CN112561208A - 用于指标生成系统的方法、装置、电子设备和存储介质 - Google Patents
用于指标生成系统的方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN112561208A CN112561208A CN202011566686.2A CN202011566686A CN112561208A CN 112561208 A CN112561208 A CN 112561208A CN 202011566686 A CN202011566686 A CN 202011566686A CN 112561208 A CN112561208 A CN 112561208A
- Authority
- CN
- China
- Prior art keywords
- video stream
- generation system
- period
- state
- traffic signal
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000012544 monitoring process Methods 0.000 claims abstract description 51
- 238000004590 computer program Methods 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims abstract description 12
- 230000007704 transition Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000008447 perception Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 230000002159 abnormal effect Effects 0.000 description 10
- 238000012795 verification Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 206010021033 Hypomenorrhoea Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 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
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Multimedia (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Medical Informatics (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Entrepreneurship & Innovation (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
Abstract
本公开一种用于指标生成系统的方法、装置、电子设备、计算机可读存储介质和计算机程序产品,并且涉及智能交通技术领域,尤其涉及交通指标生成和交通方案优化。提供了一种用于指标生成系统的方法,指标生成系统被配置成接收针对目标区域采集的视频流并且基于视频流来生成指标数据,方法包括:监视目标区域的交通信号的状态;获得第一时段,第一时段是交通信号处于正常状态的第一时段的子集;以及响应于确定第一时段内由指标生成系统生成的指标数据不满足预定条件,控制终端输出警报。
Description
技术领域
本公开涉及智能交通技术领域,尤其涉及交通指标生成和交通方案优化,具体涉及一种用于指标生成系统的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
交通指标的质量会影响交通配时方案的优化效果。然而,由于受外界干扰,难以获得交通指标的可信度。因此,期望一种能够检测交通指标生成异常的方法。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种用于指标生成系统的方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种用于指标生成系统的方法。指标生成系统被配置成接收针对目标区域采集的视频流并且基于视频流来生成指标数据。方法可以包括:通过监视目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段;获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项;以及响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
根据本公开的另一方面,提供了一种用于指标生成系统的装置。指标生成系统被配置成接收针对目标区域采集的视频流并且基于视频流来生成指标数据。装置可以包括:第一监视单元,第一监视单元被配置成通过监视目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段;指标获得单元,指标获得单元被配置成获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项;以及警报输出单元,警报输出单元被配置成响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
根据本公开的另一方面,提供了一种电子设备,包括至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行根据本公开的实施例的方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行根据本公开的实施例的方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据本公开的实施例的方法。
根据本公开的一个或多个实施例,可以有效地对交通指标的数据质量进行检测。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的用于指标生成系统的方法的流程图;
图3示出了根据本公开的实施例的确定视频在线时段与感知在线时段的重合度的示例性方法的流程图;
图4示出了根据本公开的实施例的示例指标生成系统的功能性框图;
图5(a)-图5(b)示出了根据本公开的实施例的具有不同重合度的视频在线时段与感知在线时段示意图;
图6示出了根据本公开的另一实施例的用于指标生成系统的方法的流程图;
图7示出了根据本公开的实施例的数据流的示意图;
图8示出了根据本公开的实施例的用于指标生成系统的装置的结构框图;
图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行用于指标生成系统的方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来操纵或控制指标的生成、运行根据本公开的实施例的方法以对指标生成装置进行数据质量检测、接收根据本公开的方法的警报、或者基于警报对指标生成装置进行修改或修复等。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如Microsoft Windows、AppleiOS、类UNIX操作系统、Linux或类Linux操作系统(例如Google Chrome OS);或包括各种移动操作系统,例如Microsoft Windows Mobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中,由服务器120使用的数据存储库可以是数据库,例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
下面参照图2描述根据本公开的实施例的用于指标生成系统的方法200。指标生成系统可以被配置成接收针对目标区域采集的视频流,并且基于视频流来生成指标数据。
在步骤S201处,通过监视目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段。
在步骤S202处,获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项;以及
在步骤S203处,响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
第一时段可以是交通信号处于正常状态的所有时段的子集。在本公开中,时段的“子集”可以短于时段,例如为时段的一部分或多个部分(即,时段的真子集),也可以是时段本身(即,交通信号处于正常状态的时段时段的全集)。
通过这样的方法,能够监视交通信号(红绿灯)的工作状态,并且基于交通信号正常的时段来对生成的指标数据进行检测。由此生成的警报能够排除外界工况异常的影响,能够更准确地检测出指标系统生成的异常数据。
指标数据例如可以包括交通流量、平均排队长度、饱和流率、饱和度、浪费时间、溢流系数、绿灯利用率、理论延误减少值、车均停车次数和车头时距等。
根据一些实施例,指标生成系统可以包括灯态接入模块,灯态接入模块用于接收交通信号的状态,监视目标区域的交通信号的状态包括监视灯态接入模块的工作状态跳变,并且方法还可以包括基于灯态接入模块的工作状态跳变的时间来计算第一时段。由此,能够通过监视灯态接入模块的状态跳变,来计算交通信号处于正常状态的第一时段。
根据一些实施例,其中,预定条件包括以下各项中的至少一项:数据连续性要求、预定数据范围要求和数据时延要求。通过这些条件能够排除异常指标值、异常信号、传输和存储时延等常见的故障。
数据连续性要求可以包括对指标数据生成的连续性要求和对指标数据所反映的信号灯周期的连续性要求。
指标数据生成的连续性要求可以指示指标数据理论上应该一直在生成而没有间断等。可以理解,这里的指标数据无间断包括指标数据为零的情况,只是要求持续存在数据输出即可,因为针对某些场景和某些数据指标,例如深夜的车流量,零或者很小的值是合理的。
信号灯周期的连续性要求可以包括信号周期的时间段应当连续,无明显间隔或重叠等。
预定数据范围要求可以包括指标数据无异常值。例如,可以将当前指标数据值与历史值、例如历史7天的平均值相比,并且如果波动巨大(例如,超过30%),则认为数据值异常。预定数据范围要求也可以包括指标数据所反映的信号周期的长度符合预期。例如,如果获得超常的(例如,超过5分钟)的信号周期,可以认为数据值出现异常。由此,能够反应数据质量是否符合预期。
数据时延要求可以包括传输时延无异常、入库时延无异常等。例如,要求入库时延不超过3分钟,否则认为系统运行故障。
根据一些实施例,其中,交通信号的正常状态包括交通信号满足在线或可控中的至少一者的状态。视频流和灯态经常会出现掉线的情况,而且红绿灯状态也常常会出现异常或者不可控,这些都会导致路口交通指标的异常。在这里,在线是信号灯与控制中心联网。通过这两者可以筛选出适于提取交通指标的场景。优选地,交通信号的正常状态可以是信号在线并且可控的状态。
本公开可以例如应用于信控项目。信控项目或者称为信号配置控制项目,指的是对路口运行方案的监视和配置的项目,例如动态生成运行方案并且配置信号灯等。例如,可以通过本公开的方法获取的车流量、排队长度等来优化路口配置方案。通过排除掉例如信号灯异常的外界的干扰,能够获得更准确的指标数据。
例如,可以根据红绿灯灯态信息和视频流信息,计算路口的交通指标,进而根据实时的指标对信控方案进行优化。根据一些实施例,其中,指标生成系统包括感知模型,并且,基于利用感知模型对视频流进行处理所得到的数据和交通信号来生成指标数据。能够使用视频流中抽取的数据结合交通信号来生成指标数据。
根据一些实施例,方法还可以包括监视指标生成系统的视频流感知状态。获得第一时段还可以包括使用交通信号处于正常状态的时段与第二时段的交集作为第一时段,在第二时段期间指标生成系统正常处理视频流。基于交通信号正常和指标生成模块正常运行的时段的交集来检测指标数据,能够进一步排除外界工况异常导致的影响。根据一些实施例,其中,指标生成系统包括感知模型,感知模型用于对视频流进行解码和分析,监视指标生成系统的视频感知状态包括监视感知模型的工作状态跳变;并且方法还可以包括基于感知模型的工作状态跳变的时间来计算第二时段。由此,能够通过监视感知模块的跳变来计算感知正常的时间。
根据一些实施例,方法还可以包括监视指标生成系统的视频流接收状态。响应于处于正常视频流接收状态的第三时段与第二时段的重合度满足预定要求,执行获得第一时段的操作。根据一些实施方式,如果处于正常视频流接收状态的第三时段与第二时段的重合度不满足预定要求,则说明该第二时段不合格,因而不使用该第二时段来生成第一时段(例如,第一时段将不包括通过将该特定的第二时段与交通信号正常时段的交集)。由此,能够通过视频流正常并且感知模块工作状态异常的标准,来检测所述指标生成装置的感知模块工作异常。进而,可以通过这样的验证,更准确地筛选出感知模型正常工作的时段,并且在这个时段对数据质量进行检测。
通过评估所述重合度,可以使用视频流状态验证感知模型的工作状态。根据一些实施方式,重合度可以计算为第三时段与第二时段重合的部分的时间长度。如果该时间长度大于预定时间长度,则认为重合度满足预定要求。根据另一些实施方式,重合度可以计算为第三时段与第二时段重合的部分的时间长度除以该第三时段和该第二时段中较短的时段的时间长度所得到的比率。如果该计算的重合度(比率)大于预定比率,则认为重合度满足预定要求。在下文中将结合图3对重合度的评估给出具体示例。
根据一些实施例,指标生成系统包括视频流接入模块,视频流接入模块用于接入采集的视频流。监视采集的视频流的状态包括监视视频流接入模块的工作状态跳变。方法还可以包括基于视频流接入模块的工作状态跳变的时间来计算第三时段。由此,能够通过监视视频流接入模块的跳变来计算第三时段。
下面给出了一个表示视频流工作状态的数据示例。其中,“1306010305132000200”和“1306010305132000110”表示摄像头ID,并且例如“1591926324701”的数字代表记录的状态起始时间和结束时间。例如,可以将“1591926324701”解码为形如“09:00:05”的24小时制时刻,并且本公开不限于此。可以看出,第一个摄像头有两个良好工作(例如,在线)时间段,并且第二个摄像头有一个完整的良好工作时间段。容易理解的是此处的代码仅是示例,并且可以采用其他数据形式。
参考图3描述一种评估第三时段与第二时段的重合度的示例方法300。可以例如从结构化存储的数据中,遍历摄像头正常工作的时间段,下面称为视频在线时段(即第三时段)。例如,可能存在多个视频在线时段(即多个第三时段)。还可以从结构化存储的数据中读取例如多个感知模型正常工作的时间段(即多个第二时段),下面称为感知在线时段(即第二时段)。
在步骤S301处,读取一个视频在线时段,记为p=[begin_camera,end_camera]。
在步骤S302处,进行左边界的确定。可以根据begin_camera,在其附近寻找感知模型的开始时间begin_perception。如果在begin_camera附近阈值范围内存在某个感知在线时段的begin_perception,完成左边界确认。阈值范围可以是例如正负60秒的范围内,或者根据场景选取的其他阈值。此后,步骤可以转到S303,进入右边界确认步骤。
在步骤S303处,进行右边界的确定。根据当前的end_camera,在其附近寻找感知模型的结束时间end_perception。如果在步骤S303中确定在end_camera附近阈值范围内存在感知在线时段的end_perception,则认为左边界确认成功。阈值范围可以是例如正负60秒的范围内,或者根据场景选取的其他阈值。此后,步骤可以转到S304。
在步骤S304处,认为感知在线时段与视频在线时段的重合度满足要求,并且由此,因为感知模型的状态验证成功。随后,可以结束方法。可选地,方法也可以跳转到步骤S308,通过读取摄像头的下一个视频在线时段来继续验证感知模型等,并且可以重复此方法。
如果在步骤S302处确定在begin_camera附近阈值范围内不存在某个感知在线时段的begin_perception,左边界确认失败。此后,步骤跳到S307。
在步骤S307处,可以发出告警,以指示重合度不满足要求,并且认为对于此视频在线时段,感知模型运行出错。随后,可以结束方法。可选地,方法也可以跳转到步骤S308,检查摄像头的下一个视频在线时段,并且可以重复此方法。
如果在步骤S303中确定在end_camera附近阈值范围内没有找到感知在线时段的end_perception,右边界确认不成功,步骤可以转到S305。
在步骤S305处,判断是否可以进行视频在线时段合并。具体地,可以读取下一个视频在线时段,记为p’=[begin_camera’,end_camera’],并且可以判断当前end_camera与下一个视频在线时段的begin_camera’之间的时间差是否在阈值时间差内。作为一个示例,阈值时间差可以是60秒。如果当前end_camera与下一个视频在线时段的begin_camera’之间的时间差在阈值时间差内,步骤进行到S306。
在步骤S306处,可以将这两个视频在线时段p与p’进行合并。随后,步骤返回到S303,并且使用合并后的视频在线时段作为当前时段进行右边界的确认。
如果在步骤S305处确定当前end_camera与下一个时段的begin_camera’之间的时间差不在阈值时间差内,则认为这两个视频在线时段并不能进行合并,并且步骤进行到S307,进行感知模型的报错等。
在参照图3如上描述的流程中,如果方法进行到S304即判断为重合度验证成功,则认为该视频在线时段(即第三时段)与该感知在线时段(即第二时段)的重合度满足预定要求。否则,如果方法进行到S307即判断为重合度验证不成功,则报错,并且认为该视频在线时段(即第三时段)与该感知在线时段(即第二时段)的重合度不满足预定要求。
图4示出了根据本公开的实施例的方法可以适用的指标生成系统400的示例。系统400可以包括视频流接入模块410、感知模型420、灯态接入模块430、数据融合与计算模块440、指标存储模块450与配时方案优化模块460等。视频流接入模块410可以被配置成接收目标区域的视频流,例如针对特定交通灯拍摄的视频流。感知模型420可以被配置成对视频流进行感知操作,例如,进行解码和分析以产生以帧为单位的指标数据。灯态接入模块可以被配置成接受交通信号或交通灯的状态,例如当前交通灯的颜色和倒计时数值等。数据融合与计算模块440可以被配置成基于感知模型420和灯态接入模块430的输出,生成最终所需的交通指标,例如车流量、车距等。指标存储模块450可以被配置成对生成的指标数据进行存储。配时方案优化模块可以被配置成基于一定的规则自动地或者人工控制地对当前交通信号的配时方案进行优化。可以理解的是,根据本公开的实施例的方法不限于这样的系统架构。根据本公开的实施例的方法能够适用于各种类型的能够基于视频流来生成所需指标数据的系统、平台或装置,并且能够排除异常工况的影响,对其数据质量进行准确的检测。根据一些实施例,指标生成系统还可以被配置成使用第一时段的视频流来生成指标数据。由此,指标生成系统也能够利用本方法计算出来的正常时段,由此能够优化指标数据的生成。
图5(a)和图5(b)示出了视频在线时段与感知在线时段的不同重合度的示例。
在图5(a)中,视频在线时段1与感知在线时段1的左右边界分别接近,并且由此可以认为这两个时段重合。视频在线时段2由三个子时段构成,其中每两个连续子时段中,前一个子时段的结束时间与后一个子时段的开始时间均接近(例如,小于60秒),并且因此这三个子时段被合并为一个在线时段2,并且与感知在线时段2重合。类似地,认为由三个子时段构成的视频在线时段3与感知在线时段3能够满足重合度要求。
在图5(b)中,采用正负80秒的阈值范围的示例,可以通过左边界确定视频在线时段4与感知在线时段4具有相似的左边界。然而,这两个时段的右边界相差6小时,并且因此可以认为这两者并未满足重合度要求。从图5(b)中可以看出,感知在线时段4与感知在线时段5之间存在一个小时的感知模型故障。在这种情况下,可以发起感知模型故障告警。
下面参照图6描述根据本公开的另一个实施例的方法600的流程图。
在步骤S601处,获得视频在线时段(即第三时段)。视频流可以有两种状态,在线和离线。当视频流由在线切换到离线,或者由离线切换到在线,即发生一次状态跳变。例如,可以通过监视视频接入模块的工作状态跳变来监视视频的在线与离线时刻,将其进行结构化存储。随后,可以使用这样结构化存储的状态信息实现工况统计,由此获得一个或多个视频在线时段。
结构化信息的示例可以是:
在步骤S602处,获得感知在线时段(即第二时段)。感知模型可以有两种状态,正常和异常。感知模型可以正常接入视频流并解码产生一帧帧指标数据则称之为正常状态,反之则认为是异常。当感知模型由正常切换到异常,或者由异常切换到正常,及发生一次状态跳变。类似地,感知在线时段也可以通过监视工作状态跳变和结构化存储来获得。
在步骤S603处,使用视频在线时段来进一步验证感知在线状态,并且在重合度不满足预定要求时,认为感知模型工作异常并可选地进行报错。步骤S603例如可以根据上述的重合度判断方法(例如图3中所示的方法)来执行。
在步骤S604处,获得交通信号正常时段(即第一时段)。交通信号的状态可以有三种状态,分别为离线、在线可控、在线不可控,当红绿灯灯态由当前状态切换到非当前状态,即发生一次状态跳变。类似地,交通信号正常时段也可以通过监视工作状态跳变和结构化存储来获得。
在步骤S605处,基于通过了验证的感知在线时段(即通过了验证的合格的第二时段)和交通信号正常时段获得第一时段。例如,获取感知模型正常的时段(即通过了验证的合格的第二时段),获取灯态在线可控的时段,然后取两者交集,作为外界工况良好的时段(即第一时段)。
在步骤S606处,基于第一时段,从指标生成系统读取数据,并进行数据质量检测。用感知和红绿灯的联合状态去检测路口指标。利用该时段,去数据库里选取该时段的路口指标数据,并对该时段的指标数据进行数据质量分析,例如参考上文描述的利用所述预定条件执行的数据质量分析。如果任何一个维度的测试不通过,可以发出告警。
根据一些实施例,由于受视频流和红绿灯灯态的影响,往往无法准确判断路口交通指标是在哪种场景下的输出,指标可信度无法得知。而且,由于指标是全天候产生,人工检查存在遗漏。通过对视频流状态、感知状态和灯态进行检测和处理,并且仅在这三者状态良好的时间区间内对指标进行检测和判断,从而优化对路口交通指标的检测和报警的方法。
参考图7描述根据本公开的实施例的示例数据流。采用指标生成系统700作为示例,其包括视频流接入模块710、感知模型720、灯态接入模块730、数据融合预计算模块740、指标存储模块750与配时方案优化模块760等。可以理解的是,根据本公开的实施例的方法不限于这样的系统架构。模块710-760可以是分别与模块410-460相同或对应的模块。
数据流7-1、7-2和7-3可以分别表示监视指标系统的不同模块的工作状态。例如,可以通过在指标系统的视频流接入模块、灯态接入模块和感知模型分别植入状态检测程序来监视工作状态的跳变。当模块的状态发生跳变时,能够记录状态跳变的信息,信息可以包括跳变模块、跳变的时间戳、跳变后的状态等。这样的数据流可以发送到数据库770并且借助数据库进行结构化存储。之后,如7-4所示,可以从数据库中读取基于监视的状态而获取的良好工况时段(即第一时段),并且利用良好工况时段(即第一时段),从指标存储模块抽取交通指标进行检测,并且可以将将检测结果存储在数据库中(7-5)。
下面参考图8描述根据一些实施例的用于指标生成系统的装置800。指标生成系统可以被配置成接收针对目标区域采集的视频流并且基于视频流来生成指标数据。装置800可以包括第一监视单元801、指标获得单元802和警报输出单元803。第一监视单元801可以被配置成通过监视目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段。指标获得单元802可以被配置成获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项。警报输出单元803可以被配置成响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
根据一些实施例,指标生成系统包括灯态接入模块,灯态接入模块用于接收交通信号的状态。第一监视单元可以包括监视指标生成系统的灯态接入模块的工作状态跳变的单元。装置800还可以包括基于灯态接入模块的工作状态跳变的时间来计算第一时段的单元。
根据一些实施例,装置800还可以包括用于监视指标生成系统的视频流感知状态的第二监视单元。指标获得单元802还可以包括:使用交通信号处于正常状态的时段与第二时段的交集作为第一时段的单元,在第二时段期间指标生成系统正常处理视频流。
根据一些实施例,指标生成系统包括感知模型,感知模型用于对视频流进行解码和分析。第二监视单元可以包括用于监视指标生成系统的感知模型的工作状态跳变的单元。装置800还可以包括基于感知模型的工作状态跳变的时间来计算第二时段的单元。
根据一些实施例,装置800还可以包括:用于监视指标生成系统的视频流接收状态的第三监视单元;以及用于响应于处于正常视频流接收状态的第三时段与第二时段的重合度满足预定要求,执行获得第一时段的操作的单元。
根据一些实施例,指标生成系统包括视频流接入模块,视频流接入模块用于接入采集的视频流。第三监视单元可以包括用于监视指标生成系统的视频流接入模块的工作状态跳变的单元。装置800还可以包括基于视频流接入模块的工作状态跳变的时间来计算第三时段的单元。
根据一些实施例,交通信号的正常状态包括交通信号满足在线或可控中的至少一者的状态。根据一些实施例,预定条件包括以下各项中的至少一项:连续性要求、预定数据范围要求和时延要求。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图9,现将描述可以作为本公开的服务器或客户端的电子设备900的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图9所示,设备900包括计算单元901,其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元908加载到随机访问存储器(RAM)903中的计算机程序,来执行各种适当的动作和处理。在RAM 903中,还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
设备900中的多个部件连接至I/O接口905,包括:输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备,输入单元906可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、1302.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理,例如方法200或600等。例如,在一些实施例中,方法200或600等可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元908。在一些实施例中,计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时,可以执行上文描述的方法200或600等的一个或多个步骤。备选地,在其他实施例中,计算单元901可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200或600等。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种用于指标生成系统的方法,所述方法包括:
通过监视目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段;
获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项,以及
响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
2.根据权利要求1所述的方法,其中,所述指标生成系统包括灯态接入模块,所述灯态接入模块用于接收交通信号的状态,监视所述目标区域的交通信号的状态包括监视所述灯态接入模块的工作状态跳变,并且
所述方法还包括基于所述灯态接入模块的工作状态跳变的时间来计算所述第一时段。
3.根据权利要求1所述的方法,还包括监视所述指标生成系统的视频流感知状态,并且
其中,获得所述第一时段还包括:使用所述交通信号处于正常状态的时段与第二时段的交集作为所述第一时段,在所述第二时段期间所述指标生成系统正常处理视频流。
4.根据权利要求3所述的方法,其中,所述指标生成系统包括感知模型,所述感知模型用于对视频流进行解码和分析,监视所述指标生成系统的视频感知状态包括监视所述感知模型的工作状态跳变;并且
所述方法还包括基于所述感知模型的工作状态跳变的时间来计算所述第二时段。
5.根据权利要求3所述的方法,还包括:
监视所述指标生成系统的视频流接收状态;以及
响应于处于正常视频流接收状态的第三时段与所述第二时段的重合度满足预定要求,执行获得所述第一时段的操作。
6.根据权利要求5所述的方法,其中,所述指标生成系统包括视频流接入模块,所述视频流接入模块用于接入采集的视频流,监视所述指标生成系统的视频流接收状态包括监视所述视频流接入模块的工作状态跳变,并且
所述方法还包括基于所述视频流接入模块的工作状态跳变的时间来计算所述第三时段。
7.根据权利要求1-6中的任一项所述的方法,其中,所述交通信号的所述正常状态包括所述交通信号满足在线或可控中的至少一者的状态。
8.根据权利要求1-6中的任一项所述的方法,其中,所述预定条件包括以下各项中的至少一项:数据连续性要求、预定数据范围要求和数据时延要求。
9.根据权利要求1所述的方法,其中,所述指标生成系统包括感知模型,并且,基于利用所述感知模型对所述视频流进行处理所得到的数据和所述交通信号来生成指标数据。
10.根据权利要求1-6中的任一项所述的方法,其中,所述指标生成系统还被配置成使用所述第一时段的所述视频流来生成指标数据。
11.一种用于指标生成系统的装置,所述指标生成系统被配置成接收针对目标区域采集的视频流并且基于所述视频流来生成指标数据,所述装置包括:
第一监视单元,所述第一监视单元被配置成通过监视所述目标区域的交通信号的状态,获得所述交通信号处于正常状态的第一时段;
指标获得单元,所述指标获得单元被配置成获取由所述指标生成系统针对所述第一时段内的输入生成的指标数据,所述指标生成系统的输入包括针对所述目标区域采集的视频流和所述目标区域的交通信号中的至少一项;以及
警报输出单元,所述警报输出单元被配置成响应于确定针对所述第一时段内的输入生成的指标数据不满足预定条件,控制终端输出警报。
12.根据权利要求11所述的装置,其中,所述指标生成系统包括灯态接入模块,所述灯态接入模块用于接收交通信号的状态,并且所述第一监视单元包括被配置成监视所述指标生成系统的灯态接入模块的工作状态跳变的单元,并且
所述装置还包括被配置成基于所述灯态接入模块的工作状态跳变的时间来计算所述第一时段的单元。
13.根据权利要求11所述的装置,还包括用于监视所述指标生成系统的视频流感知状态的第二监视单元,并且其中,所述指标获得单元还包括:被配置成使用所述交通信号处于正常状态的时段与第二时段的交集作为所述第一时段的单元,在所述第二时段期间所述指标生成系统正常处理视频流。
14.根据权利要求13所述的装置,其中,所述指标生成系统包括感知模型,所述感知模型用于对视频流进行解码和分析,并且所述第二监视单元包括被配置成监视所述指标生成系统的感知模型的工作状态跳变的单元;并且
所述装置还包括被配置成基于所述感知模型的工作状态跳变的时间来计算所述第二时段的单元。
15.根据权利要求13所述的装置,还包括:
被配置成监视所述指标生成系统的视频流接收状态的第三监视单元;以及
被配置成响应于处于正常视频流接收状态的第三时段与所述第二时段的重合度满足预定要求,执行获得所述第一时段的操作的单元。
16.根据权利要求15所述的装置,其中,所述指标生成系统包括视频流接入模块,所述视频流接入模块用于接入采集的视频流,并且所述第三监视单元包括被配置成监视所述指标生成系统的视频流接入模块的工作状态跳变的单元,并且
所述装置还包括被配置成基于所述视频流接入模块的工作状态跳变的时间来计算所述第三时段的单元。
17.根据权利要求11-16中的任一项所述的装置,其中,所述交通信号的所述正常状态包括所述交通信号满足在线或可控中的至少一者的状态。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有能够被所述至少一个处理器执行的计算机程序,所述计算机程序包括指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-10中任一项所述的方法。
19.一种存储有计算机程序的非瞬时计算机可读存储介质,其中,所述计算机程序包括指令,所述指令用于使所述计算机执行根据权利要求1-10中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其中,所述计算机程序包括指令,所述指令在被处理器执行时实现权利要求1-10中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011566686.2A CN112561208B (zh) | 2020-12-25 | 2020-12-25 | 用于指标生成系统的方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011566686.2A CN112561208B (zh) | 2020-12-25 | 2020-12-25 | 用于指标生成系统的方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112561208A true CN112561208A (zh) | 2021-03-26 |
CN112561208B CN112561208B (zh) | 2024-01-16 |
Family
ID=75033097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011566686.2A Active CN112561208B (zh) | 2020-12-25 | 2020-12-25 | 用于指标生成系统的方法、装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561208B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470380A (zh) * | 2021-06-30 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040119587A1 (en) * | 2002-12-19 | 2004-06-24 | David Davenport | Method and apparatus for monitoring and controlling warning systems |
CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和系统 |
-
2020
- 2020-12-25 CN CN202011566686.2A patent/CN112561208B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040119587A1 (en) * | 2002-12-19 | 2004-06-24 | David Davenport | Method and apparatus for monitoring and controlling warning systems |
CN102270271A (zh) * | 2011-05-03 | 2011-12-07 | 北京中瑞泰科技有限公司 | 基于相似度曲线的设备故障早期预警及优化的方法和系统 |
Non-Patent Citations (2)
Title |
---|
刘轩;孙建平;: "风力发电机温升故障预警方法研究", 电力科学与工程, no. 06 * |
陈俊生;李剑;陈伟根;孙鹏;: "采用滑动窗口及多重加噪比堆栈降噪自编码的风电机组状态异常检测方法", 电工技术学报, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113470380A (zh) * | 2021-06-30 | 2021-10-01 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
CN113470380B (zh) * | 2021-06-30 | 2023-02-28 | 阿波罗智联(北京)科技有限公司 | 数据处理方法、装置、电子设备和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112561208B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112634621B (zh) | 交通灯数据质量检测方法、装置、电子设备和介质 | |
US9612937B2 (en) | Determining relevant events in source code analysis | |
EP3547128A1 (en) | Method and system for performing intelligent orchrestration within a hybrid cloud | |
CN112631887A (zh) | 异常检测方法、装置、电子设备和计算机可读存储介质 | |
WO2023125851A1 (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
US9384045B2 (en) | Intelligent inclusion/exclusion automation | |
CN113986788A (zh) | 数据处理方法和装置、芯片、电子设备及介质 | |
CN112561208B (zh) | 用于指标生成系统的方法、装置、电子设备和存储介质 | |
US11410049B2 (en) | Cognitive methods and systems for responding to computing system incidents | |
CN115640107A (zh) | 运行维护方法、装置、设备及介质 | |
CN114781546A (zh) | 用于确定车辆异常行为的方法和装置 | |
CN111464637B (zh) | 无人车数据处理方法、装置、设备和介质 | |
CN112256482A (zh) | 数据处理方法、装置和服务器 | |
CN111599174B (zh) | 一种交通指标的异常检测方法和电子设备 | |
CN111340976B (zh) | 调试自动驾驶车辆模块的方法、装置、电子设备 | |
CN113126881B (zh) | 系统配置方法、装置、设备、可读存储介质及分布式存储系统 | |
CN112764957A (zh) | 应用故障定界方法及装置 | |
CN114666258B (zh) | 接口测试方法、装置、电子设备和介质 | |
CN114566148B (zh) | 集群语音识别服务及其检测方法、装置及电子设备 | |
CN113177077B (zh) | 用于自动驾驶的异常事件确定方法、装置及电子设备 | |
CN113656207B (zh) | 故障处理方法、装置、电子设备和介质 | |
CN117519052B (zh) | 基于电子气体生产制造系统的故障分析方法及系统 | |
CN113271462B (zh) | 视频编码算法的评价方法及装置、计算机设备及介质 | |
CN117201517A (zh) | 一种云迁移系统、方法、电子设备及存储介质 | |
CN115617590A (zh) | 一种服务器压力测试方法、装置、设备和存储介质 |
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 |