一种基于车联网的汽车历史数据分析方法及系统的制作方法
【专利摘要】本发明公开了一种基于车联网的汽车历史数据分析方法与系统，数据采集模块101利用车联网01获取海量汽车历史数据，通过第一层数据分析模块102和车辆使用与跟踪信息分析模块103将汽车历史数据分类存储为车辆使用与跟踪信息列表；进一步地，通过分级预警分析模块104和风险分析模块105分析决策车辆使用与跟踪信息列表的每个要素的分级预警信息，以及针对不同目标人群关联不同的数据要素分析确定风险提示信息，并通过呈现模块106呈现给目标人群。本发明提出的方法和系统可同时为个人、二手车商、保险公司、汽车生产厂商和4S店五类目标人群提供精细化汽车数据业务和咨询服务，车辆信息完整性和价值评估精确度高，降低系统开发成本，提高开发效率，可扩展性强。
【专利说明】一种基于车联网的汽车历史数据分析方法及系统
【技术领域】
[0001]本发明涉及汽车行业数据分析领域，具体而言，涉及一种基于车联网的汽车历史数据分析方法及系统。
【背景技术】
[0002]2012年中国以1930万的新车销量第四次蝉联世界之首，足可称中国已经步入汽车社会。目前国内汽车保有量已达1.14亿辆，未来10年，预计能增长到3亿辆。专业人士指出，去年不足480万辆的二手车交易量却只是新车销量的四分之一，不及美国二手车同期的十分之一，足以见得中国二手车蕴藏的“钱景”旷阔的大市场。随着我国私家车的数量越来越多，汽车逐渐成为城市居民家庭财产的主要部分，如何更好的保护自己的财产已经成为各个家庭的主要任务，中国将是世界上最大最有潜力的汽车保险市场，预计2013-2017年，我国汽车保险行业收入年均增长率约为26.4%, 2016年收入将达到11，294亿元。另一方面，根据最新发行的车联网市场预测报告书显示，2013年全球车联网市场规模预计达到218.2亿美元，车联网已成为物联网领域一个巨大金矿，从2005年至今，中国车联网用户数已从5万增长至50万户，而预计到2015年，这一数字将为1000万户，占彼时汽车用户总数的将近10%。
[0003]然而，车联网经过多年的发展，成功的车联网应用十分有限，二手车市场仍处于传统的交易模式，无法形成大规模成熟的商业化应用。想要实现车联网及其应用的真正价值，开展基于电信网和互联网的汽车数据业务，就必须建立在一个车联网良性的网络生态系统上，“车辆数据挖掘和运营”是提供所有服务的核心基础。随着技术和时代的发展，“汽车大数据”并不仅限于海量结构化数据，它还包括博客、点击流数据、机器和传感数据和社交媒体等非结构数据。找到数据不再是难题，如何分析数据才是最大的难题，必须从市场研究的结构化数据分析思路转变为数据挖掘的思路。大数据分析面临的最大挑战就是严重缺乏技术熟练的专业人才，且新一代分析工具与传统BI和数据仓库所需要的熟练技能不尽相同。根据美国道琼斯风险资源(Dow Jones VentureSource)的数据,在过去的两年时间里，11.7亿美元流向了 119家数据库软件公司。去年，SAP市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的商业化。中国大数据的土壤还没有真正形成，“差不多先生”、“大概齐”的文化标签一直存在，数据挖掘的工具价值并没有完全被认同，硬件和软件的发展有待成熟。
【发明内容】
[0004]随着车辆种类和数量不断增长，以及与车辆相关的新型服务和应用不断涌现，简单的数据分析方法已经不能满足激烈的汽车行业竞争的需求。车辆生产厂商、经销商(包括二手车经销商)、保险公司、消费者对车辆数据分析均提出了更多针对性的要求。在信息日益开放的互联网时代，现有的汽车数据分析方法在数据收集的种类、实时性、信息开放性均显示出不足之处。例如，汽车4S店的数据分析模式为，通过汽车4S店本身所具备的有限的数据记录能力为相关的应用做准备，从这些数据里挖掘出一些有用的客户信息，对有用的客户信息进行分析，得出相应的分析规则，进行简单的数据分析。同时，根据有限的客户以往的用车状况和车辆维修保养状况的历史数据图来做客户维修保养预测。然而，汽车4S店模式的车辆信息更多的是为车辆生产厂家和4S店服务，而对于汽车行业的其他部分，比如对关键人群——消费者来说，基本是不透明的，无法获得车辆有价值的参考信息。另一方面，国内车辆二手车市场环境尚不成熟，缺乏对车辆信息全面准确的跟踪和记录以及相关的交易风险和可行性分析等服务。为了改变目前的汽车数据服务和分析方法滞后的状况，满足不同客户群体对汽车数据分析的精细化需求，本发明提供了一种基于车联网的汽车历史数据分析方法与系统，以至少解决上述问题。
[0005]根据本发明的一个方面，提供了一种基于车联网的汽车历史数据分析方法，包括:通过车联网获取汽车海量历史数据；对所述汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息；对所述经过第一层数据分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表；对所述经过第二层数据分析后的所述车辆使用与跟踪信息列表进行第三层数据分析，分析决策所述车辆使用与跟踪信息列表的每个要素的分级预警信息；对所述车辆使用与跟踪信息列表和分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析确定风险提示信息；利用直观的描述和可视化的方式将所述车辆使用与跟踪信息列表、所述分级预警信息、所述风险提示信息中的至少一项呈现给所述目标人群。
[0006]优选地，所述车辆使用和跟踪信息列表的要素包括:I)车辆基本信息，包括以下信息的至少一项:品牌车型、外观及颜色、发动机号、出厂日期、年检记录、报废信息；2)车辆交易信息，包括以下信息的至少一项:车主信息、车辆用途、车辆里程、交易信息；3)车辆保养信息，包括以下信息的至少一项:常规保养、召回信息、维修记录；4)车辆事故信息，包括以下信息的至少一项:保险持续性、事故信息、保险历史、违法信息。
[0007]优选地，分析决策所述车辆使用与跟踪信息列表的每个要素的分级预警信息的方法包括:对所述每个要素制定分级预警规则，其中，预警分为高、中、低三个级别；按照所述分级预警规则分析决策所述每个要素的分级预警信息。
[0008]优选地，所述针对不同目标人群关联不同的数据要素，分析确定风险提示信息的方法包括:针对所述每个目标人群制定至少一项风险提示项，所述风险提示项包含至少一条风险提示信息；针对所述风险提示项制定至少一条关联规则；根据所述关联规则分析确定所述风险提示项的所述风险提示信息。
[0009]优选地，所述目标人群包括以下目标人群的至少一项:个人、二手车商、保险公司、汽车生产厂商、4S店。
[0010]优选地，所述基于车联网的汽车历史数据分析方法还包括，通过车联网实时获取更新的或新增的汽车历史数据，实时进行所述第一层和第二层数据分析，并在设定的条件下重新进行所述第三层和第四层数据分析，更新分级预警信息和风险提示信息；其中，所述重新进行所述第三层和第四层数据分析的设定的条件为距上一次分析的时间超过设定值，或所述车辆使用与跟踪信息列表的更新比例大于设定值。
[0011]根据本发明的另一个方面，提供了一种基于车联网的汽车历史数据分析系统，包括:1)数据采集模块，用于通过车联网获取汽车海量数据；2)第一层数据分析模块，用于对通过所述数据采集模块获取的所述汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息；3)车辆使用与跟踪信息分析模块，用于对通过所述第一层数据分析模块分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表；
4)分级预警分析模块，用于对所述车辆使用与跟踪信息列表进行第三层数据分析，对所述车辆使用与跟踪信息列表的每个要素进行分级预警分析；5)风险分析模块，用于对通过所述车辆使用与跟踪信息分析模块分析后的所述车辆使用与跟踪信息列表和通过所述分级预警分析模块分析后的分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析并输出风险提示信息；6)呈现模块，用于利用直观的描述和可视化的方式将以下信息的至少一项呈现给所述目标人群:所述车辆使用与跟踪信息列表、所述分级预警信息、所述风险提示信息。
[0012]优选地，所述分级预警分析模块包括:I)预警规则单元，用于对所述车辆使用与跟踪信息列表的每个要素制定分级预警规则，其中，预警分为高、中、低三个级别；2)预警决策单元，用于按照所述预警规则单元的分级预警规则分析决策所述每个要素的分级预警信肩、O
[0013]优选地，所述风险分析模块包括:1)风险提示项单元，用于针对所述每个目标人群制定至少一项风险提示项，所述风险提示项包含至少一条风险提示信息；2)风险关联规则单元，用于针对所述风险提示项单元的所述风险提示项制定至少一条关联规则；3)风险提示确定单元，用于根据所述风险关联规则单元的所述关联规则确定所述风险提示项单元的所述风险提示项的所述风险提示信息。
[0014]优选地，所述汽车历史数据分析系统还包括:I)所述数据采集模块，还用于通过车联网实时获取更新的或新增的汽车历史数据；2)所述第一层数据分析模块，还用于对所述数据采集模块获取的所述更新的或新增的汽车历史数据实时进行所述第一层数据分析，去除所述更新的或新增的汽车历史数据中的重复信息、错误信息和无用信息；3)所述车辆使用与跟踪信息分析模块，还用于对通过所述第一层数据分析模块分析后的所述更新的或新增的汽车历史数据进行第二层数据分析，更新车辆使用与跟踪信息列表；4)所述分级预警分析模块，还用于在设定的条件下重新对所述更新后的车辆使用与跟踪信息列表的每个要素进行分级预警分析，更新分级预警信息；其中，所述设定的条件为距上一次分析的时间超过设定值，或所述车辆使用与跟踪信息列表的更新比例大于设定值；5)所述风险分析模块，还用于对所述更新后的车辆使用与跟踪信息列表和所述更新后的分级预警信息进行第四层数据分析，更新风险提示信息。
[0015]通过本发明，可同时为个人、二手车商、保险公司、汽车生产厂商和4S店五类客户群体分别有针对性的提供精细化汽车数据业务和咨询服务，车辆信息完整性和价值评估精确度高，降低系统开发成本，避免了针对不同客户群体的部分模块的重复开发，提高开发效率，可扩展性强，且可形成新的汽车数据子业务和新的服务模式，有广阔的应用前景和较好的经济收益。
[0016]
【专利附图】
【附图说明】
[0017]此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中:
图1是本发明基于车联网的汽车历史数据分析系统的示意图； 图2是本发明实施例1中车辆使用与跟踪信息列表的四类信息的关联性说明；
图3是本发明实施例1中分级预警分析模块104的示意图；
图4是本发明实施例1中风险分析模块105的示意图；
图5是根据本发明实施例2的基于车联网的汽车历史数据分析方法的示意图；
【具体实施方式】
[0018]下文中将参考附图并结合两个实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0019]根据本发明实施例1，提供了一种基于车联网的汽车历史数据分析系统，如图1所示。在本发明实施例中，该系统由数据采集模块101利用车联网01获取海量汽车数据，通过第一层数据分析模块102和车辆使用与跟踪信息分析模块103将汽车历史数据分类存储为车辆使用与跟踪信息列表；进一步地，通过分级预警分析模块104和风险分析模块105分析决策车辆使用与跟踪信息列表的每个要素的分级预警信息，以及针对不同目标人群关联不同的数据要素分析确定风险提示信息，并通过呈现模块106呈现给目标人群。具体步骤如下:
I)数据采集模块101利用车联网01获取海量汽车数据。其中，获取的海量汽车数据可以来自汽车本身、远程服务器/数据库03和汽车相关企事业部门(如车辆生产厂家、车辆销售企业、保险公司、车辆管理部门、以及车辆的个人和企业用户等)的本地服务器/数据库04，获取的通信方式包括电信网(有线、无线)、互联网和移动互联网等。
[0020]2)第一层数据分析模块102对获取的汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息。
[0021]3)车辆使用与跟踪信息分析模块103将第一层数据分析模块分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表。它具有数据质量高、运行效率高以及扩展性强等三大特点。所采集的数据经过按类别的仔细筛选后，整理和存储至少一条车辆使用与跟踪信息列表，信息列表包括车辆基本信息、车辆交易信息、车辆保养信息和车辆事故信息四个类型，而每一个大类型又可以分成若干个数据属性，这样可以有效地分辨出数据分析和使用时的关联度程度，并且提高在数据提取和应用时的速度。该分析模块可以提供全面的车辆数据，摆脱目前系统中存在的数据单一、关联度弱，数据挖掘潜力低的问题，可以实现车辆从出厂、销售、维修保养、交易、事故、报废等完整的数据记录，从而达到对车辆状态的实时跟踪、查询与反馈，所有的信息可以给生产厂家、车管所、保险公司、二手车买卖双方等提供参考，合理评估车辆当前的机械条件、交易价值等。车辆使用与跟踪信息列表的四类信息如下，四类信息的关联性如图2所示。
[0022]—车辆基本信息
系统详细记录车辆出厂时的各类信息，供用户核对相关信息是否与出厂信息一致。主要基本信息包括车辆品牌、型号、生产日期、车辆外观信息、年检记录以及最重要的发动机号码(Vehicle Identical Number)和报废记录等。
[0023]——车辆交易信息
记录车辆在历次交易时的相关数据信息，从而实现对车辆交易和流通历史的追溯及核对。主要交易信息包括:历任车主信息、使用里程和使用时间、车辆注册及使用地区、历次车辆交易时间等。
[0024]——车辆保养信息
记录车辆在品牌4S店以及第三方保养店的保养信息，反映车辆是否按时进行相关保养工作，以及车辆对。主要保养信息包括:常规保养信息和保养内容、车辆官方召回记录、一般性维修记录等。
[0025]—车辆事故信息
记录车辆购买保险的连续性和事故记录以及由事故引起的维修，还有车辆其他遗损记录信息，反映车辆在历次事故中的损伤情况，以及后续的修复情况。主要保险信息包括:保险购买信息，事故记录及维修记录，还有车辆遗失及其他损坏记录。
[0026]4)分级预警分析模块104 (图3)对车辆使用与跟踪信息列表进行第三层数据分析，对车辆使用与跟踪信息列表的每个要素进行分级预警分析。其中:预警规则单元1041对所述车辆使用与跟踪信息列表的每个要素制定分级预警规则，预警分为高、中、低三个级别；预警决策单元按照所述预警规则单元的分级预警规则分析决策所述每个要素的分级预警信息。例如，车辆事故要素的预警规则为根据事故对车辆的损坏程度，如结构性损坏的预警被定为高级别，预警决策单元按照此规则分析车辆事故是否属于结构性损坏，如果是，决策这次车辆事故要素的分级预警信息为高级别。
[0027]5)风险分析模块105 (图4)对车辆使用与跟踪信息列表和分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析并输出风险提示信息。其中，风险提示项单元1051针对每个目标人群制定至少一项风险提示项,风险提示项包含至少一条风险提示信息；风险关联规则单元1052针对每个风险提示项制定至少一条关联规则；风险提示确定单元1053根据关联规则确定风险提示信息。风险分析模块通过车辆使用与跟踪信息分析模块103和分级预警分析模块104作为数据准备对车辆基本信息、交易信息、保养信息以及事故信息进行数据统计和分析，从海量的数据中探索和研究车辆品牌价值、车辆交易价值、车辆故障与问题、车辆事故及车辆安全等潜在规律。对于不同的目标人群，利用数据分类、估计和预测以及关联等分析方法，探寻与之息息相关的数据规律，针对每个风险提示项输出一条或多条风险提示信息。其中，目标人群可以是个人、二手车商、保险公司、汽车生产厂商和4S店等。
[0028]例如，消费者所关注的某一台汽车发生过两起交通事故，风险分析模块105针对该消费者的需求制定了两项风险提示项“未来发生事故的可能性”和“对车辆寿命的影响”以及相应的关联规则。风险提示确定单元1053根据该车的车辆使用与跟踪信息列表中的车辆事故要素信息可以查到车辆两起事故的预警等级，以及发生时间、地点、车辆损坏信息等信息，通过关联车辆使用与跟踪信息列表中的保养要素可以查到两起事故的相关维修信息和相应的预警等级，还可以查到其它与之相关的信息和预警等级，通过关联分析两起事故的多种特征，对两项风险提示项“未来发生事故的可能性”和“对车辆寿命的影响”进行估计和预测，输出风险提示信息。
[0029]6)呈现模块，用于利用直观的描述和可视化的方式将车辆使用与跟踪信息列表、分级预警信息、风险提示信息根据客户需求呈现给目标客户群。
[0030]
优选地，本实施例1的汽车历史数据分析系统还包括以下步骤: 1)数据采集模块101通过车联网实时获取更新的或新增的汽车历史数据；
2)第一层数据分析模块102对更新的或新增的汽车历史数据实时进行第一层数据分析，去除所述更新的或新增的汽车历史数据中的重复信息、错误信息和无用信息；
3)车辆使用与跟踪信息分析模块103对更新的或新增的汽车历史数据进行第二层数据分析，更新车辆使用与跟踪信息列表；
4)分级预警分析模块104在设定的条件下重新对更新后的车辆使用与跟踪信息列表的每个要素进行分级预警分析，更新分级预警信息；其中，设定的条件为距上一次分析的时间超过设定值，或车辆使用与跟踪信息列表的更新比例大于设定值；
5)风险分析模块105对更新后的车辆使用与跟踪信息列表和更新后的分级预警信息进行第四层数据分析，更新风险提示信息。
[0031]根据本发明实施例2，提供了一种基于车联网的汽车历史数据分析方法，流程图如图5所示。在本发明实施例中，利用车联网获取的海量汽车数据首先通过第一层数据分析和第二层数据分析过程，分析存储为多条车辆使用与跟踪信息列表；进一步地，通过第三层数据分析和第四层数据分析过程，分析决策车辆使用与跟踪信息列表的每个要素的分级预警信息，以及针对不同目标人群关联不同的数据要素分析确定风险提示信息。当有目标人群因特定需求进行查询时，根据此特定需求提供相应的分析结果。具体步骤如下:
I)利用车联网01获取海量汽车历史数据。
[0032]2)对获取的汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息。
[0033]3)将第一层数据分析模块分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表，信息列表包括车辆基本信息、车辆交易信息、车辆保养信息和车辆事故信息四个类型，每一个大类型又可以分成若干个数据属性。
[0034]4)对车辆使用与跟踪信息列表进行第三层数据分析，对车辆使用与跟踪信息列表的每个要素进行分级预警分析。其中，车辆使用与跟踪信息列表的每个要素制定了分级预警规则(预警分为高、中、低三个级别)，按照分级预警规则分析决策每个要素的分级预警信肩、O
[0035]5)对车辆使用与跟踪信息列表和分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析并输出风险提示信息。其中，针对每个目标人群制定至少一项风险提示项，风险提示项包含至少一条风险提示信息，并针对每个风险提示项制定至少一条关联规则，根据关联规则确定一条或多条风险提示信息。
[0036]6)当有目标人群因特定需求进行查询时，根据此特定需求提供相应的分析结果。在本实施例中，目标人群为二手车商，正在考虑是否收购一台二手车，希望获得这台二手车的分级预警信息和风险提示信息。当他查看了这些信息后，发现此台车有曾经被水淹的低等级预警信息和轻度风险提示信息，进而进一步查询相关维修等历史信息，从而最终决定是否收购此台二手车以及收购的价格。
[0037]本发明提出的方法和系统可同时为个人、二手车商、保险公司、汽车生产厂商和4S店五类目标人群提供精细化汽车数据业务和咨询服务，车辆信息完整性和价值评估精确度高，降低系统开发成本，提高开发效率，可扩展性强，且可形成新的商业模式，有广阔的应用前景和较好的经济收益。
[0038]
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
[0039]以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
[0040]
【权利要求】
1.一种基于车联网的汽车历史数据分析方法，其特征在于，包括: 通过车联网获取汽车海量历史数据； 对所述汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息； 对所述经过第一层数据分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表； 对所述经过第二层数据分析后的所述车辆使用与跟踪信息列表进行第三层数据分析，分析决策所述车辆使用与跟踪信息列表的每个要素的分级预警信息； 对所述车辆使用与跟踪信息列表和分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析确定风险提示信息； 利用直观的描述和可视化的方式将以下信息的至少一项呈现给所述目标人群:所述车辆使用与跟踪信息列表、所述分级预警信息、所述风险提示信息。
2.根据权利要求1所述的方法，其特征在于，所述车辆使用和跟踪信息列表的要素包括: 车辆基本信息，包括以下信息的至少一项:品牌车型、外观及颜色、发动机号、出厂日期、年检记录、报废信息； 车辆交易信息，包括以下信息的至少一项:车主信息、车辆用途、车辆里程、交易信息； 车辆保养信息，包括以下信息的至少一项:常规保养、召回信息、维修记录； 车辆事故信息，包括以下信息的至少一项:保险持续性、事故信息、保险历史、违法信肩、O
3.根据权利要求1所述的方法，其特征在于，分析决策所述车辆使用与跟踪信息列表的每个要素的分级预警信息的方法包括: 对所述每个要素制定分级预警规则，其中，预警分为高、中、低三个级别； 按照所述分级预警规则分析决策所述每个要素的分级预警信息。
4.根据权利要求1所述的方法，其特征在于，所述针对不同目标人群关联不同的数据要素，分析确定风险提示信息的方法包括: 针对所述每个目标人群制定至少一项风险提示项，所述风险提示项包含至少一条风险提示信息； 针对所述风险提示项制定至少一条关联规则； 根据所述关联规则分析确定所述风险提示项的所述风险提示信息。
5.根据权利要求1所述的方法，其特征在于，所述目标人群包括以下目标人群的至少一项: 个人、二手车商、保险公司、汽车生产厂商、4S店。
6.根据权利要求1所述的方法，其特征在于，所述汽车历史数据分析方法还包括: 通过车联网实时获取更新的或新增的汽车历史数据，实时进行所述第一层和第二层数据分析，并在设定的条件下重新进行所述第三层和第四层数据分析，更新分级预警信息和风险提示信息；其中，所述重新进行所述第三层和第四层数据分析的设定的条件为距上一次分析的时间超过设定值，或所述车辆使用与跟踪信息列表的更新比例大于设定值。
7.一种基于车联网的汽车历史数据分析系统，其特征在于，包括: 数据采集模块，用于通过车联网获取汽车海量数据； 第一层数据分析模块，用于对通过所述数据采集模块获取的所述汽车海量历史数据进行第一层数据分析，去除重复信息、错误信息和无用信息； 车辆使用与跟踪信息分析模块，用于对通过所述第一层数据分析模块分析后的数据进行第二层数据分析，分类存储至少一条车辆使用与跟踪信息列表； 分级预警分析模块，用于对所述车辆使用与跟踪信息列表进行第三层数据分析，对所述车辆使用与跟踪信息列表的每个要素进行分级预警分析； 风险分析模块，用于对通过所述车辆使用与跟踪信息分析模块分析后的所述车辆使用与跟踪信息列表和通过所述分级预警分析模块分析后的分级预警信息进行第四层数据分析，针对不同目标人群关联不同的数据要素，分析并输出风险提示信息； 呈现模块，用于利用直观的描述和可视化的方式将以下信息的至少一项呈现给所述目标人群:所述车辆使用与跟踪信息列表、所述分级预警信息、所述风险提示信息。
8.根据权利要求7所述的方法，其特征在于，所述分级预警分析模块包括: 预警规则单元，用于对所述车辆使用与跟踪信息列表的每个要素制定分级预警规则，其中，预警分为高、中、低三个级别； 预警决策单元，用于按照所述预警规则单元的分级预警规则分析决策所述每个要素的分级预警信息。
9.根据权利要求7所述的方法，其特征在于，所述风险分析模块包括: 风险提示项单元，用于针对所述每个目标人群制定至少一项风险提示项，所述风险提示项包含至少一条风险提示信息； 风险关联规则单元，用于针对所述风险提示项单元的所述风险提示项制定至少一条关联规则； 风险提示确定单元，用于根据所述风险关联规则单元的所述关联规则确定所述风险提示项单元的所述风险提示项的所述风险提示信息。
10.根据权利要求7所述的方法，其特征在于，所述汽车历史数据分析系统还包括: 所述数据采集模块，还用于通过车联网实时获取更新的或新增的汽车历史数据； 所述第一层数据分析模块，还用于对所述数据采集模块获取的所述更新的或新增的汽车历史数据实时进行所述第一层数据分析，去除所述更新的或新增的汽车历史数据中的重复息、错误息和无用息; 所述车辆使用与跟踪信息分析模块，还用于对通过所述第一层数据分析模块分析后的所述更新的或新增的汽车历史数据进行第二层数据分析，更新车辆使用与跟踪信息列表；所述分级预警分析模块，还用于在设定的条件下重新对所述更新后的车辆使用与跟踪信息列表的每个要素进行分级预警分析，更新分级预警信息；其中，所述设定的条件为距上一次分析的时间超过设定值，或所述车辆使用与跟踪信息列表的更新比例大于设定值；所述风险分析模块，还用于对所述更新后的车辆使用与跟踪信息列表和所述更新后的分级预警信息进行第四层数据分析，更新风险提示信息。
【文档编号】G06F17/30GK104133818SQ201310160269
【公开日】2014年11月5日 申请日期:2013年5月4日 优先权日:2013年5月4日
【发明者】不公告发明人 申请人:白银博德信通科技有限公司