本發(fā)明涉及汽車安全監(jiān)控技術領域，具體為一種車輛安全狀態(tài)監(jiān)控預警方法及系統(tǒng)。

背景技術：

隨著科技的進步和人們對于出行需求的改變，汽車越來越多的走入千家萬戶，走上道路。隨著車輛數(shù)量的越來越多，道路路況越來越復雜，汽車故障監(jiān)測就成為對汽車安全行駛的一道保障。

目前，汽車故障檢測只能基于4S店的檢測，無法做到提前預警，只能故障發(fā)生后再處理，這種處理方式也很難評估出由于駕駛人操作習慣導致的故障問題，還是在正常使用年限中出現(xiàn)的故障問題。

技術實現(xiàn)要素：

為了克服上述所指出的現(xiàn)有技術的缺陷，本發(fā)明人對此進行了深入研究，在付出了大量創(chuàng)造性勞動后，從而完成了本發(fā)明。

具體而言，本發(fā)明所要解決的技術問題是：提供一種車輛安全狀態(tài)監(jiān)控預警方法，以解決現(xiàn)有技術中無法提前預警，只能故障發(fā)生后再處理維護的技術問題。

為解決上述技術問題，本發(fā)明的技術方案是：

一種車輛安全狀態(tài)監(jiān)控預警方法，所述方法包括下述步驟：

預先生成車輛故障信息分類狀態(tài)模型，所述車輛故障信息分類狀態(tài)模型包含有車輛故障的若干個分類信息以及在每一個分類信息下發(fā)生該故障的概率；

實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)，所述車輛行駛狀態(tài)參數(shù)從車輛OBD接口獲??；

根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取所述車輛狀態(tài)參數(shù)分類信息；

獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令；

將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒。

作為一種改進的方案，所述預先生成車輛故障信息分類狀態(tài)模型，所述車輛故障信息分類狀態(tài)模型包含有車輛故障的若干個分類信息以及在每一個分類信息下發(fā)生該故障的概率的步驟具體包括下述步驟：

獲取所有用戶車輛的各種車輛故障信息；

接收安裝在各個發(fā)生車輛故障的用戶車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)；

對所述車輛行駛狀態(tài)參數(shù)進行分類打標，獲取產生車輛故障所對應的車輛行駛狀態(tài)參數(shù)的分類信息，以及在車輛行駛狀態(tài)參數(shù)的各個參數(shù)階段發(fā)生所述車輛故障的概率；

根據(jù)所述車輛故障、車輛行駛狀態(tài)參數(shù)的分類信息以及在每一個分類信息下車輛故障發(fā)生概率，生成車輛故障信息分類狀態(tài)模型。

作為一種改進的方案，所述車輛故障信息的獲取方式包括終端設備檢測到并自動上傳的車輛故障信息、終端設備車主用戶反饋的車輛故障信息以及第三方官方平臺提供的車輛故障信息。

作為一種改進的方案，所述車輛行駛狀態(tài)參數(shù)包括發(fā)動機轉速、車輛行駛速度、車輛油耗、車輛最大功率轉速、油壓、水溫、發(fā)動機溫度、胎壓、機油粘稠度、燃油效率和故障碼。

本發(fā)明的另一目的在于提供一種車輛安全狀態(tài)監(jiān)控預警系統(tǒng)，所述系統(tǒng)包括：

分類狀態(tài)模型生成模塊，用于預先生成車輛故障信息分類狀態(tài)模型，所述車輛故障信息分類狀態(tài)模型包含有車輛故障的若干個分類信息以及在每一個分類信息下發(fā)生該故障的概率；

車輛行駛狀態(tài)參數(shù)持續(xù)接收模塊，用于實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)，所述車輛行駛狀態(tài)參數(shù)從車輛OBD接口獲?。?/p>

分類分析模塊，用于根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取所述車輛狀態(tài)參數(shù)分類信息；

預警指令生成模塊，用于獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令；

預警指令推送提醒模塊，用于將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒。

作為一種改進的方案，所述分類狀態(tài)模型生成模塊具體包括：

車輛故障信息獲取模塊，用于獲取所有用戶車輛的各種車輛故障信息；

車輛行駛狀態(tài)參數(shù)接收模塊，用于接收安裝在各個發(fā)生車輛故障的用戶車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)；

分類打標模塊，用于對所述車輛行駛狀態(tài)參數(shù)進行分類打標，獲取產生車輛故障所對應的車輛行駛狀態(tài)參數(shù)的分類信息，以及在車輛行駛狀態(tài)參數(shù)的各個參數(shù)階段發(fā)生所述車輛故障的概率；

模型建立模塊，用于根據(jù)所述車輛故障、車輛行駛狀態(tài)參數(shù)的分類信息以及在每一個分類信息下車輛故障發(fā)生概率，建立車輛故障信息分類狀態(tài)模型。

作為一種改進的方案，所述車輛故障信息的獲取方式包括終端設備檢測到并自動上傳的車輛故障信息、終端設備車主用戶反饋的車輛故障信息以及第三方官方平臺提供的車輛故障信息。

作為一種改進的方案，所述車輛行駛狀態(tài)參數(shù)包括發(fā)動機轉速、車輛行駛速度、車輛油耗、車輛最大功率轉速、油壓、水溫、發(fā)動機溫度、胎壓、機油粘稠度、燃油效率和故障碼。

采用了上述技術方案后，本發(fā)明的有益效果是：

預先生成車輛故障信息分類狀態(tài)模型；實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)；根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取車輛狀態(tài)參數(shù)分類信息；獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令；將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒，實現(xiàn)對行駛車輛潛在故障的提前預警，為車輛用戶提供解決故障問題的指導性意見，給車輛用戶提供便利。

附圖說明

圖1是本發(fā)明提供的車輛安全狀態(tài)監(jiān)控預警方法的實現(xiàn)流程圖；

圖2是本發(fā)明提供的預先生成車輛故障信息分類狀態(tài)模型的實現(xiàn)流程圖；

圖3是本發(fā)明提供的車輛安全狀態(tài)監(jiān)控預警系統(tǒng)的結構框圖。

具體實施方式

下面結合具體的實施例對本發(fā)明進一步說明。但這些例舉性實施方式的用途和目的僅用來例舉本發(fā)明，并非對本發(fā)明的實際保護范圍構成任何形式的任何限定，更非將本發(fā)明的保護范圍局限于此。

圖1示出了本發(fā)明提供的車輛安全狀態(tài)監(jiān)控預警方法的實現(xiàn)流程圖，其具體包括下述步驟：

在步驟S101中，預先生成車輛故障信息分類狀態(tài)模型，所述車輛故障信息分類狀態(tài)模型包含有車輛故障的若干個分類信息以及在每一個分類信息下發(fā)生該故障的概率。

在步驟S102中，實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)，所述車輛行駛狀態(tài)參數(shù)從車輛OBD接口獲取。

在該步驟中，對于車輛行駛狀態(tài)參數(shù)的獲取是一個持續(xù)性實時的狀態(tài)，例如每1秒采集一次，持續(xù)采集；

該信息采集是通過OBD接口來實現(xiàn)，然后在OBD接口安裝終端設備，該終端設備即為與車輛相匹配的各種駕駛盒子，其主要用于通過OBD接口獲取車輛行駛狀態(tài)參數(shù)，然后通過約定的傳輸協(xié)議上傳至云平臺，完成車輛行駛狀態(tài)參數(shù)的采集；

其中，車輛行駛狀態(tài)參數(shù)包括但不限于發(fā)動機轉速、車輛行駛速度、車輛油耗、車輛最大功率轉速、油壓、水溫、發(fā)動機溫度、胎壓、機油粘稠度、燃油效率和故障碼。

在步驟S103中，根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取所述車輛狀態(tài)參數(shù)分類信息。

在該步驟中，將持續(xù)接收到的若干個車輛行駛狀態(tài)參數(shù)進行分類算法分類分析，得到車輛行駛狀態(tài)參數(shù)對應的分類信息。

在步驟S104中，獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令。

在該步驟中，預警指令包含車輛可能存在的故障信息以及發(fā)生該故障的概率。例如：**車主您好，您的車輛目前存在***故障，發(fā)生概率為**％，請您及時處理，謝謝。

在步驟S105中，將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒。

在該步驟中，將預警指令推送到終端設備或者用戶終端上，及時提醒車主用戶進行故障清除或檢查或維修或保養(yǎng)事項。

圖2示出了本發(fā)明實施例提供的預先生成車輛故障信息分類狀態(tài)模型的實現(xiàn)流程圖，其具體包括下述步驟：

在步驟S201中，獲取所有用戶車輛的各種車輛故障信息。

在該步驟中，車輛故障信息的獲取方式包括但不限于終端設備檢測到并自動上傳的車輛故障信息、終端設備車主用戶反饋的車輛故障信息以及第三方官方平臺提供的車輛故障信息。

在步驟S202中，接收安裝在各個發(fā)生車輛故障的用戶車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)。

該車輛行駛狀態(tài)參數(shù)獲取方式如上述步驟S102中的方式相同，在此不再贅述。

在步驟S203中，對所述車輛行駛狀態(tài)參數(shù)進行分類打標，獲取產生車輛故障所對應的車輛行駛狀態(tài)參數(shù)的分類信息，以及在車輛行駛狀態(tài)參數(shù)的各個參數(shù)階段發(fā)生所述車輛故障的概率。

在步驟S204中，根據(jù)所述車輛故障、車輛行駛狀態(tài)參數(shù)的分類信息以及在每一個分類信息下車輛故障發(fā)生概率，生成車輛故障信息分類狀態(tài)模型。

在該步驟中，該車輛故障信息分類狀態(tài)模型唯一俄格實時更新，及時學習完善的模型，隨著車輛行駛狀態(tài)參數(shù)的不斷采集，該車輛故障信息分類狀態(tài)模型的完善程度和準確程度越強大，在此不再贅述。

在該實施例中，上述步驟S202中采集的車輛行駛狀態(tài)參數(shù)的數(shù)量可以根據(jù)實際的需要進行選取和設置，例如1萬個數(shù)據(jù)，或10萬個數(shù)據(jù)，其作用前期車輛分類學習的基礎數(shù)據(jù)，其具體實現(xiàn)為：

以安裝有終端設備的車輛為關鍵中心，將該車輛的故障信息和車輛行駛狀態(tài)參數(shù)進行匹配關聯(lián)，將屬于同一類故障的車輛行駛狀態(tài)參數(shù)劃分到一類中，然后對同一類中的不同階段的車輛行駛狀態(tài)參數(shù)所對應的車輛狀態(tài)進行分析確認，確認出車輛行駛狀態(tài)參數(shù)所對應的車輛故障和車輛發(fā)生故障的概率，然后建立上述車輛故障信息分類狀態(tài)模型，存儲到平臺上。

在本發(fā)明實施例中，在執(zhí)行完上述步驟S103之后，步驟S104之前，還有個時間判斷的過程，即當檢測到車輛行駛狀態(tài)參數(shù)出現(xiàn)異常時，不會在第一時間直接提醒用戶，而且經過一個延遲時間，后續(xù)繼續(xù)對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，如果還是故障狀態(tài)，則執(zhí)行步驟S104，否則則繼續(xù)接收車輛行駛狀態(tài)參數(shù)，繼續(xù)分類分析。

在本發(fā)明實施例中，為了進一步的對車主用戶提供更好的預警和維護服務，可以進行如下設置：

(1)在采集到車輛行駛狀態(tài)參數(shù)后，對車輛行駛狀態(tài)參數(shù)分類分析過程中，還額外形成駕駛習慣參數(shù)，該駕駛習慣參數(shù)表征出駕駛員駕駛車輛的低效習慣，包含在上述預警指令中一并推送給用戶，實現(xiàn)對用戶駕駛習慣的認識和調整；

(2)在采集到車輛行駛狀態(tài)參數(shù)后，對車輛行駛狀態(tài)參數(shù)分類分析過程中，還額外形成車輛行駛環(huán)境參數(shù)，該車輛行駛環(huán)境參數(shù)用于表征車輛當前一段時間行駛的路況等，包含在上述預警指令中一并推送給用戶，起到提示的作用；

(3)在采集到車輛行駛狀態(tài)參數(shù)后，對車輛行駛狀態(tài)參數(shù)分類分析過程中，還額外形成維修檢查區(qū)域信息，該維修檢查區(qū)域信息一并包含在上述預警指令中，提示用戶當前最近的或較便利的車輛檢查區(qū)域，以便車主對車輛進行故障排除和維護。

上述僅給出幾種用于對車主起到提前預警的內容，在此不再贅述。

圖3示出了本發(fā)明提供的車輛安全狀態(tài)監(jiān)控預警系統(tǒng)的結構框圖，為了便于說明，圖中僅給出了與本發(fā)明實施例相關的部分。

分類狀態(tài)模型生成模塊11用于預先生成車輛故障信息分類狀態(tài)模型，所述車輛故障信息分類狀態(tài)模型包含有車輛故障的若干個分類信息以及在每一個分類信息下發(fā)生該故障的概率；

車輛行駛狀態(tài)參數(shù)持續(xù)接收模塊12用于實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)，所述車輛行駛狀態(tài)參數(shù)從車輛OBD接口獲?。?/p>

分類分析模塊13用于根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取所述車輛狀態(tài)參數(shù)分類信息；

預警指令生成模塊14用于獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令；

預警指令推送提醒模塊15用于將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒。

其中，所述分類狀態(tài)模型生成模塊11具體包括：

車輛故障信息獲取模塊16用于獲取所有用戶車輛的各種車輛故障信息；

車輛行駛狀態(tài)參數(shù)接收模塊17用于接收安裝在各個發(fā)生車輛故障的用戶車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)；

分類打標模塊18用于對所述車輛行駛狀態(tài)參數(shù)進行分類打標，獲取產生車輛故障所對應的車輛行駛狀態(tài)參數(shù)的分類信息，以及在車輛行駛狀態(tài)參數(shù)的各個參數(shù)階段發(fā)生所述車輛故障的概率；

模型建立模塊19用于根據(jù)所述車輛故障、車輛行駛狀態(tài)參數(shù)的分類信息以及在每一個分類信息下車輛故障發(fā)生概率，建立車輛故障信息分類狀態(tài)模型

其中，上述各個模塊的具體實現(xiàn)如上述方法實施例所記載，在此不再贅述。

在本發(fā)明實施例中，預先生成車輛故障信息分類狀態(tài)模型；實時持續(xù)接收安裝在各個車輛上的終端設備發(fā)送的車輛行駛狀態(tài)參數(shù)；根據(jù)預先生成的車輛故障信息分類狀態(tài)模型，對接收到的車輛行駛狀態(tài)參數(shù)進行分類分析，獲取車輛狀態(tài)參數(shù)分類信息；獲取所述車輛狀態(tài)參數(shù)分類信息對應的車輛故障信息以及發(fā)生該故障的概率，并以此生成預警指令；將生成預警指令推送給安裝在車輛上的終端設備或車主用戶手機終端上，進行預警提醒，實現(xiàn)對行駛車輛潛在故障的提前預警，為車輛用戶提供解決故障問題的指導性意見，給車輛用戶提供便利，同時也可改變用戶的駕駛習慣，提高汽車的使用壽命。

應當理解，這些實施例的用途僅用于說明本發(fā)明而非意欲限制本發(fā)明的保護范圍。此外，也應理解，在閱讀了本發(fā)明的技術內容之后，本領域技術人員可以對本發(fā)明作各種改動、修改和/或變型，所有的這些等價形式同樣落于本申請所附權利要求書所限定的保護范圍之內。