本发明涉及数据处理，尤其涉及一种基于大数据的车载胎压监测分析方法。
背景技术：
1、近年来随着车联网及大数据技术的发展，汽车智能化程度越来越高，基于车联网应用日益普及。在车载系统中智能化胎压监控告警重要程度不言而喻。目前车辆胎压监控告警系统大多只简单的通过胎压传感器监测异常触发仪表显示系统和车载娱乐系统，没有利用大数据统计分析，进而不能针对可能导致胎压异常条件作出提早预警，从而导致没有及早采取必要措施。
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载胎压监测分析方法，旨在解决现有的车辆胎压监控告警系统不能针对可能导致胎压异常条件作出提早预警的问题。
2、为实现上述目的，本发明提供了一种基于大数据的车载胎压监测分析方法，包括以下步骤：
3、通过数据采集终端采集汽车的待检测数据；
4、智能座舱系统整合所述待检测数据定时传输到云台平台数据中心；
5、所述云台平台数据中心通过算法模型对所述待检测数据进行分析，得到分析结果，并基于所述分析结构和定义的提醒规则，进行预警提醒。
6、其中，所述待检测数据均包括汽车载重、路况、天气、气压、胎压和车载导航行程。
7、其中，所述算法模型包括深度学习神经网络模型。
8、其中，所述所述云台平台数据中心通过算法模型对所述待检测数据进行分析，得到分析结果，并基于所述分析结构和定义的提醒规则，进行预警提醒，包括：
9、构建深度学习神经网络模型；
10、通过所述数据采集终端采集预设时间段内的汽车的历史数据；
11、所述智能座舱系统整合所述历史数据传输到所述云台平台数据中心；
12、所述云台平台数据中心使用所述历史数据作为训练样本对所述深度学习神经网络模型进行训练，得到数据异常分析模型；
13、所述云台平台数据中心将所述待检测数据输入所述数据异常分析模型中进行训练，得到分析结果，并基于所述分析结构和定义的提醒规则，进行预警提醒。
14、其中，所述云台平台数据中心使用所述历史数据作为训练样本对所述深度学习神经网络模型进行训练，得到数据异常分析模型，包括：
15、所述云台平台数据中心以8:2的比例将所述历史数据划分为训练集和验证集；
16、使用所述训练集对所述深度学习神经网络模型进行训练，得到预训练模型；
17、使用所述验证集对所述预训练模型进行迭代寻优，当所述预训练模型的精确度到达预设范围或所述预训练模型的迭代次数达到预设值时，得到数据异常分析模型。
18、其中，在步骤所述云台平台数据中心通过算法模型对所述待检测数据进行分析，得到分析结果，并基于所述分析结构和定义的提醒规则，进行预警提醒之后，所述方法还包括：
19、采集所述汽车的三维外观图像集；
20、基于所述三维外观图像集构建汽车三维模型；
21、将所述分析结果标注在所述汽车三维模型中，得到可视化模型；
22、将所述可视化模型显示在汽车的中控显示屏上。
23、其中，所述基于所述三维外观图像构建汽车三维模型，包括：
24、对所述三维外观图像集中的每一图像进行参数调整，得到预处理图像集；
25、通过特征提取模型对所述预处理图像集中的每一图像进行特征提取，得到特征图像集；
26、使用所述特征图像集的每一特征构建汽车三维模型。
27、其中，所述参数调整包括尺寸调整、角度调整、曝光调整、清晰度调整、对比度调整、高光调整、锐化调整和色彩调整。
28、本发明的一种基于大数据的车载胎压监测分析方法，通过数据采集终端采集汽车的待检测数据，所述待检测数据均包括汽车载重、路况、天气、气压、胎压和车载导航行程；智能座舱系统整合所述待检测数据定时传输到云台平台数据中心；所述云台平台数据中心通过算法模型对所述待检测数据进行分析，得到分析结果，并基于所述分析结构和定义的提醒规则，进行预警提醒，该方法根据汽车载重、路况、天气、气压、胎压、车载导航行程历史数据等作为统计数据关键要素，通过安装在车辆的数据采集终端进行自动采集，利用车联网络将相关数据定时传输到后台数据中心，后台数据中心对数据源整合统计分析，自定义提醒规则满足不同层次提醒需求，解决了现有的车辆胎压监控告警系统不能针对可能导致胎压异常条件作出提早预警的问题。
1.一种基于大数据的车载胎压监测分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述的基于大数据的车载胎压监测分析方法，其特征在于，
3.如权利要求1所述的基于大数据的车载胎压监测分析方法，其特征在于，
4.如权利要求3所述的基于大数据的车载胎压监测分析方法，其特征在于，
5.如权利要求4所述的基于大数据的车载胎压监测分析方法，其特征在于，
6.如权利要求1所述的基于大数据的车载胎压监测分析方法，其特征在于，
7.如权利要求6所述的基于大数据的车载胎压监测分析方法，其特征在于，
8.如权利要求7所述的基于大数据的车载胎压监测分析方法，其特征在于，
