本发明涉及车辆管理领域，具体涉及一种基于大数据分析的用户车辆养护状态预测管理方法。
背景技术：
1、随着信息技术的不断创新和普及，特别是物联网（iot）、云计算、大数据等技术的广泛应用，为车辆养护管理提供了强大的技术支持。这些技术使得车辆运行数据的实时采集、传输、存储和处理成为可能，为车辆养护状态的预测提供了丰富的数据源。
2、现代车辆配备了大量的传感器和智能设备，如obd接口、gps定位系统、车载摄像头等，这些设备能够实时采集车辆的速度、油耗、位置、发动机状态、行驶里程等多种数据。这些数据不仅反映了车辆的运行状态，还蕴含了丰富的车辆性能信息和潜在故障信息。
3、良好的车辆维护可以显著提高车辆的可靠性和安全性，降低维修成本，提高车辆的使用效率；但是现有的车辆维护方式还是主要以定期维护和故障后维修为主，这种方式相比较预测性维护显然存在维护不及时、维修成本高的问题。
技术实现思路
1、本发明的目的在于提供一种基于大数据分析的用户车辆养护状态预测管理方法，解决现有的车辆维护方式还是主要以定期维护和故障后维修为主，这种方式相比较预测性维护显然存在维护不及时、维修成本高的技术问题。
2、本发明的目的可以通过以下技术方案实现：
3、一种基于大数据分析的用户车辆养护状态预测管理方法，包括如下步骤：
4、步骤一、实时采集每个车辆的使用信息和连续多个监测周期内车辆的使用信息随时间的变化情况；
5、步骤二、根据每个车辆的使用信息和连续多个监测周期内车辆的使用信息随时间的变化情况计算车辆使用状态指标；
6、步骤三、根据多个监测周期内车主驾驶习惯信息处理分析获得驾驶习惯指标；
7、步骤四、根据车辆使用状态指标和驾驶习惯指标判断每个车辆的损耗是否存在超标风险，若存在超标风险，则将下次车辆养护时间缩短，否则维持下次车辆养护时间不变。
8、作为进一步的技术方案，所述步骤二的具体步骤如下：
9、基于车载传感器、gps定位系统采集车辆的每项使用信息；
10、将每项使用信息代入公式：计算得到当前车辆的实时使用状态系数；
11、再通过公式：计算得到当前车辆的阶段使用状态系数；
12、再通过公式：计算得到当前车辆的使用状态指标；
13、其中，为车辆实时使用状态系数，为车辆阶段使用状态系数，为第项使用信息的参数值，为预设的第项使用信息的预警值，、为预设权重系数，～为监测周期的起点和终点，为使用信息的项数，为第项使用信息随时间变化的曲线，为第项使用信息随时间变化的参照曲线，、为预设比例系数，为监测周期的个数，为第个监测周期的参考系数。
14、作为进一步的技术方案，所述步骤三的具体步骤如下：
15、将多个监测周期内车主的每项驾驶习惯信息输入到预先训练好的驾驶习惯模型内，输出驾驶习惯指标；
16、所述驾驶习惯模型包括全连接神经网络及循环神经网络。
17、作为进一步的技术方案，根据车辆使用状态指标和驾驶习惯指标判断每个车辆的损耗是否存在超标风险的方法为：
18、将计算得到的车辆使用状态指标和驾驶习惯指标分别与对应的设定阈值、进行比较；
19、若且，则判断当前车辆的损耗存在超标风险；
20、若或，则判断当前车辆的损耗超标风险待定；
21、若且，则判断当前车辆的损耗不存在超标风险。
22、作为进一步的技术方案，当或时，将计算得到的车辆使用状态指标及驾驶习惯指标代入下式：计算得到当前车辆的超标风险预测指标；
23、其中，、为判断函数，当时，，当时，；当时，，当时，0；
24、将超标风险预测指标与预设的超标风险预测阈值进行比较，根据比较结果判断当前车辆的损耗超标风险概率大或小。
25、作为进一步的技术方案，根据比较结果判断当前车辆的损耗超标风险概率大或小的过程为：
26、当时，则判断当前车辆的损耗超标风险概率大；
27、当时，则判断当前车辆的损耗超标风险概率小。
28、作为进一步的技术方案，将下次车辆养护时间缩短的过程为：
29、基于车载系统获取下次养护时间点，获取判断存在超标风险的当前时刻，获取判断存在超标风险的当前时刻；
30、通过公式：计算获得当前车辆的养护间隔时长；
31、将养护间隔时长代入公式：计算得到调整后的当前车辆的养护间隔时长；其中，为判断函数，为动态系数，为预设动态阈值，当＜时，，当≥时，；
32、再通过计算得到当前车辆的下次养护时间点。
33、作为进一步的技术方案，获取所述动态系数的过程为：
34、通过公式：计算得到当前车辆的动态系数；
35、其中，为车辆使用状态指标的均值，为驾驶习惯指标的均值，、为预设权重因子，为采样点的总数量，为第个采样点。
36、本发明的有益效果：
37、本发明根据车辆使用信息和车主驾驶习惯信息分别得到车辆使用状态指标及驾驶习惯指标，其中驾驶习惯指标通过先将多个监测周期内车主的每项驾驶习惯信息输入到预先训练好的神经网络模型内，再输出驾驶习惯指标后得到，由于影响车辆养护周期的重要因素为车辆使用信息及车主驾驶习惯信息，因此通过两者实现车辆本身和车主驾驶习惯相关联后建立的养护预测模型，以实现对车辆养护时间是否进行调整的准确判断，从而达到提升车辆养护质量，提升车辆驾驶安全性的目的，并预防定期维护和故障后维修带来的维护不及时、维修成本高的问题。
1.一种基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，所述步骤二的具体步骤如下：
3.根据权利要求2所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，所述步骤三的具体步骤如下：
4.根据权利要求3所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，根据车辆使用状态指标和驾驶习惯指标判断每个车辆的损耗是否存在超标风险的方法为：
5.根据权利要求4所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，当或时，将计算得到的车辆使用状态指标及驾驶习惯指标代入下式：计算得到当前车辆的超标风险预测指标；
6.根据权利要求5所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，根据比较结果判断当前车辆的损耗超标风险概率大或小的过程为：
7.根据权利要求1或6所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，将下次车辆养护时间缩短的过程为：
8.根据权利要求7所述的基于大数据分析的用户车辆养护状态预测管理方法，其特征在于，获取所述动态系数的过程为：
