车辆油耗分析方法、装置、计算机设备及可读存储介质与流程

本发明涉及工程机械，特别是涉及一种车辆油耗分析方法、装置、计算机设备及计算机可读存储介质。

背景技术：

1、随着油价飙升以及波动变化，企业用户对工程机械车辆的油耗越来越敏感。因此，对于工程机械车辆的油耗分析具有重要意义。

2、发明人在研究中发现现有的油耗分析方法存在以下问题：对油耗分析的影响因子偏少，即不能客观和全面分析影响工程机械车辆油耗的各种因素，使得无法获知导致油耗增大的主要因素，同时也不是实时分析，不能体现不同时间段内影响工程机械车辆油耗的因素。

技术实现思路

1、本技术的目的在于提供一种车辆油耗分析方法、装置、计算机设备及计算机可读存储介质，能够分时段同时对至少一工程机械车辆的油耗影响因子进行实时且准确分析，便于辅助用户管理工程机械车辆。

2、为达到上述目的：

3、第一方面，本技术实施例提供了一种车辆油耗分析方法，所述方法包括：

4、实时获取至少一工程机械车辆分别在当前时间点之前的预设时间段内的车辆数据，所述车辆数据包括业务数据和工况数据；

5、对所述至少一工程机械车辆各自对应的所述车辆数据进行特征提取，获得所述至少一工程机械车辆各自对应的至少一油耗影响因子的特征数据；

6、将目标特征数据输入预先训练的油耗分析模型进行油耗分析，获得对目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果，所述油耗分析模型是基于lightbgm算法构建的，所述目标工程机械车辆为任一所述工程机械车辆，所述目标特征数据为所述目标工程机械车辆对应的至少一油耗影响因子的特征数据。

7、在一实施方式中，所述实时获取至少一工程机械车辆分别在当前时间点之前的预设时间段内的车辆数据，包括：

8、通过spark streaming组件，从业务服务器实时采集至少一工程机械车辆分别在当前时间点之前的预设时间段内的业务数据，并从物联网服务器实时采集至少一工程机械车辆分别在当前时间点之前的预设时间段内的工况数据。

9、在一实施方式中，所述业务数据包括工作单数据、车辆基础数据、车辆加油数据；

10、所述工况数据包括车辆油耗数据、车辆里程数据、车辆位置数据、车辆行驶状况数据、车辆行驶轨迹数据。

11、在一实施方式中，所述油耗影响因子包括行驶距离、行驶时长、油耗值、行车速率变化率、绕路异常次数、堵车异常次数、车辆故障异常次数、油耗里程、单位里程行驶时长、车辆行驶轨迹。

12、在一实施方式中，所述分析结果包括影响占比；所述将目标特征数据输入预先训练的油耗分析模型进行油耗分析，获得对目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果之前，还包括：

13、获取至少一工程机械车辆在不同历史时间段内的历史车辆数据以及关于所述至少一油耗影响因子的历史影响占比；

14、对所述至少一工程机械车辆对应的所述历史车辆数据进行特征提取，获得所述至少一工程机械车辆各自对应的至少一油耗影响因子的历史特征数据；

15、利用所述历史特征数据和所述历史影响占比，训练基于lightbgm算法构建的油耗分析模型。

16、在一实施方式中，所述方法还包括：

17、将对所述目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果，通过可视化组件进行展示。

18、在一实施方式中，所述可视化组件包括直方图。

19、第二方面，本技术实施例提供一种车辆油耗分析装置，包括：

20、获取模块，用于实时获取至少一工程机械车辆分别在当前时间点之前的预设时间段内的车辆数据，所述车辆数据包括业务数据和工况数据；

21、计算模块，用于对所述至少一工程机械车辆各自对应的所述车辆数据进行特征提取，获得所述至少一工程机械车辆各自对应的至少一油耗影响因子的特征数据；

22、处理模块，用于将目标特征数据输入预先训练的油耗分析模型进行油耗分析，获得对目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果，所述油耗分析模型是基于lightbgm算法构建的，所述目标工程机械车辆为任一所述工程机械车辆，所述目标特征数据为所述目标工程机械车辆对应的至少一油耗影响因子的特征数据。

23、在一实施方式中，所述获取模块，具体用于：

24、通过spark streaming组件，从业务服务器实时采集至少一工程机械车辆分别在当前时间点之前的预设时间段内的业务数据，并从物联网服务器实时采集至少一工程机械车辆分别在当前时间点之前的预设时间段内的工况数据。

25、在一实施方式中，所述业务数据包括工作单数据、车辆基础数据、车辆加油数据；

26、所述工况数据包括车辆油耗数据、车辆里程数据、车辆位置数据、车辆行驶状况数据、车辆行驶轨迹数据。

27、在一实施方式中，所述油耗影响因子包括行驶距离、行驶时长、油耗值、行车速率变化率、绕路异常次数、堵车异常次数、车辆故障异常次数、油耗里程、单位里程行驶时长、车辆行驶轨迹。

28、在一实施方式中，所述分析结果包括影响占比；

29、所述获取模块，还用于获取至少一工程机械车辆在不同历史时间段内的历史车辆数据以及关于所述至少一油耗影响因子的历史影响占比；

30、所述计算模块，还用于对所述至少一工程机械车辆对应的所述历史车辆数据进行特征提取，获得所述至少一工程机械车辆各自对应的至少一油耗影响因子的历史特征数据；

31、所述处理模块，还用于利用所述历史特征数据和所述历史影响占比，训练基于lightbgm算法构建的油耗分析模型。

32、在一实施方式中，所述装置还包括输出模块，用于将对所述目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果，通过可视化组件进行展示。

33、在一实施方式中，所述可视化组件包括直方图。

34、第三方面，本技术实施例提供一种计算机设备，包括：处理器和存储有计算机程序的存储器，在所述处理器运行所述计算机程序时，实现上述文件车辆油耗分析方法的步骤。

35、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述车辆油耗分析方法的步骤。

36、本技术实施例提供的车辆油耗分析方法、装置、计算机设备及计算机可读存储介质，所述方法包括：实时获取至少一工程机械车辆分别在当前时间点之前的预设时间段内的车辆数据，所述车辆数据包括业务数据和工况数据；对所述至少一工程机械车辆各自对应的所述车辆数据进行特征提取，获得所述至少一工程机械车辆各自对应的至少一油耗影响因子的特征数据；将目标特征数据输入预先训练的油耗分析模型进行油耗分析，获得对目标工程机械车辆在所述当前时间点之前的预设时间段内关于所述至少一油耗影响因子的分析结果，所述油耗分析模型是基于lightbgm算法构建的，所述目标工程机械车辆为任一所述工程机械车辆，所述目标特征数据为所述目标工程机械车辆对应的至少一油耗影响因子的特征数据。如此，通过客观和全面获取与分析工程机械车辆在不同时间段内的车辆数据，以分析在不同时间段内影响工程机械车辆油耗的因素，实现分时段同时对至少一工程机械车辆的油耗影响因子进行实时且准确分析，满足用户实时性需求，便于辅助用户管理工程机械车辆，降低使用成本。