CN113393357A - 适用于城市交通出行数据服务的数据中台系统 - Google Patents
适用于城市交通出行数据服务的数据中台系统 Download PDFInfo
- Publication number
- CN113393357A CN113393357A CN202110620956.1A CN202110620956A CN113393357A CN 113393357 A CN113393357 A CN 113393357A CN 202110620956 A CN202110620956 A CN 202110620956A CN 113393357 A CN113393357 A CN 113393357A
- Authority
- CN
- China
- Prior art keywords
- data
- module
- unit
- realizing
- neural network
- 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
- 238000013528 artificial neural network Methods 0.000 claims abstract description 53
- 238000011161 development Methods 0.000 claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000012795 verification Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 238000000605 extraction Methods 0.000 claims abstract description 4
- 238000003062 neural network model Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000007726 management method Methods 0.000 description 47
- 230000007246 mechanism Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000000034 method Methods 0.000 description 7
- 230000008520 organization Effects 0.000 description 6
- 238000010191 image analysis Methods 0.000 description 5
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种适用于城市交通出行数据服务的数据中台系统,包括:数据中心子系统,用于实现数据汇总、融合以及特征提取;数据平台子系统,用于提供数据标准化、数据开发以及数据算法模型的应用平台;数据资产子系统,用于实现对原始数据以及基于原始数据的加工后数据的数据资产管理;数据处理引擎模块,用于执行数据处理的相关程序;神经网络引擎模块,用于执行神经网络训练、计算和验证的相关程序。本申请的有益之处在于提供了一种能够实现数据价值挖掘和智能数据应用的适用于城市交通出行数据服务的数据中台系统。
Description
技术领域
本申请涉及一种数据中台系统,具体而言,涉及一种适用于城市交通出行数据服务的数据中台系统。
背景技术
随着人工智能、大数据以及物联网技术的发展,城市交通出行进入了智能交通时代,经过多年发展,智慧交通项目建设了大量基础设施,大大提升了城市交通管理工作的智能化水平。
现有的智能城市交通服务由不同运营商和机构的服务器各自分别实现数据服务,比如,目前已开通轨道交通的38个城市均实现了互联网支付功能,包括互联网购/取票、扫码过闸以及手机NFC过闸等,各地铁公司或选择自建互联网票务平台与官方APP方式实现快捷支付。而诸如滴滴打车等软件实现打车服务,则由另外数据服务器进行业务支持。
为了方便用户出行,在相关技术中出现了通过一个支付平台对接多个服务平台进行统一支付或者行程规划的平台,比如支付宝可以通过扫描支付地铁票价等。
但是这些平台实际上仅是提供支付接口,用户仍需要一笔一笔的进行支付,对于更加智能公共交通出行以及无感出行而言,这样方式仍不能满足需求。
在另一些相关技术中,虽然提出了由某一平台进行统一代偿方式降低用户支付操作的频次,但是在没有一个统一数据中台系统支持时,智能城市交通出行服务仍然受到因为数据无法互联互通的限制。
发明内容
为了解决现有技术的不足之处,本申请提供了一种适用于城市交通出行数据服务的数据中台系统,包括:数据中心子系统,用于实现数据汇总、融合以及特征提取;数据平台子系统,用于提供数据标准化、数据开发以及数据算法模型的应用平台;数据资产子系统,用于实现对原始数据以及基于原始数据的加工后数据的数据资产管理;数据处理引擎模块,用于执行数据处理的相关程序;神经网络引擎模块,用于执行神经网络训练、计算和验证的相关程序;其中,所述数据资产子系统分别与所述数据中心子系统和所述数据平台子系统构成数据交互;所述数据中心子系统包括:基础数据中心模块,用于对来自不同数据源的数据进行数据筛选和标准化;融合数据中心模块,用于将所述基础数据中心处理后的数据按照设定的主键设定进行数据融合以及数据库的形成;智能数据中心模块,用于将所述融合数据中心模块输出的结构化数据通过设定的人工神经网络模型进行处理从而输出加工后二级数据;所述融合数据中心模块分别与所述基础数据中心模块和智能数据中心模块构成数据交互。
进一步地,所述数据平台子系统包括:数据标准平台模块,用于实现数据标准化的生成和管理;数据开发平台模块,用于实现数据开发任务的生成、管理和输出;数据算法平台模块,用于实现数据算法模型的生成、管理和输出;所述数据标准平台模块分别与所述数据开发平台模块和所述数据算法平台模块构成数据交互。
进一步地,所述数据标准平台模块包括:数据批量采集单元,用于从各类数据接口批量采集数据;实时数据采集单元,用于从各类数据接口实时采集数据;数据标准管理单元,用于供开发者设置或存储数据标准化的文件数据。
进一步地,所述数据开发平台模块包括:离线开发单元,用于在离线状态下实现基于数据的开发任务;实时开发单元,用于实时实现基于数据的开发任务;运维任务单元,用于实现按照预设周期进行的运维任务。
进一步地,所述数据算法平台模块包括:可视化模型单元,用于实现人工神经网络模型的可视化建模;模型部署单元,用于部署已经完成训练的人工神经网络模型;模型调用单元,用于对已经完成训练的人工神经网络模型实现调用。
进一步地,所述数据资产子系统包括:数据地图模块,用于实现数据的位置和索引管理;数据质量模块,用于实现数据质量的校验和管理;神经网络模型模块,用于实现神经网络模型的存储和管理。
进一步地,所述数据地图模块包括:数据目录管理单元,用于实现数据目录的管理;数据权限管理单元,用于实现数据权限的管理;数据关系管理单元,用于实现数据关系的管理;数据资产管理单元,用于实现数据价值的管理;数据报表管理单元,用于实现数据报表的管理。
进一步地,所述神经网络模块包括:神经网络模型配置单元,用于配置人工神经网络模型的类型以及网络结构;神经网络参数配置单元,用于配置人工神经网络模型的参数;神经网络数据配置单元,用于配置人工神经网络模型的训练集数据、验证集数据和测试集数据。
进一步地,所述智能数据中心模块包括:基础交通数据单元,用于存储和管理基础交通数据;交通特征数据单元,用于存储和管理交通特征数据;其中,所述基础交通数据包括车站数据、运价数据和车次数据;所述交通特征数据包括路径特征数据和运载特征数据。
进一步地,所述智能数据中心模块还包括:乘客画像数据单元,用于存储和管理乘客画像数据;乘客服务数据单元,用于存储和管理乘客服务数据;其中,所述乘客画像数据包括乘客年龄数据、出行频次数据、消费能力数据和信用情况数据;所述乘客服务数据包括订单数据、优惠数据和偏好数据。
本申请的有益之处在于:提供了一种能够实现数据价值挖掘和智能数据应用的适用于城市交通出行数据服务的数据中台系统。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请一种实施例的适用于城市交通出行数据服务系统的系统架构示意图;
图2是根据本申请一种实施例的适用于城市交通出行数据服务的数据中台系统以及业务应用层和数据源的模块组成示意图;
图3是根据本申请一种实施例的数据平台子系统的模块组成示意图;
图4是根据本申请一种实施例的数据地图模块的模块组成示意图;
图5是根据本申请一种实施例的神经网络模型模块的模块组成示意图;
图6是根据本申请一种实施例的智能数据中心模块的模块组成示意图;
图7是根据本申请一种实施例的数据平台子系统的一个终端设备的第一操作界面示意图;
图8是根据本申请一种实施例的数据平台子系统的一个终端设备的第二操作界面示意图;
图9是根据本申请一种实施例的数据平台子系统的一个终端设备的第三操作界面示意图;
图10是根据本申请一种实施例的数据平台子系统的一个终端设备的第四操作界面示意图;
图11是根据本申请的一种实施例的适用于城市交通出行数据服务的数据中台系统的中心服务器一个优选方案的模块组成示意图;
图12是根据本申请一种实施例的人工神经网络训练的一般步骤示意图。
图中附图标记的含义:
适用于城市交通出行数据服务系统100;
付费终端设备101;
计费终端设备102;
协同服务器103;
中心服务器104。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
参照图1和图11所示,本申请的适用于城市交通出行数据服务系统从系统架构而言包括:付费终端设备、计费终端设备、协同服务器和中心服务器。
其中,付费终端设备用于供使用城市公共交通的用户使用以至少实现数字支付;计费终端设备用于与付费终端设备构成数据交互以实现数字支付的计费功能;协同服务器用于与计费终端设备构成数据交互以实现多个计费终端设备的费用数据的汇总和统计;中心服务器用于与若干个协同服务器构成数据交互以实现多个协同服务器所上传的费用数据的清分和结算。
具体而言,付费终端设备可以为智能手机等移动终端设备。用户使用智能手机可以实现付费、扫码和支付等功能。
如图7所示,用户可以通过付费终端设备使用公交车、共享单车、铁路交通、航空客运等公共交通服务。用户可以通过点击乘车码获取用于支付的二维码以向对应的闸机或设备进行支付。用户可以通过点击“我的”菜单进行密码设置以及充值等服务。
作为可选方案,计费终端设备分为:轨道交通计费终端设备、巴士计费终端设备、共享单车计费终端设备、出租车计费终端设备、铁路计费终端设备和机场计费终端设备。
作为一种优选方案,用户可以通过付费终端设备向不同的协同服务器发送订单,并由中心服务器生成总的订单价格发送给用户支付或挂账。
比如,用户可以通过该APP预定往返高铁篇以及中途所需的地铁、公交以及出租车的费用,并向其他APP发出订单预定,比如向滴滴打车和12306发出订单,然后由该APP统一向用户收费,并获得一个统一的支付码,只要出示该支付码尽可以向各个渠道进行支付,而无需更换软件。记载完成改行程之前出示该支付码即可以完成预设行程中所有公共交通项目支付。
作为一种扩展方案,可以由中心服务器智能匹配出行的计划以及匹配对应APP,并进行车辆预定等功能。
作为另一种方案,中心服务器根据出行计划,采用NFC交互或者UWB定位或者人脸识别等方式使用户可以直接通过闸机,而不一定要出示二维码,这样可以实现用户的无感出行,同时,也可以在用户完成行程后再根据其实际行程进行计费和支付。
作为优选方案,计费终端设备包括:扫码计费模块、UWB定位计费模块、生物识别计费模块和NFC计费模块。
以上技术并非本申请的重点,在此不加赘述。从以上可知,为了实现以上效果,需要中心服务器能够进行灵活的清算和结算才能满足功能实施需求。尤其是对于用户后付费,而有平台向其他协助方预先付费的项目。
从以上可知,如果不联通各协作方以及各个应用,则无法适配智能城市交通服务数字化、智能化的要求。
如图2所示,在业务应用层包括:交通服务机构应用、用户应用和金融机构应用。
其中,交通服务机构应用可以包括:费用计算模块、旅客管理模块和业务处理模块。这些应用模块可以实现交通服务机构所需应用服务和需求。
用户应用可以包括:路线规划模块、订单管理模块和支付管理模块。具体而言,如图7至图10所示,用户可以通过移动终端可以支付、查询路线以及订单管理等功能。
金融机构应用包括:费用结算模块、风险评估模块和账目管理模块。金融机构应用主要用于实现费用结算、各方金融风险评估和账目管理等功能。
基于以上业务应用层的情况,数据源可以包括:费用数据、车辆数据、监控数据、图像数据、旅客数据、天气数据、定单数据、定位数据以及路况数据等。通过这些数据可以实现数据中台构建以及业务应用层的需要。
作为本申请的具体方案,适用于城市交通出行数据服务的数据中台系统包括:数据中心子系统、数据平台子系统、数据资产子系统、数据处理引擎模块和神经网络引擎模块。
其中,数据中心子系统用于实现数据汇总、融合以及特征提取;数据平台子系统用于提供数据标准化、数据开发以及数据算法模型的应用平台;数据资产子系统用于实现对原始数据以及基于原始数据的加工后数据的数据资产管理;数据处理引擎模块用于执行数据处理的相关程序;神经网络引擎模块用于执行神经网络训练、计算和验证的相关程序;其中,数据资产子系统分别与数据中心子系统和数据平台子系统构成数据交互。
作为具体方案,数据中心子系统包括:基础数据中心模块、融合数据中心模块和智能数据中心模块。其中,基础数据中心模块用于对来自不同数据源的数据进行数据筛选和标准化;融合数据中心模块用于将基础数据中心处理后的数据按照设定的主键设定进行数据融合以及数据库的形成;智能数据中心模块用于将融合数据中心模块输出的结构化数据通过设定的人工神经网络模型进行处理从而输出加工后二级数据;融合数据中心模块分别与基础数据中心模块和智能数据中心模块构成数据交互。
数据中心子系统主要作用是使中台系统具有数据中心的作用,能够大批量的处理数据,并将数据进行融合和数据化处理。
作为具体方案,数据平台子系统包括:数据标准平台模块、数据开发平台模块和数据算法平台模块。其中,数据标准平台模块用于实现数据标准化的生成和管理;数据开发平台模块用于实现数据开发任务的生成、管理和输出;数据算法平台模块用于实现数据算法模型的生成、管理和输出。数据标准平台模块分别与数据开发平台模块和数据算法平台模块构成数据交互。
作为更进一步的方案,数据标准平台模块包括:数据批量采集单元、实时数据采集单元和数据标准管理单元。其中,数据批量采集单元用于从各类数据接口批量采集数据;实时数据采集单元用于从各类数据接口实时采集数据;数据标准管理单元用于供开发者设置或存储数据标准化的文件数据。
作为更进一步的方案,数据开发平台模块包括:离线开发单元、实时开发单元和运维任务单元。其中,离线开发单元用于在离线状态下实现基于数据的开发任务;实时开发单元用于实时实现基于数据的开发任务;运维任务单元用于实现按照预设周期进行的运维任务。
数据算法平台模块包括:可视化模型单元、模型部署单元和模型调用单元。其中,可视化模型单元用于实现人工神经网络模型的可视化建模;模型部署单元用于部署已经完成训练的人工神经网络模型;模型调用单元用于对已经完成训练的人工神经网络模型实现调用。
数据平台子系统主要作用在于使中台系统提供一个公共数据平台,该数据平台供开发者实现数据标准化、开发任务实施和模型训练的平台,从而不论是支持何种应用,均可以从这个公共数据平台进行相应的操作。
作为本申请的另一方面,数据资产子系统包括:数据地图模块、数据质量模块和神经网络模型模块。其中,数据地图模块用于实现数据的位置和索引管理;数据质量模块用于实现数据质量的校验和管理;神经网络模型模块用于实现神经网络模型的存储和管理。
更具体而言,数据地图模块包括:数据目录管理单元、数据权限管理单元、数据关系管理单元、数据资产管理单元和数据报表管理单元。其中,数据目录管理单元用于实现数据目录的管理;数据权限管理单元用于实现数据权限的管理;数据关系管理单元用于实现数据关系的管理;数据资产管理单元用于实现数据价值的管理;数据报表管理单元用于实现数据报表的管理。
数据资产子系统主要用于在于对数据以资产的方式进行管理和存储,从而通过权限设置保证数据安全,通过数据定价等方式以适应联邦学习、区块链等新技术的应用。
神经网络模型模块包括:神经网络模型配置单元、神经网络参数配置单元和神经网络数据配置单元。其中,神经网络模型配置单元用于配置人工神经网络模型的类型以及网络结构;神经网络参数配置单元用于配置人工神经网络模型的参数;神经网络数据配置单元用于配置人工神经网络模型的训练集数据、验证集数据和测试集数据。
智能数据中心模块包括:基础交通数据单元、交通特征数据单元、乘客画像数据单元、乘客服务数据单元、图像分析数据单元和未来数据预测单元。
其中,基础交通数据单元用于存储和管理基础交通数据;交通特征数据单元用于存储和管理交通特征数据;乘客画像数据单元用于存储和管理乘客画像数据;乘客服务数据单元用于存储和管理乘客服务数据;图像分析数据单元用于存储和管理图像分析数据;未来数据预测单元用于生成、存储和管理未来预测数据。
具体而言,基础交通数据包括车站数据、运价数据和车次数据;交通特征数据包括路径特征数据和运载特征数据。乘客画像数据包括乘客年龄数据、出行频次数据、消费能力数据和信用情况数据;乘客服务数据包括订单数据、优惠数据和偏好数据。图像分析数据包括人脸识别数据、人流图像分析数据、
作为以上技术方案的一个具体应用,可以在中心服务器布置以上中台系统或者能与以上中台系统进行数据互联的情况下为系统清算和结算提供数据支持。
作为具体方案,如图11所示,中心服务器包括:智能预测模块、智能清分模块、智能结算模块。其中,智能预测模块用于预测付费终端设备、计费终端设备和协同服务器分别对应的账户未来可能产生的费用数据;智能清分模块用于根据付费终端设备、计费终端设备和协同服务器上传的费用数据和智能预测模块的预测数据进行费用清算;智能结算模块用于根据付费终端设备、计费终端设备和协同服务器上传的费用数据和智能预测模块的预测数据进行费用结算;智能预测模块分别与智能清分模块和智能结算模块构成数据连接。
作为进一步的具体方案,智能预测模块包括:用户数据获取单元、用户数据定义单元和用户数据预测单元。
其中,用户数据获取单元用于从对应的API接口获取付费终端设备、计费终端设备和协同服务器处与付费终端设备的用户相关的数据。
用户数据定义单元用于根据设定筛选标准判断用户数据获取单元所获取的数据的数据类型。用户数据预测单元至少包含一个由用户数据定义单元筛选后的数据进行训练而构建的第一人工神经网络模型。第一人工神经网络模型的输入数据为付费终端设备的用户的历史出行数据和费用数据以及它们的对应关系数据。第一人工神经网络模型的输出数据为付费终端设备的用户未来出行数据和费用数据以及对应的置信度。
通过用户数据预测单元的第一人工神经网络模型可以预测处用户可能产生的费用,然后根据这些费用的累计,预测可能产生费情况。根据预先设置的财务原则和预测产生的费用情况降低因为清算以及结算而产生资金流动的风险。这对于公共交通出现这样应用场景十分有必要,因为用户数量众多交易频次高,如果仅以产生费用数据进行预测则会产生系统性风险。
如图12所示,构建第一人工神经网络模型可以采用一般模型构建手段,由于之前所述的特点:用户数量众多交易频次高,所以数据量足以进行模型的训练和验证。
作为本申请的另一方面,为了降低清算和结算时,合作方的财务风险,智能预测模块还包括:机构数据获取单元、机构数据定义单元和机构数据预测单元。
机构数据获取单元用于从对应的API接口获取付费终端设备、计费终端设备和协同服务器处与计费终端设备的所属机构相关的数据。
机构数据定义单元用于根据设定筛选标准判断机构数据获取单元所获取的数据的数据类型。
机构数据预测单元至少包含一个由机构数据定义单元筛选后的数据进行训练而构建的第二人工神经网络模型。
第二人工神经网络模型的输入数据为计费终端设备的机构的历史费用数据和结算数据以及机构的风险数据。第二人工神经网络模型的输出数据为计费终端设备的机构的风险预警数据。计费终端设备的机构的风险数据包括:经营风险数据、信用风险数据、法律风险数据和业务风险数据。
具体而言,经营风险数据包括具体的企业经营状态命中非“存续”“在业”等正常状态,则发出预警信息;企业命中严重税务违规,严重工商违规等违规行为,则发出预警信息。
信用风险数据包括机构的被执行信息、失信信息、限高信息等相关数据。
法律风险数据包括机的法律诉讼以及行政处罚的相关数据。
业务风险数据是指因为业务历史数据中出现的异常数据。
通过上的方式,智能预测模块结合了付费用户以及收费机构未来数据和风险预警输出对应预测数据,从而使中心服务器在进行清算和结算时能够避免由这两方面带来的风险。提高清分和结算的可靠性,同时避免财务风险。
结合以上数据中台系统的方案,智能预测模块中的用户数据获取单元和用户数据定义单元可以基于数据中台的数据平台子系统和数据资产子系统得以实现,用户数据预测单元中模型可以由数据中心子系统生成,并且存储到数据资产子系统中作为模型模板文件。
类似的,智能预测模块中的机构数据获取单元和机构数据定义单元可以基于数据中台中的数据平台子系统而得以实现,机构数据预测单元中模型可以由数据中心子系统生成,并且存储到数据资产子系统中作为模型模板文件。
并且,该方案中的智能清分模块和智能结算模块的开发可以基于数据平台子系统和数据中心子系统的数据和模型通过一般性的设置即可以上线实现具体功能。相对于从数据底层到应用层的整体研发,其灵活性更强,进一步降低了系统风险。
作为优选方案,用户数据获取单元从数据中台系统获得所需数据,用户数据定义单元将筛选标准发送到数据中台系统的数据平台子系统通过数据平台子系统实现数据筛选的设定,然后由数据中心子系统实现数据汇聚、融合,对于已经形成数据资产的数据直接访问数据资产子系统获取对应的数据,这里数据不仅是原始的数据,也包括人工神经网络模型数据及其输出的二次数据。用户数据预测单元可以从数据中台系统中的神经网络模型模块获取对应的模型和数据。相应的,机构数据获取单元从数据中台系统获得所需数据,机构数据定义单元将筛选标准发送到数据中台系统的数据平台子系统通过数据平台子系统实现数据筛选的设定,然后由数据中心子系统实现数据汇聚、融合,对于已经形成数据资产的数据直接访问数据资产子系统获取对应的数据,这里数据不仅是原始的数据,也包括人工神经网络模型数据及其输出的二次数据。机构数据预测单元可以从数据中台系统中的神经网络模型模块获取对应的模型和数据。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述适用于城市交通出行数据服务的数据中台系统包括:
数据中心子系统,用于实现数据汇总、融合以及特征提取;
数据平台子系统,用于提供数据标准化、数据开发以及数据算法模型的应用平台;
数据资产子系统,用于实现对原始数据以及基于原始数据的加工后数据的数据资产管理;
数据处理引擎模块,用于执行数据处理的相关程序;
神经网络引擎模块,用于执行神经网络训练、计算和验证的相关程序;
其中,所述数据资产子系统分别与所述数据中心子系统和所述数据平台子系统构成数据交互;
所述数据中心子系统包括:
基础数据中心模块,用于对来自不同数据源的数据进行数据筛选和标准化;
融合数据中心模块,用于将所述基础数据中心处理后的数据按照设定的主键设定进行数据融合以及数据库的形成;
智能数据中心模块,用于将所述融合数据中心模块输出的结构化数据通过设定的人工神经网络模型进行处理从而输出加工后二级数据;
所述融合数据中心模块分别与所述基础数据中心模块和智能数据中心模块构成数据交互。
2.根据权利要求1所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据平台子系统包括:
数据标准平台模块,用于实现数据标准化的生成和管理;
数据开发平台模块,用于实现数据开发任务的生成、管理和输出;
数据算法平台模块,用于实现数据算法模型的生成、管理和输出;
所述数据标准平台模块分别与所述数据开发平台模块和所述数据算法平台模块构成数据交互。
3.根据权利要求2所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据标准平台模块包括:
数据批量采集单元,用于从各类数据接口批量采集数据;
实时数据采集单元,用于从各类数据接口实时采集数据;
数据标准管理单元,用于供开发者设置或存储数据标准化的文件数据。
4.根据权利要求3所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据开发平台模块包括:
离线开发单元,用于在离线状态下实现基于数据的开发任务;
实时开发单元,用于实时实现基于数据的开发任务;
运维任务单元,用于实现按照预设周期进行的运维任务。
5.根据权利要求4所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据算法平台模块包括:
可视化模型单元,用于实现人工神经网络模型的可视化建模;
模型部署单元,用于部署已经完成训练的人工神经网络模型;
模型调用单元,用于对已经完成训练的人工神经网络模型实现调用。
6.根据权利要求5所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据资产子系统包括:
数据地图模块,用于实现数据的位置和索引管理;
数据质量模块,用于实现数据质量的校验和管理;
神经网络模型模块,用于实现神经网络模型的存储和管理。
7.根据权利要求6所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述数据地图模块包括:
数据目录管理单元,用于实现数据目录的管理;
数据权限管理单元,用于实现数据权限的管理;
数据关系管理单元,用于实现数据关系的管理;
数据资产管理单元,用于实现数据价值的管理;
数据报表管理单元,用于实现数据报表的管理。
8.根据权利要求7所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述神经网络模块包括:
神经网络模型配置单元,用于配置人工神经网络模型的类型以及网络结构;
神经网络参数配置单元,用于配置人工神经网络模型的参数;
神经网络数据配置单元,用于配置人工神经网络模型的训练集数据、验证集数据和测试集数据。
9.根据权利要求8所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述智能数据中心模块包括:
基础交通数据单元,用于存储和管理基础交通数据;
交通特征数据单元,用于存储和管理交通特征数据;
其中,所述基础交通数据包括车站数据、运价数据和车次数据;所述交通特征数据包括路径特征数据和运载特征数据。
10.根据权利要求9所述的适用于城市交通出行数据服务的数据中台系统,其特征在于:
所述智能数据中心模块还包括:
乘客画像数据单元,用于存储和管理乘客画像数据;
乘客服务数据单元,用于存储和管理乘客服务数据;
其中,所述乘客画像数据包括乘客年龄数据、出行频次数据、消费能力数据和信用情况数据;所述乘客服务数据包括订单数据、优惠数据和偏好数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620956.1A CN113393357A (zh) | 2021-06-03 | 2021-06-03 | 适用于城市交通出行数据服务的数据中台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110620956.1A CN113393357A (zh) | 2021-06-03 | 2021-06-03 | 适用于城市交通出行数据服务的数据中台系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393357A true CN113393357A (zh) | 2021-09-14 |
Family
ID=77618203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110620956.1A Pending CN113393357A (zh) | 2021-06-03 | 2021-06-03 | 适用于城市交通出行数据服务的数据中台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393357A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455549A (zh) * | 2023-11-08 | 2024-01-26 | 广州丰石科技有限公司 | 一种基于城市体征指标的消费能力评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294613A1 (en) * | 2010-07-09 | 2019-09-26 | State Street Corporation | Systems and Methods for Data Warehousing |
CN112287275A (zh) * | 2020-10-28 | 2021-01-29 | 云赛智联股份有限公司 | 一种城市级数据中台 |
CN112580914A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 汇集多源数据的企业级数据中台系统的实现方法及装置 |
-
2021
- 2021-06-03 CN CN202110620956.1A patent/CN113393357A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294613A1 (en) * | 2010-07-09 | 2019-09-26 | State Street Corporation | Systems and Methods for Data Warehousing |
CN112580914A (zh) * | 2019-09-30 | 2021-03-30 | 北京国双科技有限公司 | 汇集多源数据的企业级数据中台系统的实现方法及装置 |
CN112287275A (zh) * | 2020-10-28 | 2021-01-29 | 云赛智联股份有限公司 | 一种城市级数据中台 |
Non-Patent Citations (2)
Title |
---|
苏萌等: "数据中台技术相关进展及发展趋势", 《数据与计算发展前沿》 * |
黄博丽等: ""互联网+"高铁车站智慧出行平台方案研究", 《铁路计算机应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117455549A (zh) * | 2023-11-08 | 2024-01-26 | 广州丰石科技有限公司 | 一种基于城市体征指标的消费能力评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Merlin | Comparing automated shared taxis and conventional bus transit for a small city | |
Nathanail et al. | Smart interconnections of interurban and urban freight transport towards achieving sustainable city logistics | |
Nelson et al. | The impact of the application of new technology on public transport service provision and the passenger experience: A focus on implementation in Australia | |
Pulido et al. | The urban rail development handbook | |
Lovrić et al. | Sustainable revenue management: A smart card enabled agent-based modeling approach | |
CN109598361B (zh) | 一种基于网约车平台的公务用车管理系统 | |
Patel et al. | Mobility-on-demand (MOD) Projects: A study of the best practices adopted in United States | |
CN113393357A (zh) | 适用于城市交通出行数据服务的数据中台系统 | |
CN113362054B (zh) | 基于人工智能的城市公共交通支付的数字清分结算系统 | |
Chatterjee | Centre for railway information systems (cris)-the Automated Railway Management System: A case study | |
Yatskiv et al. | Benchmarking and assessment of good practices in public transport information systems | |
Mahendra | Road pricing: Public perceptions and program development | |
Yin et al. | Framework for deployment planning of bus rapid transit systems | |
Amiegbebhor et al. | Initiating Smart Public Transportation in Lagos: Setting the Tone for African Cities | |
KR102581182B1 (ko) | 운행시간에 따른 유상운송종합보험 보험료 산출 서비스 제공 시스템 | |
Tyrinopoulos et al. | A critical overview of ICT deployment in transport in Europe | |
Cruz et al. | Digitalization in road projects: toward a more integrated mobility supply | |
Yoshida | Dynamic demand prediction model and application for competitive transportation market | |
Christodoulou et al. | The governance of urban public transport systems: the case of Zurich (ZVV) | |
Card | THE LTD CONNECTOR: Evaluating the Effectiveness of Mobility-On-Demand in Cottage Grove, Oregon | |
Lu et al. | A Combined Quantitative and Qualitative Approach to Planning for Improved Intermodal Connectivity at California Airports | |
Bashynska et al. | Risk management of smart accounting system implementation in urban passenger transport based on integration of smart innovations, information technologies and marketing tools | |
Rodríguez | Developing a system architecture for intelligent transportation systems with application to San Juan, Puerto Rico | |
Chacon-Hurtado et al. | EconWorks tools for assessing the wider economic benefits of transportation implementation assistance | |
Chellanthara | Evaluating car sharing fleet management strategies using Discrete Event Simulation |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210914 |