一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法與系統(tǒng)，數(shù)據(jù)采集模塊101利用車聯(lián)網(wǎng)01獲取海量汽車歷史數(shù)據(jù)，通過第一層數(shù)據(jù)分析模塊102和車輛使用與跟蹤信息分析模塊103將汽車歷史數(shù)據(jù)分類存儲為車輛使用與跟蹤信息列表；進(jìn)一步地，通過分級預(yù)警分析模塊104和風(fēng)險分析模塊105分析決策車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息，以及針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素分析確定風(fēng)險提示信息，并通過呈現(xiàn)模塊106呈現(xiàn)給目標(biāo)人群。本發(fā)明提出的方法和系統(tǒng)可同時為個人、二手車商、保險公司、汽車生產(chǎn)廠商和4S店五類目標(biāo)人群提供精細(xì)化汽車數(shù)據(jù)業(yè)務(wù)和咨詢服務(wù)，車輛信息完整性和價值評估精確度高，降低系統(tǒng)開發(fā)成本，提高開發(fā)效率，可擴(kuò)展性強(qiáng)。
【專利說明】一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及汽車行業(yè)數(shù)據(jù)分析領(lǐng)域，具體而言，涉及一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法及系統(tǒng)。

【背景技術(shù)】
[0002]2012年中國以1930萬的新車銷量第四次蟬聯(lián)世界之首，足可稱中國已經(jīng)步入汽車社會。目前國內(nèi)汽車保有量已達(dá)1.14億輛，未來10年，預(yù)計能增長到3億輛。專業(yè)人士指出，去年不足480萬輛的二手車交易量卻只是新車銷量的四分之一，不及美國二手車同期的十分之一，足以見得中國二手車蘊藏的“錢景”曠闊的大市場。隨著我國私家車的數(shù)量越來越多，汽車逐漸成為城市居民家庭財產(chǎn)的主要部分，如何更好的保護(hù)自己的財產(chǎn)已經(jīng)成為各個家庭的主要任務(wù)，中國將是世界上最大最有潛力的汽車保險市場，預(yù)計2013-2017年，我國汽車保險行業(yè)收入年均增長率約為26.4%, 2016年收入將達(dá)到11，294億元。另一方面，根據(jù)最新發(fā)行的車聯(lián)網(wǎng)市場預(yù)測報告書顯示，2013年全球車聯(lián)網(wǎng)市場規(guī)模預(yù)計達(dá)到218.2億美元，車聯(lián)網(wǎng)已成為物聯(lián)網(wǎng)領(lǐng)域一個巨大金礦，從2005年至今，中國車聯(lián)網(wǎng)用戶數(shù)已從5萬增長至50萬戶，而預(yù)計到2015年，這一數(shù)字將為1000萬戶，占彼時汽車用戶總數(shù)的將近10%。
[0003]然而，車聯(lián)網(wǎng)經(jīng)過多年的發(fā)展，成功的車聯(lián)網(wǎng)應(yīng)用十分有限，二手車市場仍處于傳統(tǒng)的交易模式，無法形成大規(guī)模成熟的商業(yè)化應(yīng)用。想要實現(xiàn)車聯(lián)網(wǎng)及其應(yīng)用的真正價值，開展基于電信網(wǎng)和互聯(lián)網(wǎng)的汽車數(shù)據(jù)業(yè)務(wù)，就必須建立在一個車聯(lián)網(wǎng)良性的網(wǎng)絡(luò)生態(tài)系統(tǒng)上，“車輛數(shù)據(jù)挖掘和運營”是提供所有服務(wù)的核心基礎(chǔ)。隨著技術(shù)和時代的發(fā)展，“汽車大數(shù)據(jù)”并不僅限于海量結(jié)構(gòu)化數(shù)據(jù)，它還包括博客、點擊流數(shù)據(jù)、機(jī)器和傳感數(shù)據(jù)和社交媒體等非結(jié)構(gòu)數(shù)據(jù)。找到數(shù)據(jù)不再是難題，如何分析數(shù)據(jù)才是最大的難題，必須從市場研究的結(jié)構(gòu)化數(shù)據(jù)分析思路轉(zhuǎn)變?yōu)閿?shù)據(jù)挖掘的思路。大數(shù)據(jù)分析面臨的最大挑戰(zhàn)就是嚴(yán)重缺乏技術(shù)熟練的專業(yè)人才，且新一代分析工具與傳統(tǒng)BI和數(shù)據(jù)倉庫所需要的熟練技能不盡相同。根據(jù)美國道瓊斯風(fēng)險資源(Dow Jones VentureSource)的數(shù)據(jù),在過去的兩年時間里，11.7億美元流向了 119家數(shù)據(jù)庫軟件公司。去年，SAP市值已經(jīng)超過西門子，成為德國市值最高的上市公司，而這樣的業(yè)績部分得益于其數(shù)據(jù)庫軟件HANA的商業(yè)化。中國大數(shù)據(jù)的土壤還沒有真正形成，“差不多先生”、“大概齊”的文化標(biāo)簽一直存在，數(shù)據(jù)挖掘的工具價值并沒有完全被認(rèn)同，硬件和軟件的發(fā)展有待成熟。


【發(fā)明內(nèi)容】

[0004]隨著車輛種類和數(shù)量不斷增長，以及與車輛相關(guān)的新型服務(wù)和應(yīng)用不斷涌現(xiàn)，簡單的數(shù)據(jù)分析方法已經(jīng)不能滿足激烈的汽車行業(yè)競爭的需求。車輛生產(chǎn)廠商、經(jīng)銷商(包括二手車經(jīng)銷商)、保險公司、消費者對車輛數(shù)據(jù)分析均提出了更多針對性的要求。在信息日益開放的互聯(lián)網(wǎng)時代，現(xiàn)有的汽車數(shù)據(jù)分析方法在數(shù)據(jù)收集的種類、實時性、信息開放性均顯示出不足之處。例如，汽車4S店的數(shù)據(jù)分析模式為，通過汽車4S店本身所具備的有限的數(shù)據(jù)記錄能力為相關(guān)的應(yīng)用做準(zhǔn)備，從這些數(shù)據(jù)里挖掘出一些有用的客戶信息，對有用的客戶信息進(jìn)行分析，得出相應(yīng)的分析規(guī)則，進(jìn)行簡單的數(shù)據(jù)分析。同時，根據(jù)有限的客戶以往的用車狀況和車輛維修保養(yǎng)狀況的歷史數(shù)據(jù)圖來做客戶維修保養(yǎng)預(yù)測。然而，汽車4S店模式的車輛信息更多的是為車輛生產(chǎn)廠家和4S店服務(wù)，而對于汽車行業(yè)的其他部分，比如對關(guān)鍵人群——消費者來說，基本是不透明的，無法獲得車輛有價值的參考信息。另一方面，國內(nèi)車輛二手車市場環(huán)境尚不成熟，缺乏對車輛信息全面準(zhǔn)確的跟蹤和記錄以及相關(guān)的交易風(fēng)險和可行性分析等服務(wù)。為了改變目前的汽車數(shù)據(jù)服務(wù)和分析方法滯后的狀況，滿足不同客戶群體對汽車數(shù)據(jù)分析的精細(xì)化需求，本發(fā)明提供了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法與系統(tǒng)，以至少解決上述問題。
[0005]根據(jù)本發(fā)明的一個方面，提供了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法，包括:通過車聯(lián)網(wǎng)獲取汽車海量歷史數(shù)據(jù)；對所述汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息；對所述經(jīng)過第一層數(shù)據(jù)分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表；對所述經(jīng)過第二層數(shù)據(jù)分析后的所述車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，分析決策所述車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息；對所述車輛使用與跟蹤信息列表和分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析確定風(fēng)險提示信息；利用直觀的描述和可視化的方式將所述車輛使用與跟蹤信息列表、所述分級預(yù)警信息、所述風(fēng)險提示信息中的至少一項呈現(xiàn)給所述目標(biāo)人群。
[0006]優(yōu)選地，所述車輛使用和跟蹤信息列表的要素包括:I)車輛基本信息，包括以下信息的至少一項:品牌車型、外觀及顏色、發(fā)動機(jī)號、出廠日期、年檢記錄、報廢信息；2)車輛交易信息，包括以下信息的至少一項:車主信息、車輛用途、車輛里程、交易信息；3)車輛保養(yǎng)信息，包括以下信息的至少一項:常規(guī)保養(yǎng)、召回信息、維修記錄；4)車輛事故信息，包括以下信息的至少一項:保險持續(xù)性、事故信息、保險歷史、違法信息。
[0007]優(yōu)選地，分析決策所述車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息的方法包括:對所述每個要素制定分級預(yù)警規(guī)則，其中，預(yù)警分為高、中、低三個級別；按照所述分級預(yù)警規(guī)則分析決策所述每個要素的分級預(yù)警信息。
[0008]優(yōu)選地，所述針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析確定風(fēng)險提示信息的方法包括:針對所述每個目標(biāo)人群制定至少一項風(fēng)險提示項，所述風(fēng)險提示項包含至少一條風(fēng)險提示信息；針對所述風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則；根據(jù)所述關(guān)聯(lián)規(guī)則分析確定所述風(fēng)險提示項的所述風(fēng)險提示信息。
[0009]優(yōu)選地，所述目標(biāo)人群包括以下目標(biāo)人群的至少一項:個人、二手車商、保險公司、汽車生產(chǎn)廠商、4S店。
[0010]優(yōu)選地，所述基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法還包括，通過車聯(lián)網(wǎng)實時獲取更新的或新增的汽車歷史數(shù)據(jù)，實時進(jìn)行所述第一層和第二層數(shù)據(jù)分析，并在設(shè)定的條件下重新進(jìn)行所述第三層和第四層數(shù)據(jù)分析，更新分級預(yù)警信息和風(fēng)險提示信息；其中，所述重新進(jìn)行所述第三層和第四層數(shù)據(jù)分析的設(shè)定的條件為距上一次分析的時間超過設(shè)定值，或所述車輛使用與跟蹤信息列表的更新比例大于設(shè)定值。
[0011]根據(jù)本發(fā)明的另一個方面，提供了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析系統(tǒng)，包括:1)數(shù)據(jù)采集模塊，用于通過車聯(lián)網(wǎng)獲取汽車海量數(shù)據(jù)；2)第一層數(shù)據(jù)分析模塊，用于對通過所述數(shù)據(jù)采集模塊獲取的所述汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息；3)車輛使用與跟蹤信息分析模塊，用于對通過所述第一層數(shù)據(jù)分析模塊分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表；
4)分級預(yù)警分析模塊，用于對所述車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，對所述車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析；5)風(fēng)險分析模塊，用于對通過所述車輛使用與跟蹤信息分析模塊分析后的所述車輛使用與跟蹤信息列表和通過所述分級預(yù)警分析模塊分析后的分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析并輸出風(fēng)險提示信息；6)呈現(xiàn)模塊，用于利用直觀的描述和可視化的方式將以下信息的至少一項呈現(xiàn)給所述目標(biāo)人群:所述車輛使用與跟蹤信息列表、所述分級預(yù)警信息、所述風(fēng)險提示信息。
[0012]優(yōu)選地，所述分級預(yù)警分析模塊包括:I)預(yù)警規(guī)則單元，用于對所述車輛使用與跟蹤信息列表的每個要素制定分級預(yù)警規(guī)則，其中，預(yù)警分為高、中、低三個級別；2)預(yù)警決策單元，用于按照所述預(yù)警規(guī)則單元的分級預(yù)警規(guī)則分析決策所述每個要素的分級預(yù)警信肩、O
[0013]優(yōu)選地，所述風(fēng)險分析模塊包括:1)風(fēng)險提示項單元，用于針對所述每個目標(biāo)人群制定至少一項風(fēng)險提示項，所述風(fēng)險提示項包含至少一條風(fēng)險提示信息；2)風(fēng)險關(guān)聯(lián)規(guī)則單元，用于針對所述風(fēng)險提示項單元的所述風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則；3)風(fēng)險提示確定單元，用于根據(jù)所述風(fēng)險關(guān)聯(lián)規(guī)則單元的所述關(guān)聯(lián)規(guī)則確定所述風(fēng)險提示項單元的所述風(fēng)險提示項的所述風(fēng)險提示信息。
[0014]優(yōu)選地，所述汽車歷史數(shù)據(jù)分析系統(tǒng)還包括:I)所述數(shù)據(jù)采集模塊，還用于通過車聯(lián)網(wǎng)實時獲取更新的或新增的汽車歷史數(shù)據(jù)；2)所述第一層數(shù)據(jù)分析模塊，還用于對所述數(shù)據(jù)采集模塊獲取的所述更新的或新增的汽車歷史數(shù)據(jù)實時進(jìn)行所述第一層數(shù)據(jù)分析，去除所述更新的或新增的汽車歷史數(shù)據(jù)中的重復(fù)信息、錯誤信息和無用信息；3)所述車輛使用與跟蹤信息分析模塊，還用于對通過所述第一層數(shù)據(jù)分析模塊分析后的所述更新的或新增的汽車歷史數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，更新車輛使用與跟蹤信息列表；4)所述分級預(yù)警分析模塊，還用于在設(shè)定的條件下重新對所述更新后的車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析，更新分級預(yù)警信息；其中，所述設(shè)定的條件為距上一次分析的時間超過設(shè)定值，或所述車輛使用與跟蹤信息列表的更新比例大于設(shè)定值；5)所述風(fēng)險分析模塊，還用于對所述更新后的車輛使用與跟蹤信息列表和所述更新后的分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，更新風(fēng)險提示信息。
[0015]通過本發(fā)明，可同時為個人、二手車商、保險公司、汽車生產(chǎn)廠商和4S店五類客戶群體分別有針對性的提供精細(xì)化汽車數(shù)據(jù)業(yè)務(wù)和咨詢服務(wù)，車輛信息完整性和價值評估精確度高，降低系統(tǒng)開發(fā)成本，避免了針對不同客戶群體的部分模塊的重復(fù)開發(fā)，提高開發(fā)效率，可擴(kuò)展性強(qiáng)，且可形成新的汽車數(shù)據(jù)子業(yè)務(wù)和新的服務(wù)模式，有廣闊的應(yīng)用前景和較好的經(jīng)濟(jì)收益。
[0016]

【專利附圖】

【附圖說明】
[0017]此處所說明的附圖用來提供對本發(fā)明的進(jìn)一步理解，構(gòu)成本申請的一部分，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。在附圖中:
圖1是本發(fā)明基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析系統(tǒng)的示意圖； 圖2是本發(fā)明實施例1中車輛使用與跟蹤信息列表的四類信息的關(guān)聯(lián)性說明；
圖3是本發(fā)明實施例1中分級預(yù)警分析模塊104的示意圖；
圖4是本發(fā)明實施例1中風(fēng)險分析模塊105的示意圖；
圖5是根據(jù)本發(fā)明實施例2的基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法的示意圖；

【具體實施方式】
[0018]下文中將參考附圖并結(jié)合兩個實施例來詳細(xì)說明本發(fā)明。需要說明的是，在不沖突的情況下，本申請中的實施例及實施例中的特征可以相互組合。
[0019]根據(jù)本發(fā)明實施例1，提供了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析系統(tǒng)，如圖1所示。在本發(fā)明實施例中，該系統(tǒng)由數(shù)據(jù)采集模塊101利用車聯(lián)網(wǎng)01獲取海量汽車數(shù)據(jù)，通過第一層數(shù)據(jù)分析模塊102和車輛使用與跟蹤信息分析模塊103將汽車歷史數(shù)據(jù)分類存儲為車輛使用與跟蹤信息列表；進(jìn)一步地，通過分級預(yù)警分析模塊104和風(fēng)險分析模塊105分析決策車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息，以及針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素分析確定風(fēng)險提示信息，并通過呈現(xiàn)模塊106呈現(xiàn)給目標(biāo)人群。具體步驟如下:
I)數(shù)據(jù)采集模塊101利用車聯(lián)網(wǎng)01獲取海量汽車數(shù)據(jù)。其中，獲取的海量汽車數(shù)據(jù)可以來自汽車本身、遠(yuǎn)程服務(wù)器/數(shù)據(jù)庫03和汽車相關(guān)企事業(yè)部門(如車輛生產(chǎn)廠家、車輛銷售企業(yè)、保險公司、車輛管理部門、以及車輛的個人和企業(yè)用戶等)的本地服務(wù)器/數(shù)據(jù)庫04，獲取的通信方式包括電信網(wǎng)(有線、無線)、互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)等。
[0020]2)第一層數(shù)據(jù)分析模塊102對獲取的汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息。
[0021]3)車輛使用與跟蹤信息分析模塊103將第一層數(shù)據(jù)分析模塊分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表。它具有數(shù)據(jù)質(zhì)量高、運行效率高以及擴(kuò)展性強(qiáng)等三大特點。所采集的數(shù)據(jù)經(jīng)過按類別的仔細(xì)篩選后，整理和存儲至少一條車輛使用與跟蹤信息列表，信息列表包括車輛基本信息、車輛交易信息、車輛保養(yǎng)信息和車輛事故信息四個類型，而每一個大類型又可以分成若干個數(shù)據(jù)屬性，這樣可以有效地分辨出數(shù)據(jù)分析和使用時的關(guān)聯(lián)度程度，并且提高在數(shù)據(jù)提取和應(yīng)用時的速度。該分析模塊可以提供全面的車輛數(shù)據(jù)，擺脫目前系統(tǒng)中存在的數(shù)據(jù)單一、關(guān)聯(lián)度弱，數(shù)據(jù)挖掘潛力低的問題，可以實現(xiàn)車輛從出廠、銷售、維修保養(yǎng)、交易、事故、報廢等完整的數(shù)據(jù)記錄，從而達(dá)到對車輛狀態(tài)的實時跟蹤、查詢與反饋，所有的信息可以給生產(chǎn)廠家、車管所、保險公司、二手車買賣雙方等提供參考，合理評估車輛當(dāng)前的機(jī)械條件、交易價值等。車輛使用與跟蹤信息列表的四類信息如下，四類信息的關(guān)聯(lián)性如圖2所示。
[0022]—車輛基本信息
系統(tǒng)詳細(xì)記錄車輛出廠時的各類信息，供用戶核對相關(guān)信息是否與出廠信息一致。主要基本信息包括車輛品牌、型號、生產(chǎn)日期、車輛外觀信息、年檢記錄以及最重要的發(fā)動機(jī)號碼(Vehicle Identical Number)和報廢記錄等。
[0023]——車輛交易信息
記錄車輛在歷次交易時的相關(guān)數(shù)據(jù)信息，從而實現(xiàn)對車輛交易和流通歷史的追溯及核對。主要交易信息包括:歷任車主信息、使用里程和使用時間、車輛注冊及使用地區(qū)、歷次車輛交易時間等。
[0024]——車輛保養(yǎng)信息
記錄車輛在品牌4S店以及第三方保養(yǎng)店的保養(yǎng)信息，反映車輛是否按時進(jìn)行相關(guān)保養(yǎng)工作，以及車輛對。主要保養(yǎng)信息包括:常規(guī)保養(yǎng)信息和保養(yǎng)內(nèi)容、車輛官方召回記錄、一般性維修記錄等。
[0025]—車輛事故信息
記錄車輛購買保險的連續(xù)性和事故記錄以及由事故引起的維修，還有車輛其他遺損記錄信息，反映車輛在歷次事故中的損傷情況，以及后續(xù)的修復(fù)情況。主要保險信息包括:保險購買信息，事故記錄及維修記錄，還有車輛遺失及其他損壞記錄。
[0026]4)分級預(yù)警分析模塊104 (圖3)對車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，對車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析。其中:預(yù)警規(guī)則單元1041對所述車輛使用與跟蹤信息列表的每個要素制定分級預(yù)警規(guī)則，預(yù)警分為高、中、低三個級別；預(yù)警決策單元按照所述預(yù)警規(guī)則單元的分級預(yù)警規(guī)則分析決策所述每個要素的分級預(yù)警信息。例如，車輛事故要素的預(yù)警規(guī)則為根據(jù)事故對車輛的損壞程度，如結(jié)構(gòu)性損壞的預(yù)警被定為高級別，預(yù)警決策單元按照此規(guī)則分析車輛事故是否屬于結(jié)構(gòu)性損壞，如果是，決策這次車輛事故要素的分級預(yù)警信息為高級別。
[0027]5)風(fēng)險分析模塊105 (圖4)對車輛使用與跟蹤信息列表和分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析并輸出風(fēng)險提示信息。其中，風(fēng)險提示項單元1051針對每個目標(biāo)人群制定至少一項風(fēng)險提示項,風(fēng)險提示項包含至少一條風(fēng)險提示信息；風(fēng)險關(guān)聯(lián)規(guī)則單元1052針對每個風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則；風(fēng)險提示確定單元1053根據(jù)關(guān)聯(lián)規(guī)則確定風(fēng)險提示信息。風(fēng)險分析模塊通過車輛使用與跟蹤信息分析模塊103和分級預(yù)警分析模塊104作為數(shù)據(jù)準(zhǔn)備對車輛基本信息、交易信息、保養(yǎng)信息以及事故信息進(jìn)行數(shù)據(jù)統(tǒng)計和分析，從海量的數(shù)據(jù)中探索和研究車輛品牌價值、車輛交易價值、車輛故障與問題、車輛事故及車輛安全等潛在規(guī)律。對于不同的目標(biāo)人群，利用數(shù)據(jù)分類、估計和預(yù)測以及關(guān)聯(lián)等分析方法，探尋與之息息相關(guān)的數(shù)據(jù)規(guī)律，針對每個風(fēng)險提示項輸出一條或多條風(fēng)險提示信息。其中，目標(biāo)人群可以是個人、二手車商、保險公司、汽車生產(chǎn)廠商和4S店等。
[0028]例如，消費者所關(guān)注的某一臺汽車發(fā)生過兩起交通事故，風(fēng)險分析模塊105針對該消費者的需求制定了兩項風(fēng)險提示項“未來發(fā)生事故的可能性”和“對車輛壽命的影響”以及相應(yīng)的關(guān)聯(lián)規(guī)則。風(fēng)險提示確定單元1053根據(jù)該車的車輛使用與跟蹤信息列表中的車輛事故要素信息可以查到車輛兩起事故的預(yù)警等級，以及發(fā)生時間、地點、車輛損壞信息等信息，通過關(guān)聯(lián)車輛使用與跟蹤信息列表中的保養(yǎng)要素可以查到兩起事故的相關(guān)維修信息和相應(yīng)的預(yù)警等級，還可以查到其它與之相關(guān)的信息和預(yù)警等級，通過關(guān)聯(lián)分析兩起事故的多種特征，對兩項風(fēng)險提示項“未來發(fā)生事故的可能性”和“對車輛壽命的影響”進(jìn)行估計和預(yù)測，輸出風(fēng)險提示信息。
[0029]6)呈現(xiàn)模塊，用于利用直觀的描述和可視化的方式將車輛使用與跟蹤信息列表、分級預(yù)警信息、風(fēng)險提示信息根據(jù)客戶需求呈現(xiàn)給目標(biāo)客戶群。
[0030]
優(yōu)選地，本實施例1的汽車歷史數(shù)據(jù)分析系統(tǒng)還包括以下步驟: 1)數(shù)據(jù)采集模塊101通過車聯(lián)網(wǎng)實時獲取更新的或新增的汽車歷史數(shù)據(jù)；
2)第一層數(shù)據(jù)分析模塊102對更新的或新增的汽車歷史數(shù)據(jù)實時進(jìn)行第一層數(shù)據(jù)分析，去除所述更新的或新增的汽車歷史數(shù)據(jù)中的重復(fù)信息、錯誤信息和無用信息；
3)車輛使用與跟蹤信息分析模塊103對更新的或新增的汽車歷史數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，更新車輛使用與跟蹤信息列表；
4)分級預(yù)警分析模塊104在設(shè)定的條件下重新對更新后的車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析，更新分級預(yù)警信息；其中，設(shè)定的條件為距上一次分析的時間超過設(shè)定值，或車輛使用與跟蹤信息列表的更新比例大于設(shè)定值；
5)風(fēng)險分析模塊105對更新后的車輛使用與跟蹤信息列表和更新后的分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，更新風(fēng)險提示信息。
[0031]根據(jù)本發(fā)明實施例2，提供了一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法，流程圖如圖5所示。在本發(fā)明實施例中，利用車聯(lián)網(wǎng)獲取的海量汽車數(shù)據(jù)首先通過第一層數(shù)據(jù)分析和第二層數(shù)據(jù)分析過程，分析存儲為多條車輛使用與跟蹤信息列表；進(jìn)一步地，通過第三層數(shù)據(jù)分析和第四層數(shù)據(jù)分析過程，分析決策車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息，以及針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素分析確定風(fēng)險提示信息。當(dāng)有目標(biāo)人群因特定需求進(jìn)行查詢時，根據(jù)此特定需求提供相應(yīng)的分析結(jié)果。具體步驟如下:
I)利用車聯(lián)網(wǎng)01獲取海量汽車歷史數(shù)據(jù)。
[0032]2)對獲取的汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息。
[0033]3)將第一層數(shù)據(jù)分析模塊分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表，信息列表包括車輛基本信息、車輛交易信息、車輛保養(yǎng)信息和車輛事故信息四個類型，每一個大類型又可以分成若干個數(shù)據(jù)屬性。
[0034]4)對車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，對車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析。其中，車輛使用與跟蹤信息列表的每個要素制定了分級預(yù)警規(guī)則(預(yù)警分為高、中、低三個級別)，按照分級預(yù)警規(guī)則分析決策每個要素的分級預(yù)警信肩、O
[0035]5)對車輛使用與跟蹤信息列表和分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析并輸出風(fēng)險提示信息。其中，針對每個目標(biāo)人群制定至少一項風(fēng)險提示項，風(fēng)險提示項包含至少一條風(fēng)險提示信息，并針對每個風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則，根據(jù)關(guān)聯(lián)規(guī)則確定一條或多條風(fēng)險提示信息。
[0036]6)當(dāng)有目標(biāo)人群因特定需求進(jìn)行查詢時，根據(jù)此特定需求提供相應(yīng)的分析結(jié)果。在本實施例中，目標(biāo)人群為二手車商，正在考慮是否收購一臺二手車，希望獲得這臺二手車的分級預(yù)警信息和風(fēng)險提示信息。當(dāng)他查看了這些信息后，發(fā)現(xiàn)此臺車有曾經(jīng)被水淹的低等級預(yù)警信息和輕度風(fēng)險提示信息，進(jìn)而進(jìn)一步查詢相關(guān)維修等歷史信息，從而最終決定是否收購此臺二手車以及收購的價格。
[0037]本發(fā)明提出的方法和系統(tǒng)可同時為個人、二手車商、保險公司、汽車生產(chǎn)廠商和4S店五類目標(biāo)人群提供精細(xì)化汽車數(shù)據(jù)業(yè)務(wù)和咨詢服務(wù)，車輛信息完整性和價值評估精確度高，降低系統(tǒng)開發(fā)成本，提高開發(fā)效率，可擴(kuò)展性強(qiáng)，且可形成新的商業(yè)模式，有廣闊的應(yīng)用前景和較好的經(jīng)濟(jì)收益。
[0038]
顯然，本領(lǐng)域的技術(shù)人員應(yīng)該明白，上述的本發(fā)明的各模塊或各步驟可以用通用的計算裝置來實現(xiàn)，它們可以集中在單個的計算裝置上，或者分布在多個計算裝置所組成的網(wǎng)絡(luò)上，可選地，它們可以用計算裝置可執(zhí)行的程序代碼來實現(xiàn)，從而，可以將它們存儲在存儲裝置中由計算裝置來執(zhí)行，并且在某些情況下，可以以不同于此處的順序執(zhí)行所示出或描述的步驟，或者將它們分別制作成各個集成電路模塊，或者將它們中的多個模塊或步驟制作成單個集成電路模塊來實現(xiàn)。這樣，本發(fā)明不限制于任何特定的硬件和軟件結(jié)合。
[0039]以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制本發(fā)明，對于本領(lǐng)域的技術(shù)人員來說，本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。
[0040]
【權(quán)利要求】
1.一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析方法，其特征在于，包括: 通過車聯(lián)網(wǎng)獲取汽車海量歷史數(shù)據(jù)； 對所述汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息； 對所述經(jīng)過第一層數(shù)據(jù)分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表； 對所述經(jīng)過第二層數(shù)據(jù)分析后的所述車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，分析決策所述車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息； 對所述車輛使用與跟蹤信息列表和分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析確定風(fēng)險提示信息； 利用直觀的描述和可視化的方式將以下信息的至少一項呈現(xiàn)給所述目標(biāo)人群:所述車輛使用與跟蹤信息列表、所述分級預(yù)警信息、所述風(fēng)險提示信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述車輛使用和跟蹤信息列表的要素包括: 車輛基本信息，包括以下信息的至少一項:品牌車型、外觀及顏色、發(fā)動機(jī)號、出廠日期、年檢記錄、報廢信息； 車輛交易信息，包括以下信息的至少一項:車主信息、車輛用途、車輛里程、交易信息； 車輛保養(yǎng)信息，包括以下信息的至少一項:常規(guī)保養(yǎng)、召回信息、維修記錄； 車輛事故信息，包括以下信息的至少一項:保險持續(xù)性、事故信息、保險歷史、違法信肩、O
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，分析決策所述車輛使用與跟蹤信息列表的每個要素的分級預(yù)警信息的方法包括: 對所述每個要素制定分級預(yù)警規(guī)則，其中，預(yù)警分為高、中、低三個級別； 按照所述分級預(yù)警規(guī)則分析決策所述每個要素的分級預(yù)警信息。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析確定風(fēng)險提示信息的方法包括: 針對所述每個目標(biāo)人群制定至少一項風(fēng)險提示項，所述風(fēng)險提示項包含至少一條風(fēng)險提示信息； 針對所述風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則； 根據(jù)所述關(guān)聯(lián)規(guī)則分析確定所述風(fēng)險提示項的所述風(fēng)險提示信息。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)人群包括以下目標(biāo)人群的至少一項: 個人、二手車商、保險公司、汽車生產(chǎn)廠商、4S店。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述汽車歷史數(shù)據(jù)分析方法還包括: 通過車聯(lián)網(wǎng)實時獲取更新的或新增的汽車歷史數(shù)據(jù)，實時進(jìn)行所述第一層和第二層數(shù)據(jù)分析，并在設(shè)定的條件下重新進(jìn)行所述第三層和第四層數(shù)據(jù)分析，更新分級預(yù)警信息和風(fēng)險提示信息；其中，所述重新進(jìn)行所述第三層和第四層數(shù)據(jù)分析的設(shè)定的條件為距上一次分析的時間超過設(shè)定值，或所述車輛使用與跟蹤信息列表的更新比例大于設(shè)定值。
7.一種基于車聯(lián)網(wǎng)的汽車歷史數(shù)據(jù)分析系統(tǒng)，其特征在于，包括: 數(shù)據(jù)采集模塊，用于通過車聯(lián)網(wǎng)獲取汽車海量數(shù)據(jù)； 第一層數(shù)據(jù)分析模塊，用于對通過所述數(shù)據(jù)采集模塊獲取的所述汽車海量歷史數(shù)據(jù)進(jìn)行第一層數(shù)據(jù)分析，去除重復(fù)信息、錯誤信息和無用信息； 車輛使用與跟蹤信息分析模塊，用于對通過所述第一層數(shù)據(jù)分析模塊分析后的數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，分類存儲至少一條車輛使用與跟蹤信息列表； 分級預(yù)警分析模塊，用于對所述車輛使用與跟蹤信息列表進(jìn)行第三層數(shù)據(jù)分析，對所述車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析； 風(fēng)險分析模塊，用于對通過所述車輛使用與跟蹤信息分析模塊分析后的所述車輛使用與跟蹤信息列表和通過所述分級預(yù)警分析模塊分析后的分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，針對不同目標(biāo)人群關(guān)聯(lián)不同的數(shù)據(jù)要素，分析并輸出風(fēng)險提示信息； 呈現(xiàn)模塊，用于利用直觀的描述和可視化的方式將以下信息的至少一項呈現(xiàn)給所述目標(biāo)人群:所述車輛使用與跟蹤信息列表、所述分級預(yù)警信息、所述風(fēng)險提示信息。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述分級預(yù)警分析模塊包括: 預(yù)警規(guī)則單元，用于對所述車輛使用與跟蹤信息列表的每個要素制定分級預(yù)警規(guī)則，其中，預(yù)警分為高、中、低三個級別； 預(yù)警決策單元，用于按照所述預(yù)警規(guī)則單元的分級預(yù)警規(guī)則分析決策所述每個要素的分級預(yù)警信息。
9.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述風(fēng)險分析模塊包括: 風(fēng)險提示項單元，用于針對所述每個目標(biāo)人群制定至少一項風(fēng)險提示項，所述風(fēng)險提示項包含至少一條風(fēng)險提示信息； 風(fēng)險關(guān)聯(lián)規(guī)則單元，用于針對所述風(fēng)險提示項單元的所述風(fēng)險提示項制定至少一條關(guān)聯(lián)規(guī)則； 風(fēng)險提示確定單元，用于根據(jù)所述風(fēng)險關(guān)聯(lián)規(guī)則單元的所述關(guān)聯(lián)規(guī)則確定所述風(fēng)險提示項單元的所述風(fēng)險提示項的所述風(fēng)險提示信息。
10.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述汽車歷史數(shù)據(jù)分析系統(tǒng)還包括: 所述數(shù)據(jù)采集模塊，還用于通過車聯(lián)網(wǎng)實時獲取更新的或新增的汽車歷史數(shù)據(jù)； 所述第一層數(shù)據(jù)分析模塊，還用于對所述數(shù)據(jù)采集模塊獲取的所述更新的或新增的汽車歷史數(shù)據(jù)實時進(jìn)行所述第一層數(shù)據(jù)分析，去除所述更新的或新增的汽車歷史數(shù)據(jù)中的重復(fù)息、錯誤息和無用息; 所述車輛使用與跟蹤信息分析模塊，還用于對通過所述第一層數(shù)據(jù)分析模塊分析后的所述更新的或新增的汽車歷史數(shù)據(jù)進(jìn)行第二層數(shù)據(jù)分析，更新車輛使用與跟蹤信息列表；所述分級預(yù)警分析模塊，還用于在設(shè)定的條件下重新對所述更新后的車輛使用與跟蹤信息列表的每個要素進(jìn)行分級預(yù)警分析，更新分級預(yù)警信息；其中，所述設(shè)定的條件為距上一次分析的時間超過設(shè)定值，或所述車輛使用與跟蹤信息列表的更新比例大于設(shè)定值；所述風(fēng)險分析模塊，還用于對所述更新后的車輛使用與跟蹤信息列表和所述更新后的分級預(yù)警信息進(jìn)行第四層數(shù)據(jù)分析，更新風(fēng)險提示信息。
【文檔編號】G06F17/30GK104133818SQ201310160269
【公開日】2014年11月5日 申請日期:2013年5月4日 優(yōu)先權(quán)日:2013年5月4日
【發(fā)明者】不公告發(fā)明人 申請人:白銀博德信通科技有限公司