CN113129473B - 数据采集的方法、装置和系统 - Google Patents
数据采集的方法、装置和系统 Download PDFInfo
- Publication number
- CN113129473B CN113129473B CN202010043540.3A CN202010043540A CN113129473B CN 113129473 B CN113129473 B CN 113129473B CN 202010043540 A CN202010043540 A CN 202010043540A CN 113129473 B CN113129473 B CN 113129473B
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle monitoring
- monitoring data
- data
- acquisition
- 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
- G07C5/008—Registering or indicating the working of vehicles communicating information to a remotely located station
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
- G07C5/085—Registering performance data using electronic data carriers
- G07C5/0866—Registering performance data using electronic data carriers the electronic data carrier being a digital video recorder in combination with video camera
Abstract
本发明公开了数据采集的方法、装置和系统,涉及计算机技术领域。该方法的一具体实施方式包括:对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值;根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数;根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率。该实施方式能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种数据采集的方法、装置和系统。
背景技术
随着物联网的不断发展,物联网已经渗透到物流行业中。目前的物联网项目中,很重要的一部分就是与物流相关的车以及仓库的相关状态进行监控并进行可视化,而在这些监控信息中,多数是对车辆数据的监控。
对车辆数据的监控,就是通过配送车内的摄像头等信息采集设备,对车辆的相关数据进行采集,并将采集到的数据进行上报,然后在物联网项目中进行可视化的展示,从而起到监控作用。现有技术中,数据的采集频率是固定的,由硬件厂商的信息采集设备决定的。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:一、设置的采集频率过于频繁,导致接口调用消耗、数据库数据量过大以及无效数据过多的问题,还会导致查询数据的速度慢;二、设置的采集频率过低,导致数据准确度不够、数据跨度较大,还会使得物联网项目的相关数据也出现偏差。
发明内容
有鉴于此,本发明实施例提供一种数据采集的方法、装置和系统,能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。
为实现上述目的,根据本发明实施例的第一方面,提供了一种数据采集的方法。
本发明实施例的一种数据采集的方法,包括:对目标设备在单位时间内的已有车辆监控数据进行分析,获取所述目标设备的目标维度指标值;根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数;根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率。
可选地,在所述根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率之后,所述方法还包括:获取所述目标采集频率对应的目标设置时间,根据所述目标设置时间和所述单位时间,确认所述目标采集频率对应的目标采集时间;利用所述目标采集频率,采集所述目标设备在所述目标采集时间内的车辆监控数据。
可选地,在利用所述目标采集频率,采集所述目标设备在所述目标采集时间内的车辆监控数据之后,所述方法还包括:对采集的在所述目标采集时间内的车辆监控数据进行分析,获得新的目标采集频率。
可选地,所述对目标设备在单位时间内的已有车辆监控数据进行分析,获取所述目标设备的目标维度指标值,包括:确定所述目标设备对应的聚类属性;基于K均值聚类算法,利用所述目标设备对应的聚类属性,对所述在单位时间内的已有车辆监控数据进行分析,得到聚类模型;结合业务数据,对所述聚类模型进行自然语言处理训练,得到数据模型,获取所述目标维度指标值。
可选地,在对所述在单位时间内的已有车辆监控数据进行分析,得到聚类模型之前,所述方法还包括:设置初始采集频率,利用所述初始采集频率采集所述目标设备的车辆监控数据,然后从采集的车辆监控数据中选择所述目标设备在单位时间内的已有车辆监控数据。
可选地,所述在根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数之前,所述方法还包括:获取所述目标设备的特定需求,根据所述特定需求,为所述目标维度指标值设置权重,得到所述目标维度指标值对应的权重值。
可选地,所述根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率,包括:利用预设的采集频率设置规则,根据所述目标设备对应的车辆监控数据分数,确定所述目标设备的目标上报频率;调用三方接口,根据所述目标上报频率,下发所述目标采集频率。
可选地,所述方法还包括:查询所述目标设备绑定的目标车辆;以及在根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数之后,所述方法包括:确认所述目标设备对应的车辆监控数据分数为所述目标车辆对应的车辆监控数据分数。
为实现上述目的,根据本发明实施例的第二方面,提供了一种数据采集的装置。
本发明实施例的一种数据采集的装置,包括:获取模块,用于对目标设备在单位时间内的已有车辆监控数据进行分析,获取所述目标设备的目标维度指标值;计算模块,用于根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数;确定模块,用于根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率。
可选地,所述确定模块还用于:获取所述目标采集频率对应的目标设置时间,根据所述目标设置时间和所述单位时间,确认所述目标采集频率对应的目标采集时间;利用所述目标采集频率,采集所述目标设备在所述目标采集时间内的车辆监控数据。
可选地,所述确定模块还用于:对采集的在所述目标采集时间内的车辆监控数据进行分析,获得新的目标采集频率。
可选地,所述获取模块还用于:确定所述目标设备对应的聚类属性;基于K均值聚类算法,利用所述目标设备对应的聚类属性,对所述在单位时间内的已有车辆监控数据进行分析,得到聚类模型;结合业务数据,对所述聚类模型进行自然语言处理训练,得到数据模型,获取所述目标维度指标值。
可选地,所述获取模块还用于:设置初始采集频率,利用所述初始采集频率采集所述目标设备的车辆监控数据,然后从采集的车辆监控数据中选择所述目标设备在单位时间内的已有车辆监控数据。
可选地,所述计算模块还用于:获取所述目标设备的特定需求,根据所述特定需求,为所述目标维度指标值设置权重,得到所述目标维度指标值对应的权重值。
可选地,所述确定模块还用于:利用预设的采集频率设置规则,根据所述目标设备对应的车辆监控数据分数,确定所述目标设备的目标上报频率;调用三方接口,根据所述目标上报频率,下发所述目标采集频率。
可选地,所述装置还包括:查询模块,用于查询所述目标设备绑定的目标车辆;以及所述计算模块还用于:确认所述目标设备对应的车辆监控数据分数为所述目标车辆对应的车辆监控数据分数。
为实现上述目的,根据本发明实施例的第三方面,提供了一种数据采集的系统。
本发明实施例的一种数据采集的系统,包括:数据采集的装置和服务器,所述数据采集的装置与所述服务器建立通信连接;所述数据采集的装置用于根据上述实施例中任一项所述的数据采集的方法确定目标设备的目标采集频率,根据所述目标采集频率采集车辆监控数据,将所述车辆监控数据发送至所述服务器;所述服务器用于接收所述车辆监控数据,对所述车辆监控数据进行可视化展示。
为实现上述目的,根据本发明实施例的第四方面,提供了一种电子设备。
本发明实施例的一种电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现本发明实施例的数据采集的方法。
为实现上述目的,根据本发明实施例的第五方面,提供了一种计算机可读介质。
本发明实施例的一种计算机可读介质,其上存储有计算机程序,程序被处理器执行时实现本发明实施例的数据采集的方法。
上述发明中的一个实施例具有如下优点或有益效果:能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。并且,本发明实施例的数据采集方法中能够利用成熟的机器学习算法对目标设备的已有车辆监控数据进行分析,得到目标维度指标值,算法简单,实用性较高。还有,本发明实施例的数据采集方法中可以根据每个设备的不同需求,设置该设置对应的维度指标值的权重值,从而可以提高数据采集的实用性。此外,本发明实施例的数据采集方法中,在一段时间间隔之后,对该段时间间隔内采集的车辆监控数据再次进行分析和打分,确定新的采集频率,能够实现基于车辆监控数据动态调整采集频率。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的数据采集的方法的主要流程的示意图;
图2是根据本发明实施例的数据采集的方法的主要流程的示意;
图3是根据本发明实施例的数据采集的装置的主要模块的示意图;
图4是根据本发明实施例的数据采集的系统的结构示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明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,而不会背离本发明的范围和精神。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。
随着物联网的不断发展,IoT这个词已经渗透到各个行业中,IoT是Internet ofThings的缩写,俗称物联网,是互联网、传统电信网等信息承载体。当然,物流行业的发展也与物联网相关,目前的IoT的项目主要是针对汽车的物联网,获取汽车的行驶状态等相关信息,并进行相应的业务处理,很重要的一部分就是对公司物流相关的车以及仓库的相关状态进行监控并进行可视化,而在这些监控信息中,有一大部分是对车辆数据的监控。
对车辆数据的监控,就是通过车内的摄像头等信息采集设备对车辆的相关信息进行采集,并将采集到的数据进行上报,然后在IoT项目中进行可视化的展示,从而起到监控作用。其中,车辆的相关信息可以包括:车速、温度、门磁状态、以及司机驾驶行为等。门磁是安全报警的一种装置,由无线发射器和永磁体两部分组成,用来探测门、窗、抽屉等是否被非法打开或移动,分为无线门磁、无线卷闸门磁、有线门磁三种,此处的门磁状态分为开关两种状态。
目前,车辆监控数据是通过硬件厂商提供的信息采集设备,比如车载导航仪、车载行车记录仪、车载摄像头等设备,从配送车上采集相应的数据,将数据通过网关上传给IoT平台,然后IoT平台通过上传的源数据,对数据进行相应的分析和处理,生成平台所需要的相关数据,本发明实施例中的IoT平台相当于是服务器。由于在现有技术中,数据的采集频率是由硬件厂商的设备决定的,这些固定的采集频率会带来以下问题。
一、采集频率过于频繁,导致上报数据过多。当前,通过车辆设备采集的车辆监控数据中,数据的采集频率达到了2秒一次甚至是1秒一次,这样的采集频率导致的问题是,数据源数据库中的数据量已经达到了几百亿,而这些数据中,只有部分数据是有异常的,亦或是在业务所需的正常范围之内,而其余的都是正常的数据,这些数据对于IoT平台来说,意义不是很大,却浪费了数据库空间,磁盘空间以及网络传输流量等一系列的成本,造成了大量的资源浪费。另外,由于数据源表中的数据量过大,导致在对表中数据进行查询的过程中,即使加了索引,查询速度也不是很快;而且随着数据量的增大,还需要对数据库中的数据进行结转,这无疑又造成了成本的浪费。
二、采集频率过低,导致上报上来的数据不准确。如果说将设备的采集频率调低,虽然说会减少设备上报的数据量,减少数据库的压力以及相应的成本。但是随之而来的问题是,本来某一辆车的异常数据很多,但由于采集的频率过低,导致忽略了好多的异常数据,使得数据源的数据不准确,从而IoT平台的相关数据也出现偏差,平台的数据监控和预警等功能也就失去了其存在的意义。
为了解决上述问题,本发明实施例提供一种数据采集的方法,能够利用机器学习算法对目标设备的已有车辆监控数据进行分析,确定目标设备的目标采集频率,达到动态控制采集频率的效果。图1是根据本发明实施例的数据采集的方法的主要步骤的示意。如图1所示,本发明实施例的数据采集的方法的主要步骤可以包括:
步骤S101,对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值;
步骤S102,根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数;
步骤S103,根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率。
从以上步骤S101至步骤S103可以看出,首先利用简单的机器学习算法对目标设备在单位时间内的已有车辆监控数据进行分析,其中,目标设备是安装在目标车辆上的,由于设备是可以拆卸的,一个设备在不同的时间段可能绑定不同的车辆,比如说设备A1在第一天安装在车辆B1上,在第二天安装在车辆B2上,所以需要利用目标设备在单位时间内的已有车辆监控数据,其中单位时间可以根据实际情况设置,比如但不限于是30分钟,比如说分析设备A1在临近的30分钟内的车辆监控数据。在有一定的数据之后,通过机器学习的简单方法对已有数据进行分析,以目标设备为维度,分析出在一个单位时间(内多个维度的指标的值,指标可以根据业务需求来定,如:在单位时间内异常数据的数量、异常数据的间隔时间、以及异常数据持续时间等。由于本发明实施例中的单位时间内的数据是最临近当前时间的历史数据,因此获取的目标维度指标值更加符合实际情况。
在获取到目标维度指标值之后,可以利用目标维度指标值与目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数。本发明实施例中,可以根据业务需求,设置目标维度指标值对应的权重值,即如果业务需要考虑哪个指标重要一点,就把哪个指标的权重设置的大一些,然后根据设置的权重值,计算出目标设备对应的车辆监控数据分数,也就是目标设备当前绑定的目标车辆对应的车辆监控数据分数,计算方式可以为:
其中,cv表示设备为v的车辆驾驶行为对应的分数;n表示指标值的个数,S是第i个指标的指标值;W是第i个指标值对应的权重。运用该公式,能够计算出每个设备对应的车辆监控数据分数。
本发明实施例中,在计算得到目标设备对应的车辆监控数据分数之后,可以利用预设的采集频率设置规则,确定目标设备的目标采集频率。比如说,车辆监控数据分数在90分以上的,目标采集频率可以设置为30s一次,又或者是车辆监控数据分数在60分以下的,目标采集频率可以设置为1s一次。当然,本发明实施例中,还可以选择其他采集频率设置规则,对此不做限定。还有,本发明实施例中的采集频率是指IOT平台向目标设备采集车辆监控数据的频率。因此,在确定了目标设备的目标采集频率之后,IoT平台可以按照目标采集频率采集目标设备对应的车辆监控数据。
本发明实施例的数据采集方法中,可以实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。因此,获取已有车辆监控数据具有重要意义。作为本发明的一个可参考实施例,在对在单位时间内的已有车辆监控数据进行分析,得到聚类模型之前,数据采集的方法还可以包括:设置初始采集频率,利用初始采集频率采集目标设备的车辆监控数据,然后从采集的车辆监控数据中选择目标设备在单位时间内的已有车辆监控数据。具体的,先设置一个初始采集频率,基于该初始采集频率,采集目标设备的车辆监控数据。考虑到本发明实施例的数据采集方法中,能够根据已有车辆监控数据控制目标设备的采集频率,为了提高采集频率的准确性,使得到的采集频率更加符合当前情况,因此可以从采集的车辆监控数据中选择目标设备在单位时间内的已有车辆监控数据,也就是从采集的车辆监控数据中,选择处临近的数据。比如说,当前时间为T1,单位时间为30分钟,那么就选择T1往前30分钟内的车辆监控数据。
从上述步骤S101至步骤S103可以发现,获取目标维度指标值为数据采集方法的重要组成部分。作为本发明实施例的再一个可参考实施例,上述步骤S101对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值,可以包括:
步骤S1011,确定目标设备对应的聚类属性;
步骤S1012,基于K均值聚类算法,利用目标设备对应的聚类属性,对在单位时间内的已有车辆监控数据进行分析,得到聚类模型;
步骤S1013,结合业务数据,对聚类模型进行自然语言处理训练,得到数据模型,获取目标维度指标值。
首先,K均值聚类算法,又称K-MEANS算法,是一种迭代求解的聚类分析算法,其步骤是随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类中心之间的距离,把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本,聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类,没有(或最小数目)聚类中心再发生变化,误差平方和局部最小。
利用K均值聚类算法,获取目标设备的目标维度指标值的具体逻辑是可以为:运用K-MEANS算法,将需要聚类的属性作为输入量k;然后将n个数据对象(即,在单位时间内的车辆监控数据)划分为k个聚类(k为业务指标的个数),这里的k可以是时间段、速度、温度、里程数等等;然后还需要对该模型进行自然语言处理训练,在模型的训练过程中,可以将业务数据作为模型训练的参数设置在模型训练过程中,例如最大允许车速、最低允许温度、最高允许温度等等,基于这些参数,筛选和训练合适的数据模型,得出所需的目标维度指标值,即聚类得出的某一维度的数值即可作为该维度对应的指标值。
举例来说,指标速度为30,会将速度接近30的数据聚合在一起,指标可以是这些数据中异常数据的条数,或者是聚类中数据的总条数。此外,需要聚类的属性根据业务方的诉求可以动态设置,n个数据对象是指目前可供训练的数据的总数(即,已经采集的在单位时间内的车辆监控数据)。
本发明实施例中利用成熟的机器学习算法,对已有车辆监控数据进行分析,得到目标维度指标值,算法简单,实用性较高。
在步骤S102中涉及到,根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数。进一步地,在根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数之前,数据采集的方法还可以包括:获取目标设备的特定需求,根据特定需求,为目标维度指标值设置权重,得到目标维度指标值对应的权重值。本发明实施例中可以根据每个设备的不同需求,设置该设置对应的维度指标值的权重值,从而可以提高数据采集的实用性。
考虑到在实际场景中,设备是可拆卸的,一个设备在不同的时间段可能绑定不同的车辆,而作为车辆监控数据,车牌号维度更加清晰明了。所以,本发明实施例的数据采集的方法还可以包括:查询目标设备绑定的目标车辆。也就是说,预先确定设备与该设备绑定的车辆的关系,根据该绑定关系,可以查询目标设备绑定的目标车辆,也就是确定当前时间目标设备安装在哪个车辆上。例如,绑定关系可以设置为,对于设备A1,第一天的上午安装车辆B1上,第一天的下午安装车辆B2上。由于查询待目标设备对应的目标设立,所以在根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数之后,数据采集的方法还可以包括:确认目标设备对应的车辆监控数据分数为目标车辆对应的车辆监控数据分数。也就是说,获取到目标设备对应的车辆监控数据,就可以获取到目标车辆对应的车辆监控数据。
还需要注意的是,本发明实施例的车辆监控数据可以是IoT平台从目标设备采集,也可以看作是目标设备向IoT平台上报,因此本发明实施例中除了具有采集频率,还可以具有上报频率。其中,IoT平台可以看作是后端服务器。进一步的,根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率,可以包括:利用预设的采集频率设置规则,根据目标设备对应的车辆监控数据分数,确定目标设备的目标上报频率;调用三方接口,根据目标上报频率,下发目标采集频率。在获取到目标设备对应的车辆监控数据分数之后,根据预设的采集频率设置规则,确定目标设备的上报频率,并调用三方接口,下发采样频率,从而实现根据已采集到的数据结合业务需求动态控制车辆监控数据的采样以及上报的频率,有效控制数据的准确性以及数据量的大小。其中,三方接口可以直接是设备接收数据的接口,也可以是设备对接三方平台后,调用三方平台的数据下发接口。
本发明实施例的数据采集方法的一个重要创新点是:在确定采集频率之后,还可以对该采集频率进行调整控制。具体实现为,在根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率之后,数据采集的方法还可以包括:获取目标采集频率对应的目标设置时间,根据目标设置时间和单位时间,确认目标采集频率对应的目标采集时间;利用目标采集频率,采集目标设备在目标采集时间内的车辆监控数据,并对采集的在目标采集时间内的车辆监控数据进行分析,获得新的目标采集频率。在设置一次目标采集频率之后,需要记录设置的时间,然后定义一个时间间隔,在一段时间间隔之后,对该段时间间隔内采集的车辆监控数据再次进行分析和打分,确定新的采集频率,实现基于车辆监控数据动态调整采集频率,也就是动态调整上报频率。
图2是根据本发明实施例的数据采集的方法的主要流程的示意。如图2所示,本发明实施例的数据采集的方法的主要流程可以包括:
步骤S201,设置初始采集频率,利用初始采集频率采集目标设备的车辆监控数据,然后从采集的车辆监控数据中选择目标设备在单位时间内的已有车辆监控数据;
步骤S202,确定目标设备对应的聚类属性,基于K均值聚类算法,利用目标设备对应的聚类属性,对在单位时间内的已有车辆监控数据进行分析,得到聚类模型;
步骤S203,结合业务数据,对聚类模型进行自然语言处理训练,得到数据模型,获取目标维度指标值;
步骤S204,获取目标设备的特定需求,根据特定需求,为目标维度指标值设置权重,得到目标维度指标值对应的权重值;
步骤S205,根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数;
步骤S206,查询所述目标设备绑定的目标车辆,确认目标设备对应的车辆监控数据分数为目标车辆对应的车辆监控数据分数;
步骤S207,利用预设的采集频率设置规则,根据目标车辆对应的车辆监控数据分数,确定目标上报频率,并调用三方接口,根据目标上报频率,下发对应的目标采集频率;
步骤S208,判断是否还需要对目标采集频率进行更新,若是,则执行步骤S209;
步骤S209,获取目标采集频率的目标设置时间,根据目标设置时间和单位时间,确认目标采集频率对应的目标采集时间;
步骤S210,利用目标采集频率,采集目标设备在目标采集时间内的车辆监控数据。
需要注意的是,在步骤S210采集到目标设备在目标采集时间内的车辆监控数据之后,再次执行步骤S202至步骤S207对已有车辆监控数据进行分析,获得到新的目标采集频率和新的目标上报频率。还有在步骤S202中的单位时间内的已有车辆监控数据是指邻近当前时间的单位时间内的已经采集到的车辆监控数据。此外,步骤S208中的判断是否还需要对目标采集频率进行更新,实际情况下可以设置为每隔单位时间就对采集频率进行更新,在图2中是为了避免陷入死循环,加入了步骤208的判断。
本发明实施例的数据采集技术方案,能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。并且,本发明实施例的数据采集方法中能够利用成熟的机器学习算法对目标设备的已有车辆监控数据进行分析,得到目标维度指标值,算法简单,实用性较高。还有,本发明实施例的数据采集方法中可以根据每个设备的不同需求,设置该设置对应的维度指标值的权重值,从而可以提高数据采集的实用性。此外,本发明实施例的数据采集方法中,在一段时间间隔之后,对该段时间间隔内采集的车辆监控数据再次进行分析和打分,确定新的采集频率,能够实现基于车辆监控数据动态调整采集频率。
图3是根据本发明实施例的数据采集的装置的主要模块的示意图。如图3所示,本发明实施例的数据采集的装置的主要模块可以包括:获取模块301、计算模块302和确定模块303。
其中,获取模块301可用于对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值;计算模块302可用于根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数;确定模块303可用于根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率。
本发明实施例中,确定模块303还可用于:获取目标采集频率对应的目标设置时间,根据目标设置时间和单位时间,确认目标采集频率对应的目标采集时间;利用目标采集频率,采集目标设备在目标采集时间内的车辆监控数据。
本发明实施例中,确定模块303还可用于:对采集的在目标采集时间内的车辆监控数据进行分析,获得新的目标采集频率。
本发明实施例中,获取模块301还可用于:确定目标设备对应的聚类属性;基于K均值聚类算法,利用目标设备对应的聚类属性,对在单位时间内的已有车辆监控数据进行分析,得到聚类模型;结合业务数据,对聚类模型进行自然语言处理训练,得到数据模型,获取目标维度指标值。
本发明实施例中,获取模块301还可用于:设置初始采集频率,利用初始采集频率采集目标设备的车辆监控数据,然后从采集的车辆监控数据中选择目标设备在单位时间内的已有车辆监控数据。
本发明实施例中,计算模块302还可用于:获取目标设备的特定需求,根据特定需求,为目标维度指标值设置权重,得到目标维度指标值对应的权重值。
本发明实施例中,确定模块303还可用于:利用预设的采集频率设置规则,根据目标设备对应的车辆监控数据分数,确定目标设备的目标上报频率;调用三方接口,根据目标上报频率,下发目标采集频率。
本发明实施例中,数据采集的装置还可以包括:查询模块(图中未示出)。该查询模块可用于查询目标设备绑定的目标车辆。以及计算模块302还可用于:确认目标设备对应的车辆监控数据分数为目标车辆对应的车辆监控数据分数。
从以上描述可以看出,本发明实施例的数据采集的装置能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。并且,本发明实施例的数据采集方法中能够利用成熟的机器学习算法对目标设备的已有车辆监控数据进行分析,得到目标维度指标值,算法简单,实用性较高。还有,本发明实施例的数据采集方法中可以根据每个设备的不同需求,设置该设置对应的维度指标值的权重值,从而可以提高数据采集的实用性。此外,本发明实施例的数据采集方法中,在一段时间间隔之后,对该段时间间隔内采集的车辆监控数据再次进行分析和打分,确定新的采集频率,能够实现基于车辆监控数据动态调整采集频率。
图4是根据本发明实施例的数据采集的系统的结构示意图。如图4所示,本发明实施例的数据采集的系统可以包括:数据采集的装置和服务器,数据采集的装置与服务器建立通信连接。
其中,数据采集的装置可以用于根据上述实施例中所述的数据采集的方法确定目标设备的目标采集频率,根据确定的目标采集频率采集车辆监控数据,然后将车辆监控数据发送至服务器;服务器可以用于接收数据采集的装置采集到的车辆监控数据,对车辆监控数据进行可视化展示。本发明实施例中,服务器可以看作是IoT平台。
图5示出了可以应用本发明实施例的数据采集的方法或数据采集的装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的数据采集的方法一般由服务器505执行,相应地,数据采集的装置一般设置于服务器505中。
应该理解,图5中的终端设备、网络和服务器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终端设备、网络和服务器。
下面参考图6,其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本发明公开的实施例,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,本发明公开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程序代码。在这样的实施例中,该计算机程序可以通过通信部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明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(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,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。而在本发明中,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程序代码。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程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。在这点上,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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块、计算模块和确定模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,获取模块还可以被描述为“基于机器学习算法,对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值的模块”。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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设备执行时,使得该设备包括:对目标设备在单位时间内的已有车辆监控数据进行分析,获取目标设备的目标维度指标值;根据目标维度指标值和目标维度指标值对应的权重值,计算目标设备对应的车辆监控数据分数;根据目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定目标设备的目标采集频率。
根据本发明实施例的技术方案,能够实现根据已有车辆监控数据,结合业务需求动态控制车辆监控数据的采集频率,有效控制数据的准确性以及数据量的大小。并且,本发明实施例的数据采集方法中能够利用成熟的机器学习算法对目标设备的已有车辆监控数据进行分析,得到目标维度指标值,算法简单,实用性较高。还有,本发明实施例的数据采集方法中可以根据每个设备的不同需求,设置该设置对应的维度指标值的权重值,从而可以提高数据采集的实用性。此外,本发明实施例的数据采集方法中,在一段时间间隔之后,对该段时间间隔内采集的车辆监控数据再次进行分析和打分,确定新的采集频率,能够实现基于车辆监控数据动态调整采集频率。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (11)
1.一种数据采集的方法,其特征在于,包括:
对目标设备在当前时间往前的单位时间内的已有车辆监控数据进行分析,获取所述目标设备的目标维度指标值,包括:确定所述目标设备对应的聚类属性;基于K均值聚类算法,利用所述目标设备对应的聚类属性,对所述已有车辆监控数据进行分析,得到聚类模型,包括将需要聚类的属性作为输入量k,然后将n个数据对象划分为k个聚类, k包括时间段、速度、温度、里程数;结合业务数据,对所述聚类模型进行自然语言处理训练,得到数据模型,获取所述目标维度指标值;其中,业务数据包括最大允许车速、最低允许温度、最高允许温度,指标包括在单位时间内异常数据的数量、异常数据的间隔时间以及异常数据持续时间,聚类得出的某一维度的数值即可作为该维度对应的指标值;
根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数;
根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率;其中,采集频率指服务器向所述目标设备采集车辆监控数据的频率,预设的采集频率设置规则为:车辆监控数据分数越高目标采集频率越低。
2.根据权利要求1所述的方法,其特征在于,在所述根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率之后,所述方法还包括:
获取所述目标采集频率对应的目标设置时间,根据所述目标设置时间和所述单位时间,确认所述目标采集频率对应的目标采集时间;
利用所述目标采集频率,采集所述目标设备在所述目标采集时间内的车辆监控数据。
3.根据权利要求2所述的方法,其特征在于,在利用所述目标采集频率,采集所述目标设备在所述目标采集时间内的车辆监控数据之后,所述方法还包括:对采集的在所述目标采集时间内的车辆监控数据进行分析,获得新的目标采集频率。
4.根据权利要求1所述的方法,其特征在于,在对所述已有车辆监控数据进行分析,得到聚类模型之前,所述方法还包括:
设置初始采集频率,利用所述初始采集频率采集所述目标设备的车辆监控数据,然后从采集的车辆监控数据中选择所述目标设备在当前时间往前的单位时间内的已有车辆监控数据。
5.根据权利要求1所述的方法,其特征在于,所述在根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数之前,所述方法还包括:
获取所述目标设备的特定需求,根据所述特定需求,为所述目标维度指标值设置权重,得到所述目标维度指标值对应的权重值。
6.根据权利要求1所述的方法,其特征在于,所述根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率,包括:
利用预设的采集频率设置规则,根据所述目标设备对应的车辆监控数据分数,确定所述目标设备的目标上报频率;
调用三方接口,根据所述目标上报频率,下发所述目标采集频率。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:查询所述目标设备绑定的目标车辆;以及
在根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数之后,所述方法包括:
确认所述目标设备对应的车辆监控数据分数为所述目标车辆对应的车辆监控数据分数。
8.一种数据采集的装置,其特征在于,包括:
获取模块,用于对目标设备在当前时间往前的单位时间内的已有车辆监控数据进行分析,获取所述目标设备的目标维度指标值,包括:确定所述目标设备对应的聚类属性;基于K均值聚类算法,利用所述目标设备对应的聚类属性,对所述已有车辆监控数据进行分析,得到聚类模型,包括将需要聚类的属性作为输入量k,然后将n个数据对象划分为k个聚类, k包括时间段、速度、温度、里程数;结合业务数据,对所述聚类模型进行自然语言处理训练,得到数据模型,获取所述目标维度指标值;其中,业务数据包括最大允许车速、最低允许温度、最高允许温度,指标包括在单位时间内异常数据的数量、异常数据的间隔时间以及异常数据持续时间,聚类得出的某一维度的数值即可作为该维度对应的指标值;
计算模块,用于根据所述目标维度指标值和所述目标维度指标值对应的权重值,计算所述目标设备对应的车辆监控数据分数;
确定模块,用于根据所述目标设备对应的车辆监控数据分数,利用预设的采集频率设置规则,确定所述目标设备的目标采集频率;其中,采集频率指服务器向所述目标设备采集车辆监控数据的频率,预设的采集频率设置规则为:车辆监控数据分数越高目标采集频率越低。
9.一种数据采集的系统,其特征在于,包括:数据采集的装置和服务器,所述数据采集的装置与所述服务器建立通信连接;
所述数据采集的装置用于根据权利要求1-7中任一项所述的方法确定目标设备的目标采集频率,根据所述目标采集频率采集车辆监控数据,将所述车辆监控数据发送至所述服务器;其中,采集频率指服务器向所述目标设备采集车辆监控数据的频率;
所述服务器用于接收所述车辆监控数据,对所述车辆监控数据进行可视化展示。
10.一种电子设备,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,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043540.3A CN113129473B (zh) | 2020-01-15 | 2020-01-15 | 数据采集的方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010043540.3A CN113129473B (zh) | 2020-01-15 | 2020-01-15 | 数据采集的方法、装置和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113129473A CN113129473A (zh) | 2021-07-16 |
CN113129473B true CN113129473B (zh) | 2023-06-27 |
Family
ID=76771835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010043540.3A Active CN113129473B (zh) | 2020-01-15 | 2020-01-15 | 数据采集的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113129473B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018009567A1 (en) * | 2016-07-05 | 2018-01-11 | Nauto Global Limited | System and method for automatic driver identification |
CN110213827A (zh) * | 2019-05-24 | 2019-09-06 | 南京理工大学 | 基于深度强化学习的车辆数据采集频率动态调节方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033051B (zh) * | 2012-12-27 | 2014-07-30 | 中冶长天国际工程有限责任公司 | 烧结系统主抽风机变频控制方法及系统 |
US9697730B2 (en) * | 2015-01-30 | 2017-07-04 | Nissan North America, Inc. | Spatial clustering of vehicle probe data |
CN107145989A (zh) * | 2017-06-12 | 2017-09-08 | 南京航空航天大学 | 基于人‑车‑交通路况的实际行驶工况构建方法 |
US20190383627A1 (en) * | 2018-06-13 | 2019-12-19 | Skip Transport, Inc. | System and method for vehicle operation control |
CN110654399B (zh) * | 2018-06-29 | 2021-09-03 | 比亚迪股份有限公司 | 系统监控方法及装置 |
CN109033332B (zh) * | 2018-07-20 | 2020-12-25 | 汉纳森(厦门)数据股份有限公司 | 驾驶行为分析方法、介质及系统 |
CN113377033B (zh) * | 2019-01-15 | 2024-03-22 | 北京百度网讯科技有限公司 | 数据采集方法、装置、设备及计算机可读存储介质 |
-
2020
- 2020-01-15 CN CN202010043540.3A patent/CN113129473B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018009567A1 (en) * | 2016-07-05 | 2018-01-11 | Nauto Global Limited | System and method for automatic driver identification |
CN110213827A (zh) * | 2019-05-24 | 2019-09-06 | 南京理工大学 | 基于深度强化学习的车辆数据采集频率动态调节方法 |
Non-Patent Citations (1)
Title |
---|
汽车主动安全关键参数联合估计方法;宋翔;交通运输工程学报;第14卷(第1期);65-74 * |
Also Published As
Publication number | Publication date |
---|---|
CN113129473A (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109471783B (zh) | 预测任务运行参数的方法和装置 | |
CN111198859B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
CN111190888A (zh) | 一种管理图数据库集群的方法和装置 | |
CN108810047B (zh) | 用于确定信息推送准确率的方法、装置及服务器 | |
CN109543891B (zh) | 容量预测模型的建立方法、设备及计算机可读存储介质 | |
CN108595448B (zh) | 信息推送方法和装置 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
CN107819745B (zh) | 异常流量的防御方法和装置 | |
CN113645287B (zh) | 汽车报文存储方法及装置、汽车报文存储系统 | |
CN113886336A (zh) | 流量检测方法、装置、设备及介质 | |
CN111124858B (zh) | 无埋点插码数据处理方法、系统、终端设备及存储介质 | |
KR20210113963A (ko) | 정보 획득 방법 및 장치 | |
CN111447193B (zh) | 一种针对实时数据流进行异常检测的方法及装置 | |
CN113129473B (zh) | 数据采集的方法、装置和系统 | |
CN114465919B (zh) | 一种网络服务测试方法、系统、电子设备及存储介质 | |
CN107480269B (zh) | 对象展示方法及系统、介质和计算设备 | |
CN112131257B (zh) | 数据查询方法和装置 | |
CN113434754A (zh) | 确定推荐api服务的方法、装置、电子设备和存储介质 | |
CN113780703A (zh) | 一种指标调整方法和装置 | |
CN112598337A (zh) | 针对物品的车辆控制方法、装置、设备和计算机可读介质 | |
CN111222048A (zh) | 用户数量的查询计算方法、装置、电子设备、及存储介质 | |
CN111338916A (zh) | 处理业务请求的方法、装置、电子设备和计算机可读介质 | |
CN112132722B (zh) | 政务热线数量趋势异常确定方法、装置、电子设备及介质 | |
CN111683154B (zh) | 一种内容推送的方法、装置、介质及电子设备 | |
CN113362097B (zh) | 一种用户确定方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |