CN113624291A - 油耗监测方法、油耗监测装置以及工程车辆 - Google Patents

Abstract

本申请提供的一种油耗监测方法、油耗监测装置以及工程车辆，通过获取当前车辆在行驶过程中的实际油耗，根据当前车辆在行驶过程中的行驶参数和油耗模型，获取当前车辆的参考油耗，油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据，计算实际油耗与参考油耗之间的差值以及当差值大于预设差值阈值时，确定当前车辆驾驶异常。根据第一油耗模型的建立以及通过当差值大于预设差值阈值时，确定出车辆由于驾驶异常产生了不合理的油耗并及时报警提示驾驶员，从而达到间接帮助驾驶员节省耗油量、延长发动机寿命和减少污染排放的目的。

Description

油耗监测方法、油耗监测装置以及工程车辆

技术领域

本申请涉及油耗监测技术领域，具体涉及一种油耗监测方法、油耗监测装置以及工程车辆。

背景技术

随着我国经济社会发展，车辆设备逐渐增多，但随之也出现了很多问题，例如燃油消耗量巨大。但是目前车辆在行驶过程中，由于驾驶员的驾驶行为等原因，出现了车辆油耗异常的问题，就会使燃油消耗量巨大。现在目前，很多车辆设备安装了OBD(车载诊断系统，On-Board Diagnostic，这个系统随时监控发动机的运行状况和尾气后处理系统的工作状态，一旦发现有可能引起排放超标的情况，会马上发出警示)或 T-BOX(远程信息处理箱，Telematics BOX，可深度读取汽车Can总线数据和私有协议)对车辆运行情况进行实时检测，也积累了大量的车联网数据，但是目前这些数据还没有被充分利用起来，也造成了数据闲置与浪费。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种油耗监测方法、油耗监测装置以及工程车辆，解决了车辆在行驶过程中驾驶异常的问题。

根据本发明的一方面，提供了一种油耗监测方法，包括：获取当前车辆在行驶过程中的实际油耗；根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；计算所述实际油耗与所述参考油耗之间的差值；以及当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

在一实施例中，所述计算所述实际油耗与所述参考油耗之间的差值之前，油耗监测方法还包括：获取所述当前车辆在预设时间段内的油位变化；其中所述油位变化表示所述当前车辆在所述预设时间段内消耗的油量；根据所述油位变化，确定所述实际油耗的使用状态。

在一实施例中，所述根据所述油位变化，确定所述实际油耗的使用状态包括：若所述油位变化大于预设油位变化阈值，则确定所述实际油耗的使用状态异常。

在一实施例中，所述预设时间段包括第一时刻和第二时刻，所述第二时刻大于所述第一时刻，其中，所述获取所述当前车辆在时间段内的油位变化包括：获取所述当前车辆在所述第一时刻对应的第一油位和在所述第二时刻对应的第二油位；其中，所述第二油位小于第一油位；所述根据所述油位变化，确定所述实际油耗的使用状态包括：根据所述第一油位和第二油位的之间的差值，计算所述当前车辆在时间段内的耗油速度；若所述耗油速度大于预设耗油速度阈值，则确定所述实际油耗的使用状态异常。

在一实施例中，所述获取当前车辆在行驶过程中的实际油耗包括：根据所述当前车辆在行驶过程中的行驶参数和第二油耗模型，获取所述当前车辆在行驶过程中的实际油耗；其中，所述第二油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/ 或与所述当前车辆的车型相同的多个车辆的历史油耗数据。

在一实施例中，所述第二油耗模型的建立方法包括：获取与所述当前车辆的车型相同的多个车辆的历史油耗数据及所述多个车辆的历史油耗数据对应的车辆参数数据；对所述历史油耗数据以及所述车辆参数数据进行拟合得到所述第二油耗模型。

在一实施例中，所述第二油耗模型的建立方法包括：获取与所述当前车辆的车型相同的多个车辆的历史油耗数据及所述多个车辆的历史油耗数据对应的车辆参数数据；以所述历史油耗数据以及所述车辆参数数据为训练样本训练神经网络模型，得到所述第二油耗模型。

在一实施例中，所述行驶参数为多个，其中，所述当所述差值大于预设差值阈值时，确定所述实际油耗异常之后，油耗监测方法还包括：统计每个所述行驶参数对应的油耗值；根据每个所述行驶参数对应的油耗值和每个所述行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因。

在一实施例中，所述根据每个所述行驶参数对应的油耗值和每个所述行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因包括：计算每个所述行驶参数对应的油耗值与每个所述行驶参数对应的历史油耗数据之间的差值；选取所述差值大于预设比对结果阈值对应的行驶参数进行上报。

根据本发明的另一方面，提供了一种油耗监测装置，包括：第一获取模块，用于获取当前车辆在行驶过程中的实际油耗；第二获取模块，用于根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；计算模块，用于计算所述实际油耗与所述参考油耗之间的差值；以及确定模块，用于当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

根据本发明的另一方面，提供了一种工程车辆，包括：车辆本体；控制器，所述控制器设置于所述车辆本体上，所述控制器用于：获取当前车辆在行驶过程中的实际油耗；根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；计算所述实际油耗与所述参考油耗之间的差值；以及当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

本申请提供的一种油耗监测方法、油耗监测装置以及工程车辆，通过获取当前车辆在行驶过程中的实际油耗，根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗，其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据，计算实际油耗与参考油耗之间的差值，以及当差值大于预设差值阈值时，确定当前车辆驾驶异常。根据油耗模型的建立，以及通过当差值大于预设差值阈值时，确定出车辆由于驾驶异常产生了不合理的油耗，并及时报警提示驾驶员，从而达到间接帮助驾驶员节省耗油量、延长发动机寿命和减少污染排放的目的。

附图说明

通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。

图1是本申请一示例性实施例提供的工程车辆的结构示意图。

图2是本申请另一示例性实施例提供的工程车辆的结构示意图。

图3是本申请一示例性实施例提供的油耗监测方法的流程示意图。

图4是本申请一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。

图5是本申请另一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。

图6是本申请另一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。

图7是本申请另一示例性实施例提供的油耗监测方法的流程示意图。

图8是本申请一示例性实施例提供的第二油耗模型的建立方法的流程示意图。

图9是本申请一示例性实施例提供的神经网络拟合的流程示意图。

图10是本申请另一示例性实施例提供的油耗监测方法的流程示意图。

图11是本申请一示例性实施例提供的油耗监测装置的结构示意图。

图12是本申请另一示例性实施例提供的油耗监测装置的结构示意图。

图13是本申请一示例性实施例提供的电子设备的结构图。

具体实施方式

下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

图1是本申请一示例性实施例提供的工程车辆的结构示意图。如图1 所示，工程车辆30包括：车辆本体31和控制器32，控制器设置于车辆本体上，所述控制器用于：获取当前车辆在行驶过程中的实际油耗；根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗；其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据，计算实际油耗与参考油耗之间的差值；以及当差值大于预设差值阈值时，确定当前车辆驾驶异常。

图2是本申请另一示例性实施例提供的工程车辆的结构示意图。如图2 所示，工程车辆30还包括：油位传感器33。在车辆本体31上设有油位传感器33，油位传感器33与控制器32连接，油位传感器33用于监测工程车辆30的油位。

图3是本申请一示例性实施例提供的油耗监测方法的流程示意图。本实施例可应用在工程车辆的控制设备上，如图3所示，该油耗监测方法包括如下步骤：

步骤110：获取当前车辆在行驶过程中实际油耗。

因为需要确定实际油耗是否异常，所以需要先获取当前车辆在行驶过程中的实际油耗，从而进行下一步的计算或者判断，其中实际油耗可以根据读取里程变化量和油位变化量计算得到的。也可以先采集到车辆的一些参数，将参数代入到模型中计算得到该实际油耗。例如参数可包括：车辆运行时长、档位、发动机转速、油门开度、车速、怠速时长、空档时长等车辆参数。

步骤120：根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗，其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据。

参考油耗是根据当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据建立的。建立油耗模型的目的是为了分析当前车辆在当前状态下的理论油耗，那么基于油耗模型的建立，获取当前车辆的参考油耗。然后根据该参考油耗判断实际油耗是否是正常，或者在车辆行驶过程中是否产生了油泄漏的问题。

步骤130：计算实际油耗与参考油耗之间的差值。

计算实际油耗与参考油耗之间的差值，即D＝|A-B|，其中，B为实际油耗，A为参考油耗，D为差值。另外，也可以计算实际油耗与参考油耗之间的百分比，即D＝|A-B|/A，其中D为百分比值，B为实际油耗，A为参考油耗。

步骤140：当差值大于预设差值阈值时，确定当前车辆驾驶异常。

差值已经计算得到之后，将差值与预设差值阈值进行比对，若差值大于预设差值阈值，则说明因驾驶员的驾驶行为导致油耗异常，那么就提示驾驶员因驾驶员哪种驾驶行为导致油耗异常，驾驶员就需要进行一些处理解决错误的驾驶行为问题。由上述可知，也可以将百分比值进行比对，那么当百分比大于预设百分比阈值时，确定当前车辆驾驶异常，其中该预设百分比阈值可以为20％。

本申请提供的一种油耗监测方法，通过获取当前车辆在行驶过程中的实际油耗，根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗，其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据，计算实际油耗与参考油耗之间的差值，以及当差值大于预设差值阈值时，确定当前车辆驾驶异常。根据第一油耗模型的建立，以及通过当差值大于预设差值阈值时，确定出车辆由于驾驶异常产生了不合理的油耗，并及时报警提示驾驶员，从而达到间接帮助驾驶员节省耗油量、延长发动机寿命和减少污染排放的目的。

图4是本申请一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。如图4所示，在步骤130之前，油耗监测方法还可以包括：

步骤150：获取当前车辆在预设时间段内的油位变化，其中油位变化表示当前车辆在预设时间段内消耗的油量。

获取当前车辆在设定的预设时间段内的油位变化。该预设时间段可为1分钟或者2分钟或者20s(秒)。以分钟、秒为单位。该油位变化可以查看燃油表确定当前车辆在预设时间段内燃油多少。

步骤160：根据油位变化，确定实际油耗的使用状态。

通过油位变化，可以确定实际油耗的使用状态是正常还是异常。若是正常说明当前车辆行驶安全。若实际油耗的使用状态为异常状态，说明当前车辆油耗异常，需要采取相对应的措施处理油耗异常问题。

本申请中是先检测出实际油耗的使用状态，即是否异常，如果异常就直接输出油耗异常，就不需要再进行判断是否驾驶异常。而现有技术是先判断驾驶不异常时才进行判断是否油耗异常，技术手段的先后顺序不一样，导致实际解决的问题也不一样，且产生的效果也不同。而本申请实际解决的问题是如何提高驾驶安全性。而现有技术解决的是在驾驶不异常时实际油耗是否异常。其解决的问题不同。本申请中驾驶无论异常还是不异常，首先都进行判段实际油耗是否异常，从而提高驾驶安全性。因为实际油耗异常的严重性要高于驾驶异常，例如发动机出现故障就会导致耗油量增加，而现有技术先判断是否驾驶异常，若不异常再进行判断是否油耗异常的安全性要较低。判断出驾驶异常有可能实际上是实际油耗异常导致的，例如驾驶员急刹车或者急踩油门导致耗油增大，而实际上是发动机故障导致的油耗异常，那么现有技术判断出驾驶异常之后就不需要再进行判断实际油耗是否异常，那么就会导致驾驶过程中的安全性能降低。且现有技术无法将驾驶原因进行上报，那么驾驶员无法知道是哪种驾驶行为导致驾驶异常。

另外，本申请不需要进行建立模型分析实际油耗是否异常，只需要根据油位变化或者耗油速度就可以分析出实际油耗是否异常，更加简单且便捷的检测出实际油耗是否异常。

图5是本申请另一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。如图5所示，步骤160包括：

步骤161：若油位变化大于预设油位变化阈值，则确定实际油耗的使用状态异常。

若油位变化大于预设油位变化阈值，即燃油油量剧烈变化，则说明实际油耗的使用状态异常。该异常原因有可能是偷油、漏油或者油箱没有盖好导致油挥发。例如若油位下降超过5％，则说明实际油耗的使用状态异常，因为在预设时间段内，燃油过量，因此当前车辆在行驶过程中有一部分油量没有进行充分使用。

图6是本申请另一示例性实施例提供的实际油耗的使用状态的确定方法的流程示意图。如图6所示，预设时间段包括第一时刻和第二时刻，第二时刻大于第一时刻，其中，步骤150包括：

步骤151：获取当前车辆在第一时刻对应的第一油位和在第二时刻对应的第二油位，其中，第二油位小于第一油位。

在预设时间段内可选取预设时间段内起始燃油的第一时刻和终止燃油的第二时刻。获取起始燃油时的第一油位和终止燃油的第二油位。通过第一油位和第二油位可以确定出当前车辆实际耗油量的数值。

在一实施例中，如图5所示，步骤160包括：

步骤162：根据第一油位和第二油位的之间的差值，计算当前车辆在时间段内的耗油速度。

计算第一油位和第二油位之间的差值，即为当前车辆的油位变化。然后根据该差值可以计算出在预设时间段内的当前车辆的耗油速度。例如预设时间段为1分钟，则耗油速度为差值/1分钟或者(第一油位-第二油位)/1分钟。

步骤163：若耗油速度大于预设耗油速度阈值，则确定实际油耗的使用状态异常。

若耗油速度大于预设耗油速度阈值，说明在此预设时间段内，当前车辆燃油的量过大，已经超出理想燃油的量，说明当前车辆的实际油耗的使用状态异常。

图7是本申请另一示例性实施例提供的油耗监测方法的流程示意图。如图7所示，步骤110可以包括：

步骤111：根据当前车辆在行驶过程中的行驶参数和第二油耗模型，获取当前车辆在行驶过程中的实际油耗，其中，第二油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据。

在此若获取到车辆在行驶过程中的行驶参数，可根据行驶参数和第二油耗模型获取当前车辆的实际油耗。该实际油耗可根据行驶参数通过换算得出，也可根据提前设置好的第二油耗模型，将行驶参数输入到第二油耗模型中就可以获得到对应的实际油耗。因此利用第二油耗模型获取到当前车辆的实际油耗可减少计算步骤，且计算的精准度要更高。

图8是本申请一示例性实施例提供的第二油耗模型的建立方法的流程示意图。如图8所示，在上述实施例的基础上，步骤111可以包括：

步骤1111：获取与当前车辆的车型相同的多个车辆的历史油耗数据及多个车辆的历史油耗数据对应的车辆参数数据。

可以通过T-BOX(Telematics BOX，可深度读取汽车Can总线数据和私有协议，T-box终端具有双核处理的OBD模块，双核处理的CPU构架，分别采集汽车总线Dcan、Kcan、PTcan相关的总线数据和私有协议反向控制，通过GPRS网络将数据传出到云服务器，提供车况报告、行车报告、油耗统计、故障提醒、违章查询、位置轨迹、驾驶行为、安全防盗、预约服务、远程找车、利用手机控制汽车门、窗、灯、锁、喇叭、双闪、反光镜折叠、天窗、监听中控警告和安全气囊状态等)或者TruckLink(三一的车辆网平台，包括底盘数据、泵送方量、泵送次数、泵送油耗等两百余种设备运行的关键数据)平台数据实时在线对车辆行驶过程中的历史油耗数据和历史油耗数据对应的车辆参数数据进行采集，并以单日为时间节点对车辆参数数据进行特征提取。主要提取的特征值包括：车速分布、转速分布、扭矩分布、档位分布、动能变化量、平均车速、空挡滑行、怠速、发动机工况等百余特征值。

由于车辆在行驶过程中种种因素的影响，有很多数据的突变以及无效数据的误采集，所以必须对数据进行预处理。首先对采集到的数据进行优化处理从而排除数据丢失、数据跳变等对结果带来的不确定性干扰。其次对于采集到的车辆参数数据进行预处理，其中主要包括：空挡滑行、怠速超时、超速统计、加速信息、减速信息、巡航信息、高扭矩低转速和低扭矩高转速等。最后对采集到的车辆参数数据进行预处理，其中主要包括：车速分布、转速分布、扭矩分布、里程、累计油气耗、发动机工况分布、平均车速和正、负动能变化量等。

第二油耗模型根据多个车辆的历史油耗数据对应的车辆参数数据与当前车辆的车型相同的多个车辆的历史油耗数据建立，即基于在同款型号的车辆下，根据当前车辆在行驶过程中的行驶参数和第二油耗模型，获取当前车辆的实际油耗。该实际油耗可以是车型相同的多个车辆的数据的历史油耗数据求解的平均值，其中行驶参数可以包括：车速、发动机转速、怠速时长占比、油门开度等。

步骤1112：对历史油耗数据以及车辆参数数据进行拟合得到第二油耗模型。

当前车辆的车型相同的多个车辆的历史油耗数据及多个车辆的历史油耗数据对应的车辆参数数据。采用线性回归法建立线性模型，即建立第二油耗模型。在确定影响油耗的车辆参数数据后，采用线性回归法建立线性模型，即建立油耗模型，该方案采用最小二乘法求解回归方程，假设有共个k影响因素，x₁.x₂......x_k用以下线性关系：

y＝β₀+β₁x₁+β₂x₂+...+β_kx_k+ε

对y与x₁,x₂......x_k同时做多次独立观察，得到多组历史油耗数据和历史油耗数据对应的车辆参数数据，就可以进行回归求解。该回归方程的结果为建立油耗模型的方程式。根据线性模型所得到的方程，可以更加直观的看出影响油耗的因素。

图9是本申请一示例性实施例提供的神经网络拟合的流程示意图。

如图9所示，在上述实施例的基础上，步骤111可具体实施为：

获取与当前车辆的车型相同的多个车辆的历史油耗数据及多个车辆的历史油耗数据对应的车辆参数数据，以历史油耗数据以及车辆参数数据为训练样本训练神经网络模型，得到第二油耗模型。

该第二油耗模型可采用非线性模型建立。应用多层BP神经网络进行非线性拟合。BP神经网络由输入层、隐含层和输出层组成，隐含层根据层数可分为单隐含层和多隐含层。多隐含层由多个单隐含层组成，和单隐含层相比，多隐含层泛化能力强，预测精度高，缺点是训练时间长。隐含层层数的选择要从网络精度和训练时间上综合考虑。在第二油耗模型预测中，对训练时间没有要求，故应该采用多隐含层，提高网络预测精度。

另外，由于初始采集的数据中的特征比较多，对于寻找最优车辆参数具有很大的数据冗余，不利于后面进行有效的车辆参数的训练，所以我们对采集预处理过的数据进行强相关特征提取。该部分是在相同车型前提下寻找历史油耗相应的车辆参数数据特征与历史油耗的相关性分析，找出与油耗相关度最强的若干项特征。首先将网络初始化，也就是将数据库中历史油耗数据作为目标参数，历史车辆参数数据作为输入参数进行训练。然后是训练样本与测试样本提取，即对历史油耗数据以及历史车辆参数数据进行特征提取，也就是从历史车辆参数数据中随机90％的数据作为训练样本，其余10％作为测试样本。然后将随机选取的90％数据样本归一化，也就是将数据样本按类映射至[0，1]之间。以初始神经网络模型为基础，通过对训练参数逐一赋全值‘0’与‘1’。统计各训练参数的改变对预测结果与目标参数的影响最大的前N项，认为此N项训练参数为对油耗影响最为强烈的强相关参数。最后提取出N项强相关的特征。

在一实施例中，第一油耗模型的建立方法可具体实施为：根据历史油耗数据，建立第一油耗模型。统计当前车辆的历史油耗数据和/或当前车辆的车型相同的多个车辆的历史油耗数据以得到统计结果。计算统计结果对应的平均值。或者计算统计结果对应的加权平均值。然后根据统计结果对应的平均值，拟合得到第一油耗模型，其中，第一油耗模型包括当前车辆的车型与统计结果对应的平均值之间的对应关系。可采用线性回归法建立第一油耗模型。

在一实施例中，行驶参数为多个，油耗监测方法可具体实施为：统计每个行驶参数对应的油耗值，根据每个行驶参数对应的油耗值和每个行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因。

统计当前车辆的每个车辆参数数据对应的油耗值，例如可以统计当前车辆的车速对应的实际油耗值，怠速时长对应的油耗值等，根据每个行驶参数对应的油耗值和每个行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因。

在一实施例中，油耗监测方法可具体实施为：计算每个行驶参数对应的油耗值与每个行驶参数对应的历史油耗数据之间的差值，选取差值大于预设比对结果阈值对应的行驶参数进行上报。

计算每个行驶参数对应的油耗值与每个行驶参数对应的历史油耗数据之间的差值，选取差值大于预设对比结果阈值对应的行驶参数进行上报，说明差值大于预设对比结果阈值的车辆参数数据影响了实际油耗，例如当前车速与历史车速之间的差值大于预设对比结果阈值，说明车速影响了实际油耗，因此将车速过快进行上报，从而使驾驶员了解哪些驾驶行为影响了当前的油耗。

图10是本申请另一示例性实施例提供的油耗监测方法的流程示意图。如图10所示，在上述实施例的基础上，该油耗检测方法可以包括：

步骤210：根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗。

步骤220：获取当前车辆在行驶过程中的实际油耗。

步骤230：计算实际油耗与参考油耗之间的差值以及获取当前车辆的油位变化。

步骤240：判断油位是否变化大于预设油位变化阈值。若是，则转到步骤250，若否，则转到步骤260。

步骤250：确定当前车辆实际油耗异常。

步骤260：判断差值是否大于预设差值阈值。若是，则转到步骤270，若否，则转到步骤220。

步骤270：确定驾驶异常。

根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗。获取当前车辆在行驶过程中的实际油耗。计算实际油耗与参考油耗之间的差值以及获取当前车辆的油位变化。判断油位变化是否大于预设油位变化阈值。若油位变化大于预设油位变化阈值，则确定当前车辆实际油耗异常，若油位变化小于或等于预设油位变化阈值，则判断差值是否大于预设差值阈值。若差值大于预设差值阈值，则确定驾驶异常，若差值小于或等于预设差值阈值，则转到获取当前车辆在行驶过程中的实际油耗。

图11是本申请一示例性实施例提供的油耗监测装置的结构示意图。如图11所示，该油耗监测装置20包括：第一获取模块201，用于当前车辆在行驶过程中的实际油耗。第二获取模块202，用于根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗，其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据。计算模块203，用于计算实际油耗与参考油耗之间的差值，以及确定模块 204，用于当差值大于预设差值阈值时，确定当前车辆驾驶异常。

本实施例提供一种油耗监测装置，包括：通过第一获取模块201获取当前车辆在行驶过程中的实际油耗，第二获取模块202根据当前车辆在行驶过程中的行驶参数和第一油耗模型，获取当前车辆的参考油耗，其中，第一油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据，计算模块203计算实际油耗与参考油耗之间的差值，以及确定模块 204当差值大于预设差值阈值时，确定当前车辆驾驶异常。根据第一油耗模型的建立，以及通过当差值大于预设差值阈值时，确定出车辆由于驾驶异常产生了不合理的油耗，并及时报警提示驾驶员，从而达到间接帮助驾驶员节省耗油量、延长发动机寿命和减少污染排放的目的。

图12是本申请另一示例性实施例提供的油耗监测装置的结构示意图。如图12所示，

在一实施例中，在计算模块203之前，油耗监测装置20还可以包括

油位获取单元205，用于获取当前车辆在预设时间段内的油位变化，其中油位变化表示当前车辆在预设时间段内消耗的油量；油位确定单元 206，用于根据油位变化，确定实际油耗的使用状态。

在一实施例中，油位确定单元206可以包括：异常单元2061，用于若油位变化大于预设油位变化阈值，则确定实际油耗的使用状态异常。

在一实施例中，预设时间段包括第一时刻和第二时刻，第二时刻大于第一时刻，其中，油位获取单元205可以包括：时刻获取单元2051，用于获取当前车辆在第一时刻对应的第一油位和在第二时刻对应的第二油位，其中，第二油位小于第一油位。

在一实施例中，油位确定模块206可以包括：耗油速度单元2062，用于根据第一油位和第二油位的之间的差值，计算当前车辆在时间段内的耗油速度；使用异常单元2063，用于若耗油速度大于预设耗油速度阈值，则确定实际油耗的使用状态异常。

在一实施例中，第一获取模块201可以包括：第二油耗模型建立单元2011，用于根据当前车辆在行驶过程中的行驶参数和第二油耗模型，获取当前车辆在行驶过程中的实际油耗，其中，第二油耗模型根据历史油耗数据建立，历史油耗数据包括当前车辆的历史油耗数据和/或与当前车辆的车型相同的多个车辆的历史油耗数据。

在一实施例中，第二油耗模型建立单元2011可以包括：参数获取单元207，用于获取与当前车辆的车型相同的多个车辆的历史油耗数据及多个车辆的历史油耗数据对应的车辆参数数据；油耗模型单元208，用于对历史油耗数据以及车辆参数数据进行拟合得到第二油耗模型。

在一实施例中，第二油耗模型建立单元2011可具体配置为：获取与当前车辆的车型相同的多个车辆的历史油耗数据及多个车辆的历史油耗数据对应的车辆参数数据，以历史油耗数据以及车辆参数数据为训练样本训练神经网络模型，得到第二油耗模型。

在一实施例中，行驶参数为多个，油耗监测装置20可具体配置为：统计每个行驶参数对应的油耗值，根据每个行驶参数对应的油耗值和每个行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因。

在一实施例中，油耗监测装置20可具体配置为：计算每个行驶参数对应的油耗值与每个行驶参数对应的历史油耗数据之间的差值，选取差值大于预设比对结果阈值对应的行驶参数进行上报。

下面，参考图13来描述根据本申请实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。

图13图示了根据本申请实施例的电子设备的框图。

如图13所示，电子设备10包括一个或多个处理器11和存储器12。

处理器11可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备10中的其他组件以执行期望的功能。

存储器12可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器 (ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器11可以运行所述程序指令，以实现上文所述的本申请的各个实施例的油耗监测方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。

在一个示例中，电子设备10还可以包括：输入装置13和输出装置14，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。

在该电子设备是单机设备时，该输入装置13可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。

此外，该输入装置13还可以包括例如键盘、鼠标等等。

该输出装置14可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出装置14可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。

当然，为了简化，图12中仅示出了该电子设备10中与本申请有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备10还可以包括任何其他适当的组件。

除了上述方法和设备以外，本申请的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的油耗监测方法中的步骤。

所述计算机程序产品可以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申请实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如Java、C++等，还包括常规的过程式程序设计语言，诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。

此外，本申请的实施例还可以是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在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本申请各种实施例的油耗监测方法中的步骤。

所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。

为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (11)

1.一种油耗监测方法，其特征在于，包括：

获取当前车辆在行驶过程中的实际油耗；

根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；

计算所述实际油耗与所述参考油耗之间的差值；以及

当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

2.根据权利要求1所述的油耗监测方法，其特征在于，所述计算所述实际油耗与所述参考油耗之间的差值之前，还包括：

获取所述当前车辆在预设时间段内的油位变化；其中所述油位变化表示所述当前车辆在所述预设时间段内消耗的油量；

根据所述油位变化，确定所述实际油耗的使用状态。

3.根据权利要求2所述的油耗监测方法，其特征在于，所述根据所述油位变化，确定所述实际油耗的使用状态包括：

若所述油位变化大于预设油位变化阈值，则确定所述实际油耗的使用状态异常。

4.根据权利要求2所述的油耗监测方法，其特征在于，所述预设时间段包括第一时刻和第二时刻，所述第二时刻大于所述第一时刻，其中，所述获取所述当前车辆在时间段内的油位变化包括：

获取所述当前车辆在所述第一时刻对应的第一油位和在所述第二时刻对应的第二油位；其中，所述第二油位小于第一油位；

所述根据所述油位变化，确定所述实际油耗的使用状态包括：

根据所述第一油位和第二油位的之间的差值，计算所述当前车辆在时间段内的耗油速度；

若所述耗油速度大于预设耗油速度阈值，则确定所述实际油耗的使用状态异常。

5.根据权利要求1所述的油耗监测方法，其特征在于，所述获取当前车辆在行驶过程中的实际油耗包括：

根据所述当前车辆在行驶过程中的行驶参数和第二油耗模型，获取所述当前车辆在行驶过程中的实际油耗；其中，所述第二油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或所述与当前车辆的车型相同的多个车辆的历史油耗数据。

6.根据权利要求5所述的油耗监测方法，其特征在于，所述第二油耗模型的建立方法包括：

获取与所述当前车辆的车型相同的多个车辆的历史油耗数据及所述多个车辆的历史油耗数据对应的车辆参数数据；

对所述历史油耗数据以及所述车辆参数数据进行拟合得到所述第二油耗模型。

7.根据权利要求5所述的油耗监测方法，其特征在于，所述第二油耗模型的建立方法包括：

获取与所述当前车辆的车型相同的多个车辆的历史油耗数据及所述多个车辆的历史油耗数据对应的车辆参数数据；

以所述历史油耗数据以及所述车辆参数数据为训练样本训练神经网络模型，得到所述第二油耗模型。

8.根据权利要求1所述的油耗监测方法，其特征在于，所述行驶参数为多个，其中，所述当所述差值大于预设差值阈值时，确定所述实际油耗异常之后，还包括：

统计每个所述行驶参数对应的油耗值；

根据每个所述行驶参数对应的油耗值和每个所述行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因。

9.根据权利要求8所述的油耗监测方法，其特征在于，所述根据每个所述行驶参数对应的油耗值和每个所述行驶参数对应的历史油耗数据的比对结果，上报油耗异常原因包括：

计算每个所述行驶参数对应的油耗值与每个所述行驶参数对应的历史油耗数据之间的差值；

选取所述差值大于预设比对结果阈值对应的行驶参数进行上报。

10.一种油耗监测装置，其特征在于，包括：

第一获取模块，用于获取当前车辆在行驶过程中的实际油耗；

第二获取模块，用于根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；

计算模块，用于计算所述实际油耗与所述参考油耗之间的差值；以及

确定模块，用于当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

11.一种工程车辆，其特征在于，包括：

车辆本体；

控制器，所述控制器设置于所述车辆本体上，所述控制器用于：

获取当前车辆在行驶过程中的实际油耗；

根据所述当前车辆在行驶过程中的行驶参数和第一油耗模型，获取所述当前车辆的参考油耗；其中，所述第一油耗模型根据历史油耗数据建立，所述历史油耗数据包括所述当前车辆的历史油耗数据和/或与所述当前车辆的车型相同的多个车辆的历史油耗数据；

计算所述实际油耗与所述参考油耗之间的差值；以及

当所述差值大于预设差值阈值时，确定所述当前车辆驾驶异常。

Images