CN109359866A - 基于租赁设备的风险隐患监控方法、装置和计算机设备 - Google Patents
基于租赁设备的风险隐患监控方法、装置和计算机设备 Download PDFInfo
- Publication number
- CN109359866A CN109359866A CN201811211450.XA CN201811211450A CN109359866A CN 109359866 A CN109359866 A CN 109359866A CN 201811211450 A CN201811211450 A CN 201811211450A CN 109359866 A CN109359866 A CN 109359866A
- Authority
- CN
- China
- Prior art keywords
- information
- equipment
- leased
- operation information
- equipment operation
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 74
- 238000012549 training Methods 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 25
- 238000001816 cooling Methods 0.000 claims description 12
- 238000004445 quantitative analysis Methods 0.000 claims description 11
- 239000012141 concentrate Substances 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 description 9
- 238000003066 decision tree Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000001746 injection moulding Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及安全监控的一种基于租赁设备的风险隐患监控方法、装置和计算机设备。所述方法包括：获取租赁设备的租赁信息，租赁信息包括承租方信息；向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息；接收租赁设备根据预设频率发送的设备运行信息；对设备运行信息进行解析，得到解析后的设备运行信息；获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果；当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。采用本方法能够能够及时、准确地对租赁设备进行监控，以有效提高租赁设备的安全性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及安全监控的一种基于租赁设备的风险隐患监控方法、装置和计算机设备。
背景技术
随着经济的可持续化发展，融资租赁行业成为具有潜力发展的主流行业。融资租赁业的发展可以有效缓解中小企业融资困难，并且能够有效提高租赁资源的配置效率。由于租赁物的数量较多、分布较广，且与中小企业的经营状况息息相关的特性，对出租后的租赁设备或租赁物等的监管尤为重要。
随着计算机和物联网技术的迅速发展，出现了一些对租赁物进行监管的管理系统，通过管理系统对租赁设备的数量和租赁状态进行管理和监控。然而现有的这种对租赁设备的监控方式中，只是通过记录租赁设备的设备信息和租赁状态以对租赁设备进行管理和监控，并不能及时有效地监控出租赁设备在运行中存在的风险隐患，进而无法有效保障租赁设备的安全性。因此，如何有效地提高租赁设备的安全性成为目前需要解决的技术问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够及时、准确地对租赁设备进行监控，以有效提高租赁设备的安全性的基于租赁设备的风险隐患监控方法、装置和计算机设备。
一种基于租赁设备的风险隐患监控方法，包括：
获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
接收所述租赁设备根据所述预设频率发送的设备运行信息；
对所述设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
在其中一个实施例中，所述设备运行信息包括设备类型，所述对所述设备运行信息进行解析，包括：获取预设的量化模型；根据所述量化模型对所述设备运行信息进行量化分析，得到分析后的设备运行信息；根据所述设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
在其中一个实施例中，所述获取预设的决策模型之前，还包括：获取多个租赁设备信息，所述租赁设备信息包括设备信息、设备运行信息和承租方信息；根据所述设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将所述训练集中的数据和所述基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据所述验证集中的数据对所述初始决策模型进行验证；当所述验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
在其中一个实施例中，所述将所述预警提示信息发送至对应的监控终端之后，还包括：接收所述监控终端根据所述预警提示信息发送的控制请求，所述控制请求包括控制类型；根据所述控制请求向所述租赁设备发送所述控制类型对应的控制指令，使得所述租赁设备执行所述控制指令。
在其中一个实施例中，所述租赁信息包括租赁区域范围，所述方法还包括：根据所述租赁区域范围生成对应的电子围栏；接收所述租赁设备根据所述监控指令发送的地理位置信息；将接收到的地理位置信息与所述电子围栏进行比较；当所述地理位置信息不在所述电子围栏的范围内时，向对应的监控终端发送预警提示信息。
一种基于租赁设备的风险隐患监控装置，包括：
数据获取模块，用于获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
指令发送模块，用于向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
所述数据获取模块还用于接收所述租赁设备根据所述预设频率发送的设备运行信息；
数据解析模块，用于对所述设备运行信息进行解析，得到解析后的设备运行信息；
数据决策模块，用于获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
预警提示模块，用于当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
在其中一个实施例中，所述设备运行信息包括设备类型；所述数据解析模块还用于获取预设的量化模型，根据所述量化模型对所述设备运行信息进行量化分析，得到分析后的设备运行信息；根据所述设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
在其中一个实施例中，所述装置还包括决策模型建立模块，用于获取多个租赁设备信息，所述租赁设备信息包括设备信息、设备运行信息和承租方信息；根据所述设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将所述训练集中的数据和所述基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据所述验证集中的数据对所述初始决策模型进行验证；当所述验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
接收所述租赁设备根据所述预设频率发送的设备运行信息；
对所述设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
接收所述租赁设备根据所述预设频率发送的设备运行信息；
对所述设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
上述基于租赁设备的风险隐患监控方法、装置和计算机设备，服务器获取租赁设备的租赁信息，租赁信息包括承租方信息；向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息；接收租赁设备根据预设频率发送的设备运行信息，由此能够实时获取租赁设备的设备运行信息。服务器进而对每一次获取的设备运行信息进行解析，得到解析后的设备运行信息；获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果。当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。通过决策模型能够准确有效地分析出设备的状态和承租方的状态，根据分析的状态结果进行实时预警，由此能够准确有效地对租赁设备运行中的风险隐患进行监控，从而有效地保障了租赁设备的安全性。
附图说明
图1为一个实施例中基于租赁设备的风险隐患监控方法的应用场景图；
图2为一个实施例中基于租赁设备的风险隐患监控方法的流程示意图；
图3为一个实施例中设备运行信息解析步骤的流程示意图；
图4为一个实施例中构建决策模型步骤的流程示意图；
图5为一个实施例中基于租赁设备的风险隐患监控装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于租赁设备的风险隐患监控方法，可以应用于如图1所示的应用环境中。其中，租赁设备102通过网络与服务器104进行通信，监控终端106通过网络与服务器104进行通信。其中，租赁设备102可以是各种数控机床、注塑机、制造设备等租赁物设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，监控终端106可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑。服务器104获取租赁设备102的租赁信息，租赁信息包括承租方信息；向租赁设备102发送监控指令，以使得租赁设备102按照预设频率采集设备运行信息；服务器104接收租赁设备102根据预设频率发送的设备运行信息，由此能够实时获取租赁设备102的设备运行信息。服务器104进而对每一次获取的设备运行信息进行解析，得到解析后的设备运行信息；获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果。当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端106。通过决策模型能够快速有效地分析出设备的状态和承租方的状态，根据分析的状态结果进行实时预警，由此有效地提高了租赁设备的监控效率，进而有效地保障了租赁设备的安全性。
在一个实施例中，如图2所示，提供了一种基于租赁设备的风险隐患监控方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
步骤202，获取租赁设备的租赁信息，租赁信息包括承租方信息。
其中，租赁设备可以是各种数控机床、注塑机、制造设备、车辆等租赁物设备，租赁设备上可以预先安装数据采集器，数据采集器中包含GPS定位功能，采集器通过对应的接口与租赁设备相连接，租赁设备通过数据采集器与服务器进行数据传输。数据采集器可以获取租赁设备的设备信息和运行信息等数据，并且可以对租赁设备进行控制。
租赁设备在出租时，可以预先设置租赁信息。租赁信息中可以包括设备的基本信息和承租方信息等。其中，租赁信息可以存储在租赁设备中，也可以预先存储在服务器的数据库中。租赁设备出租后，服务器则可以获取承租方对应的一个或多个租赁设备的租赁信息。
步骤204，向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息。
步骤206，接收租赁设备根据预设频率发送的设备运行信息。
服务器获取租赁设备的租赁信息后，向租赁设备发送监控指令。租赁设备接收到服务器发送的监控指令后，则根据预设的频率实时采集租赁设备当前的设备运行信息。其中，设备运行信息可以包括设备能耗、运行时长、设备产量、设备产率等数据。预设频率可以是1分钟、1小时、2小时等时间频率。租赁设备并将采集的设备运行信息实时上传至服务器。
步骤208，对设备运行信息进行解析，得到解析后的设备运行信息。
服务器每一次接收到租赁设备根据预设频率发送的设备运行信息后，对设备运行信息进行解析。具体地，服务器可以获取预设的量化模型，通过量化模型对设备运行信息进行量化分析，并按照预设规则将设备运行信息解析为对应的量化数据，解析得到的量化数据即为解析后的设备运行信息。
步骤210，获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果。
服务器对设备运行信息进行解析后，则进一步获取预设的决策模型。其中，决策模型可以是服务器预通过多个租赁设备的设备类型、设备运行信息以及承租方信息进行分析后，构建的决策模型。服务器将承租方信息和解析后的设备运行信息同时输入至决策模型中，通过决策模型对租赁设备的状态和承租方的状态进行分析，由此能够通过决策模型有效地得到对应的分析结果。
例如，决策模型中预先设置了多个决策树节点，服务器进而将承租方信息和解析后的设备运行信息同时输入至决策模型中，并按照决策模型中决策树节点的顺序进行遍历，直到得到对应的决策结果。通过决策模型按照节点顺序对承租方信息和解析后的设备运行进行决策分析，能够有效提高对租赁设备的状态和承租方的状态进行分析的效率，由此能够有效准确地决策出租赁设备或承租方是否存在隐患的风险。
步骤212，当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。
服务器通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到对应的分析结果。当分析结果表示存在风险时，服务器则生成对应的预警提示信息，并将该预警提示信息发送至租赁设备对应的监控终端。
进一步地，分析结果中还可以包括对应的风险类型，例如风险类型可以包括设备故障、设备开工率不足、设备产率未达标以及承租方经营不善等。服务器则根据分析结果中的风险类型生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端，由此能够有效地对租赁设备运行中存在的风险隐患进行监控。
上述基于租赁设备的风险隐患监控方法中，服务器获取租赁设备的租赁信息，租赁信息包括承租方信息；向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息，由此能够实时获取租赁设备的设备运行信息。服务器接收租赁设备根据预设频率发送的设备运行信息后，进而对每一次获取的设备运行信息进行解析，得到解析后的设备运行信息。服务器对设备运行信息解析后，则获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到对应的分析结果。当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。通过决策模型能够准确有效地分析出设备的状态和承租方的状态，根据分析的状态结果进行实时预警，由此能够准确有效地对租赁设备运行中的风险隐患进行监控，从而有效地保障了租赁设备的安全性。
在一个实施例中，如图3所示，设备运行信息包括设备类型，对设备运行信息进行解析的步骤，具体包括以下内容：
步骤302，获取预设的量化模型。
步骤304，根据量化模型对设备运行信息进行量化分析，得到分析后的设备运行信息。
步骤306，根据设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
服务器获取租赁设备的租赁信息后，向租赁设备发送监控指令。租赁设备接收到服务器发送的监控指令后，则根据预设的频率实时采集租赁设备当前的设备运行信息。
其中，服务器可以预先通过对大量的设备信息和设备运行信息进行大数据分析，例如可以采用决策树算法或机器学习的方式对大量的设备数据进行训练和分析，以根据分析出的数据规律构建对应的量化模型。
服务器每一次接收到租赁设备根据预设频率发送的设备运行信息后，对设备运行信息进行解析。具体地，服务器可以获取预设的量化模型，通过量化模型对设备运行信息进行量化分析，并得到量化分析后的设备运行数据。服务器进而按照设备类型和预设规则将量化分析后的设备运行信息解析为对应的量化数据，解析得到的量化数据即为解析后的设备运行信息。通过预设的量化模型对租赁设备的设备运行信息进行量化分析，由此能够准确有效地对设备运行信息进行解析，有利于快速有效地对租赁设备和承租方存在的风险隐患进行决策分析。
在一个实施例中，如图4所示，服务器在获取预设的决策模型之前，还包括构建决策模型的步骤，该步骤具体包括以下内容：
步骤402，获取多个租赁设备信息，租赁设备信息包括设备信息、设备运行信息和承租方信息。
步骤404，根据设备信息、设备运行信息和承租方信息计算对应的基准参数。
服务器在获取预设的模型之前，还可以预先构建决策模型。具体地，服务器可以预先获取大量的租赁设备信息，租赁设备信息包括设备运行信息、设备信息和承租方信息，设备信息中还包括设备类型。服务器还可以从本地数据库或第三方数据库中获取大量的租赁设备信息。进而服务器对大量的设备信息和设备运行信息进行大数据分析，得到租赁设备对应的设备基准数据，例如设备能耗基准数据、设备产率基准数据等。服务器同时对多个租赁信息中的承租方进行大数据分析，得到承租方对应的承租方基准数据，例如承租方营业额、承租方利润率等。服务器则进一步根据设备运行信息的设备基准数据和承租方信息的承租方基准数据计算出对应的基准参数。
步骤406，利用多个租赁设备信息生成训练集和验证集。
步骤408，将训练集中的数据和基准参数输入至预设的决策模型中进行训练，得到初始决策模型。
步骤410，根据验证集中的数据对初始决策模型进行验证。
步骤412，当验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
进一步地，服务器利用多个租赁设备信息生成训练集和验证集，其中验证集中的数据可以是通过人工标注了分析结果的数据。服务器获取预设的决策模型，其中预设的决策模型可以是基于神经网络模型或决策树模型。服务器进而将训练集中的数据和基准参数输入至预设的决策模型中进行多次训练，由此可以得到初始决策模型。
经过初步训练得到初始决策模型后，服务器则将验证集中的数据再输入至初始决策模型中进行训练和验证。其中验证集可以分为多个部分的验证集数据，利用多个验证集数据进行持续训练，直到所有验证集中预设数量的验证集数据对应类别的概率值在预设阈值时，预设阈值可以是预设的范围值，则停止训练，得到所需的决策模型，进而得到训练完成的决策模型。通过利用大量的租赁设备信息通过网络神经模型进行训练，由此可以有效地训练出准确率较高的决策模型，进而可以有效地提高对租赁设备状态进行分析的准确率。
服务器获取租赁设备的租赁信息后，向租赁设备发送监控指令。租赁设备接收到服务器发送的监控指令后，则根据预设的频率实时采集租赁设备当前的设备运行信息。
服务器每一次接收到租赁设备根据预设频率发送的设备运行信息后，对设备运行信息进行解析。服务器对设备运行信息进行解析后，则进一步获取预设的决策模型。其中，决策模型可以是服务器预通过多个租赁设备的设备类型、设备运行信息以及承租方信息进行训练后，构建的决策模型。服务器将承租方信息和解析后的设备运行信息同时输入至决策模型中，通过决策模型对租赁设备的状态和承租方的状态进行分析，由此能够通过决策模型有效地得到对应的分析结果。
例如，决策模型中预先设置了多个决策树节点，服务器进而将承租方信息和解析后的设备运行信息同时输入至决策模型中，并按照决策模型中决策树节点的顺序进行遍历，直到得到对应的决策结果。通过决策模型按照节点顺序对承租方信息和解析后的设备运行进行决策分析，能够有效提高对租赁设备的状态和承租方的状态进行分析的效率，由此能够有效准确地决策出租赁设备或承租方是否存在隐患的风险。
在一个实施例中，将预警提示信息发送至对应的监控终端之后，还包括：接收监控终端根据预警提示信息发送的控制请求，控制请求包括控制类型；根据控制请求向租赁设备发送控制类型对应的控制指令，使得租赁设备执行控制指令。
服务器获取租赁设备的租赁信息后，则向租赁设备发送监控指令。租赁设备接收到服务器发送的监控指令后，则根据预设的频率实时采集租赁设备当前的设备运行信息，并将采集的设备运行信息实时上传至服务器。服务器每一次接收到租赁设备发送的设备运行信息后，则对设备运行信息进行解析，得到解析后的设备运行信息。服务器进一步获取预设的决策模型，通过决策模型对租赁信息中的承租方信息和设备运行信息进行决策分析，由此能够有效地得到对应的分析结果。
当分析结果表示存在风险时，服务器则根据风险类型生成对应的预警提示信息，并将该预警提示信息发送至租赁设备对应的监控终端。监控终端接收到服务器发送的预警提示信息后，根据预警提示信息向服务器发送控制请求。其中，控制请求包括针对租赁设备的控制类型，例如，控制类型可以包括停止运行、设备上锁等。
服务器接收到监控终端发送的控制请求后，根据控制请求的控制类型生成对应的控制指令，并向租赁设备发送该控制指令，以使得租赁设备接收到控制指令后，执行该控制指令，由此通过控制指令对租赁设备进行控制，以防止租赁设备在超出电子围栏的范围后，导致租赁设备的资源被滥用。租赁设备在超出电子围栏的范围后，通过监控终端对租赁设备进行远程控制，有效地提高了租赁设备的管控效率，进而有效地保障了租赁设备的资产安全。
在一个实施例中，租赁信息包括租赁区域范围，该方法还包括：根据租赁区域范围生成对应的电子围栏；接收租赁设备根据监控指令发送的地理位置信息；将接收到的地理位置信息与电子围栏进行比较；当地理位置信息不在电子围栏的范围内时，向对应的监控终端发送预警提示信息。
服务器获取租赁设备的租赁信息后，则向租赁设备发送监控指令。租赁设备接收到服务器发送的监控指令后，则根据预设的频率实时采集租赁设备当前的设备运行信息，并将采集的设备运行信息实时上传至服务器。服务器每一次接收到租赁设备发送的设备运行信息后，则对设备运行信息进行解析，得到解析后的设备运行信息。服务器进一步获取预设的决策模型，通过决策模型对租赁信息中的承租方信息和设备运行信息进行决策分析，由此能够有效地得到对应的分析结果。
进一步地，服务器获取租赁设备的租赁信息后，根据租赁信息中的租赁区域范围生成对应的电子围栏。具体地，服务器根据租赁区域范围计算对应的经纬度坐标，并获取电子地图，根据计算出的租赁区域范围的经纬度坐标在电子地图上进行标记，由此根据标记的经纬度坐标利用电子地图生成对应的电子围栏。
租赁设备接收到服务器发送的监控指令后，同时还根据预设的频率实时采集租赁设备当前的地理位置信息。其中采集租赁设备的地理位置信息的预设频率与采集设备运行信息的预设频率可以是相同的预设频率，也可以是不同的预设频率。例如，预设频率可以是1分钟、1小时、2小时等时间频率。租赁设备并将采集的地理位置信息实时上传至服务器。
服务器每一次接收到租赁设备发送的地理位置信息后，则将每一次接收到的地理位置信息分别与该租赁设备对应的电子围栏进行比较。具体地，计算出租赁设备的地理位置信息对应的经纬度坐标，将经纬度坐标与电子围栏的经纬度坐标范围进行计算，比较该经纬度坐标是否在电子围栏的经纬度坐标范围内。通过对地理位置的具体经纬度信息进行计算比对，能够有效地提高电子围栏的计算精度。
当通过决策模型分析出的分析结果表示存在风险时，或者当租赁设备当前的地理位置信息不在对应的电子围栏的范围内时，都表示租赁设备存在风险隐患，服务器则生成对应的预警提示信息，并将该预警提示信息发送至租赁设备对应的监控终端。例如，当分析结果为设备故障时，则生成设备故障的预警提示信息；当租赁设备的地理位置信息超出对应的电子围栏的范围时，则生成设备超范围的预警提示信息。服务器还可以将租赁设备的地理位置信息和电子围栏发送至监控终端，以在监控终端的电子地图界面显示电子围栏和该租赁设备的地理位置信息，以便于监控人员有效地追踪租赁设备的位置。通过实时获取租赁设备的地理位置信息，并与对应的电子围栏进行比较，能够有效地对租赁设备进行实时监控，有效地提高了租赁设备的监控效率，进而有效地保障了租赁设备的安全。
在一个实施例中，服务器可以通过大数据处理平台同时对多个租赁设备的设备运行信息进行处理。具体地，服务器可以预先建立分布式数据库，服务器将获取的租赁信息、设备运行信息等数据分别存储至对应的数据库，并建立对应的索引。服务器接收到租赁设备上传的设备运行信息后，生成对应的分析任务，并添加对应的任务标识。
进一步地，服务器可以为集群服务器，集群服务器包括对应的多个节点。主节点根据集群中每个从节点的当前负载权重为分析任务选择对应的从节点标识，并对被选择的从节点标识对应的当前负载权重进行平滑处理，利用平滑处理后的结果选择下一个分析任务对应的从节点标识，直至为多个分析任务选择出对应的从节点标识。由此主节点根据被选择出的从节点标识将多个分析任务分配至对应的从节点，使得每个从节点对分配的分析任务进行处理。具体地，每个从节点根据分配的分析任务和任务标识按照索引从对应的数据库中获取设备运行信息和承租方信息，以对设备运行信息进解析，并通过决策模型进行决策分析，得到对应的分析结果。通过平滑处理可以对当前已分配分析任务的从节点的资源消耗进行抵消，防止重复计算其负载权重，以此达到集群中多个从节点的负载均衡。通过大数据分布式处理方式对设备运行信息进行分析，有效地提高了租赁设备运行状态的决策分析效率。
在一个实施例中，服务器还可以根据预设规则在计算对应的租赁数值，并从该租赁设备对应的账户中扣除租赁费用。具体地，租赁信息中还可以包括租赁费用和租赁规则等信息，当服务器对设备运行状态进行分析并得到对应的分析结果后，通过预设方式根据分析结果计算出对应超范围的租赁费用，并从该租赁设备对应的承租方账户中扣除对应的租赁费用。通过根据租赁设备的运行状态扣除对应的费用，能够有效地对租赁费用进行管控，进而能够提高对租赁设备的监控效率。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种基于租赁设备的风险隐患监控装置，包括：数据获取模块502、指令发送模块504、数据解析模块506、数据决策模块508和预警提示模块510，其中：
数据获取模块502，用于获取租赁设备的租赁信息，租赁信息包括承租方信息；
指令发送模块504，用于向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息；
数据获取模块502还用于接收租赁设备根据预设频率发送的设备运行信息；
数据解析模块506，用于对设备运行信息进行解析，得到解析后的设备运行信息；
数据决策模块508，用于获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果；
预警提示模块510，用于当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。
在一个实施例中，设备运行信息包括设备类型；数据解析模块506还用于获取预设的量化模型；根据量化模型对设备运行信息进行量化分析，得到分析后的设备运行信息；根据设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
在一个实施例中，该装置还包括决策模型建立模块，用于获取多个租赁设备信息，租赁设备信息包括设备信息、设备运行信息和承租方信息；根据设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将训练集中的数据和基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据验证集中的数据对初始决策模型进行验证；当验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
在一个实施例中，该装置还包括控制模块，用于接收监控终端根据预警提示信息发送的控制请求，控制请求包括控制类型；根据控制请求向租赁设备发送控制类型对应的控制指令，使得租赁设备执行控制指令。
在一个实施例中，租赁信息包括租赁区域范围，该装置还包括电子围栏生成模块，用于根据租赁区域范围生成对应的电子围栏；位置监控模块，用于接收租赁设备根据监控指令发送的地理位置信息；将接收到的地理位置信息与电子围栏进行比较；当地理位置信息不在电子围栏的范围内时，向对应的监控终端发送预警提示信息。
关于基于租赁设备的风险隐患监控装置的具体限定可以参见上文中对于基于租赁设备的风险隐患监控方法的限定，在此不再赘述。上述基于租赁设备的风险隐患监控装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储租赁信息、设备运行信息等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于租赁设备的风险隐患监控方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取租赁设备的租赁信息，租赁信息包括承租方信息；
向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息；
接收租赁设备根据预设频率发送的设备运行信息；
对设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。
在一个实施例中，设备运行信息包括设备类型，处理器执行计算机程序时还实现以下步骤：获取预设的量化模型；根据量化模型对设备运行信息进行量化分析，得到分析后的设备运行信息；根据设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取多个租赁设备信息，租赁设备信息包括设备信息、设备运行信息和承租方信息；根据设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将训练集中的数据和基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据验证集中的数据对初始决策模型进行验证；当验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：接收监控终端根据预警提示信息发送的控制请求，控制请求包括控制类型；根据控制请求向租赁设备发送控制类型对应的控制指令，使得租赁设备执行控制指令。
在一个实施例中，租赁信息包括租赁区域范围，处理器执行计算机程序时还实现以下步骤：根据租赁区域范围生成对应的电子围栏；接收租赁设备根据监控指令发送的地理位置信息；将接收到的地理位置信息与电子围栏进行比较；当地理位置信息不在电子围栏的范围内时，向对应的监控终端发送预警提示信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取租赁设备的租赁信息，租赁信息包括承租方信息；
向租赁设备发送监控指令，以使得租赁设备按照预设频率采集设备运行信息；
接收租赁设备根据预设频率发送的设备运行信息；
对设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过决策模型对承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当分析结果表示存在风险时，生成对应的预警提示信息，并将预警提示信息发送至对应的监控终端。
在一个实施例中，设备运行信息包括设备类型，计算机程序被处理器执行时还实现以下步骤：获取预设的量化模型；根据量化模型对设备运行信息进行量化分析，得到分析后的设备运行信息；根据设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：获取多个租赁设备信息，租赁设备信息包括设备信息、设备运行信息和承租方信息；根据设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将训练集中的数据和基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据验证集中的数据对初始决策模型进行验证；当验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：接收监控终端根据预警提示信息发送的控制请求，控制请求包括控制类型；根据控制请求向租赁设备发送控制类型对应的控制指令，使得租赁设备执行控制指令。
在一个实施例中，租赁信息包括租赁区域范围，计算机程序被处理器执行时还实现以下步骤：根据租赁区域范围生成对应的电子围栏；接收租赁设备根据监控指令发送的地理位置信息；将接收到的地理位置信息与电子围栏进行比较；当地理位置信息不在电子围栏的范围内时，向对应的监控终端发送预警提示信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于租赁设备的风险隐患监控方法，包括：
获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
接收所述租赁设备根据所述预设频率发送的设备运行信息；
对所述设备运行信息进行解析，得到解析后的设备运行信息；
获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
2.根据权利要求1所述的方法，其特征在于，所述设备运行信息包括设备类型，所述对所述设备运行信息进行解析，包括：
获取预设的量化模型；
根据所述量化模型对所述设备运行信息进行量化分析，得到分析后的设备运行信息；
根据所述设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
3.根据权利要求1所述的方法，其特征在于，所述获取预设的决策模型之前，还包括：
获取多个租赁设备信息，所述租赁设备信息包括设备信息、设备运行信息和承租方信息；
根据所述设备信息、设备运行信息和承租方信息计算对应的基准参数；
利用多个租赁设备信息生成训练集和验证集；
将所述训练集中的数据和所述基准参数输入至预设的决策模型中进行训练，得到初始决策模型；
根据所述验证集中的数据对所述初始决策模型进行验证；
当所述验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述将所述预警提示信息发送至对应的监控终端之后，还包括：
接收所述监控终端根据所述预警提示信息发送的控制请求，所述控制请求包括控制类型；
根据所述控制请求向所述租赁设备发送所述控制类型对应的控制指令，使得所述租赁设备执行所述控制指令。
5.根据权利要求1所述的方法，其特征在于，所述租赁信息包括租赁区域范围，所述方法还包括：
根据所述租赁区域范围生成对应的电子围栏；
接收所述租赁设备根据所述监控指令发送的地理位置信息；
将接收到的地理位置信息与所述电子围栏进行比较；
当所述地理位置信息不在所述电子围栏的范围内时，向对应的监控终端发送预警提示信息。
6.一种基于租赁设备的风险隐患监控装置，包括：
数据获取模块，用于获取租赁设备的租赁信息，所述租赁信息包括承租方信息；
指令发送模块，用于向所述租赁设备发送监控指令，以使得所述租赁设备按照预设频率采集设备运行信息；
所述数据获取模块还用于接收所述租赁设备根据所述预设频率发送的设备运行信息；
数据解析模块，用于对所述设备运行信息进行解析，得到解析后的设备运行信息；
数据决策模块，用于获取预设的决策模型，通过所述决策模型对所述承租方信息和解析后的设备运行信息进行分析，得到分析结果；
预警提示模块，用于当所述分析结果表示存在风险时，生成对应的预警提示信息，并将所述预警提示信息发送至对应的监控终端。
7.根据权利要求6所述的装置，其特征在于，所述设备运行信息包括设备类型；所述数据解析模块还用于获取预设的量化模型，根据所述量化模型对所述设备运行信息进行量化分析，得到分析后的设备运行信息；根据所述设备类型将分析后的设备运行信息按照预设规则解析为对应的量化数据。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括决策模型建立模块，用于获取多个租赁设备信息，所述租赁设备信息包括设备信息、设备运行信息和承租方信息；根据所述设备信息、设备运行信息和承租方信息计算对应的基准参数；利用多个租赁设备信息生成训练集和验证集；将所述训练集中的数据和所述基准参数输入至预设的决策模型中进行训练，得到初始决策模型；根据所述验证集中的数据对所述初始决策模型进行验证；当所述验证集中预设数量的数据达到预设阈值时，得到训练完成的决策模型。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811211450.XA CN109359866B (zh) | 2018-10-17 | 2018-10-17 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811211450.XA CN109359866B (zh) | 2018-10-17 | 2018-10-17 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109359866A true CN109359866A (zh) | 2019-02-19 |
| CN109359866B CN109359866B (zh) | 2024-05-03 |
Family
ID=65345640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811211450.XA Active CN109359866B (zh) | 2018-10-17 | 2018-10-17 | 基于租赁设备的风险隐患监控方法、装置和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109359866B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110119818A (zh) * | 2019-04-15 | 2019-08-13 | 杭州瑾信科技有限公司 | 租赁打印机故障分配方法、装置、计算机设备和存储介质 |
| CN111160701A (zh) * | 2019-11-28 | 2020-05-15 | 万翼科技有限公司 | 工程项目风险监控方法、系统、计算机设备和存储介质 |
| CN111882395A (zh) * | 2020-07-29 | 2020-11-03 | 平安国际融资租赁有限公司 | 租赁设备的监控方法、系统、计算机设备及存储介质 |
| CN112435105A (zh) * | 2021-01-27 | 2021-03-02 | 支付宝(杭州)信息技术有限公司 | 基于区块链的租赁风险评估方法、装置、设备及系统 |
| CN112837015A (zh) * | 2021-02-05 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 仓储安全管理方法、装置、计算机设备和存储介质 |
| CN113822487A (zh) * | 2021-09-29 | 2021-12-21 | 一汽出行科技有限公司 | 运营车辆的风险预警方法、装置、存储介质及计算机设备 |
| CN114360222A (zh) * | 2022-01-18 | 2022-04-15 | 平安国际融资租赁有限公司 | 一种租赁设备的状态预警方法、装置、设备和介质 |
Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004118471A (ja) * | 2002-09-26 | 2004-04-15 | Mitsubishi Heavy Ind Ltd | リース事業支援システム |
| JP2009151831A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
| KR20130007336A (ko) * | 2011-07-01 | 2013-01-18 | 창원경륜공단 | 무인대여 자전거 통합 시스템 및 그 방법 |
| CN106127536A (zh) * | 2016-09-09 | 2016-11-16 | 上海善继能科技有限公司 | 一种家电租赁智能化管理系统 |
| CN106453548A (zh) * | 2016-10-08 | 2017-02-22 | 北京新能源汽车股份有限公司 | 车辆租赁系统以及方法 |
| CN106780117A (zh) * | 2016-12-02 | 2017-05-31 | 国网浙江省电力公司经济技术研究院 | 一种配电网项目融资租赁风险评估方法 |
| CN106789935A (zh) * | 2016-11-29 | 2017-05-31 | 上海辰锐信息科技公司 | 一种终端异常检测方法 |
| CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
| CN107040895A (zh) * | 2017-05-12 | 2017-08-11 | 北京帮带西东网络科技有限公司 | 基于无桩车辆的电子围栏控制方法 |
| WO2017168704A1 (ja) * | 2016-03-31 | 2017-10-05 | 株式会社日立製作所 | 資産貸借サービスシステム |
| TWM552628U (zh) * | 2017-08-17 | 2017-12-01 | Zhi Shu Huang | 電動機車租賃系統 |
| CN107730117A (zh) * | 2017-10-17 | 2018-02-23 | 中国电力科学研究院 | 一种基于异质数据综合分析的电缆检修预警方法及系统 |
| CN108156235A (zh) * | 2017-12-22 | 2018-06-12 | 平安养老保险股份有限公司 | 在线验证方法、装置、计算机设备和存储介质 |
| CN108230091A (zh) * | 2017-12-18 | 2018-06-29 | 广东寰球智能科技有限公司 | 一种基于云平台的工业机器人租赁管理系统及方法 |
| CN108537415A (zh) * | 2018-03-20 | 2018-09-14 | 深圳市泰和安科技有限公司 | 一种在线式安全用电的配电方法、装置及系统 |
| CN108596745A (zh) * | 2018-06-07 | 2018-09-28 | 超威电源有限公司 | 一种车辆 |
| CN108664010A (zh) * | 2018-05-07 | 2018-10-16 | 广东省电信规划设计院有限公司 | 发电机组故障数据预测方法、装置和计算机设备 |
-
2018
- 2018-10-17 CN CN201811211450.XA patent/CN109359866B/zh active Active
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004118471A (ja) * | 2002-09-26 | 2004-04-15 | Mitsubishi Heavy Ind Ltd | リース事業支援システム |
| JP2009151831A (ja) * | 2009-04-06 | 2009-07-09 | Victor Co Of Japan Ltd | 端末装置、表示方法、及び情報処理プログラム |
| KR20130007336A (ko) * | 2011-07-01 | 2013-01-18 | 창원경륜공단 | 무인대여 자전거 통합 시스템 및 그 방법 |
| WO2017168704A1 (ja) * | 2016-03-31 | 2017-10-05 | 株式会社日立製作所 | 資産貸借サービスシステム |
| CN106127536A (zh) * | 2016-09-09 | 2016-11-16 | 上海善继能科技有限公司 | 一种家电租赁智能化管理系统 |
| CN106453548A (zh) * | 2016-10-08 | 2017-02-22 | 北京新能源汽车股份有限公司 | 车辆租赁系统以及方法 |
| CN106789935A (zh) * | 2016-11-29 | 2017-05-31 | 上海辰锐信息科技公司 | 一种终端异常检测方法 |
| CN106780117A (zh) * | 2016-12-02 | 2017-05-31 | 国网浙江省电力公司经济技术研究院 | 一种配电网项目融资租赁风险评估方法 |
| CN106961249A (zh) * | 2017-03-17 | 2017-07-18 | 广西大学 | 一种光伏阵列故障诊断和预警方法 |
| CN107040895A (zh) * | 2017-05-12 | 2017-08-11 | 北京帮带西东网络科技有限公司 | 基于无桩车辆的电子围栏控制方法 |
| TWM552628U (zh) * | 2017-08-17 | 2017-12-01 | Zhi Shu Huang | 電動機車租賃系統 |
| CN107730117A (zh) * | 2017-10-17 | 2018-02-23 | 中国电力科学研究院 | 一种基于异质数据综合分析的电缆检修预警方法及系统 |
| CN108230091A (zh) * | 2017-12-18 | 2018-06-29 | 广东寰球智能科技有限公司 | 一种基于云平台的工业机器人租赁管理系统及方法 |
| CN108156235A (zh) * | 2017-12-22 | 2018-06-12 | 平安养老保险股份有限公司 | 在线验证方法、装置、计算机设备和存储介质 |
| CN108537415A (zh) * | 2018-03-20 | 2018-09-14 | 深圳市泰和安科技有限公司 | 一种在线式安全用电的配电方法、装置及系统 |
| CN108664010A (zh) * | 2018-05-07 | 2018-10-16 | 广东省电信规划设计院有限公司 | 发电机组故障数据预测方法、装置和计算机设备 |
| CN108596745A (zh) * | 2018-06-07 | 2018-09-28 | 超威电源有限公司 | 一种车辆 |
Non-Patent Citations (1)
| Title |
|---|
| 刘红英: "《商业银行经营与管理》", 广州：华南理工大学出版社, pages: 139 - 142 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110119818A (zh) * | 2019-04-15 | 2019-08-13 | 杭州瑾信科技有限公司 | 租赁打印机故障分配方法、装置、计算机设备和存储介质 |
| CN111160701A (zh) * | 2019-11-28 | 2020-05-15 | 万翼科技有限公司 | 工程项目风险监控方法、系统、计算机设备和存储介质 |
| CN111882395A (zh) * | 2020-07-29 | 2020-11-03 | 平安国际融资租赁有限公司 | 租赁设备的监控方法、系统、计算机设备及存储介质 |
| CN112435105A (zh) * | 2021-01-27 | 2021-03-02 | 支付宝(杭州)信息技术有限公司 | 基于区块链的租赁风险评估方法、装置、设备及系统 |
| CN112837015A (zh) * | 2021-02-05 | 2021-05-25 | 广东电网有限责任公司广州供电局 | 仓储安全管理方法、装置、计算机设备和存储介质 |
| CN113822487A (zh) * | 2021-09-29 | 2021-12-21 | 一汽出行科技有限公司 | 运营车辆的风险预警方法、装置、存储介质及计算机设备 |
| CN114360222A (zh) * | 2022-01-18 | 2022-04-15 | 平安国际融资租赁有限公司 | 一种租赁设备的状态预警方法、装置、设备和介质 |
| CN114360222B (zh) * | 2022-01-18 | 2023-11-28 | 平安国际融资租赁有限公司 | 一种租赁设备的状态预警方法、装置、设备和介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109359866B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109359866A (zh) | 基于租赁设备的风险隐患监控方法、装置和计算机设备 | |
| CN109636607A (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
| CN109472372A (zh) | 基于租赁设备的资源数据分配方法、装置和计算机设备 | |
| CN109559189A (zh) | 租赁设备监控预警方法、装置、计算机设备和存储介质 | |
| CN107066382B (zh) | 一种基于模型的航天器系统自动化测试方法 | |
| CN110929879A (zh) | 基于决策引擎和模型平台的业务决策逻辑更新方法 | |
| CN106327087A (zh) | 测试任务分派方法 | |
| CN109842563A (zh) | 内容分发网络流量调度方法、装置和计算机可读存储介质 | |
| CN109508790A (zh) | 基于租赁设备的故障数据处理方法、装置和计算机设备 | |
| CN109102159B (zh) | 旅客评级模型生成方法、装置、计算机设备和存储介质 | |
| CN110135815B (zh) | 差旅订单监控方法、装置、计算机设备和存储介质 | |
| CN112465011A (zh) | 基于项目研发过程的项目风险预测方法和系统 | |
| CN110134795A (zh) | 生成验证问题组的方法、装置、计算机设备和存储介质 | |
| CN106960112A (zh) | 一种基于任务要求的飞机系统可靠性评估方法 | |
| CN113918526A (zh) | 日志处理方法、装置、计算机设备和存储介质 | |
| CN112632179A (zh) | 模型构建方法、装置、存储介质及设备 | |
| CN106296038A (zh) | 测试任务触发方法 | |
| CN103777092A (zh) | 一种基于云技术的继电保护测试系统及其方法 | |
| Yunus et al. | Modelling spatially and temporally correlated wind speed time series over a large geographical area using VARMA | |
| CN111835583B (zh) | 物联网产品的属性巡检方法、装置和计算机设备 | |
| CN113505805A (zh) | 样本数据闭环生成方法、装置、设备及存储介质 | |
| CN115529315B (zh) | 一种云边协同系统 | |
| CN115619309B (zh) | 一种基于数字孪生的物流中心信息平台系统 | |
| CN113626170B (zh) | 通信工程任务全生命周期的控制方法及装置 | |
| CN111984519A (zh) | 一种用于业务系统的测试方法及其装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220707 Address after: 518048 01A, 23rd floor, South Tower, Ping An financial center, No. 5023, Yitian Road, Fu'an community, Futian street, Futian District, Shenzhen, Guangdong Province Applicant after: Tabixing information technology (Shenzhen) Co.,Ltd. Address before: 37 / F, phase II, Shanghai Guojin Center office building, 8 Century Avenue, Shanghai pilot Free Trade Zone Applicant before: PING AN INTERNATIONAL FINANCIAL LEASING CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |