CN111028383B - 车辆行驶数据的处理方法及装置 - Google Patents
车辆行驶数据的处理方法及装置 Download PDFInfo
- Publication number
- CN111028383B CN111028383B CN201911093457.0A CN201911093457A CN111028383B CN 111028383 B CN111028383 B CN 111028383B CN 201911093457 A CN201911093457 A CN 201911093457A CN 111028383 B CN111028383 B CN 111028383B
- Authority
- CN
- China
- Prior art keywords
- data
- matrix
- vehicle
- processed
- category
- 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
Images
Classifications
-
- 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
Abstract
本申请的实施例提供了一种车辆行驶数据的处理方法及装置。该车辆行驶数据的处理方法包括:根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵;根据所述待处理数据矩阵,确定特征值和特征向量;根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。本申请实施例的技术方案可以有效保留待处理数据矩阵中所具有的信息量,并减少车辆的行驶数据中所具有的噪声以及数据冗余。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种车辆行驶数据的处理方法及装置。
背景技术
车联网可以通过设置在车辆上的车载设备收集车辆的行驶数据,并对车辆的行驶数据进行有效利用以在车辆运行过程中提供不同的功能服务。然而,车联网收集的车辆的行驶数据中噪声和数据冗余较大,如何减少行驶数据中的噪声和数据冗余成为了一个亟待解决的技术问题。
发明内容
本申请的实施例提供了一种车辆行驶数据的处理方法及装置,进而至少在一定程度上可以优化车联网收集的车辆的动态信息,减少车辆的动态信息中的噪声和数据冗余。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种车辆行驶数据的处理方法,所述处理方法包括:
根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵;
根据所述待处理数据矩阵,确定特征值和特征向量;
根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
根据本申请实施例的一个方面,提供了一种车辆行驶数据的处理装置,所述处理装置包括:
矩阵生成模块,用于根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵;
确定模块,用于根据所述待处理数据矩阵,确定特征值和特征向量;
处理模块,用于根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
在本申请的一些实施例中,基于前述方案,所述确定模块被配置为:根据所述待处理数据矩阵,得到所述待处理数据矩阵对应的协方差矩阵;根据所述协方差矩阵,得到所述协方差矩阵的特征值和特征向量。
在本申请的一些实施例中,基于前述方案,所述确定模块被配置为:根据所述车辆的行驶数据,计算各个类别的行驶数据的平均值;并将所述待处理数据矩阵中的行驶数据减去所述行驶数据的类别对应的平均值,得到预处理数据矩阵;根据所述预处理数据矩阵,得到所述预处理数据矩阵的相关矩阵;再根据所述相关矩阵,得到所述相关矩阵的特征值和特征向量。
在本申请的一些实施例中,基于前述方案,所述处理模块被配置为:从所述特征值中选取满足预设条件的特征值作为目标特征值;根据所述目标特征值对应的特征向量,建立线性变换矩阵;根据所述线性变换矩阵对所述待处理数据矩阵进行优化处理以生成所述目标行驶数据。
在本申请的一些实施例中,基于前述方案,所述处理模块被配置为:将所述目标特征值对应的特征向量依序进行排列,建立所述线性变换矩阵。
在本申请的一些实施例中,基于前述方案,所述处理模块还被配置为:若所述特征值中至少一个特征值小于零,则生成告警信息,所述告警信息用于向用户进行告警。
在本申请的一些实施例中,基于前述方案,所述矩阵生成模块被配置为:根据所述车辆的行驶数据的类别,获取所述车辆的行驶数据的类别的重要性分值;将所述车辆的行驶数据按照行驶数据的类别的重要性分值从大到小的顺序进行排列,生成所述待处理数据矩阵。
在本申请的一些实施例中,基于前述方案,所述处理模块还被配置为:获取车辆的行驶数据的类别;若接收到用户发送的修改重要性分值的请求,则在显示界面上显示重要性分值编辑界面;响应于所述用户在所述重要性分值编辑界面的编辑,接收所述用户对车辆的行驶数据的类别的重要性分值的修改;将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联。
在本申请的一些实施例中,基于前述方案,所述处理模块还被配置为:根据所述目标行驶数据,对车辆进行碰撞风险分析,以输出车辆碰撞风险分析结果。
根据本申请实施例的一个方面,提供了一种计算机可读介质,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如上述实施例中所述的车辆行驶数据的处理方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的车辆行驶数据的处理方法。
在本申请的一些实施例所提供的技术方案中,通过根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵,并根据所述待处理数据矩阵,确定特征值和特征向量,在根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据,基于特征值和特征向量对待处理数据矩阵进行优化处理,可以在保证待处理数据矩阵的信息量的情况下,减少待处理数据矩阵中的噪声以及数据冗余,得到目标行驶数据。
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,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。在附图中:
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2示出了根据本申请的一个实施例的车辆行驶数据的处理方法的流程图;
图3示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S220的流程示意图;
图4示出了根据本申请的另一个实施例的图2的车辆行驶数据的处理方法中步骤S220的流程示意图;
图5示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S230的流程示意图;
图6示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S210的流程示意图;
图7示出了根据本申请的一个实施例的车辆行驶数据的处理方法还包括的编辑重要性分值的流程示意图;
图8示出了根据本申请的一个实施例的车辆行驶数据的处理方法的流程示意图;
图9示出了根据本申请的一个实施例的车辆行驶数据的处理装置的框图;
图10示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图。
如图1所示,系统架构可以包括服务器110和若干车载终端120,服务器110和若干车载终端120可以通过网络进行连接,其中,该网络可以包括多种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的服务器和车载终端的数目仅仅是示意性的,根据实现需要,可以具有任意数目的服务器和车载终端。比如服务器110可以是多个服务器组成的服务器集群等。
在该系统架构中,车载终端120可以通过各种传感器收集所在车辆的动态信息,例如车辆的速度、朝向等,并将所收集到的车辆的动态信息通过网络向服务器110进行发送。
服务器110可以是提供各种服务的服务器,服务器110可以接收若干车载终端发送的车辆的动态信息,并对接收到的车辆的动态信息进行优化处理。例如服务器110可以根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵,并根据所述待处理数据矩阵,确定特征值和特征向量,再根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
需要说明的是,本申请实施例所提供的车辆行驶数据的处理方法一般由服务器110执行,相应地,车辆行驶数据的处理装置一般设置于服务器110中。但是,在本申请的其它实施例中,终端设备(例如台式计算机或便携式计算机等)也可以与服务器具有相似的功能,从而执行本申请实施例所提供的车辆行驶数据的处理方法。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示出了根据本申请的一个实施例的车辆行驶数据的处理方法的流程图,该车辆行驶数据的处理方法可以由服务器来执行,该服务器可以是图1中所示的服务器。参照图2所示,该车辆行驶数据的处理方法至少包括步骤S210至步骤S230,详细介绍如下:
在步骤S210中,根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵。
其中,行驶数据可以是车辆在行驶过程中与车辆相关的数据。需要说明的是,行驶数据可以是与车辆本身相关的数据,例如车辆的速度、朝向和加速度等等;行驶数据也可以是与车辆所在环境相关的数据,例如车辆所处环境的湿度、风速和风向等等。
车辆的行驶数据的类别可以是车辆的行驶数据的分类信息,例如可以将收集到的车辆的行驶数据划分为速度、加速度、朝向、湿度、风速和风向等类别。
在本申请的一个实施例中,设置于车辆上的车载终端可以通过设置于车辆上的传感器获取车辆的行驶数据,例如可以通过设置于车辆上的速度传感器获取车辆的速度、可以通过设置于车辆上的加速度传感器获取车辆的加速度等等,并将收集到的车辆的行驶数据向服务器进行发送,以供服务器进行数据处理。
在步骤S210中,服务器可以将接收到的车辆的行驶数据,按照车辆的行驶数据的类别进行划分,并基于划分后的车辆的行驶数据,生成待处理数据矩阵。具体地,可以根据每一类别的行驶数据生成该类别对应的向量,每一类别的行驶数据作为该类别对应的向量中的元素,例如可以根据车辆的速度生成向量V=[v1,v2,…,vn]T,其中,v1、v2、…、vn分别为不同车辆的速度,n为车辆的数量,根据车辆的加速度生成向量A=[a1,a2,…,an]T,其中,a1、a2、…、an分别为不同车辆的加速度,等等。
再根据每一类别的行驶数据对应的向量,生成待处理数据矩阵,例如根据车辆的速度对应的向量V=[v1,v2,…,vn]T、车辆的加速度对应的向量A=[a1,a2,…,an]T等向量生成待处理数据矩阵其中,待处理数据矩阵的行数为车辆的数量,列数为车辆的行驶数据的类别的数量。/>
需要说明的是,在每一类别的行驶数据对应的向量中,同一位置的行驶数据对应的是同一车辆的行驶数据。例如在车辆的速度对应的向量V=[v1,v2,…,vn]T和加速度对应的向量A=[a1,a2,…,an]T中,v1和a1为同一车辆的速度和加速度,v2和a2为同一车辆的速度和加速度,等等。因此,在待处理数据矩阵E中,位于同一行的行驶数据即为同一车辆不同类别的行驶数据。
在步骤S220中,根据所述待处理数据矩阵,确定特征值和特征向量。
在该实施例中,根据待处理数据矩阵进行计算,得到该待处理数据矩阵对应的特征值和特征向量,该特征值和该特征向量用于对待处理数据矩阵进行优化处理。
在步骤S230中,根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
其中,优化处理可以是对车辆的行驶数据进行降噪和去除数据冗余的处理过程。通过对车辆的行驶数据进行优化处理,可以减少车辆的行驶数据中的噪声以及数据冗余,使得优化处理后的车辆的行驶数据可以满足用户的处理要求。
目标行驶数据可以是经过优化处理后的车辆的行驶数据。
在该实施例中,基于特征值和特征向量对待处理数据矩阵进行优化处理,以生成目标行驶数据,能够保证目标行驶数据所保留的信息量,减少车辆的行驶数据在优化处理过程中出现信息量丢失的情况。具体地,可以基于特征值和特征向量,对待处理数据矩阵进行线性变换处理,由此可以最大限度的保留待处理数据矩阵的信息量,并减少待处理数据矩阵中的噪声和数据冗余,使得经过线性变换处理后的待处理数据矩阵可以成为满足用户的处理要求的目标行驶数据。
在图2所示的实施例中,按照车辆的行驶数据所对应的类别,生成待处理数据矩阵,可以避免行驶数据混乱的情况发生。并根据生成的待处理数据矩阵,确定特征值和特征向量,再根据所确定的特征值和特征向量对待处理数据矩阵进行优化处理,以得到目标行驶数据。可以减少目标行驶数据的信息量丢失,最大限度的保留了目标行驶数据的信息量,也减少了待处理数据矩阵中的噪声和数据冗余,使得所得到的目标行驶数据能够满足用户的处理要求。
基于图2所示的实施例,图3示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S220的流程示意图,在图3所示的实施例中,该车辆行驶数据的处理方法中步骤S220至少包括步骤S310至步骤S320,详细介绍如下:
在步骤S310中,根据所述待处理数据矩阵,得到所述待处理数据矩阵对应的协方差矩阵。
在该实施例中,基于待处理数据矩阵中的车辆的行驶数据进行计算,以得到待处理数据矩阵对应的协方差矩阵。具体地,可以将待处理数据矩阵中每一类别的行驶数据作为一个维度,再计算维度与维度之间的协方差。例如矩阵E中有三个维度的数据分别为X、Y和Z,则矩阵E的协方差矩阵为:等等。
在步骤S320中,根据所述协方差矩阵,得到所述协方差矩阵的特征值和特征向量。
在该实施例中,根据通过计算得到的待处理数据矩阵对应的协方差矩阵,计算该协方差矩阵的特征值和特征向量,以备后续根据该协方差矩阵的特征值和特征向量对待处理数据矩阵进行优化处理。
在图3所示的实施例中,根据待处理数据矩阵中的行驶数据,计算得到待处理数据矩阵对应的协方差矩阵,再计算该协方差矩阵对应的特征值和特征向量。根据协方差矩阵对应的特征值和特征值向量对待处理数据矩阵进行优化处理,可以减少待处理数据矩阵在优化处理过程中出现信息量丢失的情况,以保留待处理数据矩阵所具有的信息量。同时也减少了待处理数据矩阵中噪声和数据冗余,能够得到符合处理要求的目标行驶数据。
基于图2所示的实施例,图4示出了根据本申请的另一个实施例的图2的车辆行驶数据的处理方法中步骤S220的流程示意图,在图4所示的实施例中,该车辆行驶数据的处理方法中步骤S220至少包括步骤S410至步骤S440,详细介绍如下:
在步骤S410中,根据所述车辆的行驶数据,计算各个类别的行驶数据的平均值。
在该实施例中,根据不同类别的车辆的行驶数据,分别计算每一类别的行驶数据的平均值。例如在车辆的速度数据中,计算车辆的速度的平均值va=(v1+v2+···+vn)/n,等等。
在步骤S420中,将所述待处理数据矩阵中的行驶数据减去所述行驶数据的类别对应的平均值,得到预处理数据矩阵。
在该实施例中,将每一类别的行驶数据分别减去该类别的行驶数据对应的平均值,例如将速度对应的向量V=[v1,v2,…,vn]T中的每一行驶数据减去速度对应的平均值va,得到向量V=[v1-va,v2-va,…,vn-va]T,等等。根据减去平均值的每一类别的行驶数据,生成预处理数据矩阵。例如根据待处理数据矩阵生成预处理数据矩阵其中,va为速度的平均值即va=(v1+v2+…+vn)/n,aa为加速度的平均值即aa=(a1+a2+…+an)/n,等等。
在步骤S430中,根据所述预处理数据矩阵,得到所述预处理数据矩阵的相关矩阵。
其中,相关矩阵可以是由矩阵各列间的相关系数构成,具体地,第i行第j列的元素是原矩阵第i列和第j列的相关系数。例如设(X1,X2,X3...Xn)是一个n维随机变量,任意Xi与Xj的相关系数ρij(i,j=1,2,...n)存在,则以ρij为元素的n阶矩阵称为该维随机向量的相关矩阵.记作R,即其中,/>cov(Xi,Xj)=E((Xi-E(Xi))·(Xj-E(Xj)))。
在该实施例中,由于待处理数据矩阵中的每一列均为同一类别的行驶数据,且已将每一类别的行驶数据分别减去该类别的行驶数据对应的平均值即已对待处理数据矩阵中的行驶数据进行标准化处理,所以,在预处理数据矩阵中,每一列的数据的均值为0,标准差为1,则该预处理数据矩阵对应的相关矩阵即为待处理数据矩阵对应的协方差矩阵。
在步骤S440中,根据所述相关矩阵,得到所述相关矩阵的特征值和特征向量。
在该实施例中,根据预处理数据矩阵的相关矩阵进行计算,以得到该相关矩阵的特征值和特征向量。由于预处理数据矩阵是对待处理数据矩阵的行驶数据进行标准化处理而得到的,所以该预处理数据矩阵的相关矩阵即为待处理数据矩阵的协方差矩阵。计算预处理数据矩阵的相关矩阵的特征值和特征向量即为计算待处理数据矩阵的协方差矩阵的特征值和特征向量,以备后续根据该相关矩阵的特征值和特征向量对待处理数据矩阵进行优化处理。
在图4所示的实施例中,对待处理数据矩阵进行标准化处理,将待处理数据矩阵中的每一类别的行驶数据减去该类别的行驶数据的平均值,以得到预处理数据矩阵,并求取该预处理数据矩阵的相关矩阵,再根据该预处理数据矩阵的相关矩阵,计算得到该相关矩阵的特征值和特征向量。由于该预处理数据矩阵的相关矩阵,即为该待处理数据矩阵的协方差矩阵,所以根据该预处理数据矩阵的相关矩阵的特征值和特征向量,对待处理数据矩阵进行优化处理,可以减少待处理数据矩阵在优化处理过程中出现信息量丢失的情况,以保留待处理数据矩阵所具有的信息量。同时也减少了待处理数据矩阵中噪声和数据冗余,能够得到符合处理要求的目标行驶数据。
基于图2所示的实施例,图5示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S230的流程示意图,在图5所示的实施例中,该车辆行驶数据的处理方法中步骤S230至少包括步骤S510至步骤S530,详细介绍如下:
在步骤S510中,从所述特征值中选取满足预设条件的特征值作为目标特征值。
其中,预设条件可以是预先设置的、用以选取符合用户的处理需求的特征值的条件。例如该预设条件可以是选取特征值中几个最大的特征值、也可以是选取特征值中指定数量(例如3个、5个或8个等)的特征值,等等。本领域技术人员可根据实际实现需要,设置对应的预设条件,本申请对此不做特殊限定。
在本申请的一个实施例中,可以从特征值中选取数量最少的、且特征值之和占总的特征值之和的比例大于或等于预定比例的特征值作为目标特征值。其中,预定比例可以是预先设置的、用以表示待处理数据矩阵中所具有的信息量的大小的阈值。本领域技术人员可根据实际实现需要,设定待处理数据矩阵所具有的信息量大小,例如本领域技术人员认为待处理数据矩阵中的行驶数据有60%是有用的数据,则可以将预定比例设置为60%,等等。
而且,为了选取数量最少的特征值,则应该优先选取特征值中值最大的特征值以确保所选取的特征值数量最少。具体地,可以将特征值按照从大到小的顺序进行排列,按照排列顺序从前往后进行选取特征值,以保证所选取的特征值数量最少。例如特征值分别为6、7、3、4、5、1,将该特征值按照从大到小的顺序进行排列为7、6、5、4、3、1,预定比例为60%,经过计算,若选取特征值7和特征值6,(7+6)/(7+6+5+4+3+1)=50%<60%,而(7+6+5)/(7+6+5+4+3+1)≈69%>60%,所以应该选取特征值7、特征值6和特征值5作为目标特征值。
继续参考图5,在步骤S520中,根据所述目标特征值对应的特征向量,建立线性变换矩阵。
其中,线性变换矩阵可以是用于对待处理数据矩阵进行线性变换的矩阵。
在本申请的一个实施例中,根据选取的目标特征值对应的特征向量,建立对应的线性变换矩阵。例如所选取的目标特征值为7、5和6,而目标特征值7、5和6分别对应的特征向量为l1=(1,0,1)T、l2=(-1,0,1)T和l3=(0,-1,1)T,则根据目标特征值对应的特征向量建立的线性变换矩阵为
在步骤S530中,根据所述线性变换矩阵对所述待处理数据矩阵进行优化处理以生成所述目标行驶数据。
在该实施例中,对待处理数据矩阵进行优化处理可以是根据该线性变换矩阵对该待处理数据矩阵进行线性变换。由于该线性变换矩阵是基于目标特征值对应的特征向量建立的,所以根据该线性变换处理矩阵对该待处理数据矩阵进行线性变换处理,可以在线性变换处理的过程中最大限度的保留待处理数据矩阵中所具有的信息量,减少待处理数据矩阵的信息量缺失。同时也可以减少待处理数据矩阵中的行驶数据所具有的噪声和数据冗余,得到符合用户的处理需求的目标行驶数据。
在图5所示的实施例中,选取符合预设条件的特征值作为目标特征值,并基于选取的目标特征值对应的特征向量,建立线性变换矩阵,再根据所建立的线性变换矩阵对待处理数据矩阵进行优化处理以生成目标行驶数据。根据预先设置的预设条件,可以从特征值中选取符合用户的处理要求的特征值,以保证基于目标特征值对应的特征向量所建立的线性变换矩阵,在对待处理数据矩阵进行线性变换处理时,可以保留待处理数据矩阵中有用的信息量,筛除掉其他无用的信息量以及数据中的噪声和数据冗余,生成符合用户的处理要求的目标行驶数据。
基于图2和图5所示的实施例,在本申请的一个实施例中,根据所述目标特征值对应的特征向量,建立线性变换矩阵,包括:
将所述目标特征值对应的特征向量依序进行排列,建立所述线性变换矩阵。
其中,将目标特征值对应的特征向量依序进行排列可以是将特征向量按照目标特征值从大到小的顺序进行排列,也可以是将特征向量的按照目标特征值从小到大的顺序进行排列,等等。本领域技术人员可以根据实际实现需要,将目标特征值对应的特征向量依序进行排列,本申请对此不做特殊限定。
在该实施例中,将目标特征值对应的特征向量依序进行排列以建立线性变换矩阵,可以使线性变换矩阵在对待处理数据矩阵进行线性变换时,得到符合用户的处理要求的目标行驶数据。例如将目标特征值对应的特征向量按照目标特征值从大到小的顺序进行排列,则排列在前的特征向量所对应的目标特征值较大,所以在进行线性变换时,可以更加突出待处理数据矩阵中排列在前的行驶数据,以保证待处理数据矩阵中排列在前的行驶数据所具有的信息量,等等。
基于图2、图3和图4所示的实施例,在本申请的一个实施例中,该车辆行驶数据的处理方法还包括:
若所述特征值中至少一个特征值小于零,则生成告警信息,所述告警信息用于向用户进行告警。
在该实施例中,由于待处理数据矩阵的协方差矩阵或预处理数据矩阵的相关矩阵为正定矩阵,所以该协方差矩阵或该相关矩阵的特征值都为非负数。因此,若特征值中存在至少一个特征值小于零,则表示待处理数据矩阵中所采集的行驶数据存在问题,可以生成告警信息,以向用户进行告警。
由此,可以使用户及时知晓车辆的行驶数据的采集存在问题,使用户可以及时矫正采集系统或者对所采集的行驶数据进行容错处理等,以保证车辆的行驶数据的有效性,使用户能够得到符合处理要求的目标行驶数据。
基于图2所示的实施例,图6示出了根据本申请的一个实施例的图2的车辆行驶数据的处理方法中步骤S210的流程示意图,在图6所示的实施例中,该车辆行驶数据的处理方法中步骤S210至少包括步骤S610至步骤S620,详细介绍如下:
在步骤S610中,根据所述车辆的行驶数据的类别,获取所述车辆的行驶数据的类别的重要性分值。
其中,重要性分值可以是用于评价每一类别的行驶数据的重要性的分值。根据每一类别的行驶数据的重要性分值,可以评判该类别的行驶数据的重要程度,重要程度越高,重要性分值越大。
在该实施例中,识别出所获取的车辆的行驶数据的类别,并根据行驶数据的类别,获取该类别的行驶数据的重要性分值。具体地,可以预先设置类别与重要性分值的对应关系表,根据识别出的车辆的行驶数据的类别,通过查询类别与重要性分值的对应关系表,以得到识别出的车辆的行驶数据的类别的重要性分值。
需要说明的是,根据不同的处理目的,同一类别的行驶数据也可以具有不同的重要性分值。例如当需要获取车辆所在环境的天气情况时,则车辆所在环境的风速、温度的重要性分值应该大于车辆的速度、加速度的重要性分值,当需要获取车辆之间的距离时,则车辆的位置、速度以及加速度的重要性分值应该大于车辆所在环境的风速、温度的重要性分值,等等。
在本申请的一个实施例中,根据不同的处理目的,可以设置多个类别与重要性分值的对应关系表,在查询时,可以根据当前的处理目的查询对应的类别与重要性分值的对应关系表,以得到在不同处理目的下行驶数据的类别的重要性分值。
请继续参考图6,在步骤S620中,将所述车辆的行驶数据按照行驶数据的类别的重要性分值从大到小的顺序进行排列,生成所述待处理数据矩阵。
在该实施例中,根据查询到的行驶数据的类别的重要性分值,将车辆的行驶数据按照该行驶数据的类别的重要性分值从大到小的顺序进行排列,以生成待处理数据矩阵。例如车辆的速度V对应的重要性分值为6.5,加速度A对应的重要性分值为7,车辆所在环境的温度T对应的重要性分值为5,将车辆的行驶数据按照该行驶数据的类别的重要性分值从大到小的顺序进行排列,则生成的待处理数据矩阵E=(A,V,T)。
在图6所示的实施例中,将车辆的行驶数据按照行驶数据的类别的重要性分值从大到小的顺序进行排列,以得到待处理数据矩阵,可以使重要程度较高的行驶数据排列在待处理数据矩阵中的前列,以突出重要性较高的行驶数据所具有的信息量。
基于图6所示的实施例,在本申请的一个实施例中,可以将目标特征值对应的特征向量按照目标特征值从大到小的顺序进行排列,以生成线性变换矩阵。使得在根据线性变换矩阵对待处理数据矩阵进行线性变换处理时,可以突出排列在前的行驶数据的重要程度,同时也可以保证排列在前的行驶数据可以保留最大的信息量,以减少重要程度较高的行驶数据出现信息量缺失的情况发生。
基于图6所示的实施例,图7示出了根据本申请的一个实施例的车辆行驶数据的处理方法还包括的编辑重要性分值的流程示意图,在图7所示的实施例中,编辑重要性分值至少包括步骤S710至步骤S730,详细介绍如下:
在步骤S710中,若接收到用户发送的修改重要性分值的请求,则在显示界面上显示重要性分值编辑界面。
其中,修改重要性分值的请求可以是由用户发送的、用于请求修改行驶数据的类别的重要性分值的请求。当用户需修改行驶数据的类别对应的重要性分值时,可以发送修改重要性的请求以进行修改。在本申请的一实施例中,用户可以通过点击界面上的特定区域(例如“修改重要性分值”按钮等)以发送修改重要性的请求。
重要性分值编辑界面可以是用于修改行驶数据的类别的重要性分值的编辑界面,其中,该重要性分值编辑界面中可以包括重要性分值编辑选项,例如添加、删除或者修改等。用户可以通过选择重要性分值编辑界面上的编辑选项,实现对行驶数据的类别的重要性分值的修改。
在该实施例中,当接收到用户发送的修改重要性分值的请求时,则在显示界面上显示重要性分值编辑界面,应该理解,该显示界面可以是用户的移动终端的显示界面,该移动终端可以是智能手机、平板电脑、便携式计算机或者台式计算机中的一种或多种。
在步骤S720中,响应于所述用户在所述重要性分值编辑界面的编辑,接收所述用户对车辆的行驶数据的类别的重要性分值的修改。
在本申请的一个实施例中,响应于用户点击重要性分值编辑界面中的编辑选项的操作,可以在显示界面上显示与该用户选择的编辑选项对应的输入框以供该用户进行编辑。例如当用户点击“添加”这一编辑选项时,向用户显示添加输入框,用户可以在添加输入框中输入所需添加的类别以及该类别的重要性分值;当用户点击“删除”这一编辑选项时,向用户显示现有的类别与重要性分值对应关系表,响应于用户在现有的类别与重要性分值对应关系表中的选择,删除与用户的选择对应的类别与重要性分值的对应关系,等等。
在步骤S730中,将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联。
在该实施例中,当用户在重要性分值编辑界面上完成对行驶数据的类别的重要性分值的编辑后,接收该用户对行驶数据的类别的重要性分值的修改,并将用户所修改的内容与行驶数据的类别相关联,以便后续在处理行驶数据时,可以及时根据用户新修改的内容进行处理,避免出错。
在本申请的一个实施例中,将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联,可以是将用户对车辆的行驶数据的类别的重要性分值的修改与行驶数据的类别对应存储,以便后续进行查询。
在图7所示的实施例中,根据用户修改重要性分值的请求,向用户进行显示重要性分值编辑界面以供用户进行编辑,可以方便用户修改行驶数据的类别对应的重要性分值,进而提高了修改效率。
基于图2至图7所示的实施例,在本申请的一个实施例中,该车辆行驶数据的处理方法中还包括:
根据所述目标行驶数据,对车辆进行风险碰撞分析,以输出车辆碰撞风险分析结果。
其中,风险碰撞分析可以是用于分析车辆之间的碰撞风险大小的分析过程。
在该实施例中,根据特征值和特征向量对待处理数据矩阵进行优化处理,进而得到目标行驶数据,该目标行驶数据可以最大限度的保留待处理数据矩阵中所具有的信息量,并减少了待处理数据矩阵中行驶数据所具有的噪声和数据冗余。因此根据目标行驶数据进行碰撞风险分析,可以提高碰撞风险分析结果的准确性,使车辆碰撞风险分析结果更具有参考性。
基于上述实施例的技术方案,以下介绍本申请实施例的一个具体应用场景:
图8示出了根据本申请的一个实施例的车辆行驶数据的处理方法的流程示意图,在图8所示的实施例中,该车辆行驶数据的处理方法至少包括步骤S810至步骤S870,详细介绍如下:
在步骤S810中,获取车联网中的车辆数量。
其中,车辆数量可以是加入车联网中车辆数量,也可以是在某一区域内、加入车联网的车辆数量。
在步骤S820中,获取所有车辆的不同类别的车联网信息样本向量。
其中,车联网信息(即车辆的行驶数据)可以是与车辆相关的信息,例如车联网信息可以包括但不限于车辆数量、车辆类型、车辆速度、车辆位置、车辆加速度、车辆方向等等。
车联网信息样本向量可以是由不同车辆的同一类别的车联网信息组成,例如所有车辆的速度组成一个车联网信息样本向量,所有车辆的加速度组成一个车联网信息样本向量,等等。
需要说明的是,同一车辆的车联网信息在车联网信息样本向量中的位置是固定的,以防止数据混乱。具体地,可以对车辆进行编号,车辆的车联网信息在车联网信息样本向量中的位置可以与该车辆的编号相对应,例如车辆编号为1的车辆的车联网信息在车联网信息样本向量中的第一位,车辆编号为2的车辆的车联网信息在车联网信息样本向量中的第二位,等等。
在步骤S830中,获取样本维度矩阵。
在该实施例中,根据所获取的不同类别的车联网信息样本向量,生成样本维度矩阵。在该样本维度矩阵中,一个维度对应一个类别的车联网信息样本向量。
在步骤S840中,基于样本维度矩阵,确定特征值和特征向量。即根据所述待处理数据矩阵,确定特征值和特征向量。
在步骤S850中,从特征值中选取符合预设条件的特征值作为目标特征值。
在步骤S860中,将目标特征值对应的特征向量依序进行排列,生成线性变换矩阵。
在步骤S870中,根据该线性变换矩阵,对样本维度矩阵进行优化处理以生成目标行驶数据。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的车辆行驶数据的处理方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的车辆行驶数据的处理方法的实施例。
图9示出了根据本申请的一个实施例的车辆行驶数据的处理装置的框图。
参照图9所示,根据本申请的一个实施例的车辆行驶数据的处理装置,包括:
矩阵生成模块910,用于根据车辆的行驶数据的类别,生成与所述车辆的行驶数据对应的待处理数据矩阵;
确定模块920,用于根据所述待处理数据矩阵,确定特征值和特征向量:
处理模块930,用于根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
在本申请的一些实施例中,基于前述方案,所述确定模块920被配置为:根据所述待处理数据矩阵,得到所述待处理数据矩阵对应的协方差矩阵;根据所述协方差矩阵,得到所述协方差矩阵的特征值和特征向量。
在本申请的一些实施例中,基于前述方案,所述确定模块920被配置为:根据所述车辆的行驶数据,计算各个类别的行驶数据的平均值;并将所述待处理数据矩阵中的行驶数据减去所述行驶数据的类别对应的平均值,得到预处理数据矩阵;根据所述预处理数据矩阵,得到所述预处理数据矩阵的自相关矩阵;再根据所述自相关矩阵,得到所述自相关矩阵的特征值和特征向量。
在本申请的一些实施例中,基于前述方案,所述处理模块930被配置为:从所述特征值中选取满足预设条件的特征值作为目标特征值;根据所述目标特征值对应的特征向量,建立线性变换矩阵;根据所述线性变换矩阵对所述待处理数据矩阵进行优化处理以生成所述目标行驶数据。
在本申请的一些实施例中,基于前述方案,所述处理模块930被配置为:将所述目标特征值对应的特征向量按照所述目标特征值从大到小的顺序进行排列,建立所述线性变换矩阵。
在本申请的一些实施例中,基于前述方案,所述处理模块930还被配置为:若所述特征值中至少一个特征值小于零,则生成告警信息,所述告警信息用于向用户进行告警。
在本申请的一些实施例中,基于前述方案,所述矩阵生成模块910被配置为:根据所述车辆的行驶数据的类别,获取所述车辆的行驶数据的类别的重要性分值;将所述车辆的行驶数据按照行驶数据的类别的重要性分值从大到小的顺序进行排列,生成所述待处理数据矩阵。
在本申请的一些实施例中,基于前述方案,所述处理模块930还被配置为:获取车辆的行驶数据的类别;若接收到用户发送的修改重要性分值的请求,则在显示界面上显示重要性分值编辑界面;响应于所述用户在所述重要性分值编辑界面的编辑,接收所述用户对车辆的行驶数据的类别对应的重要性分值的修改;将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联。
在本申请的一些实施例中,基于前述方案,所述处理模块930还被配置为:根据所述目标行驶数据,对车辆进行碰撞风险分析,以输出车辆碰撞风险分析结果。
图10示出了适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图10示出的电子设备的计算机系统仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示,计算机系统包括中央处理单元(Central Processing Unit,CPU)1001,其可以根据存储在只读存储器(Read-Only Memory,ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(Random Access Memory,RAM)1003中的程序而执行各种适当的动作和处理,例如执行上述实施例中所述的方法。在RAM 1003中,还存储有系统操作所需的各种程序和数据。CPU 1001、ROM 1002以及RAM 1003通过总线1004彼此相连。输入/输出(Input/Output,I/O)接口1005也连接至总线1004。
以下部件连接至I/O接口1005:包括键盘、鼠标等的输入部分1006;包括诸如阴极射线管(Cathode Ray Tube,CRT)、液晶显示器(Liquid Crystal Display,LCD)等以及扬声器等的输出部分1007;包括硬盘等的存储部分1008;以及包括诸如LAN(Local AreaNetwork,局域网)卡、调制解调器等的网络接口卡的通信部分1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1010上,以便于从其上读出的计算机程序根据需要被安装入存储部分1008。
特别地,根据本申请的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被中央处理单元(CPU)1001执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本申请实施例所示的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或者是上述两者的任意组合。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、或半导体的系统、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可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,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系统、装置或者器件使用或者与其结合使用。而在本申请中,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计算机程序。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系统、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计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (14)
1.一种车辆行驶数据的处理方法,其特征在于,包括:
获取同一区域内多辆车辆的行驶数据,根据类别对所述多辆车辆的行驶数据进行分类,得到多种类别的行驶数据,并生成每一类别的行驶数据对应的向量,其中,每一类别的行驶数据对应的向量中,同一位置的行驶数据对应的是同一车辆的行驶数据;
获取当前处理目的,并从关系表集合中查找所述当前处理目的对应的关系表;其中,所述关系表集合中包含不同处理目的对应的关系表,每个关系表中包含类别与重要性分值的对应关系,不同处理目的对应的同一类别的行驶数据的重要性分值不同;
按照查找出的关系表中包含的类别的重要性分值由大到小的顺序,对所述多种类别的行驶数据对应的向量进行排序,以生成待处理数据矩阵;
根据所述待处理数据矩阵,确定特征值和特征向量;
根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据;
其中,所述根据待处理数据矩阵,确定特征值和特征向量,包括:
计算所述待处理数据矩阵中不同类别的行驶数据之间的协方差,得到协方差矩阵;根据所述协方差矩阵,得到所述协方差矩阵的特征值和特征向量;或
根据所述多辆车辆的行驶数据,计算每个类别的行驶数据的平均值;将所述待处理数据矩阵中的行驶数据减去所属类别对应的平均值,得到预处理数据矩阵;根据所述预处理数据矩阵,得到所述预处理数据矩阵的相关矩阵;根据所述相关矩阵,得到所述相关矩阵的特征值和特征向量。
2.根据权利要求1所述的处理方法,其特征在于,根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据,包括:
从所述特征值中选取满足预设条件的特征值作为目标特征值;
根据所述目标特征值对应的特征向量,建立线性变换矩阵。
3.根据权利要求2所述的处理方法,其特征在于,根据所述目标特征值对应的特征向量,建立线性变换矩阵,包括:
将所述目标特征值对应的特征向量依序进行排列,建立所述线性变换矩阵。
4.根据权利 要求1所述的处理方法,其特征在于,还包括:
若所述特征值中至少一个特征值小于零,则生成告警信息,所述告警信息用于向用户进行告警。
5.根据权利要求1所述的处理方法,其特征在于,还包括:
若接收到用户发送的修改重要性分值的请求,则在显示界面上显示重要性分值编辑界面;
响应于所述用户在所述重要性分值编辑界面的编辑,接收所述用户对车辆的行驶数据的类别的重要性分值的修改;
将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联。
6.根据权利要求1-5中任一项所述的处理方法,其特征在于,还包括:
根据所述目标行驶数据,对车辆进行碰撞风险分析,以输出车辆碰撞风险分析结果。
7.一种车辆行驶数据的处理装置,其特征在于,包括:
矩阵生成模块,用于获取同一区域内多辆车辆的行驶数据,根据类别对所述多辆车辆的行驶数据进行分类,得到多种类别的行驶数据,并生成每一类别的行驶数据对应的向量,其中,每一类别的行驶数据对应的向量中,同一位置的行驶数据对应的是同一车辆的行驶数据;获取当前处理目的,并从关系表集合中查找所述当前处理目的对应的关系表;其中,所述关系表集合中包含不同处理目的对应的关系表,每个关系表中包含类别与重要性分值的对应关系,不同处理目的对应的同一类别的行驶数据的重要性分值不同;按照查找出的关系表中包含的类别的重要性分值由大到小的顺序,对所述多种类别的行驶数据对应的向量进行排序,以生成待处理数据矩阵;
确定模块,用于计算所述待处理数据矩阵中不同类别的行驶数据之间的协方差,得到协方差矩阵,根据所述协方差矩阵,得到所述协方差矩阵的特征值和特征向量;或,根据所述多辆车辆的行驶数据,计算每个类别的行驶数据的平均值,将所述待处理数据矩阵中的行驶数据减去所属类别对应的平均值,得到预处理数据矩阵,根据所述预处理数据矩阵,得到所述预处理数据矩阵的相关矩阵,根据所述相关矩阵,得到所述相关矩阵的特征值和特征向量;
处理模块,用于根据所述特征值和所述特征向量,对所述待处理数据矩阵进行优化处理以生成目标行驶数据。
8.如权利要求7所述的装置,其特征在于,所述处理模块被配置为:从所述特征值中选取满足预设条件的特征值作为目标特征值;根据所述目标特征值对应的特征向量,建立线性变换矩阵;根据所述线性变换矩阵对所述待处理数据矩阵进行优化处理以生成所述目标行驶数据。
9.如权利要求8所述的装置,其特征在于,所述处理模块被配置为:将所述目标特征值对应的特征向量依序进行排列,建立所述线性变换矩阵。
10.如权利要求7所述的装置,其特征在于,所述处理模块还被配置为:若所述特征值中至少一个特征值小于零,则生成告警信息,所述告警信息用于向用户进行告警。
11.如权利要求7所述的装置,其特征在于,所述处理模块还被配置为:若接收到用户发送的修改重要性分值的请求,则在显示界面上显示重要性分值编辑界面;响应于所述用户在所述重要性分值编辑界面的编辑,接收所述用户对车辆的行驶数据的类别的重要性分值的修改;将所述用户对车辆的行驶数据的类别对应的重要性分值的修改与所述车辆的行驶数据的类别相关联。
12.如权利要求7-11中任一项所述的装置,其特征在于,所述处理模块还被配置为:根据所述目标行驶数据,对车辆进行碰撞风险分析,以输出车辆碰撞风险分析结果。
13.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-6中任一项所述的车辆行驶数据的处理方法。
14.一种计算机可读介质,其特征在于,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如权利要求1-6中任一项所述的车辆行驶数据的处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093457.0A CN111028383B (zh) | 2019-11-08 | 2019-11-08 | 车辆行驶数据的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911093457.0A CN111028383B (zh) | 2019-11-08 | 2019-11-08 | 车辆行驶数据的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111028383A CN111028383A (zh) | 2020-04-17 |
CN111028383B true CN111028383B (zh) | 2023-03-24 |
Family
ID=70205345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911093457.0A Active CN111028383B (zh) | 2019-11-08 | 2019-11-08 | 车辆行驶数据的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111028383B (zh) |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9715771B2 (en) * | 2012-04-13 | 2017-07-25 | Toyota Motor Engineering & Manufacturing North America, Inc. | Trip management system and method for a vehicle |
CN103136520B (zh) * | 2013-03-25 | 2016-01-20 | 苏州大学 | 基于pca-sc算法的形状匹配和目标识别方法 |
CN104102900A (zh) * | 2014-06-30 | 2014-10-15 | 南京信息工程大学 | 一种车辆识别系统 |
CN104142986B (zh) * | 2014-07-24 | 2017-08-04 | 中国软件与技术服务股份有限公司 | 一种基于聚类的大数据态势分析预警方法及系统 |
CN105095675B (zh) * | 2015-09-07 | 2017-11-14 | 浙江群力电气有限公司 | 一种开关柜故障特征选择方法及装置 |
CN106055645A (zh) * | 2016-05-30 | 2016-10-26 | 天津大学 | 一种用于高维数据分析的维度重要性评估方法 |
CN108616373B (zh) * | 2016-12-12 | 2021-06-18 | 中国科学院深圳先进技术研究院 | 频谱熵预测方法及系统 |
CN106952361B (zh) * | 2017-03-15 | 2019-07-23 | 上海工业控制安全创新科技有限公司 | 一种高效的车辆行驶状态识别系统 |
CN107273917A (zh) * | 2017-05-26 | 2017-10-20 | 电子科技大学 | 一种基于并行化主成分分析算法的数据降维方法 |
CN109117956B (zh) * | 2018-07-05 | 2021-08-24 | 浙江大学 | 一种最佳特征子集的确定方法 |
CN109660967A (zh) * | 2019-02-18 | 2019-04-19 | 华东交通大学 | 一种基于车联网bsm信息融合的行车安全监控装置与方法 |
-
2019
- 2019-11-08 CN CN201911093457.0A patent/CN111028383B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111028383A (zh) | 2020-04-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189991B (zh) | 重复视频识别方法、装置、终端及计算机可读存储介质 | |
CN107944481B (zh) | 用于生成信息的方法和装置 | |
CN111178380A (zh) | 数据分类方法、装置及电子设备 | |
CN110555451A (zh) | 信息识别方法和装置 | |
CN110895706B (zh) | 一种目标聚类数的获取方法、装置及计算机系统 | |
CN112612887A (zh) | 日志处理方法、装置、设备和存储介质 | |
CN111062431A (zh) | 图像聚类方法、图像聚类装置、电子设备及存储介质 | |
CN110782472B (zh) | 点云地面点的识别方法及装置 | |
CN110245684B (zh) | 数据处理方法、电子设备和介质 | |
CN111738316A (zh) | 零样本学习的图像分类方法、装置及电子设备 | |
CN111401980B (zh) | 一种提升样本排序多样性方法以及装置 | |
CN110704614B (zh) | 对应用中的用户群类型进行预测的信息处理方法及装置 | |
CN111028383B (zh) | 车辆行驶数据的处理方法及装置 | |
CN110458664B (zh) | 一种用户出行信息预测方法、装置、设备及存储介质 | |
CN110300329B (zh) | 基于离散特征的视频推送方法、装置及电子设备 | |
CN111460286A (zh) | 信息推荐方法、装置、电子设备及介质 | |
CN114168824A (zh) | 基于机器学习的冷热数据分离方法、系统、设备及介质 | |
CN112801226A (zh) | 数据筛选方法和装置、计算机可读存储介质、电子设备 | |
CN113111692A (zh) | 目标检测方法、装置、计算机可读存储介质及电子设备 | |
CN111738311A (zh) | 面向多任务的特征提取方法、装置及电子设备 | |
CN110782287A (zh) | 实体相似度计算方法及装置、物品推荐系统、介质、设备 | |
CN113127750B (zh) | 信息列表生成方法及装置、存储介质、电子设备 | |
CN112561657B (zh) | 一种车辆信息处理方法、装置、电子设备以及存储介质 | |
CN115512703A (zh) | 车机语音交互数据的处理方法、装置及设备 | |
CN116827894B (zh) | 广播剧用户评论信息发送方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40022478 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |