CN109298902A - 具有ar/vr用户接口的大数据驱动的远程信息处理 - Google Patents

具有ar/vr用户接口的大数据驱动的远程信息处理 Download PDF

Info

Publication number
CN109298902A
CN109298902A CN201810602239.4A CN201810602239A CN109298902A CN 109298902 A CN109298902 A CN 109298902A CN 201810602239 A CN201810602239 A CN 201810602239A CN 109298902 A CN109298902 A CN 109298902A
Authority
CN
China
Prior art keywords
vehicle
status information
data
data set
fetched
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
Application number
CN201810602239.4A
Other languages
English (en)
Inventor
王学敏
张保国
赵兴
蔡霖
R.普拉萨德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SAP SE
Original Assignee
SAP SE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by SAP SE filed Critical SAP SE
Publication of CN109298902A publication Critical patent/CN109298902A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0808—Diagnosing performance data
    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0816—Indicating performance data, e.g. occurrence of a malfunction
    • G07C5/0825—Indicating performance data, e.g. occurrence of a malfunction using optical means
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
    • G07C5/0841—Registering performance data
    • G07C5/085—Registering performance data using electronic data carriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C5/00—Registering or indicating the working of vehicles
    • G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本文公开了用于具有虚拟现实监视能力的车辆远程信息处理的系统、方法和计算机程序产品实施例。示例的系统可以建立到与车辆的至少一个组件相对应的多个传感器的数据连接，从多个传感器取回与车辆的至少一个组件相对应的状态信息，将从多个传感器取回的状态信息发送到数据集，接收利用该数据集执行的预测分析的至少一个结果，并且经由接口生成输出。其他实施例可以另外基于预测分析的至少一个结果提出对新零件或服务的请求。数据集可以是结构化数据库或非结构化集群。大数据分析可使用模拟进行预测。输出可以利用虚拟现实或增强现实来改善任何用户角色的易用性和直观性。

Description

具有AR/VR用户接口的大数据驱动的远程信息处理
背景技术
随着现代机动车系统(automotive systems)及其相应的组件变得愈加的复杂，它们的修理和维护相应地变得愈加的昂贵和困难，需要更昂贵的资源和更熟练的劳动力，从而抬高了拥有新一代现代车辆(vehicles)的总成本。
随着新机动车技术在具有内燃机(ICE)动力总成的常规的机动车辆中逐渐演进和计算机化，这种趋势在近几十年一直适用。随着电驱动车辆(仅举几例，包括电池电动车辆(BEV)、燃料电池电动车辆(FCEV)和插电式混合电动车辆(PHEV))所涉及的技术的更新的技术的快速采用，相同的趋势变得尤其更加明显和加速。
除了电动机和动态或再生制动机构之外，复杂且昂贵的关键驱动因素还有车载的(on board)各种电存储组件，例如其可能比电动车辆中的电动机或制动机构更早地磨损。取决于所涉及的电动车辆的类型，这些电存储组件的一些特定类型可以包括电池、燃料电池和/或超级电容器。
随着新的车辆组件和子系统的维护、修理和更换变得更加困难和昂贵，连同车辆及其相应组件的更加集中化的制造商或供应商一起，在涉及本地或分布式服务中心的客户服务链中出现了新的低效性。例如，服务商和车辆制造商或组件供应商具有建立的通信渠道(channel)用以共享关于组件的状态和更换的信息并不常见，制造商或供应商往往难以监视终端用户可能从特定组件接收到的所有状态报告，并且车辆服务商经常缺乏足够的工具或资源来将车辆组件(特别是对于电存储组件)的技术数据可视化。
用常规手段对这些低效性作出反应可能过于缓慢并且成本过高。例如，将车辆仅返回给集中化的制造商或供应商以更换电池可能不切实际，原因在于这种方法可能需要过多时间和/或金钱。然而，目前在分布式本地服务中心进行这样的服务可能需要在每个本地站点具备一套狭义专用工具和高度训练的技术人员，其中的每一项都会显著增加成本。技术人员增加了人为错误的风险，这增大了对终端用户的安全危害的可能性并且促成(drive)服务商、供应商和制造商的产品责任。
诸如此类的低效性往往阻碍采用诸如新能源车辆(NEV)技术的可涵盖电动车辆技术的任何组合的新技术、以及后续可能出现的可能的其他新技术。由这些低效性产生的这些障碍进而可能进一步减慢下一代NEV或相关技术的后续发展。如果尽管有这样的低效性，NEV产业也被补贴，以鼓励采用和进一步研究和发展，仍会有对于公众的广泛的成本、以及对车辆乘员和旁观者的安全风险。然而，诸如此类的问题的解决方案可以通过以新颖的跨学科的问题解决方法利用其他技术领域来获得。
附图说明
附图被结合于此并形成说明书的一部分。
图1描绘了应用于某些新车辆技术(诸如，电池电动车辆)的常规方法的问题。
图2是根据示例实施例的集成(integrate)车辆远程信息处理数据的管理、分析、以及针对包括技术人员和终端用户的用户的输出的物联网(IoT)云平台的架构概况的框图。
图3示出了根据示例实施例的预测维护系统(PdMS)平台的高级架构框图。
图4示出了根据示例实施例的表示与PdMS应用一起运行的IoT云平台的技术实现的框图。
图5是根据实施例的用于电动车辆电池的PdMS平台的技术实现的框图，其还包括具有操作技术集成和VR建模的大数据架构。
图6A-6C示出了根据实施例的电动车辆的一些被监视组件的VR视图，包括具有通知的弹出和下钻数据(drill-down data)。
图7示出了根据示例实施例的用于通过来自各种车辆远程信息处理模块的相关数据来查看、浏览和分类的示例性网络(web)接口。
图8示出了根据示例实施例的在已执行收集、处理和其他分析之后的所选的远程信息处理数据的额外的可视化。
图9表示根据示例实施例的显示接口内的地图，其中可以用附加信息来显示相关位置。
图10示出了根据示例实施例的类似于图9的地图的更详细的信息视图，其中可以为技术人员以表格形式与地图和对应的图例(legend)一起显示相关信息。
图11示出了根据示例实施例的用于对来自某个远程信息处理装置的选择相关数据进行查看、浏览、分类和可视化的面向技术人员的用户接口，包括向技术人员推荐的指令。
图12是描绘在未明确示出的其他可能的执行路径中的、在示例实施例中的一个执行路径的流程图。
图13是根据示例实施例的具有用于订购的组件和库存的多个视图的虚拟现实(VR)服务中心的渲染。
图14是紧接在技术人员利用VR用户接口提供的任何附加信息完成任何工作之前或之后的、类似于普通服务中心的VR服务中心的替选渲染。另外利用增强现实(AR)接口可以获得VR接口的相同益处，该AR接口会在用户眼前的真实世界图像顶上叠加VR数据。
图15是用于实现各种实施例的示例计算机系统。
在附图中，相似的附图标记通常指示相同或相似的元件。此外，通常，附图标记的最左位标识附图标记首次出现的图。
具体实施方式
本文提供了用于具有增强现实或虚拟现实用户接口的大数据驱动的远程信息处理的系统、方法和/或计算机程序产品实施例，和/或其组合和子组合。
围绕诸如以上背景技术部分中所描述的新技术的低效性可以使用其他新技术以有意义的方式(例如，以下述方式：更智能的设备和更智能的组件，向技术人员和终端用户更清楚地报告车辆和组件状态，以及跨越车辆、服务商、供应商和制造商的网络的改进的数据分析和信息共享)来解决。
在这里描述的许多示例性实施例中，使用仅作为不以任何方式进行限制的熟悉示例的锂电池示出电池电动车辆(BEV)技术。另外，本文所使用的术语“车辆”实质上可以指任何运输设施，举几个非限制性示例，包括在陆地、水域和/或其他类似环境中使用的飞行器、航天器、船舶、气垫船和轮式车辆。这种车辆可以由任何动力源提供动力，可以存储和消耗任何类型的燃料，可以利用任何推进手段。车辆可以用于任何用途，诸如私人用途、商业用途、工业用途、军事用途等。
车辆的任何车载组件可以用于本文描述的任何遥测和/或远程信息处理装置或与其一起使用。其他监视可以通过诸如全球定位系统(GPS)技术或用于导航、地理定位、定时、遥测和/或通信(举几个非限制性示例)的类似技术的远程装置或系统间接地实现。
可以使用任何通信基础设施来建立车载传感器、标签和遥测/远程信息处理设备之间的以及从这些设备到外部基础设施、服务站、供应商、制造商、基于云的数据备份站点等的链路(理想地遵循用于IoT和隐私的网络安全最佳实践)。仅举几个短距离无线标准，一些示例包括射频识别(RFID)、近场通信(NFC)、蓝牙、低功耗蓝牙(Bluetooth LE或BLE)、Wi-Fi(IEEE 802.11)。在一些实施例中，可以通过GPRS/EDGE、2G、3G、4G、LTE、5G以及更新的移动无线通信和数据分组无线电通信标准来实现更长距离的无线通信。替选地，在任何标准之外，实际上可以使用任何类型的无线电磁信号传播。
在一些其他实施例中，可以使用有线连接器，诸如通过各种并行或串行端口、以太网或其他有线网络协议。仅举几个标准，有线串行数据交换协议的一些示例包括例如RS-232、USB、IEEE 1149、IEEE 1394、PCIe、DisplayPort等。
如果实时数据馈送不是必要的或是不可行的，则数据可以通过相同的无线或有线媒介被存储并且随后被传送，或者可以在可移除媒介上移动，可移除媒介诸如为盘(磁或光)、卡(任何介质)、或通过任何其他非易失性数据存储的方式。在诸如此类的示例性实施例中，数据应被定期同步并手动地或通过半自动过程备份。
在纯粹的说明性示例中，着眼于现代BEV的三个重要子系统，在该实例中，用于存储电力的锂离子电池单元形成BEV中的与电动机和电子控制子系统并存的一个重要的电力子系统。在这些之中，与电动机和控制器相比，锂离子电池及其单元组件模块往往具有最高的故障率，假定每个电池模块还可以包括其自己的电子控制器和单独的机械零件。
实际上，为了纠正发生故障的电池，可以选择更换整个电池，即BEV中所有电池模块的整个阵列。这种方法对于车辆的总停机时间来说可能是最快的，但是这可能是不方便的，原因在于它通常要求将车辆返回给其制造商或供应商，并且该过程可能是相对昂贵、低效率且环境不健全的。
电池修理的另一种方法将是更模块化的，仅更换磨损或有缺陷的电池模块。这种方法也可以具有相对短的停机时间和更高的效率的优点，但它仍然相当昂贵，因为它可能要求特殊的服务中心或经销商对实施这种类型的修理所需的高技能劳动力收取额外费用。
作为这里列出的方法中最有效的电池修理的第三种方法将根据需要来更换电池模块内的单独的电池单元。电池单元是锂离子电池模块的核心组件。然而，这种过程是最多涉及的，需要最高度训练的劳动力和专用资本，甚至在专业服务中心和高端经销商中也很少找到。结果，实际上，这种类型的操作可能只在制造商或高度复杂的供应商设施中被执行，因此大致上与将车辆返回给制造商或供应商用于整个电池更换一样不切实际和/或效率低。
仅了解常规方法的这些优点和缺点可能不足以克服NEV的售后服务中的这些挑战，尤其是随着NEV的采用在未来快速增加。为了解决这些问题，本文提出了各种示例性实施例，以利用各种计算领域，诸如大数据、预报分析、用于虚拟现实(VR)和/或增强现实(AR)的可视化、自动化测试和诊断、以及供应链管理，以便确保NEV维护和修理的更好的质量、可靠性和可及性(accessibility)，即使在许多新NEV所有者在本地可及的(accessible)本地的售后修理商店和服务中心也是如此。
图1描绘了应用于某些新车辆技术(诸如，电池电动车辆)的常规方法的问题。
如从上面的背景技术部分可以理解的，如果常规方法不能容易地扩展到新技术的新约束和其他独特方面，则使用常规方法解决新技术的问题会引入新的痛点。如参考图1所示，服务商和车辆制造商或组件供应商具有建立的通信信道来共享关于组件的状态和更换的信息并不是非常常见的。举出一个原因，例如，这可能是因为许多这样的服务商没有与每个车辆制造商或供应商缔结合同关系。作为这方面的困难的另一个原因，服务商缔结这种关系以及这样的授权的服务商对所有车辆普遍可及(universally accessible)是不切实际的，特别是对于许多NEV来说也会是这样的情况。
对于制造商或供应商来说，监视终端用户可从特定组件接收的所有状态报告也往往是困难的。要收集的数据量可能太大，而无法让任何一个供应商或制造商始终可靠地进行收集和分析。即使设计用于这样的大数据，在一个地方收集数据也可能要取决于超出单个供应商或制造商的控制的其他第三方的基础设施。
作为负担得起且可靠的服务的另一个障碍，车辆服务商经常缺乏足够的工具或资源来使车辆组件(特别是对于电存储组件)的技术数据可视化。特别是对于可能不是全部具备在与NEV(包括BEV、FCEV、PHEV等中的任何一个)有关的诊断、维护、修理、更换和其他服务方面的最完整和最新的训练的服务人员、工程师、机修工和其他技术人员来说，也会是这种情况。
另外，将车辆仅返回给集中式制造商或供应商来更换电池可能是不实际的，例如，原因在于这种方法可能需要过多的时间和/或金钱。然而，目前在分布式本地服务中心进行此类服务可能需要在每个本地站点具备一套狭义专用工具和高度训练的技术人员，其中每一项都显著增加成本。在任何情况下，技术人员增加了人为错误的风险，这增大了对终端用户的安全危害的可能性并且促成服务商、供应商和制造商的产品责任。
图2是根据示例实施例的集成车辆远程信息处理数据的管理、分析、以及针对包括技术人员和终端用户的用户的输出的物联网(IoT)云平台的架构概况的框图。
作为在该示例中采用的方法的一般概况，通过使用IoT解决方案、内存数据库平台和诸如VR或AR的高级可视化技术，实施例可以开始传感器数据收集、健康状态预测、动态车辆VR模型状态更新，然后在触发维护请求和/或通知之前进行下钻(drill-down)分析。在维护过程期间，中央监视用户和/或任何本地技术人员可以利用VR模型来尝试不同的模块更换解决方案。在物理修理之后，中央监视用户也可以使用VR模型来测试新电池子系统或在修理过程之后测试整个车辆，以确保维护质量、安全性和可靠性。
从收集来自传感器的数据开始，远程信息处理盒(T-box)206和控制器区域网络(controller area network，CAN)208可以装配在车辆上，从而收集操作信息，诸如电池操作参数、发动机状态、轮胎压力、以及可由CAN总线(未示出)上的CAN收集的类似信息。可以是遥测数据或远程信息处理数据的该信息可以诸如使用短距离无线或有线通信被传输到车辆本地的其他接收器，或者诸如使用远距离无线通信被发送到远程接收器。在后面的示例中，T-box 206和/或CAN 208可以直接与远程接收器通信，或者可以在中间与本地接收器通信，然后本地接收器使用相同的无线通信协议或不同的协议将遥测或远程信息处理数据中继到远程接收器。
作为IoT云平台201的一部分，来自T-box 206和/或CAN 208的传感器数据最终将经由IoT云服务210被传输到预测维护系统(PdMS)232。PdMS 232可以包括具有可重用和/或可配置的UI组件(作为可重用/可配置UI组件230)的用户接口(UI)，其可与PdMS概要汽车信息报告UI 202对接(interface)。PdMS 232还可与特定于车辆的汽车机器数据模型220、以及汽车维护信息数据模型222集成，作为用于服务的更一般的模板。PdMS 232还可以生成分析视图216，以用于从遥测/远程信息处理数据导出的下钻分析。
根据一些实施例，可以使用预测分析器218构建这样的分析视图216，该预测分析器218可以包括利用预测算法实现可扩展大数据分析的模块和/或库。在一些示例实施例中，预测分析器218可以是可调谐的、可自适应的和/或自修改的，举几个非限制性示例，诸如用于数据挖掘、异常检测、结构化预测和/或深度学习应用。
结合将有意义的分析递送给从与车辆的车载T-box 206和CAN 208链接的IoT设备收集的真实世界数据的后端中的数据处理能力，VR汽车内部结构模型204可以促进渲染车辆及其组件的相应物理方面，并且可以与报告UI 202对接以将物理渲染与相关传感器数据和分析集成。内部结构模型经由具有RESTful API 214的各种RESTful网络服务中的任何一种或者经由可类似地提供与RESTful API 214分开的其自己的RESTful API的其他集成平台(例如符合开放数据协议(Open Data Protocol)的OData提供者212)来与IoT云平台201对接。
相关系统还可以与客户关系管理(CRM)234后端对接，这可以用于针对零件和服务提供维护通知226和提出维护订单228。这些通知和订单可以面向客户和/或在内部用于工程师、机修工、技术人员以及其他服务专业人员和提供方。在一些实施例中，CRM 234平台还可以经由云连接器224接口与IoT云平台对接，云连接器224接口还可以包括应用编程接口(API)(未示出)。
图3示出了根据示例实施例的PdMS平台的高级架构框图。
图3中的该说明性示例展示了维护服务中心302和车辆制造商和/或电池供应商304可以经由PdMS平台306的各种组件308-312来与相关IoT数据314对接并访问相关IoT数据314的一种方式。在可以至少包括T-box 318和电池管理系统(BMS)316的BEV的示例情况中，相关IoT数据314还可以包括电池数据。
在PdMS平台306的各种组件308-312中，可以使用电池健康控制中心(BHCC)312来跟踪与电池健康有关的任何参数，诸如温度、电荷容量、磨损和随时间的磨损曲线等。BHCC312可以触发通知和维护服务订单310，其可以与CRM的对应组件(如图2所示，元件228)一起工作，或可以独立地运行。VR监视驾驶舱308可供服务商302、制造商和供应商304使用，使得可以远程执行任何诊断、测试或类似服务，并且如果这些当事方例如通过担保书或其他合同义务承担责任，则这些当事方可以保持被告知任何给定车辆的状态，并且还跟进对这样的车辆的所有者和/或操作者的服务呼叫。
图4示出了根据示例实施例的表示与PdMS应用一起运行的IoT云平台的技术实现的框图。
图4中示出的该示例呈现了具有PdMS应用的云平台420的附加配置。这个具有PdMS应用的云平台420仍通过云平台IoT服务422与车辆中的IoT设备对接，云平台IoT服务422至少经由T-box 404与车辆对接，T-box 404经由CAN总线406进一步连接到BMS 408。
这里值得注意的是，在这里提及的这些示例实施例中，在诸如图2-4的配置中，其中IoT设备、传感器、总线和服务(如CAN、CAN总线、BMC、BMS等等)都被安装在T-box后面的车辆内，并且只有T-box与IoT云平台和服务对接。这样的配置可以为连接的车辆上的IoT设备提供改进的安全性，并且甚至可以强制遵守某些安全要求和规定。然而，可以本地采取其他措施来确保到车载IoT设备的以及来自车载IoT设备的无线和有线控制传输以及数据传输，包括屏蔽、加固、加密等。
该附加配置的一些特征包括协调从车辆收集的IoT传感器数据416与车辆的地理位置数据412的能力，并且还向车辆提供与服务中心兼容性主数据418交叉对照的、关于车辆维护/服务中心414的位置的上下文。在该示例性实施例中，该位置信息全部可以整齐地(neatly)打包并且与地图供应商(例如，GOOGLEAPPLEYAHOO！BING等)集成，以用于通过PdMS概要车辆信息UI 402利用呈现给终端用户的相关信息来渲染地图。
图5是根据实施例的用于电动车辆电池的PdMS平台的技术实现的框图，其还包括具有操作技术集成和VR建模的大数据架构。
在专门用于BEV电池的PdMS平台500的这个非限制性示例实施例中，可以包括用户接口501，用户接口501还包括围绕资产健康控制中心504的模块以生成企业报告502和资产健康情况简报506。数据科学模块508可以为一般数据分析框架提供专门定制的数据科学服务510以用于BEV电池数据分析。
数据科学模块508可以与洞察提供者(insight provider)511对接，该洞察提供者作为用于与例如同电池及其维护和护理有关的后端数据通信的网络应用微服务的框架。根据这里描绘的非限制性示例实施例，该洞察提供者微服务可以具有其自己的用于更具体功能的洞察提供者模块，诸如分析报告模块512、地理空间数据模块514、资产资源管理器(asset explorer)模块516、工作活动模块518、第三方可视化模块520等。
洞察提供者第三方可视化模块520可以与VR模型模块548交互，VR模型模块548进而可以处理用于VR视图的子模型，诸如用于促进电池维护550、车辆维护552、或特定于4S服务级别的经销商的4S商店模型554，如下面参照图9所述。例如，VR模型模块548还可以与数据融合模块534交互，数据融合模块534在一些实施例中可以被具体配置为与通过BEV电池的电池网络服务和应用可访问的后端数据536一起工作。在这种情况下，数据融合模块534还可以向洞察提供者511微服务提供数据，在这种情况下，可以属于资源管理(exploring)和分析电池数据。
与数据融合模块534交互的还有数据库模块556，数据库模块556还可以包括来自云数据库服务的表格，举几个非限制性示例，例如车辆云数据表526、客户云数据表528、电池云数据表530和服务订单云数据表532。通过操作技术(OT)集成器522内的虚拟表524，可以用原始数据和经分析或处理的数据填充数据库模块556内的表格。
OT集成器522被配置为与OT模拟器538交互，这可以有助于确定对于技术人员的操作建议，例如像是更换电池、模块、电池单元还是决定采取什么其他动作。在一些实施例中，OT模拟器538还可以与Hadoop集群(cluster)558交互，Hadoop集群558可以包括大数据架构中的非结构化数据，例如像包括用于存储大量车辆和电池数据的Hadoop分布式文件系统(HDFS)540。
该架构可以进一步被配置为与工具链一起操作，该工具链另外包括用于管理集群计算资源和调度的Hadoop的“另一种资源谈判器”(yet another resource negotiator，YARN)模块542、用于即使对于在Hadoop集群558中具有有限结构的数据集或数据存储也允许一些SQL支持的Spark SQL模块544，并且还可以在需要时包括在线分析处理(OLAP)数据库模块546。例如，该Hadoop集群工具链中的这些模块中的每一个可以与工具链的其他阶段或Hadoop集群558的某些部分交互，但也可以具有一些分配到专用域的功能，例如同域专用语言一样。尽管在本示例性实施例中可以使用Hadoop集群558，但其他非结构化数据存储系统可以用于可比较的高吞吐量架构或层，诸如在lambda架构中。
总之，在本实施例中，具有此架构的模块的这种组合由此允许目标用户(技术人员)通过直观的VR方法在BEV电池健康监视和故障处理过程中将来自复杂产品结构的操作技术数据可视化。通过允许以这种方式垂直地集成从用户VR驾驶舱到信息技术后端系统的OT数据，这样的架构使由更分布的支持员工队伍中的更多数量的技术不太熟练的技术人员进行的跨越虚拟现实的端到端支持变成物理现实。这种布置对于NEV市场空间中的制造商和供应商会是有利的，而且随着NEV变得普通消费者更负担得起并且更可及，对NEV市场的爆炸式增长会是必不可少的。
图6A-6C示出了根据实施例的电动车辆的一些被监视组件的VR视图，包括具有通知的弹出和下钻数据。
在图6A中，显示了车辆中的电池组件的VR视图。车辆的其他零件(例如，外部主体)可以被隐藏或使得比通常明显更透明，以便使得用户能够看到其他感兴趣的组件。这里，在图6A的这个示例中，只能看到车身的虚轮廓，露出下面的电池装配件(battery assembly)。显示弹出气球，示出了有关特定电池单元故障的状态信息。在本示例实施例中，气球可以具有特定颜色以指示故障或总体异常状态。
另外，在图6A中，在本具体实施例中，存在诸如按钮形式的选项，从而例如为终端用户或另一技术人员创建通知，以提供故障组件的通知。在一些实施例中，例如，按钮可以是为了请求或订购服务或零件，以维护、修理或更换磨损、损坏或有缺陷的零件。另外，在其他实施例中，这样的请求和/或订购可以自动地提出，并且“按钮”间隔(space)可以是不同类型的通知，举几个非限制性示例，以警告用户请求或订购已经提出和/或待决、状态更新等。
在图6B中，突出显示(highlight)其他组件，诸如电池装配件前部的电池模块。这种突出显示可以由各种事件触发，诸如在这种情况下用户的任意选择，或者突出显示应用于传感器数据的任何其他条件集合。例如，模块和/或电池单元可以以温度梯度自动着色以示出电池装配件中的热点。举几个非限制性示例，颜色梯度也可用于示出电压、使用年限(ages)和/或磨损水平。在一些非限制性示例性实施例中，除了颜色或色调之外，还可以使用其他变化，例如饱和度、亮度、阴影、闪烁、闪光或其他时间变化或振荡。
在图6C中，突出显示的组件被选择用于下钻分析，揭示示出与所选组件有关的状态信息的新弹出气球，在这种情况下，在上面的图6B所描绘的示例中通过选择而突出显示的电池模块。图6C的这幅图中展示的特征应是不言而喻的。在此示例中，对于“健康”组件，下钻的弹出气球被配置为显示电压、温度和容量(以估计的剩余时间的形式)。在实际的实现方式中，这些弹出气球可以被配置为显示直接从车载传感器收集的和/或作为大数据分析或预测的结果(诸如，来自PdMS或其他云服务、数据库、集群等)的几乎任何类型的信息。
图7示出了根据示例实施例的用于通过来自各种车辆远程信息处理模块的相关数据来查看、浏览和分类的示例性网络接口。
本实施例可以是许多可能的方式中的一种，以对来自PdMS和相关平台和应用的底层(underlying)数据和分析进行对接、操纵、搜索、分类、浏览和以其他方式访问。这种接口的可能配置实际上是无限的。替选配置可进一步探讨如下：
关于底层平台技术，在一个实施例中，可以有GUI显示器和网络浏览器，包括图表或示图以及用于选择、取消选择、搜索、分类和相关动作的用户接口，可以是下面参照图15更详细地描述的计算机系统1500的软件的一部分，其可以与显示设备(未示出)集成或可通信地耦合到显示设备(未示出)。在一些实施例中，软件可以是当地应用、模块化的或者与操作系统分开安装的、或者替选地与运行在计算机系统1500上的操作系统集成、或者在计算机系统1500上可启动的。该软件可以被执行，并在多任务环境中与其他软件一起运行。在一些实施例中，软件可以是在网络浏览器或可比较的软件平台中运行的网络应用，或者可以是该网络应用的一部分。应用可以完全在网络浏览器中执行，包括作为渐进式网络应用(PWA)的一些实施例。在其他实施例中，应用可以是混合应用，在网络浏览器或可比较的软件平台运行时环境内执行程序代码的部分，并且在底层计算机系统1500上当地执行程序代码的部分。
图8示出了根据示例实施例的在已执行收集、处理和其他分析之后的所选的远程信息处理数据的额外的可视化。
除了在上面的图7中表示的示例性实施例中探讨的基于网络的、当地的、混合和渐进实施例之外，除了在VR或AR环境中的虚拟显示器中出现的弹出式或平视显示器(HUD)之外，图8还可以适合于大型触摸屏上的当地应用。图8中所示的输出示出了比图7所示更复杂的数据分析的结果。这些图表和示图可能不仅仅是被动图像，而是在一些实施例中可以是交互式的，允许用户进一步下钻到柱状图的柱或例如在其他实施例中的饼图的分段，以进一步揭露底层数据、分析和其他参数。
图9表示根据示例实施例的显示接口内的地图，其中可以用附加信息来显示相关位置。
图9的地图被示出为具有在主要由地图本身占据的视图上的详细的叠加。在一些非限制性示例中，可以使用图4的示例性实施例来生成地图。在该地图上，如同图8，可以进一步选择并下钻地图、叠加分析和各种指示器气泡和弹出窗口，一旦选择了特定项就揭示更有用的数据。例如，通过选择可用电池服务中心中的一个，可以弹出关于其的更多信息，如街道地址、服务时间、电话号码和其他联系信息等。
如同图4的服务中心兼容性主数据418，根据一些示例实施例，为了与其中可以显示地图的车辆的兼容性，地图上显示的结果可以被自动过滤。还可以存在特殊的指示器，指出存在VR/AR诊断能力、PdMS能力等等。在一些情况下，可能的是，即使某个服务中心可能服务特定车辆，它也可能不服务可在这些特定车辆中的一些中使用的特定的电池模块和/或电池单元。在一些实施例中，服务中心兼容性主数据418可以跟踪所有这些相关信息。类似地，在一些实施例中，可以通过服务级别和保证书来跟踪和过滤可用服务提供商。例如，车辆制造商或所有者可能偏好或要求在符合“销售、服务、备件和调查”的商业模式的“4S”经销商处处理服务，确保在车辆拥有的过程中提供更高质量的保证和客户体验。如果期望如此，例如，图9的地图的用户可以限制显示的服务中心以仅示出4S经销商。
诸如图9中显示的地图的地图也可以由服务中心、供应商或制造商中的技术人员使用，以跟踪其电池或其他车辆组件的现有部署的问题。这样的地图可以出现在诸如图3那样的VR监视驾驶舱308中，以供技术人员或其他服务专家使用。在收集新数据时以及在执行新的分析时，也可以动态地更新这些地图、叠加和上下文信息。
图10示出了根据示例实施例的类似于图9的地图的更详细的信息视图，其中可以为技术人员以表格形式与地图和对应的图例(legend)一起显示相关信息。
图10的地图下钻到关于特定车辆的信息，然后示出为类似的车辆分离出(breakout)的附加细节。与类似的车辆有关的这种策划信息(curated information)可以以可靠性工程师的角色来帮助用户以确认关于特定车辆或组件的任何预测健康评估。在一些实施例中，为了监视用户，可以存在中央概况屏幕以查看所有监视器范围内的总线，并将总线反映为一个地图中的绿色点、黄色点或红色点。如果任何总线处于黄色或红色状态，则用户可点击该点以拔出VR模型来查看关键组件的详细信息和健康状态。
关于下钻分析，用户可以下钻到关键组件，如电动机、电池、控制器和其他组件，以查看健康状况或详细参数。可能需要下钻到电池以评估警告或潜在的故障影响，因为可能存在严重安全危害的风险，如电池爆炸或点燃。
以这种直观的方式，监视车辆状态的技术人员可以观察故障范围或组件，并且可以根据监测到的磨损或损坏水平来选择可行的维护方案(诸如整个电池更换、模块更换或电池单元更换)，以优化特定终端用户在其各自位置的修理成本。
图11示出了根据示例实施例的用于对来自某个远程信息处理装置的选择相关数据进行查看、浏览、分类和可视化的其他面向技术人员的用户接口，包括向技术人员推荐的指令。
例如，在图11中，在示例性实施例中，可以关于组件示出详细数据，在这种情况下，某些电池及其随时间的状态。另外，可以在具有针对给定组件和参数的历史图表的分割视图中显示各种组件和多个对应参数的详细视图。在图11的右下侧所描绘的示例中，在该非限制性实施例中，显示针对给定组件随时间变化的温度的历史数据的图表。该数据表示相同组件或相同传感器随时间的自历史(self-historical)状态数据。然而，可以在任何维度上绘制任何数量的参数的图表。因此，例如，替代随时间变化的温度，另一个历史数据图表可以显示随电压的温度、随温度的电压、随时间的电压、随温度的放电持续时间等；多维示图和图表也可以用类似的视图来实现。
在本示例实施例中，堆叠在具有电池细节的客户车辆管理系统的前窗口后面的是具有针对给定车辆的服务订单历史的图表的另一视图。这样，服务订单可以按照下述方式被跟踪和跟进，该方式使得将特定组件的实际性能与特定服务事件关联。另外，例如，可以仅从用于指定的车辆的服务历史的窗口开始，并且在下钻到一个事件或条目时，另一个视图或窗口可以在前面展开以提供额外的细节、数据和/或分析。
在该显示器的左侧是文本窗格(text pane)，其具有用于技术人员理解正在显示的数据的上下文的具体描述、注释和建议。例如，可能存在从后端服务器或集群上透明地执行的数据分析的各种因素导出的更换电池的建议。不能自解释的(self-explanatory)其他数据字段在页边(margin)会有额外的澄清注释。虽然本实施例示出了如图11中所示的元件的一种配置，但是实际的实现方式可以以实际上任何顺序或布置来显示数据和/或文本。
图12是描绘在未明确示出的其他可能的执行路径中的、在示例实施例中的一个执行路径的流程图。
图12示出了通过流程图图示的过程1200，该流程图图示了用于大数据驱动的远程信息处理操作的过程，诸如可以在上面图2-6C中所示的任何系统中实现或执行的过程。该过程1200可由本文所述的任何实施例使用，或者用于本文所述的任何实施例，该任何实施例会具有对遥测或远程信息处理数据的远程(包括但不限于基于云的服务)分析。
在1202中，处理器和存储器(诸如，图15中所示的处理器1504)可以建立到与车辆的至少一个组件相对应的多个传感器的数据连接。这样的连接和/或对应的通信信道可能已经被打开，正在运行或者被初始化；和/或可以为了发送和/或接收远程信息处理和/或遥测数据的目的而新打开，初始化和/或建立单独的信道或通信会话。
在1204中，处理器1504可以从多个传感器中取回与车辆的至少一个组件相对应的状态信息。状态信息可以存储在主存储器1508中。在一些实施例中，状态信息可以包括诸如温度、压力、空速、角速度、重力加速度等的基本物理状态。在一些其他非限制性实施例中，状态信息还可以是生命周期信息，诸如磨损量、服务次数、故障次数、估计的故障前时间、服务时间量等。
在1206中，处理器1504可以将从多个传感器取回的状态信息发送到数据集。数据集包含下述各项中的至少一个：在指定的时间段内来自至少一个指定的传感器的自历史状态信息(诸如，来自每个独特传感器的先前条目的日志)；以及从至少一个其他车辆的对应传感器的集合取回的过去或当前的状态信息。在后一种情况下，当至少一个其他车辆共同具有用于给定传感器的至少一种类型的对应组件时，例如在类似的车辆中，具备该信息可能是有帮助的。
在一些实施例中，在1208中，处理器1504和主存储器1508可以接收利用数据集执行的预测分析的至少一个结果。如上面关于1206所描述的，可以跨越类似的车辆跟踪的相同组件越多，则任何得到的数据分析将在产生预测时越有用。例如，如果包含相同型号气囊的其他车辆会有在特定的时间(同时或在使用一定时间量之后)暴露潜在缺陷的问题，则可以将警告更早地传递给相同组件的终端用户。对于电池磨损模式，这样的取回和跟踪可能特别有用，因为随着时间的推移，电池往往不会全部沿相同曲线磨损。
在一些示例性实施例中，在1210中，处理器1504可以经由接口生成输出。输出可以是增强现实的或虚拟现实的图形环境中的视觉或文本弹出。在一些示例性实施例中，输出还可以是API调用，例如可以被配置为停用或禁用车辆的危险的非必要子系统或生成其他警告或警报，诸如可听铃声或语音警告。
在一个实施例中，在1212中，处理器1504可以基于预测分析的至少一个结果提出对新零件或服务的请求。在1210之后，在将会需要更换零件、或者在繁忙的服务站或对于具有已知时间表的繁忙终端用户将会需要服务预约的情况下，可能更加希望针对某些情况配置自动补救，尤其是如果结果和周转时间(turnaround)不是即时的，诸如通过邮件订购零件或在远离和/或繁忙且难以进入的服务站调度预约。
在图12的本示例性实施例中以上面示出的顺序公开了过程1200。然而，实际上，上述公开的操作以及其他操作可以以任何顺序依次执行，或者替选地可以同时执行，同时地执行多于一个的操作，或者上述的任何组合。
图13是根据示例实施例的具有用于订购的组件和库存的多个视图的VR服务中心的渲染。对于其他实施例，图13的图像可以类似地表示具有AR视图的真实服务中心。
顶部视图是电池单元的物理布置，诸如电驱动车辆中的电池组件，其具有针对每一个电池单元的状态参数的增强显示。可以使用各种颜色和阴影来使技术人员或其他用户快速且直观地识别潜在问题。这些参数也可以显示在车辆组件的真实世界实例附近，包括使用AR，诸如使用平视显示器(HUD)技术。
底部视图表示VR或AR用户接口中的弹出屏幕。这样的弹出屏幕不一定与视图中的任何特定对象有关，但可以基于对识别到更换零件或服务的需求的PdMS的响应而跟随。这样的屏幕允许容易通知和理解PdMS可自动提供的服务需求。
图14是紧接在技术人员利用VR用户接口提供的任何附加信息完成任何工作之前或之后的、类似于普通服务中心的VR服务中心的替选渲染。另外利用AR接口可以获得VR接口的相同益处，该AR接口会在用户眼前的真实世界图像顶上叠加相同或类似的VR数据。
在示例性实施例中，举几个非限制性示例，可以通过手势、加速计输入、文本命令、语音命令、红外端口、无线信号(包括蓝牙、NFC、RFID、Wi-Fi等)、API或其他接口来操纵VR或AR环境。
另外，可以由用户、机器或程序使用任何数量的诸如API的接口、协议或用户工具(包括文本编辑器、基于网络的配置前端、图形配置器、语音输入、环境传感器等)来生成配置信息及其改变。
可以从标准导出任何可应用的数据结构、文件格式和模式(schemas)，所述标准单独地或组合地包括但不限于JavaScript对象简谱(JSON)、可扩展标记语言(XML)、另一种标记语言(YAML)、可扩展超文本标记语言(XHTML)、无线标记语言(WML)、MessagePack、XML用户接口语言(XUL)、或任何其他功能类似的表示。替选地，可以排他性地或与已知或开放标准组合地使用专有的数据结构、格式或模式。
数据、文件和/或数据库可以以诸如数字、文本、图形或多媒体格式的人类可读格式进行存储、取回、访问和/或传输，人类可读格式在其他可能的格式中还包括各种类型的标记语言。替选地或与上述格式组合地，数据、文件和/或数据库可以以二进制、编码、压缩和/或加密格式或任何其他机器可读格式进行存储、取回、访问和/或传输。
各种系统和层之间的对接或互连可以采用任何数量的机制，诸如任何数量的协议、编程框架、平面布置(floorplans)或应用编程接口(API)，包括但不限于文档对象模型(DOM)、发现服务(DS)、NSUserDefaults(用户默认)、Web服务描述语言(WSDL)、消息交换模式(MEP)、Web分布式数据交换(WDDX)、Web超文本应用技术工作组(WHATWG)HTML5Web消息、表述性状态转移(REST或RESTful网络服务)、可扩展用户接口协议(XUP)、简单对象访问协议(SOAP)、XML模式定义(XSD)、XML远程过程调用(XML-RPC)或任何其他可实现类似的功能和结果的开放或专有的机制。
这种对接或互连还可以使用统一资源标识符(URI)，其还可以包括统一资源定位符(URL)或统一资源名称(URN)。可以排他性地或与诸如上述那些形式组合地使用其他形式的统一和/或唯一标识符、定位符或名称。
上述协议或API中的任一个可以与程序的、功能的或面向对象的任何编程语言对接或以这样的编程语言来实现，并且可以被编译或解释。非限制性示例包括在任何类型的框架、运行时环境、虚拟机、解释器、堆栈、引擎或类似机制中的，利用任何其他库或模式的，C、C++、C#、Objective-C、Java、Swift、Go、Ruby、Perl、Python、JavaScript、WebAssembly或几乎任何其他语言，在许多其他非限制性示例中包括但不限于Node.js、V8、jQuery、Dojo、Dijit、OpenUI5、AngularJS、Express.js、Backbone.js、Ember.js、DHTMLX、React、Electron等。
例如，可以使用一个或多个公知的计算机系统(诸如，图15所示的计算机系统1500)来实现各种实施例。计算机系统1500可以用于例如实现图12的过程1200。例如，根据示例性实施例，计算机系统1500可以建立到与车辆的至少一个组件对应的多个传感器的数据连接，从多个传感器中取回与车辆的至少一个组件对应的状态信息，向数据库发送从多个传感器取回的状态信息，接收利用数据库执行的预测分析的至少一个结果，并且经由接口生成输出。
计算机系统1500包括一个或多个处理器(也称为中央处理单元、或CPU)，诸如处理器1504。处理器1504连接到总线或通信基础设施1506。
计算机系统1500还包括通过用户输入/输出接口1502与通信基础设施1506通信的用户输入/输出设备1503，诸如，监视器、键盘、指示设备等。
一个或多个处理器1504可以均为图形处理单元(GPU)。在一个实施例中，GPU是如下处理器：其是被设计成处理数学密集应用的专用电子电路。GPU可以具有并行结构，其对于大数据块(诸如，计算机图形应用、图像、视频等共有的数学密集数据)的并行处理是高效的。
计算机系统1500还包括主要存储器(primary memory)或主存储器(main memory)1508，诸如，随机存取存储器(RAM)。主存储器1508可以包括一个或多个级别的高速缓存。主存储器1508中存储有控制逻辑(即，计算机软件)和/或数据。
计算机系统1500还可以包括一个或多个辅助存储设备或辅助存储器1510。辅助存储器1510可以包括例如硬盘驱动器1512和/或可移除存储设备或驱动器1514。可移除存储驱动器1514可以是软盘驱动器、磁带驱动器、致密盘驱动器、光存储设备、磁带备份设备和/或任何其他存储设备/驱动器。
可移除存储驱动器1514可以与可移除存储单元1518交互。可移除存储单元1518包括其上存储有计算机软件(控制逻辑)和/或数据的计算机可用或可读存储设备。可移除存储单元1518可以是软盘、磁带、致密盘、DVD、光存储盘和/或任何其他计算机数据存储设备。可移除存储驱动器1514以公知的方式从可移除存储单元1518读取和/或向可移除存储单元1518写入。
根据示例性实施例，辅助存储器1510可以包括用于允许计算机程序和/或其他指令和/或数据被计算机系统1500访问的其他手段、工具或其他方法。这样的手段、工具或其他方法可以包括例如可移除存储单元1522和接口1520。可移除存储单元1522和接口1520的示例可以包括程序盒和盒接口(诸如在视频游戏设备中找到的)、可移除存储芯片(诸如EPROM或PROM)和相关插座、记忆棒和USB端口、存储卡和相关存储卡插槽、和/或任何其他可移除存储单元和相关接口。
计算机系统1500还可以包括网络接口或通信接口1524。通信接口1524使得计算机系统1500能够与远程设备、远程网络、远程实体等的任何组合通信和交互(通过附图标记1528单独地和共同地引用)。例如，通信接口1524可以允许计算机系统1500通过通信路径1526与远程设备1528通信，通信路径1526可以是有线和/或无线的，并且可以包括LAN、WAN、因特网等的任何组合。控制逻辑和/或数据可以经由通信路径1526传输到计算机系统1500或从计算机系统1500传输。
举几个非限制性示例，计算机系统还可以是下述各项中的任何一个：个人数字助理(PDA)、台式工作站、膝上型或笔记本计算机、上网本、平板计算机、智能电话、智能手表或嵌入式系统。
任何这样的计算机系统1500可以运行与分层存储库设施相关联的任何类型的应用，包括遗留应用、新应用等。
计算机系统1500可以是客户端或服务器，通过任何交付范式(deliveryparadigm)访问或托管任何应用，所述交付范式包括但不限于：远程或分布式云计算解决方案；本地或on-premises(内部部署)软件(基于“on-premises”云的解决方案)；服务模型(“as a service”models)，例如，内容即服务(CaaS)、数字内容即服务(DCaaS)、软件即服务(SaaS)、受管理软件即服务(MSaaS)、平台即服务(PaaS)、桌面即服务(DaaS)、框架即服务(FaaS)、后端即服务(BaaS)、移动后端即服务(MBaaS)、或基础设施即服务(IaaS)；或包括前述示例或其他可比较的服务或交付范式的任何组合的混合模型。
在一个实施例中，包括其上存储有控制逻辑(软件)的有形计算机可用或可读介质的有形装置或制品在本文中也被称为计算机程序产品或程序存储设备。这包括但不限于计算机系统1500、主存储器1508、辅助存储器1510和可移除存储单元1518和1522、以及体现前述任意组合的有形制品。当由一个或多个数据处理设备(诸如，计算机系统1500)执行时，这种控制逻辑使得这种数据处理设备如本文所述那样操作。
基于本公开中包含的教导，相关领域的技术人员将明白如何使用图15中所示的那些之外的数据处理设备、计算机系统和/或计算机架构来构建和使用分层存储库的配置提供者。特别地，实施例可以用除了在此描述的那些之外的软件、硬件和/或操作系统实现方式来操作。
作为另一示例，计算机系统1500可以包括但不限于移动电话或其他移动设备、个人数字助理(PDA)、计算机、计算机集群、机顶盒、智能手表、智能电话、平板计算机、VR/AR头戴式耳机或头盔、或能够处理指令并从人类和其他计算设备接收数据以及向其传输数据的其他类型的设备。相应地，任何VR设备可以允许额外的配置以用于改善对AR设备的用户体验。
在这样的实施例中，用于移动和操纵数据对象的替选手段，举几个非限制性示例，诸如手势、命令、语音指令或语音命令，可以在一些实施例中用于本文所使用的VR或AR接口。一些接口可以在同一个显示器上或跨越多个显示器工作。
在一些实施例中，计算机系统1500可以包括用户接口控制器，用于处理由应用提供的输出，所述应用诸如为网络浏览器，例如像可以在图7-10表示的。例如，这些输出可以是网络浏览器窗口的虚拟表示。替选地，在一些示例性实施例中，计算机系统1500可以连接到显示器，诸如交互式终端屏幕的输出，其可以在诸如CRT、等离子体、LCD或OLED监视器或触摸屏的设备上查看。然而，“显示器”通常可以是任何类型的输出设备，包括打印机、扬声器、屏幕阅读器、信令设备、串行端口或任何其他输出设备。
将理解，具体实施方式部分而不是任何其他部分旨在用于解释权利要求。其他部分可以阐述发明人所设想的一个或多个但并非全部的示例性实施例，并且因此不旨在以任何方式限制本公开或所附权利要求。
虽然本公开描述了用于示例性领域和应用的示例性实施例，但应理解本公开不限于此。其他实施例及其修改是可能的，并且在本公开的范围和精神之内。例如，在不限制该段落的一般性的情况下，实施例不限于附图中图示和/或本文描述的软件、硬件、固件和/或实体。此外，实施例(无论是否在本文中明确描述)对于超出本文所描述的示例的领域和应用具有显著的实用性。
这里已经借助于功能构建块来描述了实施例，这些功能构建块示出了指定功能及其关系的实现。为了描述的方便，这里任意定义了这些功能构建块的边界。可以定义替选的边界，只要适当地执行指定的功能和关系(或其等同物)即可。而且，替选实施例可以使用与这里描述的顺序不同的顺序来执行功能块、步骤、操作、方法等。
这里提及“一个实施例”、“实施例”、“示例实施例”或类似短语表示所描述的实施例可以包括特定的特征、结构或特性，但是每个实施例可能不一定包括特定的特征、结构或特性。而且，这样的短语不一定是指同一个实施例。此外，当结合实施例描述特定的特征、结构或特性时，无论是否在此明确提到或描述，可以将这样的特征、结构或特性并入其他实施例中，这在相关领域的技术人员的知识范围内。另外，可以使用表达“耦合”和“连接”以及它们的派生词来描述一些实施例。这些术语不一定打算作为彼此的同义词。例如，可以使用术语“连接”和/或“耦合”来描述一些实施例，以指示两个或更多个元件彼此直接物理或电接触。然而，术语“耦合”也可以表示两个或更多个元件彼此不直接接触，但仍然彼此协作或交互。
本公开的广度和范围不应被任何上述示例性实施例限制，而应仅根据所附权利要求及其等同物来限定。

Claims (20)

1.一种监视车辆组件的计算机实现的方法，包括：
由至少一个处理器建立到与车辆的至少一个组件相对应的多个传感器的数据连接；
由所述至少一个处理器从所述多个传感器取回与车辆的至少一个组件相对应的状态信息；
由所述至少一个处理器将从所述多个传感器取回的状态信息发送到数据集，其中，所述数据集包含下述各项中的至少一个：
在指定的时间段内来自至少一个指定的传感器的自历史状态信息，以及
从至少一个其他车辆的对应传感器的集合取回的过去或当前的状态信息；
由所述至少一个处理器接收利用所述数据集执行的预测分析的至少一个结果；以及
由所述至少一个处理器经由接口产生输出，其中，所述输出包括下述各项中的至少一个：从所述多个传感器取回的所述状态信息、利用所述数据集执行的预测分析的所述至少一个结果、以及针对车辆的至少一个组件的服务建议。
2.根据权利要求1所述的方法，其中，所述接口包括下述各项中的至少一个：
虚拟现实装置和增强现实装置。
3.根据权利要求1所述的方法，其中，所述数据集是结构化数据库。
4.根据权利要求1所述的方法，其中，所执行的预测分析还包括基于取回的状态信息的至少一个模拟。
5.根据权利要求1所述的方法，其中，所述接口包括应用编程接口API，其中，所述API被配置为基于利用所述数据集执行的预测分析的所述至少一个结果来提出对新零件或服务的请求。
6.根据权利要求5所述的方法，其中，所述取回还包括取回自建立所述数据连接的时间起的对应于所述车辆的地理位置状态信息；以及
其中，所述请求至少部分基于取回的地理位置状态信息。
7.根据权利要求5所述的方法，其中，在没有来自任何用户的直接交互的情况下提出所述请求，并且其中，向至少一个用户发送通知。
8.一种车辆远程信息处理系统，包括：
存储器；以及
至少一个处理器，耦合到所述存储器，并且被配置为：
建立到与车辆的至少一个组件相对应的多个传感器的数据连接；
从所述多个传感器取回与车辆的至少一个组件相对应的状态信息；
将从所述多个传感器取回的状态信息发送到数据集，其中，所述数据集包含下述各项中的至少一个：
在指定的时间段内来自至少一个指定的传感器的自历史状态信息，以及
从至少一个其他车辆的对应传感器的集合取回的过去或当前的状态信息；
接收利用所述数据集执行的预测分析的至少一个结果；以及
经由接口产生输出，其中，所述输出包括下述各项中的至少一个：从所述多个传感器取回的所述状态信息、利用所述数据集执行的预测分析的所述至少一个结果、以及针对车辆的至少一个组件的服务建议。
9.根据权利要求8所述的系统，其中，所述接口包括下述各项中的至少一个：
虚拟现实装置和增强现实装置。
10.根据权利要求8所述的系统，其中，所述数据集是结构化数据库。
11.根据权利要求8所述的系统，其中，所执行的预测分析还包括基于取回的状态信息的至少一个模拟。
12.根据权利要求8所述的系统，其中，所述接口包括应用编程接口API，其中，所述API被配置为基于利用所述数据集执行的预测分析的所述至少一个结果来提出对新零件或服务的请求。
13.根据权利要求12所述的系统，其中，所述取回还包括取回自建立所述数据连接的时间起的对应于所述车辆的地理位置状态信息；以及
其中，所述请求至少部分基于取回的地理位置状态信息。
14.根据权利要求12所述的系统，其中，在没有来自任何用户的直接交互的情况下提出所述请求，并且其中，向至少一个用户发送通知。
15.一种其上存储有指令的非暂时性计算机可读设备，所述指令在由至少一个计算设备执行时，使所述至少一个计算设备执行操作，所述操作包括：
建立到与车辆的至少一个组件相对应的多个传感器的数据连接；
从所述多个传感器取回与车辆的至少一个组件相对应的状态信息；
将从所述多个传感器取回的状态信息发送到数据集，其中，所述数据集包含下述各项中的至少一个：
在指定的时间段内来自至少一个指定的传感器的自历史状态信息，以及
从至少一个其他车辆的对应传感器的集合取回的过去或当前的状态信息；
接收利用所述数据集执行的预测分析的至少一个结果；以及
经由接口产生输出，其中，所述输出包括下述各项中的至少一个：从所述多个传感器取回的所述状态信息、利用所述数据集执行的预测分析的所述至少一个结果、以及针对车辆的至少一个组件的服务建议。
16.根据权利要求15所述的计算机可读设备，其中，所述接口包括下述各项中的至少一个：
虚拟现实装置和增强现实装置。
17.根据权利要求15所述的计算机可读设备，其中，所执行的预测分析还包括基于取回的状态信息的至少一个模拟。
18.根据权利要求15所述的计算机可读设备，其中，所述接口包括应用编程接口API，其中，所述API被配置为基于利用所述数据集执行的预测分析的所述至少一个结果来提出对新零件或服务的请求。
19.根据权利要求18所述的计算机可读设备，其中，所述取回还包括取回自建立所述数据连接的时间起的对应于所述车辆的地理位置状态信息；以及
其中，所述请求至少部分基于取回的地理位置状态信息。
20.根据权利要求18所述的计算机可读设备，其中，在没有来自任何用户的直接交互的情况下提出所述请求，并且其中，向至少一个用户发送通知。
CN201810602239.4A 2017-07-24 2018-06-12 具有ar/vr用户接口的大数据驱动的远程信息处理 Pending CN109298902A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/657,698 US10885446B2 (en) 2017-07-24 2017-07-24 Big-data driven telematics with AR/VR user interfaces
US15/657,698 2017-07-24

Publications (1)

Publication Number Publication Date
CN109298902A true CN109298902A (zh) 2019-02-01

Family

ID=65023028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810602239.4A Pending CN109298902A (zh) 2017-07-24 2018-06-12 具有ar/vr用户接口的大数据驱动的远程信息处理

Country Status (2)

Country Link
US (1) US10885446B2 (zh)
CN (1) CN109298902A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113661523A (zh) * 2019-04-08 2021-11-16 沃尔沃卡车集团 用于分析车辆中的数据的系统

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11238672B2 (en) * 2018-01-25 2022-02-01 International Engine Intellectual Property Company, Llc Virtual weigh station
US10585688B2 (en) * 2018-03-09 2020-03-10 Ricoh Company, Ltd. Service ticket generation using IOT buttons
US11126638B1 (en) * 2018-09-13 2021-09-21 Palantir Technologies Inc. Data visualization and parsing system
US11134301B2 (en) 2018-11-15 2021-09-28 Jujo, Inc., a Delaware corporation Method and system of data polling for augmented/mixed reality applications
CN110912622A (zh) * 2019-11-26 2020-03-24 一汽解放汽车有限公司 一种射频一致性测试系统、测试方法及存储介质
CN112465160A (zh) * 2020-04-14 2021-03-09 洋浦美诺安电子科技有限责任公司 一种基于vr的车辆维修保养辅助系统
US11687581B2 (en) * 2020-05-22 2023-06-27 Ohio State Innovation Foundation Information extraction, enrichment, and caching framework for augmented reality applications
CN112130946B (zh) * 2020-09-22 2024-03-26 西安宇视信息科技有限公司 一种飞机信息展示方法、装置、电子设备和存储介质
CN113132472B (zh) * 2021-04-07 2022-08-02 武汉光庭信息技术股份有限公司 车载T-Box的RESTful Web动态服务注册方法
CN115033503B (zh) * 2022-05-24 2024-04-12 南京航空航天大学 一种基于增强现实的设备控制方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1913217A (zh) * 2005-08-08 2007-02-14 丰田自动车株式会社 电动力车电池寿命预测和警告装置
CN102905928A (zh) * 2010-06-03 2013-01-30 日产自动车株式会社 车辆用的信息提示装置及方法
CN105365580A (zh) * 2015-12-10 2016-03-02 福州大学 一种电动汽车智能控制方法及系统
US9286736B2 (en) * 2013-12-16 2016-03-15 Manish Punjabi Methods and systems of vehicle telematics enabled customer experience
CN106058987A (zh) * 2016-06-29 2016-10-26 浙江万马新能源有限公司 基于蓄电池组监控与故障诊断的电动汽车充电方法及装置
CN106406273A (zh) * 2015-08-03 2017-02-15 大众汽车有限公司 车辆中故障原因的确定
US20170129426A1 (en) * 2015-11-09 2017-05-11 Adobe Systems Incorporated Automobile Usage Analytics and Personalization
CN106682795A (zh) * 2015-11-05 2017-05-17 大陆汽车投资（上海）有限公司 基于数据分析的汽车零部件信息处理方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090322671A1 (en) * 2008-06-04 2009-12-31 Cybernet Systems Corporation Touch screen augmented reality system and method
US20150309316A1 (en) * 2011-04-06 2015-10-29 Microsoft Technology Licensing, Llc Ar glasses with predictive control of external device based on event input
US8965624B2 (en) * 2012-08-14 2015-02-24 Ebay Inc. Method and system of vehicle tracking portal
US10573037B2 (en) * 2012-12-20 2020-02-25 Sri International Method and apparatus for mentoring via an augmented reality assistant
US8712632B2 (en) * 2013-01-30 2014-04-29 Navteq B.V. Method and apparatus for complementing an instrument panel by utilizing augmented reality
US20150025917A1 (en) * 2013-07-15 2015-01-22 Advanced Insurance Products & Services, Inc. System and method for determining an underwriting risk, risk score, or price of insurance using cognitive information
US9472028B2 (en) * 2014-06-23 2016-10-18 GM Global Technology Operations LLC Augmented reality based interactive troubleshooting and diagnostics for a vehicle
US20160084661A1 (en) * 2014-09-23 2016-03-24 GM Global Technology Operations LLC Performance driving system and method
US20170337573A1 (en) * 2016-05-20 2017-11-23 CarMoxy Inc. Vehicle management services
US10192258B2 (en) * 2016-08-23 2019-01-29 Derek A Devries Method and system of augmented-reality simulations

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1913217A (zh) * 2005-08-08 2007-02-14 丰田自动车株式会社 电动力车电池寿命预测和警告装置
CN102905928A (zh) * 2010-06-03 2013-01-30 日产自动车株式会社 车辆用的信息提示装置及方法
US9286736B2 (en) * 2013-12-16 2016-03-15 Manish Punjabi Methods and systems of vehicle telematics enabled customer experience
CN106406273A (zh) * 2015-08-03 2017-02-15 大众汽车有限公司 车辆中故障原因的确定
CN106682795A (zh) * 2015-11-05 2017-05-17 大陆汽车投资（上海）有限公司 基于数据分析的汽车零部件信息处理方法
US20170129426A1 (en) * 2015-11-09 2017-05-11 Adobe Systems Incorporated Automobile Usage Analytics and Personalization
CN105365580A (zh) * 2015-12-10 2016-03-02 福州大学 一种电动汽车智能控制方法及系统
CN106058987A (zh) * 2016-06-29 2016-10-26 浙江万马新能源有限公司 基于蓄电池组监控与故障诊断的电动汽车充电方法及装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113661523A (zh) * 2019-04-08 2021-11-16 沃尔沃卡车集团 用于分析车辆中的数据的系统

Also Published As

Publication number Publication date
US10885446B2 (en) 2021-01-05
US20190026635A1 (en) 2019-01-24

Similar Documents

Publication Publication Date Title
CN109298902A (zh) 具有ar/vr用户接口的大数据驱动的远程信息处理
CN105554059B (zh) 基于北斗导航技术的物流运输智能感知与位置服务系统
US20210287459A1 (en) Digital twin systems and methods for transportation systems
US20230058169A1 (en) System for representing attributes in a transportation system digital twin
Datta Emergence of digital twins
Sarter et al. How in the world did we ever get into that mode? Mode error and awareness in supervisory control
CA2972885C (en) Permitted assignment user interface
CN109074255A (zh) 用于提供资产事件和信号数据的可视化的计算机系统和方法
CN113272797A (zh) 用于管理交通工具数据的系统和方法
CN105407159B (zh) 物流运输位置服务系统
CN107918600A (zh) 报表开发系统及方法、存储介质和电子设备
US9019128B1 (en) Augmented reality aircraft management system
CN105308558A (zh) 基于规则的数据处理系统和方法
WO2023096968A1 (en) Intelligent transportation methods and systems
CN108632341A (zh) 针对遗留的设备进行的提醒自动传送
Cohen et al. Technological advances relevant to transport–understanding what drives them
CN108389007A (zh) 安全风险管控系统和方法
CN105612496A (zh) 基于存储的生命周期信息来自动推荐更新
BR102014006204A2 (pt) sistema de visualização de condição de montagem baseado em ciclos de montagem
GB2530262A (en) Method and system for sharing transport information
US20210150386A1 (en) Utilizing vehicle sensors and machine learning training to target confident responses to user queries
CN108463806A (zh) 用于基于预测模型修改数据采集参数的计算机体系结构和方法
Husak et al. Intelligent Real-Time Vehicle Tracking Information System.
US11132850B1 (en) Augmented reality diagnostic interface
CN113495724A (zh) 一种基于微服务的工业物联网低代码快速开发系统和方法

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

Application publication date: 20190201

RJ01 Rejection of invention patent application after publication