CN114595597B - 一种基于大数据的车辆性能综合评定方法及系统 - Google Patents
一种基于大数据的车辆性能综合评定方法及系统 Download PDFInfo
- Publication number
- CN114595597B CN114595597B CN202210495698.3A CN202210495698A CN114595597B CN 114595597 B CN114595597 B CN 114595597B CN 202210495698 A CN202210495698 A CN 202210495698A CN 114595597 B CN114595597 B CN 114595597B
- Authority
- CN
- China
- Prior art keywords
- data
- performance
- radial length
- analysis result
- length distribution
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于大数据的车辆性能综合评定方法及系统,其中,所述方法包括:根据多级性能特征和第三方汇聚端口,对多个目标设备进行性能数据采集,获得性能数据集合;将性能数据集合进行数据整合,获得规范化采集数据集合;将规范化采集数据集合进行存储,同时对规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台。解决了现有技术对车辆综合性能评估不够准确,导致消费者无法选择最优车辆的技术问题。
Description
技术领域
本发明涉及人工智能领域,尤其涉及一种基于大数据的车辆性能综合评定方法及系统。
背景技术
在一定使用条件下,汽车以最高效率工作的能力,称为汽车使用性能,它是决定汽车利用效率和方便性的结构特性表征,因此对汽车性能进行准确评估在汽车购买、汽车评定方面有着重要的意义。
然而,现有技术中存在对车辆综合性能评估不够准确,导致消费者无法选择最优车辆的技术问题。
发明内容
本申请通过提供一种基于大数据的车辆性能综合评定方法及系统,解决了现有技术对车辆综合性能评估不够准确,导致消费者无法选择最优车辆的技术问题,达到通过多维度平台对多车辆信息进行整合分析,基于雷达图对多维度车辆数据进行评估,直观全面的对车辆性能综合评定,提高性能评估结果的准确性和效率,进而提高消费者对最佳车辆性能选择准确性的技术效果。
鉴于上述问题,本发明提供了一种基于大数据的车辆性能综合评定方法及系统。
第一方面,本申请提供了一种基于大数据的车辆性能综合评定方法,所述方法包括:搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;获得多个目标设备的多级性能特征;根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台。
另一方面,本申请还提供了一种基于大数据的车辆性能综合评定系统,所述系统包括:第一搭建单元,所述第一搭建单元用于搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;第一获得单元,所述第一获得单元用于获得多个目标设备的多级性能特征;第二获得单元,所述第二获得单元用于根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;第三获得单元,所述第三获得单元用于将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;第一生成单元,所述第一生成单元用于将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;第二生成单元,所述第二生成单元用于将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;第一反馈单元,所述第一反馈单元用于对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台。
第三方面,本申请提供了一种电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,所述计算机程序被所述处理器执行时实现上述任意一项所述方法中的步骤。
第四方面,本申请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,所述计算机程序被处理器执行时实现上述任意一项所述方法中的步骤。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了通过多级性能特征和第三方汇聚端口,对多个目标设备车辆进行性能数据采集,并将性能数据集合上传至数据整合层进行数据整合,将规范化采集数据集合上传至数据存储层进行存储,同时基于数据分析层,对规范化采集数据集合进行多维度个性化分析,将多维度数据分析结果渲染至雷达图,生成多个目标设备车辆中任一目标设备的多级性能特征图形集合,对多级性能特征图形集合进行最优化解析,并将解析结果反馈至多维度数据管理平台的技术方案。进而达到通过多维度平台对多车辆信息进行整合分析,基于雷达图对多维度车辆数据进行评估,直观全面的对车辆性能综合评定,提高性能评估结果的准确性和效率,进而提高消费者对最佳车辆性能选择准确性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
图1为本申请一种基于大数据的车辆性能综合评定方法的流程示意图;
图2为本申请一种基于大数据的车辆性能综合评定方法中对多个目标设备进行性能数据采集的流程示意图;
图3为本申请一种基于大数据的车辆性能综合评定方法中将性能数据集合上传至数据整合层进行数据整合的流程示意图;
图4为本申请一种基于大数据的车辆性能综合评定方法中对规范化采集数据集合进行多维度个性化分析的流程示意图;
图5为本申请一种基于大数据的车辆性能综合评定系统的结构示意图;
图6为本申请示例性电子设备的结构示意图。
附图标记说明:第一搭建单元11,第一获得单元12,第二获得单元13,第三获得单元14,第一生成单元15,第二生成单元16,第一反馈单元17,总线1110,处理器1120,收发器1130,总线接口1140,存储器1150,操作系统1151,应用程序1152和用户接口1160。
具体实施方式
在本申请的描述中,所属技术领域的技术人员应当知道,本申请可以实现为方法、装置、电子设备及计算机可读存储介质。因此,本申请可以具体实现为以下形式:完全的硬件、完全的软件(包括固件、驻留软件、微代码等)、硬件和软件结合的形式。此外,在一些实施例中,本申请还可以实现为在一个或多个计算机可读存储介质中的计算机程序产品的形式,该计算机可读存储介质中包含计算机程序代码。
上述计算机可读存储介质可以采用一个或多个计算机可读存储介质的任意组合。计算机可读存储介质包括:电、磁、光、电磁、红外或半导体的系统、装置或器件,或者以上任意的组合。计算机可读存储介质更具体的例子包括:便携式计算机磁盘、硬盘、随机存取存储器、只读存储器、可擦除可编程只读存储器、闪存、光纤、光盘只读存储器、光存储器件、磁存储器件或以上任意组合。在本申请中,计算机可读存储介质可以是任意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、器件使用或与其结合使用。
本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律的相关规定。
本申请通过流程图和/或方框图描述所提供的方法、装置、电子设备。
应当理解,流程图和/或方框图的每个方框以及流程图和/或方框图中各方框的组合,都可以由计算机可读程序指令实现。这些计算机可读程序指令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,从而生产出一种机器,这些计算机可读程序指令通过计算机或其他可编程数据处理装置执行,产生了实现流程图和/或方框图中的方框规定的功能/操作的装置。
也可以将这些计算机可读程序指令存储在能使得计算机或其他可编程数据处理装置以特定方式工作的计算机可读存储介质中。这样,存储在计算机可读存储介质中的指令就产生出一个包括实现流程图和/或方框图中的方框规定的功能/操作的指令装置产品。
也可以将计算机可读程序指令加载到计算机、其他可编程数据处理装置或其他设备上,使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机或其他可编程数据处理装置上执行的指令能够提供实现流程图和/或方框图中的方框规定的功能/操作的过程。
下面结合本申请中的附图对本申请进行描述。
实施例一
如图1所示,本申请提供了一种基于大数据的车辆性能综合评定方法,所述方法包括:
步骤S100:搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;
具体而言,在一定使用条件下,汽车以最高效率工作的能力,称为汽车使用性能,它是决定汽车利用效率和方便性的结构特性表征,因此对汽车性能进行准确评估在汽车购买、汽车评定方面有着重要的意义。搭建多维度数据管理平台,所述多维度数据管理平台对车辆数据从多个角度即多个维度进行观察和分析,包括数据整合层、数据存储层以及数据分析层。
数据整合层是把在不同数据源的数据收集、整理、清洗,转换后加载到一个新的数据源,为数据消费者提供统一数据视图的数据集成方式。数据存储层是在数据源的基础上进行数据整合,形成供上层计算或业务使用的数据仓库及数据集。数据分析层是按照多个维度即多个角度对数据进行观察和分析,以求剖析数据,使用户能够从多种维度、多个侧面、多种数据综合度查看数据,从而深入地了解包在数据中的信息和内涵。对分析中总量大、信息维度多的各种车辆数据而言,用多维数据处理的思想进行分析和整理有助于提高分析的效率和质量。
步骤S200:获得多个目标设备的多级性能特征;
具体而言,所述多个目标设备是消费者需要从中进行选择的多个车辆设备,所述多个目标设备的多级性能特征是用来评定多个汽车设备的性能指标特征,主要包括动力性,用汽车在良好路面上直线行驶时所能达到的平均行驶速度来表示,主要用三个方面的指标来评定:最高车速、汽车的加速时间、汽车所能爬上的最大坡度;燃油经济性,常用一定工况下汽车行驶百公里的燃油消耗量或一定燃油量能使汽车行驶的里程来衡量;制动性,汽车行驶时在短距离内停车且维持行驶方向稳定,以及汽车在下长坡时维持一定车速的能力;操控稳定性,是指司机在不感到紧张、疲劳的情况下,汽车能按照司机通过转向系统给定的方向行驶,而当遇到外界干扰时,汽车所能抵抗干扰而保持稳定行驶的能;平顺性,是保持汽车在行驶过程中,乘员所处的振动环境具有一定的舒适度的性能;以及通过性等,是指车辆通过一定情况路况的能力,也可包括消费者需要进行汽车性能综合评分的其它指标特征。
步骤S300:根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;
如图2所示,进一步而言,所述对所述多个目标设备进行性能数据采集,本申请步骤S300还包括:
步骤S310:获得生产所述多个目标设备的多个企业服务端;
步骤S320:基于所述第三方汇聚端口,向所述多个企业服务端发送数据访问请求密令,其中,所述第三方汇聚端口为所述数据整合层的外接数据端口;
步骤S330:获得所述多个企业服务端中的任一企业服务端对应的目标设备性能数据;
步骤S340:基于所述数据访问请求密令,所述任一企业服务端对所述目标设备性能数据进行加密,并反馈至所述第三方汇聚端口;
步骤S350:所述第三方汇聚端口对所述多个企业服务端的设备采集数据集合进行汇总,生成所述性能数据集合。
具体而言,对所述多个目标设备进行性能数据采集,所述多个企业服务端是生产所述多个目标设备的服务端口,即生产各汽车的不同厂商服务端口。基于所述第三方汇聚端口,所述第三方汇聚端口为所述数据整合层的外接数据端口,向所述多个企业服务端发送数据访问请求密令,不同汽车企业之间的密令不同,实现多样性、安全性加密。通过所述多个企业服务端中的任一企业服务端获得对应的目标车辆设备性能数据,所述目标设备性能数据是与所述多级性能特征相对应的车辆数据。
基于所述数据访问请求密令,所述任一企业服务端对所述目标设备性能数据进行加密,加密是以某种特殊的算法改变原有的信息数据,使得未授权的用户即使获得了已加密的信息,但因不知解密的方法,仍然无法了解信息的内容,以保证数据安全性,以防泄露,并将车辆数据反馈至所述第三方汇聚端口。所述第三方汇聚端口对所述多个企业服务端的设备采集数据集合进行汇总,将各企业的对应车辆性能数据进行汇总生成所述性能数据集合,用于为后续车辆综合性能评估提供数据基础,通过第三方平台对性能数据进行汇总提高数据传输安全性和保密性。
步骤S400:将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;
如图3所示,进一步而言,所述对所述多个目标设备进行性能数据采集,本申请步骤S400还包括:
步骤S410:基于第一数据表现形式,对所述性能数据集合中的所有数据进行格式转换,获得第一性能数据集合;
步骤S420:对所述第一性能数据集合进行遍历,对所述第一性能数据集合中各数据的性能特征进行标签标记,获得所述各数据的性能标签集合;
步骤S430:对所述性能标签集合中各标签对应的参数内容进行遍历清洗、聚合,生成所述规范化采集数据集合。
具体而言,将所述性能数据集合上传至所述数据整合层进行数据整合,所述第一数据表现形式是数据的显示格式,均采用【性能:参数】的形式进行表现。基于第一数据表现形式,对所述性能数据集合中的所有数据进行格式转换,获得转换为统一格式的第一性能数据集合。对所述第一性能数据集合进行数据遍历,对所述第一性能数据集合中各数据的性能特征进行标签标记,即对数据的性能特征进行标签化,如动力性标签数据、燃油经济性标签数据、操控稳定性标签数据等,获得标签化后的所述各数据的性能标签集合。
对所述性能标签集合中各标签对应的参数内容进行遍历清洗、聚合,数据清洗是指发现并纠正数据文件中可识别的错误的处理方式,包括检查数据一致性,处理无效值和缺失值等,对数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性;数据聚合是合并来自不同数据源的数据,强调把分散在不同地方关于同一对象的不同说法合并起来,得到此对象的更为完整的信息,生成数据规范化处理后的所述规范化采集数据集合。通过对各汽车性能数据进行处理整合,提高数据一致性和规范性,加强数据完整性和利用程度,进而保证数据管控能力加强。
步骤S500:将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;
如图4所示,进一步而言,所述对所述规范化采集数据集合进行多维度个性化分析,本申请步骤S500还包括:
步骤S510:根据求异存同逻辑,对所述性能标签集合进行分类整合,获得所述多个目标设备的P个同类性能标签集合和Q个异类性能标签集合;
步骤S520:根据所述P个同类性能标签集合,对第一同类性能标签对应的第一参数内容进行个性化展示,生成所述第一参数内容的第一表现形式;
步骤S530:对所述第一表现形式的数据进行遍历解析,获得第一解析结果,以此类推,获得所述P个同类性能标签集合的第P解析结果。
具体而言,将所述规范化采集数据集合上传至所述数据存储层进行存储,以备后续数据应用和查找,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析。具体为根据求异存同逻辑,对所述性能标签集合进行分类整合,求异存同逻辑是对相同性能标签数据进行展示,对不同性能标签数据进行分析,获得分类整合后的所述多个目标设备的P个同类性能标签集合,所述同类性能标签集合是多个车辆设备共有的性能标签,和Q个异类性能标签集合,所述异类性能标签集合是车辆设备独有的性能标签,如具有无人驾驶这一独有性能标签。
根据所述P个同类性能标签集合,对第一同类性能标签对应的第一参数内容进行个性化展示,生成对应标签的所述第一参数内容,并以第一表现形式进行个性化展示,如饼状图、折线图等表现形式。对所述第一表现形式的数据进行遍历解析,即对标签性能数据进行包括数值在内的具体解析,以此类推,获得所述P个同类性能标签集合的第P解析结果。基于所述P个同类性能标签集合的所有性能数据解析结果,生成多维度数据分析结果,所述多维度数据分析结果是从多维度标签特征进行车辆数据分析的结果。通过多维度对车辆数据进行综合分析,有助于提高分析的效率和质量,加强数据完整性和利用程度,进而使得性能评估结果更加准确。
步骤S600:将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;
具体而言,将所述多维度数据分析结果渲染至雷达图,雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的,雷达图也称为网络图,星图,不规则多边形,相当于平行坐标图,轴径向排列。生成多个目标车辆设备中任一目标车辆设备的多级性能特征图形集合,通过雷达图对车辆设备性能数据进行图形展现,直观全面的展现车辆的多维数据性能特征。
步骤S700:对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台。
具体而言,对所述多级性能特征图形集合进行解析,即进行最优化解析,解析出多个车辆设备中综合性能评价最优的结果,并将解析结果反馈至所述多维度数据管理平台,为客户的汽车选购提供专业性结果。通过多维度平台对多车辆信息进行整合分析,基于雷达图对多维度车辆数据进行评估,直观全面的对车辆性能综合评定,提高性能评估结果的准确性和效率,进而提高消费者最优车辆选择准确性。
进一步而言,所述将所述多维度数据分析结果渲染至雷达图,本申请步骤S600还包括:
步骤S610:将所述第一解析结果直至所述第P解析结果渲染至同类性能标签-雷达图,获得各解析结果对应的P个径向长度分布集合;
步骤S620:对所述P个径向长度分布集合中的任一径向长度分布中的数据进行降序排列,生成P个径向长度分布序列;
步骤S630:基于第一预设径向长度,对所述P个径向长度分布序列中的第一径向长度分布序列进行数据截取,生成第一优化性能参数集合;
步骤S640:获得所述第一优化性能参数集合匹配的第一目标设备集合;
步骤S650:以此类推,基于第二预设径向长度,对所述P个径向长度分布序列中的第二径向长度分布序列进行数据截取,生成第二优化性能参数集合匹配的第二目标设备集合,直至第P径向长度分布对应的第P目标设备集合。
具体而言,将所述第一解析结果直至所述第P解析结果渲染至同类性能标签-雷达图,即共有性能标签的雷达图,获得各解析结果对应的P个径向长度分布集合,径向长度越长,表明该性能数据越高,性能越好。对所述P个径向长度分布集合中的任一径向长度分布中的数据进行降序排列,即按照从大到小的顺序进行排列,生成P个同类性能标签的径向长度分布序列。所述第一预设径向长度是预设的车辆性能阈值,如制动性标签长度阈值标准,基于第一预设径向长度,对所述P个径向长度分布序列中的第一径向长度分布序列进行数据截取,对在预设长度之内的径向长度进行保留,对之外的径向长度进行去除,生成截取后的第一优化性能参数集合。
所述第一目标设备集合为与所述第一优化性能参数集合匹配的车辆设备集合,即符合性能标准的车辆。所述第二预设径向长度是同类性能标签的其它标签的长度阈值范围,以此类推,基于第二预设径向长度,对所述P个径向长度分布序列中的第二径向长度分布序列进行数据截取,生成第二优化性能参数集合匹配的第二目标设备集合,直至第P径向长度分布对应的第P目标设备集合,最终得到符合各同类性能标签标准的各车辆设备。通过雷达图对车辆设备性能数据进行图形展现,直观全面的展现车辆的多维数据性能特征,为车辆选择提供图形数据基础。
进一步而言,本申请步骤S650还包括:
步骤S651:对所述第一目标设备集合、所述第二目标设备集合直至所述第P目标设备集合中的目标设备求相交集的设备,获得交集设备集合;
步骤S652:获得所述Q个异类性能标签集合对应的专项设备集合;
步骤S653:判断所述交集设备集合中是否包含所述专项设备集合;
步骤S654:若所述交集设备集合中包含所述专项设备集合,获得交集-专项设备集合;
步骤S655:将所述交集-专项设备集合反馈至所述多维度数据管理平台。
具体而言,对所述第一目标设备集合、所述第二目标设备集合直至所述第P目标设备集合中的目标设备求相交集的设备,获得交集设备集合,所述交集设备集合是同时满足同类性能标签中所有性能阈值要求标准的车辆集合。所述专项设备集合是所述Q个异类性能标签集合分别对应的设备集合,如带有无人驾驶性能标签的车辆设备,判断所述交集设备集合中是否包含所述专项设备集合,即同时满足所有同类性能标签阈值内的车辆是否带有无人驾驶性能标签,若所述交集设备集合中包含所述专项设备集合,对符合要求的车辆进行集合获得交集-专项设备集合。将所述交集-专项设备集合反馈至所述多维度数据管理平台,表明该车辆的综合性能更加优良,通过对车辆设备求交集,实现对车辆性能的综合评定,进而提高性能评估结果的准确性。
进一步而言,所述判断所述交集设备集合中是否包含所述专项设备集合,本申请步骤S653还包括:
步骤S6531:判断所述Q个异类性能标签集合中的性能标签是否满足第一性能特征;
步骤S6532:若所述Q个异类性能标签集合中的性能标签满足所述第一性能特征,对满足所述第一性能特征的性能标签进行抓取,获得异类-第一性能标签;
步骤S6533:对所述异类-第一性能标签对应的设备集合与所述交集设备集合进行交集设备判定。
具体而言,判断所述Q个异类性能标签集合中的性能标签是否满足第一性能特征,所述第一性能特征为设备必要性能特征,即该异类性能标签是否是客户需要的车辆必要特征。若所述Q个异类性能标签集合中的性能标签满足所述第一性能特征,如无人驾驶是必要性能特征,对满足所述第一性能特征的性能标签进行抓取。并对所述异类-第一性能标签对应的设备集合与所述交集设备集合进行交集设备判定,即将该异类标签作为必要性能标签,判定同时符合同类性能标签和将该异类必要标签的设备。通过对异类性能标签进行必要判定,再对车辆设备求交集,实现对车辆性能的综合评定,提高性能评估结果的准确性,进而提高消费者对最佳车辆性能选择准确性的技术效果。
综上所述,本申请所提供的一种基于大数据的车辆性能综合评定方法及系统具有如下技术效果:
由于采用了通过多级性能特征和第三方汇聚端口,对多个目标设备车辆进行性能数据采集,并将性能数据集合上传至数据整合层进行数据整合,将规范化采集数据集合上传至数据存储层进行存储,同时基于数据分析层,对规范化采集数据集合进行多维度个性化分析,将多维度数据分析结果渲染至雷达图,生成多个目标设备车辆中任一目标设备的多级性能特征图形集合,对多级性能特征图形集合进行最优化解析,并将解析结果反馈至多维度数据管理平台的技术方案。进而达到通过多维度平台对多车辆信息进行整合分析,基于雷达图对多维度车辆数据进行评估,直观全面的对车辆性能综合评定,提高性能评估结果的准确性和效率,进而提高消费者对最佳车辆性能选择准确性的技术效果。
实施例二
基于与前述实施例中一种基于大数据的车辆性能综合评定方法同样发明构思,本发明还提供了一种基于大数据的车辆性能综合评定系统,如图5所示,所述系统包括:
第一搭建单元11,所述第一搭建单元11用于搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;
第一获得单元12,所述第一获得单元12用于获得多个目标设备的多级性能特征;
第二获得单元13,所述第二获得单元13用于根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;
第三获得单元14,所述第三获得单元14用于将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;
第一生成单元15,所述第一生成单元15用于将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;
第二生成单元16,所述第二生成单元16用于将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;
第一反馈单元17,所述第一反馈单元17用于对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台。
进一步的,所述系统还包括:
第四获得单元,所述第四获得单元用于获得生产所述多个目标设备的多个企业服务端;
第一发送单元,所述第一发送单元用于基于所述第三方汇聚端口,向所述多个企业服务端发送数据访问请求密令,其中,所述第三方汇聚端口为所述数据整合层的外接数据端口;
第五获得单元,所述第五获得单元用于获得所述多个企业服务端中的任一企业服务端对应的目标设备性能数据;
第二反馈单元,所述第二反馈单元用于基于所述数据访问请求密令,所述任一企业服务端对所述目标设备性能数据进行加密,并反馈至所述第三方汇聚端口;
第三生成单元,所述第三生成单元用于所述第三方汇聚端口对所述多个企业服务端的设备采集数据集合进行汇总,生成所述性能数据集合。
进一步的,所述系统还包括:
第六获得单元,所述第六获得单元用于基于第一数据表现形式,对所述性能数据集合中的所有数据进行格式转换,获得第一性能数据集合;
第七获得单元,所述第七获得单元用于对所述第一性能数据集合进行遍历,对所述第一性能数据集合中各数据的性能特征进行标签标记,获得所述各数据的性能标签集合;
第四生成单元,所述第四生成单元用于对所述性能标签集合中各标签对应的参数内容进行遍历清洗、聚合,生成所述规范化采集数据集合。
进一步的,所述系统还包括:
第八获得单元,所述第八获得单元用于根据求异存同逻辑,对所述性能标签集合进行分类整合,获得所述多个目标设备的P个同类性能标签集合和Q个异类性能标签集合;
第五生成单元,所述第五生成单元用于根据所述P个同类性能标签集合,对第一同类性能标签对应的第一参数内容进行个性化展示,生成所述第一参数内容的第一表现形式;
第九获得单元,所述第九获得单元用于对所述第一表现形式的数据进行遍历解析,获得第一解析结果,以此类推,获得所述P个同类性能标签集合的第P解析结果。
进一步的,所述系统还包括:
第十获得单元,所述第十获得单元用于将所述第一解析结果直至所述第P解析结果渲染至同类性能标签-雷达图,获得各解析结果对应的P个径向长度分布集合;
第六生成单元,所述第六生成单元用于对所述P个径向长度分布集合中的任一径向长度分布中的数据进行降序排列,生成P个径向长度分布序列;
第七生成单元,所述第七生成单元用于基于第一预设径向长度,对所述P个径向长度分布序列中的第一径向长度分布序列进行数据截取,生成第一优化性能参数集合;
第十一获得单元,所述第十一获得单元用于获得所述第一优化性能参数集合匹配的第一目标设备集合;
第八生成单元,所述第八生成单元用于以此类推,基于第二预设径向长度,对所述P个径向长度分布序列中的第二径向长度分布序列进行数据截取,生成第二优化性能参数集合匹配的第二目标设备集合,直至第P径向长度分布对应的第P目标设备集合。
进一步的,所述系统还包括:
第十二获得单元,所述第十二获得单元用于对所述第一目标设备集合、所述第二目标设备集合直至所述第P目标设备集合中的目标设备求相交集的设备,获得交集设备集合;
第十三获得单元,所述第十三获得单元用于获得所述Q个异类性能标签集合对应的专项设备集合;
第一判断单元,所述第一判断单元用于判断所述交集设备集合中是否包含所述专项设备集合;
第十四获得单元,所述第十四获得单元用于若所述交集设备集合中包含所述专项设备集合,获得交集-专项设备集合;
第三反馈单元,所述第三反馈单元用于将所述交集-专项设备集合反馈至所述多维度数据管理平台。
进一步的,所述系统还包括:
第二判断单元,所述第二判断单元用于判断所述Q个异类性能标签集合中的性能标签是否满足第一性能特征;
第十五获得单元,所述第十五获得单元用于若所述Q个异类性能标签集合中的性能标签满足所述第一性能特征,对满足所述第一性能特征的性能标签进行抓取,获得异类-第一性能标签;
第一判定单元,所述第一判定单元用于对所述异类-第一性能标签对应的设备集合与所述交集设备集合进行交集设备判定。
前述图1实施例一中的一种基于大数据的车辆性能综合评定方法的各种变化方式和具体实例同样适用于本实施例的一种基于大数据的车辆性能综合评定系统,通过前述对一种基于大数据的车辆性能综合评定方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种基于大数据的车辆性能综合评定系统的实施方法,所以为了说明书的简洁,在此不再详述。
此外,本申请还提供了一种电子设备,包括总线、收发器、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,该收发器、该存储器和处理器分别通过总线相连,计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
示例性电子设备
具体的,参见图6所示,本申请还提供了一种电子设备,该电子设备包括总线1110、处理器1120、收发器1130、总线接口1140、存储器1150和用户接口1160。
在本申请中,该电子设备还包括:存储在存储器1150上并可在处理器1120上运行的计算机程序,计算机程序被处理器1120执行时实现上述控制输出数据的方法实施例的各个过程。
收发器1130,用于在处理器1120的控制下接收和发送数据。
本申请中,总线架构(用总线1110来代表),总线1110可以包括任意数量互联的总线和桥,总线1110将包括由处理器1120代表的一个或多个处理器与存储器1150代表的存储器的各种电路连接在一起。
总线1110表示若干类型的总线结构中的任何一种总线结构中的一个或多个,包括存储器总线和存储器控制器、外围总线、加速图形端口、处理器或使用各种总线体系结构中的任意总线结构的局域总线。作为示例而非限制,这样的体系结构包括:工业标准体系结构总线、微通道体系结构总线、扩展总线、视频电子标准协会、外围部件互连总线。
处理器1120可以是一种集成电路芯片,具有信号处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中硬件的集成逻辑电路或软件形式的指令完成。上述的处理器包括:通用处理器、中央处理器、网络处理器、数字信号处理器、专用集成电路、现场可编程门阵列、复杂可编程逻辑器件、可编程逻辑阵列、微控制单元或其他可编程逻辑器件、分立门、晶体管逻辑器件、分立硬件组件。可以实现或执行本申请中公开的各方法、步骤和逻辑框图。例如,处理器可以是单核处理器或多核处理器,处理器可以集成于单颗芯片或位于多颗不同的芯片。
处理器1120可以是微处理器或任何常规的处理器。结合本申请所公开的方法步骤可以直接由硬件译码处理器执行完成,或者由译码处理器中的硬件和软件模块组合执行完成。软件模块可以位于随机存取存储器、闪存、只读存储器、可编程只读存储器、可擦除可编程只读存储器、寄存器等本领域公知的可读存储介质中。所述可读存储介质位于存储器中,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
总线1110还可以将,例如外围设备、稳压器或功率管理电路等各种其他电路连接在一起,总线接口1140在总线1110和收发器1130之间提供接口,这些都是本领域所公知的。因此,本申请不再对其进行进一步描述。
收发器1130可以是一个元件,也可以是多个元件,例如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。例如:收发器1130从其他设备接收外部数据,收发器1130用于将处理器1120处理后的数据发送给其他设备。取决于计算机装置的性质,还可以提供用户接口1160,例如:触摸屏、物理键盘、显示器、鼠标、扬声器、麦克风、轨迹球、操纵杆、触控笔。
应理解,在本申请中,存储器1150可进一步包括相对于处理器1120远程设置的存储器,这些远程设置的存储器可以通过网络连接至服务器。上述网络的一个或多个部分可以是自组织网络、内联网、外联网、虚拟专用网、局域网、无线局域网、广域网、无线广域网、城域网、互联网、公共交换电话网、普通老式电话业务网、蜂窝电话网、无线网络、无线保真网络以和两个或更多个上述网络的组合。例如,蜂窝电话网和无线网络可以是全球移动通信装置、码分多址装置、全球微波互联接入装置、通用分组无线业务装置、宽带码分多址装置、长期演进装置、LTE频分双工装置、LTE时分双工装置、先进长期演进装置、通用移动通信装置、增强移动宽带装置、海量机器类通信装置、超可靠低时延通信装置等。
应理解,本申请中的存储器1150可以是易失性存储器或非易失性存储器,或可包括易失性存储器和非易失性存储器两者。其中,非易失性存储器包括:只读存储器、可编程只读存储器、可擦除可编程只读存储器、电可擦除可编程只读存储器,或闪存。
易失性存储器包括:随机存取存储器,其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如:静态随机存取存储器、动态随机存取存储器、同步动态随机存取存储器、双倍数据速率同步动态随机存取存储器、增强型同步动态随机存取存储器、同步连接动态随机存取存储器和直接内存总线随机存取存储器。本申请描述的电子设备的存储器1150包括但不限于上述和任意其他适合类型的存储器。
在本申请中,存储器1150存储了操作系统1151和应用程序1152的如下元素:可执行模块、数据结构,或者其子集,或者其扩展集。
具体而言,操作系统1151包含各种装置程序,例如:框架层、核心库层、驱动层等,用于实现各种基础业务和处理基于硬件的任务。应用程序1152包含各种应用程序,例如:媒体播放器、浏览器,用于实现各种应用业务。实现本申请方法的程序可以包含在应用程序1152中。应用程序1152包括:小程序、对象、组件、逻辑、数据结构和其他执行特定任务或实现特定抽象数据类型的计算机装置可执行指令。
此外,本申请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,所述计算机程序被处理器执行时实现上述控制输出数据的方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请披露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于大数据的车辆性能综合评定方法,其特征在于,所述方法包括:
搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;
获得多个目标设备的多级性能特征;
根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;
将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;
将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;
将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;
对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台;
所述对所述多个目标设备进行性能数据采集,包括:
获得生产所述多个目标设备的多个企业服务端;
基于所述第三方汇聚端口,向所述多个企业服务端发送数据访问请求密令,其中,所述第三方汇聚端口为所述数据整合层的外接数据端口;
获得所述多个企业服务端中的任一企业服务端对应的目标设备性能数据;
基于所述数据访问请求密令,所述任一企业服务端对所述目标设备性能数据进行加密,并反馈至所述第三方汇聚端口;
所述第三方汇聚端口对所述多个企业服务端的设备采集数据集合进行汇总,生成所述性能数据集合;
所述将所述性能数据集合上传至所述数据整合层进行数据整合,包括:
基于第一数据表现形式,对所述性能数据集合中的所有数据进行格式转换,获得第一性能数据集合;
对所述第一性能数据集合进行遍历,对所述第一性能数据集合中各数据的性能特征进行标签标记,获得所述各数据的性能标签集合;
对所述性能标签集合中各标签对应的参数内容进行遍历清洗、聚合,生成所述规范化采集数据集合;
所述对所述规范化采集数据集合进行多维度个性化分析,包括:
根据求异存同逻辑,对所述性能标签集合进行分类整合,获得所述多个目标设备的P个同类性能标签集合和Q个异类性能标签集合;
根据所述P个同类性能标签集合,对第一同类性能标签对应的第一参数内容进行个性化展示,生成所述第一参数内容的第一表现形式;
对所述第一表现形式的数据进行遍历解析,获得第一解析结果,以此类推,获得所述P个同类性能标签集合的第P解析结果;
所述将所述多维度数据分析结果渲染至雷达图,包括:
将所述第一解析结果直至所述第P解析结果渲染至同类性能标签-雷达图,获得各解析结果对应的P个径向长度分布集合;
对所述P个径向长度分布集合中的任一径向长度分布中的数据进行降序排列,生成P个径向长度分布序列;
基于第一预设径向长度,对所述P个径向长度分布序列中的第一径向长度分布序列进行数据截取,生成第一优化性能参数集合;
获得所述第一优化性能参数集合匹配的第一目标设备集合;
以此类推,基于第二预设径向长度,对所述P个径向长度分布序列中的第二径向长度分布序列进行数据截取,生成第二优化性能参数集合匹配的第二目标设备集合,直至第P径向长度分布对应的第P目标设备集合。
2.如权利要求1所述的方法,其特征在于,所述方法包括:
对所述第一目标设备集合、所述第二目标设备集合直至所述第P目标设备集合中的目标设备求相交集的设备,获得交集设备集合;
获得所述Q个异类性能标签集合对应的专项设备集合;
判断所述交集设备集合中是否包含所述专项设备集合;
若所述交集设备集合中包含所述专项设备集合,获得交集-专项设备集合;
将所述交集-专项设备集合反馈至所述多维度数据管理平台。
3.如权利要求2所述的方法,其特征在于,所述判断所述交集设备集合中是否包含所述专项设备集合,之前包括:
判断所述Q个异类性能标签集合中的性能标签是否满足第一性能特征;
若所述Q个异类性能标签集合中的性能标签满足所述第一性能特征,对满足所述第一性能特征的性能标签进行抓取,获得异类-第一性能标签;
对所述异类-第一性能标签对应的设备集合与所述交集设备集合进行交集设备判定。
4.一种基于大数据的车辆性能综合评定系统,其特征在于,所述系统包括:
第一搭建单元,所述第一搭建单元用于搭建多维度数据管理平台,其中,所述多维度数据管理平台包括数据整合层、数据存储层以及数据分析层;
第一获得单元,所述第一获得单元用于获得多个目标设备的多级性能特征;
第二获得单元,所述第二获得单元用于根据所述多级性能特征和第三方汇聚端口,对所述多个目标设备进行性能数据采集,获得性能数据集合;
第三获得单元,所述第三获得单元用于将所述性能数据集合上传至所述数据整合层进行数据整合,获得整合后的规范化采集数据集合;
第一生成单元,所述第一生成单元用于将所述规范化采集数据集合上传至所述数据存储层进行存储,同时基于所述数据分析层,对所述规范化采集数据集合进行多维度个性化分析,生成多维度数据分析结果;
第二生成单元,所述第二生成单元用于将所述多维度数据分析结果渲染至雷达图,生成所述多个目标设备中任一目标设备的多级性能特征图形集合;
第一反馈单元,所述第一反馈单元用于对所述多级性能特征图形集合进行解析,并将解析结果反馈至所述多维度数据管理平台;
第四获得单元,所述第四获得单元用于获得生产所述多个目标设备的多个企业服务端;
第一发送单元,所述第一发送单元用于基于所述第三方汇聚端口,向所述多个企业服务端发送数据访问请求密令,其中,所述第三方汇聚端口为所述数据整合层的外接数据端口;
第五获得单元,所述第五获得单元用于获得所述多个企业服务端中的任一企业服务端对应的目标设备性能数据;
第二反馈单元,所述第二反馈单元用于基于所述数据访问请求密令,所述任一企业服务端对所述目标设备性能数据进行加密,并反馈至所述第三方汇聚端口;
第三生成单元,所述第三生成单元用于所述第三方汇聚端口对所述多个企业服务端的设备采集数据集合进行汇总,生成所述性能数据集合;
第六获得单元,所述第六获得单元用于基于第一数据表现形式,对所述性能数据集合中的所有数据进行格式转换,获得第一性能数据集合;
第七获得单元,所述第七获得单元用于对所述第一性能数据集合进行遍历,对所述第一性能数据集合中各数据的性能特征进行标签标记,获得所述各数据的性能标签集合;
第四生成单元,所述第四生成单元用于对所述性能标签集合中各标签对应的参数内容进行遍历清洗、聚合,生成所述规范化采集数据集合;
第八获得单元,所述第八获得单元用于根据求异存同逻辑,对所述性能标签集合进行分类整合,获得所述多个目标设备的P个同类性能标签集合和Q个异类性能标签集合;
第五生成单元,所述第五生成单元用于根据所述P个同类性能标签集合,对第一同类性能标签对应的第一参数内容进行个性化展示,生成所述第一参数内容的第一表现形式;
第九获得单元,所述第九获得单元用于对所述第一表现形式的数据进行遍历解析,获得第一解析结果,以此类推,获得所述P个同类性能标签集合的第P解析结果;
第十获得单元,所述第十获得单元用于将所述第一解析结果直至所述第P解析结果渲染至同类性能标签-雷达图,获得各解析结果对应的P个径向长度分布集合;
第六生成单元,所述第六生成单元用于对所述P个径向长度分布集合中的任一径向长度分布中的数据进行降序排列,生成P个径向长度分布序列;
第七生成单元,所述第七生成单元用于基于第一预设径向长度,对所述P个径向长度分布序列中的第一径向长度分布序列进行数据截取,生成第一优化性能参数集合;
第十一获得单元,所述第十一获得单元用于获得所述第一优化性能参数集合匹配的第一目标设备集合;
第八生成单元,所述第八生成单元用于以此类推,基于第二预设径向长度,对所述P个径向长度分布序列中的第二径向长度分布序列进行数据截取,生成第二优化性能参数集合匹配的第二目标设备集合,直至第P径向长度分布对应的第P目标设备集合。
5.一种基于大数据的车辆性能综合评定电子设备,包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述收发器、所述存储器和所述处理器通过所述总线相连,其特征在于,所述计算机程序被所述处理器执行时实现如权利要求1-3中任一项所述方法中的步骤。
6.一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如权利要求1-3中任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210495698.3A CN114595597B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的车辆性能综合评定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210495698.3A CN114595597B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的车辆性能综合评定方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114595597A CN114595597A (zh) | 2022-06-07 |
CN114595597B true CN114595597B (zh) | 2022-08-09 |
Family
ID=81821542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210495698.3A Active CN114595597B (zh) | 2022-05-09 | 2022-05-09 | 一种基于大数据的车辆性能综合评定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114595597B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3073277A1 (en) * | 2015-03-24 | 2016-09-28 | The Boeing Company | Large scale automated test system reconfiguration |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468888B (zh) * | 2014-09-12 | 2018-04-20 | 广州汽车集团股份有限公司 | 一种汽车运动控制性能的评估方法及装置 |
CN109711009B (zh) * | 2018-12-13 | 2023-06-27 | 北京掌行通信息技术有限公司 | 无人驾驶汽车性能评价方法、装置、电子设备及介质 |
CN111231971B (zh) * | 2020-03-02 | 2021-04-30 | 中汽数据(天津)有限公司 | 基于大数据的汽车安全性能分析评价方法及系统 |
CN112798296B (zh) * | 2020-12-31 | 2021-11-30 | 东风汽车集团有限公司 | 燃料电池汽车低温性能评价方法和评价系统 |
-
2022
- 2022-05-09 CN CN202210495698.3A patent/CN114595597B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3073277A1 (en) * | 2015-03-24 | 2016-09-28 | The Boeing Company | Large scale automated test system reconfiguration |
CN113535816A (zh) * | 2021-07-13 | 2021-10-22 | 江苏智多行网联科技有限公司 | 一种智能网联云控车辆的行车性能评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114595597A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3182347A1 (en) | Project documentation sharing and collaboration in a cloud-based environment | |
CN111401570B (zh) | 针对隐私树模型的解释方法和装置 | |
JP2019527417A (ja) | 工場又はプラント内で実行されるセキュアデータ監視システムを提供するシステム及び方法 | |
CN112149706B (zh) | 模型训练方法、装置、设备和介质 | |
CN113821810B (zh) | 数据处理方法及系统、存储介质及电子设备 | |
CN105635131A (zh) | 传输数据方法、装置及服务器 | |
CN107423492A (zh) | 一种基于模板的叉车诊断测试方法及系统 | |
CN103957281B (zh) | 车载终端移动监控平台系统 | |
CN114595597B (zh) | 一种基于大数据的车辆性能综合评定方法及系统 | |
CN113783685A (zh) | 一种使用区块链保护车联网数据的系统 | |
CN105915632A (zh) | 一种基于3d虚拟现实技术的建筑工程监控系统 | |
CN113553506A (zh) | 轮岗网点推荐方法、系统、计算机设备以及可读存储介质 | |
CN108540335A (zh) | 设备分析报告的管理方法及管理装置 | |
CN111612077A (zh) | 特征重要性可视化方法、设备及可读存储介质 | |
CN111189533A (zh) | 外力入侵监测方法、装置、计算机设备和存储介质 | |
Lin et al. | Multi-layer reverse engineering system for vehicular controller area network messages | |
US20120054218A1 (en) | Method amd system for rail yard inventory management using web-based access technology | |
CN113779173B (zh) | 一种面向地理空间数据的非同质化数字令牌系统 | |
CN115080094B (zh) | 一种基于层级交互的安防系统更新方法及系统 | |
CN114398313B (zh) | 一种文件级数据的智能迁移操作方法及系统 | |
Wang et al. | Preserving the efficiency and quality of contributed data in MCS via user and task profiling | |
CN115481108B (zh) | 一种针对同一数据在不同部门之间的管理方法及系统 | |
Wang et al. | Security risk assessment for connected vehicles based on back propagation neural network | |
Ayfantopoulou et al. | Cataloging and assessing city-scale mobility data | |
CN117495296A (zh) | 汽车产业链研发管理系统、方法、装置、设备及存储介质 |
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 |