基于物联网技术的自动化车辆保养预估方法与流程

本发明属于车辆日常保养领域，具体说是一种基于物联网技术的自动化车辆保养预估方法。

背景技术：

面对汽车行业飞速发展的当今社会，城市里私家车的保有量几乎每天都在增加。对于广大车主来说，细心呵护自己的爱车、定期维修保养做到安全行驶也是对于自身安全的保障。传统的维修保养需要车主预计保养周期，或者根据车辆设置的剩余保养里程来进行保养操作，大部分车主对保养项目和内容不了解，需要将车辆送到指定维修地点，比如4S店等，由技师实地检测才能确定保养的范围，出具报价单，如此车辆维保存在不争的被动性及滞后性。

现有技术中，公开号为105313806A的专利申请，主要采集车辆流体，如机油、冷却液等，是否低于最低液位来确定是否需要进行保养；公开号为105270293A的专利申请，主要根据车辆总里程和保养手册来简单预估保养的项目。以上方法只是简单的进行保养预估，无法达到准确预估保养的目的；也无法提供各个保养项目的工时费、保养备件的单价、个数等车主实际关注的信息。

技术实现要素：

针对现有技术存在的上述缺点和不足，本发明提供了一种基于物联网技术的自动化车辆保养预估方法，根据多维度的数据来精确计算车辆保养信息，提供车辆的保养项目与工时费，保养备件与单价和备件个数，使保养清晰透明。

为实现上述目的，本发明提供了一种基于物联网技术的自动化车辆保养预估方法，包括：车载设备实时采集车辆数据并通过网络上传到云平台，沉淀到大数据处理中心模块；大数据中心模块使用hadoop技术来对大数据进行分类处理，提供保养运算所需的基础参数。

进一步的，大数据中心模块根据车辆的剩余保养里程和日平均行驶里程，推算下次保养时间点T1；根据车辆的剩余保养时间，推算下次保养时间点T2，两者采用先到原则，取一个下次保养时间。

进一步的，如果T2＜T1，则下次保养总里程Y＝行驶里程+日平均行驶里程×天数差；如果T2≥T1，则下次保养总里程Y＝行驶里程+剩余里程。

进一步的，大数据中心模块通过底盘号、总里程和车龄，来确定5千公里保养人群和1万公里保养人群，具体为：

如果平均设置保养里程<＝N1万公里OR平均保养里程间隔<＝N2万公里，属于5千公里保养人群；

否则，属于1万公里保养人群。

进一步的，根据不同人群来确定保养项目与保养备件，并根据大数据来获取每个保养项目的工时费，保养备件单价与个数，具体为：

第一步，计算脱保次数，5千公里保养人群为：(本次保养总里程－上次保养里程)×2－1；1万公里保养人群为：本次保养总里程－上次保养里程－1；

第二步，根据脱保次数，进行路径选择：

针对5千公里保养人群，如果脱保次数小于等于1，则选择路径Ⅰ为完整、缺1次人群；如果脱保次数大于1，则选择路径Ⅱ为缺多次人群；

针对1万公里保养人群，如果脱保次数小于等于1，则选择路径Ⅲ为完整、缺1次人群；如果脱保次数大于1，则选择路径Ⅳ为缺多次人群。

更进一步的，路径Ⅰ中Y-0.4<X<＝Y+0.1，X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位，递增分档；如果X落在包含0.5奇数倍的区间，则选择方案Ⅰ，如果X落在包含0.5偶数倍的区间，则选择方案Ⅱ；

路径Ⅱ中Y-0.4<X<＝Y+0.1，X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位，递增分档；如果X落在包含0.5奇数倍的区间，则选择方案Ⅰ，如果X落在包含0.5偶数倍的区间，则选择方案Ⅱ；

路径Ⅲ中Y_New＝round(Y)，按四舍五入查询保养知识库,其中Y为本次保养预测值，该路径中还进行CRM反查，如果最近一次更换该项目时里程+对应保质周期里程<Y+0.5，则该项目需要更换；如果最近一次更换该项目时里程+对应保质周期里程>Y+0.5，则剔掉；检查时间对应项目在缺失情况下，是否在对应时间内有更换需要，如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆，应当更换该项目，反之不更换。

路径Ⅳ中Y_New＝round(Y)，按四舍五入查询保养知识库,其中Y为本次保养预测值。

更进一步的，方案Ⅰ保养项目为机油机滤、燃油添加剂；方案Ⅰ中还进行CRM反查，在CRM反查时除了机油机滤、燃油添加剂、清洗节气门外，其余项目都需要反查，检查上次项目是否有遗漏，如果最近一次更换该项目时里程+对应项目的保质周期里程<Y+0.4，则该项目需要更换；如果最近一次更换该项目时里程+对应的保质周期里程>Y+0.4，则剔掉；检查时间对应项目在缺失情况下，是否在对应时间内有更换需要，如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆，应当更换该项目，反之不更换；

方案Ⅱ查询保养知识库，找出对应的保养项目。

作为更进一步，保养的内容包括保养项目和保养备件，即根据大数据来获取每个保养项目的工时费，保养备件单价与个数。

作为更进一步的，通过车辆实际的进店保养历史来获取车主遗漏的保养项目，来进行填充，再次确保车辆保养内容的准确与完整。

本发明由于采用以上技术方案，能够取得如下的技术效果：本发明能更准确的预估车辆下次保养的项目与备件，并预估保养金额。使车主方便的提前了解车辆的保养信息。使车辆保养公开、透明，更好的保护车主利益，保护车辆健康。

附图说明

本发明共有附图3幅：

图1为基于物联网技术的自动化车辆保养预估方法结构细化图；

图2为基于物联网技术的自动化车辆保养预估方法结构示意图；

图3为保养知识库示意图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步的具体说明。

实施例1

一种基于物联网技术的自动化车辆保养预估方法，包括：车载设备实时采集车辆数据并通过网络上传到云平台，沉淀到大数据处理中心模块；大数据中心模块使用hadoop技术来对大数据进行分类处理，提供保养运算所需的基础参数。大数据中心模块根据车辆的剩余保养里程和日平均行驶里程，推算下次保养时间点T1；根据车辆的剩余保养时间，推算下次保养时间点T2，两者采用先到原则，取一个下次保养时间，如果T2＜T1，则下次保养总里程Y＝行驶里程+日平均行驶里程×天数差；如果T2≥T1，则下次保养总里程Y＝行驶里程+剩余里程。

人群分类：

大数据中心模块通过底盘号、总里程和车龄，来确定5千公里保养人群和1万公里保养人群，具体为：

如果平均设置保养里程<＝0.5万公里OR平均保养里程间隔<＝0.626万公里，属于5千公里保养人群；

否则，属于1万公里保养人群。

根据不同人群来确定保养项目具体为：

第一步，计算脱保次数，5千公里保养人群为：【本次保养总里程(四舍五入到万公里，无小数)－上次保养里程(四舍五入到万公里，无小数)】×2－1；

1万公里保养人群为：本次保养总里程(四舍五入，无小数)－上次保养里程(四舍五入，无小数)－1；

第二步，根据脱保次数，进行路径选择：

针对5千公里保养人群，如果脱保次数小于等于1，则选择路径Ⅰ为完整、缺1次人群；如果脱保次数大于1，则选择路径Ⅱ为缺多次人群；

路径Ⅰ中Y-0.4<X<＝Y+0.1，X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位，递增分档；如果X落在包含0.5奇数倍的区间(如：0.5/1.5/2.5)，则选择方案Ⅰ，如果X落在包含0.5偶数倍的区间(如：1/2/3/4)，则选择方案Ⅱ；

路径Ⅱ中Y-0.4<X<＝Y+0.1，X是个集合[0.5、1、1.5、2、2.5、3……],其中X以0.5为单位，递增分档；如果X落在包含0.5奇数倍的区间(如：0.5/1.5/2.5)，则选择方案Ⅰ，如果X落在包含0.5偶数倍的区间(如：1/2/3/4)，则选择方案Ⅱ；

方案Ⅰ保养项目为机油机滤、燃油添加剂；方案Ⅰ中还进行CRM反查，在CRM反查时除了机油机滤、燃油添加剂、清洗节气门外，其余项目都需要反查，检查上次项目是否有遗漏，如果最近一次更换该项目时里程+对应项目的保质周期里程<Y+0.4，则该项目需要更换；如果最近一次更换该项目时里程+对应的保质周期里程>Y+0.4，则剔掉；例如：本次4万公里进店，应换火花塞，反查前推2万公里，在历史记录中3万公里换过火花塞，则本次剔除火花塞项目；检查时间对应项目，如刹车油、内外空调滤芯，在缺失情况下，是否在对应时间内有更换需要，如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆，应当更换该项目，反之不更换；

方案Ⅱ查询保养知识库，找出对应的保养项目。

举例如下：1.4<＝Y<1.9，保养项目为机油机滤、燃油添加剂。0.9<＝Y<1.4，对应查表(《保养知识库》的“里程”)的保养项目。

实施例2

本实施例是针对1万公里保养人群，如果脱保次数小于等于1，则选择路径Ⅲ为完整、缺1次人群；如果脱保次数大于1，则选择路径Ⅳ为缺多次人群：

路径Ⅲ中Y_New＝round(Y)，按四舍五入查询保养知识库,其中Y为本次保养预测值，该路径中还进行CRM反查，如果最近一次更换该项目时里程+对应保质周期里程<Y+0.5，则该项目需要更换；如果最近一次更换该项目时里程+对应保质周期里程>Y+0.5，则剔掉；(例如：本次4万公里进店，应换火花塞，反查前推2万公里，在历史记录中3万公里换过火花塞，则本次剔除火花塞项目)。检查时间对应项目(刹车油、内外空调滤芯)在缺失情况下，是否在对应时间内有更换需要，如果最近一次更换该项目日期+对应的保质周期时长<本次保养时间+平均保养时间间隔-30天的车辆，应当更换该项目，反之不更换。

路径Ⅳ中Y_New＝round(Y)，按四舍五入查询保养知识库,其中Y为本次保养预测值。举例如下：

0<＝Y<＝1.5 1万

1.5<Y<＝2.5 2万

2.5<Y<＝3.5 3万

对应查表(《保养知识库》的“里程”)的保养项目。

实施例3

作为实施例1和2的补充，保养的内容包括保养项目和保养备件，拿机油机滤举例来说，保养项目是更换机油机滤，是有人工的工时费用的。保养备件就是：机油4升等，按照备件的价格计算。总的保养内容包括实际的更换备件价格+人工的工时费。

即根据大数据来获取每个保养项目的工时费，保养备件单价与个数。

根据上述确定的项目，依据表中的参数，依次对应组成如下语序：下次保养更换机油机滤、内部空调滤芯、外部空调滤芯、火花塞，依据用车体验和当地实际情况，可选择清洗节气门。祝您用车愉快！

维修时间＝取总工时计算100工时＝1小时，精确到0.5小时；如：75-125工时＝1小时；125-175工时＝1.5小时......。

对于完整CRM记录和仅缺1次CRM记录的人群，评语需检查获得上第二次周期中未做的项目，且不在本期项目中时，添加一句话：请关注保养手册中XX项目的更换周期。

例如：1)5千公里保养人群：

6万保养没做，6.5万保养：依据反查列入项目清单中；

6万保养没做，6.5万保养仍然没做，7万进店评语改动如下：下次保养更换机油机滤、外部空调滤芯、火花塞，依据用车体验和当地实际情况，可选择清洗节气门。请关注保养手册中刹车油、防冻液、变速箱油的更换周期，祝您用车愉快！

2)1万公里保养人群：

6万保养没做，7万保养：依据反查列入项目清单中。

6万保养没做，7万保养仍然没做，8万进店：下次保养更换机油机滤、外部空调滤芯、火花塞。依据用车体验和当地实际情况，可选择清洗节气门。请关注保养手册中刹车油、防冻液、变速箱油的更换周期，祝您用车愉快！

通过车辆实际的进店保养历史来获取车主遗漏的保养项目，来进行填充，再次确保车辆保养内容的准确与完整。

优选的，本实施例是采用车载OBD设备实时采集车辆数据并通过移动通信网络上传到云平台，沉淀到大数据处理中心模块；大数据中心模块使用hadoop技术来对大数据进行分类处理，提供保养运算所需的基础参数。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。