CN112660047A - 基于大数据的驾驶辅助设备自动化运维监控方法及终端 - Google Patents
基于大数据的驾驶辅助设备自动化运维监控方法及终端 Download PDFInfo
- Publication number
- CN112660047A CN112660047A CN202110047469.0A CN202110047469A CN112660047A CN 112660047 A CN112660047 A CN 112660047A CN 202110047469 A CN202110047469 A CN 202110047469A CN 112660047 A CN112660047 A CN 112660047A
- Authority
- CN
- China
- Prior art keywords
- equipment
- data
- state
- abnormal
- current
- 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
Links
Images
Abstract
本发明公开了一种基于大数据的驾驶辅助设备自动化运维监控方法及终端，属于驾驶辅助领域，其中，方法的实现包括：获取驾驶辅助设备采集的设备状态信息，将采集到的设备状态信息存入云端存储数据库；基于采集到的设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；根据得到的评估结果选择数据产出方式，其中，数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。本发明数据采集简单、成本低廉、评分体系科学、合理。
Description
技术领域
本发明属于驾驶辅助领域，更具体地，涉及一种基于大数据的驾驶辅助设备自动化运维监控方法及终端。
背景技术
近年来随着机动车的增多，高级驾驶辅助系统(Advanced DrivingAssistanceSystem，ADAS)需求的扩大，相应设备的运维问题也随之诞生，不同的车辆情况、驾驶环境、道路情况、驾驶人员等在设备的运营、维护、监控、保养、维修方面的各种需求层出不穷。
传统设备状态诊断系统功能单一、信息孤立、格式混乱、重复录入、操作不便和缺乏数据整体管理，需要大量设备运维及检修人员，造成大量人力物力资源的流失与浪费。
传统设备运维依赖于设备运维及检修人员的个人经验。致使其存在一定的局限性、区域性，而在面对大批量，不同区域设备运维时会导致人力成本高、容错性低、效率低与消耗时间长的情况。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种基于大数据的驾驶辅助设备自动化运维监控方法及终端，数据采集简单、成本低廉、评分体系科学、合理。
为实现上述目的，按照本发明的一个方面，提供了一种基于大数据的驾驶辅助设备自动化运维监控方法，包括：
获取驾驶辅助设备采集的设备状态信息，将采集到的所述设备状态信息存入云端存储数据库；
基于采集到的所述设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
根据得到的评估结果选择数据产出方式，其中，所述数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
在一些可选的实施方案中，所述基于采集到的所述设备状态信息得到当前设备状态，包括：
基于采集到的所述设备状态信息得到当前设备状态，其中，所述当前设备状态包括：摄像头角度是否倾斜、GPS定位是否漂移、语音下发是否异常、摄像头是否遮挡、SD卡是否松动、实时视频播放是否异常及设备是否长时间离线中的一种或多种。
在一些可选的实施方案中，所述基于采集到的所述设备状态信息得到当前设备状态，包括：
通过设备摄像头传回数据，通过图像识别计算出当前摄像头倾斜角度，当超过摄像头角度阀值时，则认定为摄像头角度倾斜；
通过设备GPS传回坐标点位、加速传感器采集到的速度值和方向传感器采集到的方向变化值，得到加速度，进而根据加速度得到预计坐标点位，当所述预计坐标点位超过预计坐标点位阀值时，则认定为GPS定位漂移；
对设备进行语音下发指令，设备执行所述语音下发指令后根据执行状态对云端服务器回复语音下发状态值，云端服务器对所述语音下发状态值进行判断；
通过设备摄像头传回数据，通过图像识别计算出当前摄像头遮挡度，当超过摄像头遮挡度阀值时，则认定为摄像头遮挡；
通过设备摄像头传回数据，以及设备硬件监测系统传回数据，并对设备下发数据进行测试，判断摄像头是否故障；
通过设备硬件监测系统传回数据判断是否监测到SD卡，判断SD卡是否松动；
在下发实时视频指令时，对设备摄像头传回数据及设备网络状态进行检测，判断是否实时视频播放异常；
当设备与云端服务器通讯间隔超过通信间隔阀值时，则认定为设备长时间离线。
在一些可选的实施方案中，所述将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态，包括：
基于当前设备异常状态，将确定该异常状态的设备数据与大数据样本库进行对比，以查找出确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据，进而根据所述目标设备数据评估设备状态，其中，所述大数据样本库中包括异常状态及各异常状态对应的设备数据。
在一些可选的实施方案中，在将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态之后，所述方法还包括：
将当前设备异常状态及确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据保存至所述大数据样本库。
在一些可选的实施方案中，所述大数据样本库的获取方式为：
将各设备数据进行不同的组合，为组合中的各设备数据赋予不同的权重，然后根据每种组合中的不同设备数据的权重计算得到某一项异常的评分。
在一些可选的实施方案中，所述根据每种组合中的不同设备数据的权重计算得到某一项异常的评分，包括：
获取一个评估周期内的所有设备数据，将所有设备数据划分为若干个种类，其中，一个种类对应一种异常情况，然后对每个种类中的设备数据再根据不同的阈值进行分组，取各组数据的总和或者所有组数据的平均值，再与对应的权重相乘，得到异常情况的评分。
在一些可选的实施方案中，所述方法还包括：
对大数据样本库中的设备数据进行清洗，其中，所述清洗包括：分析数据、缺失值处理、异常值处理、去重处理及噪音数据处理中的一种或多种组合；
对清洗后的设备数据进行风险评估模型分析。
在一些可选的实施方案中，所述对清洗后的设备数据进行风险评估模型分析，包括：
当设备的某项或者某几项设备数据组合长期接近异常值，或者趋向于异常值时，提前反馈预异常信息。
按照本发明的另一方面，提供了一种基于大数据的驾驶辅助设备自动化运维监控终端，包括：
数据获取模块，用于获取驾驶辅助设备采集的设备状态信息，将采集到的所述设备状态信息存入云端存储数据库；
状态计算模块，用于基于采集到的所述设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
数据产出模块，用于根据得到的评估结果选择数据产出方式，其中，所述数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
按照本发明的另一方面，提供了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上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明只需要设备将状态信息以及设备所在车辆的实时信息传到云端服务器，即可在云端服务器进行运算，对设备状态进行评估，信息共享，与传统方法相比，本发明具有数据采集简单、成本低廉、评分体系科学、合理，具备较好的推广和使用前景。进一步通过云端服务器数据共享，深度发掘设备状态数据价值，维护驾驶辅助设备状态，降低企业维护设备成本，提升设备采集的车辆实时数据的准确性，进而提升车辆驾驶的安全性，维护交通系统的安全。
附图说明
图1是本发明实施例提供的一种基于大数据的驾驶辅助设备自动化运维监控方法的流程示意图；
图2是本发明实施例提供的另一种基于大数据的驾驶辅助设备自动化运维监控方法的流程示意图；
图3是本发明实施例提供的一种利用AUC评估逻辑回归模型的准确性示意图；
图4是本发明实施例提供的一种利用AUC评估随机森林模型的准确性示意图；
图5是本发明实施例提供的一种利用KS值评估逻辑回归模型的准确性示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示是本发明实施例提供的一种基于大数据的驾驶辅助设备自动化运维监控方法的流程示意图，包括以下步骤：
S1：获取驾驶辅助设备采集的设备状态信息，将采集到的设备状态信息存入云端存储数据库；
S2：基于采集到的设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
S3：根据得到的评估结果选择数据产出方式，其中，数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
如图2所示，基于大数据服务的驾驶辅助设备自动化运维及监控方法，其主要包括以下几个部分：
设备数据采集：驾驶辅助设备用于采集设备状态信息上报服务器；
云端服务器：云端服务器对采集到的信息进行存储以及经过计算得出设备状态并与大数据样本库进行对比验证结果，同时将结果保存至大数据样本库；
数据产出：在云端服务器得到设备状态信息后，服务器将自动判断并执行数据产出方式，例如与设备通信，下发配置参数维护设备状态，语音下发至设备提醒驾驶人员，或将信息以信息共享接口分享至设备商与车辆厂商，或以短信或邮件形式通知设备运维与维修人员提醒维护或维修。
摄像头角度倾斜：通过设备摄像头传回数据，在云端服务器以图像识别，计算出当前摄像头倾斜角度，当超过摄像头角度阀值，则认定为摄像头角度倾斜；
其中，摄像头角度阀值可以根据实际情况确定，本发明实施例不做唯一性限定。
GPS定位漂移：通过设备GPS传回坐标点位，加速传感器和方向传感器采集到的速度和方向变化值，计算加速度，得到预计坐标点位，当超过预计坐标点位阀值，则认定为GPS定位漂移。
其中，预计坐标点位阀值可以根据实际情况确定，本发明实施例不做唯一性限定。
语音下发异常：当对设备进行语音下发指令，设备执行后根据执行状态，对云端服务器回复语音下发状态值，云端服务器对语音下发状态值进行判断。
摄像头遮挡：通过设备摄像头传回数据，在云端服务器以图像识别，计算出当前摄像头遮挡度，当超过摄像头遮挡度阀值，则认定为摄像头遮挡。
其中，摄像头遮挡度阀值可以根据实际情况确定，本发明实施例不做唯一性限定。
摄像头故障：通过设备摄像头传回数据，以及设备硬件监测系统传回数据，并对设备下发数据进行测试，判断摄像头是否故障。
SD卡松动：通过设备硬件监测系统传回数据判断是否监测到SD卡，判断SD卡是否松动。
实时视频播放异常：在下发实时视频指令时，对设备摄像头传回数据，设备网络状态等设备状态数据进行检测，判断是否实时视频播放异常。
设备长时间离线：当设备与云端服务器通讯间隔超过通信间隔阀值，则认定为设备长时间离线。
其中，通信间隔阀值可以根据实际情况确定，本发明实施例不做唯一性限定。
在本发明实施例中，基于当前设备异常状态，将确定该异常状态的设备数据与大数据样本库进行对比，以查找出确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据，进而根据目标设备数据评估设备状态，其中，大数据样本库中包括异常状态及各异常状态对应的设备数据。将当前设备异常状态及确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据保存至大数据样本库。
例如，当设备上报GPS定位漂移后，对设备上报的坐标、精度、高度、速度、方向、定位模式、车辆点火状态、信号强度、卫星数量等值与大数据样本库进行对比，定位漂移的设备一般会在这些数值中有显著的特征，比如精度数值异常、信号强度为0，车辆点火状态异常等。在大数据样本库中会存在与当前设备状态一致的状态。
其中，设备上报给服务器端的数据包括：设备各模块通电状态，联网状态设备配置参数值，设备物理状态信息值以及设备上报数据中的信息，比如gps信息里的坐标，精度，高度，速度，方向，定位模式，是否定位，车辆点火状态，信号强度，卫星数量以及设备算法信息，告警信息中的图像附件，媒体信息中的设备日志等。
在本发明实施例中，大数据样本库的获取方式为：
将各设备数据进行不同的组合，并确定每种组合对应的设备异常状态。
例如，将各设备数据进行不同的组合，为组合中的各设备数据赋予不同的权重，然后根据每种组合中的不同设备数据的权重计算得到某一项异常的评分。
其中，不同的权重取值可以根据已有的大量设备数据信息通过已有的不同异常对应的数据模型计算得到。
其中，可以通过以下方式得到异常的评分：
获取一个评估周期内的所有设备数据，将所有设备数据划分为若干个种类，其中，一个种类对应一种异常情况，然后对每个种类中的设备数据再根据不同的阈值进行分组，取各组数据的总和或者所有组数据的平均值，再与对应的权重相乘，得到异常情况的评分。
其中，根据异常情况的评分判定异常情况的方式为：
异常情况的评分是对当前设备状态的一种评估，分数越小，设备越趋近有异常的可能。当某一种异常的异常评分小于该异常的临界值时，则可判断该设备有这种异常。大数据样本库中会计算异常的临界值，该临界值为动态的，会根据设备上报信息而变化。
其中，评估周期时间可以根据实际需要确定。
在本发明实施例中，可以对大数据样本库中的数据做如下处理：
对大数据样本库中的设备数据进行清洗，将无效、重复或有缺失等问题的数据去除，其中，清洗包括：分析数据、缺失值处理、异常值处理、去重处理及噪音数据处理中的一种或多种组合；
对清洗后的设备数据进行风险评估模型分析，当设备的某项或者某几项设备数据组合长期接近异常值，或者趋向于异常值时，提前反馈预异常信息。
在本发明实施例中，可以利用AUC评估逻辑回归模型的准确性，如图3所示，可以利用AUC评估随机森林模型的准确性，如图4所示，可以利用KS值评估逻辑回归模型的准确性，如图5所示，具体评估方式可以参考现有技术描述，本发明实施例将不再复述。
通过采用以上技术方案，采用驾驶辅助设备实时采集自身设备状态信息进而实现精确采集以及实时计算；采用无线网络传输设备状态信息至云端服务器进而实现设备状态实时评估、监控以及信息共享；云端服务器将对设备状态信息进行设备状态画像，并与大数据进行对比自动得出设备运维方案，对于不同的方案需求精准执行；使用运维智能化、自动化的管理思路，从现代智能化的运维业务需求和设备运维管理现状出发，基于"物联可视、移动智能、数据驱动"的理念，引入云技术，并以大数据与深度学习为基础建立具有云监测、云诊断、云维护和云分析的系统。
本申请还提供一种基于大数据的驾驶辅助设备自动化运维监控终端，包括：
数据获取模块，用于获取驾驶辅助设备采集的设备状态信息，将采集到的设备状态信息存入云端存储数据库；
状态计算模块，用于基于采集到的设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
数据产出模块，用于根据得到的评估结果选择数据产出方式，其中，数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
其中，各模块的具体实施方式可以参考上述方法实施例的描述，本发明实施例将不再复述。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行时实现上述方法实施例中的基于大数据的驾驶辅助设备自动化运维监控方法。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的驾驶辅助设备自动化运维监控方法，其特征在于，包括：
获取驾驶辅助设备采集的设备状态信息，将采集到的所述设备状态信息存入云端存储数据库；
基于采集到的所述设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
根据得到的评估结果选择数据产出方式，其中，所述数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
2.根据权利要求1所述的方法，其特征在于，所述基于采集到的所述设备状态信息得到当前设备状态，包括：
基于采集到的所述设备状态信息得到当前设备状态，其中，所述当前设备状态包括：摄像头角度是否倾斜、GPS定位是否漂移、语音下发是否异常、摄像头是否遮挡、SD卡是否松动、实时视频播放是否异常及设备是否长时间离线中的一种或多种。
3.根据权利要求2所述的方法，其特征在于，所述基于采集到的所述设备状态信息得到当前设备状态，包括：
通过设备摄像头传回数据，通过图像识别计算出当前摄像头倾斜角度，当超过摄像头角度阀值时，则认定为摄像头角度倾斜；
通过设备GPS传回坐标点位、加速传感器采集到的速度值和方向传感器采集到的方向变化值，得到加速度，进而根据加速度得到预计坐标点位，当所述预计坐标点位超过预计坐标点位阀值时，则认定为GPS定位漂移；
对设备进行语音下发指令，设备执行所述语音下发指令后根据执行状态对云端服务器回复语音下发状态值，云端服务器对所述语音下发状态值进行判断；
通过设备摄像头传回数据，通过图像识别计算出当前摄像头遮挡度，当超过摄像头遮挡度阀值时，则认定为摄像头遮挡；
通过设备摄像头传回数据，以及设备硬件监测系统传回数据，并对设备下发数据进行测试，判断摄像头是否故障；
通过设备硬件监测系统传回数据判断是否监测到SD卡，判断SD卡是否松动；
在下发实时视频指令时，对设备摄像头传回数据及设备网络状态进行检测，判断是否实时视频播放异常；
当设备与云端服务器通讯间隔超过通信间隔阀值时，则认定为设备长时间离线。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态，包括：
基于当前设备异常状态，将确定该异常状态的设备数据与大数据样本库进行对比，以查找出确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据，进而根据所述目标设备数据评估设备状态，其中，所述大数据样本库中包括异常状态及各异常状态对应的设备数据。
5.根据权利要求4所述的方法，其特征在于，在将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态之后，所述方法还包括：
将当前设备异常状态及确定该异常状态的设备数据中对该异常状态起决定作用的目标设备数据保存至所述大数据样本库。
6.根据权利要求1所述的方法，其特征在于，所述大数据样本库的获取方式为：
将各设备数据进行不同的组合，为组合中的各设备数据赋予不同的权重，然后根据每种组合中的不同设备数据的权重计算得到某一项异常的评分。
7.根据权利要求6所述的方法，其特征在于，所述根据每种组合中的不同设备数据的权重计算得到某一项异常的评分，包括：
获取一个评估周期内的所有设备数据，将所有设备数据划分为若干个种类，其中，一个种类对应一种异常情况，然后对每个种类中的设备数据再根据不同的阈值进行分组，取各组数据的总和或者所有组数据的平均值，再与对应的权重相乘，得到异常情况的评分。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
对大数据样本库中的设备数据进行清洗，其中，所述清洗包括：分析数据、缺失值处理、异常值处理、去重处理及噪音数据处理中的一种或多种组合；
对清洗后的设备数据进行风险评估模型分析，当设备的某项或者某几项设备数据组合长期接近异常值，或者趋向于异常值时，提前反馈预异常信息。
9.一种基于大数据的驾驶辅助设备自动化运维监控终端，其特征在于，包括：
数据获取模块，用于获取驾驶辅助设备采集的设备状态信息，将采集到的所述设备状态信息存入云端存储数据库；
状态计算模块，用于基于采集到的所述设备状态信息得到当前设备状态，并在当前设备状态异常时，将得到的当前设备异常状态与大数据样本库进行对比以评估设备状态；
数据产出模块，用于根据得到的评估结果选择数据产出方式，其中，所述数据产出方式包括：与设备通信，下发配置参数维护设备状态；或语音下发至设备提醒驾驶人员；或将信息以信息共享接口分享至设备商与车辆厂商；或通知设备运维与维修人员提醒维护或维修。
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8任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110047469.0A CN112660047A (zh) | 2021-01-14 | 2021-01-14 | 基于大数据的驾驶辅助设备自动化运维监控方法及终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110047469.0A CN112660047A (zh) | 2021-01-14 | 2021-01-14 | 基于大数据的驾驶辅助设备自动化运维监控方法及终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112660047A true CN112660047A (zh) | 2021-04-16 |
Family
ID=75415144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110047469.0A Pending CN112660047A (zh) | 2021-01-14 | 2021-01-14 | 基于大数据的驾驶辅助设备自动化运维监控方法及终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112660047A (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101738621A (zh) * | 2009-11-26 | 2010-06-16 | 沈阳晨讯希姆通科技有限公司 | 一种利用运动传感器修正gps定位精度的方法 |
| CN102042909A (zh) * | 2009-10-14 | 2011-05-04 | 中国北车集团大同电力机车有限责任公司 | 机车故障诊断方法和系统 |
| CN102529903A (zh) * | 2010-12-31 | 2012-07-04 | 上海博泰悦臻电子设备制造有限公司 | 综合车辆故障检测系统 |
| CN103455020A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 一种智能车况云检测服务系统及方法 |
| CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
| CN105702068A (zh) * | 2016-03-09 | 2016-06-22 | 深圳市成为智能交通系统有限公司 | 一种基于移动终端的高级驾驶辅助系统 |
| CN106023345A (zh) * | 2016-06-29 | 2016-10-12 | 北京奇虎科技有限公司 | 一种汽车维修提示方法及系统 |
| CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
| CN207321390U (zh) * | 2017-09-14 | 2018-05-04 | 安徽翔驰电子科技有限公司 | 一种新型高清智能物联网摄像机 |
| CN110550044A (zh) * | 2018-05-14 | 2019-12-10 | 上海汽车集团股份有限公司 | 一种辅助驾驶方法及装置 |
| CN111492418A (zh) * | 2017-12-15 | 2020-08-04 | 日产自动车株式会社 | 驾驶辅助方法和驾驶辅助装置 |
-
2021
- 2021-01-14 CN CN202110047469.0A patent/CN112660047A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102042909A (zh) * | 2009-10-14 | 2011-05-04 | 中国北车集团大同电力机车有限责任公司 | 机车故障诊断方法和系统 |
| CN101738621A (zh) * | 2009-11-26 | 2010-06-16 | 沈阳晨讯希姆通科技有限公司 | 一种利用运动传感器修正gps定位精度的方法 |
| CN102529903A (zh) * | 2010-12-31 | 2012-07-04 | 上海博泰悦臻电子设备制造有限公司 | 综合车辆故障检测系统 |
| CN103455020A (zh) * | 2012-05-28 | 2013-12-18 | 哈尔滨工业大学深圳研究生院 | 一种智能车况云检测服务系统及方法 |
| CN105511450A (zh) * | 2015-12-30 | 2016-04-20 | 福建工程学院 | 叉装车远程故障监控及预测的方法 |
| CN105702068A (zh) * | 2016-03-09 | 2016-06-22 | 深圳市成为智能交通系统有限公司 | 一种基于移动终端的高级驾驶辅助系统 |
| CN106023345A (zh) * | 2016-06-29 | 2016-10-12 | 北京奇虎科技有限公司 | 一种汽车维修提示方法及系统 |
| CN106803008A (zh) * | 2017-02-15 | 2017-06-06 | 武汉极目智能技术有限公司 | 一种基于adas系统的实时驾驶行为评分方法与系统 |
| CN207321390U (zh) * | 2017-09-14 | 2018-05-04 | 安徽翔驰电子科技有限公司 | 一种新型高清智能物联网摄像机 |
| CN111492418A (zh) * | 2017-12-15 | 2020-08-04 | 日产自动车株式会社 | 驾驶辅助方法和驾驶辅助装置 |
| CN110550044A (zh) * | 2018-05-14 | 2019-12-10 | 上海汽车集团股份有限公司 | 一种辅助驾驶方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111080775A (zh) | 一种基于人工智能的服务器巡检方法及系统 | |
| CN107391335B (zh) | 一种用于检查集群健康状态的方法和设备 | |
| EP3319050A1 (en) | Vehicle operation data collection apparatus, vehicle operation data collection system, and vehicle operation data collection method | |
| CN113405519B (zh) | 农机的作业亩数计算方法和农机的作业亩数计算系统 | |
| CN116975378B (zh) | 一种基于大数据的设备环境监测方法及系统 | |
| CN116009480A (zh) | 一种数控机床的故障监测方法、装置、设备及存储介质 | |
| CN113902233A (zh) | 车辆安全预警方法、大数据平台装置、车载终端和车辆 | |
| CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
| CN115577151A (zh) | 一种车辆故障实时诊断方法、装置、电子设备及存储介质 | |
| CN112329341B (zh) | 一种基于ar和随机森林模型的故障诊断系统及方法 | |
| CN105632114A (zh) | 基于gis技术的监测测点安全状态监控的方法 | |
| CN115145788A (zh) | 一种针对智能运维系统的检测数据生成方法和装置 | |
| CN112660047A (zh) | 基于大数据的驾驶辅助设备自动化运维监控方法及终端 | |
| CN109990803A (zh) | 检测系统异常的方法、装置及传感器处理的方法、装置 | |
| CN115496386B (zh) | 设备巡检方法、系统及计算机可读存储介质 | |
| CN111678708A (zh) | 一种用于预测识别机械故障的振动分析系统 | |
| CN115938009A (zh) | 一种智能电子巡检定位方法及系统 | |
| CN115913349A (zh) | 光缆设备异常定位方法及装置、存储介质、终端 | |
| CN109100492A (zh) | 一种拖拉机润滑油清洁度监测系统、拖拉机及监测方法 | |
| CN114780797A (zh) | 一种飞机制造过程中的多源异构大数据的清洗方法及系统 | |
| WO2021042233A1 (en) | Remote diagnosis system, apparatus and method for power tool | |
| CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控系统和方法 | |
| CN207611243U (zh) | 工程设备监测装置 | |
| CN111965609A (zh) | 雷达可靠度评估方法、装置、电子设备及可读存储介质 | |
| CN111162929A (zh) | 一种分级管理方法和系统 |
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: 20210416 |
|
| RJ01 | Rejection of invention patent application after publication |