CN114827951A - 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 - Google Patents
一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114827951A CN114827951A CN202210454895.0A CN202210454895A CN114827951A CN 114827951 A CN114827951 A CN 114827951A CN 202210454895 A CN202210454895 A CN 202210454895A CN 114827951 A CN114827951 A CN 114827951A
- Authority
- CN
- China
- Prior art keywords
- network
- network quality
- data
- vehicle
- rate
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000007637 random forest analysis Methods 0.000 claims abstract description 8
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 17
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000003066 decision tree Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims 1
- 238000013024 troubleshooting Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/04—Arrangements for maintaining operational condition
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于车辆终端的车辆网络质量分析方法、系统及存储介质。所述方法包括S1.获取网络质量数据，以及终端性能数据、网络故障数据、用户体验数据；S2.利用主成分分析法提取网络质量的有效参数；S3.采用随机森林模型构建网络质量分析系统，并输出网络质量分析结果；S4.利用网络质量分析系统，以百米范围为基点，记录当前位置的网络质量分析结果，并计算网络质量发生的频率，生成网络质量分布地图；S5.将网络质量分析结果和网络质量发生的频率与预设的阈值相比较，将阈值之下的网络质量分布情况进行预警。本发明能够提高网络质量分析的准确性，并能够协助进行网络故障定位和排查。
Description
技术领域
本发明涉及车辆网络监测技术领域，具体涉及一种基于车辆终端的车辆网络质量分析方法、系统及存储介质。
背景技术
随着移动互联网的发展，联网是车辆为用户提供智能化体验的基础功能之一，其质量也是车辆用户和车企的重点关注对象。
当前一些网络质量监测和评估方法主要是通过对移动网络通道的重传率、时延、抖动时长等相关参数进行统计和计算的。正如申请号CN201911012301.5公开了一种利用业务系统服务器对获取的频率、数据包类型、数据包数量等监测网络数据来进行网络质量数据统计分析的方法及其装置。但是该种方法的网络监测数据大多来源于移动通信网络的参数指标，没有考虑车辆终端性能对网络实际质量的影响，也没有考虑网络维护和用户体验对网络使用质量的影响。
同时，当前网络质量分析方法大多是直接利用网络监测数据建立数据分析模型，如申请号CN201210225048.3公开了一种采用改进的层级分析法建立业务场景的模型，用于网络质量评估和优化。但是该种方法只是针对不同网络场景的期望网络质量进行参数权重决策，没有整体考虑数据的有效性和提高质量评估的准确性。
发明内容
针对现有技术存在的上述不足，本发明的目的在于解决现有的对车辆网络质量的评估和分析方法主要是基于移动网络进行，导致的获得的网络质量的评价不准确的问题，提供一种基于车辆终端的车辆网络质量分析方法、系统及存储介质，能够提高网络质量分析的准确性。
为了解决上述技术问题，本发明采用如下技术方案：
一种基于车辆终端的车辆网络质量分析方法，包括以下步骤：
S1.获取车辆终端实时采集的网络质量数据，以及终端性能数据、网络故障数据、用户体验数据；
S2.将上述数据作为系统的输入量，利用主成分分析法提取网络质量的有效参数；
S3.根据网络质量的有效参数，采用随机森林模型构建网络质量分析系统，并输出网络质量分析结果；
S4.利用网络质量分析系统，以百米范围为基点，记录当前位置的网络质量分析结果，并计算网络质量发生的频率，生成网络质量分布地图；
S5.将网络质量分析结果和网络质量发生的频率与预设的阈值相比较，将阈值之下的网络质量分布情况进行预警；
其中，所述网络质量数据包括网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长；
所述终端性能数据包括CPU使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率；
所述网络故障数据包括网络故障率和网络维护时长；
所述用户体验数据包括数据下载速率、数据上传速率、网络延迟率和用户投诉反馈率。
进一步，步骤S2包括以下步骤：
S21.将S1获取的数据构成集合矩阵，并将其处理成标准矩阵，
S22.计算各数据的特征值和特征向量，计算累计方差贡献率，获取主成分参数的个数；
S23.计算这些主成分参数的主成分矩阵，确定网络质量的有效参数。
进一步，步骤S3包括以下步骤：
S31.将S2中确定的网络质量的有效参数作为样本数据，采取有放回随机抽取N个样本数据组成了决策树的训练数据集。
S32.从每个样本数据的特征中随机选取k个特征，选择最佳分割属性作为节点建立CART决策树，决策树成长期间k的大小始终不变；
S33.重复上述步骤，建立22棵完全地成长且不被修剪的CART树，构成网络质量分析系统；根据这些树的预测结果投票决定最后的预测类别。
进一步，所述网络质量分析结果分为1-10级。
本发明还提供一种基于车辆终端的车辆网络质量分析系统，用于所述的方法中，包括车载通信模块、网络故障系统、用户售后系统和云端；
所述车载通信模块用于获取终端性能数据、网络故障数据以及用户体验数据中的数据上传速率、数据下载速率和网络延迟率的数据；
所述网络故障系统用于获取网络故障数据；
所述用户售后系统用于提供用户体验数据中的用户投诉反馈率；
所述云端用于接收并处理数据，接入网络故障系统和用户售后系统，还用于构建网络质量分析系统；还用于获取网络质量分析结果，并和其对应的车辆位置信息、时间一起形成网络质量分布地图。
进一步，所述车载通信模块包括网络质量数据采集模块、GPS位置模块、系统时间模块和数据上传模块；
所述网络质量数据采集模块用于获取车载通信模块的网络质量数据、终端性能数据以及用户体验数据；
所述GPS位置模块用于获取车辆的位置；
所述系统时间模块用于记录当前的时间；
所述数据上传模块用于将网络质量数据采集模块采集的数据、GPS位置模块获取的车辆的位置和系统时间模块获取的系统时间打包并上传到云端。
进一步，所述网络质量数据采集模块包括网络基础模块、系统资源管理模块和网络诊断模块；
所述网络基础模块用于获取网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长；还用于获取数据上传速率、数据下载速率和网络延迟率的数据；
所述系统资源管理模块和网络诊断模块用于获取cpu使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率。
本发明还提供一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行所述的基于车辆终端的车辆网络质量分析方法的步骤。
与现有技术相比，本发明具有如下有益效果：
本发明提供的车辆网络质量分析方法，主要从终端网络质量、终端性能、网络维护和用户体验这四个方面进行考虑，并选取与之对应的22个指标建立网络质量分析系统来自适应地评估网络质量，提高了车辆网络质量分析的准确性和普遍性。并且，根据网络质量分析系统的输出结果建立网络质量分析地图，能够协助进行网络故障定位和排查。
附图说明
图1为本发明一种基于车辆终端的车辆网络质量分析方法的流程图。
图2为本发明中网络质量参数图。
图3为本发明一种基于车辆终端的车辆网络质量分析系统示意图。
图4为本发明实施例3中网络质量分析的流程图。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
实施例一
本实施例公开一种基于车辆终端的车辆网络质量分析方法。
一种基于车辆终端的车辆网络质量分析方法，参见图1，包括以下步骤：
S1.获取车辆终端实时采集的网络质量数据，以及终端性能数据、网络故障数据、用户体验数据。
其中，参见图2，所述网络质量数据，以及终端性能数据、网络故障数据、用户体验数据统称为网络质量参数。所述网络质量数据包括网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长。所述终端性能数据包括CPU使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率。所述网络故障数据包括网络故障率和网络维护时长。所述用户体验数据包括数据下载速率、数据上传速率、网络延迟率和用户投诉反馈率。
S2.将上述数据作为系统的输入量，利用主成分分析法提取网络质量的有效参数。包括：
S21.将S1获取的数据构成集合矩阵，并将其处理成标准矩阵，
S22.计算各数据的特征值和特征向量，计算累计方差贡献率，获取主成分参数的个数。
S23.计算这些主成分参数的主成分矩阵，确定网络质量的有效参数。
S3.根据网络质量的有效参数，采用随机森林模型构建网络质量分析系统，并输出网络质量分析结果。包括。
S31.将S2中确定的网络质量的有效参数作为样本数据，采取有放回随机抽取N个样本数据组成了决策树的训练数据集。
S32.从每个样本数据的特征中随机选取k个特征，选择最佳分割属性作为节点建立CART决策树，决策树成长期间k的大小始终不变。
S33.重复上述步骤，建立22棵完全地成长且不被修剪的CART树，构成网络质量分析系统。根据这些树的预测结果投票决定最后的预测类别。
S4.利用网络质量分析系统，以百米范围为基点，记录当前位置的网络质量分析结果，并计算网络质量发生的频率，生成网络质量分布地图。
S5.将网络质量分析结果和网络质量发生的频率与预设的阈值相比较，将阈值之下的网络质量分布情况进行预警。
具体实施时，所述网络质量分析结果分为1-10级，旨在提高车辆网络质量分析的准确性、普遍性。
本发明实施例提供的车辆网络质量分析方法，主要从终端网络质量、终端性能、网络维护和用户体验这四个方面进行考虑，并选取与之对应的22个指标建立网络质量分析系统来自适应地评估网络质量，提高了车辆网络质量分析的准确性和普遍性。并且，根据网络质量分析系统的输出结果建立网络质量分析地图，能够协助进行网络故障定位和排查。
实施例二
本实施例在实施例一的基础上，公开了一种基于车辆终端的车辆网络质量分析系统，参见图3，用于所述方法中。
一种基于车辆终端的车辆网络质量分析系统，包括车载通信模块、网络故障系统、用户售后系统和云端。
所述车载通信模块用于获取终端性能数据、网络故障数据以及用户体验数据中的数据上传速率、数据下载速率和网络延迟率的数据。
所述网络故障系统用于获取网络故障数据。
所述用户售后系统用于提供用户体验数据中的用户投诉反馈率。
所述云端用于接收并处理数据，接入网络故障系统和用户售后系统，还用于构建网络质量分析系统。还用于获取网络质量分析结果，并和其对应的车辆位置信息、时间一起形成网络质量分布地图。
具体实施时，所述车载通信模块包括网络质量数据采集模块、GPS位置模块、系统时间模块和数据上传模块。
所述网络质量数据采集模块用于获取车载通信模块的网络质量数据、终端性能数据以及用户体验数据。
所述GPS位置模块用于获取车辆的位置。
所述系统时间模块用于记录当前的时间。
所述数据上传模块用于将网络质量数据采集模块采集的数据、GPS位置模块获取的车辆的位置和系统时间模块获取的系统时间打包并上传到云端。
具体实施时，所述网络质量数据采集模块包括网络基础模块、系统资源管理模块和网络诊断模块。
所述网络基础模块用于获取网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长。还用于获取数据上传速率、数据下载速率和网络延迟率的数据。
所述系统资源管理模块和网络诊断模块用于获取cpu使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率。
本实施例提供的系统，通过获取终端网络质量、终端性能、网络维护和用户体验这四个方面的数据上传至云端，建立网络质量分析系统来自适应地评估网络质量，提高了车辆网络质量分析的准确性和普遍性。
实施例三
为了进一步说明本发明基于车辆终端的车辆网络质量分析方法的实际效果，本实施例公开了一种基于实施例一和实施例二实现的基于车辆终端的车辆网络质量分析方法及应用场景。
一种基于车辆终端的车辆网络质量分析方法，包括以下步骤：
S01.获取车辆终端实时采集的网络质量数据，以及终端性能数据、网络故障数据、用户体验数据。
本发明涉及云端（服务器）1、车载通信模块2、网络故障系统3以及用户售后系统4。车载通信模块2根据GPS位置模块提供的车辆位置，提供当前位置下的终端网络质量数据，并和GPS数据、系统时间一起打包，通过数据上传模块上传到云端1。如果遇到网络不好、数据上传失败，则存储在数据备份模块，待网络恢复后再次上传。
车辆网络质量参数有4个一级指标和22个二级指标，其一级指标为终端网络质量、终端性能、网络维护和用户体验。终端网络质量参数有11个二级指标，有网络制式、网络信号强度、网速、网络流量这些网络基础参数，也有驻网速度、拨号的成功率和速度，以及断网率、断网时长和网络延迟时长，主要是从车载通信模块2的基础网络模块获取，并加以记录和计算。终端性能参数有5个二级指标，选取的是可能影响网络质量的cpu使用率、内存占用率、系统异常率、网络程序异常率、网络模块的程序异常率和系统配置错误率，主要通过车载通信模块2的系统资源管理模块、网络诊断模块获取数据。网络维护参数有2个指标，包含网络故障率、网络维护时长，主要从网络故障系统3获取。用户体验参数有4个指标，包含数据上传速率、数据下载速率、网络延迟率、用户投诉反馈率。数据上传速率、数据下载速率和网络延迟率的数据从车载通信模块2的基础网络模块获取，其余参数从用户售后系统4获取。其中，网络故障系统3和用户售后系统4直接接入云端1的网络质量分析系统，都是售后人员接收到的网络质量数据。
云端1除了接收车辆终端网络质量数据之外，还接入网络故障系统3和用户售后系统4，构建网络质量分析系统，获取网络质量分析结果，并和其对应的车辆位置信息、时间一起形成网络质量地图。同时，根据网络质量地图中数据变化趋势，设置网络质量警示阈值，辅助售后人员定位网络问题和网络故障预警。
S02.将上述数据作为系统的输入量，利用主成分分析法提取网络质量的有效参数。
采用主层次分析法提取网络质量的有效参数。首先将22个网络质量参数的样本构成集合矩阵，并将其处理成标准矩阵，以消除各参数由于量纲和单位不一致造成的影响。然后计算各参数的特征值和特征向量，计算累计方差贡献率，获取主成分参数的个数。最后计算这些参数的主成分矩阵，也就是确定了网络质量的有效参数。
S03.根据网络质量的有效参数，采用随机森林模型构建网络质量分析系统，并输出网络质量分析结果.
根据上述网络质量的有效参数，采用随机森林模型构建网络质量分析系统。随机森林模型源于Bagging集成学习算法，是通过随机的方式将多棵相互之间没有关联的决策树进行集成学习，实现对未知样本进行处理的一种分类器模型。首先从样本数据中采取有放回随机抽取N个样本，每一次取出的样本不完全相同，这些样本组成了决策树的训练数据集。然后从每个样本数据的特征中随机选取k个特征，选择最佳分割属性作为节点建立CART决策树，决策树成长期间k的大小始终不变。最后，重复上述步骤，建立22棵CART树，这些树都要完全地成长且不被修剪，并根据这些树的预测结果投票决定最后的预测类别。
基于主成分分析法建立的随机森林模型，输入量为4个一级指标和22个二级指标，输出量为1-10的网络质量类别，旨在提高车辆网络质量分析的准确性、普遍性。并通过学习训练得到准确率较高的网络质量分析结果，以及预测网络质量分析结果。
S04.利用网络质量分析系统，以百米范围为基点，记录当前位置的网络质量分析结果，并计算网络质量发生的频率，生成网络质量分布地图。如图4所示。
S05.将网络质量分析结果和网络质量发生的频率与预设的阈值相比较，将阈值之下的网络质量分布情况进行预警。
在云端计算网络质量分析结果，结合车辆位置数据和时间，计算网络质量分布地图和频率。以百米范围为基点，记录当前位置的网络质量分析结果，以及计算其网络质量发生的频率。将车辆网络质量结果和车辆位置、时间形成关联参数，记录和统计网络质量结果发生的概率，并将网络质量及其发生概率输入到用户售后环节，用于指导网络故障定位分析和预测。同时，确定网络质量和发生频率的阈值，将阈值之下的网络质量分布情况反向输入到网络故障系统，有助于售后人员在排查问题时确认是否为网络问题，以及定位网络问题。
实施例四
本实施例在实施例一的基础上，公开了一种存储介质。
一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行基于车辆终端的车辆网络质量分析方法的步骤。计算机可读存储介质可以是U盘、硬盘或其他具有存储功能的设备。
如上所述，本发明的提醒系统不限于所述配置，其他可以实现本发明的实施例的系统均可落入本发明所保护的范围内。
最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制技术方案，本领域的普通技术人员应当理解，那些对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于车辆终端的车辆网络质量分析方法，其特征在于，包括以下步骤：
S1.获取车辆终端实时采集的网络质量数据，以及终端性能数据、网络故障数据、用户体验数据；
S2.将上述数据作为系统的输入量，利用主成分分析法提取网络质量的有效参数；
S3.根据网络质量的有效参数，采用随机森林模型构建网络质量分析系统，并输出网络质量分析结果；
S4.利用网络质量分析系统，以百米范围为基点，记录当前位置的网络质量分析结果，并计算网络质量发生的频率，生成网络质量分布地图；
S5.将网络质量分析结果和网络质量发生的频率与预设的阈值相比较，将阈值之下的网络质量分布情况进行预警；
其中，所述网络质量数据包括网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长；
所述终端性能数据包括CPU使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率；
所述网络故障数据包括网络故障率和网络维护时长；
所述用户体验数据包括数据下载速率、数据上传速率、网络延迟率和用户投诉反馈率。
2.根据权利要求1所述的基于车辆终端的车辆网络质量分析方法，其特征在于，步骤S2包括以下步骤：
S21.将S1获取的数据构成集合矩阵，并将其处理成标准矩阵，
S22.计算各数据的特征值和特征向量，计算累计方差贡献率，获取主成分参数的个数；
S23.计算这些主成分参数的主成分矩阵，确定网络质量的有效参数。
3.根据权利要求1所述的基于车辆终端的车辆网络质量分析方法，其特征在于，步骤S3包括以下步骤：
S31.将S2中确定的网络质量的有效参数作为样本数据，采取有放回随机抽取N个样本数据组成了决策树的训练数据集；
S32.从每个样本数据的特征中随机选取k个特征，选择最佳分割属性作为节点建立CART决策树，决策树成长期间k的大小始终不变；
S33.重复上述步骤，建立22棵完全地成长且不被修剪的CART树，构成网络质量分析系统；根据这些树的预测结果投票决定最后的预测类别。
4.根据权利要求1或3所述的基于车辆终端的车辆网络质量分析方法，其特征在于，所述网络质量分析结果分为1-10级。
5.一种基于车辆终端的车辆网络质量分析系统，其特征在于，用于如权利要求1-4任一项所述的方法中，包括车载通信模块、网络故障系统、用户售后系统和云端；
所述车载通信模块用于获取终端性能数据、网络故障数据以及用户体验数据中的数据上传速率、数据下载速率和网络延迟率的数据；
所述网络故障系统用于获取网络故障数据；
所述用户售后系统用于提供用户体验数据中的用户投诉反馈率；
所述云端用于接收并处理数据，接入网络故障系统和用户售后系统，还用于构建网络质量分析系统；还用于获取网络质量分析结果，并和其对应的车辆位置信息、时间一起形成网络质量分布地图。
6.根据权利要求5所述的基于车辆终端的车辆网络质量分析系统，其特征在于，所述车载通信模块包括网络质量数据采集模块、GPS位置模块、系统时间模块和数据上传模块；
所述网络质量数据采集模块用于获取车载通信模块的网络质量数据、终端性能数据以及用户体验数据；
所述GPS位置模块用于获取车辆的位置；
所述系统时间模块用于记录当前的时间；
所述数据上传模块用于将网络质量数据采集模块采集的数据、GPS位置模块获取的车辆的位置和系统时间模块获取的系统时间打包并上传到云端。
7.根据权利要求6所述的基于车辆终端的车辆网络质量分析系统，其特征在于，所述网络质量数据采集模块包括网络基础模块、系统资源管理模块和网络诊断模块；
所述网络基础模块用于获取网络制式、网络信号强度、网速、网络流量、驻网速度、拨号速度、拨号成功率、断网率、断网时长和网络延迟时长；还用于获取数据上传速率、数据下载速率和网络延迟率的数据；
所述系统资源管理模块和网络诊断模块用于获取cpu使用率、内存占用率、系统异常率、网络程序异常率和系统配置错误率。
8.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序被处理器运行时，执行如权利要求1~4任一项所述的基于车辆终端的车辆网络质量分析方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210454895.0A CN114827951B (zh) | 2022-04-24 | 2022-04-24 | 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210454895.0A CN114827951B (zh) | 2022-04-24 | 2022-04-24 | 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114827951A true CN114827951A (zh) | 2022-07-29 |
| CN114827951B CN114827951B (zh) | 2024-06-14 |
Family
ID=82508674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210454895.0A Active CN114827951B (zh) | 2022-04-24 | 2022-04-24 | 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114827951B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459188A (zh) * | 2023-12-25 | 2024-01-26 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363130A (zh) * | 2014-07-03 | 2015-02-18 | 上海美琦浦悦通讯科技有限公司 | 通信网络中实现网络质量问题分析定位控制的系统及方法 |
| CN105699804A (zh) * | 2016-01-22 | 2016-06-22 | 吉林大学 | 一种配电网大数据故障检测与定位方法 |
| US20170019291A1 (en) * | 2015-07-15 | 2017-01-19 | TUPL, Inc. | Wireless carrier network performance analysis and troubleshooting |
| CN108063676A (zh) * | 2016-11-08 | 2018-05-22 | 中国移动通信集团山西有限公司 | 通信网络故障预警方法及装置 |
| US20190137556A1 (en) * | 2015-09-09 | 2019-05-09 | Beijing Inhand Networks Technology Co., Ltd. | Method and system for detecting and locating single-phase ground fault on low current grounded power-distribution network |
| CN110198223A (zh) * | 2018-02-27 | 2019-09-03 | 中兴通讯股份有限公司 | 网络故障预测方法、装置及设备、存储介质 |
| CN110474786A (zh) * | 2018-05-10 | 2019-11-19 | 上海大唐移动通信设备有限公司 | 基于随机森林分析VoLTE网络故障原因的方法及装置 |
| CN110796366A (zh) * | 2019-10-28 | 2020-02-14 | 中国联合网络通信集团有限公司 | 质差小区识别方法和装置 |
| US20200112489A1 (en) * | 2018-10-03 | 2020-04-09 | Centurylink Intellectual Property Llc | Intelligent Network Equipment Failure Prediction System |
| CN111027629A (zh) * | 2019-12-13 | 2020-04-17 | 国网山东省电力公司莱芜供电公司 | 基于改进随机森林的配电网故障停电率预测方法及系统 |
| US10721142B1 (en) * | 2018-03-08 | 2020-07-21 | Palantir Technologies Inc. | Computer network troubleshooting |
| CN112491627A (zh) * | 2020-12-02 | 2021-03-12 | 中国建设银行股份有限公司 | 一种网络质量实时分析方法及装置 |
| CN113076239A (zh) * | 2021-04-12 | 2021-07-06 | 西安交通大学 | 一种高性能计算机用混合神经网络故障预测方法及系统 |
| CN113660687A (zh) * | 2021-08-17 | 2021-11-16 | 中国联合网络通信集团有限公司 | 网络差小区处理方法、装置、设备及存储介质 |
-
2022
- 2022-04-24 CN CN202210454895.0A patent/CN114827951B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104363130A (zh) * | 2014-07-03 | 2015-02-18 | 上海美琦浦悦通讯科技有限公司 | 通信网络中实现网络质量问题分析定位控制的系统及方法 |
| US20170019291A1 (en) * | 2015-07-15 | 2017-01-19 | TUPL, Inc. | Wireless carrier network performance analysis and troubleshooting |
| US20190137556A1 (en) * | 2015-09-09 | 2019-05-09 | Beijing Inhand Networks Technology Co., Ltd. | Method and system for detecting and locating single-phase ground fault on low current grounded power-distribution network |
| CN105699804A (zh) * | 2016-01-22 | 2016-06-22 | 吉林大学 | 一种配电网大数据故障检测与定位方法 |
| CN108063676A (zh) * | 2016-11-08 | 2018-05-22 | 中国移动通信集团山西有限公司 | 通信网络故障预警方法及装置 |
| CN110198223A (zh) * | 2018-02-27 | 2019-09-03 | 中兴通讯股份有限公司 | 网络故障预测方法、装置及设备、存储介质 |
| US10721142B1 (en) * | 2018-03-08 | 2020-07-21 | Palantir Technologies Inc. | Computer network troubleshooting |
| CN110474786A (zh) * | 2018-05-10 | 2019-11-19 | 上海大唐移动通信设备有限公司 | 基于随机森林分析VoLTE网络故障原因的方法及装置 |
| US20200112489A1 (en) * | 2018-10-03 | 2020-04-09 | Centurylink Intellectual Property Llc | Intelligent Network Equipment Failure Prediction System |
| CN110796366A (zh) * | 2019-10-28 | 2020-02-14 | 中国联合网络通信集团有限公司 | 质差小区识别方法和装置 |
| CN111027629A (zh) * | 2019-12-13 | 2020-04-17 | 国网山东省电力公司莱芜供电公司 | 基于改进随机森林的配电网故障停电率预测方法及系统 |
| CN112491627A (zh) * | 2020-12-02 | 2021-03-12 | 中国建设银行股份有限公司 | 一种网络质量实时分析方法及装置 |
| CN113076239A (zh) * | 2021-04-12 | 2021-07-06 | 西安交通大学 | 一种高性能计算机用混合神经网络故障预测方法及系统 |
| CN113660687A (zh) * | 2021-08-17 | 2021-11-16 | 中国联合网络通信集团有限公司 | 网络差小区处理方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 朱永庆;黄新宇;唐宏;陈江山;程康;包德伟;: "利用大数据分析技术的智能化网络故障诊断系统", 电讯技术, no. 10, 3 September 2018 (2018-09-03) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459188A (zh) * | 2023-12-25 | 2024-01-26 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
| CN117459188B (zh) * | 2023-12-25 | 2024-04-05 | 吉林省吉能电力通信有限公司 | 基于北斗通信技术的电力北斗通信系统及通信方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114827951B (zh) | 2024-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106254153B (zh) | 一种网络异常监控方法和装置 | |
| CN111327539B (zh) | 一种业务调度的方法、装置及设备 | |
| CN111563560B (zh) | 基于时序特征学习的数据流分类方法及装置 | |
| CN108768695A (zh) | Kqi的问题定位方法及装置 | |
| CN111163482A (zh) | 数据的处理方法、设备及存储介质 | |
| CN114827951B (zh) | 一种基于车辆终端的车辆网络质量分析方法、系统及存储介质 | |
| CN116482713A (zh) | 一种用于北斗导航接收机的导航数据校验方法 | |
| CN115272027A (zh) | 一种用于双碳管理的低碳排放数据监测系统 | |
| CN117311295B (zh) | 基于无线网络设备的生产质量提升方法及系统 | |
| CN111901134A (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
| CN109560978B (zh) | 网络流量检测方法、装置及系统和计算机可读存储介质 | |
| CN112948262A (zh) | 一种系统测试方法、装置、计算机设备和存储介质 | |
| Qin et al. | SQoE KQIs anomaly detection in cellular networks: Fast online detection framework with Hourglass clustering | |
| CN111368858B (zh) | 用户满意度评估方法及装置 | |
| CN108521435B (zh) | 一种用户网络行为画像的方法及系统 | |
| CN112911272A (zh) | Iptv群障预警方法和系统 | |
| CN114071232B (zh) | 音视频质量可视化方法及其装置、设备、介质、产品 | |
| CN114244691A (zh) | 视频业务的故障定位方法、装置及电子设备 | |
| CN109831335A (zh) | 一种数据监控方法、监控终端、存储介质及数据监控系统 | |
| CN114995342A (zh) | 一种基于大数据技术的c3无线通信超时分析方法及系统 | |
| CN114640600A (zh) | 网络服务质量分析方法、系统以及存储介质 | |
| CN115484624A (zh) | 数据处理方法、架构、电子设备及存储介质 | |
| CN112312209A (zh) | 综合告警生成方法、装置、服务器、存储介质 | |
| CN115731487A (zh) | 一种数据处理方法、装置、设备和可读存储介质 | |
| CN114286196B (zh) | 基于无线网络指标的视频质差原因分析方法及装置 |
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 |