车联网服务器、车辆及基于行驶油耗数据的车况评估方法技术

本申请涉及车况评估技术领域，本申请提供一种车联网服务器、车辆及基于行驶油耗数据的车况评估方法，通过采集包括车辆的加油情况的第一数据，采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据，采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据，对第一数据、第二数据和/或第三数据进行大数据整理和学习，以得到行驶油耗数据，根据行驶油耗数据分析车辆的车况，以进行车况评估。本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶油耗数据的综合评估，进而实现对车况的深入评估，帮助用户实现对车辆的全方位分析，得到切合实际的车况评估结果，满足用户的需求。

Internet of vehicles server, vehicle and vehicle condition evaluation method based on driving fuel consumption data

【技术实现步骤摘要】
车联网服务器、车辆及基于行驶油耗数据的车况评估方法
本申请涉及车况评估
，具体涉及一种基于行驶油耗数据的车况评估方法，还涉及一种采用该基于行驶油耗数据的车况评估方法的车联网服务器、以及车辆。
技术介绍
随着我国经济水平的提高，汽车对于普通老百姓来说已经不再遥不可及，伴随着我国汽车数量的与日俱增，人们对汽车的各个方面的品质要求也越来越高。以往在车辆节油环保的技术研究基本上都集中在研发高性能发动机上了，比如通过在小排量发动机上增加一套涡轮增压装置来实现小排量大功率的目的，从而可以替换一些大排量的自然吸气发动机。但是随着人们环保理念的提升，人们已经开始关注车辆经济驾驶，即通过改善车辆的驾驶行为来实现进一步的节能环保、降低油耗。此外，用户出于价格、车牌等原因，可能会需要购买二手车等，在二手车市场中，对于车况则需要非常精确的评估，否则容易购买到有“暗病”的坏车。另外，用户可能需要对自己的车辆进行车况评估，以考虑是否放弃手上的旧车，去购买新车等。因此，无论买卖车辆，都需要对车况进行评估。现有技术中，一辆车的车况鉴定，主要从车身框架、各部位的车身外部构建、车身表面状况、电器元件的工作表现、轮胎的使用程度等几方面来衡量。不难理解的是，这些车况是比较直观明了的，但其无法对发动机油耗等进行深入评估，而油耗是很多用户第一关心的车况，所以现有技术难以满足用户的更高需求。针对现有技术的多方面不足，本申请的专利技术人经过深入研究，提出一种新的车联网服务器、车辆及基于行驶油耗数据的车况评估方法。>
技术实现思路
本申请的目的在于，提供一种车联网服务器、车辆及基于行驶油耗数据的车况评估方法，其能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶油耗数据的综合评估，进而实现对车况的深入评估，帮助用户实现对车辆的全方位分析评估，得到切合实际的车况评估结果，满足用户的需求。为解决上述技术问题，本申请提供一种基于行驶油耗数据的车况评估方法，其中，所述车况评估方法包括：采集包括车辆的加油情况的第一数据；采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据；采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据；对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据；根据所述行驶油耗数据分析所述车辆的车况，以进行车况评估。其中，所述采集包括车辆的加油情况的第一数据的步骤，具体包括：通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。其中，所述车联网网关为设置有通讯模块的车机或车辆TBOX系统。其中，所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤，具体包括：采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。其中，所述采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据的步骤，具体包括：按照预定时间段和固定路段采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据。其中，所述对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据的步骤，具体包括：对所述第一数据、第二数据和/或第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据。其中，所述对所述第一数据、第二数据和/或第三数据采用基于长短期记忆神经网络的学习分析方法进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据的步骤，具体包括：获取所有用户在所述第一数据、第二数据和/或第三数据情况下的行驶油耗数据；将所述行驶油耗数据进行数据清洗、归一化；将清洗归一化后的行驶油耗数据按照时间划分为训练数据集与测试数据集；对所述训练数据集的训练数据进行离线模型训练，以分别训练长短期记忆神经网络的多个神经网络模型；获取训练数据对于训练后的多个神经网络模型输出的预测值列表，将所述预测值列表与实际的车辆油耗情况进行比较，计算得到多个神经网络模型作为组合模型时所占的权重值；利用测试数据集的测试数据对组合模型中的多个神经网络模型评估预测效果，根据预测效果调整所述多个神经网络模型作为组合模型时所占的权重值；根据多个神经网络模型的组合模型及其对应的权重值计算得到所述第一数据、第二数据和/或第三数据的最精确的行驶油耗数据。为解决上述技术问题，本申请还提供一种车联网服务器，其中，与车辆进行网络连接，其配置有处理器，所述处理器用于执行车况评估应用程序，以根据上述的车况评估方法实现对所述车辆的车况评估。其中，所述车联网服务器配置有二手车定价评估系统，所述二手车定价评估系统根据所述车况评估对所述车辆进行定价评估。为解决上述技术问题，本申请还提供一种车辆，其中，其配置有处理器，所述处理器用于执行车况评估应用程序，以实现上述的车况评估方法。本申请车联网服务器、车辆及基于行驶油耗数据的车况评估方法，通过采集包括车辆的加油情况的第一数据，采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据，采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据，对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据，根据所述行驶油耗数据分析所述车辆的车况，以进行车况评估。通过这种方式，本申请能够针对车辆的使用、加油、驾驶员的驾驶习惯、驾驶路况、驾驶环境等进行行驶油耗数据的综合评估，进而实现对车况的深入评估，帮助用户实现对车辆的全方位分析评估，得到切合实际的车况评估结果，满足用户的需求。上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。附图说明图1为本申请基于行驶油耗数据的车况评估方法的流程示意图。图2为本申请车联网服务器的模块示意图。图3为本申请车辆的模块示意图。具体实施方式为更进一步阐述本申请为达成预定申请目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本申请车联网服务器、车辆及基于行驶油耗数据的车况评估方法的具体实施方式、方法、步骤、特征及其效果，详细说明如下。有关本申请的前述及其他
技术实现思路
、特点及功效,在以下配合参考图式的较佳实施例的详细说明中将可清楚呈现。通过具体实施方式的说明,当可对本申请为达成预定目的所采取的技术手段得以更加深入且具体的了解，然而所附图式仅是提供参考与说明之用,并非用来对本申请加以限制。请参阅图1，图1为本申请基于行驶油耗数据的车本文档来自技高网...

【技术保护点】
1.一种基于行驶油耗数据的车况评估方法，其特征在于，所述车况评估方法包括：/n采集包括车辆的加油情况的第一数据；/n采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据；/n采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据；/n对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据；/n根据所述行驶油耗数据分析所述车辆的车况，以进行车况评估。/n

【技术特征摘要】
1.一种基于行驶油耗数据的车况评估方法，其特征在于，所述车况评估方法包括：
采集包括车辆的加油情况的第一数据；
采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据；
采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据；
对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据；
根据所述行驶油耗数据分析所述车辆的车况，以进行车况评估。


2.根据权利要求1所述的车况评估方法，其特征在于，所述采集包括车辆的加油情况的第一数据的步骤，具体包括：
通过车联网网关采集ECU车辆包括加油时间、数量的所述第一数据。


3.根据权利要求2所述的车况评估方法，其特征在于，所述车联网网关为设置有通讯模块的车机或车辆TBOX系统。


4.根据权利要求1所述的车况评估方法，其特征在于，所述采集包括尾气排放数据、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据的步骤，具体包括：
采集ECU车辆尾气排放系统的氧传感器信号、加速度数据、发动机转速数据、喷油量数据和实际空燃比数据的第二数据。


5.根据权利要求1所述的车况评估方法，其特征在于，所述采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据的步骤，具体包括：
按照预定时间段和固定路段采集包括车辆行驶轨迹、天气、行驶速度和路况的第三数据。


6.根据权利要求1-5任一项所述的车况评估方法，其特征在于，所述对所述第一数据、第二数据和/或第三数据进行大数据整理和学习，根据大数据整理和学习进行分析以得到行驶油耗数据的步骤，具体包括：
对所述第一数据、第二数据和/或第三数据采用基于长短期记忆神...

【专利技术属性】
技术研发人员：应宜伦，
申请(专利权)人：上海博泰悦臻网络技术服务有限公司，
类型：发明
国别省市：上海;31