CN112288318B - 一种数据序列相关性评价的方法、装置和*** - Google Patents
一种数据序列相关性评价的方法、装置和*** Download PDFInfo
- Publication number
- CN112288318B CN112288318B CN202011289368.6A CN202011289368A CN112288318B CN 112288318 B CN112288318 B CN 112288318B CN 202011289368 A CN202011289368 A CN 202011289368A CN 112288318 B CN112288318 B CN 112288318B
- Authority
- CN
- China
- Prior art keywords
- data sequence
- data
- cross
- correlation function
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012544 monitoring process Methods 0.000 claims abstract description 120
- 238000005314 correlation function Methods 0.000 claims abstract description 91
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims abstract description 24
- 239000000446 fuel Substances 0.000 claims abstract description 15
- 238000004092 self-diagnosis Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 19
- 239000000758 substrate Substances 0.000 claims 1
- 239000000295 fuel oil Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 3
- 230000003111 delayed effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/007—Wheeled or endless-tracked vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供一种数据序列相关性评价的方法、装置和***，该方法包括获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述车辆监测传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量和/或氮氧化物；根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间，获得相关系数，能够准确评价数据序列的相关性。
Description
技术领域
本申请涉及数据处理领域，具体涉及一种数据序列相关性评价的方法、装置和***。
背景技术
随着重型车排放标准法规的加严，重型车远程监控车载终端逐渐开始推广使用，相关法规条例中要求重型车需要采集规定的监控数据并上传到监管平台，并且保证上传的监测数据的准确性。但监管平台接收的数据与OBD读取装置采集的数据存在数据不一致的情况。
因此，如何准确评价数据序列的相关性进而提升监控平台获取的由车载终端采集的数据的准确性成为亟待解决的问题。
发明内容
第一方面，本申请的一些实施例提供一种数据序列延时修正的方法，所述方法包括：获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量和/或氮氧化物；根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间。
因此，本申请实施例通过数据序列延时修正的方法，能够得到时间上存在延后或者前置的两个数据序列的相对延时时间，从而能够在修正后得到时间对齐的两个数据序列，消除两个数据序列的延时对于一致性判断的影响，从而提高一致性对比时的准确率，从而使采集上传的车辆监测参数更加的准确。
结合第一方面，在一种实施例中，所述根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间，包括：对所述第一数据序列和所述第二数据序列进行二值化处理后再计算互相关函数。
因此，本申请实施例通过对第一数据序列和第二数据序列进行二值化处理后再计算互相关函数，能够在方法实施的过程中减少数据的数量，增加运行速度，从而提高执行效率。
结合第一方面，在另一种实施例中，所述对所述第一数据序列和所述第二数据序列进行二值化处理后再计算互相关函数，包括：通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，获得与所述第一数据序列对应的第三数据序列，和与所述第二数据序列对应的第四数据序列；对所述第三数据序列和所述第四数据序列进行互相关函数计算，获得第一互相关函数值；获取所述第一互相关函数值中的第一极大值，将所述第一极大值作为所述相对延时时间。
因此，本申请实施例通过获得极大值来获得相对延时时间，能够明显的得到数据序列中的最大值，减少数据的数量，增加运行速度，从而提高执行效率。
结合第一方面，在另一种实施例中，所述通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，包括：将所述第一数据序列和所述第二数据序列中，满足大于前一数值并且大于后一数值的当前数值，作为局部最大值；将所述局部最大值与其余数值进行区别标记。
因此，本申请实施例通过将所述局部最大值与其余数值进行区别标记，能够在计算和获得结果的过程中，明显的展示出两个数据序列之间的延时差异。
结合第一方面，在另一种实施例中，所述第一极大值是所述互相关函数值中，最大峰值对应的时间。
结合第一方面，在另一种实施例中，所述根据所述第一数据序列和所述第二数据序列的互相关函数，包括：对所述第一数据序列和所述第二数据序列进行互相关函数计算，获得第二互相关函数值；获取所述第二互相关函数值中的第二极大值，将所述第二极大值作为所述相对延时时间。
因此，本申请实施例通过互相关函数计算，直接获得相对延时时间，能够消除两个数据序列在时间上未对齐，对数据序列相关性造成的影响。
结合第一方面，在另一种实施例中，在所述获得所述第一数据序列和所述第二数据序列之间的相对延时时间之前，所述方法还包括：对所述第一数据序列的互相关函数值和所述第二数据序列的互相关函数值进行归一化处理。
因此，本申请实施例通过对数据序列进行归一化处理，能够将数量级相差很大的数据化简到0-1之间，从而能够清楚和明显的找到相对延时时间。
结合第一方面，在另一种实施例中，在所述获得所述第一数据序列和所述第二数据序列之间的相对延时时间之后，所述方法包括：根据所述相对延时时间，对所述第一数据序列和所述第二数据序列进行延时修正。
因此，本申请实施例通过对第一数据序列和第二数据序列的延时修正，能够消除由于两个数据序列在时间上的延时，对判断相关性的影响。
第二方面，本申请的一些实施例还提供一种数据序列延时修正的装置，所述装置包括：获取装置，被配置为获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；所述获取装置，被配置为获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量和/或氮氧化物；计算装置，被配置为根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间。
结合第二方面，在一种实施例中，所述计算装置，被配置为对所述第一数据序列和所述第二数据序列进行二值化处理后再计算互相关函数。
结合第二方面，在另一种实施例中，所述计算装置，被配置为通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，获得与所述第一数据序列对应的第三数据序列，和与所述第二数据序列对应的第四数据序列；对所述第三数据序列和所述第四数据序列进行互相关函数计算，获得第一互相关函数值；获取所述第一互相关函数值中的第一极大值，将所述第一极大值作为所述相对延时时间。
结合第二方面，在另一种实施例中，所述计算装置，被配置为将所述第一数据序列和所述第二数据序列中，满足大于前一数值并且大于后一数值的当前数值，作为局部最大值；将所述局部最大值与其余数值区别标记。
结合第二方面，在另一种实施例中，所述第一极大值是所述互相关函数值中，最大峰值对应的时间。
结合第二方面，在另一种实施例中，所述计算装置，被配置为对所述第一数据序列和所述第二数据序列进行互相关函数计算，获得第二互相关函数值；获取所述第二互相关函数值中的第二极大值，将所述第二极大值作为所述相对延时时间。
结合第二方面，在另一种实施例中，所述计算装置，被配置为对所述第一数据序列的互相关函数值和所述第二数据序列的互相关函数值进行归一化处理。
结合第二方面，在另一种实施例中，所述计算装置，被配置为根据所述相对延时时间，对所述第一数据序列和所述第二数据序列进行延时修正。
第三方面，本申请的一些实施例提供一种数据序列相关性评价的方法，所述方法包括：采用如第一方面以及第一方面的任一实施例所述的数据序列延时修正的方法，修正第一数据序列和第二数据序列之间的延时；将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
第四方面，本申请的一些实施例提供一种数据序列相关性评价的装置，所述装置包括：修正单元，被配置为采用第三方面所述的数据序列相关性评价的方法，修正第一数据序列和第二数据序列之间的延时；评价单元，被配置为将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
第五方面，本申请的一些实施例提供一种数据序列相关性评价的***，所述***包括：如第四方面所述的数据序列相关性评价的装置、车载终端、监控平台、OBD读取装置、车辆监测传感器和电子控制单元(Electronic Control Unit，ECU)，其中，所述***根据相关系数评价所述车载终端的性能。
第六方面，本申请的一些实施实施例提供一种电子设备，包括：处理器、存储器和总线，所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现如第一方面以及第一方面的任一实施例所述的数据序列延时修正的方法，和如第三方面所述的数据序列相关性评价的方法。
第七方面，本申请的一些实施实施例提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时用于实现如第一方面以及第一方面的任一实施例所述的数据序列延时修正的方法，和如第三方面所述的数据序列相关性评价的方法。
附图说明
图1为本申请实施例示出的一种数据序列相关性评价的***场景图；
图2为本申请实施例示出的一种数据序列相关性评价的方法流程图；
图3是本申请实施例示出的一具体实施例的方法流程图；
图4是本申请实施例示出的另一具体实施例的方法流程图；
图5是本申请实施例示出的一种数据序列相关性评价的装置结构图；
图6是本申请实施例示出的一种电子设备内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对附图中提供的本申请的实施例的详情描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护范围。
下面将结合附图，对本申请实施例中的技术方案进行描述。
本申请一些实施例可以应用于如图1所示的场景，该应用场景包括车辆监测传感器110、车载终端120、监控平台130、数据序列相关性评价的装置140、电子控制单元(Electronic Control Unit)ECU160和车载自诊断***(On-Board Diagnostics)OBD读取装置150。
图1的数据序列相关性评价的装置140分别通过两条路径获取两个数据序列。下面示例性阐述这两个数据序列的获取方式。
参考车辆中的至少一个车辆监测传感器110，采集参考车辆在行驶过程中的监控数据(例如，监控数据可以包括车速、发动机转速、进气流量、燃油流量、氮氧化物等)；车载终端120获取由ECU160采集的监控数据并上传至监控平台130，以使监控平台130获取一段时间范围内的监控数据，可以将监控平台获取的这段时间范围内的监控数据作为第一数据序列；数据序列相关性评价的装置140通过监控平台130获取第一数据序列。参考车辆上的ECU160从车辆采集监控数据，传输到OBD中，OBD读取装置150再从OBD中，读取由车辆检测传感器采集的与第一数据序列处在同一段时间范围内的监控数据，此时间范围内的监控数据为第二数据序列，数据序列相关性评价的装置140通过OBD读取装置获取第二数据序列。通过上述两条路径，数据序列相关性评价的装置140从两条不同的路径读取到了第一数据序列和第二数据序列，并且采用如下多个实施例中的方法执行数据序列相关性评价，来判断两个数据序列的相关性。
需要说明的是，本申请实施例的参考车辆可以是测试用到的车辆，也可以是在实际中正常使用的车辆，本申请实施例对参考车辆的类型不做限制。本申请实施例的车载终端是安装于参考车辆上的，采集和传输监控数据的设备，且车载终端的具体类型可以包括手机、电脑、平板电脑等，也可以是具有采集传输数据功能的其它设备，本申请实施例不限于此。本申请实施例的监控平台是接受车载终端上传的监控数据以对所述车载终端所在的车辆进行违法性监测，监控平台在一些实施例中是单独布局的服务器本申请实施例不限于此。本申请一些实施例的参考车辆上的至少一个车辆监测传感器，可以包括：车速监测传感器、发动机转速监测传感器、进气流量监测传感器、燃油流量监测传感器中的一个或多个，还可以是其他监测传感器，例如：一氧化碳监测传感器、氮氧化物传感器等，本申请实施例不限于此。本申请实施例的监控数据是由ECU直接从至少一个车辆监测传感器中获取的，例如，第一数据序列是监控平台从车载终端中获取的在一段时间内的数据序列；第二数据序列是OBD读取装置从ECU中经过OBD获取的，与第一数据序列同一时间段的数据序列。
随着重型车排放标准法规的加严，重型车远程监控车载终端逐渐开始推广使用，相关法规条例中要求重型车需要采集规定的监控数据并上传到监管平台，并且保证上传的监测数据的准确性。但监管平台接收的数据与OBD读取装置采集的数据存在数据不一致的情况。因此，如何准确评价数据序列的相关性进而提升监控平台获取的由车载终端采集的数据的准确性成为亟待解决的问题。
鉴于上述情况，本申请实施例提供一种数据序列相关性评价的方法、装置和***，该方法包括获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量或氮氧化物；根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间，获得相关系数，能够准确评价数据序列的相关性。
下面结合图2，详细描述一种数据序列相关性评价的方法的实施步骤，如图2所示的步骤，包括：
210，获取由监控平台得到的来自于车载终端的第一数据序列。
在一种实施方式中，数据序列相关性评价的装置获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的。
在一种实施方式中，参考车辆中的至少一个车辆监测传感器，采集参考车辆在行驶过程中的监控数据，例如：车速、发动机转速、进气流量、燃油流量、氮氧化物等，车载终端采集监控数据，监控平台获取一段时间范围内的监控数据，在此时间范围内的监控数据为第一数据序列，数据序列相关性评价的装置通过监控平台获取第一数据序列。
220，获取通过车载自诊断***OBD读取装置获取的第二数据序列。
在一种实施方式中，数据序列相关性评价的装置获取通过OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述车辆监测传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量、氮氧化物等。
在一种实施方式中，参考车辆上的OBD采集监控数据，OBD读取装置再从OBD中，读取与第一数据序列同一段时间范围内的监控数据，此时间范围内的监控数据为第二数据序列，数据序列相关性评价的装置通过OBD读取装置获取第二数据序列。
需要说明的是，数据序列相关性评价的装置获取通过车载自诊断***OBD读取的第二数据序列，是从OBD读取装置中间接读取的，也就是说，参考车辆上的OBD从ECU中采集监控数据，OBD读取装置再从OBD中，读取第二数据序列。本申请一些实施例获取的监控参数包括车速(单位为km/h)、发动机转速(单位为rpm)、进气流量(单位为kg/h)、燃油流量(单位为L/h)和NOx(单位为ppm)等，本申请实施例不限于此。
230，根据所述第一数据序列和所述第二数据序列的互相关函数,获得所述第一数据序列和所述第二数据序列之间的相对延时时间。
需要说明的是，在获得两个数据序列的互相关函数的过程包括，对第一数据序列和第二数据序列进行二值化处理后再计算互相关函数，或直接计算第一数据序列和第二数据序列的互相关函数。
在一种实施方式中，数据序列相关性评价的装置对所述第一数据序列和所述第二数据序列进行二值化处理后再计算互相关函数，通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，获得与所述第一数据序列对应的第三数据序列，和与所述第二数据序列对应的第四数据序列；对所述第三数据序列和所述第四数据序列进行互相关函数计算，获得第一互相关函数值；获取所述第一互相关函数值中的第一极大值，将所述第一极大值作为所述相对延时时间，将所述第一数据序列和所述第二数据序列中，满足大于前一数值并且大于后一数值的当前数值，作为局部最大值；将所述局部最大值与其余数值进行区别标记，所述第一极大值是所述互相关函数值中，最大峰值对应的时间，将最大峰值对应的时间作为相对延时时间。根据相对延时时间修正第一数据序列和第二数据序列之间的延时；将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
在一种实施方式中，在数据序列相关性评价的装置获取到第一数据序列和第二数据序列之后，由于数据序列波动剧烈，峰值出现周期较为频繁，且数据量较大，所以先将两个数据序列进行局部极大值的计算。使用公式(1)的方法，将满足大于前一数值并且大于后一数值的当前数值，将所述局部最大值与其余数值进行区别标记，在一种标记方式中，作为局部最大值，标记为1，其他的数值标记为0，如公式(1)所示，在当前数值是数据序列的第一个值由于缺乏比较的前后数值，所有都标记为0，在比较完成后删除数据序列中的最后一个值。在当前数值大于前一数值并且大于后一数值的情况下，标记为1(即yi>yi+1且yi>yi-1)；在当前值小于等于前一数值或小于等于后一数值的情况下(即yi≤yi+1或yi≤yi-1)，标记为0。
其中，表示二值化处理后的数据序列，N表示数列的序号(即N＝1，/>表示二值化处理后的第一数据序列；N＝2，/>表示二值化处理后的第二数据序列)，yi表示数据序列中的数值，i＝1，2，3，……，X-2，X-1(其中X为数据序列的长度)。
例如：以第一数据序列为例，第一数据序列为一段时间内的车速监测数据，监测数据的数值为20、25、48、37、56、62、30、25，单位为km/h，由于第一个数值缺乏对比的数值，所以标记为0，删除最后一个值，其余的数值中48、62大于前一位数值并且大于后一位数值，所以标记为1，其余的数值标记为0，因此二值化转换后的与第一数据序列对应的第三数据序列为0、0、1、0、0、1、0，本申请实施例不限于此。
通过式(1)的计算方法，已经将第一数据序列和第二数据序列分别进行二值化处理，获得与第一数据序列对应的第三数据序列，和与第二数据序列对应的第四数据序列，再对第三数据序列和第四数据序列，使用公式(2)的方法进行互相关函数计算。
其中，表示第三数据序列，/>表示第四数据序列，X表示数据序列的长度，t表示数据序列中的数值对应的时间，Δ(t)表示第三数据序列和第四数据序列的第一互相关函数值。
车辆监测传感器采集数据频率为1Hz，采集的数据序列长度一般都较长(＞3600s)，各数据项的延时相对于序列长度较小，因此无需遍历整个数据序列长度，文中只在[-3600s,3600s]内计算互相关函数值，步长为1s。
将第一互相关函数值进行归一化处理，获得车速监控数据对应的车速极大值、发动机转速监控数据对应的发动机转速极大值、进气流量对应的进气流量极大值、燃油流量对应的燃油极大值和NOx对应的NOx极大值，各监控数据的极大值是所述互相关函数值中，最大峰值对应的时间，将最大峰值对应的时间作为相对延时时间，根据相对延时时间将滞后的数据序列进行延时修正，并且将两个数据序列多余的部分删除掉，使长度对齐，将对齐后的两个数据序列按照最小二乘法进行线性拟合，计算出相关系数R2，根据相关系数评价相关性R2，R2越接近1，说明相关性越强。
在一种实施方式中，数据序列相关性评价的装置对第一数据序列和第二数据序列进行互相关函数和归一化计算。
对第一数据序列和第二数据序列，使用式(3)的方法进行互相关函数计算。
其中，yMon表示第一数据序列，yOBD表示第二数据序列，X表示数据序列的长度，t表示数据序列中的数值对应的时间，Δ(t)表示第一数据序列和第二数据序列的第二互相关函数值。
将第二互相关函数值进行归一化处理，获得第二极大值，第二极大值是所述互相关函数值中，最大峰值对应的时间，将最大峰值对应的时间作为相对延时时间，根据相对延时时间将滞后的数据序列进行延时修正，并且将两个数据序列多余的部分删除掉，使长度对齐，将对齐后的两个数据序列按照最小二乘法进行线性拟合，计算出相关系数，根据相关系数评价相关性R2，R2越接近1，说明相关性越强。
因此，本申请实施例通过数据序列延时修正的方法，能够得到时间上存在延后或者前置的两个数据序列的相对延时时间，从而能够在修正后得到时间对齐的两个数据序列，消除两个数据序列的延时对于一致性判断的影响，从而提高一致性对比时的准确率，从而确保车内装置的灵敏度和采集上传的车辆监测参数更加的准确，通过对第一数据序列和第二数据序列进行二值化处理后再计算互相关函数，能够在方法实施的过程中减少数据的数量，增加运行速度，从而提高执行效率，通过将数据序列只标记为0和1，能够在计算和获得结果的过程中，明显的展示出两个数据序列之间的延时差异，通过对数据序列进行归一化处理，能够将数量级相差很大的数据化简到0-1之间，从而能够清楚和明显的找到相对延时时间。
上文详细描述了一种数据序列相关性评价的方法的实施步骤，下文将详细描述一种数据序列相关性评价的装置。
如图5所示，一种数据序列相关性评价的装置包括：修正单元510和评价单元520。
在一种实施方式中，一种数据序列相关性评价的装置，所述装置包括：修正单元，被配置为数据序列相关性评价的方法，修正第一数据序列和第二数据序列之间的延时；评价单元，被配置为将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
在一种实施方式中，一种数据序列延时修正的装置，所述装置包括：获取装置，被配置为获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；所述获取装置，被配置为获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由OBD读取装置从所述传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量或者燃油流量；计算装置，被配置为根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间。
在一种实施例中，所述计算装置，被配置为对所述第一数据序列和所述第二数据序列进行二值化处理后再计算互相关函数。
在一种实施例中，所述计算装置，被配置为通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，获得与所述第一数据序列对应的第三数据序列，和与所述第二数据序列对应的第四数据序列；对所述第三数据序列和所述第四数据序列进行互相关函数计算，获得第一互相关函数值；获取所述第一互相关函数值中的第一极大值，将所述第一极大值作为所述相对延时时间。
在一种实施例中，所述计算装置，被配置为将所述第一数据序列和所述第二数据序列中，满足大于前一数值并且大于后一数值的当前数值，作为局部最大值；将所述局部最大值标记为1，其余数值标记为0。
在一种实施例中，所述第一极大值是所述互相关函数值中，最大峰值对应的时间。
在一种实施例中，所述计算装置，被配置为对所述第一数据序列和所述第二数据序列进行互相关函数计算，获得第二互相关函数值；获取所述第二互相关函数值中的第二极大值，将所述第二极大值作为所述相对延时时间。
在一种实施例中，所述计算装置，被配置为对数据处理后的所述第一序列和所述第二序列进行归一化处理。
在一种实施例中，所述计算装置，被配置为根据所述相对延时时间，对所述第一数据序列和所述第二数据序列进行延时修正。
在本申请实施例中，图5所示的修正单元510、评价单元520，能够实现图1至图4方法实施例方法中的各个过程。图5中的各个模块的操作和/或功能，分别为了实现图1至图4中的方法实施例中的相应流程。具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
如图6所示，本申请实施例还提出了一种电子设备，包括：处理器610、存储器620和总线630，所述处理器通过所述总线与所述存储器相连，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，用于实现上述所有实施方式中任一所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
其中，总线用于实现这些组件直接的连接通信。其中，本申请实施例中处理器可以是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，可以执行上述实施例中所述的方法。
可以理解，图6所示的结构仅为示意，还可包括比图6中所示更多或者更少的组件，或者具有与图6所示不同的配置。图6中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被服务器执行时实现上述所有实施方式中任一所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
本申请实施例还提供一种数据序列相关性评价的***，如图1所示，***包括：数据序列相关性评价的装置140、车载终端120、监控平台130、OBD读取装置150、车辆监测传感器110和ECU160，用于实现上述所有实施方式中任一所述的方法，具体可参见上述方法实施例中的描述，为避免重复，此处适当省略详细描述。
上文详细描述了一种数据序列相关性评价的方法、装置和***，下文将描述本申请中的两个具体实施例。
在一具体实施例中，步骤如图4所示：数据序列相关性评价的装置先执行410步骤，获取第一数据序列，获取第二数据序列。车辆监测传感器采集参考车辆的监控数据频率为1Hz，采集的数据序列长度一般都较长(大于3600s)，各数据项的延时相对于序列长度较小，因此无需遍历整个数据序列长度，例如，在本申请的一些实施例中车辆检测传感器采集时长为：[-3600s,3600s]，相应的在这些实施例中可以在采集时长范围内计算第一数据序列和第二数据序列的互相关函数值，步长为1s。需要说明的是，当车辆监测传感器包括的NOx监测传感器采集数据时，为了保护该类传感器，需要满足露点温度的条件，才能进入正常工作状态，否则读取的NOx数据会为异常的假值，这部分异常数据本身并无参考意义，同时也会影响互相关函数计算结果。因此，NOx数据进行分析之前，需要先剔除这部分异常数据。
数据序列相关性评价的装置在获取数据序列之后执行420步骤，构造第一数据序列和第二数据序列的互相关函数。对第一数据序列和第二数据序列，使用式(3)的方法进行互相关函数计算。
其中，yMon表示第一数据序列，yOBD表示第二数据序列，X表示数据序列的长度，t表示数据序列中每个数值对应的时间，Δ(t)表示第一数据序列和第二数据序列的第二互相关函数值。获取的监控参数是车速(单位为km/h)、发动机转速(单位为rpm)、进气流量(单位为kg/h)、燃油流量(单位为L/h)和NOx(单位为ppm)，t＝-3600,-3599,…,0,…,3599,3600。在时间为[-3600s,3600s]的区间内，车速、发动机转速、进气流量、燃油流量和NOx等各监测数据项分别计算得到互相关函数序列。
在得到互相关函数序列后，为便于对比，执行430步骤，将互相关函数归一化，将车速、发动机转速、进气流量、燃油流量和NOx各自对应的互相关函数序列均各自进行数据归一化处理，获得车速监控数据对应的车速极大值、发动机转速监控数据对应的发动机转速极大值、进气流量对应的进气流量极大值、燃油流量对应的燃油极大值和NOx对应的NOx极大值。
数据序列相关性评价的装置执行440步骤，将归一化后的互相关函数值中的极大值，作为相对延时时间，其中，最大峰值对应的时间，就是相对延时时间。
数据序列相关性评价的装置执行步骤450，根据相对延时时间，对相对滞后的数据序列进行修正将两个数据序列多余的部分删除掉，使长度对齐。
数据序列相关性评价的装置在获得修正后的两个数据序列后，执行460步骤，将修正后的两个数据序列进行拟合，获得相关系数，根据相关系数评价相关性。
上面描述了数据序列相关性评价的方法的一个具体实施例，下文将描述另一具体实施例。
在另一具体实施例中，步骤如图3所示，数据序列相关性评价的装置先执行310步骤，获取第一数据序列，获取第二数据序列。车辆监测传感器采集参考车辆的监控数据频率为1Hz，采集的数据序列长度一般都较长(大于3600s)，各数据项的延时相对于序列长度较小，因此无需遍历整个数据序列长度，本申请实施例在[-3600s,3600s]内计算互相关函数值，步长为1s。其中，NOx监测传感器采集数据时，为了保护传感器，需要满足露点温度的条件，才能进入正常工作状态，否则读取的NOx数据会为异常的假值，这部分异常数据本身并无参考意义，同时也会影响互相关函数计算结果。因此，NOx数据进行分析之前，需要先剔除这部分异常数据。
在获取完成数据序列之后，数据序列相关性评价的装置执行320步骤，对第一数据序列和第二数据序列进行二值化处理。由于数据序列波动剧烈，峰值出现周期较为频繁，且数据量较大，所以先将两个数据序列进行局部极大值的计算，使用式(1)的方法，将满足大于前一数值并且大于后一数值的当前数值，作为局部最大值，标记为1，其他的数值标记为0，如式(1)所示，在当前数值是数据序列的第一个值或最后一个值的情况下，缺乏比较的前后数值，所有都标记为0；在当前数值大于前一数值并且大于后一数值的情况下，标记为1；在当前值小于等于前一数值或小于等于后一数值的情况下，标记为0。
其中，表示二值化处理后的数据序列，N表示数列的序号(即N＝1，/>表示二值化处理后的第一数据序列；N＝2，/>表示二值化处理后的第二数据序列)，yi表示数据序列中的数值，i＝1，2，3，……，X-2，X-1(其中X为数据序列的长度)。
通过式(1)的计算方法，已经将第一数据序列和第二数据序列分别进行二值化处理，获得与第一数据序列对应的第三数据序列，和与第二数据序列对应的第四数据序列，再执行330步骤，构造二值化处理后的第一数据序列和第二数据序列的互相关函数，换句话说是对第三数据序列和第四数据序列，使用式(2)的方法进行互相关函数计算。
其中，表示第三数据序列，/>表示第四数据序列，X表示数据序列的长度，t表示数据序列中每个数值对应的时间，Δ(t)表示第三数据序列和第四数据序列的第一互相关函数值。
在得到第一互相关函数值后，为便于对比，执行340步骤，将二值化互相关函数(即第一互相关函数值)归一化，将车速、发动机转速、进气流量、燃油流量和NOx各自对应的二值化互相关函数序列均各自进行数据归一化处理，获得车速监控数据对应的车速最大峰值、发动机转速监控数据对应的发动机转速最大峰值、进气流量对应的进气流量最大峰值、燃油流量对应的燃油最大峰值和NOx对应的NOx最大峰值。
数据序列相关性评价的装置再获得各监控数据的最后峰值后，执行350步骤，取归一化后的最大峰值，作为相对延时时间，取车速最大峰值作为车速监控数据的两个数据序列的相对延时时间、取发动机转速最大峰值作为发动机转速监控数据的两个数据序列的相对延时时间、取进气流量最大峰值为进气流量监控数据的两个数据序列的相对延时时间、取燃油最大峰值为燃油流量监控数据的两个数据序列的相对延时时间，取NOx最大峰值为NOx监控数据的两个数据序列的相对延时时间。
数据序列相关性评价的装置在取得各个监控数据的相对延时时间，执行360步骤，根据相对延时时间，对相对滞后的数据序列进行修正，将两个数据序列多余的部分删除掉，使长度对齐。
数据序列相关性评价的装置在获得修正后的两个数据序列后，执行370步骤，将修正后的两个数据序列进行拟合，获得相关系数，根据相关系数评价相关性R2，R2越接近1，说明相关性越强。
需要说明的是，上述本申请中的两个具体实施例是实现本申请方案的两种方法，计算结果一致，同时数据序列修正后的相关系数均大于0.9。在计算示例或在一种实验中，车速修正后两个数据序列的R2为0.9996，发动机转速修正后两个数据序列的R2为0.9913，进气流量修正后两个数据序列的R2为0.9890，燃油流量修正后的两个数据序列的R2为0.9333，NOx修正后的两个数据序列的R2为0.9885，本申请实施例中获得的结果仅仅是实验中获得的结果，对于不同的车辆实验结果会存在差异。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
Claims (8)
1.一种数据序列延时修正的方法，其特征在于，所述方法包括：
获取由监控平台得到的来自于车载终端的第一数据序列，其中，所述第一数据序列是由所述车载终端基于参考车辆上至少一个车辆监测传感器采集的监控数据得到的；
获取通过车载自诊断***OBD读取装置获取的第二数据序列，其中，所述第二数据序列是由所述OBD读取装置从所述车辆监测传感器中读取的所述监控数据，所述监控数据的种类包括：车速、发送机转速、进气流量、燃油流量和/或氮氧化物；
根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间；
其中，所述根据所述第一数据序列和所述第二数据序列的互相关函数，获得所述第一数据序列和所述第二数据序列之间的相对延时时间，包括：
对所述第一数据序列和所述第二数据序列进行二值化处理后再计算所述互相关函数；
其中，所述对所述第一数据序列和所述第二数据序列进行二值化处理后再计算所述互相关函数，包括：
通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行所述二值化处理，获得与所述第一数据序列对应的第三数据序列，和与所述第二数据序列对应的第四数据序列；
对所述第三数据序列和所述第四数据序列进行互相关函数计算，获得第一互相关函数值；
获取所述第一互相关函数值中的第一极大值，将所述第一极大值作为所述相对延时时间。
2.根据权利要求1所述的方法，其特征在于，所述通过获取所述第一数据序列和所述第二数据序列的局部最大值，将所述第一数据序列和所述第二数据序列分别进行二值化处理，包括：
将所述第一数据序列和所述第二数据序列中，满足大于前一数值并且大于后一数值的当前数值，作为所述局部最大值；
将所述局部最大值与其余数值进行区别标记。
3.根据权利要求1所述的方法，其特征在于，
所述第一极大值是所述互相关函数值中，最大峰值对应的时间。
4.根据权利要求1所述的方法，其特征在于，所述根据所述第一数据序列和所述第二数据序列的互相关函数，包括：
对所述第一数据序列和所述第二数据序列进行互相关函数计算，获得第二互相关函数值；
获取所述第二互相关函数值中的第二极大值，将所述第二极大值作为所述相对延时时间。
5.根据权利要求1所述的方法，其特征在于，在所述获得所述第一数据序列和所述第二数据序列之间的相对延时时间之前，所述方法还包括：
对所述第一数据序列的互相关函数值和所述第二数据序列的互相关函数值进行归一化处理。
6.根据权利要求1所述的方法，其特征在于，在所述获得所述第一数据序列和所述第二数据序列之间的相对延时时间之后，所述方法包括：
根据所述相对延时时间，对所述第一数据序列和所述第二数据序列进行延时修正。
7.一种数据序列相关性评价的方法，其特征在于，所述方法包括：
采用如权利要求1-6任一项所述的数据序列延时修正的方法，修正第一数据序列和第二数据序列之间的延时；
将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
8.一种数据序列相关性评价的装置，其特征在于，所述装置包括：
修正单元，被配置为采用如权利要求1-6任一项所述的数据序列延时修正的方法，修正第一数据序列和第二数据序列之间的延时；
评价单元，被配置为将修正后的所述第一数据序列和所述第二数据序列进行拟合，获得相关系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011289368.6A CN112288318B (zh) | 2020-11-17 | 2020-11-17 | 一种数据序列相关性评价的方法、装置和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011289368.6A CN112288318B (zh) | 2020-11-17 | 2020-11-17 | 一种数据序列相关性评价的方法、装置和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288318A CN112288318A (zh) | 2021-01-29 |
| CN112288318B true CN112288318B (zh) | 2023-11-07 |
Family
ID=74399576
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011289368.6A Active CN112288318B (zh) | 2020-11-17 | 2020-11-17 | 一种数据序列相关性评价的方法、装置和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288318B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11876608B2 (en) * | 2021-02-22 | 2024-01-16 | Hitachi, Ltd | Redundant control system |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110046071A (zh) * | 2019-03-13 | 2019-07-23 | 中国平安人寿保险股份有限公司 | 数据库监控方法、装置、计算设备与存储介质 |
| CN110611684A (zh) * | 2019-09-27 | 2019-12-24 | 国网电力科学研究院有限公司 | 一种周期性Web访问行为的检测方法、***及存储介质 |
| CN110955862A (zh) * | 2019-11-26 | 2020-04-03 | 新奥数能科技有限公司 | 一种用于设备模型趋势相似度的评估方法及装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009047831A (ja) * | 2007-08-17 | 2009-03-05 | Toshiba Corp | 特徴量抽出装置、プログラムおよび特徴量抽出方法 |
| KR20200069852A (ko) * | 2018-12-07 | 2020-06-17 | 한국전자통신연구원 | 차량 제어 네트워크의 이상징후 탐지 방법 및 이를 위한 장치 |
-
2020
- 2020-11-17 CN CN202011289368.6A patent/CN112288318B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110046071A (zh) * | 2019-03-13 | 2019-07-23 | 中国平安人寿保险股份有限公司 | 数据库监控方法、装置、计算设备与存储介质 |
| CN110611684A (zh) * | 2019-09-27 | 2019-12-24 | 国网电力科学研究院有限公司 | 一种周期性Web访问行为的检测方法、***及存储介质 |
| CN110955862A (zh) * | 2019-11-26 | 2020-04-03 | 新奥数能科技有限公司 | 一种用于设备模型趋势相似度的评估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288318A (zh) | 2021-01-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109934362B (zh) | 一种车辆检测的方法、装置及终端设备 | |
| CN112288318B (zh) | 一种数据序列相关性评价的方法、装置和*** | |
| CN114352393B (zh) | 选择性催化还原（scr）故障检测***和方法 | |
| CN112127998B (zh) | 发动机爆震识别方法、***及设备 | |
| CN108806019B (zh) | 基于加速度传感器的行车记录数据处理方法及装置 | |
| US20200160407A1 (en) | Server apparatus and information providing method | |
| CN117171921B (zh) | 柴油颗粒物尾气净化装置健康状态评估处理方法和装置 | |
| EP3547058B1 (en) | Diagnosis device and diagnosis method | |
| CN117630678A (zh) | 电动汽车电池电压异常波动故障在线诊断方法及*** | |
| KR20170087182A (ko) | 차량 상태 인지 장치 및 방법 | |
| CN111267755B (zh) | 车载设备的状态标定方法、装置、终端及可读存储介质 | |
| CN112859805A (zh) | 一种发动机控制器在线诊断方法及相关装置 | |
| CN113779494A (zh) | Scr故障诊断方法和装置 | |
| CN113327336A (zh) | 人车关系的识别方法、装置和电子设备 | |
| CN112967496A (zh) | 一种路况信息共享方法、***及计算机可读存储介质 | |
| CN113757017A (zh) | 发动机起动机健康估计 | |
| CN111984676A (zh) | 车辆内部零部件定损方法及装置 | |
| CN115168790A (zh) | 信息确定方法、装置、设备及计算机存储介质 | |
| CN115170895B (zh) | 一种基于图像处理的海洋区域分类方法及装置 | |
| US20240142332A1 (en) | System And Method For Detecting Pressure Loss Rate And Associated Events For Motor Vehicle Tires | |
| CN112084185B (zh) | 车载边缘设备基于关联学习的受损电子控制单元定位方法 | |
| CN117068177A (zh) | 道路坡度处理方法、装置、控制器及存储介质 | |
| CN116609797A (zh) | Gnss欺骗识别方法、装置、电子设备及存储介质 | |
| CN117271940A (zh) | 单条高速公路上行驶车辆的碳排放量计算方法及相关设备 | |
| US20200159199A1 (en) | Server apparatus and information providing method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 100176 No.3, boxing 6th Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: China Automotive Technology (Beijing) Co.,Ltd. Applicant after: Beijing ecological environment monitoring center Address before: No. 3 Boxing 6th Road, Beijing Economic and Technological Development Zone, 100000 Beijing Applicant before: BEIJING KADAKE AUTOMOTIVE TESTING TECHNOLOGY CENTER CO.,LTD. Applicant before: Beijing ecological environment monitoring center |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |