CN115001953B - 一种电动汽车数据质量评估方法、装置、终端及存储介质 - Google Patents
一种电动汽车数据质量评估方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN115001953B CN115001953B CN202210595524.4A CN202210595524A CN115001953B CN 115001953 B CN115001953 B CN 115001953B CN 202210595524 A CN202210595524 A CN 202210595524A CN 115001953 B CN115001953 B CN 115001953B
- Authority
- CN
- China
- Prior art keywords
- sample
- data
- day
- data quality
- abnormal
- 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 39
- 238000013441 quality evaluation Methods 0.000 title claims abstract description 32
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims abstract description 138
- 230000005856 abnormality Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims description 61
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 12
- 238000001303 quality assessment method Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 7
- 230000002093 peripheral effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010224 classification analysis Methods 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000013450 outlier detection Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0677—Localisation of faults
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
- H04L41/142—Network analysis or design using statistical or mathematical methods
-
- 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
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Algebra (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车数据质量评估方法、装置、终端及存储介质,属于数据质量评估技术领域,当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。本专利通过异常识别方法,可以针对具体数据问题的产生源头,精准治理,极大的提升资源效率。
Description
技术领域
本发明公开了一种电动汽车数据质量评估方法、装置、终端及存储介质,属于数据质量评估技术领域。
背景技术
随着电动汽车的不断普及,通过电动汽车车联网进行大数据分析的场景得以实现。但是,由于电动汽车的特点,数据由控制器件ECU发送至传输工具Tbox,再经过无线4G乃至3G信号传输至后台端,必然会有很多的数据质量问题。同时,车辆在行驶过程中,难免会经过隧道、地库、山区等信号不好的地方,也会产生数据质量问题,所以,如何评估电动汽车的车联网数据质量,是一个非常重要的目标。传统的数据质量评估及数据清洗方法,主要为:预先设置默认的无效数据,在识别数据中存在无效数据时将无效数据删除,当数据有效却恰好等于该默认的无效数据时,也有的方法会采用置信区间判断或者基于统计计量分析、多种方法的离群点检测等对异常值进行检测并评估。
但是,上述评估方法仍有很大的弊端,首选,产生异常的数据可能由单车控制器产生、Tbox逻辑判断及发送、数据接收、数据落盘等多种情况产生,目前没有一个更有针对性的清洗和评估方法;其次,数据异常的特征也不能仅以置信区间或者离群点的方法进行判断,而大段的异常数据同时出现或有规律的异常等上述方案无法进行判断。
发明内容
针对现有技术的缺陷,本发明提出一种电动汽车数据质量评估方法、装置、终端及存储介质,从而解决现有的电动汽车数据评估方法不能分析定位数据质量异常原因及评估的问题。
本发明的技术方案如下:
根据本发明实施例的第一方面,提供一种电动汽车数据质量评估方法,包括:
当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据;
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因;
根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
优选的是,对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日数据进行初步分类与排序得到单车样本单日详细数据;
对所述单车样本单日详细数据进行信号归类得到单车样本单日信号归类数据;
对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据。
优选的是,对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日详细数据分别进行常理判断分析、默认值分析、连续信号突变分析和中位数距离分析,分别得到单车样本单日常理判断异常帧数与总帧数比例数据、单车样本单日默认值异常帧数与总帧数比例数据、单车样本单日连续信号突变异常帧数与总帧数比例数据和单车样本单日中位数距离异常帧数与总帧数比例数据。
优选的是,根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,包括:
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到单车样本单日信号类别与数据异常分析关系矩阵数据;
根据所述单车样本单日信号类别与数据异常分析关系矩阵数据得到若干个相应信号类别的单车样本单日数据质量异常值;
根据若干个所述相应信号类别的单车样本单日数据质量异常值分别判断是否小于单车样本单日数据质量阈值:
是,执行下一步骤;
否,根据相应信号类别的单车样本单日数据质量异常值得到相应信号类别出异常问题原因。
优选的是,根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
根据所述若干个相应信号类别的单车样本单日数据质量异常值确定单车样本单日综合数据质量异常值;
根据所述单车样本单日综合数据质量异常值确定单车样本在统计周期内综合数据质量异常值;
根据所述单车样本在统计周期内综合数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值;
根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量。
优选的是,根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量,包括:
当所述单车样本在统计周期内综合数据质量异常单日平均值小于第一阈值时,所述单车样本数据质量为较好;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于等于第一阈值且其小于第二阈值时,所述单车样本数据质量为一般;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于第二阈值时,所述单车样本数据质量为较差。
优选的是,根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量,包括:
根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常值;
根据所述整体车队样本在统计周期内数据质量异常值确定整体车队样本在统计周期内数据质量异常单日平均值;
根据所述整体车队样本在统计周期内数据质量异常单日平均值从多个预设质量标识中确定整体车队样本数据质量。
根据本发明实施例的第二方面,提供一种电动汽车数据质量评估装置,包括:
获取单车数据模块,用于当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
数据归类分析模块,用于对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据;
单车异常分析模块,用于根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因;
单车质量分析模块,用于根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
车队质量分析模块,用于根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
根据本发明实施例的第三方面,提供一种终端,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的存储器;
其中,所述一个或多个处理器被配置为:
执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第四方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行本发明实施例的第一方面所述的方法。
根据本发明实施例的第五方面,提供一种应用程序产品,当应用程序产品在终端在运行时,使得终端执行本发明实施例的第一方面所述的方法。
本发明的有益效果在于:
本专利提供一种电动汽车数据质量评估方法、装置、终端及存储介质,通过异常识别方法,对异常特征进行分类,相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,从而分别得到单车样本数据质量和整体车队样本数据质量,对于电动汽车数据应用有很大帮助,可以针对具体数据问题的产生源头,精准治理,极大的提升资源效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
图1是根据一示例性实施例示出的一种电动汽车数据质量评估方法的流程图;
图2是根据一示例性实施例示出的一种电动汽车数据质量评估方法的流程图;
图3是根据一示例性实施例示出的一种电动汽车数据质量评估装置的结构示意框图;
图4是根据一示例性实施例示出的一种终端结构示意框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本发明实施例提供了一种电动汽车数据质量评估方法,该方法由终端实现,终端可以是智能手机、台式计算机或者笔记本电脑等,终端至少包括CPU等。
实施例一
图1是根据一示例性实施例示出的一种电动汽车数据质量评估方法的流程图,该方法用于终端中,该方法包括以下步骤:
步骤101,当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
步骤102,对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据;
步骤103,根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因;
步骤104,根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
步骤105,根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
优选的是,对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日数据进行初步分类与排序得到单车样本单日详细数据;
对所述单车样本单日详细数据进行信号归类得到单车样本单日信号归类数据;
对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据。
优选的是,对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日详细数据分别进行常理判断分析、默认值分析、连续信号突变分析和中位数距离分析,分别得到单车样本单日常理判断异常帧数与总帧数比例数据、单车样本单日默认值异常帧数与总帧数比例数据、单车样本单日连续信号突变异常帧数与总帧数比例数据和单车样本单日中位数距离异常帧数与总帧数比例数据。
优选的是,根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,包括:
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到单车样本单日信号类别与数据异常分析关系矩阵数据;
根据所述单车样本单日信号类别与数据异常分析关系矩阵数据得到若干个相应信号类别的单车样本单日数据质量异常值;
根据若干个所述相应信号类别的单车样本单日数据质量异常值分别判断是否小于单车样本单日数据质量阈值:
是,执行下一步骤;
否,根据相应信号类别的单车样本单日数据质量异常值得到相应信号类别出异常问题原因。
优选的是,根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
根据所述若干个相应信号类别的单车样本单日数据质量异常值确定单车样本单日综合数据质量异常值;
根据所述单车样本单日综合数据质量异常值确定单车样本在统计周期内综合数据质量异常值;
根据所述单车样本在统计周期内综合数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值;
根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量。
优选的是,根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量,包括:
当所述单车样本在统计周期内综合数据质量异常单日平均值小于第一阈值时,所述单车样本数据质量为较好;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于等于第一阈值且其小于第二阈值时,所述单车样本数据质量为一般;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于第二阈值时,所述单车样本数据质量为较差。
优选的是,根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量,包括:
根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常值;
根据所述整体车队样本在统计周期内数据质量异常值确定整体车队样本在统计周期内数据质量异常单日平均值;
根据所述整体车队样本在统计周期内数据质量异常单日平均值从多个预设质量标识中确定整体车队样本数据质量。
实施例二
图2是根据一示例性实施例示出的一种电动汽车数据质量评估方法的流程图,该方法用于终端中,该方法包括以下步骤:
步骤201,当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据。
单车样本单日数据包括:单车控制器产生、Tbox逻辑判断及发送、数据接收、数据落盘等多种情况产生的数据。
步骤202,对所述单车样本单日数据进行初步分类与排序得到单车样本单日详细数据,具体内容如下:
对单车样本单日数据根据特定时间范围,例如:天、月或年等,按照以车辆编号或电池ID号等最基本单独***分组,然后对其余单帧信号以时间顺序排序,从而得到单车样本单日详细数据。
步骤203,对所述单车样本单日详细数据进行信号归类得到单车样本单日信号归类数据,具体内容如下:
对单车样本单日详细数据解析出的每一种信号名作成为字段,按照国标《GBT32960电动汽车远程服务与管理***技术规范》将各字段进行归类,下面数据发送日期为例,归纳如下表1所示:
表1数据发送日期归纳表
步骤204,对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据,具体内容如下:
对所述单车样本单日详细数据分别进行常理判断分析、默认值分析、连续信号突变分析和中位数距离分析,其中:
常理判断分析具体内容为:对每个信号字段进行常理判断,判断内容包含且不限于:日期判断如出现2月30日、车速判断出现大于300km/h、日行驶里程超过5000km、GPS定位到海洋中等不符合常理的数据信息,并将其按照“常理判断-字段名:异常帧数/总帧数”的比例记录,从而得到单车样本单日常理判断异常帧数与总帧数比例数据。
默认值分析具体内容为:对数据外发各车端控制器的默认值进行统计及分析,如电压采样的0V、3.650V、绝缘值的65536kΩ等默认值进行统计。同时结合控制器状态分析,如同样的默认值出现在控制器启动时刻或控制器关闭时刻则直接过滤掉不用处理,若默认值出现在车辆正常使用过程中,则将其按照“默认值-字段名:异常帧数/总帧数”的比例记录,从而得到单车样本单日默认值异常帧数与总帧数比例数据。
连续信号突变分析具体内容为:对连续状态的信号,即在数据两帧采样期间不会出现间断变化的信号进行突变分析,分析方法有小波变换法、梯度计算法、阈值判断法等,一旦发现信号突变,如荷电状态(SOC:state of charge)是一个连续数,不会出现大于2的变化,待发现上述信号产生突变时,将其状态按照“连续信号-字段名:异常帧数/总帧数”的比例记录,从而得到单车样本单日连续信号突变异常帧数与总帧数比例数据。
中位数距离分析具体内容为:取相应各字段在合理范围内的中位数,计算各帧各字段数据距离相应中位数的距离,并通过阈值判断是否超限,发现离群数据将其状态按照“离群数据-字段名:异常帧数/总帧数”的比例记录,从而得到单车样本单日中位数距离异常帧数与总帧数比例数据。
步骤205,根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,具体内容如下:
根据单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到单车样本单日信号类别与数据异常分析关系矩阵数据。根据单车样本单日信号类别与数据异常分析关系矩阵数据得到若干个相应信号类别的单车样本单日数据质量异常值。
以下表3为单车样本单日信号类别与数据异常分析关系矩阵数据表为例,其中,信号归类标签为横轴、数据异常方法为纵轴,其中,横轴信号归类标签以A1、A2……An排序,纵轴信号以B1、B2……Bm表示,同时赋予矩阵中每个节点一个权重值K,即K1、K2……Kp。
表3单车样本单日信号类别与数据异常分析关系矩阵数据表
单车样本单日信号类别为时间信号的单车样本单日数据质量异常值C为:C时间信号=K1A1B1+K2A1B2+K3A1B3+K4A1B4,权重值K需要根据具体的业务分析进行赋值调整,在业务开始时可以赋值为1,需要注意的是,在C的计算中,需要对信号归类标签按照数据异常方法进行解耦,可以选择权重最大的K值。
根据若干个相应信号类别的单车样本单日数据质量异常值分别判断是否小于单车样本单日数据质量阈值:
是,执行下一步骤;
否,根据相应信号类别的单车样本单日数据质量异常值得到相应信号类别出异常问题原因。相应信号类别出异常问题原因例如下表4所示。
表4异常问题原因表
步骤206,根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量,具体内容如下:
根据若干个相应信号类别的单车样本单日数据质量异常值确定单车样本单日综合数据质量异常值,例如:
C单日综合=
C时间信号+C车辆位置信息+C车辆实时信号+C车辆状态信息+C极值信息+C电池单体详细信息+C报警信息
根据单车样本单日综合数据质量异常值确定单车样本在统计周期内综合数据质量异常值,例如:
C周期综合=C1 单日综合+C2 单日综合+C3 单日综合+C4 单日综合+C5 单日综合+C6 单日综合
根据所述单车样本在统计周期内综合数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值,例如:
根据单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量包括:
当单车样本在统计周期内综合数据质量异常单日平均值小于第一阈值时,单车样本数据质量为较好;
当单车样本在统计周期内综合数据质量异常单日平均值大于等于第一阈值且其小于第二阈值时,单车样本数据质量为一般;
当单车样本在统计周期内综合数据质量异常单日平均值大于第二阈值时,单车样本数据质量为较差。
为了准确的确定目标质量标识,在本申请优选的实施例中,第一阈值为0.2,第二阈值为0.3。
步骤207,根据单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量,具体内容如下:
根据单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常值,例如:
其中N≥1。
根据所述整体车队样本在统计周期内数据质量异常值确定整体车队样本在统计周期内数据质量异常单日平均值,例如:
根据整体车队样本在统计周期内数据质量异常单日平均值从多个预设质量标识中确定整体车队样本数据质量,评价整体车队样本数据质量的预设质量标识与上述评价单车样本数据质量相同,故不做赘述。
实施例三
在示例性实施例中,还提供了一种电动汽车数据质量评估装置,如图3所示,包括:
获取单车数据模块310,用于当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
数据归类分析模块320,用于对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据;
单车异常分析模块330,用于根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因;
单车质量分析模块340,用于根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
车队质量分析模块350,用于根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
实施例四
图4是本申请实施例提供的一种终端的结构框图,该终端可以是上述实施例中的终端。该终端400可以是便携式移动终端,比如:智能手机、平板电脑。终端400还可能被称为用户设备、便携式终端等其他名称。
通常,终端400包括有:处理器401和存储器402。
处理器401可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器401可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器401也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器401可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器401还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器402可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是有形的和非暂态的。存储器402还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器402中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器401所执行以实现本申请中提供的一种电动汽车数据质量评估方法。
在一些实施例中,终端400还可选包括有:***设备接口403和至少一个***设备。具体地,***设备包括:射频电路404、触摸显示屏405、摄像头406、音频电路407、定位组件408和电源409中的至少一种。
***设备接口403可被用于将I/O(Input/Output,输入/输出)相关的至少一个***设备连接到处理器401和存储器402。在一些实施例中,处理器401、存储器402和***设备接口403被集成在同一芯片或电路板上;在一些其他实施例中,处理器401、存储器402和***设备接口403中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路404用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路404通过电磁信号与通信网络以及其他通信设备进行通信。射频电路404将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路404包括:天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路404可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路404还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
触摸显示屏405用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。触摸显示屏405还具有采集在触摸显示屏405的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器401进行处理。触摸显示屏405用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,触摸显示屏405可以为一个,设置终端400的前面板;在另一些实施例中,触摸显示屏405可以为至少两个,分别设置在终端400的不同表面或呈折叠设计;在再一些实施例中,触摸显示屏405可以是柔性显示屏,设置在终端400的弯曲表面上或折叠面上。甚至,触摸显示屏405还可以设置成非矩形的不规则图形,也即异形屏。触摸显示屏405可以采用LCD(LiquidCrystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件406用于采集图像或视频。可选地,摄像头组件406包括前置摄像头和后置摄像头。通常,前置摄像头用于实现视频通话或自拍,后置摄像头用于实现照片或视频的拍摄。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能,主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能。在一些实施例中,摄像头组件406还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路407用于提供用户和终端400之间的音频接口。音频电路407可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器401进行处理,或者输入至射频电路404以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端400的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器401或射频电路404的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路407还可以包括耳机插孔。
定位组件408用于定位终端400的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件408可以是基于美国的GPS(GlobalPositioning System,全球定位***)、中国的北斗***或俄罗斯的伽利略***的定位组件。
电源409用于为终端400中的各个组件进行供电。电源409可以是交流电、直流电、一次性电池或可充电电池。当电源409包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解,图4中示出的结构并不构成对终端400的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
实施例五
在示例性实施例中,还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本申请所有发明实施例提供的一种电动汽车数据质量评估方法。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
实施例六
在示例性实施例中,还提供了一种应用程序产品,包括一条或多条指令,该一条或多条指令可以由上述装置的处理器401执行,以完成上述一种电动汽车数据质量评估方法。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用。它完全可以被适用于各种适合本发明的领域。对于熟悉本领域的人员而言,可容易地实现另外的修改。因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (7)
1.一种电动汽车数据质量评估方法,其特征在于,包括:
当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日数据进行初步分类与排序得到单车样本单日详细数据;
对所述单车样本单日详细数据进行信号归类得到单车样本单日信号归类数据,所述单车样本单日信号归类数据包括:时间信号、车辆状态信息、车辆实时信号、车辆位置信息、极值信息、电池单体详细信息和报警信息;
对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日详细数据分别进行常理判断分析、默认值分析、连续信号突变分析和中位数距离分析分别得到单车样本单日异常帧数与总帧数比例数据,所述单车样本单日异常帧数与总帧数比例数据包括:单车样本单日常理判断异常帧数与总帧数比例数据、单车样本单日默认值异常帧数与总帧数比例数据、单车样本单日连续信号突变异常帧数与总帧数比例数据和单车样本单日中位数距离异常帧数与总帧数比例数据;
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,包括:
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到单车样本单日信号类别与数据异常分析关系矩阵数据;
根据所述单车样本单日信号类别与数据异常分析关系矩阵数据得到若干个相应信号类别的单车样本单日数据质量异常值,所述相应信号类别的单车样本单日数据质量异常值为通过对所述数据异常分析关系矩阵数据中所述单车样本单日信号归类数据相应类别的单车样本单日异常帧数与总帧数比例数据进行相加计算得出;
根据若干个所述相应信号类别的单车样本单日数据质量异常值分别判断是否小于单车样本单日数据质量阈值:
是,执行下一步骤;
否,根据相应信号类别的单车样本单日数据质量异常值得到相应信号类别出异常问题原因;
根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
2.根据权利要求1所述的一种电动汽车数据质量评估方法,其特征在于,根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
根据所述若干个相应信号类别的单车样本单日数据质量异常值确定单车样本单日综合数据质量异常值;
根据所述单车样本单日综合数据质量异常值确定单车样本在统计周期内综合数据质量异常值;
根据所述单车样本在统计周期内综合数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值;
根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量。
3.根据权利要求2所述的一种电动汽车数据质量评估方法,其特征在于,根据所述单车样本在统计周期内综合数据质量异常单日平均值从多个预设质量标识中确定单车样本数据质量,包括:
当所述单车样本在统计周期内综合数据质量异常单日平均值小于第一阈值时,所述单车样本数据质量为较好;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于等于第一阈值且其小于第二阈值时,所述单车样本数据质量为一般;
当所述单车样本在统计周期内综合数据质量异常单日平均值大于第二阈值时,所述单车样本数据质量为较差。
4.根据权利要求3所述的一种电动汽车数据质量评估方法,其特征在于,根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量,包括:
根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常值;
根据所述整体车队样本在统计周期内数据质量异常值确定整体车队样本在统计周期内数据质量异常单日平均值;
根据所述整体车队样本在统计周期内数据质量异常单日平均值从多个预设质量标识中确定整体车队样本数据质量。
5.一种电动汽车数据质量评估装置,其特征在于,包括:
获取单车数据模块,用于当接收到单车样本数据质量评估请求数据时,获取所述单车样本数据质量评估请求数据中的单车样本单日数据;
数据归类分析模块,用于对所述单车样本单日数据进行归类与分析得到单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日数据进行初步分类与排序得到单车样本单日详细数据;
对所述单车样本单日详细数据进行信号归类得到单车样本单日信号归类数据,所述单车样本单日信号归类数据包括:时间信号、车辆状态信息、车辆实时信号、车辆位置信息、极值信息、电池单体详细信息和报警信息;
对所述单车样本单日详细数据进行数据异常分析得到单车样本单日异常帧数与总帧数比例数据,包括:
对所述单车样本单日详细数据分别进行常理判断分析、默认值分析、连续信号突变分析和中位数距离分析分别得到单车样本单日异常帧数与总帧数比例数据,所述单车样本单日异常帧数与总帧数比例数据包括:单车样本单日常理判断异常帧数与总帧数比例数据、单车样本单日默认值异常帧数与总帧数比例数据、单车样本单日连续信号突变异常帧数与总帧数比例数据和单车样本单日中位数距离异常帧数与总帧数比例数据;
单车异常分析模块,用于根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据分别得到相应信号类别的单车样本单日数据质量异常值并根据单车样本单日数据质量阈值确定出异常问题原因,包括:
根据所述单车样本单日信号归类数据和单车样本单日异常帧数与总帧数比例数据得到单车样本单日信号类别与数据异常分析关系矩阵数据;
根据所述单车样本单日信号类别与数据异常分析关系矩阵数据得到若干个相应信号类别的单车样本单日数据质量异常值,所述相应信号类别的单车样本单日数据质量异常值为通过对所述数据异常分析关系矩阵数据中所述单车样本单日信号归类数据相应类别的单车样本单日异常帧数与总帧数比例数据进行相加计算得出;
根据若干个所述相应信号类别的单车样本单日数据质量异常值分别判断是否小于单车样本单日数据质量阈值:
是,执行单车质量分析模块;
否,根据相应信号类别的单车样本单日数据质量异常值得到相应信号类别出异常问题原因;
单车质量分析模块,用于根据所述单车单日数据质量异常值确定单车样本在统计周期内综合数据质量异常单日平均值并根据其确定单车样本数据质量;
车队质量分析模块,用于根据所述单车样本在统计周期内数据质量异常单日平均值确定整体车队样本在统计周期内数据质量异常单日平均值并根据其确定整体车队样本数据质量。
6.一种终端,其特征在于,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的存储器;
其中,所述一个或多个处理器被配置为:
执行如权利要求1至4任一所述的一种电动汽车数据质量评估方法。
7.一种非临时性计算机可读存储介质,其特征在于,当所述存储介质中的指令由终端的处理器执行时,使得终端能够执行如权利要求1至4任一所述的一种电动汽车数据质量评估方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595524.4A CN115001953B (zh) | 2022-05-30 | 2022-05-30 | 一种电动汽车数据质量评估方法、装置、终端及存储介质 |
PCT/CN2023/093421 WO2023231733A1 (zh) | 2022-05-30 | 2023-05-11 | 一种电动汽车数据质量评估方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210595524.4A CN115001953B (zh) | 2022-05-30 | 2022-05-30 | 一种电动汽车数据质量评估方法、装置、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115001953A CN115001953A (zh) | 2022-09-02 |
CN115001953B true CN115001953B (zh) | 2023-11-14 |
Family
ID=83029332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210595524.4A Active CN115001953B (zh) | 2022-05-30 | 2022-05-30 | 一种电动汽车数据质量评估方法、装置、终端及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115001953B (zh) |
WO (1) | WO2023231733A1 (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9390112B1 (en) * | 2013-11-22 | 2016-07-12 | Groupon, Inc. | Automated dynamic data quality assessment |
CN105976120A (zh) * | 2016-05-17 | 2016-09-28 | 全球能源互联网研究院 | 一种电力运营监控数据质量评估***及方法 |
CN109146689A (zh) * | 2018-08-30 | 2019-01-04 | 国网北京市电力公司 | 一种电动汽车数据评估方法及装置 |
CN113176986A (zh) * | 2021-04-28 | 2021-07-27 | 一汽解放汽车有限公司 | 车联网数据质量确定方法、装置、计算机设备和存储介质 |
CN113806343A (zh) * | 2021-08-05 | 2021-12-17 | 北京蜂云科创信息技术有限公司 | 一种车联网数据质量的评估方法和*** |
CN113807736A (zh) * | 2021-09-29 | 2021-12-17 | 河南星环众志信息科技有限公司 | 一种数据质量评估方法、计算机设备及存储介质 |
CN114493250A (zh) * | 2022-01-17 | 2022-05-13 | 北京齐尔布莱特科技有限公司 | 一种异常行为检测方法、计算设备及可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11059492B2 (en) * | 2018-11-05 | 2021-07-13 | International Business Machines Corporation | Managing vehicle-access according to driver behavior |
-
2022
- 2022-05-30 CN CN202210595524.4A patent/CN115001953B/zh active Active
-
2023
- 2023-05-11 WO PCT/CN2023/093421 patent/WO2023231733A1/zh unknown
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9390112B1 (en) * | 2013-11-22 | 2016-07-12 | Groupon, Inc. | Automated dynamic data quality assessment |
CN105976120A (zh) * | 2016-05-17 | 2016-09-28 | 全球能源互联网研究院 | 一种电力运营监控数据质量评估***及方法 |
CN109146689A (zh) * | 2018-08-30 | 2019-01-04 | 国网北京市电力公司 | 一种电动汽车数据评估方法及装置 |
CN113176986A (zh) * | 2021-04-28 | 2021-07-27 | 一汽解放汽车有限公司 | 车联网数据质量确定方法、装置、计算机设备和存储介质 |
CN113806343A (zh) * | 2021-08-05 | 2021-12-17 | 北京蜂云科创信息技术有限公司 | 一种车联网数据质量的评估方法和*** |
CN113807736A (zh) * | 2021-09-29 | 2021-12-17 | 河南星环众志信息科技有限公司 | 一种数据质量评估方法、计算机设备及存储介质 |
CN114493250A (zh) * | 2022-01-17 | 2022-05-13 | 北京齐尔布莱特科技有限公司 | 一种异常行为检测方法、计算设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115001953A (zh) | 2022-09-02 |
WO2023231733A1 (zh) | 2023-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9207087B2 (en) | Server, navigation system, vehicle navigation system, and method for providing images of vehicle navigation system | |
CN106407984B (zh) | 目标对象识别方法及装置 | |
CN108896725B (zh) | 水质监测方法、装置、***、计算机设备及存储介质 | |
CN111104980B (zh) | 确定分类结果的方法、装置、设备及存储介质 | |
CN112269853B (zh) | 检索处理方法、装置及存储介质 | |
CN110457571B (zh) | 获取兴趣点信息的方法、装置、设备及存储介质 | |
CN101453693A (zh) | 基于gis平台的多元信息融合与无线传输*** | |
CN111310815A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112040333B (zh) | 视频发布方法、装置、终端及存储介质 | |
US8935092B2 (en) | Navigation system, server connected thereto, and method for controlling vehicle navigation | |
CN106202193A (zh) | 道路图像信息获取的方法、装置及*** | |
WO2021218837A1 (zh) | 一种提醒方法及相关装置 | |
CN112269939B (zh) | 自动驾驶的场景搜索方法、装置、终端、服务器及介质 | |
CN115001953B (zh) | 一种电动汽车数据质量评估方法、装置、终端及存储介质 | |
CN113838479B (zh) | 单词发音评测方法、服务器及*** | |
CN115099487A (zh) | 一种电量消耗量预测方法、装置、终端及存储介质 | |
US20230281983A1 (en) | Image recognition method and apparatus, electronic device, and computer-readable medium | |
CN111324815B (zh) | 汽车信息的处理方法、装置及存储介质 | |
CN111984738B (zh) | 数据关联方法、装置、设备及存储介质 | |
CN114281937A (zh) | 嵌套实体识别模型的训练方法、嵌套实体识别方法及装置 | |
US20200204955A1 (en) | Map generation device, map generation system, map generation method, and map generation program | |
CN116437293B (zh) | 地理围栏的建立方法、服务器及通信*** | |
CN115952315B (zh) | 校园监控视频存储方法、装置、设备、介质和程序产品 | |
CN112070025B (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
CN113469438B (zh) | 数据处理方法、装置、设备以及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |