如何分析汽车是否被人恶意放钉子扎轮胎

Posted on 2025-04-02 In 汽车 Views:

1，背景描述

今天早上（2025.04.02 9点左右）起床去上班，发现轮胎没气了，因为前天有人占我的车位，我用车堵过了那个占我车位的车（并且我把他的后视镜往回掰了-未打开状态），所以我第一时间怀疑到那个人恶意放气。

现在，我需要分析出我的车胎到底发生了什么：1️⃣被放气？2️⃣扎钉子了？3️⃣人为的？4️⃣自然意外？

2，排查过程

2.1，当前轮胎状态

重新给轮胎打上气之后，查看是否是否还会消气，发现消气！那么一定是扎钉子了，还有一个经验就是胎压接近0就一定是扎钉子了。

因为放气，基本上都会有一些余量，放完气是要不少时间的。

✅已确认，是扎钉子了

2.2，人为还是自然

是在路上扎的钉子还是在车位上被人为恶易放置钉子扎的？

直接找到维修小哥下载胎压检测的OBD历史数据，这个数据会记录历史时间的胎压状态。电动汽车就是一个手机加四个轮子，所有传感器的数据只有有记录，都应该可以获得

使用python脚本编写程序读取

import copy
import numpy as np
from openpyxl import load_workbook
from datetime import datetime

workbook = load_workbook(filename='xxxx.xlsx')

# 初始化参数
X0 = np.array([[0], [0]]) # 初始状态
P0 = np.eye(2) # 初始协方差
A = np.array([[1, 1], [0, 1]]) # 状态转移矩阵
Q = np.eye(2) * 0.1 # 过程噪声协方差
B = np.array([[0.5], [1]]) # 控制输入矩阵
U1 = np.array([[1]]) # 控制输入
H = np.array([[1, 0]]) # 观测矩阵
R = np.array([[1]]) # 观测噪声协方差
Z = np.array([[1]]) # 观测值

def kf_predict(X0, P0, A, Q, B, U1):
    X10 = np.dot(A, X0) + np.dot(B, U1)
    P10 = np.dot(np.dot(A, P0), A.T) + Q
    return X10, P10

def kf_update(X10, P10, Z, H, R):
    K = np.dot(np.dot(P10, H.T), np.linalg.pinv(np.dot(np.dot(H, P10), H.T) + R))
    X1 = X10 + np.dot(K, Z - np.dot(H, X10))
    P1 = np.dot(np.eye(K.shape[0]) - np.dot(K, H), P10)
    return X1, P1, K


# 选择工作表
sheet = workbook['Sheet1']

output_txt_path = 'output.txt'

time_objects = []
time_objects_num = []
value_data = []

num = 0.0
date = '1'
numPre = 0.0
datePre = '1'
# 读取整个工作表数据
with open(output_txt_path, 'w', encoding='utf-8') as file:
    # for row in sheet.iter_rows(min_row=2,max_row=1960, max_col=5, values_only=True):
    for row in sheet.iter_rows(min_row=1960,max_row=4000, max_col=5, values_only=True):
    # for row in sheet.iter_rows(min_row=2, max_col=5, values_only=True):
        num = 0.0
        date = row[0]

        date = date.replace('2025-04-01 ', '')
        if (row[1] != None):
            num = row[1]
        if (row[3] != None):
            num = row[3]
        if (num != 0.0):
            if (datePre != '1'):
                file.write(f"|{date} | {num} | {num - numPre}|  \n")
            else:
                file.write(f"|{date} | {num} | 0| \n")
            time_num = datetime.strptime(date, "%H:%M:%S")
            time_objects.append(time_num)
            value_data.append(num)
            time_objects_num.append(time_num.timestamp())
            numPre = copy.deepcopy(num)
            datePre = copy.deepcopy(date)


import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 设置图片清晰度
plt.rcParams['figure.dpi'] = 300

# 绘制折线图
plt.plot(time_objects, value_data, marker='o')
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%H:%M:%S'))
z = np.polyfit(time_objects_num, value_data, 2)
p = np.poly1d(z)
y_fit = p(time_objects_num)

# 设置 x 轴标签旋转角度，以便更好显示时间
plt.xticks(rotation=45)

# 添加标题和标签
plt.title('history')
plt.xlabel('2025-04-01')
plt.ylabel('pa')
plt.ylim(215, 260)

plt.plot(time_objects, y_fit, 'r-', label='拟合曲线')

# 显示图形
plt.tight_layout()
plt.show()

异常数据表格

时间	当前胎压	差值
20:09:33	250.25	0
20:10:43	250.25	0.0
20:12:16	247.5	-2.75
20:13:43	247.5	0.0
20:14:16	250.25	2.75
20:14:17	250.25	0.0
20:16:13	250.25	0.0
20:17:16	253	2.75
20:17:17	253	0
20:18:46	250.25	-2.75
20:18:47	250.25	0.0
20:19:46	250.25	0.0
20:25:33	250.25	0.0
20:27:13	250.25	0.0
20:27:17	244.75	-5.5（从这时开始异常）
20:28:16	242	-2.75
20:28:17	242	0
20:57:26	222.75	-19.25（这时漏气已经很明显了）
20:58:24	222.75	0.0
20:58:33	220	-2.75
21:00:28	220	0
21:01:03	217.25	-2.75
21:02:03	217.25	0.0
21:03:13	217.25	0.0
21:04:25	217.25	0.0