CN112307335A - 车辆服务信息的推送方法、装置、设备及车辆 - Google Patents
车辆服务信息的推送方法、装置、设备及车辆 Download PDFInfo
- Publication number
- CN112307335A CN112307335A CN202011182497.5A CN202011182497A CN112307335A CN 112307335 A CN112307335 A CN 112307335A CN 202011182497 A CN202011182497 A CN 202011182497A CN 112307335 A CN112307335 A CN 112307335A
- Authority
- CN
- China
- Prior art keywords
- data
- service information
- vehicle
- processing
- information
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种车辆服务信息的推送方法、装置、设备及车辆。包括:获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;对所述多源数据进行处理,获得处理结果;根据所述处理结果确定当前车辆所处的场景信息及事件信息;根据所述场景信息、所述事件信息及用户画像数据确定服务信息;将所述服务信息发送至终端。本发明实施例提供的车辆服务信息的推送方法,可以根据采集的多源数据智能的向用户推送服务信息,为用户提供个性化的用车体验。
Description
技术领域
本发明实施例涉及智能车辆技术领域,尤其涉及一种车辆服务信息的推送方法、装置、设备及车辆。
背景技术
汽车个性化是以客户为中心的创新的延伸,随着汽车智能化的不断发展,消费者对个性化用车的需求日益强烈。
发明内容
本发明实施例提供一种车辆服务信息的推送方法、装置、设备及车辆,为用户提供个性化的用车体验。
第一方面,本发明实施例提供了一种车辆服务信息的推送方法,包括:
获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;
对所述多源数据进行处理,获得处理结果;
根据所述处理结果确定当前车辆所处的场景信息及事件信息;
根据所述场景信息、所述事件信息及用户画像数据确定服务信息;
将所述服务信息发送至终端。
进一步地,对所述多源数据进行处理,获得处理结果,包括:
基于设定过滤表对所述多源数据进行过滤;
对过滤后数据按照类型分流至不同的处理线程;
各处理线程对分流后的数据并行进行ETL处理;所述ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决。
进一步地,用户画像数据的获取方式为:
获取离线多源数据;
对所述离线多源数据按照滑行模型需求进行抽取、清洗及标准化处理;
对处理后的数据进行数据建模分析,经过多轮迭代训练和模型优化,获取目标数据模型及训练结果数据。
进一步地,根据所述处理结果确定当前车辆所处的场景信息及事件信息,包括:
将所述处理结果与预设的场景规则进行匹配,获得场景信息;
将所述处理结果与预设的事件规则进行匹配,获得事件信息。
进一步地,将所述服务信息发送至终端,包括:
根据服务确定内容模板,并计算模板所需的参数;
基于所述参数将所述服务信息加载至所述内容模板中,将加载后的服务信息发送至终端。
进一步地,将所述服务信息发送至终端,包括:
将所述服务信息以JSON字符串方式发送至终端。。
第二方面,本发明实施例还提供了一种车辆服务信息的推送装置,包括:
多源数据获取模块,用于获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;
数据处理模块,用于对所述多源数据进行处理,获得处理结果;
场景及事件信息确定模块,用于根据所述处理结果确定当前车辆所处的场景信息及事件信息;
服务信息确定模块,用于根据所述场景信息、所述事件信息及用户画像数据确定服务信息;
服务信息发送模块,用于将所述服务信息发送至终端。
进一步地,所述数据处理模块,还用于:
基于设定过滤表对所述多源数据进行过滤;
对过滤后数据按照类型分流至不同的处理线程;
各处理线程对分流后的数据并行进行ETL处理;所述ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决。
第三方面,本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如本发明实施例所述的车辆服务信息的推送方法。
第四方面,本发明实施例还提供了一种车辆,包括车辆服务信息的推送装置,所述车辆服务信息的推送用于实现如本发明实施例所述的车辆服务信息的推送方法。
本发明实施例公开了一种车辆服务信息的推送方法、装置、设备及车辆。获取多源数据;对多源数据进行处理,获得处理结果;根据处理结果确定当前车辆所处的场景信息及事件信息;根据场景信息、事件信息及用户画像数据确定服务信息;将服务信息发送至终端。本发明实施例提供的车辆服务信息的推送方法,可以根据采集的多源数据智能的向用户推送服务信息,为用户提供个性化的用车体验。
附图说明
图1是本发明实施例一中的一种车辆服务信息的推送方法的流程图;
图2是本发明实施例一中的处理多源数据的示例图;
图3是本发明实施例一中的一种确定服务信息的示例图;
图4是本发明实施例一中的聚合服务信息的示例图;
图5是本发明实施例二中的一种车辆服务信息的推送装置的结构示意图;
图6是本发明实施例三中的一种计算机设备的结构示意图;
图7是本发明实施例四中的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车辆服务信息的推送方法的流程图,本实施例可适用于向用户智能推送服务信息的情况,该方法可以由车辆服务信息的推送装置来执行,如图1所示,该方法具体包括如下步骤:
本发明的前提条件:车辆TBOX SIM卡已开通(即车辆可以联网使用),车机上电,用户登录车机账号,车机可接收云端推送消息。
步骤110,获取多源数据。
其中,多源数据包括用户数据、车辆数据、故障数据及第三方生态数据。用户数据、车辆数据及故障数据可以通过在设备终端中集成数据采集工具来获取,且按照周期触发或者事件触发的方式进行采集。第三方生态数据包含但不限于天气数据、商家数据、地图数据等,通过云平台间HTTP API接口访问方式获取。本实施例,可以将获取的多源数据上传到云服务平台进行存储和处理,供后期数据分析处理。
步骤120,对多源数据进行处理,获得处理结果。
本实施例中,对多源数据进行处理,获得处理结果的过程可以是:基于设定过滤表对多源数据进行过滤;对过滤后数据按照类型分流至不同的处理线程;各处理线程对分流后的数据并行进行ETL处理;ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决。
示例性的,图2为本实施例中处理多源数据的示例图。如图2所示,首先将采集的多源数据发送至kafka,实时任务监听kafka Topic,已消费kafka中的数据。然后根据Redis表中存储的用户行为过滤表,对Kafka消费得到的数据进行数据筛选,选择智能推荐服务所需的数据源,提高程序执行效率。筛选后的数据,存在噪声数据、数据缺失等问题,例如,车辆在车库熄火,会触发熄火事件,但由于车辆网络等原因,未能及时上报熄火信息,这时,需通过数据补偿机制对数据进行修复,因此需要对数据进行ETL处理,包括数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决等操作,最终得到推荐规则引擎所需要的目标数据指标集合。
步骤130,根据处理结果确定当前车辆所处的场景信息及事件信息。
本实施例中,场景信息可以包括用车大场景和用车子场景。其中,用车大场景包括:通勤上班、通勤下班、旅行和日常;用车子场景包括:上车、途中、目的地附近及停车后离车前。对用车大场景和用车子场景的排列组合,共计16个场景,可覆盖用户用车全场景,且同一时间有且仅有一个场景满足条件,场景间完全互斥。
具体的,根据处理结果确定当前车辆所处的场景信息及事件信息的方式可以是:将处理结果与预设的场景规则进行匹配,获得场景信息;将处理结果与预设的事件规则进行匹配,获得事件信息。
其中,场景分为大场景和小场景,大场景包括通勤上班场景、通勤下班场景、旅行场景和日常场景,小场景包括上车场景、途中场景、目的地附近场景和停车后离车前场景,场景ID=大场景ID+子场景ID,例如,大场景ID=1001,小场景ID=1002,则场景ID=10011002。
事件是智能推荐的触发条件,当满足事件触发条件时,基于当前场景,判断所需的推荐服务。事件包含但不限于油量不足、电量不足、疲劳驾驶、下雨、下雪等,例如,油量不足的判断条件为油量低于10%或者20%,具体数值取决于所处场景,对于旅行场景,油量低于20%则满足油量不足条件,触发推荐加油站,其余场景下,油量低于10%则满足油量不足条件。
步骤140,根据场景信息、事件信息及用户画像数据确定服务信息。
其中,用户画像数据的获取方式为:获取离线多源数据;对离线多源数据按照滑行模型需求进行抽取、清洗及标准化处理;对处理后的数据进行数据建模分析,经过多轮迭代训练和模型优化,获取目标数据模型及训练结果数据。
具体的,读取HDFS***中的多源数据,存储到Redis缓存中。对多源数据进行抽取、清洗、标准化等处理,按照画像模型需求,对指定的离线数据进行抽取,例如:针对美食偏好,获取埋点数据中美食信息(美食检索信息、美食分类信息等);针对车辆数据,按照数据中行驶状态对用户轨迹的始点和终点进行识别,抽取Hive表内数据,获取用户行驶轨迹数据,此外,过滤无效数据、缺失数据等脏数据滤,并对数据进行标准化处理,存储到HIVE表中。再然后:结合实际业务需求,对预处理后的偏好类数据进行数据建模分析,经过多轮迭代训练和模型优化,获取目标数据模型以及训练结果数据,模型包含但不限于家位置、公司位置、上班时间、下班时间、上班常走路线、下班常走路线、美食偏好、景点偏好、酒店偏好、油品偏好、娱乐偏好等。最后根据业务需求定义提供用户画像查询接口,封装REST API进行数据发布,支持以http post方式请求,发布模块在接到请求后,进行逻辑分析判断获取结果,对结果进行返回。
本实施例中,可以基于推荐规则引擎来确定服务信息。推荐规则引擎是一种嵌入在应用程序中的组件,本规则引擎通过读取drl推荐规则文件,对实时数据处理得到的数据集进行规则匹配,判断匹配结果,从而确定推荐的服务。
示例性的,图3是本实施例中的一种确定服务信息的示例图。如图3所示,当已知场景信息和事件信息时,结合用户画像数据触发推荐的服务信息。例如,在通勤上班场景下,发生油量不足事件,则触发推荐加油站。推荐的服务包含但不限于加油站、充电桩、美食、景点、酒店、音乐、电台等。
步骤150,将服务信息发送至终端。
具体的,将服务信息发送至终端的方式可以是:根据服务确定内容模板,并计算模板所需的参数;基于参数将服务信息加载至内容模板中,将加载后的服务信息发送至终端。
本实施例中,可以采用内容聚合模块对服务信息进行聚合。示例性的,图4为本实施例中聚合服务信息的示例图。如图4所示,根据推荐服务,选择相应的内容模板,计算模板所需的参数,组装成消息内容,发送给消息通道。例如,当推荐加油站时,消息内容是“油量不足,最近的A加油站距离您B公里,现在要导航过去加油么?”,其中,A为根据用户油品偏好得到的加油站分类,B为根据最近加油站的经纬度以及用户当前位置计算出的直线距离。
可选的,服务信息可以以JSON字符串方式发送至终端。终端接收到服务信息后,解析云端下发的消息内容,识别消息展示方式,包含但不限于弹窗/卡片/语音等,最终展现给用户,并与用户进行交互。
本实施的技术方案,对多源数据进行处理,获得处理结果;根据处理结果确定当前车辆所处的场景信息及事件信息;根据场景信息、事件信息及用户画像数据确定服务信息;将服务信息发送至终端。本发明实施例提供的车辆服务信息的推送方法,可以根据采集的多源数据智能的向用户推送服务信息,为用户提供个性化的用车体验。
实施例二
图5是本发明实施例二提供的一种车辆服务信息的推送装置的结构示意图,如图5所示,该装置包括:多源数据获取模块210,数据处理模块220,场景及事件信息确定模块230,服务信息确定模块240和服务信息发送模块250。
多源数据获取模块210,用于获取多源数据;多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;
数据处理模块220,用于对多源数据进行处理,获得处理结果;
场景及事件信息确定模块230,用于根据处理结果确定当前车辆所处的场景信息及事件信息;
服务信息确定模块240,用于根据场景信息、事件信息及用户画像数据确定服务信息;
服务信息发送模块250,用于将服务信息发送至终端。
可选的,数据处理模块220,还用于:
基于设定过滤表对多源数据进行过滤;
对过滤后数据按照类型分流至不同的处理线程;
各处理线程对分流后的数据并行进行ETL处理;ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决.
可选的,用户画像数据的获取方式为:
获取离线多源数据;
对离线多源数据按照滑行模型需求进行抽取、清洗及标准化处理;
对处理后的数据进行数据建模分析,经过多轮迭代训练和模型优化,获取目标数据模型及训练结果数据。
可选的,场景及事件信息确定模块230,还用于:
将处理结果与预设的场景规则进行匹配,获得场景信息;
将处理结果与预设的事件规则进行匹配,获得事件信息。
可选的,服务信息发送模块250,还用于:
根据服务确定内容模板,并计算模板所需的参数;
基于参数将服务信息加载至内容模板中,将加载后的服务信息发送至终端。
可选的,服务信息发送模块250,还用于:
将服务信息以JSON字符串方式发送至终端。
上述装置可执行本发明前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明前述所有实施例所提供的方法。
实施例三
图6为本发明实施例三提供的一种计算机设备的结构示意图。图6示出了适于用来实现本发明实施方式的计算机设备312的框图。图6显示的计算机设备312仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。设备312是典型的车辆服务信息的推送功能的计算设备。
如图6所示,计算机设备312以通用计算设备的形式表现。计算机设备312的组件可以包括但不限于:一个或者多个处理器316,存储装置328,连接不同***组件(包括存储装置328和处理器316)的总线318。
总线318表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及***组件互连(Peripheral Component Interconnect,PCI)总线。
计算机设备312典型地包括多种计算机***可读介质。这些介质可以是任何能够被计算机设备312访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置328可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory,RAM)330和/或高速缓存存储器332。计算机设备312可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***334可以用于读写不可移动的、非易失性磁介质(图6未显示,通常称为“硬盘驱动器”)。尽管图6中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线318相连。存储装置328可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块326的程序336,可以存储在例如存储装置328中,这样的程序模块326包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块326通常执行本发明所描述的实施例中的功能和/或方法。
计算机设备312也可以与一个或多个外部设备314(例如键盘、指向设备、摄像头、显示器324等)通信,还可与一个或者多个使得用户能与该计算机设备312交互的设备通信,和/或与使得该计算机设备312能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口322进行。并且,计算机设备312还可以通过网络适配器320与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器320通过总线318与计算机设备312的其它模块通信。应当明白,尽管图中未示出,可以结合计算机设备312使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)***、磁带驱动器以及数据备份存储***等。
处理器316通过运行存储在存储装置328中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的车辆服务信息的推送方法。
实施例四
图7是本发明实施例提供的一种车辆的结构示意图,如图7所示,该车辆包括本发明实施例的车辆服务信息的推送装置,该装置包括:多源数据获取模块,用于获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;数据处理模块,用于对所述多源数据进行处理,获得处理结果;场景及事件信息确定模块,用于根据所述处理结果确定当前车辆所处的场景信息及事件信息;服务信息确定模块,用于根据所述场景信息、所述事件信息及用户画像数据确定服务信息;服务信息发送模块,用于将所述服务信息发送至终端。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆服务信息的推送方法,其特征在于,包括:
获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;
对所述多源数据进行处理,获得处理结果;
根据所述处理结果确定当前车辆所处的场景信息及事件信息;
根据所述场景信息、所述事件信息及用户画像数据确定服务信息;
将所述服务信息发送至终端。
2.根据权利要求1所述的方法,其特征在于,对所述多源数据进行处理,获得处理结果,包括:
基于设定过滤表对所述多源数据进行过滤;
对过滤后数据按照类型分流至不同的处理线程;
各处理线程对分流后的数据并行进行ETL处理;所述ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决。
3.根据权利要求1所述的方法,其特征在于,用户画像数据的获取方式为:
获取离线多源数据;
对所述离线多源数据按照滑行模型需求进行抽取、清洗及标准化处理;
对处理后的数据进行数据建模分析,经过多轮迭代训练和模型优化,获取目标数据模型及训练结果数据。
4.根据权利要求1所述的方法,其特征在于,根据所述处理结果确定当前车辆所处的场景信息及事件信息,包括:
将所述处理结果与预设的场景规则进行匹配,获得场景信息;
将所述处理结果与预设的事件规则进行匹配,获得事件信息。
5.根据权利要求1所述的方法,其特征在于,将所述服务信息发送至终端,包括:
根据服务确定内容模板,并计算模板所需的参数;
基于所述参数将所述服务信息加载至所述内容模板中,将加载后的服务信息发送至终端。
6.根据权利要求1所述的方法,其特征在于,将所述服务信息发送至终端,包括:
将所述服务信息以JSON字符串方式发送至终端。
7.一种车辆服务信息的推送装置,其特征在于,包括:
多源数据获取模块,用于获取多源数据;所述多源数据包括用户数据、车辆数据、故障数据及第三方生态数据;
数据处理模块,用于对所述多源数据进行处理,获得处理结果;
场景及事件信息确定模块,用于根据所述处理结果确定当前车辆所处的场景信息及事件信息;
服务信息确定模块,用于根据所述场景信息、所述事件信息及用户画像数据确定服务信息;
服务信息发送模块,用于将所述服务信息发送至终端。
8.根据权利要求7所述的装置,其特征在于,所述数据处理模块,还用于:
基于设定过滤表对所述多源数据进行过滤;
对过滤后数据按照类型分流至不同的处理线程;
各处理线程对分流后的数据并行进行ETL处理;所述ETL处理包括:数据抽取、转换、缺失值处理、噪声数据平滑、离群点删除、数据不一致性解决。
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-6任一所述的车辆服务信息的推送方法。
10.一种车辆,其特征在于,包括车辆服务信息的推送装置,所述车辆服务信息的推送用于实现如权利要求1-6任一所述的车辆服务信息的推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011182497.5A CN112307335A (zh) | 2020-10-29 | 2020-10-29 | 车辆服务信息的推送方法、装置、设备及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011182497.5A CN112307335A (zh) | 2020-10-29 | 2020-10-29 | 车辆服务信息的推送方法、装置、设备及车辆 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112307335A true CN112307335A (zh) | 2021-02-02 |
Family
ID=74331726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011182497.5A Pending CN112307335A (zh) | 2020-10-29 | 2020-10-29 | 车辆服务信息的推送方法、装置、设备及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112307335A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010773A (zh) * | 2021-02-22 | 2021-06-22 | 东风小康汽车有限公司重庆分公司 | 一种信息推送方法及设备 |
CN113194442A (zh) * | 2021-05-09 | 2021-07-30 | 深圳市迈鸿车联网服务有限公司 | 一种智慧用车的车联网互动平台 |
CN113536065A (zh) * | 2021-07-15 | 2021-10-22 | 江苏小牛电动科技有限公司 | 一种车辆事件的状态确定方法、装置、***及存储介质 |
CN114407652A (zh) * | 2022-01-19 | 2022-04-29 | 亿咖通(湖北)技术有限公司 | 一种信息显示方法、装置和设备 |
CN115460245A (zh) * | 2022-08-31 | 2022-12-09 | 重庆长安汽车股份有限公司 | 一种车辆服务数据推送方法、***、设备及存储介质 |
WO2023241388A1 (zh) * | 2022-06-14 | 2023-12-21 | 中国第一汽车股份有限公司 | 模型训练方法及装置、补能意图识别方法及装置、设备、介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断***及方法 |
CN106649502A (zh) * | 2016-10-12 | 2017-05-10 | 卡桑德电子科技(扬州)有限公司 | 一种主动推送服务和功能的智能车载多媒体***及方法 |
CN110300175A (zh) * | 2019-07-02 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 消息推送方法、装置、存储介质及服务器 |
CN110572384A (zh) * | 2019-09-03 | 2019-12-13 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆数据处理方法及装置 |
-
2020
- 2020-10-29 CN CN202011182497.5A patent/CN112307335A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106649502A (zh) * | 2016-10-12 | 2017-05-10 | 卡桑德电子科技(扬州)有限公司 | 一种主动推送服务和功能的智能车载多媒体***及方法 |
CN106406296A (zh) * | 2016-12-14 | 2017-02-15 | 东北大学 | 一种基于车载和云端的列车故障诊断***及方法 |
CN110300175A (zh) * | 2019-07-02 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 消息推送方法、装置、存储介质及服务器 |
CN110572384A (zh) * | 2019-09-03 | 2019-12-13 | 东软睿驰汽车技术(沈阳)有限公司 | 一种车辆数据处理方法及装置 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113010773A (zh) * | 2021-02-22 | 2021-06-22 | 东风小康汽车有限公司重庆分公司 | 一种信息推送方法及设备 |
CN113194442A (zh) * | 2021-05-09 | 2021-07-30 | 深圳市迈鸿车联网服务有限公司 | 一种智慧用车的车联网互动平台 |
CN113536065A (zh) * | 2021-07-15 | 2021-10-22 | 江苏小牛电动科技有限公司 | 一种车辆事件的状态确定方法、装置、***及存储介质 |
CN113536065B (zh) * | 2021-07-15 | 2024-01-30 | 江苏小牛电动科技有限公司 | 一种车辆事件的状态确定方法、装置、***及存储介质 |
CN114407652A (zh) * | 2022-01-19 | 2022-04-29 | 亿咖通(湖北)技术有限公司 | 一种信息显示方法、装置和设备 |
CN114407652B (zh) * | 2022-01-19 | 2024-04-12 | 亿咖通(湖北)技术有限公司 | 一种信息显示方法、装置和设备 |
WO2023241388A1 (zh) * | 2022-06-14 | 2023-12-21 | 中国第一汽车股份有限公司 | 模型训练方法及装置、补能意图识别方法及装置、设备、介质 |
CN115460245A (zh) * | 2022-08-31 | 2022-12-09 | 重庆长安汽车股份有限公司 | 一种车辆服务数据推送方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112307335A (zh) | 车辆服务信息的推送方法、装置、设备及车辆 | |
CN108162771B (zh) | 一种电动汽车智能充电导航方法 | |
CN107122866B (zh) | 预估乘客取消订单行为的方法、设备及存储介质 | |
CN107133645B (zh) | 预估乘客取消订单行为的方法、设备及存储介质 | |
US10728708B2 (en) | Verifying sensor data using embeddings | |
CN106875066B (zh) | 用车出行行为的预测方法、装置、服务器以及存储介质 | |
US11823574B2 (en) | Method and apparatus for prediction road condition, device and computer storage medium | |
US20230124529A1 (en) | Vehicle body fuel consumption determination based on sensor data | |
CA2872507A1 (en) | Assigning mobile device data to a vehicle | |
CN106296338A (zh) | 出行订单处理方法、装置和用户终端 | |
CN114435138A (zh) | 一种车辆能耗预测方法、装置、车辆及存储介质 | |
CN103605725A (zh) | 公交车到站时间查询方法、nfc终端和服务器 | |
CN106384512A (zh) | 车辆违章信息查询方法以及*** | |
US20200279489A1 (en) | Vehicle location detection | |
JP2019074849A (ja) | 運転データ解析装置 | |
CN114677848B (zh) | 感知预警***、方法、装置及计算机程序产品 | |
CN114118582A (zh) | 目的地预测方法、装置、电子终端及存储介质 | |
WO2023241388A1 (zh) | 模型训练方法及装置、补能意图识别方法及装置、设备、介质 | |
CN111757272A (zh) | 地铁拥堵程度的预测方法、模型训练方法和装置 | |
CN111726382A (zh) | 运行车辆座位状态查询方法、装置、电子设备及存储介质 | |
CN112810489B (zh) | 一种新能源汽车用安全充电管理*** | |
CN114435383A (zh) | 一种控制方法、装置、设备及存储介质 | |
CN111653271B (zh) | 一种样本数据获取、模型训练方法、装置及计算机设备 | |
CN114987494A (zh) | 驾驶场景处理方法、装置及电子设备 | |
CN111145576B (zh) | 寻车方法及相关设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210202 |