【技术实现步骤摘要】
本专利技术涉及汽车排放测试与监控，特别是涉及一种基于车联网的重型车活动水平计算方法。
技术介绍
1、重型车实际活动水平数据的准确性对于准确估算车辆能耗(碳)及污染物排放的总量至关重要。当前，车辆活动水平的数据主要依靠《道路机动车大气污染物排放清单编制技术指南》等文件中给出的统计值，而此类值通常难以反应特定车辆在特定地区的实际活动水平。随着车载诊断系统(obd)远程监控技术的发展，政府和企业等可以通过构建的重型车联网监控平台，获取能反映车辆实际活动水平的数据，如车速等。然而，由于数据采集和传输过程中出现的数据解析错误和传感器故障等问题，易导致获取的车辆车速等参数数据出现重复、丢失、恒值、离群和无效等异常情况。此类异常情况的出现会影响车辆活动水平计算结果的准确性。
技术实现思路
1、本专利技术的目的是针对现有技术中存在的技术缺陷，而提供一种基于车联网的重型车活动水平计算方法，可有效识别并处理远程监控获取的车速中出现的重复、丢失、恒值、离群和无效等异常数据，通过对异常车速的处理以降低其对车辆活动水平计算结果的影响，实现远程监控车辆实际活动水平的真实反映，提高远程监控车辆实际活动水平计算结果的真实性。
2、为实现本专利技术的目的所采用的技术方案是：
3、一种基于车联网的重型车活动水平计算方法，包括：
4、s1.监测数据选取
5、从远程监测平台选取待监测的车辆的车速及采集时间的数据；
6、s2.重复数据处理
7、依据采集
8、s3.数据处理判断
9、计算车速数据的丢失率,当选取的车速数据丢失率不超过设定阈值时，进入步骤s4，进行车辆活动水平计算；否则退出计算：
10、s4.无效数据处理
11、确定无效数据，当无效数据以单个非连续状态出现时，则用相邻数据均值进行修正；当无效数据以连续至少两个状态出现时，则赋予空值；
12、s5.离群数据处理
13、确定离群数据，当离群数据以单个非连续状态出现时，则用相邻数据均值进行修正；当离群数据以连续至少两个状态出现时，则赋予空值；
14、s6.恒值数据处理
15、确定恒值数据，当恒值数据连续出现至少n个大于1km/h的同一值时，对于出现的恒值数据，则赋予空值,n≥10；
16、s7.丢失数据处理
17、对满足相邻数据采集时间差>1s且小于判断的阈值车辆登出阈值的时间差，以1s为步长对该时间差出现的断点处进行时间填补，对应的车速数据则以空值填充；其中，车辆登出阈值是指为判断因车辆熄火断电使得数据出现丢失而设定的相邻数据采集时间差阈值。当相邻数据采集时间差大于该阈值时，可判断出现的相邻数据采集时间差是车辆熄火断电引起的，而非数据丢失导致的；当相邻数据采集时间差不大于该阈值时，可判断出现的相邻数据采集时间差是数据丢失导致的。
18、s8.空值车速填补
19、对因无效、恒值和丢失的异常情况而赋予空值的车速，利用修正插值法进行平滑填补；
20、s9.活动水平计算
21、对处理过的车速数据累加，得到选取周期内车辆的总行驶里程。
22、其中，步骤s1中，所述监测数据的选取周期至少为一个自然月。
23、其中，步骤s2中，所述车辆数据的丢失率的计算公式为：
24、
25、式中，lr代表车辆数据的丢失率，t1表示相邻数据采集时间差>1s且小于车辆登出阈值的不同类型时间差数值的总和；n1表示相邻数据采集时间差>1s且小于车辆登出阈值的不同类型时间差个数总数量；n1表示选取周期内数据采集总条数。
26、其中，步骤s3中，所述设定阈值为30％。
27、其中，步骤s5中，所述离群数据处理过程中，通过以下步骤对车速局部离群异常值(数据)进行处理：
28、利用窗函数的平滑法及预设倍数标准差区间，识别区间外局部离群值；
29、识别时序中断异常，去除时序中断异常位置的局部离群值；
30、对于单个非连续局部离群值，用局部离群值两侧数据取平均值填充时序中断异常位置；
31、对于连续至少两个局部离群值，则赋予空值。
32、其中，所述窗函数采用blackman窗函数。
33、所述blackman窗函数的公式如下：
34、
35、式中，wn表示窗口在位置n的值；n表窗口长度。
36、其中，步骤s7中，所述车辆登出阈值为100s。
37、步骤s8中.利用修正插值法行平滑填补。
38、其中，步骤s9中，所述总行驶里程的计算式如下：
39、
40、式中,s-总行驶里程,km；v表示车速,km/h；i表示采样时序；i表示采样总秒数。
41、本专利技术能有效识别并处理远程监控获取的车速中出现的重复、丢失、恒值、离群和无效等异常数据，通过对异常车速的处理以降低其对车辆活动水平计算结果的影响，实现远程监控车辆实际活动水平的真实反映，提高远程监控车辆实际活动水平计算结果的真实性。
本文档来自技高网...【技术保护点】
1.基于车联网的重型车活动水平计算方法，其特征在于，包括步骤：
2.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S1中，所述监测数据的选取周期至少为一个自然月。
3.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S2中，所述车辆数据的丢失率的计算公式为：
4.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S3中，所述设定阈值为30％。
5.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S5中，所述离群数据处理过程中，通过以下步骤对车速局部离群异常值进行处理：
6.根据权利要求5所述基于车联网的重型车活动水平计算方法，其特征在于，所述窗函数采用Blackman窗函数。
7.根据权利要求6所述基于车联网的重型车活动水平计算方法，其特征在于，所述Blackman窗函数的公式如下：
8.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S7中，所述车辆登出阈值为100s。
9.
10.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤S9中，所述总行驶里程的计算式如下：
...【技术特征摘要】
1.基于车联网的重型车活动水平计算方法，其特征在于，包括步骤：
2.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤s1中，所述监测数据的选取周期至少为一个自然月。
3.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤s2中，所述车辆数据的丢失率的计算公式为：
4.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤s3中，所述设定阈值为30％。
5.根据权利要求1所述基于车联网的重型车活动水平计算方法，其特征在于，步骤s5中，所述离群数据处理过程中，通过以下步骤对车速局部离群异常值进行处理：
【专利技术属性】
技术研发人员：杨志文，杨正军，李菁元，邹雄辉，刘昱，仲崇智，张潇文，陈强，谢振凯，李勇，于全顺，钱国刚，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。