车辆使用工况监测方法、装置、介质、边缘处理器和车辆

摘要

本发明公开了一种车辆使用工况监测方法，由车辆侧的边缘处理器执行，包括：实时获取车辆状态数据，并提取和关联得到特征参数组合，以更新预设的车辆使用工况谱；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用工况下，关于持续时间或频次的累计值；在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，分析用户对车辆的使用情况。本发明还提供了相应的装置、介质、边缘处理器和车辆。采用本发明实施例，通过车辆的边缘处理器对车辆状态数据进行采集和特征提取，以得到车辆使用工况谱，有效地提高了数据采集的全面性，减少了人力和物力成本。

权利要求

1.一种车辆使用工况监测方法，其特征在于，由车辆侧的边缘处理器执行，包括：实时获取车辆状态数据；其中，所述车辆状态数据包括从车辆传感器获取的车辆制动数据；

对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合；

根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用工况下，关于持续时间或频次的累计值；

在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，分析用户对车辆的使用情况；

所述对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合，具体包括：

根据所述车辆制动数据进行制动事件的判断；

根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合；

所述车辆使用工况谱包括车辆制动工况谱；

所述车辆制动工况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的累计值。

2.如权利要求1所述的车辆使用工况监测方法，其特征在于，所述车辆制动数据包括车速、制动踏板信号和主缸压力；

则所述根据所述车辆制动数据进行制动事件的判断，具体包括：当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；

在所述制动事件已触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力为0时，判定所述制动事件结束。

3.如权利要求2所述的车辆使用工况监测方法，其特征在于，所述制动事件的制动特征参数包括但不限于：制动初速度、制动末速度、平均减速度、车轮制动力、制动持续时间和制动频次。

4.如权利要求3所述的车辆使用工况监测方法，其特征在于，所述在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，具体包括：在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条件；并将已存储的所述车辆制动工况谱上传至云端处理器。

5.如权利要求4所述的车辆使用工况监测方法，其特征在于，所述云端处理器能够从不同的分析维度对不同车辆的车辆制动工况谱进行统计分析，以得到用户制动工况的分布数据；其中，所述分析维度包括用户群体、地区、季节和日时间段。

6.一种边缘处理器，其特征在于，包括：状态数据获取模块，用于实时获取车辆状态数据；其中，所述车辆状态数据包括从车辆传感器获取的车辆制动数据；

特征参数提取模块，用于对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合；

车辆使用工况谱更新模块，用于根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用工况下，关于持续时间或频次的累计值；

车辆使用工况谱上传模块，用于在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，分析用户对车辆的使用情况；

所述特征参数提取模块，包括：

制动事件判断单元，用于根据所述车辆制动数据进行制动事件的判断；

制动特征参数提取单元，用于根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合；

所述车辆使用工况谱包括车辆制动工况谱；

所述车辆制动工况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的累计值。

7.如权利要求6所述的边缘处理器，其特征在于，所述车辆制动数据包括车速、制动踏板信号和主缸压力；

则所述制动事件判断单元，具体用于：当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；

以及，在所述制动事件已触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力为0时，判定所述制动事件结束。

8.如权利要求7所述的边缘处理器，其特征在于，所述制动事件的制动特征参数包括但不限于：制动初速度、制动末速度、平均减速度、车轮制动力、制动持续时间和制动频次。

9.如权利要求8所述的边缘处理器，其特征在于，所述车辆使用工况谱上传模块具体用于：

在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条件；并将已存储的所述车辆制动工况谱上传至云端处理器。

10.一种车辆使用工况监测装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的车辆使用工况监测方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的车辆使用工况监测方法。

12.一种车辆，其特征在于，包括边缘处理器；其中，所述边缘处理器为权利要求6至9任一项所述的边缘处理器。

说明书

车辆使用工况监测方法、装置、介质、边缘处理器和车辆

技术领域

[0001] 本发明涉及车辆使用工况技术领域，尤其涉及一种车辆使用工况监测方法、装置、介质、边缘处理器和车辆。

背景技术

[0002] 随着科技和经济的迅猛发展，车辆技术领域也在不断发展进步。车辆使用工况的调查和相关数据的收集，可以为车辆的控制算法优化、新型服务开发和试验规范制定、维保
政策制定等多方面应用提供充分的数据基础。

[0003] 在现有技术中，传统的车辆使用工况监测需要进行专项调查统计，例如向已购买车辆的用户进行访谈，或对用户车辆进行测试等，从而采集得到用户对车辆的使用工况数
据。然而，在实施本发明过程中，发明人发现现有技术至少存在如下问题：传统的车辆使用
工况监测方法需要在车辆上改装加装额外传感器和数据采集设备，存在成本高，统计工作
量大的缺点；且受到用户限制较大，导致检测样本量有限、用户覆盖度低。

发明内容

[0004] 本发明实施例的目的是提供一种车辆使用工况监测方法、装置、介质、边缘处理器和车辆，其通过车辆的边缘处理器对车辆状态数据进行采集和特征提取，以得到车辆使用
工况谱，有效地提高了数据采集的全面性，减少了人力和物力成本。

[0005] 为实现上述目的，本发明实施例提供了一种车辆使用工况监测方法，由车辆侧的边缘处理器执行，包括：

[0006] 实时获取车辆状态数据；

[0007] 对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合；

[0008] 根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用工况下，关于持续时间或频次的
累计值；

[0009] 在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，分析用户对车辆的使用情况。

[0010] 作为上述方案的改进，所述车辆状态数据包括从车辆传感器获取的车辆制动数据；

[0011] 则，所述对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合，具体包括：

[0012] 根据所述车辆制动数据进行制动事件的判断；

[0013] 根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合。

[0014] 作为上述方案的改进，所述车辆制动数据包括车速、制动踏板信号和主缸压力；

[0015] 则所述根据所述车辆制动数据进行制动事件的判断，具体包括：

[0016] 当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；

[0017] 在所述制动事件已触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力为0时，判定所述制动事件结束。

[0018] 作为上述方案的改进，所述制动事件的制动特征参数包括但不限于：制动初速度、制动末速度、平均减速度、车轮制动力、制动持续时间和制动频次。

[0019] 作为上述方案的改进，所述车辆使用工况谱包括车辆制动工况谱；

[0020] 所述车辆制动工况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的累计值。

[0021] 作为上述方案的改进，所述在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，具体包括：

[0022] 在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条件；并将已存储的所述车辆制动工况谱上传至云端处理
器。

[0023] 作为上述方案的改进，所述云端处理器能够从不同的分析维度对不同车辆的车辆制动工况谱进行统计分析，以得到用户制动工况的分布数据；其中，所述分析维度包括用户
群体、地区、季节和日时间段。

[0024] 本发明实施例还提供了一种边缘处理器，包括：

[0025] 状态数据获取模块，用于实时获取车辆状态数据；

[0026] 特征参数提取模块，用于对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合；

[0027] 车辆使用工况谱更新模块，用于根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用
工况下，关于持续时间或频次的累计值；

[0028] 车辆使用工况谱上传模块，用于在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，
分析用户对车辆的使用情况。

[0029] 作为上述方案的改进，所述车辆状态数据包括从车辆传感器获取的车辆制动数据；

[0030] 则所述特征参数提取模块，包括：

[0031] 制动事件判断单元，用于根据所述车辆制动数据进行制动事件的判断；

[0032] 制动特征参数提取单元，用于根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合。

[0033] 作为上述方案的改进，所述车辆制动数据包括车速、制动踏板信号和主缸压力；

[0034] 则所述制动事件判断单元，具体用于：

[0035] 当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；

[0036] 以及，在所述制动事件已触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力为0时，判定所述制动事件结束。

[0037] 作为上述方案的改进，所述制动事件的制动特征参数包括但不限于：制动初速度、制动末速度、平均减速度、车轮制动力、制动持续时间和制动频次。

[0038] 作为上述方案的改进，所述车辆使用工况谱包括车辆制动工况谱；

[0039] 所述车辆制动工况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的累计值。

[0040] 作为上述方案的改进，所述车辆使用工况谱上传模块具体用于：

[0041] 在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条件；并将已存储的所述车辆制动工况谱上传至云端处理
器。

[0042] 本发明实施例还提供了一种车辆使用工况监测装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算
机程序时实现如上述任意一项所述的车辆使用工况监测方法。

[0043] 本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设
备执行如上述任意一项所述的车辆使用工况监测方法。

[0044] 本发明实施例还提供了一种车辆，包括边缘处理器；其中，所述边缘处理器为上述任一项所述的边缘处理器。

[0045] 与现有技术相比，本发明公开的一种车辆制动工况监测方法、装置、介质、边缘处理器和车辆，通过边缘处理器实时获取车辆状态数据；对所述车辆状态数据进行特征参数
提取，并将有关联的特征参数作为特征参数组合；根据所述特征参数组合，更新预设的车辆
使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车
辆使用工况下，关于持续时间或频次的累计值；在满足数据上传条件时，将已存储的所述车
辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况
谱，分析用户对车辆的使用情况。本发明实施例通过车辆侧的边缘处理器实现对高频数据
的采集，离数据的源头更近，保持了数据的鲜度和精度，不需要对车辆加装额外传感器和数
据采集设备。并且，通过车辆的边缘处理器对采集到的车辆状态数据进行特征提取和预处
理，以得到车辆使用工况谱并上传至云端处理器，再由云端对所有车辆的数据进行分析，能
够有效地提高数据采集的全面性，也减少了云端处理器的数据处理量，同时不需要后期对
用户进行专项调查统计，减少了人力和物力成本。

附图说明

[0046] 图1是本发明实施例一提供的一种车辆使用工况监测方法的步骤示意图；

[0047] 图2是本发明实施例二提供的一种车辆制动工况监测方法的步骤示意图；

[0048] 图3是本发明实施例中制动事件的判定流程示意图；

[0049] 图4(a)是本发明实施例中第一车辆制动工况谱的示意图；

[0050] 图4(b)是本发明实施例中第二车辆制动工况谱的示意图；

[0051] 图5是本发明实施例三提供的一种边缘处理器的结构示意图；

[0052] 图6是本发明实施例四提供的一种车辆使用工况监测装置的结构示意图。

具体实施方式

[0053] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通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
实施例，都属于本发明保护的范围。

[0054] 参见图1，是本发明实施例一提供的一种车辆使用工况监测方法的步骤示意图。本发明实施例提供的车辆使用工况监测方法，由车辆侧的边缘处理器执行，且本实施例均以
边缘处理器作为执行主体进行说明。

[0055] 优选地，所述边缘处理器为车辆的域控制器，所述车辆使用工况监测方法，包括以下步骤S11至S14：

[0056] S11、实时获取车辆状态数据。

[0057] 具体地，所述车辆使用工况包括但不限于车辆制动工况、车辆行驶工况、车辆电池使用工况、车辆电池充电工况等。在车辆的使用过程中，用户对车辆进行的一系列操作行
为，使得车辆的各状态信息发生变化，例如轮速信号、车速信号、油门踏板信号、制动踏板信
号、档位信号、空调使用状态、车门开关信息、玻璃升降信息、灯光使用信息等。所述边缘处
理器实时获取车辆各传感器执行的车辆状态数据。

[0058] S12、对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合。

[0059] 所述边缘处理器实时获取车辆各传感器执行的车辆状态数据之后，根据所述车辆状态数据，提取相应的特征参数。所述特征参数提取具体为对车辆状态数据进行数学特征
提取，包括时域特征、频域特征、时频域特征等。所述边缘处理器对获取到的车辆状态数据
进行特征参数的提取，并将提取到的特征参数进行关联，得到多组不同的特征参数组合。

[0060] S13、根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车辆使用工况下，关于持续时间或频
次的累计值。

[0061] 所述边缘处理器预先设置有车辆使用工况谱，每一车辆使用工况谱用于记录对应的特征参数组合在不同车辆使用工况下的分布情况，以持续时间或频次作为统计目标，根
据获取并提取得到的特征参数组合，统计所述特征参数组合的相同数值组合在持续时间或
频次上的累计值，以更新相应的车辆使用工况谱，并存储。

[0062] S14、在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工况谱，分析用户对车辆的使用情
况。

[0063] 所述边缘处理器还实时判断当前时刻是否满足预设的数据上传条件，并在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器。所述云端处理器可以
根据接收到的不同车辆的每一车辆使用工况谱，分析用户对车辆使用情况。

[0064] 所述数据上传条件可以采用定时上传或定量上传的方式，例如，以一周或一个月为一个数据上传周期，在当前时刻满足所述数据上传周期时，将已存储的所述车辆使用工
况谱上传。或者以数据大小为10M作为数据上传阈值，当已存储的车辆使用工况谱的数据大
小满足所述数据上传阈值时，将已存储的所述车辆适用工况谱上传至云端处理器，均不影
响本发明取得的有益效果。

[0065] 本发明实施例一提供了一种车辆使用工况监测方法，通过车辆侧的边缘处理器实现对车辆状态数据的采集，离数据的源头更近，保持了数据的鲜度和精度，且不需要对车辆
加装额外传感器和数据采集设备。并且，通过车辆的边缘处理器对采集到的数据进行特征
提取和预处理，以得到车辆使用工况谱并上传至云端处理器，再由云端对所有车辆的数据
进行分析，能够有效地提高数据采集的全面性，不需要后期对用户进行专项调查统计，减少
了人力和物力成本。

[0066] 在一种实施方式下，参见图2，是本发明实施例二提供的一种车辆制动工况监测方法的步骤示意图。为了分析车辆的制动工况，本发明实施例二提出了一种车辆制动工况监
测方法，包括步骤S21至S25：

[0067] S21、实时获取车辆状态数据；其中，所述车辆状态数据包括从车辆传感器获取的车辆制动数据。

[0068] 具体地，所述边缘处理器根据车辆传感器执行的状态信息，例如刹车状态信号、电子驻车信号、轮速信号、车速信号、加速度信号、主缸压力、悬架高度信号、能量回收状态信
号等，实时获取相应的车辆制动数据。

[0069] S22、根据所述车辆制动数据进行制动事件的判断。

[0070] 所述边缘处理器根据获取的车辆制动数据，判断车辆是否发生制动事件。

[0071] 在一种优选的实施方式下，参见图3，是本发明实施例中制动事件的判定流程示意图。所述边缘处理器根据所述车辆制动数据中的车速、制动踏板信号和主缸压力，进行制动
事件的判断，具体包括S221和S222：

[0072] S221、当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；

[0073] S222、在所述制动事件触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力为0时，判定所述制动事件结束。

[0074] 需要说明的是，所述边缘处理器也可以根据车辆的实际配置情况，或获取的其他车辆制动数据，进行每一次制动事件的判断，均不影响本发明取得的有益效果。

[0075] S23、根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合。

[0076] 所述边缘处理器对制动事件进行判断之后，根据所述制动事件和获取的车辆制动数据，进行相应的制动特征参数的提取，所述制动事件的制动特征参数包括但不限于：制动
初速度、制动末速度、平均减速度、车轮制动力、制动持续时间、制动频次。

[0077] 具体地，将制动事件触发的时刻作为所述制动事件的制动起始时间t0，制动事件触发时刻的车速作为所述制动事件的制动初速度v0；将制动事件结束的时刻作为所述制动
事件的制动结束时间t1，制动事件结束时刻的车速作为所述制动事件的制动末速度v1。

[0078] 车辆的制动持续时间为：Δt＝t1‑t0；

[0079] 车辆的平均减速度为：μ＝∑μi/Δt；

[0080] 车辆的车轮制动力为：

[0081]

[0082]

[0083] 其中，Fμ1为车辆的前轮制动力，Fμ2为车辆的后轮制动力；G为汽车重力，L为轴距，b为质心到后轴的距离，a为质心到前轴的距离，hg为质心高度，Z为制动强度， 为附着系数，
T1为前驱能量回收力矩，T2为后驱动能量回收力矩，r为车轮半径，μi为加速度。

[0084] 进一步地，所述边缘处理器根据提取到的制动特征参数，将有关联的制动特征参数作为制动特征参数组合。例如将车轮制动力和制动初速度作为一组制动特征参数组合
等。

[0085] S24、根据所述特征参数组合，更新预设的车辆制动工况谱，并进行存储；其中，所述车辆制动工况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动
工况下，关于制动持续时间或制动频次的累计值。

[0086] 所述边缘处理器在得到每一组制动特征参数组合后，更新相应的车辆制动工况谱。作为举例，对于车轮制动力和制动初速度这一制动特征参数组合，在一种实施方式下，
参见图4(a)，是本发明实施例中第一车辆制动工况谱的示意图。构建对应的第一车辆制动
工况谱，用于统计所述车辆发生的所有制动事件中，不同的制动初速度下对应的车轮制动
力，并将发生的相同的数值组合的制动持续时间进行叠加。比如制动力为100N、制动初速度
为20km/h这一数值组合发生了一次，那么就在这一特征数据组合的车辆制动工况谱中的相
应坐标点处叠加相应制动时长。

[0087] 在另一种实施方式下，参见图4(b)，是本发明实施例中第二车辆制动工况谱的示意图。构建对应的第二车辆制动工况谱，用于统计所述车辆发生的所有制动事件中，不同的
制动初速度下对应的车轮制动力，并将发生的相同的数值组合的制动频次进行叠加。比如
制动力为100N、制动初速度为20km/h这一数值组合发生了一次，那么就在这一特征数据组
合的车辆制动工况谱中的相应坐标点处叠加相应的次数。

[0088] 需要说明的是，在所述车辆制动工况谱中，关于每一制动特征参数组合的制动持续时间或制动频次的表示方式可以采用数值标识的方式，或采用不同颜色标识的方式，或
采用不同填充图案表示的方式，均不影响本发明取得的有益效果。

[0089] 可以理解地，上述提到的场景和数值仅仅作为举例，本发明实施例附图4(a)和图4(b)的车辆制动工况谱中关于每一特征参数的坐标数值分布并未示出。在实际应用过程中，
所述边缘处理器将根据实际获取到的车辆制动数据，进行相应的制动特征参数的提取和关
联，并更新对应的车辆制动工况谱，均不影响本发明取得的有益效果。

[0090] S25、在满足数据上传条件时，将已存储的所述车辆制动工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆制动工况谱，分析用户制动工况分布情
况。

[0091] 在本发明实施例中，所述边缘处理器还实时判断当前时刻是否满足预设的数据上传条件，并在满足数据上传条件时，将已存储的所述特征联合分布表上传至云端处理器。

[0092] 作为优选的实施方式，所述在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，具体包括：

[0093] 在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条件；并将已存储的所述车辆制动工况谱上传至云端处理
器。

[0094] 在本发明实施例中，所述车辆的车辆制动工况谱的上传采用定时触发或定量触发的方式，例如，以一周或一个月为一个数据上传周期，在当前时刻满足所述数据上传周期
时，将已存储的所述车辆制动工况谱上传至云端处理器。或者以数据大小为10M作为数据上
传阈值，当已存储的车辆制动工况谱的数据大小满足所述数据上传阈值时，将已存储的所
述车辆制动工况谱上传至云端处理器。

[0095] 作为优选的实施方式，所述边缘处理器将已存储的车辆制动工况谱上传至云端处理器之后，所述云端处理器能够从不同的分析维度对不同车辆的车辆制动工况谱进行统计
分析，以得到用户制动工况的分布数据。

[0096] 具体地，所述分析维度包括但不限于用户群体、地区、季节和日时间段。作为举例，所述云端处理器可以根据获取到的不同车辆的车辆制动工况谱，统计出不同用户群体，如
私家车、网约车、男性车主、女性车主等相应用户的制动工况分布数据；或者统计不同地区，
如山区、平原、城市、乡村等地区的用户制动工况分布数据；或者统计不同季节条件下的用
户制动工况分布数据；或者统计不同日时间段，如早晨、中午、下午、晚上等时间段的用户制
动工况分布数据。根据所述云端处理器分析得到的不同维度的用户制动工况的分布数据，
可以应用于辅助设计、试验部门进行相应的车辆设计和试验，辅助制动相关零部件的供应
商进行零部件制造，以及辅助保险公司进行相应的维保政策的制定，或完善车辆售后服务
等方面。

[0097] 本发明实施例提供了一种车辆制动工况监测方法，通过边缘处理器实时获取车辆制动数据，根据所述车辆制动数据进行制动事件的判断，并提取和关联得到车辆制动的特
征参数组合，根据所述特征参数组合，更新预设的车辆制动工况谱；其中，所述车辆制动工
况谱用于统计所述车辆的所有制动事件中的特征参数组合在各种车辆制动工况下，关于制
动持续时间或制动频次的累计值。在满足数据上传条件时，将已存储的所述车辆制动工况
谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆制动工况谱，分析用
户制动工况分布情况。本发明实施例的车辆制动工况监测方法通过车辆侧的边缘处理器实
现对高频数据的采集，离数据的源头更近，保持了数据的鲜度和精度，不需要对车辆加装额
外传感器和数据采集设备。并且，通过车辆的边缘处理器对采集到的车辆制动状态数据进
行特征提取和预处理，以得到车辆制动工况谱并上传至云端处理器，再由云端对所有车辆
的数据进行分析，能够有效地提高数据采集的全面性，也减少了云端处理器的数据处理量，
同时不需要后期对用户进行专项调查统计，减少了人力和物力成本。

[0098] 参见图5，是本发明实施例三提供的一种边缘处理器的结构示意图。本发明实施例三提供了一种边缘处理器30，包括：状态数据获取模块31、特征参数提取模块32、车辆使用
工况谱更新模块33和车辆使用工况谱上传模块34；其中，

[0099] 所述状态数据获取模块31，用于实时获取车辆状态数据。

[0100] 具体地，所述车辆使用工况包括但不限于车辆制动工况、车辆行驶工况、车辆电池使用工况、车辆电池充电工况等。在车辆的使用过程中，用户对车辆进行的一系列操作行
为，使得车辆的各状态信息发生变化，例如轮速信号、车速信号、油门踏板信号、制动踏板信
号、档位信号、空调使用状态、车门开关信息、玻璃升降信息、灯光使用信息等。所述边缘处
理器的状态数据获取模块31实时获取车辆各传感器执行的车辆状态数据。

[0101] 所述特征参数提取模块32，用于对所述车辆状态数据进行特征参数提取，并将有关联的特征参数作为特征参数组合。

[0102] 所述状态数据获取模块31实时获取车辆各传感器执行的车辆状态数据之后，所述特征参数提取模块32根据所述车辆状态数据，提取相应的特征参数。所述特征参数提取具
体为对车辆状态数据进行数学特征提取，包括时域特征、频域特征、时频域特征等。接着，所
述特征参数提取模块32对获取到的车辆状态数据进行特征参数的提取，并将提取到的特征
参数进行关联，得到多组不同的特征参数组合。

[0103] 所述车辆使用工况谱更新模块33，用于根据所述特征参数组合，更新预设的车辆使用工况谱，并进行存储；其中，所述车辆使用工况谱用于记录所述特征参数组合在各种车
辆使用工况下，关于持续时间或频次的累计值。

[0104] 所述边缘处理器中预先设置有车辆使用工况谱，每一车辆使用工况谱用于记录对应的特征参数组合在不同车辆使用工况下的分布情况，以持续时间或频次作为统计目标。
所述车辆使用工况谱更新模块33根据获取并提取得到的特征参数组合，统计所述特征参数
组合的相同数值组合在持续时间或频次上的累计值，以更新相应的车辆使用工况谱，并存
储。

[0105] 所述车辆使用工况谱上传模块34，用于在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器，以使所述云端处理器能够根据不同车辆的车辆使用工
况谱，分析用户对车辆的使用情况。

[0106] 所述车辆使用工况谱上传模块34实时判断当前时刻是否满足预设的数据上传条件，并在满足数据上传条件时，将已存储的所述车辆使用工况谱上传至云端处理器。所述云
端处理器可以根据接收到的不同车辆的每一车辆使用工况谱，分析用户对车辆使用情况。

[0107] 在一种实施方式下，为了分析车辆的制动工况，在本发明实施例的所述边缘处理器中，所述状态数据获取模块31，具体用于：实时获取车辆状态数据；其中，所述车辆状态数
据包括从车辆传感器获取的车辆制动数据。

[0108] 具体地，所述边缘处理器的状态数据获取模块31根据车辆传感器执行的状态信息，例如刹车状态信号、电子驻车信号、轮速信号、车速信号、加速度信号、主缸压力、悬架高
度信号、能量回收状态信号等，实时获取相应的车辆制动数据。

[0109] 进一步地，所述特征参数提取模块32，包括：制动事件判断单元321和制动特征参数提取单元322；其中，

[0110] 所述制动事件判断单元321，用于根据所述车辆制动数据进行制动事件的判断。

[0111] 具体地，所述制动事件判断单元321根据所述车辆制动数据中的车速、制动踏板信号和主缸压力，进行制动事件的判断，具体为：

[0112] 当车辆满足车速大于0，制动踏板信号已触发，且主缸压力大于0时，判定制动事件已触发；在所述制动事件触发之后，当车辆满足车速为0，制动踏板信号未触发，且主缸压力
为0时，判定所述制动事件结束。

[0113] 所述制动特征参数提取单元322，用于根据每一所述制动事件，提取制动特征参数，并将有关联的制动特征参数作为特征参数组合。

[0114] 对制动事件进行判断之后，所述制动特征参数提取单元322根据所述制动事件和获取的车辆制动数据，进行相应的制动特征参数的提取，所述制动事件的制动特征参数包
括但不限于：制动初速度、制动末速度、平均减速度、车轮制动力、制动持续时间、制动频次。

[0115] 具体地，将制动事件触发的时刻作为所述制动事件的制动起始时间t0，制动事件触发时刻的车速作为所述制动事件的制动初速度v0；将制动事件结束的时刻作为所述制动
事件的制动结束时间t1，制动事件结束时刻的车速作为所述制动事件的制动末速度v1。

[0116] 车辆的制动持续时间为：Δt＝t1‑t0；

[0117] 车辆的平均减速度为：μ＝∑μi/Δt；

[0118] 车辆的车轮制动力为：

[0119]

[0120]

[0121] 其中，Fμ1为车辆的前轮制动力，Fμ2为车辆的后轮制动力；G为汽车重力，L为轴距，b为质心到后轴的距离，a为质心到前轴的距离，hg为质心高度，Z为制动强度， 为附着系数，
T1为前驱能量回收力矩，T2为后驱动能量回收力矩，r为车轮半径，μi为加速度。

[0122] 所述制动特征参数提取单元322根据提取到的制动特征参数，将有关联的制动特征参数作为制动特征参数组合。例如将车轮制动力和制动初速度作为一组制动特征参数组
合等。

[0123] 进一步地，所述车辆使用工况谱更新模块33，具体用于：根据所述特征参数组合，更新预设的车辆制动工况谱，并进行存储；其中，所述车辆制动工况谱用于统计所述车辆的
所有制动事件中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的
累计值。

[0124] 作为举例，对于车轮制动力和制动初速度这一制动特征参数组合，在一种实施方式下，构建对应的第一车辆制动工况谱，用于统计所述车辆发生的所有制动事件中，不同的
制动初速度下对应的车轮制动力，并将发生的相同的数值组合的制动持续时间进行叠加。
比如制动力为100N、制动初速度为20km/h这一数值组合发生了一次，那么就在这一特征数
据组合的车辆制动工况谱中的相应坐标点处叠加相应制动时长。

[0125] 在另一种实施方式下，构建对应的第二车辆制动工况谱，用于统计所述车辆发生的所有制动事件中，不同的制动初速度下对应的车轮制动力，并将发生的相同的数值组合
的制动频次进行叠加。比如制动力为100N、制动初速度为20km/h这一数值组合发生了一次，
那么就在这一特征数据组合的车辆制动工况谱中的相应坐标点处叠加相应的次数。

[0126] 需要说明的是，在所述车辆制动工况谱中，关于每一制动特征参数组合的制动持续时间或制动频次的表示方式可以采用数值标识的方式，或采用不同颜色标识的方式，或
采用不同填充图案表示的方式，均不影响本发明取得的有益效果。

[0127] 可以理解地，上述提到的场景和数值仅仅作为举例，在实际应用过程中，所述边缘处理器将根据实际获取到的车辆制动数据，进行相应的制动特征参数的提取和关联，并更
新对应的车辆制动工况谱，均不影响本发明取得的有益效果。

[0128] 进一步地，所述车辆使用工况谱上传模块34，具体用于：在当前时刻满足数据上传周期，或已存储的车辆制动工况谱的数据大小满足数据上传阈值时，判定满足数据上传条
件；并将已存储的所述车辆制动工况谱上传至云端处理器。

[0129] 在本发明实施例中，所述车辆的车辆制动工况谱的上传采用定时触发或定量触发的方式，例如，以一周或一个月为一个数据上传周期，在当前时刻满足所述数据上传周期
时，所述车辆使用工况谱上传模块34将已存储的所述车辆制动工况谱上传至云端处理器。
或者以数据大小为10M作为数据上传阈值，当已存储的车辆制动工况谱的数据大小满足所
述数据上传阈值时，所述车辆使用工况谱上传模块34将已存储的所述车辆制动工况谱上传
至云端处理器。

[0130] 本发明实施例提供了一种边缘处理器，包括状态数据获取模块、特征参数提取模块、车辆使用工况谱更新模块和车辆使用工况谱上传模块。状态数据获取模块实时获取车
辆制动数据，由特征参数提取模块根据所述车辆制动数据进行制动事件的判断，并提取和
关联得到车辆制动的特征参数组合，车辆使用工况谱更新模块根据所述特征参数组合，更
新预设的车辆制动工况谱；其中，所述车辆制动工况谱用于统计所述车辆的所有制动事件
中的特征参数组合在各种车辆制动工况下，关于制动持续时间或制动频次的累计值。车辆
使用工况谱上传模块在判定满足数据上传条件时，将已存储的所述车辆制动工况谱上传至
云端处理器，以使所述云端处理器能够根据不同车辆的车辆制动工况谱，分析用户制动工
况分布情况。本发明实施例提供的边缘处理器能够实现对高频数据的采集，离数据的源头
更近，保持了数据的鲜度和精度，不需要对车辆加装额外传感器和数据采集设备。并且，通
过车辆的边缘处理器对采集到的车辆制动状态数据进行特征提取和预处理，以得到车辆制
动工况谱并上传至云端处理器，再由云端对所有车辆的数据进行分析，能够有效地提高数
据采集的全面性，也减少了云端处理器的数据处理量，同时不需要后期对用户进行专项调
查统计，减少了人力和物力成本。

[0131] 参见图6，是本发明实施例四提供的一种车辆使用工况监测装置的结构示意图。本发明实施例提供的一种车辆使用工况监测装置40，包括处理器41、存储器42以及存储在所
述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序
时实现如实施例一所述的车辆使用工况监测方法或实施例二所述的车辆制动工况监测方
法。

[0132] 需要说明的是，本发明实施例提供的一种车辆使用工况监测装置用于执行上述实施例的一种车辆使用工况监测方法的所有流程步骤，两者的工作原理和有益效果一一对
应，因而不再赘述。

[0133] 本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设
备执行如实施例一所述的车辆使用工况监测方法或实施例二所述的车辆制动工况监测方
法。

[0134] 本领域普通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，所述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，所述的存储介质可为磁
碟、光盘、只读存储记忆体(Read‑OnlyMemory，ROM)或随机存储记忆体
(RandomAccessMemory，RAM)等。

[0135] 作为优选的实施方式，本发明实施例还提供了一种车辆，包括边缘处理器；其中，所述边缘处理器为实施例三所述的边缘处理器30。

[0136] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为
本发明的保护范围。