CN113672990A - 车联网数据校验方法、装置、设备及存储介质 - Google Patents
车联网数据校验方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113672990A CN113672990A CN202110876920.XA CN202110876920A CN113672990A CN 113672990 A CN113672990 A CN 113672990A CN 202110876920 A CN202110876920 A CN 202110876920A CN 113672990 A CN113672990 A CN 113672990A
- Authority
- CN
- China
- Prior art keywords
- data
- verification
- internet
- vehicles
- item
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012795 verification Methods 0.000 claims abstract description 225
- 238000013524 data verification Methods 0.000 claims abstract description 124
- 230000006855 networking Effects 0.000 claims abstract description 46
- 238000007405 data analysis Methods 0.000 claims abstract description 15
- 238000012937 correction Methods 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012502 risk assessment Methods 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 71
- 230000008859 change Effects 0.000 description 41
- 230000001133 acceleration Effects 0.000 description 34
- 238000012545 processing Methods 0.000 description 22
- 230000005856 abnormality Effects 0.000 description 17
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013136 deep learning model Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/64—Protecting data integrity, e.g. using checksums, certificates or signatures
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Computer Security & Cryptography (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车联网数据校验方法、装置、设备及存储介质，涉及车联网技术领域。所述方法通过对获取到的车辆的待校验车联网数据进行第一数据校验，快速剔除不可用的无效待校验车联网数据后，对通过第一数据校验的待校验车联网数据进行第二数据校验，并对未通过第二数据校验的所述待校验车联网数据的数据项对应的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。进行校验和修正后的车联网数据确保了数据的有效性，有利于后续的数据分析工作，使得车联网数据的分析工作和相关风险评估工作的效率大大提升且结果更为准确。
Description
技术领域
本发明涉及车联网技术领域，尤其涉及一种车联网数据校验方法、装置、设备及存储介质。
背景技术
随着车联网技术的不断发展，车联网数据的应用可能引发车险经营的深刻变革，不仅影响传统的经营模式，还能够帮助驾驶员改善驾驶行为，降低事故发生。依托车联网技术和车联网数据进行的车险创新模式在欧美市场已经有了较长时间的发展，部分公司如美国的Progressive保险公司、英国的Insure the Box保险经纪公司通过车联网保险培育了核心竞争力、获得了巨大商业成功。
中国智能网联汽车逐步迈入产业化，越来越多的车辆具备了车联网***，也为车险经营创新带来了新的机会。近年来，国内各保险公司广泛开展车联网技术和车联网数据应用的尝试。但是很多情况下采集到车联网数据并不理想，一方面是利用车联网***由于终端设备、采集算法、压缩传输等各方面的原因导致采集的数据质量问题严重，并且缺乏***性地验证，造成数据异常影响正确使用；另一方面，因为车联网数据产生于各类传感器，受限于信号强弱、外部环境、突发故障等各种情况的影响，在使用前需要进行复杂的数据预处理，而保险公司的数据分析人员往往缺乏对于车联网数据的深度理解而无法胜任此项工作。因此如何对采集到的车联网数据进行清理和校验使其适用于后续的数据分析工作变得尤为重要。
发明内容
有鉴于此，本发明实施例提供了车联网数据校验方法、装置、设备及存储介质，用以解决现有技术中采集到的车联网数据质量问题严重而导致无法进行后续数据分析的问题。
第一方面，本发明实施例提供了一种车联网数据校验方法，所述方法包括：
获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
优选地，所述待校验车联网数据至少包括以下两个数据项：运行里程数据和累计运行时长数据，所述第一预设条件为所述运行里程数据是否大于预设里程阈值且所述累计运行时长数据是否大于预设时长阈值，所述根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验包括：
当满足所述第一预设条件，则所述待校验车联网数据通过第一数据校验；
当不满足所述第一预设条件，则所述待校验车联网数据未通过第一数据校验。
优选地，所述方法还包括：
记录每一次进行第一数据校验的时间；
当前后两次进行第一数据校验的时间间隔小于预设时间间隔，则后一次的第一数据校验结果与前一次的第一数据校验结果相同。
优选地，所述第二预设条件包括第一预设项数阈值和/或第二预设项数阈值，所述当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目包括：
获取所述待校验车联网数据中的有效数据项数；
当所述有效数据项数大于所述第一预设项数阈值，则采用第一校验标准对所述待校验车联网数据进行第二数据校验；
当所述有效数据项数小于等于所述第一预设项数阈值且大于所述第二预设项数阈值，则采用第二校验标准对所待校验车联网数据进行第二数据校验；
当所述有效数据项数小于等于所述第二预设项数阈值，则采用第三校验标准对所述待校验车联网数据进行第二数据校验。
优选地，获取所述待校验车联网数据中的有效数据项数包括：
获取所述待校验车联网数据中的任一数据项；
判断所述数据项的数据是否为有效数据；
若是则记所述数据项为有效数据项；
统计有效数据项的数目，记为有效数据项数。
优选地，所述第一校验标准的校验项目数量大于所述第二校验标准的校验项目数量，所述第二校验标准的校验项目数量大于所述第三校验标准的校验项目数据。
优选地，在所述当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的数据项进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功之后，还包括：
根据所述校验标准输出相应的数据输出项，其中所述数据输出项用于进行数据分析。
第二方面，本发明实施例提供了一种车联网数据校验装置，所述装置包括：
待校验车联网数据获取模块，用于获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
第一数据校验模块，用于根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
校验标准选取模块，用于当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
第二数据校验模块，用于根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
修正模块，用于当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
第三方面，本发明实施例提供了一种车联网数据校验设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
第四方面，本发明实施例提供了一种存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中第一方面的方法。
综上所述，本发明的有益效果如下：
本发明实施例提供的车联网数据校验方法、装置、设备及存储介质，通过对获取到的车辆的待校验车联网数据进行第一数据校验，快速剔除不可用的无效待校验车联网数据后，对通过第一数据校验的待校验车联网数据进行第二数据校验，并对未通过第二数据校验的所述待校验车联网数据的数据项对应的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。进行校验和修正后的车联网数据确保了数据的有效性，有利于后续的数据分析工作，使得车联网数据的分析工作和相关风险评估工作的效率大大提升且结果更为准确。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，这些均在本发明的保护范围内。
图1是本发明实施例的车联网数据校验方法的流程示意图。
图2是图1中步骤S3的流程示意图。
图3是图2中步骤S31的流程示意图。
图4是本发明实施例的车联网数据校验装置的结构示意图。
图5是本发明实施例的车联网数据校验装置的结构示意图。
图6是本发明实施例的车联网数据校验设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
实施例一
本发明实施例提供了一种车联网数据校验方法，该方法适用但不限于对采集到车联网数据进行校验，校验后的车联网数据可应用于车险经营管理的各个环节，在产品开发、客户关系管理、承保管理、理赔服务、防灾防损中科学采集、分析、识别和管控风险、提升用户体验、降低运营成本等中起到重要作为。
请参见图1，所述方法具体包括以下步骤：
S1:获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
S2：根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
S3：当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
S4：根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
S5：当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
具体的，获取车辆的待校验车联网数据可以通过安装与车辆中的车联网数据采集***或者是安装于车辆中的各类传感器获取，再次不做限定。通过车联网数据采集***或传感器获取到的数据会因为采集算法、压缩传输、信号强弱、内外部环境等等的影响导致待校验数据中会掺杂了噪声数据或无效数据。在本实施例中，通过第一数据校验做数据预校验处理，先快速排除不可用数据，只有通过第一数据校验的待校验车联网数据才能进入后续校验，第一数据校验或数据预校验也称为门槛校验，用于快速否定根本用不着校验的数据。如果待校验车联网数据不能通过第一数据校验则说明，这些数据即使使用后续数据校验方法也无法校验通过；而且这些数据即使运用后续的修正算法也不可能达到可用的状态。通过对待校验车联网数据进行第一数据校验，快速排除不可用数据，有利于提高整个数据校验的效率。
在一个实施例中，待校验车联网数据包括但不限于运行里程数据、累计运行时长数据、运行轨迹里程数据、速度数据、GPS定位精度数据、GPS定位数据、点熄火异常数据、短行程数据、总线类数据、加速度数据等中的一项、两项或多项。其中，总线类数据为车辆运行过程中，通过采集车辆的各部件获取的数据，包括蓄电池电压、发动机转速、蓄电池剩余电量中的一种、两种或多种。第一数据校验可以选取上述数据中任意一项、两项或多项进行校验。
在本实施例中，选取至少以下两项数据进行第一数据校验：运行里程数据和累计运行时长数据。所述第一预设条件具体为：运行里程数据是否大于预设里程阈值且累计运行时长数据是否大于预设时长阈值。这里的预设里程阈值和预设时长阈值可以根据实际情况具体设置，只有满足了上述第一预设条件，即待校验车联网数据中的运行里程数据大于预设里程阈值且累计运行时长数据大于预设时长阈值才认为待校验车联网数据通过了第一数据校验。如果待校验车联网数据中的运行里程数据小于等于预设里程阈值和/或累计运行时长数据小于等于预设时长阈值，则不满足第一预设条件，则未通道第一数据校验，表明获取到的待校验车联网数据不可用，不对此待校验车联网数据进行第二数据校验或修正处理，可丢弃掉此数据或重新获取新的数据。
在一个实施例中，根据待校验车联网中各数据项的关联性确定各数据项对应的关联因子；将关联因子满足第三预设条件(如高度相关)的数据项放入同一集合记为数据项集合中并该集合赋予一个权重系数，获取所有的数据项集合并通过数学建模建立各数据项集合及权重系数的数学模型，根据数学模型得到满足预设权重系数的数据项集合，将此数据项集合记为为最佳校验数据项集合，使用该集合中的数据项进行第一数据校验。所述最佳校验数据项集合至少包括两项数据项，示例性的，最佳校验数据项集合的包括了第一数据项、第二数据项，其中，第一数据项和第二数据项分别为运行里程数据、累计运行时长数据、运行轨迹里程数据、速度数据、GPS定位精度数据、GPS定位数据、点熄火异常数据、短行程数据、总线类数据、加速度数据等中的一项、两项或多项。其中，总线类数据为车辆运行过程中，通过采集车辆的各部件获取的数据，包括蓄电池电压、发动机转速、蓄电池剩余电量中任一种。
所述第一预设条件具体为：第一数据项是否大于预设第一数据阈值且累计第一数据项是否大于预设第二数据阈值。满足了第一预设条件才认为待校验车联网数据通过了第一数据校验，不满足第一预设条件，则未通道第一数据校验，表明获取到的待校验车联网数据不可用，不对此待校验车联网数据进行第二数据校验或修正处理，可丢弃掉此数据或重新获取新的数据。
在另一个实施例中，还可以从上述各数据项中选择任意两项或多项数据项进行第一数据校验，记录校验结果；通过多次不同数据项组合的校验训练，建立深度学习模型，找到最佳校验数据项集合(所述最佳校验数据项集合包括上述各数据项中选择任意两项或多项)，在后续的一段时间内，在每次进行待校验车联网的数据校验时，根据所述最佳校验数据项集合进行第一数据校验。更进一步的，设定一个更新深度学习模型的时间周期，每隔所述时间周期后重新进行多次不同数据项组合的校验训练，重新找到新的最佳校验数据项集合，并在后续一段时间内使用该新的最佳校验数据项集合进行第一数据校验。
示例性的，若获取到的最佳校验数据项集合的包括了第三数据项、第四数据项和第五数据项，其中，第三数据项、第四数据项和第五数据项分别为运行里程数据、累计运行时长数据、运行轨迹里程数据、速度数据、GPS定位精度数据、GPS定位数据、点熄火异常数据、短行程数据、总线类数据、加速度数据等中的一项、两项或多项。其中，总线类数据为车辆运行过程中，通过采集车辆的各部件获取的数据，包括蓄电池电压、发动机转速、蓄电池剩余电量中任一种。
则所述第一预设条件具体为：第三数据项是否大于预设第三数据阈值且累计第四数据项是否大于预设第四数据阈值且第五数据项是否大于预设第五数据阈值。满足了第一预设条件才认为待校验车联网数据通过了第一数据校验，不满足第一预设条件，则未通道第一数据校验，表明获取到的待校验车联网数据不可用，不对此待校验车联网数据进行第二数据校验或修正处理，可丢弃掉此数据或重新获取新的数据。
通过建立数学模型或或者深度学习模型找到最佳校验数据项集合进行第一数据校验，有利于提高第一数据校验的精准性，过滤不可用数据，从而保证了第二数据校验乃至整个待校验车联网数据的校验结果的精准性。
在一个实施例中，记录每一次进行第一数据校验的时间；当前后两次进行第一数据校验的时间间隔小于预设时间间隔，则后一次的第一数据校验结果与前一次的第一数据校验结果相同。即如果在某一时期内若某车辆已经通过第一数据校验，则后续进行校验时不再需要进行第一数据检验步骤；直到已经超出预设时间间隔后才需要再一次使用前期检验。这里的预设时间间隔可以根据实际情况设定。
当待校验车联网数据通过了第一数据校验，则进行第二数据校验，在进行第二数据校验之前，本实施例通过设置第二预设条件选取对待校验车联网数据进行第二数据校验的校验标准。
因为每一次获取到的待校验车联网数据的数据质量或数据项的完整程度不一定。若获取到的数据质量很高(即不可用数据很少)或这数据项完整程度高(即待校验车联网数据中各数据项的数据基本都能获取到)，则可以依据全量标准或第一校验标准的校验项目对所述待校验车联网数据进行一一校验，若获取到的数据质量良好(即有不可用数据，但数量较少)或数据项完整程度较高(即待校验车联网数据中各数据项的数据大部分都能获取到)，则可以使用正常标准或第二校验标准的校验项目进行校验，若获取到的数据质量一般或数据项完整程度也一般，则可以使用基础标准的校验项目对待校验车联网数据进行一一校验。
在本实施例中，通过获取待校验车联网数据中的有效数据项并根据第二预设条件来判断采用何种校验标准对所述待校验车联网数据进行校验。这里的第二预设条件包括预先设定的第一预设项数阈值和/或第二预设项数阈值，其中第一预设项数阈值和第二预设项数阈值的具体值根据实际情况而定。
具体的，所述当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，请参见图2，不同的校验标准具有数量不同的校验项目包括以下步骤：
S31：获取所述待校验车联网数据中的有效数据项数；
S32：当所述有效数据项数大于所述第一预设项数阈值，则采用第一检验标准对所述待校验车联网数据进行第二数据校验；
S33：当所述有效数据项数小于等于所述第一预设项数阈值且大于所述第二预设项数阈值，则采用第二检验标准对所待校验车联网数据进行第二数据校验；
S34：当所述有效数据项数小于等于所述第二预设项数阈值，则采用第三校验标准对所述待检验数据进行第二数据校验。
请参阅图3，待校验车联网数据中的有效数据项数的获取则通过以下步骤获取：
S311：获取所述待校验车联网数据中的任一数据项；
S312：判断所述数据项的数据是否为有效数据；
S313：若是则记所述数据项为有效数据项；
S314：统计有效数据项的数目，记为有效数据项数。
其中，判断所述数据项的数据是否为有效数据可以通过分析数据完整性、精度或误差分析等方式来判别，具体方法再次不做限制。
在本实施例中，各校验标准的校验项目的数量各不相同。其中，所述第一校验标准的校验项目数量大于所述第二校验标准的校验项目数量，所述第二校验标准的校验项目数量大于所述第三校验标准的校验项目数据。在进行第二数据校验时，根据采用的校验标准对该采用的校验标准中的所有校验项目一一进行校验，示例性的，如第一校验标准中的校验项目包括第一校验项目、第二校验项目；第二校验标准中的校验项目包括了第二校验项目、第三校验项目、第四校验项目；第三校验标准中的校验项目包括了第二校验项目、第三校验项目、第四校验项目，第五校验项目；如果采用第一校验标准，则分别对第一校验项目和第二校验项目进行校验，如果采用第二校验标准，则分别对第二校验项目、第三校验项目、第四校验项目进行校验，如果采用第三校验标准则分别对第二校验项目、第三校验项目、第四校验项目，第五校验项目进行校验，并获取各校验项目的校验结果。
优选地，第一校验标准(又称全量标准)的校验项目包括但不限于：点熄火异常校验、里程误差校验、短行程校验、时间连续性校验、速度变化异常校验、角度变化异常校验、距离变化异常校验、卫星定位水平精度异常校验、卫星定位数据值异常校验、总线类异常值校验、总线类空值校验、总线速度与卫星速度相关性异常校验、加速度相关性异常校验、发动机转速异常校验；第二校验标准(又称正常标准)的校验项目包括包括但不限于：点熄火异常校验、里程误差校验、短行程校验、时间单调递增校验、时间连续性校验、速度变化异常校验、角度变化异常校验、距离变化异常校验、卫星定位水平精度异常校验、卫星定位数据值异常校验、总线类异常值校验、总线类空值校验、总线速度与卫星速度相关性异常校验；第三校验标准(又称基础标准)的校验项目包括包括但不限于：点熄火异常校验、里程误差校验、短行程校验、时间单调递增校验、时间连续性校验、速度变化异常校验、距离变化异常校验、卫星定位水平精度异常校验、卫星定位数据值异常校验。
在一个实施例中，所述点熄火异常校验包括以下步骤：
采集车辆在第一设定时段内的点熄火异常数据与运行里程数据，点熄火异常数据包括第一设定时段内的点火异常数据和熄火异常数据；
获取第一设定时段内点熄火异常的单位运行里程数量；
若所述点熄火异常的单位行程里程数量小于第一设定值，则判定该车辆点熄火异常数据有效。
其中，第一设定时段为车辆的一段运行时期，包括一周、一月、一年等，单位运行里程为1km，第一设定值为大于零的数值。
在一个实施例中，点熄火异常数据获取方法包括：若在获取熄火数据后的第二设定时段内仍能采集到运行数据，则判定获取的熄火数据后的第二设定时段存在点熄火异常数据。在另一种实施例中，点熄火异常数据获取方法包括：若在获取熄火数据前采集的运行数据中存在两个运行数据的采集时间差超过第二设定值，则判定为两个运行数据之间的时间段存在点熄火异常数据。第二设定值是根据设定时长的大小设置的。
点熄火异常数据包含第一设定时段内存在点熄火异常的各时间段。运行里程数据包括第一设定时段内各时间点的运行里程。通过点熄火异常数据和运行里程数据，能够获取第一设定时段内点熄火异常的各单位运行里程和点熄火异常的各单位运行里程数量。由于车辆在出现点熄火异常现象后，通常会对点熄火异常现象进行及时处理，防止点熄火异常严重影响车辆的运行。且车辆在出现点熄火异常后，通常很快坏掉或为不影响使用而被及时修好，因此第一设定时段内出现电点熄火异常的行程数量通常是有限的。通过获取第一设定时段内点熄火异常的单位运行里程数量，能够判断点熄火异常数据是否有效。若点熄火异常的单位运行里程数量小于第一设定值，则判定点熄火异常数据有效。
在一个实施例中，所述里程误差校验包括以下步骤：
采集所述车辆在第一设定时段结束时的运行里程数据和运行轨迹里程数据；
获取所述运行里程数据和所述运行轨迹里程数据的差值；
将所述差值除以所述运行里程数据，得到里程偏差率；
若所述运行里程数据大于第三设定值，且所述里程偏差率小于第四设定值，则判定所述运行里程数据有效；
当所述运行里程数据有效时，判定所述里程误差校验为校验成功，反之为校验失败。
车辆在第一设定时段结束时的运行里程数据是通过车辆上的码表采集的。车辆的运行轨迹里程数据是利用车辆的GPS定位坐标信息计算获取的里程数据。计算车辆的运行轨迹里程数据，包括：获取车辆在第一设定时段内的各时间点的GPS定位坐标信息；根据各时间点的GPS定位坐标信息，获取各时间点车辆的位置信息；根据各时间点车辆的位置信息，获取车辆每相邻两时间点之间的时间段的运行距离；将各运行距离相加，即得到车辆的运行轨迹里程。在一个示例中，各时间点中相邻时间点之间的间隔均为1s。第三设定值和第四设定值均为大于零的数值。
在一个实施例中，所述短行程校验包括以下步骤：
采集车辆的短行程数据；
处理所述短行程数据，获取第一设定时段内短行程数据的个数；
若所述个数低于第八设定值，则判定所述短行程数据有效。
所述短行程数据包括第一设定时段内的所述运行里程数据中一次运行的运行里程低于第七设定值的运行里程数据或第一设定时段内的所述运行里程数据中一次运行的运行时间低于第五设定值的运行里程数据。在一个实施例中，第七设定值为1公里。通过对运行里程低于1公里的运行次数进行统计，且判断运行里程低于1公里的运行次数是否低于第八设定值，能够判断车辆的短时间运行是否有效。在一个实施例中，第五设定值为5分钟。通过对运行时间低于5分钟的运行次数进行统计，且判断运行时间低于5分钟的运行次数是否低于第六设定值，能够判断车辆的短时间运行是否有效。
在一个实施例中，时间单调递增校验包括：如果卫星定位时间在单一行程内保持单调递增，则判定该段行程时间单调递增。该车辆所有行程的时间都单调递增时，判定该车辆时间单调递增校验通过，反之为不通过。
在一个实施例中，所述时间连续性校验包括：
获取第一设定时段内采集的运行数据时，相邻两次采集的时间间隔大于第三设定时段的次数；将该次数除以第一设定时段内的采集次数，将获得的比值作为运行数据的连续率；若所述连续率小于第九设定值，则判断运行数据有效。第九设定值为大于零的设定值。第三设定时段为一秒。通过判断运行数据的采集连续率，能够判断运行数据的有效性。
在一个实施例中，所述速度变化异常校验包括：
采集车辆在第一设定时段内的速度数据；处理所述速度数据，获取所述速度数据中任意两相邻时间点之间的速度变化值的绝对值，所述相邻两时间点之间的差值为一秒；统计各速度变化值的绝对值大于第十设定值的次数；将该次数除以第一设定时段内的速度采集次数，将获得的比值作为速度变化率；若所述速度变化率大于第三设定阈值，则判定所述速度数据有效。其中，第十设定值为大于零的数值。通过对速度数据是否有效进行判断，能够保证后续利用速度数据处理获取的车辆运行状况真实有效。
在一个实施例中，所述角度变化异常校验包括：采集车辆的方向角数据；处理所述速度数据和所述方向角数据，获取所述速度数据中任意两相邻时间点之间的速度变化值的绝对值，和方向角变化值的绝对值，所述相邻两时间点之间的差值为一秒；统计各速度变化值的绝对值小于第十一设定值、方向角变化中的绝对值大于第十二设定值的次数；将该次数除以第一设定时段内的速度采集次数，将获得的比值作为方向角变化率；若所述方向角变化率大于第四设定阈值，则判定所述方向角数据有效。
车辆的方向角为车辆速度方向与车辆运行路线之间的角度。车辆的方向角数据包括车辆在第一设定时段内各时间点的方向角。第十一设定值、第十二设定值和第四设定阈值均为大于零的数值。
在一个实施例中，所述距离变化异常校验包括：
采集车辆的运行里程数据；对所述运行里程数据进行处理，获取车辆在第一设定时段内各单位时间的运行里程；分别统计各所述运行里程中大于第十三设定值的运行里程数量；将所述大于第十三设定值的运行里程数量除以各所述运行里程的总数量，并将计算获取的比值作为里程变化异常率；若所述里程变化异常率小于第五设定阈值，则判定所述运行里程数据有效。其中，单位时间为一秒。第十三设定值、第五设定阈值均为大于零的数值。
在一个实施例中，所述卫星定位水平精度异常校验包括：
采集车辆的GPS定位精度数据；对所述GPS定位精度数据进行处理，获取所述第一设定时段内各单位里程的GPS定位精度异常次数；若各单位里程的所述GPS定位精度异常次数均小于第六设定阈值，则判定所述GPS定位精度数据有效。其中，GPS定位精度数据是通过将车辆的GPS定位位置与车辆的实际位置进行比较获取的。第六设定阈值为大于零的数值。单位里程为1km。
在一个实施例中，所述卫星定位数据值异常校验包括：
采集车辆的GPS定位数据；对该车辆的所述GPS定位数据进行处理，获取所述第一设定时段内各单位里程内的GPS定位数据异常条数；若各单位里程内的所述GPS定位数据异常条数小于第七设定阈值，则判定所述GPS定位数据有效。
其中，GPS定位数据异常包括：针对任一GPS定位数据，若该GPS定位数据具有下列一种情况，则该GPS定位数据异常：
1)卫星定位***时间小于或等于0；
2)卫星定位纬度、经度数据同时等于0；
3)卫星定位纬度数据在[-90,90]以外；
4)卫星定位经度数值在[-180,180]以外；
5)卫星定位方向数值在[0,359]以外；
6)卫星定位速度数值在[0,70m/s]以外。
在一个实施例中，所述总线类异常值校验包括：
采集车辆的总线类数据；对所述总线类数据进行处理，获取单位运行里程中异常的所述总线类数据数量；若各单位运行里程中异常的所述总线类数据的数量均小于第八设定阈值，则判定所述总线类数据有效。
总线类数据为车辆运行过程中，通过采集车辆的各部件获取的数据，包括蓄电池电压、发动机转速、蓄电池剩余电量中的一种或多种。
异常的总线类数据包括：针对任一总线类数据，若该总线类数据具有下列一种情况，则该总线类数据异常：
1)车辆速度为空值；
2)车辆速度不为空，且数值在[0,260]以外；
3)蓄电池电压不为空，且数值在[0,36]以外；
4)蓄电池剩余电量不为空，且数值在[0,100]以外。
其中，第八设定阈值为大于零的数值。车辆速度异常，则发动机异常。单位运行里程为1km。
在一个实施例中，所述总线类空值校验包括：
采集车辆的总线类数据；对所述总线类数据进行处理，获取单位运行里程中所述总线类空值数据的数量；若各单位运行里程中所述总线类空值数据的数量均小于第九设定阈值，则判定所述总线类数据有效。
总线类数据包括第一设定时段内各时间点的总线类数据。
若总线类数据具有下列任一条状况，则判定该总线类数据为总线类空值数据：
1)发动机转速为空值(该条不适用于纯电动车)；
2)蓄电池电压为空值；
3)车辆总线里程为空值；
4)剩余动力为空值。
其中，单位运行里程为1km。第九设定阈值为大于零的数值。
在一个实施例中，总线速度与卫星速度相关性异常校验包括：
通过设置车辆上的速度采集装置采集车辆的速度数据和通过卫星采集车辆的速度数据；对通过设置车辆上的速度采集装置采集的速度数据和通过卫星采集的该车辆的速度数据分别进行处理，获取单位运行里程两速度数据之间的皮尔逊相关系数；若各单位运行里程两速度数据之间的皮尔逊相关系数均小于第十设定阈值，则判定通过设置车辆上的速度采集装置采集的速度数据和通过卫星采集的该车辆的速度数据相关性有效。针对各单元运行里程中的一运行里程，该单位运行里程两速度数据之间的皮尔逊相关系数通过下列方法获得：采集车辆在运行该单元运行里程时的单位时间的两速度值；利用已采集的各速度值求该单位运行里程两速度数据之间的皮尔逊相关系数。其中，第十设定阈值为大于零的数值。单位运行里程为1km。
在一个实施例中，加速度相关性异常校验包括：
采集车辆的加速度数据和运行里程数据；对所述加速度数据和运行里程数据进行处理，获取第一设定时段内获取各单位行程中加速度异常的单位运行里程；统计加速度异常的单位运行里程数量；将所述加速度异常的单位运行里程数量除以所述单位运行里程的总数量，获取加速度异常率；若所述加速度异常率小于第十一设定阈值，则判定所述加速度数据有效。
针对各单位运行里程中的任一单位运行里程，若该单位运行里程的加速度具有下列任一种情况，则该单位运行里程为加速度异常的单位运行里程：
1)该单位运行里程的横向加速度与该单位运行里程的加速度皮尔森相关系数的绝对值小于0.2。
2)该单位运行里程的纵向加速度与该单位运行里程的加速度皮尔森相关系数的绝对值大于0.4。
3)该单位运行里程的垂向加速度与该单位运行里程的加速度皮尔森相关系数的绝对值小于0.2。
该单位运行里程的横向加速度为该单位运行里程的在与该单位运行里程的速度方向垂直且与地面平行的方向的加速度。该单位运行里程的纵向加速度为该单位运行里程的在与该单位运行里程的速度方向平行且与地面平行的方向的加速度。该单位运行里程的垂向加速度为该单位运行里程的在与该单位运行里程的速度方向垂直且与地面垂直的方向的加速度。
第十一设定阈值为大于零的数值。加速度数据包括车辆在第一设定时段内各单位时间点的加速度。运行里程数据包括车辆在第一设定时段内各单位时间点的运行里程。
在一个实施例中，所述发动机转速异常校验包括：
采集车辆的发动机的转速数据；对所述发动机的转速数据进行处理，获取第一设定时段内各时刻的发动机的转速数据；将各时刻的发动机的转速数据按照800-1000、1000-1200、1200-1400、1400-1600各数值区间分为4类；若各数值区间均包含发动机的转速数据，则判定发动机的转速数据有效。
将各时刻的发动机的转速数据按照800-1000、1000-1200、1200-1400、1400-1600各数值区间分为4类，包括：将各时刻的发动机的转速数据中所有数值在800-1000之间的归为一类；将各时刻的发动机的转速数据中所有数值在1000-1200之间的归为一类；将各时刻的发动机的转速数据中所有数值在1200-1400之间的归为一类；将各时刻的发动机的转速数据中所有数值在1400-1600之间的归为一类。各时刻中相邻时刻之间的间隔均为1s。
在对各个校验项目进行校验后，如果某一校验项目得到的结果为校验失败时，对该校验失败的校验项目对应的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。通过对无效的运行数据进行修正，能够减少无效的运行数据，防止采集的运行数据被浪费。
在一个实施例中，所述短行程校验为校验失败，对所述短行程数据进行修正，获取修正后的短行程数据，包括：
若短行程数据为第一设定时段内的所述运行里程数据中一次运行的运行里程低于第七设定值的运行里程数据，对所述短行程数据进行修正，包括：针对第一设定时段内的任一短行程数据，获取该短行程数据采集过程中车辆位置信息；利用车辆位置信息对该短行程数据进行修正，获取修正后的短行程数据。若短行程数据为第一设定时段内的所述运行里程数据中一次运行的运行里程低于第七设定值的运行里程数据，对所述短行程数据进行修正，包括：针对第一设定时段内的任一短行程数据，获取该短行程数据的上一次运行的结束位置，利用该该短行程数据的上一次运行的结束位置对该短行程数据进行修正，获取修正后的短行程数据。
若短行程数据为第一设定时段内的所述运行里程数据中一次运行的运行时间低于第五设定值的运行里程数据，对所述短行程数据进行修正，包括：针对第一设定时段内的任一短行程数据，获取该短行程数据的起始时间，利用该该短行程数据的起始时间对该短行程数据进行修正，获取修正后的短行程数据。
对所述修正后的短行程数据进行重新校验，若所述修正后的短行程数据有效，则将所述修正后的短行程数据作为所述有效的运行数据。
处理所述修正后的短行程数据，获取修正后的短行程数据中包含的短行程数据个数；若所述个数低于第八设定值，则将所述修正后的短行程数据作为所述有效的运行数据。
对短行程数据进行修正是为了防止一些长行程数据因采集异常而被判为短行程数据。对短行程数据进行修正，能够将各短行程数据中的非短行程数据去除，从而减小短行程数据的个数。
在一个实施例中，若行程时间校验失败，对所述行程时间校验涉及的运行里程数据进行修正，包括：获取与GPS时间相对应的运行里程数据；将与GPS时间相对应的运行里程数据作为修正后的运行里程数据。对所述与GPS时间相对应的运行里程数据进行重新校验，若所述与GPS时间相对应的运行里程数据有效，则将所述与GPS时间相对应的运行里程数据作为所述有效的运行数据。处理所述与GPS时间相对应的运行里程数据，在第一设定时段内各GPS单位时间的运行里程；分别统计各所述运行里程中大于第十三设定值的运行里程数量；将所述大于第十三设定值的运行里程数量除以各所述运行里程的总数量，并将计算获取的比值作为里程变化异常率；若所述里程变化异常率小于第五设定阈值，则将所述与GPS时间相对应的运行里程数据作为所述有效的运行数据。
在一个实施例中，所述时间连续性校验的结果为校验失败，对所述时间连续性校验涉及的运行数据进行修正，包括：更换运行数据采集装置，利用更换后的运行数据采集装置采集运行数据，并将采集的运行数据作为修正运行数据。
在一个实施例中，所述卫星定位水平精度异常校验的结果为校验失败，对所述卫星定位水平精度异常校验设计的卫星定位水平精度数据进行修正和重新校验，包括：更换运行数据采集装置，利用更换后的运行数据采集装置采集卫星定位水平精度数据，并将新采集的卫星定位水平精度数据作为修正后的卫星定位水平精度数据。对所述修正后的卫星定位水平精度数据进行重新校验，若所述修正后的卫星定位水平精度数据有效，则将所述修正后卫星定位水平精度数据作为所述有效的运行数据。
在一个实施例中，所述速度变化异常校验校验结果为校验失败，对该校验项目涉及的速度数据进行修正和重新校验，包括：获取速度数据中各速度异常的时间点；利用各速度异常的时间点前后的有效数据，如速度数据、加速度数据、运行里程数据、GPS定位数据等，对各异常时间点的速度进行修正，获取各时间点修正后的速度数据。针对各时间点修正后的速度数据中任一时间点修正后的速度数据，利用该修正后的速度数据替换采集的速度数据中时间点的速度数据，对各时间点均完成替换后即获得了包含各时间点修正后的速度数据和采集的速度数据中未被替换的速度数据的修正后的速度数据。
对所述修正后的速度数据进行重新校验，若所述修正后的速度数据有效，则将所述修正后的速度数据作为所述有效的运行数据。
进一步的，处理所述修正后的速度数据，获取所述修正后的速度数据中任意两相邻时间点之间的速度变化值的绝对值，所述相邻两时间点之间的差值为一秒；统计各速度变化值的绝对值大于第十设定值的次数；将该次数除以第一设定时段内的速度采集次数，将获得的比值作为速度变化率；若所述速度变化率大于第三设定阈值，则将所述修正后的速度数据作为所述有效的运行数据。
在一个实施例中，所述角度变化异常校验的校验结果为校验失败，对该校验项目涉及的方向角数据进行修正，包括：获取方向角数据中各方向角异常的时间点；利用各方向角异常的时间点前后有效运行数据，如GPS航向角、方向盘转角、横向加速度和纵向加速度等，对各异常时间点的方向角数据进行修正，获取各时间点修正后的方向角数据。针对各时间点修正后的方向角数据中任一时间点修正后的方向角数据，利用该修正后的方向角数据替换采集的方向角数据中时间点的方向角数据，对各时间点均完成替换后即获得了包含各时间点修正后的方向角数据和采集的方向角数据中未被替换的方向角数据的修正后的方向角数据。
对所述修正后的方向角数据进行重新校验，若所述修正后的方向角数据有效，则将所述修正后的方向角数据作为所述有效的运行数据。
进一步的，处理所述速度数据和修正后的所述方向角数据，获取所述速度数据中任意两相邻时间点之间的速度变化值的绝对值，和修正后的方向角变化值的绝对值，所述相邻两时间点之间的差值为一秒；统计各速度变化值的绝对值小于第十一设定值、方向角变化中的绝对值大于第十二设定值的次数；将该次数除以第一设定时段内的速度采集次数，将获得的比值作为方向角变化率；若所述方向角变化率大于第四设定阈值，则将所述修正后的方向角数据作为所述有效的运行数据。
在一个实施例中，所述距离变化异常校验的校验结果为校验失败，对所述距离变化异常校验涉及的运行里程数据进行修正，包括：针对运行里程异常的各单位时间中的任一单位时间，获取该单位时间所对应的一个或多个时刻；利用该一个或多个时刻前后的有效运行数据，如GPS航向角、方向盘转角、GPS定位数据、横向加速度和纵向加速度等，对该单位时间的运行里程数据进行修正。
对待校验车联网数据进行第二数据校验后，可以根据不同的校验标准输出不同的数据输出项。在一个实施例中，所述第一校验标准或全量标准对应的数据输出项包括但不限于：年度基础项、驾驶评分项、出行里程项、出行时间项、出行路线项、出行地域项、驾驶行为项、行程基础项、驾驶行为项、事故监控项等，所述第二校验标准或正常标准对应的数据输出项包括但不限于：年度基础项、驾驶评分项、出行里程项、出行时间项、出行路线项、出行地域项、行程基础项等，所述第三校验标准或基础标准对应的数据输出项包括但不限于：年度基础项、行程基础项等。
对待校验车联网数据进行第二数据校验后，可以根据不同的校验标准输出不同的数据输出项，此数据输出项可以用于判断用户驾驶行为以及行理赔风控剔除各种干扰项，结合考虑驾驶习惯、车辆状态、驾驶环境等动静态数据，更为精准地测算风险成本。
综上所述，本发明实施例提供的车联网数据校验方法，通过对获取到的车辆的待校验车联网数据进行第一数据校验，快速剔除不可用的无效待校验车联网数据后，对通过第一数据校验的待校验车联网数据进行第二数据校验，并对未通过第二数据校验的所述待校验车联网数据的数据项对应的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。进行校验和修正后的车联网数据确保了数据的有效性，有利于后续的数据分析工作，使得车联网数据的分析工作和相关风险评估工作的效率大大提升且结果更为准确。
实施例二
请参阅图4，本发明实施例提供了一种车联网数据校验装置200，所述装置200包括：
待校验车联网数据获取模块201，用于获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
第一数据校验模块202，用于根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
校验标准选取模块203，用于当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
第二数据校验模块204，用于根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
修正模块205，用于当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
进一步的，所述第一数据校验模块202包括:
第一判断单元，用于当满足所述第一预设条件，则所述待校验车联网数据通过第一数据校验；
第二判断单元，用于当不满足所述第一预设条件，则所述待校验车联网数据未通过第一数据校验。
其中，所述待校验车联网数据至少包括以下两个数据项：运行里程数据和累计运行时长数据，所述第一预设条件为所述运行里程数据是否大于预设里程阈值且所述累计运行时长数据是否大于预设时长阈值。
进一步的，所述校验标准选取模块203包括：
有效数据项获取单元，用于获取所述待校验车联网数据中的有效数据项数；
第一校验标准模块，用于当所述有效数据项数大于所述第一预设项数阈值，则采用第一校验标准对所述待校验车联网数据进行第二数据校验；
第二校验标准模块，用于当所述有效数据项数小于等于所述第一预设项数阈值且大于所述第二预设项数阈值，则采用第二校验标准对所待校验车联网数据进行第二数据校验；
第三校验标准模块，用于当所述有效数据项数小于等于所述第二预设项数阈值，则采用第三校验标准对所述待校验车联网数据进行第二数据校验。
进一步的，所述有效数据项获取单元包括：
数据项获取单元，用于获取所述待校验车联网数据中的任一数据项；
判断单元，用于判断所述数据项的数据是否为有效数据；
确定单元，用于若是则记所述数据项为有效数据项；
统计单元，用于统计有效数据项的数目，记为有效数据项数。
进一步的，请参阅图5，所述车联网数据校验装置200还包括：
输出模块206，用于根据所述校验标准输出相应的数据输出项，其中所述数据输出项用于进行数据分析。
综上所述，本发明实施例提供的车联网数据校验装置，通过对获取到的车辆的待校验车联网数据进行第一数据校验，快速剔除不可用的无效待校验车联网数据后，对通过第一数据校验的待校验车联网数据进行第二数据校验，并对未通过第二数据校验的所述待校验车联网数据的数据项对应的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。进行校验和修正后的车联网数据确保了数据的有效性，有利于后续的数据分析工作，使得车联网数据的分析工作和相关风险评估工作的效率大大提升且结果更为准确。
实施例三
另外，本发明实施例的车联网数据校验方法可以由车联网数据校验设备来实现。图6示出了本发明实施例提供的车联网数据校验设备的硬件结构示意图。
车联网数据校验设备可以包括处理器301以及存储有计算机程序指令的存储器302。
具体地，上述处理器301可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器302可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器302可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器302可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器302可在数据处理装置的内部或外部。在特定实施例中，存储器302是非易失性固态存储器。在特定实施例中，存储器302包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器301通过读取并执行存储器302中存储的计算机程序指令，以实现上述实施例中的任意一种车联网数据校验方法。
在一个示例中，车联网数据校验设备还可包括通信接口303和总线310。其中，如图6所示，处理器301、存储器302、通信接口303通过总线310连接并完成相互间的通信。
通信接口303，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线310包括硬件、软件或两者，将车联网数据校验设备的部件彼此耦接在一起。举例来说而非限制，总线310可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线310可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
实施例四
另外，结合上述实施例中的车联网数据校验方法，本发明实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器301执行时实现上述实施例中的任意一种车联网数据校验方法。
综上所述，本发明实施例提供的车联网数据校验方法、装置、设备及存储介质，通过对获取到的车辆的待校验车联网数据进行第一数据校验，快速剔除不可用的无效待校验车联网数据后，对通过第一数据校验的待校验车联网数据进行第二数据校验，并对未通过第二数据校验的所述待校验车联网数据的数据项对应的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。进行校验和修正后的车联网数据确保了数据的有效性，有利于后续的数据分析工作，使得车联网数据的分析工作和相关风险评估工作的效率大大提升且结果更为准确。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明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发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种车联网数据校验方法，其特征在于，所述方法包括：
获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
2.根据权利要求1所述的车联网数据校验方法，其特征在于，所述待校验车联网数据至少包括以下两个数据项：运行里程数据和累计运行时长数据，所述第一预设条件为所述运行里程数据是否大于预设里程阈值且所述累计运行时长数据是否大于预设时长阈值，所述根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验包括：
当满足所述第一预设条件，则所述待校验车联网数据通过第一数据校验；
当不满足所述第一预设条件，则所述待校验车联网数据未通过第一数据校验。
3.根据权利要求1所述的车联网数据校验方法，其特征在于，所述方法还包括：
记录每一次进行第一数据校验的时间；
当前后两次进行第一数据校验的时间间隔小于预设时间间隔，则后一次的第一数据校验结果与前一次的第一数据校验结果相同。
4.根据权利要求1所述的车联网数据校验方法，其特征在于，所述第二预设条件包括第一预设项数阈值和/或第二预设项数阈值，所述当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目包括：
获取所述待校验车联网数据中的有效数据项数；
当所述有效数据项数大于所述第一预设项数阈值，则采用第一校验标准对所述待校验车联网数据进行第二数据校验；
当所述有效数据项数小于等于所述第一预设项数阈值且大于所述第二预设项数阈值，则采用第二校验标准对所待校验车联网数据进行第二数据校验；
当所述有效数据项数小于等于所述第二预设项数阈值，则采用第三校验标准对所述待校验车联网数据进行第二数据校验。
5.根据权利要求4所述的车联网数据校验方法，其特征在于，获取所述待校验车联网数据中的有效数据项数包括：
获取所述待校验车联网数据中的任一数据项；
判断所述数据项的数据是否为有效数据；
若是则记所述数据项为有效数据项；
统计有效数据项的数目，记为有效数据项数。
6.根据权利要求4所述的车联网数据校验方法，其特征在于，所述第一校验标准的校验项目数量大于所述第二校验标准的校验项目数量，所述第二校验标准的校验项目数量大于所述第三校验标准的校验项目数据。
7.根据权利要求4所述的车联网数据校验方法，其特征在于，在所述当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的数据项进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功之后，还包括：
根据所述校验标准输出相应的数据输出项，其中所述数据输出项用于进行数据分析。
8.一种车联网数据校验装置，其特征在于，所述装置包括：
待校验车联网数据获取模块，用于获取车辆的待校验车联网数据，其中，所述待校验车联网数据包括若干数据项；
第一数据校验模块，用于根据第一预设条件判断所述待校验车联网数据是否通过第一数据校验；
校验标准选取模块，用于当所述待校验车联网数据通过第一数据校验，根据第二预设条件选取对所述待校验车联网数据进行第二数据校验的校验标准，其中，不同的校验标准具有数量不同的校验项目；
第二数据校验模块，用于根据选取的校验标准对所述待校验车联网数据进行第二数据校验，并获取所述选取的校验标准中各校验项目的校验结果；
修正模块，用于当任一所述校验项目的校验结果为校验失败时，对校验失败的校验项目对应的所述待校验车联网数据的数据项的数据进行修正，使得对所述校验失败的校验项目重新进行第二数据校验时校验成功。
9.一种车联网数据校验设备，其特征在于，包括：至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令，当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种存储介质，其上存储有计算机程序指令，其特征在于，当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110876920.XA CN113672990A (zh) | 2021-07-31 | 2021-07-31 | 车联网数据校验方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110876920.XA CN113672990A (zh) | 2021-07-31 | 2021-07-31 | 车联网数据校验方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113672990A true CN113672990A (zh) | 2021-11-19 |
Family
ID=78541123
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110876920.XA Pending CN113672990A (zh) | 2021-07-31 | 2021-07-31 | 车联网数据校验方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113672990A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722421A (zh) * | 2010-12-17 | 2012-10-10 | 奇瑞汽车股份有限公司 | 车用控制器非易失存储器内容的校验方法 |
| CN106411998A (zh) * | 2016-07-15 | 2017-02-15 | 南京邮电大学 | 基于车联网大数据的ubi***预测方法 |
| CN108803545A (zh) * | 2018-08-10 | 2018-11-13 | 北京天安智慧信息技术有限公司 | 多参数联合分析报警方法及*** |
| CN109658542A (zh) * | 2018-11-16 | 2019-04-19 | 深圳市元征科技股份有限公司 | 诊断参数数据校验方法、装置、车辆诊断设备和存储介质 |
| CN111131231A (zh) * | 2019-12-23 | 2020-05-08 | 北京蜂云科创信息技术有限公司 | 一种将车载终端数据接入车联网监控平台的方法和设备 |
| CN111775710A (zh) * | 2020-06-30 | 2020-10-16 | 上海挚达科技发展有限公司 | 一种新能源汽车行驶里程计算方法 |
| CN112000676A (zh) * | 2020-07-14 | 2020-11-27 | 微民保险代理有限公司 | 车辆信息更新方法、装置、设备和存储介质 |
| CN113077179A (zh) * | 2021-04-21 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种车辆虚假索赔识别方法、***、设备及存储介质 |
-
2021
- 2021-07-31 CN CN202110876920.XA patent/CN113672990A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102722421A (zh) * | 2010-12-17 | 2012-10-10 | 奇瑞汽车股份有限公司 | 车用控制器非易失存储器内容的校验方法 |
| CN106411998A (zh) * | 2016-07-15 | 2017-02-15 | 南京邮电大学 | 基于车联网大数据的ubi***预测方法 |
| CN108803545A (zh) * | 2018-08-10 | 2018-11-13 | 北京天安智慧信息技术有限公司 | 多参数联合分析报警方法及*** |
| CN109658542A (zh) * | 2018-11-16 | 2019-04-19 | 深圳市元征科技股份有限公司 | 诊断参数数据校验方法、装置、车辆诊断设备和存储介质 |
| CN111131231A (zh) * | 2019-12-23 | 2020-05-08 | 北京蜂云科创信息技术有限公司 | 一种将车载终端数据接入车联网监控平台的方法和设备 |
| CN111775710A (zh) * | 2020-06-30 | 2020-10-16 | 上海挚达科技发展有限公司 | 一种新能源汽车行驶里程计算方法 |
| CN112000676A (zh) * | 2020-07-14 | 2020-11-27 | 微民保险代理有限公司 | 车辆信息更新方法、装置、设备和存储介质 |
| CN113077179A (zh) * | 2021-04-21 | 2021-07-06 | 中国第一汽车股份有限公司 | 一种车辆虚假索赔识别方法、***、设备及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 保观: ""UBI车险，生门还是死门？"", pages 1 - 7, Retrieved from the Internet <URL:"https://www.dongchedi.com/article/6909368918687613451"> * |
| 刘明东: ""基于车联网的车辆运行状态实时监控***的研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(月刊)》, no. 2021, 15 June 2021 (2021-06-15), pages 034 - 750 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108195396B (zh) | 一种新能源汽车车辆数据的有效性的检测方法及*** | |
| CN108556682B (zh) | 一种续驶里程预测方法、装置及设备 | |
| CN108700875A (zh) | 车辆诊断方法、***、设备及计算机可读存储介质 | |
| CN108803559B (zh) | 车辆故障分析方法、装置和*** | |
| CN104750964A (zh) | 一种车辆状态确定方法及装置 | |
| CN104597811A (zh) | 一种汽车行程的处理方法及处理装置 | |
| CN112816885A (zh) | 一种电池异常检测方法、装置、电子设备及存储介质 | |
| CN113223294B (zh) | 基于社会车辆大数据的高速公路汽车衡期间核查方法 | |
| CN111565174A (zh) | 车辆质量信息确定模型训练方法及车辆质量信息确定方法 | |
| CN108107448A (zh) | 一种使用卫星定位数据检测驾驶行为的方法 | |
| CN111780799B (zh) | 一种仪表数据验证方法及装置 | |
| CN113672990A (zh) | 车联网数据校验方法、装置、设备及存储介质 | |
| CN116309610B (zh) | 一种基于人工智能的车辆管理方法及*** | |
| CN111381165A (zh) | 一种车辆动力电池监控方法、装置和平台 | |
| CN116485422A (zh) | 基于改进重置成本法的二手车估值方法、装置及设备 | |
| CN112288318B (zh) | 一种数据序列相关性评价的方法、装置和*** | |
| CN113806465B (zh) | 基于新能源汽车轨迹数据的卡口位置经纬度纠偏方法 | |
| KR20170033726A (ko) | 차량 빅데이터 서버 및 차량 빅데이터 서비스 방법 | |
| CN111751732B (zh) | 一种基于自适应高斯卷积积分法的电量计算方法 | |
| CN113177072A (zh) | 路径拟合算法 | |
| CN111984676A (zh) | 车辆内部零部件定损方法及装置 | |
| CN111553054B (zh) | 核材料信息确定的方法、装置、设备及存储介质 | |
| CN113052582B (zh) | 一种账单校验的方法、装置、设备及计算机存储介质 | |
| CN113343448B (zh) | 控制效果评估方法、装置、电子设备及存储介质 | |
| CN116611619A (zh) | 一种车辆可靠性评估方法、装置、设备及存储介质 |
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 |