一种获取车辆里程数据的方法、装置和电子设备与流程

1.本发明涉及数据处理领域，具体涉及一种获取车辆里程数据的方法、装置和电子设备。


背景技术：

2.车辆在行驶过程中，会通过车辆车速、行驶时间等数据计算行驶里程并进行累加得到行驶总里程。现有技术的车辆通常还具有将总里程的信息上传到云平台的功能，当需要对车辆按行驶总里程进行分档采取维保策略或者对单车进行残值评估时，会直接取用车辆最新上传的一帧有效的行驶总里程数据。但是通过对海量实车数据进行分析后，发现部分车辆由于芯片和策略等问题导致车辆总里程存在里程跳变的问题，现有技术采用车辆最新上传的一帧有效行驶总里程数据有可能是里程跳变后的数据，例如：某辆车的上报的里程数值序列为：2000km、2500km、4000km、1500km、2400km
…
，可见该车辆在4000km之后上报的数据出现了异常跳变，如果维保人员恰巧从4000km之后开始读数，会导致车辆不能及时得到应有的维保服务和准确的残值。


技术实现要素：

3.有鉴于此，本发明实施方式提供了一种获取车辆里程数据的方法、装置和电子设备，从而提高了读取车辆里程数值的准确率。
4.根据第一方面，本发明实施例提供了一种获取车辆里程数据的方法，所述方法包括：获取当前车辆在当前日期内上报的多个里程数值；从相邻时刻上报的里程数值之间的里程差值中，将超出第一预设范围的里程差值过滤；基于过滤后剩下的里程差值，叠加计算出所述当前车辆在当前日期行驶结束时的里程数值。
5.可选地，所述将超出第一预设范围的里程差值过滤，包括：将小于零或大于有效时速范围的里程差值过滤，所述有效时速范围是所述当前车辆以最大时速在当前里程差值对应的时间段内行驶的距离。
6.可选地，所述方法还包括：获取当前车辆在当前日期之前各个日期行驶结束时的单日里程数值；从相邻日期的单日里程数值之间的日里程差值中，将超出第二预设范围的日里程差值过滤；基于过滤后剩下的日里程差值进行叠加运算，修正所述当前车辆在当前日期行驶结束时的里程数值。
7.可选地，所述将超出第二预设范围的日里程差值过滤，包括：若当前日里程差值小于零，或当前日里程差值与对应的日期间隔的比值大于预设日均行驶阈值，则将当前日里程差值作为异常值进行过滤。
8.可选地，所述预设日均行驶阈值通过以下方式获取：获取若干目标车辆截止到当前日期行驶结束时的参考里程数值，所述目标车辆与所述当前车辆的车型相同，且所述参考里程数值没有发生过异常跳变；基于各个目标车辆的所述参考里程数值计算各个目标车辆的日均行驶里程；将各个目标车辆的日均行驶里程中的最大值作为所述日均行驶阈值。
9.可选地，在所述从相邻时刻上报的里程数值之间的里程差值中，将超出第一预设范围的里程差值过滤之前，所述方法还包括：判断当前车辆上报的多个里程数值对应的时间报文是否属于所述当前日期；将时间报文不属于所述当前日期的里程数值剔除。
10.可选地，若当前车辆相邻时刻上报的里程数值之间的里程差值中包括超出第一预设范围的里程差值，或者相邻日期的单日里程数值之间的日里程差值中，包括超出第二预设范围的日里程差值，则将所述当前车辆标记为异常车辆。
11.根据第二方面，本发明实施例提供了一种获取车辆里程数据的装置，所述装置包括：数据采集模块，用于获取当前车辆在当前日期内上报的多个里程数值；异常数据过滤模块，用于从相邻时刻上报的里程数值之间的里程差值中，将超出第一预设范围的里程差值过滤；修正模块，用于基于过滤后剩下的里程差值，叠加计算出所述当前车辆在当前日期行驶结束时的里程数值。
12.根据第三方面，本发明实施例提供了一种电子设备，包括：存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
13.根据第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机从而执行第一方面，或者第一方面任意一种可选实施方式中所述的方法。
14.本技术提供的技术方案，具有如下优点：
15.本技术提供的技术方案，以当前日期为基准，获取当前日期上报的全部里程数值，并按照上报时间将各个里程数值顺序排列，计算相邻里程数值的里程差值。根据里程差值和第一预设范围的比对情况，对异常跳变的里程数值进行准确定位，并且将异常跳变导致超出第一预设范围的里程差值过滤掉，使用剩下的里程差值和当前日期第一条时间报文的里程数值进行叠加运算，从而修正了当前车辆在当前日期行驶结束时的里程数值，过滤了异常跳变里程数值的影响。使维保人员每次读取数据时，只读取车辆每日行驶结束时的里程数据，提高了里程数据的准确性，进而保证了车企后续制定维保策略的可靠性。
16.此外，本发明实施例还对除当前日期之外各个日期的里程数值均进行上述修正步骤，修正得到当前车辆截止到每日结束时准确的单日里程数值。然后再对相邻日期之间单日里程数值的日里程差值进行过滤，将超出第二预设范围的日里程差值剔除，然后以汽车从第一次行驶的时间为基准，将过滤剩下的日里程差值进行叠加运算，从而得到当前车辆在当前日期修正的、更为准确的里程数值，进一步提高了维保人员读取里程数据的准确性。
附图说明
17.通过参考附图会更加清楚的理解本发明的特征和优点，附图是示意性的而不应理解为对本发明进行任何限制，在附图中：
18.图1示出了本发明一个实施方式中一种获取车辆里程数据的方法的步骤示意图；
19.图2示出了本发明一个实施方式中一种获取车辆里程数据的装置的结构示意图；
20.图3示出了本发明一个实施方式中一种电子设备的结构示意图。
具体实施方式
21.为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
22.请参阅图1，在一个实施方式中，一种获取车辆里程数据的方法，具体包括如下步骤：
23.步骤s101：获取当前车辆在当前日期内上报的多个里程数值。
24.步骤s102：从相邻时刻上报的里程数值之间的里程差值中，将超出第一预设范围的里程差值过滤。
25.步骤s103：基于过滤后剩下的里程差值，叠加计算出当前车辆在当前日期行驶结束时的里程数值。
26.具体地，车辆通过tbox将车辆里程、时间报文等数据上传到云平台上进行存储，当维保人员从云平台读取当前车辆在当前日期的里程数据时，云平台并不直接将当前日期最新的一条报文返回给用户，而是以当前日期为基准(通常当前日期是最靠近维保人员读取数据的日期，由于在读取操作的当天可能车辆还在行驶，存在数据变化较大的可能，因此本实施例中的当前日期指的是读取操作日期的前一天，但并不以此为限，当前日期还可以是车辆产生里程数据后任意一天日期)，云平台自动调取当前日期上报的全部里程数值，并按照上报时间将各个里程数值顺序排列，计算相邻里程数值的里程差值。例如：当前日期汽车上报的里程数据序列为：8:00am 2000km、9:00am 2050km、11:00am 2150km、14:00pm 1550km、15:00pm 1600km，然后利用后一项里程数值减去前一项里程数值，计算相邻里程数值的里程差值得到的序列为：50km、100km、-600km、50km。之后，云平台将各个里程差值与预设的标准里程差值阈值“第一预设范围”进行比对，从而对异常跳变的里程数值进行准确定位，并且将异常跳变导致超出第一预设范围的里程差值过滤掉。例如，上述例子中，经过比对发现异常里程差值为-600km，从而将该里程差值过滤掉。然后使用剩下的里程差值和当前日期第一条时间报文的里程数值进行叠加运算，例如：第一条时间报文为8:00am 2000km，计算2000km与50km、100km、50km的和，得到当前日期的里程数值为2200km。从而修正了当前车辆在当前日期行驶结束时的里程数值，过滤了异常跳变里程数值的影响。基于上述步骤，云平台再将修正后的里程数值返回给维保人员，使每次读取数据时，只读取车辆每日行驶结束时修正后的里程数据，提高了里程数据的准确性，进而保证了车企后续制定维保策略的可靠性。
27.具体地，在本实施例中，第一预设范围是小于零或大于有效时速范围的取值范围，有效时速范围是当前车辆以最大时速在当前里程差值对应的时间段内行驶的距离。具体地，当里程差值小于零时，表征下一时刻上报的里程数值比上一时刻上报的里程数值小，从而出现了里程数值倒回的异常情况，因此下一时刻上报的里程数值是异常数值，下一时刻里程数值减去上一时刻里程数值对应的里程差值不能作为叠加运算的参数，需要过滤掉。而另一种情况，当里程差值超过该时间段与最大时速的乘积时，表征车辆下一时刻上报的里程数值发生了过大的跳变。例如：假设当前车辆的最大时速是120km/h，下一时刻与上一
时刻里程数值的里程差值为1000km，对应时间为4h，120km/h*4h＝480km，而里程差值达到了1000km，是车辆满负荷行驶也达不到的距离，因此将大于有效时速范围的里程差值过滤掉。最后计算过滤剩下的里程差值与当前日期第一条时间报文的里程数值的和，即可得到截止当前日期行驶结束时、修正过的准确里程数值，避免现有技术出现直接读取最新一条时间报文是跳变里程数值的情况。
28.具体地，在一实施例中，本发明实施例提供的一种获取车辆里程数据的方法，还包括如下步骤：
29.步骤一：获取当前车辆在当前日期之前各个日期行驶结束时的单日里程数值。
30.步骤二：从相邻日期的单日里程数值之间的日里程差值中，将超出第二预设范围的日里程差值过滤。
31.步骤三：基于过滤后剩下的日里程差值进行叠加运算，修正当前车辆在当前日期行驶结束时的里程数值。
32.具体地，在本实施例中，以当前车辆从产生里程数据的时间开始，对各个日期内的里程数值均进行上述步骤s101至s103的操作，从而得到当前车辆在当前日期以及各个其他日期行驶结束时对应的里程数值，即单日里程数值。同理，类似于上述步骤s101至s103的操作，本实施例计算相邻日期的单日里程数值的差值，得到日里程差值，以表征当前车辆从上一个日期到下一个日期行驶的距离。然后判断各个日里程差值是否超出第二预设范围，在本实施例中，超出第二预设范围的情况包含两种，一种是日里程差值小于零，表征了由于里程异常跳变导致的下一个日期的单日里程数值比上一个日期的单日里程数值小的情况，不符合里程数值增长规律。另一种情况是日里程差值与对应的日期间隔的比值大于预设日均行驶阈值，假设上报里程数据的上一日期是5天前，上报里程数据的下一日期是今天，中间的日期间隔为5天，日里程差值即是5天的里程差值，从而计算日里程差值与5的比值，得到当前车辆的日均行驶里程，并将计算得到的日均行驶里程与预设日均行驶阈值进行比较，只要不超过预设日均行驶阈值则认为日里程差值落在合理范围内，如果超过预设日均行驶阈值则有理由判定日里程差值是由于里程数据的大幅增长跳变导致过大。预设日均行驶阈值可采用包括但不限于同款车型的日均行驶里程、当前车型标称里程的2倍数。最后，将上述超出第二预设范围的日里程差值剔除，然后使用过滤剩下的日里程差值与车辆第一天上传的里程数值相加，即可进一步修正当前车辆在当前日期行驶结束时的里程数值，从而进一步提高了里程数据的准确率。
33.以一个实际应用场景进行说明：假设当前车辆从2022年5月1号第一次行驶，并向云平台上报数据。基于云平台的数据，通过上述步骤s101至s103计算了当前车辆各个日期的单日里程数值为：5月1号2000km、5月3号2500km、5月5号5000km、5月6号5100km，计算的日里程差值序列为：500km、2500km、100km，可以发现三个日里程差值均大于零，满足第二预设范围中的第一种情况。假设预设日均行驶阈值为500km，那么5月3号至5月5号的日均行驶里程为2500km/2＝1250km，显然远远大于500km，不符合正常的行驶情况，因此视日里程差值2500km为异常值，需要剔除，当前车辆截止到5月6号行驶结束时修正后的里程数值为5月1号的里程数值2000km叠加日里程差值500km和100km，等于2600km。
34.具体地，在一实施例中，获取预设日均行驶阈值的步骤包括：
35.步骤四：获取若干目标车辆截止到当前日期行驶结束时的参考里程数值，目标车
辆与当前车辆的车型相同，且参考里程数值没有发生过异常跳变。
36.步骤五：基于各个目标车辆的参考里程数值计算各个目标车辆的日均行驶里程。
37.步骤六：将各个目标车辆的日均行驶里程中的最大值作为日均行驶阈值。
38.具体地，在本实施例中，首先从云端抽取与当前车辆车型号相同的若干其他车辆的参考里程数值，且参考里程数值是没有发生异常跳变的准确数值。在本实施例中，判别参考里程数值是否发生跳变的流程可以基于上述步骤s101至s103以及步骤一至步骤三的流程进行。假设一个车辆的里程数据经过上述步骤s101至s103的流程后，相邻时刻上报的里程数值之间的里程差值中，没有超出第一预设范围的里程差值；再经过步骤一至步骤三的流程后，相邻日期的单日里程数值之间的日里程差值中，同样也不存在超出第二预设范围的日里程差值。则认为该车辆为目标车辆，该车辆的参考里程数值是没有发生异常跳变的准确数值。之后，计算每个目标车量最近一次上报平台的里程和第一天上报平台的里程的差值，再计算该差值与最近一次接入平台和首次接入平台的日期差的比值，从而得到每个目标车辆的日均行驶里程。最后对所有目标车辆的日均行驶里程进行排序，取得该车型日均行驶里程的最大值记为该车型的日均行驶阈值。基于此，在步骤一至步骤三中，一旦当前车辆计算的日均行驶里程大于日均行驶阈值，则表征当前车辆的日均行驶里程已经超出了本车型极端情况下最多的日均行驶里程，显然不符合车辆正常行驶规律，对应的日里程差值一定是异常值，避免误报的情况出现，提高过滤异常日里程差值的准确率，进而提高获取车辆里程数据的准确率。
39.具体地，在一实施例中，在上述步骤s102之前，还包括如下步骤：
40.步骤七：判断当前车辆上报的多个里程数值对应的时间报文是否属于当前日期。
41.步骤八：将时间报文不属于当前日期的里程数值剔除。
42.具体地，在本实施例中，当前车辆在当前日期内上报的多个里程数值中，很有可能存在由网络问题导致延迟上报的里程数值，例如当前日期是6月1号，而当前日期上报的里程数值中包含一条时间报文为5月25号的里程数值，为了避免延迟上报的里程数值影响最终里程计算的准确率，因此将时间报文不属于当前日期的里程数值剔除，进一步提高了获取车辆里程数据的准确率。
43.具体地，在一实施例中，若当前车辆相邻时刻上报的里程数值之间的里程差值中包括超出第一预设范围的里程差值，则对当前车辆标记一个异常标签。若相邻日期的单日里程数值之间的日里程差值中，包括超出第二预设范围的日里程差值，同样对当前车辆标记一个异常标签。只要当前车辆包含一个异常标签，则认为当前车辆为异常车辆，由于当前车辆是发生过里程异常跳变的车辆，其里程表或通信模块有可能存在问题，可能需要维修保养。基于该标签，为维保人员提供参考信息，进一步提高后续车企制定维保策略的准确率。
44.通过上述步骤，本技术提供的技术方案，以当前日期为基准，获取当前日期上报的全部里程数值，并按照上报时间将各个里程数值顺序排列，计算相邻里程数值的里程差值。根据里程差值和第一预设范围的比对情况，对异常跳变的里程数值进行准确定位，并且将异常跳变导致超出第一预设范围的里程差值过滤掉，使用剩下的里程差值和当前日期第一条时间报文的里程数值进行叠加运算，从而修正了当前车辆在当前日期行驶结束时的里程数值，过滤了异常跳变里程数值的影响。使维保人员每次读取数据时，只读取车辆每日行驶
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
55.存储器902作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块，如上述方法实施例中的方法所对应的程序指令/模块。处理器901通过运行存储在存储器902中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的方法。
56.存储器902可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器901所创建的数据等。此外，存储器902可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器902可选包括相对于处理器901远程设置的存储器，这些远程存储器可以通过网络连接至处理器901。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
57.一个或者多个模块存储在存储器902中，当被处理器901执行时，执行上述方法实施例中的方法。
58.上述电子设备具体细节可以对应参阅上述方法实施例中对应的相关描述和效果进行理解，此处不再赘述。
59.本领域技术人员可以理解，实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，实现的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；存储介质还可以包括上述种类的存储器的组合。
60.虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。