本发明涉及大数据，具体为一种基于大数据的车辆性能检测系统及方法。
背景技术：
1、汽车性能检测是确保汽车安全性、可靠性、经济性和环保性的重要环节；通过一系列的测试项目，可以全面评估汽车的各项性能指标，为汽车制造商提供改进设计的依据，同时帮助消费者选择合适的汽车产品；
2、现有环境下，人们所使用的车辆以汽车居多，因此汽车的性能评估对驾驶员显得尤为重要，然目前市面上的汽车性能判断方式大多分为两种，其一为驾驶员根据驾驶经验结合车辆仪表盘的简易状态显示对车辆进行大致性能判断；其二为驾驶员定时前往保养点进行专业询问并进行应对保养；然而以上方法不仅判断正确误差高而且效率低，且对于人们并不普遍适用；因此，急需一种能够进行实时自判断且标注详细的车辆性能检测系统及方法。
技术实现思路
1、本发明的目的在于提供一种基于大数据的车辆性能检测系统及方法，以解决上述背景技术中提出的问题。
2、为了解决上述技术问题，本发明提供如下技术方案：
3、一种基于大数据的车辆性能检测方法，该方法包括以下步骤：
4、s100、通过车载控制端对车辆各运转部件进行传感网络关联组成车辆控制端与运动端的中心网络，利用中心网络对车辆各部分数据进行实时采集；
5、s200、车载控制端利用无线通信将采集数据上传至云处理端，对车辆各运转部件数据进行数据归化处理，对处理后数据进行星网模型构建，根据星网模型对车辆数据进行对标性能矩阵生成；
6、s300、结合星网模型与对标性能矩阵对车辆各部件的标准差异化程度进行分析，根据分析结果对各部件的车辆综合性能影响进行分析，通过分析结果对车辆的实时性能进行检测分析；
7、s400、将车辆性能分析数据进行云端存储，并将对应分析结果进行网络传输至对应车辆控制端，并通过显示装置反馈至驾驶员。
8、所述s100通过车载控制端对车辆各运转部件进行传感网络关联组成车辆控制端与运动端的中心网络，利用中心网络对车辆各部分数据进行实时采集的具体步骤如下：
9、s101、以车辆的中央控制端为关联网络发起点，通过遍历车辆各部件端口，将遍历端口进行互连，根据遍历通道构建分布式关联网络，实现各端口互连形成以车辆控制端为上位控制端口关联下位车辆部件网络的中心网络；
10、s102、车辆控制端通过中心网络利用关联通道对关联网络中车辆各部件端口进行数据采集；其中车辆各部件端口配置有数据采集传感器，通过对应传感器设备进行数据实时采集并传输至车辆控制端。
11、所述s200车载控制端利用无线通信将采集数据上传至云处理端，对车辆各运转部件数据进行数据归化处理，对处理后数据进行星网模型构建，根据星网模型对车辆数据进行对标性能矩阵生成的具体步骤如下：
12、s201、车载控制端对行驶中的车辆性能数据进行实时周期数据采集；其中采集的车辆性能周期数据包括动力性能数据、制动性能数据、转向性能数据、安全性能和数据环保性能；将采集数据通过车载无线通信设备与云端分析中心进行连接并进行数据传输；
13、s202、云端接受车载端传输数据，将车辆的各类型性能周期数据进行归化处理；通过对采集数据进行数据清洗和智能填充实现对数据的初步数据预处理；对处理后各类型数据以采集周期内时间点为数据网络根点，以根点为基点进行对应时间点内各类型性能数据拓展，获取单网络根点下的多个拓展子点，并将各拓展子点与对应根点进行连接获取单个数据星层数据模型；通过将各星层数据模型中的网络根点进行互连构建数据星网模型；
14、s203、利用星网模型针对各星层结构所内含时间点数据进行映射矩阵转化；通过以网络根点所内含时间数据作为引线指标，将车辆对应周期各类型性能数据根据时间线差点顺位排点获取对应时间线的分类型性能数据的单轴性能集合；通过矩阵变换融合将各单轴性能集合数据进行对应周期的综合性能矩阵合并，构建对应周期的对标性能矩阵；其中对标性能矩阵的横排n为各类型性能数据，纵列m为对应周期时间数据点；其中对于星网模型存在一定的拓宽界限，当星网模型达数据拓展上限时，则通过以最新更新的周期数据覆盖时间较早的数据，保持星网模型的更新性质；由于星网模型的动态更新则其生成的对标性能矩阵也对应存在更新性质。
15、所述s300结合星网模型与对标性能矩阵对车辆各部件的标准差异化程度进行分析，根据分析结果对各部件的车辆综合性能影响进行分析，通过分析结果对车辆的实时性能进行检测分析的具体步骤如下：
16、s301、通过调取采集周期所对应生成的对标性能矩阵，利用对标性能矩阵对车辆进行周期内性能损耗分析，其计算公式为；其中为对应类型性能数据的损耗指数，为矩阵中各类型性能数据的类型标号，为矩阵中对应类型性能指数的数据数量，和为对应类型数据在矩阵中的位置坐标，为对应类型性能数据在矩阵中对应位置坐标的数值，为对应类型性能数据的初始测试值；根据周期内性能损耗分析结果，获取各类型性能数据周期内的性能损耗指数，构建对应的车辆周期性能损耗矩阵；
17、s302、调取实时周期中的实时更新数据组，获取当前对应各类型性能数据的数据集合；通过对各类型当前数据集合进行车辆局部对应类型性能数据的性能分析，其计算公式为；其中，为车辆局部对应类型性能数据的性能指数，为当前时间点的对应类型性能的数据值，为对应类型性能数据的损耗临界值，为当前时间点前一刻的对应类型性能的数据值；通过大数据模型对车辆局部各类型的运行数据性能指数进行特征分析获取健康性能指数，并与当前车辆局部的性能指数进行判别分析，获取当前车辆的局部性能状态；若存在，则判断对应车辆局部性能指数存在过损；若，则判断车辆局部性能指数均正常，则对车辆的整体性能综合指数进行分析计算；其中为对应车辆局部各类型的运行数据的健康性能指数；由于车辆数据均为车辆运动数据，当车辆进行运动时，其会受到环境和自身运动产生的相关因素导致车辆采集的数据值与真实的数据值存在误差，这会在性能指数计算途中对车辆的真实性能指数计算造成影响，因此通过导入相邻时间的数据差值进行误差弥补，可以减小误差影响；
18、s303、对车辆的整体性能综合指数进行分析计算的具体计算公式为；其中为对应车辆局部性能指数对车辆整体的性能指数的影响比例系数；对车辆整体性能综合指数进行分析，若，则判断车辆整体性能良好；若，则判断车辆存在性能损耗；其中为车辆初始整体性能综合指数。
19、所述s400将车辆性能分析数据进行云端存储，并将对应分析结果进行网络传输至对应车辆控制端，并通过显示装置反馈至驾驶员的具体步骤如下：
20、s401、云端将车辆的性能分析数据通过日志空间周期表进行存储备份；
21、s402、在云端完成备份后，根据分析结果生成性能检测报告下传至车载控制端；若车辆性能完好，则通过车载显示屏将车辆整体性能指数和对应各局部性能指数进行反馈展示；若车辆存在局部或整体性能损耗，则将车辆整体性能指数与对应各局部性能指数进行反馈展示，并对存在损耗的局部或整体车辆进行过损提示驾驶员。
22、一种基于大数据的车辆性能检测系统，所述系统包括车载数据采集模块、模型构建模块、车辆性能分析模块和性能状态反馈模块；
23、所述车载数据采集模块通过车载控制端对车辆各运转部件进行传感网络关联组成车辆控制端与运动端的中心网络，利用中心网络对车辆各部分数据进行实时采集；所述模型构建模块通过云端接收数据并对车辆各运转部件数据进行数据归化处理，对处理后数据进行星网模型构建，根据星网模型对车辆数据进行对标性能矩阵生成；所述车辆性能分析模块结合星网模型与对标性能矩阵对车辆各部件的标准差异化程度进行分析，根据分析结果对各部件的车辆综合性能影响进行分析，通过分析结果对车辆的实时性能进行检测分析；所述性能状态反馈模块将车辆性能分析数据进行云端存储，并将对应分析结果进行网络传输至对应车辆控制端，并通过显示装置反馈至驾驶员。
24、所述车载数据采集模块包括中心网络关联单元、周期数据采集单元和数据传输单元；所述中心网络关联单元以车辆的中央控制端为关联网络发起点，通过遍历车辆各部件端口，将遍历端口进行互连，根据遍历通道构建分布式关联网络，实现各端口互连形成以车辆控制端为上位控制端口关联下位车辆部件网络的中心网络；所述周期数据采集单元通过中心网络利用关联通道对关联网络中车辆各部件端口进行数据采集；其中车辆各部件端口配置有数据采集传感器，通过对应传感器设备进行数据实时采集并传输至车辆控制端；所述数据传输单元将车载控制端对行驶中的车辆采集的性能周期数据通过车载无线通信设备与云端分析中心进行连接并进行数据传输。
25、所述模型构建模块包括星网模型构建单元和对标性能矩阵生成单元；所述星网模型构建单元通过云端接收车载端传输数据，将车辆的各类型性能周期数据进行归化处理；通过对采集数据进行数据清洗和智能填充实现对数据的初步数据预处理；对处理后各类型数据以采集周期内时间点为数据网络根点，以根点为基点进行对应时间点内各类型性能数据拓展，获取单网络根点下的多个拓展子点，并将各拓展子点与对应根点进行连接获取单个数据星层数据模型；通过将各星层数据模型中的网络根点进行互连构建数据星网模型；所述对标性能矩阵生成单元利用星网模型针对各星层结构所内含时间点数据进行映射矩阵转化；通过以网络根点所内含时间数据作为引线指标，将车辆对应周期各类型性能数据根据时间线差点顺位排点获取对应时间线的分类型性能数据的单轴性能集合；通过矩阵变换融合将各单轴性能集合数据进行对应周期的综合性能矩阵合并，构建对应周期的对标性能矩阵；其中对标性能矩阵的横列为各类型性能数据，纵列为对应周期时间数据点。
26、所述车辆性能分析模块包括车辆对标类型损耗分析单元、车辆局部性能指数分析单元和车辆综合性能分析单元；所述车辆对标类型损耗分析单元通过调取采集周期所对应生成的对标性能矩阵，利用对标性能矩阵对车辆进行周期内性能损耗分析，根据周期内性能损耗分析结果，获取各类型性能数据周期内的性能损耗指数，构建对应的车辆周期性能损耗矩阵；所述车辆局部性能指数分析单元调取实时周期中的实时更新数据组，获取当前对应各类型性能数据的数据集合；通过对各类型当前数据集合进行车辆局部对应类型性能数据的性能分析，通过大数据模型对车辆局部各类型的运行数据性能指数进行特征分析获取健康性能指数，并与当前车辆局部的性能指数进行判别分析，获取当前车辆的局部性能状态；所述车辆综合性能分析单元对车辆的整体性能综合指数进行分析计算，并结合系统大数据模型分析阈值，对车辆整体性能综合指数进行分析。
27、所述性能状态反馈模块包括云端自备份单元和车载端反馈单元；所述云端自备份单元通过云端将车辆的性能分析数据通过日志空间周期表进行存储备份；所述车载端反馈单元在云端完成备份后，根据分析结果生成性能检测报告下传至车载控制端；若车辆性能完好，则通过车载显示屏将车辆整体性能指数和对应各局部性能指数进行反馈展示；若车辆存在局部或整体性能损耗，则将车辆整体性能指数与对应各局部性能指数进行反馈展示，并对存在损耗的局部或整体车辆进行过损提示驾驶员。
28、与现有技术相比，本发明所达到的有益效果是：本发明通过采集、处理、分析和反馈模块将车辆性能评估的整体流程从车载端到云端再到车载端进行合作完成，一方面降低了车载端的数据分析负担，同时通过云端能够进行大数据的实时分析，在提高检测速度的同时保证了检测结果的准确性；通过实时采集并实时分析车辆的运动数据，以实时数据对车辆的性能进行分析评估保证了车辆性能评估的实时性与准确性；通过结合车辆局部性能分析与整体分析，多面结合进行车辆性能判断，能够从多方面反馈车辆的真实性能指数；本发明综合了车辆的实时运动损耗程度对车辆的实时剩余性能进行分析，并通过车载显示对驾驶员进行动态反馈，帮助了驾驶人员便捷地掌握车辆的状态且便于快速定位车辆的损耗位置。
1.一种基于大数据的车辆性能检测方法，其特征在于：该方法包括以下步骤：
2.根据权利要求1所述的一种基于大数据的车辆性能检测方法，其特征在于：所述s100通过车载控制端对车辆各运转部件进行传感网络关联组成车辆控制端与运动端的中心网络，利用中心网络对车辆各部分数据进行实时采集的具体步骤如下：
3.根据权利要求2所述的一种基于大数据的车辆性能检测方法，其特征在于：所述s200车载控制端利用无线通信将采集数据上传至云处理端，对车辆各运转部件数据进行数据归化处理，对处理后数据进行星网模型构建，根据星网模型对车辆数据进行对标性能矩阵生成的具体步骤如下：
4.根据权利要求3所述的一种基于大数据的车辆性能检测方法，其特征在于：所述s300结合星网模型与对标性能矩阵对车辆各部件的标准差异化程度进行分析，根据分析结果对各部件的车辆综合性能影响进行分析，通过分析结果对车辆的实时性能进行检测分析的具体步骤如下：
5.根据权利要求4所述的一种基于大数据的车辆性能检测方法，其特征在于：所述s400将车辆性能分析数据进行云端存储，并将对应分析结果进行网络传输至对应车辆控制端，并通过显示装置反馈至驾驶员的具体步骤如下：
6.一种基于大数据的车辆性能检测系统，其特征在于：所述系统包括车载数据采集模块、模型构建模块、车辆性能分析模块和性能状态反馈模块；
7.根据权利要求6所述的一种基于大数据的车辆性能检测系统，其特征在于：所述车载数据采集模块包括中心网络关联单元、周期数据采集单元和数据传输单元；所述中心网络关联单元以车辆的中央控制端为关联网络发起点，通过遍历车辆各部件端口，将遍历端口进行互连，根据遍历通道构建分布式关联网络，实现各端口互连形成以车辆控制端为上位控制端口关联下位车辆部件网络的中心网络；所述周期数据采集单元通过中心网络利用关联通道对关联网络中车辆各部件端口进行数据采集；其中车辆各部件端口配置有数据采集传感器，通过对应传感器设备进行数据实时采集并传输至车辆控制端；所述数据传输单元将车载控制端对行驶中的车辆采集的性能周期数据通过车载无线通信设备与云端分析中心进行连接并进行数据传输。
8.根据权利要求7所述的一种基于大数据的车辆性能检测系统，其特征在于：所述模型构建模块包括星网模型构建单元和对标性能矩阵生成单元；所述星网模型构建单元通过云端接收车载端传输数据，将车辆的各类型性能周期数据进行归化处理；通过对采集数据进行数据清洗和智能填充实现对数据的初步数据预处理；对处理后各类型数据以采集周期内时间点为数据网络根点，以根点为基点进行对应时间点内各类型性能数据拓展，获取单网络根点下的多个拓展子点，并将各拓展子点与对应根点进行连接获取单个数据星层数据模型；通过将各星层数据模型中的网络根点进行互连构建数据星网模型；所述对标性能矩阵生成单元利用星网模型针对各星层结构所内含时间点数据进行映射矩阵转化；通过以网络根点所内含时间数据作为引线指标，将车辆对应周期各类型性能数据根据时间线差点顺位排点获取对应时间线的分类型性能数据的单轴性能集合；通过矩阵变换融合将各单轴性能集合数据进行对应周期的综合性能矩阵合并，构建对应周期的对标性能矩阵；其中对标性能矩阵的横列为各类型性能数据，纵列为对应周期时间数据点。
9.根据权利要求8所述的一种基于大数据的车辆性能检测系统，其特征在于：所述车辆性能分析模块包括车辆对标类型损耗分析单元、车辆局部性能指数分析单元和车辆综合性能分析单元；所述车辆对标类型损耗分析单元通过调取采集周期所对应生成的对标性能矩阵，利用对标性能矩阵对车辆进行周期内性能损耗分析，根据周期内性能损耗分析结果，获取各类型性能数据周期内的性能损耗指数，构建对应的车辆周期性能损耗矩阵；所述车辆局部性能指数分析单元调取实时周期中的实时更新数据组，获取当前对应各类型性能数据的数据集合；通过对各类型当前数据集合进行车辆局部对应类型性能数据的性能分析，通过大数据模型对车辆局部各类型的运行数据性能指数进行特征分析获取健康性能指数，并与当前车辆局部的性能指数进行判别分析，获取当前车辆的局部性能状态；所述车辆综合性能分析单元对车辆的整体性能综合指数进行分析计算，并结合系统大数据模型分析阈值，对车辆整体性能综合指数进行分析。
10.根据权利要求9所述的一种基于大数据的车辆性能检测系统，其特征在于：所述性能状态反馈模块包括云端自备份单元和车载端反馈单元；所述云端自备份单元通过云端将车辆的性能分析数据通过日志空间周期表进行存储备份；所述车载端反馈单元在云端完成备份后，根据分析结果生成性能检测报告下传至车载控制端；若车辆性能完好，则通过车载显示屏将车辆整体性能指数和对应各局部性能指数进行反馈展示；若车辆存在局部或整体性能损耗，则将车辆整体性能指数与对应各局部性能指数进行反馈展示，并对存在损耗的局部或整体车辆进行过损提示驾驶员。
