本發(fā)明涉及故障診斷，具體涉及一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法。
背景技術(shù)：
1、車聯(lián)網(wǎng)是指通過無線通信、傳感器、云計(jì)算和大數(shù)據(jù)等先進(jìn)技術(shù)，將車輛、路側(cè)設(shè)施、交通管理中心以及其他智能設(shè)備互聯(lián)起來構(gòu)建的一個(gè)智能交通網(wǎng)絡(luò)系統(tǒng)，基于車聯(lián)網(wǎng)強(qiáng)大的數(shù)據(jù)傳輸與處理能力，車輛故障遠(yuǎn)程診斷技術(shù)得以實(shí)現(xiàn)。
2、目前的車輛故障診斷方法主要采用實(shí)時(shí)監(jiān)測(cè)與周期性檢測(cè)兩種方式。實(shí)時(shí)監(jiān)測(cè)雖然能夠即時(shí)捕捉車輛運(yùn)行狀態(tài)的變化，但在數(shù)據(jù)傳輸與處理過程中會(huì)產(chǎn)生大量實(shí)時(shí)數(shù)據(jù)，導(dǎo)致系統(tǒng)負(fù)荷急劇上升，容易引發(fā)響應(yīng)延遲和信息擁堵的問題。同時(shí)，頻繁的數(shù)據(jù)交互對(duì)車載硬件和網(wǎng)絡(luò)資源構(gòu)成了嚴(yán)峻挑戰(zhàn)。相比之下，周期性檢測(cè)在一定程度上減輕了系統(tǒng)的處理壓力，但由于檢測(cè)周期較長，其缺乏足夠的實(shí)時(shí)性，無法及時(shí)反映車輛運(yùn)行中突發(fā)的異常狀況。此外，周期性檢測(cè)忽略了環(huán)境因素對(duì)車輛的影響，如路況較差時(shí)，車輛可能會(huì)遭受底盤剮蹭等損傷，而這種外部沖擊往往難以及時(shí)通過間隔式數(shù)據(jù)采集得到有效反饋。
技術(shù)實(shí)現(xiàn)思路
1、本發(fā)明的目的在于提供一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，解決上述技術(shù)問題。
2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：
3、一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，包括以下步驟：
4、在道路的預(yù)設(shè)位置上設(shè)置采集點(diǎn)，控制無人機(jī)在所述采集點(diǎn)上方采集道路的圖像，基于所述的圖像確定所述采集點(diǎn)的狀況評(píng)分，基于所述狀況評(píng)分在所述道路上設(shè)置邊緣節(jié)點(diǎn)；
5、將相鄰兩個(gè)所述邊緣節(jié)點(diǎn)間的道路標(biāo)記為子路段，將平均狀況評(píng)分小于預(yù)設(shè)值的所述子路段標(biāo)記為監(jiān)控路段；
6、將所述監(jiān)控路段對(duì)應(yīng)的兩個(gè)邊緣節(jié)點(diǎn)按照道路通行方向標(biāo)記為邊緣節(jié)點(diǎn)b和邊緣節(jié)點(diǎn)b'，道路通行方向?yàn)樗鲞吘壒?jié)點(diǎn)b指向所述邊緣節(jié)點(diǎn)b'；周期性獲取車輛與所述邊緣節(jié)點(diǎn)b間的路程，將所述路程按照時(shí)間周順序進(jìn)行排序，當(dāng)所述排序單調(diào)遞減時(shí)，將對(duì)應(yīng)的所述車輛標(biāo)記為目標(biāo)車輛；
7、采集所述目標(biāo)車輛進(jìn)入所述邊緣節(jié)點(diǎn)b對(duì)應(yīng)的監(jiān)控路段bdy前t時(shí)長內(nèi)的運(yùn)行數(shù)據(jù)，記作標(biāo)準(zhǔn)數(shù)據(jù)，t為預(yù)設(shè)時(shí)長；當(dāng)所述目標(biāo)車輛到達(dá)邊緣節(jié)點(diǎn)b'時(shí)，采集此時(shí)所述目標(biāo)車輛的運(yùn)行數(shù)據(jù)，并標(biāo)記為待定數(shù)據(jù)；所述目標(biāo)車輛將所述待定數(shù)據(jù)和所述標(biāo)準(zhǔn)數(shù)據(jù)傳輸?shù)剿鲞吘壒?jié)點(diǎn)b；
8、所述邊緣節(jié)點(diǎn)b基于所述待定數(shù)據(jù)和所述標(biāo)準(zhǔn)數(shù)據(jù)判斷所述目標(biāo)車輛是否存在故障，當(dāng)存在故障時(shí)，所述邊緣節(jié)點(diǎn)b將所述待定數(shù)據(jù)上傳到云平臺(tái)中，所述云平臺(tái)根據(jù)所述待定數(shù)據(jù)給出對(duì)應(yīng)的故障原因和處理策略。
9、作為本發(fā)明進(jìn)一步的方案：基于所述的圖像確定所述采集點(diǎn)的狀況評(píng)分包括：
10、獲取所述圖像道路上任意一點(diǎn)的高度信息，計(jì)算任意兩點(diǎn)間的高度差值，并確定最大高度差值y1和平均高度差值y2；
11、計(jì)算狀況評(píng)分,η為預(yù)設(shè)修正系數(shù)。
12、作為本發(fā)明進(jìn)一步的方案：基于所述狀況評(píng)分在所述道路上設(shè)置邊緣節(jié)點(diǎn)包括：
13、步驟一：將相鄰兩個(gè)岔路口之間的道路標(biāo)記為路線段，將所述路線段的兩個(gè)端點(diǎn)分別標(biāo)記為端點(diǎn)a1和端點(diǎn)a2，所述路線段的道路通行方向由所述端點(diǎn)a1指向所述端點(diǎn)a2，將所述采集點(diǎn)按照與所述端點(diǎn)a1間的路程的大小進(jìn)行升序排序，得到第一排序；
14、步驟二：獲取單個(gè)所述路線段中最大的狀況評(píng)分對(duì)應(yīng)的采集點(diǎn)在所述第一排序中的排序位置d，基于預(yù)設(shè)的約束條件確定所述第一排序中的第一位置d1和第二位置d2，在所述第一位置和所述第二位置上設(shè)置邊緣節(jié)點(diǎn)；
15、步驟三：去除所述第一位置d1和所述第二位置d2間的所述采集點(diǎn)，得到新的第一排序，重復(fù)所述步驟一和所述步驟二，設(shè)置新的邊緣節(jié)點(diǎn)。
16、作為本發(fā)明進(jìn)一步的方案：所述第一位置d1滿足以下約束：
17、cd-ci≤δc，i∈[d1，d-1]，ci表示所述第一排序中第i位的所述采集點(diǎn)對(duì)應(yīng)的所述狀況評(píng)分，δc表示預(yù)設(shè)的狀況評(píng)分差值；
18、所述第一位置d2滿足以下約束：
19、cj-cd≤δc，i∈[d+1，d2]。
20、作為本發(fā)明進(jìn)一步的方案：所述云平臺(tái)根據(jù)所述待定數(shù)據(jù)給出對(duì)應(yīng)的故障原因和處理策略包括：
21、獲取單個(gè)種類所述標(biāo)準(zhǔn)數(shù)據(jù)的平均值，當(dāng)存在某一種類的所述待定數(shù)據(jù)與對(duì)應(yīng)的所述平均值間的差值大于預(yù)設(shè)的差值閾值時(shí)，判定所述目標(biāo)車輛存在故障；
22、所述云平臺(tái)中配置有預(yù)訓(xùn)練的故障識(shí)別模型，將所述待定數(shù)據(jù)輸入到所述故障識(shí)別模型中，所述故障識(shí)別模型輸出對(duì)應(yīng)的故障原因和處理策略。
23、作為本發(fā)明進(jìn)一步的方案：獲取預(yù)訓(xùn)練的故障識(shí)別模型包括：
24、建立數(shù)據(jù)集，所述數(shù)據(jù)集中存儲(chǔ)有數(shù)據(jù)樣本，單個(gè)所述數(shù)據(jù)樣本為標(biāo)注故障原因和處理策略的所述運(yùn)行數(shù)據(jù)，將所述數(shù)據(jù)集按照預(yù)設(shè)比例劃分為訓(xùn)練集和驗(yàn)證集；
25、基于深度學(xué)習(xí)建立故障識(shí)別模型，基于所述訓(xùn)練集和所述驗(yàn)證集對(duì)所述故障識(shí)別模型進(jìn)行訓(xùn)練和驗(yàn)證，得到預(yù)訓(xùn)練的故障識(shí)別模型。
26、作為本發(fā)明進(jìn)一步的方案：當(dāng)所述故障識(shí)別模型給出的故障原因和處理策略的置信度小于預(yù)設(shè)的置信度閾值時(shí)，發(fā)送到預(yù)設(shè)的管理人員進(jìn)行報(bào)錯(cuò)提示。
27、作為本發(fā)明進(jìn)一步的方案：所述步驟三中，當(dāng)新的邊緣節(jié)點(diǎn)與任一已確定的邊緣節(jié)點(diǎn)b1間的路程小于預(yù)設(shè)的路程閾值時(shí)，不設(shè)置該邊緣節(jié)點(diǎn)，并以所述邊緣節(jié)點(diǎn)b1代替該新的邊緣節(jié)點(diǎn)。
28、本發(fā)明的有益效果：
29、1）本發(fā)明通過對(duì)道路狀況評(píng)分進(jìn)行篩選，僅在路況較差的監(jiān)控路段對(duì)車輛進(jìn)行相對(duì)密集的監(jiān)測(cè)，同時(shí)利用目標(biāo)車輛判定策略，將真正可能出現(xiàn)故障的車輛作為監(jiān)測(cè)重點(diǎn)，大幅減少不必要的數(shù)據(jù)采集與傳輸，從而兼顧了檢測(cè)的及時(shí)性與系統(tǒng)資源的高效利用；
30、2）在監(jiān)控路段內(nèi)，通過邊緣節(jié)點(diǎn)對(duì)車輛所上傳的運(yùn)行數(shù)據(jù)進(jìn)行就近的初步故障判定，并僅將異常或可疑的待定數(shù)據(jù)上傳云端，實(shí)現(xiàn)邊緣與云端的有效分工，這種分層架構(gòu)不僅減輕了云平臺(tái)對(duì)于海量數(shù)據(jù)的處理壓力，也能顯著降低網(wǎng)絡(luò)帶寬占用，從根本上避免全局實(shí)時(shí)數(shù)據(jù)同步帶來的網(wǎng)絡(luò)擁塞與響應(yīng)延遲；
31、3）依托無人機(jī)采集的圖像信息，通過路面高度差值和評(píng)分計(jì)算，識(shí)別路況惡劣區(qū)域并設(shè)置邊緣節(jié)點(diǎn)，以精細(xì)化方式標(biāo)定監(jiān)控路段，當(dāng)車輛處于此種高風(fēng)險(xiǎn)路段時(shí)，因路面沖擊或剮蹭而導(dǎo)致的潛在故障能更早被捕捉；針對(duì)路面修繕或交通狀況變化時(shí)，系統(tǒng)可以根據(jù)最新評(píng)分進(jìn)行動(dòng)態(tài)調(diào)整，既能避免重復(fù)部署邊緣節(jié)點(diǎn)造成資源浪費(fèi)，也能持續(xù)保持監(jiān)控覆蓋的有效性；
32、4）當(dāng)邊緣節(jié)點(diǎn)檢測(cè)到車輛存在故障征兆后，才將待定數(shù)據(jù)上傳至云平臺(tái)，由云端的預(yù)訓(xùn)練故障識(shí)別模型作進(jìn)一步精確診斷，這樣既能發(fā)揮云端高算力與大數(shù)據(jù)模型的優(yōu)勢(shì)，得到更全面、準(zhǔn)確的故障原因分析與處理策略，也不會(huì)使云平臺(tái)陷入過載；
33、綜上，本發(fā)明在兼顧檢測(cè)及時(shí)性的同時(shí)大幅度削減了數(shù)據(jù)上傳與處理的壓力，并利用邊緣節(jié)點(diǎn)與云平臺(tái)協(xié)同的方式實(shí)現(xiàn)了高效、可靠且具有一定擴(kuò)展能力的車輛故障遠(yuǎn)程診斷，為車輛管理和維護(hù)提供了更具針對(duì)性和實(shí)效性的解決方案。
1.一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，基于所述的圖像確定所述采集點(diǎn)的狀況評(píng)分包括：
3.根據(jù)權(quán)利要求1所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，基于所述狀況評(píng)分在所述道路上設(shè)置邊緣節(jié)點(diǎn)包括：
4.根據(jù)權(quán)利要求3所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，所述第一位置d1滿足以下約束：
5.根據(jù)權(quán)利要求1所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，所述云平臺(tái)根據(jù)所述待定數(shù)據(jù)給出對(duì)應(yīng)的故障原因和處理策略包括：
6.根據(jù)權(quán)利要求5所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，獲取預(yù)訓(xùn)練的故障識(shí)別模型包括：
7.根據(jù)權(quán)利要求5所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，當(dāng)所述故障識(shí)別模型給出的故障原因和處理策略的置信度小于預(yù)設(shè)的置信度閾值時(shí)，發(fā)送到預(yù)設(shè)的管理人員進(jìn)行報(bào)錯(cuò)提示。
8.根據(jù)權(quán)利要求2所述的一種基于車聯(lián)網(wǎng)的車輛故障遠(yuǎn)程診斷方法，其特征在于，所述步驟三中，當(dāng)新的邊緣節(jié)點(diǎn)與任一已確定的邊緣節(jié)點(diǎn)b1間的路程小于預(yù)設(shè)的路程閾值時(shí)，不設(shè)置該邊緣節(jié)點(diǎn)，并以所述邊緣節(jié)點(diǎn)b1代替該新的邊緣節(jié)點(diǎn)。