信息网络化已经渗透到人们工作生活的方方面面,而恰好与现代汽车行业的迅猛发展形成了完美碰撞,汽车在人们工作生活中必不可少,当然,不管是车主还是各种企业对车体健康是越来越关注,一些车体健康数据分析不仅呈现了一段时间内车体本身健康状态,这些结论不仅对于车主乃至相关企业比如保险公司和二手车市场负责人都有实质的指导性。介于这种需求的出现,本系统集客户端呈现,数据传输,数据分析,健康状态和预测于一体,以操纵次数、车龄、使用天数、光照条件、发动机转速和刹车后的行驶速度六个因素为基础,为用户打造一个切实可行的车体健康检测系统。本系统对OBD接口采集的车体数据,传输给智能手机进行处理和运算,再用智能手机显示给用户。本研究课题主要做了以下几个方面的工作:首先,对采集的数据以文件的形式进行PC端向客户端进行传输,采用目前很常用的蓝牙传输技术,并且在客户端进行保存。这样,车体健康数据就可以在手机端进行处理,也可以增加、删除等。其次,运用KNN算法和2σ准则对车体健康数据进行分类。用KNN算法来判断车体是否处于正常状态,其中,在确定KNN的值的时候运用了安卓的并行运算来提高运算效率,连续三次投票出的结果一致,才确定最终的分类结果。正常的车体再通过2σ准则划分的六个健康级别进行分级。这就为车体的健康划分了很详细的等级。最后,根据车体多次状态的分类,通过一元线性回归预测模型和灰色预测模型进行比较,选出了一种更适合本系统的预测算法——回归预测和灰色预测算法结合的方法,若一元线性回归算法的显著性系数R大于0.7,那么说明变量之间显著性高,可以用一元线性回归预测,否则采用灰色预测方法对车体未来健康程度进行预测,预测经过多长时间到达异常状态,从而提醒用户及时送检。这样既省去了硬件设备成本的问题,还能为用户提供一种总体的数据趋势,以此来对车体进行维护保养等。