基于数据分析的汽车零部件信息处理方法与流程

本发明涉及大数据分析应用技术，特别涉及基于数据分析的汽车零部件信息处理方法。

背景技术：

当前，汽车的零部件的质量分析和控制，都是在故障发生后通过人工收集零部件故障的类型、现象进行统计分析，来研究零部件的质量和可能的改进措施。但是，这种方式只能根据故障发生后的状态进行分析，猜测故障原因。对于引发故障的原因及如何引起的，并不能进行有效分析，以及得出后续有效的改进方式。

技术实现要素：

本发明解决的问题是提供一种基于数据分析的汽车零部件信息处理方法，以对故障的发生提供针对性的预测。

为了解决上述问题，本发明基于数据分析的汽车零部件信息处理方法，包括：

收集来自于多辆汽车的某一零部件的历史运行数据、历史故障数据，以及相应的车辆所处的历史环境数据；

基于所收集的历史数据形成针对所述零部件的故障模型，所述故障模型表征所述零部件的运行数据及所述车辆所处的环境数据与故障的关联性；

基于某一零部件的故障模型向用户提供有关该零部件的内容服务。

与现有技术相比，上述方案具有以下优点：通过在持续时间内收集车辆零部件的数据，使用大数据来研究。考虑到某一零部件的故障通常都和当时 车辆所处环境、零部件本身的运行状态有关，因而基于零部件当时的运行数据、故障数据及车辆所处的环境数据所获得的故障模型能针对性地体现故障发生的因素以及过程。从而，基于故障模型就能较准确地提供有关相应零部件的内容服务，例如，预测故障的发生、提供避免故障的驾驶建议等。

附图说明

图1是本发明基于数据分析的汽车零部件信息处理方法的一种实施方式示意图；

图2是实现本发明方法的一种实施例架构示意图；

图3是实现本发明方法的一种实施例中云端和多辆汽车交互工作的示意图。

具体实施方式

在下面的描述中，阐述了许多具体细节以便使所属技术领域的技术人员更全面地了解本发明。但是，对于所属技术领域内的技术人员明显的是，本发明的实现可不具有这些具体细节中的一些。此外，应当理解的是，本发明并不限于所介绍的特定实施例。相反，可以考虑用下面的特征和要素的任意组合来实施本发明，而无论它们是否涉及不同的实施例。因此，下面的方面、特征、实施例和优点仅作说明之用而不应被看作是权利要求的要素或限定，除非在权利要求中明确提出。

如背景技术提及的，现有技术针对零部件的质量分析仅依据故障结果来猜测故障原因。这种方式由于没有可靠的数据支持，因而其分析结果是否准确有待商榷。由于目前很多车辆都已装配了多种传感器，这些传感器有的可以获取零部件的运行状态，有的可以监测车辆在行驶过程中所处的环境的相关数据，等等。因此，根据本发明，可以利用这些传感器来获得零部件产生故障前、故障时、故障后的相关数据，依据这些数据，应能够获得故障发生 与相关数据间的关系，从而获得准确描述零部件故障的模型。

具体地，参照图1所示，根据本发明基于数据分析的汽车零部件信息处理方法的一种实施方式，其包括：

步骤10，收集来自于多辆汽车的某一零部件的历史运行数据、历史故障数据，以及相应的车辆所处的历史环境数据；

步骤20，基于所收集的历史数据形成针对所述零部件的故障模型，所述故障模型表征所述零部件的运行数据及所述车辆所处的环境数据与故障的关联性；

步骤30，基于某一零部件的故障模型向用户提供有关该零部件的内容服务。

需要说明的是，为了获得准确的故障模型，需要去获得很多辆汽车的相关数据，以避免因为某些汽车的偶发原因(例如纯粹出于用户的偶然错误操作导致的故障)而产生错误的建模结果。因而，目前的大数据应用方式将使得本发明的输出结果更准确。并且，为了使得输出结果更准确，除了获得很多辆汽车的相关数据之外，对同一辆汽车，也可以获取一长段时间内的上述历史运行数据、历史故障数据及历史环境数据。

目前的汽车系统中包含有多个子系统，分别用于执行汽车的各项功能。例如，发动机系统负责控制发动机的运作；底盘及制动系统负责汽车的制动及汽车行驶过程中车身稳定的控制；车身控制系统负责汽车的防盗及汽车灯光的控制；以及提供各种内部或外部数据探测功能的传感器，等等。为此，各个汽车子系统都会有一个电子控制单元(ECU)来负责实现各自功能所需的通讯、数据处理等操作。并且，由于目前的汽车系统中都配置了车辆总线，各个电子控制单元都可以很方便地将各自系统中相关零部件的运行数据、故障数据及传感器探测到的环境数据上传到车辆总线。借助车辆总线，其他的 汽车子系统也能够获得相关数据。本发明方法的实现也正是基于此方式来操作。

图2示意出了为实现本发明方法的一种实施例的架构。参照图2所示，汽车的各个子系统的电子控制单元都与车辆总线建立了通信连接，车载端也与车辆总线建立了通信连接。

车载端中包括：

车辆总线通信模块，其提供了车辆总线通信接口，以建立车载端与车辆总线的通信连接；

数据通信模块，其提供了汽车接入网络的通信接口，以建立车载端与云端分析平台的通信连接；

数据采集模块，通过车辆总线通信模块与车辆总线的通信，可以从车辆总线上获得其他汽车子系统的电子控制单元上传到车辆总线上的信息，这些信息中就包括了各汽车子系统中相关零部件的运行数据、故障数据及环境数据；

信息处理模块，对数据采集模块获得的各类数据进行整理，例如将各类数据按零部件进行分类打包等；在整理过后，通过数据通信模块将相关数据发送给云端数据分析平台；后续，对于云端数据分析平台下发的数据进行解析、处理，并将处理后的数据发送给人机交互模块；当然，出于信息传输安全的需求，信息处理模块还可以在整理数据后对数据进行加密，仅将加密过的数据发送给云端数据分析平台；

云端数据分析平台，在获得车载端发送的零部件运行数据、故障数据及环境数据后，将其存储并对这些数据进行分析，以形成零部件的故障模型，所述故障模型模型包含引发故障的相关因素的数据类型，以及该数据类型对于故障发生的影响关系(可以由公式或其他形式表征出来)；以及，量化计 算相关因素的变化对于故障发生的影响，并进而预测故障发生的时间(故障预测)；进一步地，还可以形成针对零部件故障的预防建议(避免故障的驾驶建议)、有关零部件的质量报告(例如包含零部件生产建议)，等等；云端数据分析平台形成的故障模型、故障预测数据、预防建议、质量报告等可以下发至车载端以为信息处理模块获得；

人机交互模块，其根据信息处理模块发送的数据，通过图像和/或声音的方式呈现给用户；例如，将故障预测以声音方式提醒用户；将预防建议以图像方式显示给用户，等等。

如前述提及的，为使得本发明方法的输出结果更准确，可以应用大数据处理的方式。因而，本发明的一种实施例中，各汽车与云端数据分析平台间的交互工作可以如图3所示。假设各汽车都采用了与图2所示的车载端相同的结构(当然也完全可以采用不同的结构)，结合图2和图3所示，各汽车将各自的零部件运行数据、故障数据及环境数据上传至云端数据分析平台，当云端数据平台完成数据分析获得了故障模型、就可以结合故障模型以及汽车的历史数据进行故障预测、生成驾驶建议(例如，为避免故障应避免哪些驾驶行为)，再将相关数据下发至对应的汽车中，以供汽车中的车载端将相应信息呈现给用户。从而，用户可以提前对故障的发生作出准备，也增强了行车安全；此外，根据故障模型亦可形成包含生产建议的质量报告，予以提供给车辆制造厂商或者零部件生产厂商，以改进产品的质量。

以下通过具体应用例对本发明方法的实现过程作进一步说明。

以轮胎为例，应用本发明的过程可以概述为：根据大量使用同一品牌及型号的轮胎的历史胎压变化数据、历史故障数据及其使用过程中的例如路况、气温等历史环境数据，来形成该品牌该型号的轮胎的故障模型。

以图2、图3示意的架构实现本发明为例，假定目前的汽车上已装配了胎 压监测系统(TPMS，Tire Pressure Monitoring System)。简单来说，胎压监测系统包括：装配在轮胎上、集成天线的胎压传感器，其可对胎压、胎温等轮胎运行工况进行检测；以及电子控制单元，接收胎压传感器信号来获得轮胎运行工况数据，并通过对运行工况数据的处理来提供例如胎压及胎温信息显示、轮胎故障识别、轮胎故障报警等胎压监测功能。此电子控制单元同样可以与车辆总线(例如CAN)建立通信连接，已将轮胎运行工况数据、故障数据上传至车辆总线。从而，车载端也可从车辆总线上获得轮胎运行工况数据、故障数据。类似地，目前汽车上装配的轮速传感器所检测到的车速数据，也可直接或间接通过相应子系统(例如底盘及制动系统、车身控制系统等)被上传到车辆总线，并为车载端获得。

此外，目前的汽车也越来越多地配备了各种用于车辆外部环境探测的传感器，通过这些传感器可以检测到例如气温、湿度等直接环境数据。这些直接环境数据也会被上传至车辆总线，而被车载端获得。并且，由于已具有接入网络的功能，汽车还可以获取实时的路况信息等间接环境数据(例如由车载端的信息处理模块通过数据通信模块联网来获得)。

在获得上述数据后，信息处理模块可以将上述数据上传至云端数据分析平台。云端数据分析平台在获得上传的大量数据后，将每一起该品牌该型号的轮胎发生故障时的胎压数据、车速、气温、路况等数据与相应的故障数据关联起来。接着，通过已关联的数据来分析，找到发生同一种轮胎故障(例如爆胎)时与故障相关的数据。例如，通过大量数据比对发现，车速超过110km/小时，胎压通常会异常升高以致爆胎，此时可以认为这个车速是与爆胎相关的数据。又例如，通过大量数据比对发现，当气温超过35摄氏度，胎压通常会异常升高以致爆胎，此时可以认为这个气温是与爆胎相关的数据。

当获得了与每一种故障相关的数据后，就可建立该品牌该型号的轮胎故障模型。具体地，该故障模型的内容包含了引发各种轮胎故障的相关数据类 型及该数据类型对于相应轮胎故障发生的影响关系。。因而，通过故障模型可以预测出该品牌该型号的轮胎在什么情况较容易发生何种类型的故障。云端数据分析平台可以选择将基于故障模型的预测数据下发到各汽车的车载端。或者，也可以作如下处理：当发现某辆车所处的当前环境、汽车运行工况符合故障模型中描述的可能引发故障的因素时，向该辆汽车下发故障预测提醒，通过车载端的人机交互模块呈现给用户。以发现当前气温可能导致爆胎为例，故障预测提醒的方式可以是：在车载端的人机交互模块处以文字显示或语音播报下述内容——“当前气温可能导致爆胎，继续行驶超过X小时的爆胎几率为Y％，请勿继续驾驶！”。

通过上述说明及实际应用举例可知，本发明基于数据分析的汽车零部件信息处理方法相对于现有技术的故障分析方法存在以下明显不同：1)收集数据的类型不同：不仅如现有技术收集结果数据(历史故障数据)，还收集过程数据(历史运行数据、历史环境数据)；2)数据收集的方式不同：通过汽车配备的各种子系统在汽车行驶过程中收集，而非如现有极少数在故障发生后才收集；3)基于大量数据找到与故障相关度高的历史运行数据及历史环境数据，及由此获得引发相应故障的因素，而非如现有技术基于故障凭经验来猜测原因。因此，本发明能够提供更准确的针对零部件的内容服务，例如准确的故障预测结果。

虽然本发明已以较佳实施例披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内所作的各种更动与修改，均应纳入本发明的保护范围内，因此本发明的保护范围应当以权利要求所限定的范围为准。