的状态预测结果；
异常确定模块，用于在所述状态预测结果满足预设条件时，则确定所述待测车辆的车辆状态发生异常。
15.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行计算机程序时实现权利要求1-13中任一项所述的车辆状态监测方法。
16.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-13中任一项所述的车辆状态监测方法。
CN202111228707.4A 2021-10-21 2021-10-21 车辆状态监测方法、系统、电子设备和存储介质 Pending CN114091730A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111228707.4A CN114091730A (zh) 2021-10-21 2021-10-21 车辆状态监测方法、系统、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111228707.4A CN114091730A (zh) 2021-10-21 2021-10-21 车辆状态监测方法、系统、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN114091730A true CN114091730A (zh) 2022-02-25

Family

ID=80297324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111228707.4A Pending CN114091730A (zh) 2021-10-21 2021-10-21 车辆状态监测方法、系统、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN114091730A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114594395A (zh) * 2022-02-28 2022-06-07 重庆长安汽车股份有限公司 识别汽车停车异常放电的方法及系统
CN115439951A (zh) * 2022-03-07 2022-12-06 北京车和家汽车科技有限公司 异常熔断的处理方法、装置、电子设备和介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886261A (zh) * 2016-09-29 2018-04-06 宝山钢铁股份有限公司 基于gps和gis的仓库区域等待车辆监控方法
CN108280495A (zh) * 2018-01-15 2018-07-13 长久金孚企业管理咨询（深圳）有限公司 一种汽车监管系统
CN108830353A (zh) * 2018-06-25 2018-11-16 杭州骑轻尘信息技术有限公司 电子监测识别设备及汽车监管系统
CN108876245A (zh) * 2018-06-25 2018-11-23 杭州骑轻尘信息技术有限公司 汽车仓库监管方法、装置及系统
CN110751759A (zh) * 2019-10-11 2020-02-04 重庆数软信科科技有限公司 二手车交易市场库存融资车辆管控系统
KR20210097317A (ko) * 2020-01-30 2021-08-09 주식회사 스프링클라우드 차고지의 상태를 원격 모니터링하는 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107886261A (zh) * 2016-09-29 2018-04-06 宝山钢铁股份有限公司 基于gps和gis的仓库区域等待车辆监控方法
CN108280495A (zh) * 2018-01-15 2018-07-13 长久金孚企业管理咨询（深圳）有限公司 一种汽车监管系统
CN108830353A (zh) * 2018-06-25 2018-11-16 杭州骑轻尘信息技术有限公司 电子监测识别设备及汽车监管系统
CN108876245A (zh) * 2018-06-25 2018-11-23 杭州骑轻尘信息技术有限公司 汽车仓库监管方法、装置及系统
CN110751759A (zh) * 2019-10-11 2020-02-04 重庆数软信科科技有限公司 二手车交易市场库存融资车辆管控系统
KR20210097317A (ko) * 2020-01-30 2021-08-09 주식회사 스프링클라우드 차고지의 상태를 원격 모니터링하는 방법

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114594395A (zh) * 2022-02-28 2022-06-07 重庆长安汽车股份有限公司 识别汽车停车异常放电的方法及系统
CN115439951A (zh) * 2022-03-07 2022-12-06 北京车和家汽车科技有限公司 异常熔断的处理方法、装置、电子设备和介质
CN115439951B (zh) * 2022-03-07 2024-05-17 北京车和家汽车科技有限公司 异常熔断的处理方法、装置、电子设备和介质

Similar Documents

Publication Publication Date Title
US8046180B2 (en) Model-based determination of power source replacement in wireless and other devices
JP6794553B2 (ja) データ収集伝送装置が集積されたドアコントローラ、ネットワークチェーン、およびそのデータ処理伝送方法
CN114091730A (zh) 车辆状态监测方法、系统、电子设备和存储介质
CN114244866B (zh) 一种基于物联网的生产设备监管系统
CN113063611A (zh) 一种设备的监控管理方法及其系统
CN112713658A (zh) 一种电网设备监控缺陷智能控制方法及系统
KR20050060251A (ko) 도시철도차량 유지보수 정보화 예방정비 분석을 이용한예방 정비 시스템 및 방법
CN113761728A (zh) 基于车联网平台的机场电动特种车辆故障预警方法
KR102122589B1 (ko) Ict 기반의 시설물 통합 관리 시스템의 처리 방법
CN118430088A (zh) 一种基于融合音视频与物联网的电厂线上巡检系统
CN116342100A (zh) 电动汽车运营换电站运维的智能数字化运维系统
CN102841589A (zh) 环境在线监测仪器远程智能维护系统
CN111474942A (zh) 一种智能运输装置的故障自检方法及自检系统
CN117061568B (zh) 一种电气设备的智能数据处理方法及系统
CN113377086A (zh) 一种车辆亏电预警方法
CN112319550A (zh) 一种基于列车初上电的故障诊断方法、系统、装置及列车
JP2002132995A (ja) 通信施設の管理システム
CN114298410A (zh) 一种基于卡尔曼滤波的agv在线故障预测系统及方法
CN112070382A (zh) 基于大数据的车辆离线风控管理方法
CN117456709B (zh) 用于碳计量多表合一集中器装置、控制方法、系统及介质
CN116523135B (zh) 充电桩寿命预测系统及其方法
CN115733865B (zh) 一种光伏跟踪支架系统的数据采集、分析与故障预警系统
CN118182256B (zh) 车辆能耗管理方法、装置、设备及介质
CN117635321B (zh) 融资授信二手车车辆智能风控监管系统及方法
KR102459915B1 (ko) 비상용 발전기 원격 모니터링 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination