CN113807731B - 车辆预警信息的处理方法、装置、计算机设备及存储介质 - Google Patents
车辆预警信息的处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113807731B CN113807731B CN202111143633.4A CN202111143633A CN113807731B CN 113807731 B CN113807731 B CN 113807731B CN 202111143633 A CN202111143633 A CN 202111143633A CN 113807731 B CN113807731 B CN 113807731B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- early warning
- early
- information
- warning
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 abstract description 3
- 230000010365 information processing Effects 0.000 abstract description 2
- 230000001960 triggered effect Effects 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0645—Rental transactions; Leasing transactions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种车辆预警信息的处理方法、装置、计算机设备及存储介质,涉及信息技术领域,主要在于能够判定发生预警的租赁车辆是否真正处于风险状态,只有在租赁车辆处于风险状态时才通知人工介入,从而能够减少操作人员的介入次数,降低人工成本。其中方法包括:获取待处理的预警车辆对应的预警信息;根据所述预警信息,计算所述预警车辆对应的风险容忍度;基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。本发明适用于预警信息的处理。
Description
技术领域
本发明涉及信息技术领域,尤其是涉及一种车辆预警信息的处理方法、装置、计算机设备及存储介质。
背景技术
随着人们经济收入水平的提高,租车越来越普遍,车辆租赁公司为了保证租赁车辆的安全,一般会对租赁车辆进行监控,如果监控系统监测到租赁车辆使出预定范围,或者GPS离线便会产生预警信息。
目前,在车辆监控过程中,如果一旦接收到租赁车辆的预警信息,便会直接通知操作人员介入,以便解除租赁车辆存在的风险。然而,在有些情况下,虽然租赁车辆触发预警,但是租赁车辆实际并不存在风险,或者存在的风险较小,并不需要人工介入,因此这种直接通知操作人员介入的方式无法判定租赁车辆是否真正处于风险状态,即无法对预警信息的可靠性进行验证,从而增加了操作人员的工作量,浪费了大量的人力成本。
发明内容
本发明提供了一种车辆预警信息的处理方法、装置、计算机设备及存储介质,主要在于能够判定发生预警的租赁车辆是否真正处于风险状态,只有在租赁车辆处于风险状态时才通知人工介入,从而能够减少操作人员的介入次数,降低人工成本。
根据本发明的第一个方面,提供一种车辆预警信息的处理方法,包括:
获取待处理的预警车辆对应的预警信息;
根据所述预警信息,计算所述预警车辆对应的风险容忍度;
基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
根据本发明的第二个方面,提供一种车辆预警信息的处理装置,包括:
获取单元,用于获取待处理的预警车辆对应的预警信息;
计算单元,用于根据所述预警信息,计算所述预警车辆对应的风险容忍度;
判定单元,用于基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
发送单元,用于若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
根据本发明的第三个方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:
获取待处理的预警车辆对应的预警信息;
根据所述预警信息,计算所述预警车辆对应的风险容忍度;
基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
根据本发明的第四个方面,提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
获取待处理的预警车辆对应的预警信息;
根据所述预警信息,计算所述预警车辆对应的风险容忍度;
基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
本发明提供的一种车辆预警信息的处理方法、装置、计算机设备及存储介质,与目前一旦接收到租赁车辆的预警信息,便直接通知操作人员介入的方式相比,本方明能够获取待处理的预警车辆对应的预警信息;并根据所述预警信息,计算所述预警车辆对应的风险容忍度;与此同时,基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息,由此通过计算预警车辆对应的风险容忍度,能够判定预警信息是否可靠,即能够判定预警车辆是否真正处于风险状态,当确定预警车辆真正处于风险状态时,才通知操作人员介入,从而能够减少操作人员针对预警车辆的介入次数,减少了操作人员的工作量,降低人工成本。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1示出了本发明实施例提供的一种车辆预警信息的处理方法流程图;
图2示出了本发明实施例提供的另一种车辆预警信息的处理方法流程图;
图3示出了本发明实施例提供的一种车辆预警信息的处理装置的结构示意图;
图4示出了本发明实施例提供的另一种车辆预警信息的处理装置的结构示意图;
图5示出了本发明实施例提供的一种计算机设备的实体结构示意图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。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。
目前,在车辆监控过程中,这种直接通知操作人员介入的方式无法判定租赁车辆是否真正处于风险状态,即无法对预警信息的可靠性进行验证,从而增加了操作人员的工作量,浪费了大量的人力成本。
为了解决上述问题,本发明实施例提供了一种车辆预警信息的处理方法,如图1所示,所述方法包括:
101、获取待处理的预警车辆对应的预警信息。
其中,待处理的预警车辆为租赁公司租赁给其他公司或者个人的租赁车辆,预警信息包括预警车辆的预警类型,车辆信息、位置信息和预警时间等,预警类型包括租赁车辆驶出围栏、设备分离、长时间停车、信号丢失、设备拆除、合同逾期、违章超过6分等,车辆信息包括预警车辆对应的车辆品牌、车牌号等,位置信息包括预警车辆当前所处的位置信息和预警车辆触发预警时的位置信息。为了克服现有技术中一旦租赁车辆触发预警,便直接通知操作人员介入,从而导致操作人员工作负担重,人工成本高的缺陷,本发明实施例在租赁车辆触发预警时,通过计算租赁车辆对应的风险容忍度,能够判定租赁车辆当前是否真正处于风险状态,如果租赁车辆当前确实处于风险状态,则通知操作人员介入,从而能够减少操作人员针对预警车辆的介入次数,减少了操作人员的工作量,降低了人工成本。本发明实施例主要应用于对租赁车辆的预警信息进行处理的场景,本发明实施例的执行主体为能够对租赁车辆的预警信息进行处理的装置或者设备,具体可以设置在服务器一侧。
对于本发明实施例,为了保证租赁车辆的安全,防止租赁公司发生财产损失,通常通过监控系统对租赁公司出租给其他公司或者个人的车辆进行监控,如果租赁车辆一旦出现有源或者无源GPS离线、长时间停车、设备拆除、使出围栏等情况,便会触发预警,例如,监测到租赁车辆驶出合同规定的运营围栏超过2公里,且时长超过60分钟,便会触发预警,再比如,有源设备上报的速度如果小于3公里/小时,或者位置偏移量小于200米,则视为车辆禁止,当静止时长超过120小时,便会触发预警。当监控到租赁车辆有上述任意一种情况发生时,监控系统会便会产生该预警车辆的一条预警信息,包括预警车辆的预警类型,车辆信息、位置信息和预警时间等,为了防止操作人员的过多介入,虽然预警车辆产生了预警信息,但并不会第一时间通知操作人员介入,在本发明实施例中会先计算预警车辆对应的风险容忍度,当通过风险容忍度,确定预警车辆真正处于风险状态时,才会通知操作人员介入,需要说明的是,上述监控系统产生的预警信息仅会存储在监控系统中,并不会被操作人员看到,由此能够减少操作人员的介入次数,降低人工成本。
102、根据所述预警信息,计算所述预警车辆对应的风险容忍度。
其中,该风险容忍度可以用于表示预警车辆对风险的容忍程度,由于有些预警车辆虽然触发了预警,但实际其并没有处于风险状态,如果此时便通知操作人员介入,会大大增加操作人员的工作量,为了克服上述缺陷,本发明实施例通过计算预警车辆对应的风险容忍度,能够判定预警车辆当前是否真正处于风险状态。
在计算预警车辆对应的风险容忍度的过程中,首先根据预警车辆对应的预警信息,从大量发生过预警事件的历史车辆中找出与该预警车辆相匹配的匹配历史车辆,具体地,可以根据预警车辆对应的预警信息,利用机器学习模型确定预警车辆对应的类别信息,基于该类别信息从大量历史预警车辆中找出与该预警车辆属于相同类别的目标历史车辆,如果目标历史车辆存在多个,则可以根据各个目标历史车辆对应的历史预警信息和预警车辆对应的预警信息,分别计算预警车辆与各个目标历史车辆之间的相似度,基于该相似度从各个目标历史车辆中挑选出与该预警车辆最匹配的匹配历史车辆,之后基于该匹配历史车辆对应的历史预警记录,确定匹配历史车辆最先触发预警的时间以及后来操作人员介入的时间,基于最先的预警触发时间和操作人员介入时间,确定预警车辆对应的风险容忍度,以便利用该风险容忍度,判定预警车辆当前是否真正处于风险状态。计算预警车辆对应的风险容忍度的详细过程见步骤202和203。
103、基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态。
对于本发明实施例,为了判定预警车辆是否处于风险状态,可以确定预警车辆当前的风险时长,如果该风险时长小于风险容忍度,则判定预警车辆当前没有处于风险状态;如果该风险时长大于或者等于风险容忍度,则判定预警车辆当前处于风险状态。
例如,根据匹配历史车辆对应的历史预警记录,确定匹配历史车辆由于在某地下车库长时间停车最先被触发预警的时间是26号13点,操作人员介入确定其存在风险的时间是27号13点,由此可知匹配历史车辆在该位置停车时间超过24小时,便会处于风险状态,由于匹配历史车辆与预警车辆的匹配度较高,因此可以确定预警车辆在该地区长时间停车超过24小时便会处于风险状态,即可以确定预警车辆对应的风险容忍度为24小时。进一步地,如果预警车辆最先被触发预警的时间信息为30号的10点,当前的时间为30号的13点,则可以确定预警车辆对应的风险时长为3小时,由于该风险时长小于风险容忍度24小时,则可以判定该预警车辆当前没有处于风险状态;如果当前的时间为31号12点,由于预警车辆对应的风险时长超过风险容忍度24小时,则判定该预警车辆当前处于风险状态。
104、若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
对于本发明实施例,为了防止操作人员过早介入,如果通过风险容忍度,判定预警车辆当前没有处于风险状态时,则不会向操作人员终端发送对预警信息进行处理的提示信息;如果通过风险容忍度,判定预警车辆当前处于风险状态,则向操作人员终端发送对预警信息进行处理的提示信息,由此能够减少操作人员的介入次数,减轻操作人员的工作量。
本发明实施例提供的一种车辆预警信息的处理方法,与目前一旦接收到租赁车辆的预警信息,便直接通知操作人员介入的方式相比,本方明能够获取待处理的预警车辆对应的预警信息;并根据所述预警信息,计算所述预警车辆对应的风险容忍度;与此同时,基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息,由此通过计算预警车辆对应的风险容忍度,能够判定预警信息是否可靠,即能够判定预警车辆是否真正处于风险状态,当确定预警车辆真正处于风险状态时,才通知操作人员介入,从而能够减少操作人员针对预警车辆的介入次数,减少了操作人员的工作量,降低人工成本。
进一步的,为了更好的说明上述对车辆预警信息的处理过程,作为对上述实施例的细化和扩展,本发明实施例提供了另一种车辆预警信息的处理方法,如图2所示,所述方法包括:
201、获取待处理的预警车辆对应的预警信息。
对于本发明实施例,为了计算预警车辆对应的风险容忍度,需要获取预警车辆对应的预警信息,针对该预警信息的具体获取过程与步骤101完全相同,在此不再赘述。
202、根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆。
对于本发明实施例,为了确定与预警车辆相匹配的匹配历史车辆,步骤202具体包括:根据所述预警信息,确定所述预警车辆对应的类别信息;从所述历史预警车辆中确定具有所述类别信息的各个目标历史车辆;基于所述预警信息和所述各个目标历史车辆对应的历史预警信息,分别计算所述预警车辆与所述各个目标历史车辆之间的相似度;基于计算的各个相似度,从所述各个目标历史车辆中确定与所述预警车辆相匹配的匹配历史车辆。其中,预警车辆对应的类别信息包括第一预警类别和第二预警类别。
对于本发明实施例,为了能够找到与预警车辆最匹配的匹配历史车辆,可以先利用机器学习模型,确定预警车辆对应的类别信息,如果预警车辆对应的类别信息为第一预警类别,则在历史预警车辆中确定属于第一预警类别的各个目标历史车辆;如果预警车辆对应的类别信息为第二预警类别,则在历史预警车辆中确定属于第二预警类别的各个目标历史车辆,从而能够缩小预警车辆与历史预警车辆之间的匹配范围,在锁定与预警车辆具有相同类别的目标历史车辆之后,为了实现预警车辆与历史预警车辆之间的精确匹配,可以根据预警车辆对应的预警信息和各个目标历史车辆对应的历史预警信息,分别计算预警车辆与各个目标历史车辆之间的相似度,根据各个目标历史车辆对应的相似度大小,筛选出最大相似度对应的目标历史车辆,并将该最大相似度对应的目标历史车辆,确定为预警车辆相匹配的匹配历史车辆。
具体地,在计算预警车辆与各个目标历史车辆之间的相似度的过程中,首先根据预警车辆对应的预警信息,确定预警车辆对应的特征向量,在确定预警车辆对应的特征向量时,根据预警类型、车辆信息、位置信息和预警时间分别对应的种类数量,确定预警车辆对应的特征向量的维度,例如,预警类型共有8种,车辆信息包括50种,位置信息10种,预警时间包括20种,则可以确定特征向量对应的维度为8+50+10+20=88,之后根据预警车辆对应的预警信息,将相应位置处的分量设定为1,其他分量均为0,由此能够得到预警车辆对应的特征向量,同理可以确定各个目标历史车辆对应的特征向量,进一步地,根据预警车辆对应的特征向量和各个历史车辆对应的特征向量,分别计算预警车辆和各个目标历史车辆之间的欧式距离,具体计算公式如下:
其中,d为预警车辆与各个目标历史车辆之间的欧式距离,(x1,x2,…,xn)表示预警车辆对应的特征向量,(y1,y1,…,yn)表示目标历史车辆对应的特征向量,由此按照上述公式能够计算出预警车辆与各个目标历史车辆之间的欧式距离,该欧式距离越大,预警车辆与目标历史车辆之间的相似度越小,该欧式距离越小,预警车辆与目标历史车辆之间的相似度越大,由此可以通过计算的欧式距离,从各个目标历史车辆中挑选出与预警车辆相似度最高的目标历史车辆,并将其确定为与预警车辆相匹配的匹配历史车辆。
需要说明的是,在计算预警车辆与各个目标历史车辆之间的相似度的过程中,可以仅选取某个或者某几个维度进行相似的计算,例如,根据预警车辆对应的预警类型和位置信息,以及各个目标历史车辆分别对应的预警类型和位置信息,计算预警车辆分别与各个目标历史车辆之间的相似度,相似度最高的目标历史车辆(匹配历史车辆)与预警车辆的预警类型和位置信息相同或者相近,如预警车辆对应的预警类型为无源GPS离线,位置信息为某地下车库,匹配历史车辆对应的预警类型也为无源GPS离线,位置信息也为某地下车库,由此可以利用匹配历史车辆对应的预警历史记录,确定预警车辆对应的风险容忍度。
进一步地,在本发明实施例中,可以采用多层感知器对预警车辆进行分类,确定预警车辆对应的类别信息,在利用多层感知器进行分类之前,需要获取训练样本,利用训练样本构建多层感知器,具体地,可以收集大量历史预警车辆对应的历史预警记录,如果该历史预警记录中有操作人员介入,且经操作人员核实后确定该历史预警车辆确实存在风险,则确定历史预警记录中的历史预警信息属于第一预警类别,并将其标注为1;如果该历史预警记录中没有操作人员介入,或者虽然有操作人员介入,但是经操作人员核实后确认为历史预警车辆不存在风险,则确定历史预警记录中的历史预警信息属于第二预警类别,并将其标注为0,进一步地,将标注后的历史预警信息作为训练样本,利用该训练样本构建构建多层感知器。
进一步地,在构建完多层感知器后,将预警车辆对应的预警类型,车辆信息、位置信息和预警时间共同输入至多层感知器中进行分类,得到预警车辆属于第一预警类别的第一概率值和属于第二预警类别的第二概率值,若第一概率值大于第二概率值,则确定预警车辆属于第一预警类别;若第一概率值小于第二概率值,则确定预警车辆属于第二预警类别。其中,多层感知器包括输入层、隐藏层和输出层。
具体地,在进行分类的过程中,将预警信息通过多层感知器的输入层输入至隐藏层,通过该隐藏层输出的结果为:
f(W1x+b1)
其中,x为预警信息(预警类型,车辆信息、位置信息和预警时间),W1为隐藏层的权重,也是多层感知器的连接系数,b1为隐藏层的偏置系数,f函数通常可以采用sigmoid函数或者tanh函数,如下所示:
sigmoid(x)=1/(1+e-x)
tanh(x)=(ex-e-x)/(ex+e-x)
进一步地,再将该结果输入至输出层,通过该输出层进行分类,得到的分类结果为:
softmax(W2f(W1x+b1)+b2)
其中,W2为输出层的权重系数,b2为输出层的偏置系数,通过多层感知器的输出层能够输出预警车辆对应的分类结果。
203、基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度。
对于本发明实施例,为了确定预警车辆对应的风险容忍度,步骤203具体包括:根据所述匹配历史车辆对应的历史预警记录,确定所述历史匹配车辆对应的操作人员参与时间;根据所述匹配历史车辆对应的历史预警时间和所述操作人员参与时间,确定所述预警车辆对应的风险容忍时长;将所述风险容忍时长确定为所述预警车辆对应的风险容忍度。
例如,根据匹配历史车辆对应的历史预警记录,确定匹配历史车辆由于无源GPS离线最先被触发预警的时间是15号13点,操作人员介入确定其存在风险的时间是16号13点,由此可知匹配历史车辆无源GPS离线时间超过24小时,便会处于风险状态,由于匹配历史车辆与预警车辆的匹配度较高,因此可以确定预警车辆无源GPS离线超过24小时便会处于风险状态,即可以确定预警车辆对应的风险容忍度为24小时。
204、基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态。
对于本发明实施例,为了判定预警车辆当前是否处于风险状态,步骤204具体包括:根据所述预警信息中的预警时间和当前时间,确定所述预警车辆对应的风险时长;若所述风险时长小于所述风险容忍时长,则判定所述预警车辆当前没有处于所述风险状态;若所述风险时长大于或者等于所述风险容忍时长,则判定所述预警车辆处于所述风险状态。
例如,预警车辆由于无源GPS离线第一次被触发预警的时间为30号的10点00分,由于预警车辆当前没有超过风险容忍度24小时,因此确定预警车辆没有处于风险状态,不会马上向操作人员终端发送预警提示信息,报警信息会每隔预设时间产生一次,如每隔5分钟产生一次预警信息,由于预警信息第二次产生的时候,距离当前仅有5分钟,其没有超过风险容忍度24小时,因此预警车辆还是没有处于风险状态,不会向操作人员的终端发生预警提示信息,但当预警信息第n次产生的时候,如果最先发生预警的时间距离当前超过24小时,则认为预警车辆当前处于风险状态,会向操作人员终端发送对预警信息进行处理的提示信息。
205、若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
对于本发明实施例,当确定预警车辆处于风险状态,通知操作人员介入之后,如果操作人员核实预警车辆并无风险,则需要重新确定预警车辆对应的风险容忍度,即对当前的风险容忍度进行更新,基于此,所述方法包括:若接收到所述操作人员核实所述预警车辆无风险的确认信息,则根据所述预警信息中的预警时间和所述预警车辆对应的操作人员参与时间,重新确定所述预警车辆对应的风险容忍度。
例如,确定预警车辆对应的风险容忍度为24小时,预警车辆由于无源GPS离线最先发生预警的时间为15号13点,16号13点由于达到预警车辆的风险容忍度,因此通知操作人员介入对该预警信息进行处理,如果操作人员介入后经核实预警车辆并无风险,且核实完成的时间点为16号19点,基于预警车辆最先触发预警的时间信息15号13点和操作人员的参与时间16号19点,重新确定预警车辆对应的风险容忍度为30小时,从而完成对预警车辆风险容忍度的更新。
本发明实施例提供的另一种车辆预警信息的处理方法,与目前一旦接收到租赁车辆的预警信息,便直接通知操作人员介入的方式相比,本方明能够获取待处理的预警车辆对应的预警信息;并根据所述预警信息,计算所述预警车辆对应的风险容忍度;与此同时,基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息,由此通过计算预警车辆对应的风险容忍度,能够判定预警信息是否可靠,即能够判定预警车辆是否真正处于风险状态,当确定预警车辆真正处于风险状态时,才通知操作人员介入,从而能够减少操作人员针对预警车辆的介入次数,减少了操作人员的工作量,降低人工成本。
进一步地,作为图1的具体实现,本发明实施例提供了一种车辆车辆预警信息的处理装置,如图3所示,所述装置包括:获取单元31、计算单元32、判定单元33和发送单元34。
所述获取单元31,可以用于获取待处理的预警车辆对应的预警信息。
所述计算单元32,可以用于根据所述预警信息,计算所述预警车辆对应的风险容忍度。
所述判定单元33,可以用于基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态。
所述发送单元34,可以用于若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
在具体应用场景中,为了计算预警车辆对应的风险容忍度,所述计算单元32,如图4所示,包括:第一确定模块321和第二确定模块322。
所述第一确定模块321,可以用于根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆。
所述第二确定模块322,可以用于基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度。
进一步地,为了确定与所述预警车辆相匹配的匹配历史车辆,所述第一确定模块321,包括:确定子模块和计算子模块。
所述确定子模块,可以用于根据所述预警信息,确定所述预警车辆对应的类别信息。
所述确定子模块,还可以用于从所述历史预警车辆中确定具有所述类别信息的各个目标历史车辆。
所述计算子模块,可以用于基于所述预警信息和所述各个目标历史车辆对应的历史预警信息,分别计算所述预警车辆与所述各个目标历史车辆之间的相似度。
所述确定子模块,还可以用于基于计算的各个相似度,从所述各个目标历史车辆中确定与所述预警车辆相匹配的匹配历史车辆。
进一步地,所述预警信息包括所述预警车辆对应的预警类型、车辆信息、位置信息和预警时间,所述确定子模块,具体可以用于将所述预警类型、所述车辆信息、所述位置信息和所述预警时间共同输入至多层感知器进行分类,得到所述预警车辆对应的类别信息。
进一步地,为了确定预警车辆对应的风险容忍度,所述第二确定模块322,具体可以用于根据所述匹配历史车辆对应的历史预警记录,确定所述历史匹配车辆对应的操作人员参与时间;根据所述匹配历史车辆对应的历史预警时间和所述操作人员参与时间,确定所述预警车辆对应的风险容忍时长;将所述风险容忍时长确定为所述预警车辆对应的风险容忍度。
在具体应用场景中,为了判定预警车辆当前是否处于风险状态,所述判定单元33,包括:第三确定模块331和判定模块332。
所述第三确定模块331,可以用于根据所述预警信息中的预警时间和当前时间,确定所述预警车辆对应的风险时长。
所述判定模块332,可以用于若所述风险时长小于所述风险容忍时长,则判定所述预警车辆当前没有处于所述风险状态。
所述判定模块332,还可以用于若所述风险时长大于或者等于所述风险容忍时长,则判定所述预警车辆处于所述风险状态。
在具体应用场景中,为了更新预警车辆对应的风险容忍度,所述装置还包括确定单元35。
所述确定单元35,可以用于若接收到所述操作人员核实所述预警车辆无风险的确认信息,则根据所述预警信息中的预警时间和所述预警车辆对应的操作人员参与时间,重新确定所述预警车辆对应的风险容忍度。
需要说明的是,本发明实施例提供的一种车辆预警信息的处理装置所涉及各功能模块的其他相应描述,可以参考图1所示方法的对应描述,在此不再赘述。
基于上述如图1所示方法,相应的,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以下步骤:获取待处理的预警车辆对应的预警信息;根据所述预警信息,计算所述预警车辆对应的风险容忍度;基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
基于上述如图1所示方法和如图3所示装置的实施例,本发明实施例还提供了一种计算机设备的实体结构图,如图5所示,该计算机设备包括:处理器41、存储器42、及存储在存储器42上并可在处理器上运行的计算机程序,其中存储器42和处理器41均设置在总线43上所述处理器41执行所述程序时实现以下步骤:获取待处理的预警车辆对应的预警信息;根据所述预警信息,计算所述预警车辆对应的风险容忍度;基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息。
通过本发明的技术方案,本方明能够获取待处理的预警车辆对应的预警信息;并根据所述预警信息,计算所述预警车辆对应的风险容忍度;与此同时,基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息,由此通过计算预警车辆对应的风险容忍度,能够判定预警信息是否可靠,即能够判定预警车辆是否真正处于风险状态,当确定预警车辆真正处于风险状态时,才通知操作人员介入,从而能够减少操作人员针对预警车辆的介入次数,减少了操作人员的工作量,降低人工成本。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包括在本发明的保护范围之内。
Claims (4)
1.一种车辆预警信息的处理方法,其特征在于,包括:
获取待处理的预警车辆对应的预警信息;
根据所述预警信息,计算所述预警车辆对应的风险容忍度;
基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息;
所述根据所述预警信息,计算所述预警车辆对应的风险容忍度,包括:
根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆;
基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度;
所述基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度,包括:
根据所述匹配历史车辆对应的历史预警记录,确定所述历史匹配车辆对应的操作人员参与时间;
根据所述匹配历史车辆对应的历史预警时间和所述操作人员参与时间,确定所述预警车辆对应的风险容忍时长;
将所述风险容忍时长确定为所述预警车辆对应的风险容忍度;
所述根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆,包括:
根据所述预警信息,确定所述预警车辆对应的类别信息;
从所述历史预警车辆中确定具有所述类别信息的各个目标历史车辆;
基于所述预警信息和所述各个目标历史车辆对应的历史预警信息,分别计算所述预警车辆与所述各个目标历史车辆之间的相似度;
基于计算的各个相似度,从所述各个目标历史车辆中确定与所述预警车辆相匹配的匹配历史车辆;
所述预警信息包括所述预警车辆对应的预警类型、车辆信息、位置信息和预警时间,所述根据所述预警信息,确定所述预警车辆对应的类别信息,包括:
将所述预警类型、所述车辆信息、所述位置信息和所述预警时间共同输入至多层感知器进行分类,得到所述预警车辆对应的类别信息;
所述基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态,包括:
根据所述预警信息中的预警时间和当前时间,确定所述预警车辆对应的风险时长;
若所述风险时长小于所述风险容忍时长,则判定所述预警车辆当前没有处于所述风险状态;
若所述风险时长大于或者等于所述风险容忍时长,则判定所述预警车辆处于所述风险状态;
在所述向操作人员终端发送对所述预警信息进行处理的提示信息之后,所述方法还包括:
若接收到所述操作人员核实所述预警车辆无风险的确认信息,则根据所述预警信息中的预警时间和所述预警车辆对应的操作人员参与时间,重新确定所述预警车辆对应的风险容忍度。
2.一种车辆预警信息的处理装置,其特征在于,包括:
获取单元,用于获取待处理的预警车辆对应的预警信息;
计算单元,用于根据所述预警信息,计算所述预警车辆对应的风险容忍度;
判定单元,用于基于所述风险容忍度,判定所述预警车辆当前是否处于风险状态;
发送单元,用于若所述预警车辆当前处于所述风险状态,则向操作人员终端发送对所述预警信息进行处理的提示信息;
所述计算单元包括:第一确定模块和第二确定模块,
所述第一确定模块,用于根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆;
所述第二确定模块,用于基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度;
所述第二确定模块具体用于根据所述匹配历史车辆对应的历史预警记录,确定所述历史匹配车辆对应的操作人员参与时间;根据所述匹配历史车辆对应的历史预警时间和所述操作人员参与时间,确定所述预警车辆对应的风险容忍时长;将所述风险容忍时长确定为所述预警车辆对应的风险容忍度;
所述计算单元包括:第一确定模块和第二确定模块,
所述第一确定模块,用于根据所述预警信息,从历史预警车辆中确定与所述预警车辆相匹配的匹配历史车辆;
所述第二确定模块,用于基于所述匹配历史车辆对应的历史预警记录,确定所述预警车辆对应的风险容忍度;
所述第一确定模块包括:确定子模块和计算子模块,
所述确定子模块,用于根据所述预警信息,确定所述预警车辆对应的类别信息;
所述确定子模块,还用于从所述历史预警车辆中确定具有所述类别信息的各个目标历史车辆;
所述计算子模块,用于基于所述预警信息和所述各个目标历史车辆对应的历史预警信息,分别计算所述预警车辆与所述各个目标历史车辆之间的相似度;
所述确定子模块,还用于基于计算的各个相似度,从所述各个目标历史车辆中确定与所述预警车辆相匹配的匹配历史车辆;
所述预警信息包括所述预警车辆对应的预警类型、车辆信息、位置信息和预警时间,所述确定子模块,用于将所述预警类型、所述车辆信息、所述位置信息和所述预警时间共同输入至多层感知器进行分类,得到所述预警车辆对应的类别信息;
所述第二确定模块,用于根据所述匹配历史车辆对应的历史预警记录,确定所述历史匹配车辆对应的操作人员参与时间;根据所述匹配历史车辆对应的历史预警时间和所述操作人员参与时间,确定所述预警车辆对应的风险容忍时长;将所述风险容忍时长确定为所述预警车辆对应的风险容忍度;
所述判定单元包括:第三确定模块和判定模块;
所述第三确定模块,用于根据所述预警信息中的预警时间和当前时间,确定所述预警车辆对应的风险时长;
所述判定模块,用于若所述风险时长小于所述风险容忍时长,则判定所述预警车辆当前没有处于所述风险状态;
所述判定模块,还用于若所述风险时长大于或者等于所述风险容忍时长,则判定所述预警车辆处于所述风险状态;
所述装置还包括确定单元,所述确定单元用于若接收到所述操作人员核实所述预警车辆无风险的确认信息,则根据所述预警信息中的预警时间和所述预警车辆对应的操作人员参与时间,重新确定所述预警车辆对应的风险容忍度。
3.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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所述的方法的步骤。
4.一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所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111143633.4A CN113807731B (zh) | 2021-09-28 | 2021-09-28 | 车辆预警信息的处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111143633.4A CN113807731B (zh) | 2021-09-28 | 2021-09-28 | 车辆预警信息的处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113807731A CN113807731A (zh) | 2021-12-17 |
CN113807731B true CN113807731B (zh) | 2024-04-09 |
Family
ID=78938878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111143633.4A Active CN113807731B (zh) | 2021-09-28 | 2021-09-28 | 车辆预警信息的处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113807731B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742541A (zh) * | 2008-11-13 | 2010-06-16 | 中国移动通信集团河北有限公司 | 基站退服预警方法和系统 |
CN104346246A (zh) * | 2013-08-05 | 2015-02-11 | 华为技术有限公司 | 故障预测方法和装置 |
WO2018152795A1 (zh) * | 2017-02-25 | 2018-08-30 | 深圳益强信息科技有限公司 | 一种基于大数据的预警系统及方法 |
CN108764725A (zh) * | 2018-05-29 | 2018-11-06 | 景祝强 | 基于历史维修记录的派单分类维修装置、系统以及方法 |
CN110096410A (zh) * | 2019-03-15 | 2019-08-06 | 中国平安人寿保险股份有限公司 | 告警信息处理方法、系统、计算机装置及可读存储介质 |
CN111275940A (zh) * | 2020-01-15 | 2020-06-12 | 深圳广联赛讯有限公司 | 车载定位设备被恶意拆除的识别方法以及终端设备 |
CN111866090A (zh) * | 2020-06-30 | 2020-10-30 | 中国铁道科学研究院集团有限公司 | 一种列车故障预警方法和装置 |
CN112258837A (zh) * | 2020-10-19 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 一种车辆预警的方法、相关装置、设备以及存储介质 |
CN112907138A (zh) * | 2021-03-26 | 2021-06-04 | 国网陕西省电力公司电力科学研究院 | 一种从局部到整体感知的电网场景预警分类方法及系统 |
-
2021
- 2021-09-28 CN CN202111143633.4A patent/CN113807731B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101742541A (zh) * | 2008-11-13 | 2010-06-16 | 中国移动通信集团河北有限公司 | 基站退服预警方法和系统 |
CN104346246A (zh) * | 2013-08-05 | 2015-02-11 | 华为技术有限公司 | 故障预测方法和装置 |
WO2018152795A1 (zh) * | 2017-02-25 | 2018-08-30 | 深圳益强信息科技有限公司 | 一种基于大数据的预警系统及方法 |
CN108764725A (zh) * | 2018-05-29 | 2018-11-06 | 景祝强 | 基于历史维修记录的派单分类维修装置、系统以及方法 |
CN110096410A (zh) * | 2019-03-15 | 2019-08-06 | 中国平安人寿保险股份有限公司 | 告警信息处理方法、系统、计算机装置及可读存储介质 |
CN111275940A (zh) * | 2020-01-15 | 2020-06-12 | 深圳广联赛讯有限公司 | 车载定位设备被恶意拆除的识别方法以及终端设备 |
CN111866090A (zh) * | 2020-06-30 | 2020-10-30 | 中国铁道科学研究院集团有限公司 | 一种列车故障预警方法和装置 |
CN112258837A (zh) * | 2020-10-19 | 2021-01-22 | 腾讯科技(深圳)有限公司 | 一种车辆预警的方法、相关装置、设备以及存储介质 |
CN112907138A (zh) * | 2021-03-26 | 2021-06-04 | 国网陕西省电力公司电力科学研究院 | 一种从局部到整体感知的电网场景预警分类方法及系统 |
Non-Patent Citations (1)
Title |
---|
" 基于交通事故下的雾区高速公路安全运行保障研究 ";吴琼;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150315(第03期);第C034-1761页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113807731A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11948405B2 (en) | Providing autonomous vehicle maintenance | |
US8676432B2 (en) | Fault prediction framework using temporal data mining | |
KR20190107080A (ko) | 클라우드 기반 차량 고장 진단 방법, 장치 및 시스템 | |
KR102190054B1 (ko) | 다중 정보 엔트로피의 비교를 통한 차량 내 외부 데이터 침입 탐지 장치 및 그 동작 방법 | |
DE112018001402T5 (de) | Elektronische steuervorrichtung für fahrzeug | |
CN111284426B (zh) | 车辆故障根本原因诊断 | |
CN109724812B (zh) | 车辆故障预警的方法、装置、存储介质和终端设备 | |
DE102020122757A1 (de) | Systeme und verfahren für mitfahrgelegenheiten unter verwendung von blockchain | |
CN111477007A (zh) | 一种车辆查控分析管理系统及方法 | |
US20200098205A1 (en) | System and method for determining damage | |
DE112018004705T5 (de) | Informationsverarbeitungsvorrichtung, informationsverarbeitungssystem, informationsverarbeitungsverfahren und programm | |
CN113902233A (zh) | 车辆安全预警方法、大数据平台装置、车载终端和车辆 | |
CN114239734B (zh) | 一种分布式车载健康管理系统 | |
CN105096594A (zh) | 基于行车记录仪的信息关联方法、装置及系统 | |
CN113287120A (zh) | 车辆驾驶环境异常监测方法、装置、电子设备和存储介质 | |
CN113815464A (zh) | 充电桩的推荐方法、装置、车辆以及存储介质 | |
CN113994362A (zh) | 计算车辆的驾驶员的责任的系统和方法 | |
Damm et al. | Exploiting learning and scenario-based specification languages for the verification and validation of highly automated driving | |
CN114291025B (zh) | 一种基于数据分段聚合分布的车辆碰撞检测方法及系统 | |
US20220245971A1 (en) | Detection and Alerting of Vehicle Safety System Issues | |
CN113807731B (zh) | 车辆预警信息的处理方法、装置、计算机设备及存储介质 | |
CN112606779B (zh) | 一种汽车故障预警方法及电子设备 | |
KR102006755B1 (ko) | 정보 엔트로피의 비교를 통한 차량 내 외부 데이터 침입 탐지 장치 및 그 동작 방법 | |
CN114911982A (zh) | 一种车辆故障预警方法、装置、终端设备及存储介质 | |
Mohammed et al. | Health Index Modeling for Trustable Electronic Sensor Systems in an Autonomous Application |
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 |