基于Net的汽车异常油耗数据分析与处理.pdf

《基于Net的汽车异常油耗数据分析与处理.pdf》由会员分享，可在线阅读，更多相关《基于Net的汽车异常油耗数据分析与处理.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于N e t 的九丰异常油耗数据分析与处理基于N e t 的汽车异常油耗数据分析与处理T h eO u t l i e rA n a l y s i sa n dP r o c e s so fF u e lC o n s u m p t i o nD a t aB a s e do n N e t韩辉王坚赵荣泳(同济大学C I M S 研究中心，上海2 0 1 8 0 4)摘要：在为实现对物流企业汽车油耗数据的全面实时监控而开发的软件系统中，基于N e t 技术实现了对于汽车异常油耗数据的降噪、自动识别、判断、捕捉与显示功能。在此过程中，首先对汽车油耗数据的特点进行分析，选取决策树分析法对

2、数据进行分类，并在结果中区分不同类型的异常釉耗数据。软件使用c#代码编写友好的可视化界面，并以表格和图形两种方式提交查询结果，便于用户操作。关键词：异常数据决策树自动捕捉降噪A b s t r a c t：I nt h es o f t w a r es y s t e mt h a t Sp r o g r a m m e dt om o n i t o rt h eu s a g eo fv e h i c l e s f u e lc o n s u m p t i o ni nl o g i s t i c se n t e r p r i s e s，as e r i e so ff

3、 u n c t i o n sa r ed e v e l o p e db a s e do n N e t，w h i c hc o n t a i n sh o wt oc l a s s i f y，e s t i m a t e，c a p t u r ea n dd i s p l a yt h eo u t l i e r so ft h em o t o rv e h i c l e Sf u e lc o n s u m p t i o n F i r s t l y，t h ef e a t u r e so ft h em o t o rv e h i c l e Sf

4、 u e lc o n s u m p t i o na r ea n a l y z e d T h e nt h ed e c i s i o nt r e ea l g o r i t h mi sa p p l i e dt or e a l i z et h ec l a s s i f i c a t i o no fa l lt h ed a t aa n di d e n t i f yt h ed i f f e r e n tt y p e so ft h eo u t l i e r si nt h ec l a s s i f i e dd a t a T h es o

5、 f t w a r es y s t e mu s e sC#l a n g u a g et op r o g r a maf r i e n d l ya n dv i s u a li n t e r f a c e，a n ds u b m i tt h er e s u l tt ou s e r si ne a s y o p e r a t i n gf o r mo ft a b l ea n dp i c t u r e K e yw o r d s：o u t l i e rd e c i s i o nt r e ea u t o m a t i cc a p t u

6、r en o i s yd a t a0引言由于缺乏先进的技术手段，汽车运输行业目前尚无法实现对汽车油料使用情况的准确监控，仍普遍采用原始的油票分配与统计制度，借此进行粗略的控制。这种方式误差较大，存在虚开油票等灰色空间，造成了大鼍不必要的经济损失。为解决上述问题，市场上出现了采取技术手段对汽车油耗数据进行实时监测的系统，如何根据用户需求实现对于异常油耗数据的分析和处理是提高这些系统性能的关键。本文针对用户需求，提出了汽车异常油耗数据的分析方法，并基于N e t 平台开发了能够实现汽车异常油耗数据分析、降噪与自动捕捉的软件系统，能够对采集到的汽车油耗数据进行分析，结合汽车自身特性降低数据噪声，

7、自动识别和捕捉包括“加油点”(即汽车油量值增加黾超出指定阈值的点)和“漏油点”(即汽车油量值减少量超出指定阈值的点)在内的异常油耗数据，为企业加强燃油绩效管理、实现节能降耗提供决策依据。1 异常油耗数据分析与处理方法研究对汽车异常油耗数据的分析，本质上是异常数据作者简介：韩辉1 9 8 6 年生，硕士研究生。主要研究方向为能源系统工程。王坚1 9 6 1 年生，研究员，博士生导师。主要研究方向为系统工程与制造业信息化。赵荣泳1 9 7 6 年生。讲师。主要研究方向为能源系统工程。机电一体化I2 0 1 0。1 1万方数据分析技术在汽车油耗数据中的针对性应用，现就其实现过程中的关键技术展开分析。

8、1 1汽车油耗数据特点分析汽车油耗数据包含两类数值：油黾：值与时间值，二者一一对应。为了确保采集信息的可靠性，系统在lh内会均匀采集汽车油耗数据数1 0 次，而由于物流企业的行业特点，不可能对油耗数据频繁读取与分析，这就决定了汽车油耗数据大容量的特点。在产品实践中，系统中存储的一台汽车的油耗数据可能达到上万条甚至几万条，因此只有计算机才能高效地实现对于全部异常数据的分析与处理，并将结果提交给用户。导致汽车油耗数据出现波动值超出误差允许范围的异常数据的原因有：(1)汽车进行加油，在油耗数据中表现为油量数值在短时间内大幅度稳定增加，记为异常数据I。(2)汽车南于机械或人为原因出现漏油或取油，A p

9、 p l i c a t i o n C o m m u n i c a t i o ni 晒圃圈在油耗数据中表现为油量数值在短时间内大幅度稳定减少，记为异常数据I I。(3)汽车油量测量仪器由于某种原因出现故障，在油耗数据中表现为油量数值出现无规律反常理的跳变，记为噪声数据I。(4)汽车在运行过程中颠簸，在油耗数据中表现油量数值的小幅震荡，记为噪声数据I I。其中，噪声数据I I 为系统降噪的目标数据，异常数据I 与异常数据I I 是系统自动识别与捕捉的目标数据。综上，应首先实现对于汽车油耗数据的分类，将全部符合用户设定的阈值条件的噪声数据I I、异常数据I与异常数据I I 提取出来，放置在

10、集合中，再结合N e t 平台与数据库技术，实现对异常数据的降噪、自动识别与捕捉，并将结果以可视化的形式提交给用户。汽车异常油耗数据分析与处理的总体过程如图l 所示。数据采集卜叫数据录入卜叫数据分析卜叫数据降噪卜叫数据处理卜叫结果显示根据数据特征进行II基于N e t 平台实现Il基于N e t 平台实现对异分类，获取异常数据集合II 对特定噪声数据的降噪lI 常数据的自动识别与捕捉图1 汽车油耗数据分析与处理过程1 2 基于决策树的汽车异常油耗数据分析对汽车异常油耗数据的分析应达到以下目的：通过数据分类，区分不同的异常数据与噪声数据，获取满足用户指定条件的噪声数据与两类异常数据集合。数据分类

11、是其中的关键环节，是实现对异常数据自动识别与捕捉的前提。常用的数据分类方法有，基于距离的分类方法、决策树分类方法、贝叶斯分类方法和规则分类方法儿引。对具体分类方法的选择必须根据数据本身的特点进行。汽车油耗数据中的噪声数据I，本质是汽车大幅度颠簸引起采集器电压突变，进而导致油鼍值突变，以数值超出油箱上下限为显著标志。由于汽车油耗数据中每个数据均包含绑定在一起的时间值与油量值，因此，清除此类数据可能影响时间值数据的连续性。为避免对确定用户设定的时间阈值的过程造成影响，只能在分类过程中清除噪声数据I。同时，由于汽车在运行过程中不可能不颠簸，因此噪声数据I I 不可避免。这类噪声数据是对汽车运行过程的

12、真实反映，数据量极大，而且不同车型判断噪声数据的标准迥异，不能在分类过程中清除，而应该在数据处理阶段结合特定算法进行降噪。此外，在实际操作中，用户对于各类指标值(如时间、油量差等)都会根据需要设定指定的闾值，对此也应该在构造分类算法时予以重视。根据汽车油耗数据的以上特点，选用决策树分类方法对数据进行分类。决策树(d e c i s i o nt r e e)分类方法是从数据中生成分类器的一种特别有效的方法，是应用最广泛的逻辑方法之一。它采用自顶向下的递归方式，在决策树的内部结点进行属性值的比较，并根据不同的属性值判断从该结点向下的分支，在决策树叶结点得到最终的结论p。汽车油耗数据本身有两个属性

13、，即时间值(t i m e)和油龉值(o i l v 0 1)；而油鼍值中异常数据主要通过时刻间油量差值来表征，因此应当构造一个新属性，即油置差值(o i l-d i f f)，其值为当前时刻与上一时刻的油鼍值之2 0 1 0”I 机电一体化万方数据基于N e t 的汽车异常油耗数据分析与处理i l l l l lI I I i I I l la 一l l l l l l I I II I I I I-I I I I I I I I I I I I i-差。噪声数据I I 的存在对于异常油耗数据的分类和确定造成了一定障碍，为排除其干扰，应当构造一个新的属性作为逻辑判断条件。经测试，选取时间距离

14、当前时刻最近的之前5 个点的平均值(a v e l)，与之后5 个点的平均值(a v e 2)之差油罱=均差值(a v e d i f f)作为这一属性是合适的，能够作为判断当前时刻数据是否符合指定阈值的异常油耗数据的重要依据H，。汽车油耗数据是时间前向型数据，这就要求在分类过程中不能忽视时间的作用。由于时间值与油最值不可分割，且具有唯一性，因此在分类过程中应该将时指定间值(t i m e)作为决策属性。由于用户在查询时会指定时问阈值，这也可以减少数据分析量。同时，为了清除噪声数据I，应将油量值(o i l v 0 1)设为下一个内部结点。下一步应依次选取油量差值(o i l-d i f f)

15、和油最均差值(a v e d i f f)作为内部结点。其作用分别是，选取可能的异常油耗数据和排除噪声数据I I 的干扰，最终确定异常数据I 与异常数据I I。根据上述思想，再加上用户指定的阈值范围作为判断条件，就可以产生能有效提取异常数据I 与异常数据I I 集合的决策树。产生的决策树模型如图2 所示。图2 决策树模型其中，噪声数据I、噪声数据I I、异常数据I、异常数据I I 即为2 1 中所述的数据。由o i l d i f f 结点生成新的分支过程中，逻辑判断的条件为o i l-d i f f 值与用户指定阈值I 的关系，并根据其正负分别产生表征叮能异常数据I(加油点数据)与可能异常数

16、据I I(漏油点数据)的分支。8 v e d i f f 结点的阈值I I 应根据车型而异，其值与汽车的油量上下限值、油箱标称电压等指标有关，其分支的终点异常数据I、异常数据I I 即为所求的异常数据集合。1 3 汽车油耗数据的降噪噪声数据I I 本身是对汽车运行状态的真实反映，不会对异常数据的识别和捕捉造成影响，但会影向数据显示时的清晰度和美观度，因此，应采取适当方式降低噪声。根据噪声数据I I 共有的特性，结合不同车型的噪声数据样本的特点，构造了一种基于稳定数据平台的7 0 机电一体化l2 0 1 0 1 1数据降噪方法，包含以下步骤：1)基于车型噪声数据的特点，确定平台判定标准；2)根据

17、、F 台判定标准和噪声数据区间，实施降噪算法；3)根据用户需求多次迭代，达到最佳效果。其中降噪算法的流程图如图3 所示。根据上述降噪方法，基于N e t 开发了具体的软件工具，让用户可以根据车型的特点自主选择数据平台判定标准和噪声数据的认定区间，既没有对数据的真实性和异常数据的捕捉与识别构成影响，又在显示结果时大大降低了噪声数据的影响，达到了较好的效果。降噪前后的效果对比如图4 所示。2 汽车异常油耗数据的查看对于已经实现分类和降噪的汽车油耗数据。由基于N e t 平台开发的软件系统根据用户要求对其进行可视化处理。系统同时采用异常油耗表与异常油耗波形万方数据图3 噪声数据降噪算法流程圈图两种显

18、示形式。2 1 异常油耗表的查看在数据库中，汽车的车辆型号、车牌号、采集器编号、油箱储晶上下限值、油箱标称电压值分别储存在油量表、关联表和车型表中，因此在对用户指定的汽车进行异常油耗查询时，应当在后台首先对这3 个表进行关联查询，然后将杏询结果以表格的形式提交给用户。2 2 异常油耗波形图的查看系统可以将指定时间区间内的汽车油耗数据以波形图的形式呈现，将用户指定时间内车辆耗油的总体状况完整地展示出来。为实现这一需求，软件系统引入了D u n d a sC h a r t 控件。该控件具有强大的图表显示功能，可以通过c#代码有效地实现不同图形的绘制。3 结语本文的研究工作提出了汽车异常油耗数据的

19、分析方法，实现了对汽车异常油耗数据的自动识别、捕捉与油量旺)A p p l i c a t i o n C o m m u n i c a t i o ni 固随豳含噪数据hk、一、。、。、3 2 02 6 0油2 0 0量()1 4 08 02 0时间(r a i n)降噪数据卜、1时间(r a i n)图4 降噪算法效果图显示，并将结果提供给用户作为企业能源绩效管理的依据，极大地提高了软件的可用性，并在产品实践中取得了良好的社会效益和经济效益。随着产品实践的进行和数据量的不断增加，如何更有效地实现数据处理将是软件改进的主要方向。参考文献 1 B e c k m a nRJ，C o o kR

20、D O u t l i e ri ns t a t i s t i c a lD a t a J T e c h n i m e t r i c s。1 9 8 3，2 5(2)：l1 9 1 4 9 2 E d w i nMK，R a y m o n dTN，V l a d i m i rT u e a k o v D i s t a n c e b a s e do u t l i e r s：a l g o r i t h m sa n da p p l i c a t i o n s z V L D BJ o u r n a l：V e r yL a r g eD a t a b a s e，2 0 0 0：2 3 7 2 5 3 3 鄢团军。刘勇孤立点监测算法与应用 J 三峡大学学报，2 0 0 9，3 1(1)：9 8 1 0 3 4 王蓉华，费鹤梁，徐晓岭异常数据检验的均值比方法 J 数理统计与应用概率，1 9 9 8，1 3(1)：6 3 7 0 2 0 1 0”1 机电一体化7 1万方数据