[发明专利]一种基于大数据的车辆破损预测管理系统及方法

权利要求书

1.一种基于大数据的车辆破损预测管理方法，包括以下步骤：

S1：将使用人员的移动终端与汽车行驶数据记录仪通讯连接，由移动终端筛选汽车行驶数据记录仪记录的行车记录数据并提取出车辆信息数据以及伤车行为数据，所述伤车行为数据表示该数据对应的行为会对车辆造成一定程度的损坏，转步骤S2；

S2：移动终端将提取的车辆信息数据以及伤车行为数据发送至网络平台，网络平台分别对车辆信息数据以及伤车行为数据进行分项建模，获得车辆信息模型以及伤车行为模型，转步骤S3；

S3：将获得的车辆信息模型以及伤车行为模型储存至网络平台数据库，转步骤S4；

S4：当使用人员的车辆出现非交通事故类型故障时，由使用人员通过移动终端发送实际故障原因数据至网络平台，网络平台将实际故障原因数据与对应的车辆信息模型、伤车行为模型绑定，转步骤S5；

S5：重复以上步骤S4直至网络平台数据库储存的数据容量达到要求，再由当前移动终端上传车辆信息数据、伤车行为数据至网络平台，网络平台将当前车辆信息模型、伤车行为模型与其他车辆信息模型、伤车行为模型进行比对，输出相似度最高的车辆信息模型、伤车行为模型以及其对应的实际故障原因数据，由此实际故障原因数据预测当前车辆未来的破损状况，转步骤S6；

S6：由比较相似度最高的伤车行为模型获取不同车辆信息模型对应的实际故障原因数据，横向对比实际故障原因数据判断车辆信息模型对应车辆部件的质量；

所述步骤S2中，所述车辆信息数据包括基本车辆信息数据、表显里程数值、车辆运行时间数值，所述基本车辆信息数据由车辆的固有属性决定且此基本车辆信息数据无法改变，所述表显里程数值为汽车累计行驶距离长度，所述车辆运行时间数值为车辆行驶数据记录仪存在记录以来运行的时间长度，所述伤车行为数据包括损坏车辆类型信息数据、伤车时间数值、伤车次数数值，所述损坏车辆类型信息数据为车辆损坏类型的文本信息，所述伤车时间数值为损坏车辆行为的累计持续时间长度，所述伤车次数数值为损坏车辆行为的累计次数大小，所述步骤S2中网络平台将基本车辆信息数据分项为车辆信息模型，所述车辆信息模型由车辆信息模型子项链状组成，所述网络平台将表显里程数值、车辆运行时间数值与损坏车辆类型信息数据、伤车时间数值、伤车次数数值结合计算获得伤车行为模型子项；

所述车辆信息模型子项内容可表示为E_(m,n,l,k)，其中m为网络平台数据库中车辆信息模型的编号，n为车辆信息模型子项位于链状车辆信息模型的顺序编号，l为网络平台数据库中车辆信息模型总数量，k为链状车辆信息模型中车辆信息模型子项总数量，根据公式1：

其中ΔC为车辆信息模型相似度，S_i为车辆信息模型子项比较计算权重系数，为当前车辆信息模型子项，m_o为对应的网络平台数据库中车辆信息模型编号，为与当前车辆信息模型子项进行对比的车辆信息模型子项，m_p为对应的网络平台数据库中车辆信息模型编号；

所述表显里程数值为L，所述车辆运行时间数值为T，所述损坏车辆类型信息数据对应的伤车时间数值为t、伤车次数数值为c，根据公式2：

其中E_(t-T)为时间-时间类型伤车行为模型子项；

根据公式3：

其中E_(t-L)为时间-里程类型伤车行为模型子项；

根据公式4：

其中E_(c-T)为次数-时间类型伤车行为模型子项；

根据公式5：

其中E_(c-L)为次数-里程类型伤车行为模型子项；

所述伤车行为模型子项包括时间-时间类型伤车行为模型子项E_(t,T)、时间-里程类型伤车行为模型子项E_(t,L)、次数-时间类型伤车行为模型子项E_(c,T)以及次数-里程类型伤车行为模型子项E_(c,L)，所述E_(t,T)在伤车行为模型子项中的数量为α，所述E_(t,T)根据行为类型以及子项编号可表示为E_(t,T,e,f)，所述E_(t,L)伤车行为模型子项中的数量为β，所述E_(t,L)根据行为类型以及子项编号可表示为E_(t,L,e,f)，所述E_(c,T)在伤车行为模型子项中的数量为γ，所述E_(c,T)根据行为类型以及子项编号可表示为E_(c,T,e,f)，所述E_(c,L)在伤车行为模型子项中的数量为ε，所述E_(c,L)根据行为类型以及子项编号可表示为E_(c,L,e,f)，根据公式6：

其中ΔE_(t,T)为时间-时间类型伤车行为模型子项相似度，为当前时间-时间类型伤车行为模型子项，为与当前时间-时间类型伤车行为模型子项进行对比的伤车行为模型子项，Q_i为伤车行为类型比较计算权重系数；

根据公式7：

其中ΔE_(t,l)为时间-里程类型伤车行为模型子项相似度，为当前时间-里程类型伤车行为模型子项，为与当前时间-里程类型伤车行为模型子项进行对比的伤车行为模型子项，Q_i为伤车行为类型比较计算权重系数；

根据公式8：

其中ΔE_(c,T)为次数-时间类型伤车行为模型子项相似度，为当前次数-时间类型伤车行为模型子项，为与当前次数-时间类型伤车行为模型子项进行对比的伤车行为模型子项，Q_i为伤车行为类型比较计算权重系数；

根据公式9：

其中ΔE_(c,L)为次数-里程类型伤车行为模型子项相似度，为当前次数-里程类型伤车行为模型子项，为与当前次数-里程类型伤车行为模型子项进行对比的伤车行为模型子项，Q_i为伤车行为类型比较计算权重系数；

根据公式10：

ΔD＝ΔE_(t,T)+ΔE_(t,L)+ΔE_(c,T)+ΔE_(c,L)

其中ΔD为伤车行为模型相似程度。