CN115035705A - 车辆实时状况监控方法、装置、电子设备及介质 - Google Patents
车辆实时状况监控方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN115035705A CN115035705A CN202110235909.5A CN202110235909A CN115035705A CN 115035705 A CN115035705 A CN 115035705A CN 202110235909 A CN202110235909 A CN 202110235909A CN 115035705 A CN115035705 A CN 115035705A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- early warning
- data
- matched
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆实时状况监控方法、装置、电子设备及介质,所述车辆实时状况监控方法包括:获取车辆埋点数据;对车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;基于复杂事件处理引擎判断待匹配的车辆数据是否符合预设匹配规则:若是,则确认待匹配的车辆数据形成预警结果;若否,则退出匹配过程;检测所述预警结果是否符合预警输出条件:若是,则对所述预警结果进行预警输出;若否,则终止所述预警输出。本发明基于复杂事件处理(CEP)引擎对采集的车辆埋点数据进行处理,做出相应结果预判,进行相应的预警输出,可以有效提高车辆监控的实时性和准确性,及时应对车辆发生的问题,还可以节省车辆的运维人力成本。
Description
技术领域
本发明涉及汽车技术领域,特别是涉及车辆智能监控技术领域,具体为一种车辆实时状况监控方法、装置、电子设备及介质。
背景技术
随着电子科技不断的创新进步,人类通过研发的科技产品,不管是在工作上或者是生活上获得相当大的协助。智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统,它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术,是典型的高新技术综合体。目前对智能车辆的研究主要致力于提高汽车的安全性、舒适性,以及提供优良的人车交互界面。近年来,智能车辆己经成为世界车辆工程领域研究的热点和汽车工业增长的新动力,很多发达国家都将其纳入到各自重点发展的智能交通系统当中。
通过对车辆智能化技术的研究和开发,可以提高车辆的控制与驾驶水平,保障车辆行驶的安全畅通、高效。对智能化的车辆控制系统的不断研究完善,相当于延伸扩展了驾驶员的控制、视觉和感官功能,能极大地促进道路交通的安全性。随着道路上的车辆越来越多,车辆遇到的问题也越来越多,对车辆监控预警、快速定位、解决问题的压力也越来越大,如何监控车辆、提前预警、快速定位问题车辆、协助解决车辆问题成为本领域技术人员亟待解决的技术问题。
发明内容
本发明的一个目的在于提供一种车辆实时状况监控方法、装置、电子设备及介质,其中,通过复杂事件处理引擎对车辆数据进行匹配,做出相应结果的预判,形成预警结果,实现对车辆状况的预警输出,有效解决现有技术中无法有效对车辆状况进行实时监控分析的技术问题。
本发明的另一个目的在于提供一种车辆实时状况监控方法、装置、电子设备及介质,其中,对车辆埋点数据的处理采用分布式流数据处理,并将采集到的分散、零乱、标准不统一的车辆埋点数据进行抽取、清洗和标准化,形成不包含异常数据,且数据格式统一、规则统一的有效数据,提高复杂事件处理引擎进行预警输出的准确性。
本发明的另一个目的在于提供一种车辆实时状况监控方法、装置、电子设备及介质,其中,可由用户通过时间、位置等筛选条件自由选取所要监控分析的车辆的时间和位置,使得预警输出更符合用户实际需求。
本发明的另一个目的在于提供一种车辆实时状况监控方法、装置、电子设备及介质,其中,可以灵活控制预警结果的下发时间和下发对象。
为实现上述目的,第一方面,本发明提供一种车辆实时状况监控方法,包括以下步骤:获取车辆埋点数据;对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则:若是,则确认所述待匹配的车辆数据形成预警结果;若否,则退出匹配过程;检测所述预警结果是否符合预警输出条件:若是,则对所述预警结果进行预警输出;若否,则终止所述预警输出,通过复杂事件处理引擎对车辆数据进行匹配,做出相应结果的预判,形成预警结果,实现对车辆状况的预警输出,及时应对车辆发生的问题,还可以节省车辆的运维人力成本,有效解决现有技术中无法有效对车辆状况进行实时监控分析的技术问题。
其中,所述对所述车辆埋点数据进行筛选和/或转换处理包括:基于预设筛选条件对所述车辆埋点数据进行异常筛选,剔除所述车辆埋点数据中的异常数据和或基于预设数据模型对不同的数据来源结构的车辆埋点数据进行数据分析,形成统一数据格式的车辆埋点数据,基于预设规则对所述统一数据格式的车辆埋点数据进行规则转换,形成统一规则的待匹配的车辆数据,通过剔除异常数据、将车辆埋点数据统一数据格式和统一规则的方式将采集到的分散、零乱、标准不统一的车辆埋点数据进行抽取、清洗和标准化,形成不包含异常数据,且数据格式统一、规则统一的有效数据,提高复杂事件处理引擎进行预警输出的准确性。
其中,所述对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据还包括:基于时间筛选条件和/或位置筛选条件对所述统一规则的待匹配的车辆数据进行筛选,形成最终的所述待匹配的车辆数据,通过时间筛选条件和/或位置筛选条件对车辆数据进行筛选,可由用户通过时间、位置等筛选条件自由选取所要监控分析的车辆的时间和位置,使得预警输出更符合用户实际需求。
其中,所述检测所述预警结果是否符合预警输出条件包括:检测当前时间是否符合预警输出时间;若是,则对所述预警结果进行预警输出;若否,则终止所述预警输出,并重复执行上述步骤,直至当前时间符合预警输出时间,对所述预警结果进行预警输出。通过预警输出时间控制预警结果的输出,可以灵活控制预警结果的下发时间。
其中,所述对所述预警结果进行预警输出包括:检测是否存在预分类的各类发送对象:若是,则将所述预警结果发送至所述预分类的各类发送对象;若否,则终止所述预警输出,可以灵活控制预警结果的下发时间和下发对象。
为实现上述目的,第二方面,本发明还提供一种车辆实时状况监控装置,包括:数据获取模块,所述数据获取模块获取车辆埋点数据;筛选转换模块,所述筛选转换模块对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;匹配模块,所述匹配模块基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则,在所述待匹配的车辆数据符合预设匹配规则时,确认所述待匹配的车辆数据形成预警结果;在所述待匹配的车辆数据不符合预设匹配规则时,退出匹配过程;输出模块,所述输出模块检测所述预警结果是否符合预警输出条件,并在所述预警结果符合所述预警输出条件时对所述预警结果进行预警输出,在所述预警结果不符合所述预警输出条件时终止所述预警输出,通过复杂事件处理引擎对车辆数据进行匹配,做出相应结果的预判,形成预警结果,实现对车辆状况的预警输出,及时应对车辆发生的问题,还可以节省车辆的运维人力成本,有效解决现有技术中无法有效对车辆状况进行实时监控分析的技术问题。
为实现上述目的,第三方面,本发明还提供一种存储介质,存储有程序指令,所述程序指令被处理器执行时实现如上所述的车辆实时状况监控方法的步骤。
为实现上述目的,第四方面,本发明还提供一种电子设备,包括存储器,存储计算机程序;处理器,执行所述计算机程序以实现如上所述的车辆实时状况监控方法的步骤。
附图说明
图1显示为本发明的车辆实时状况监控方法和装置的实施过程示意图;
图2显示为本发明的车辆实时状况监控方法的整体流程示意图;
图3显示为本发明的车辆实时状况监控方法中复杂事件处理引擎的原理示意图;
图4显示为本发明的车辆实时状况监控方法中复杂事件处理引擎对待匹配的车辆数据的匹配过程示例图;
图5显示为本发明的车辆实时状况监控方法中预警结果的流程图;
图6显示为本发明的车辆实时状况监控方法中预警结果输出的过程示意图;
图7显示为本发明的车辆实时状况监控方法中车辆实时状况监控的整体实施过程示意图;
图8显示为本发明的车辆实时状况监控装置的原理结构框图;
图9显示为本发明的电子设备于一实施例中的原理结构示意图。
元件标号说明
10 电子设备
101 处理器
102 存储器
100 车辆实时状况监控装置
110 数据获取模块
120 筛选转换模块
130 匹配模块
140 输出模块
S100~S800 步骤
S610 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,故图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明的车辆实时状况监控方法、装置、电子设备及介质,用于解决现有技术中无法有效对车辆状况进行实时监控分析的技术问题。
以下将详细阐述本实施例的车辆实时状况监控方法、装置、电子设备及介质的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本实施例的车辆实时状况监控方法、装置、电子设备及介质。
实施例1
本实施例提供一种车辆实时状况监控方法,图1显示为实施例的车辆实时状况监控方法和装置的实施过程示意图。如图1所示,本实施例采集车辆埋点数据,例如车辆基础属性信息、位置信息、状态信息等。然后通过对接收到的车辆埋点数据进行分布式流数据处理,即通过分布式流数据处理系统对接收到的车辆埋点数据进行筛选和/或转换处理,形成复杂事件处理(CEP)引擎所需的待匹配的车辆数据,然后通过复杂事件处理(CEP)引擎对待匹配的车辆数据进行匹配,做出相应结果的预判,形成预警结果,在满足预警输出条件时,将预警结果下发到预分类的各类发送对象,预先关联的显示设备、消息平台以及应用程序等,任何需要对车辆实时状况监控并预警的企业、政府部门等机构可以通过本实施例的车辆实时状况监控方法实现对车辆实时状况的监控和预警。
具体地,请参阅图2,显示为本发明的车辆实时状况监控方法的整体流程示意图。如图2所示,本实施例中的车辆实时状况监控方法包括以下步骤:
步骤S100,获取车辆埋点数据;
步骤S200,对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;
步骤S300,基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则,若是,则继续执行步骤S500:确认所述待匹配的车辆数据形成预警结果;若否,则执行步骤S400:退出匹配过程;
步骤S600,检测所述预警结果是否符合预警输出条件:若是,则继续执行步骤S700:对所述预警结果进行预警输出;若否,则执行步骤S800:终止所述预警输出。
以下对本实施例车辆实时状况监控方法中的步骤S100至步骤S800进行详细说明。
步骤S100,获取车辆埋点数据。
其中,于本实施例中,所述车辆埋点数据包括但不限于车辆基础属性信息、位置信息、状态信息等,具体地,所述车辆埋点数据例如包括车辆ID,经纬度,速度,驾驶员,车辆型号,时间,驾驶时长等信息。
其中,可以利用订阅组件(例如Kakfa)的功能对所需的车辆埋点数据进行订阅,在车辆具有或产生订阅的车辆埋点数据之后,获取车辆埋点数据。
步骤S200,对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据。
于本实施例中,所述对所述车辆埋点数据进行筛选和/或转换处理包括:
基于预设筛选条件对所述车辆埋点数据进行异常筛选,剔除所述车辆埋点数据中的异常数据。即本实施例中,根据预设筛选条件,判断车辆埋点数据是否异常,例如,车辆埋点数据的异常可能为字段为空、时间格式、内容敏感等。通过对所述车辆埋点数据进行异常筛选,获取有效的所述车辆埋点数据。
于本实施例中,所述对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据还包括:
1)基于预设数据模型对不同的数据来源结构的车辆埋点数据进行数据分析,形成统一数据格式的车辆埋点数据。由于车辆埋点数据的数据来源结构多种多样,在输入到复杂事件处理(CEP)引擎前,需要对车辆埋点数据进行格式统一,本实施例预先设定统一数据格式,在获取有效的所述车辆埋点数据之后,加载预设数据模型,基于预设数据模型对不同的数据来源结构的车辆埋点数据进行数据分析,形成统一数据格式的车辆埋点数据。
2)基于预设规则对所述统一数据格式的车辆埋点数据进行规则转换,形成统一规则的待匹配的车辆数据。
即本实施例中,在形成统一数据格式的车辆埋点数据之后,根据形成的数据格式,将不同来源的数据,根据预设规则对所述车辆埋点数据进行规则转换,形成统一规则的待匹配的车辆数据。
例如,车辆id字段要求为vin,即预设规则为将车辆埋点数据转换为vin规则数据,则车辆埋点数据进行规则转换过程为:数据源A为carid,设定模型carid->vin,数据源B为deviceID,设定模型deviceID->vin,形成统一规则的待匹配的车辆数据。
此外,本实施例中,所述对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据还可以包括:
基于时间筛选条件和/或位置筛选条件对所述统一规则的待匹配的车辆数据进行筛选,形成最终的所述待匹配的车辆数据。
其中,所述基于时间筛选条件是指包括驾驶时长、上班时段(例如6点至9点)、下班时段(例如16点至19点)、节假日期、行驶速度等可通过时间将所述车辆埋点数据进行筛选的条件。位置筛选条件是指通过地图选点,指定路段,指定区域范围等可通过位置空间属性将所述车辆埋点数据进行筛选的条件。
本实施例中,可以基于时间筛选条件或基于位置筛选条件单独对所述车辆埋点数据进行筛选,也可以同时基于时间筛选条件和位置筛选条件对所述车辆埋点数据进行筛选。例如,筛选时间大于23点,驾驶时长大于6小时,速度大于120公里/小时,当前位置经纬度距离既定路线偏离大于1公里的车辆埋点数据,形成最终的所述待匹配的车辆数据。
本实施例中,采用利用ETL(Extract-Transform-Load,抽取、转换、加载)数据工具对所述车辆埋点数据进行上述筛选和/或转换处理,将采集到的分散、零乱、标准不统一的车辆埋点数据进行抽取、清洗和标准化,获取有效数据,形成可用于后续数据分析的待匹配的车辆数据。
本实施例中,对车辆埋点数据的处理采用分布式流数据处理,其中,ETL采用但不限于spark分布式计算集群。通过spark的订阅组件(Kakfa)接收订阅的消息数据,即获取车辆埋点数据,通过spark分布式计算集群进行并行消息数据(车辆埋点数据)的处理,然后利用ETL(Extract-Transform-Load,抽取、转换、加载)数据工具对接收到的车辆埋点数据进行异常数据过滤,进行数据模型匹配以形成统一数据格式的车辆埋点数据,进行异构数据适配以形成统一规则的待匹配的车辆数据,并基于基于时间筛选条件和/或位置筛选条件对所述统一规则的待匹配的车辆数据进行筛选,形成最终的所述待匹配的车辆数据。
步骤S300,基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则,若是,则继续执行步骤S500:确认所述待匹配的车辆数据形成预警结果;若否,则执行步骤S400:退出匹配过程。
在获取到待匹配的车辆数据之后,本实施例通过复杂事件处理(CEP)引擎对所述待匹配的车辆数据进行匹配。
于本实施例中,所述预设匹配规则包括:预设的多个匹配条件和控制所述待匹配的车辆数据匹配顺序的匹配流转顺序。即将所述待匹配的车辆数据按照匹配条件和匹配流转顺序进行匹配处理,形成最终的预警结果。
其中,图3显示为本实施例的车辆实时状况监控方法中复杂事件处理引擎的原理示意图。如图3所示,复杂事件处理引擎中通过待匹配的车辆数据存储组件(Working-Memory)存放要匹配规则的事实,也就说,存放的是业务对象,即CarFact对象。本实施例中,该对象为待匹配的车辆数据。匹配规则存储组件(RuleBase)存放的是用户制定的各种的规则(CarAlertRule),即本实施例中所述的预设匹配规则。匹配执行器(Pattern-Matcher)是业务对象匹配规则的重要部分,也就是业务对象在规则网络中流动的过程的执行器,即待匹配的车辆数据(CarFact)匹配预设匹配规则(CarAlertRule)的过程。议程组件(Agenda)的作用为一旦一个业务对象匹配了一个规则,会形成该规则和该业务对象的一个议程。即通过议程组件(Agenda)将匹配成功的车辆数据存入车辆预警表中的事件。预警结果执行器(Execution-Engine)即为业务对象匹配上一个规则后,业务对象执行规则结果的执行器。即将匹配成功的车辆数据存放入车辆预警表中事件的执行器。
本实施例中,复杂事件处理(CEP)引擎采用spark分布式计算框架集成drools规则引擎。规则引擎是一种推理引擎,它是根据已有的事实,从规则知识库中匹配规则,并处理存在冲突的规则,执行最后筛选通过的规则。因此,规则引擎是人工智能(AI)研究领域的一部分,具有一定的选择判断性、人工智能性和富含知识性。目前,比较流行的规则引擎有商业规则引擎iLog和开源规则引擎drools。本实施例优选采用开源规则引擎drools,开源规则引擎drools利用rete算法对规则进行分析,形成rete网络,对模式进行匹配。rete算法是实现产生式系统中正向推理的高效模式匹配算法,通过形成一个rete网络进行模式匹配,利用基于规则的系统的时间冗余性和结构相似性特征,提高系统模式匹配效率。
图4显示为本实施例的车辆实时状况监控方法中复杂事件处理引擎对待匹配的车辆数据的匹配过程示例图。如图4所示,假设匹配条件包括时间,驾驶时长,速度以及当前位置经纬度距离既定路线距离,对待匹配的车辆数据的匹配算法采用rete算法,设置匹配流转顺序时设置根节点和由匹配条件形成的各子节点,本实施例用A,B,C,D,E,F,G表示各子节点,其中,A,B,C,D为Alpha节点,E,F,G为Beta节点,匹配流转顺序为A(时间匹配)-->B(驾驶时长匹配)-->C(处理时间和驾驶时长均匹配)-->D(速度匹配)-->E(处理时间、驾驶时长和速度均匹配)-->F(距离匹配)-->G(处理时间、驾驶时长、速度和距离均匹配)-->规则匹配通过。具体地,复杂事件处理引擎对待匹配的车辆数据的匹配过程如下:
从待匹配的车辆数据存储组件(Working-Memory)中拿出一个待匹配的CarFact对象(待匹配的车辆数据),进入根节点然后进行匹配,以下是CarFact对象(待匹配的车辆数据)在各个节点中的匹配过程:
A节点:判断待匹配的车辆数据的时间是否匹配,如果时间符合条件,则把该CarFact对象(待匹配的车辆数据)的引用记录到A节点对应的A节点内存(即A节点的Alpha内存区)中,退出时间匹配。
B节点:判断待匹配的车辆数据的驾驶时长是否匹配,如果驾驶时长符合条件,则把该该CarFact对象(待匹配的车辆数据)的引用记录到B节点对应的B节点的内存(即B节点的alpha内存区)中,然后找到B节点左引用的Beta节点,即C节点。
C节点:C节点找到自己的左引用也就是A节点,看看A节点的alpha内存区中是否存放了CarFact对象(待匹配的车辆数据)的引用,如果存放,说明时间和驾驶时长两个条件都符合,则在C节点的内存区(即C节点的Beta内存区)中存放CarFact对象(待匹配的车辆数据)的引用,退出驾驶时长匹配。
D节点:判断待匹配的车辆数据的速度是否匹配,如果速度符合条件,则把该CarFact对象(待匹配的车辆数据)的引用记录到D节点的内存区(即D节点的Alpha内存区)中,然后找到D节点的左引用的Beta节点,即E节点。
E节点:E节点找到自己的左引用也就是C节点,看看C节点的内存区(即C节点的Beta内存区)中是否存放了CarFact的引用,如果存放,说明时间,驾驶时长,速度三个条件符合,则在E节点的内存区(即E节点的Beta内存区)中存放CarFact的引用,退出速度匹配。
F节点:判断待匹配的车辆数据的当前位置经纬度距离既定路线距离进行距离是否匹配,如果距离条件符合,则把该CarFact对象(待匹配的车辆数据)的引用记录到F节点的内存区(即F节点的Alpha内存区)中,然后找到F节点的左引用Beta节点,即G节点。
G节点:G节点找到自己的左引用也就是E节点,看看E节点的内存区(即E节点的Beta内存区)中是否存放了该CarFact对象(待匹配的车辆数据)的引用,如果存放,说明时间,驾驶时长,速度,距离四个条件符合,则在G节点的内存区(即G节点的Beta内存区)中存放该CarFact对象(待匹配的车辆数据)的引用,同时说明该该CarFact对象(待匹配的车辆数据)匹配了该规则,将预警结果加入到议程组件(Agenda)的冲突区,议程组件(Agenda)形成一个议程,预警结果执行器(Execution-Engine)执行匹配后的预警结果部分:该车辆可能危险驾驶/偏离路线。
至此匹配逻辑结束,成功匹配的预警结果进一步判断是否下发。
步骤S600,检测所述预警结果是否符合预警输出条件:若是,则继续执行步骤S700:对所述预警结果进行预警输出;若否,则执行步骤S800:终止所述预警输出。
图5显示为本实施例的车辆实时状况监控方法中预警结果的流程图。如图5所示,所述检测所述预警结果是否符合预警输出条件包括:
步骤S610,检测当前时间是否符合预警输出时间;
若是,则执行步骤S700,对所述预警结果进行预警输出;
若否,则执行步骤S800,终止所述预警输出,并重复执行上述步骤,直至当前时间符合预警输出时间,对所述预警结果进行预警输出。
即本实施例中,在复杂事件处理(CEP)引擎成功匹配车辆数据,输出预警结果后,继续判断当前时间是否符合预警输出时间,例如5分钟下发一次,或者同一点火周期下发一次。如果满足预警输出条件,则输出预警结果,如果不满足,终止所述预警输出,继续等待,在等到当前时间符合预警输出时间时,输出预警结果。
于本实施例中,所述对所述预警结果进行预警输出包括但不限于:将所述预警输出至预先关联的显示设备(例如监控中心的监控显示屏)、消息平台(例如监控中心的广播平台)以及应用程序(第三方客户端软件)中的任一种或多种组合。
此外,本实施例中,所述对所述预警结果进行预警输出还包括:检测是否存在预分类的各类发送对象:若是,则将所述预警结果发送至所述预分类的各类发送对象;若否,则终止所述预警输出。
其中,预分类的各类发送对象包括但不限于指定人员群组,部门群组,部门人员、家人、客户等;下发的预警结果的内容例如:你所驾驶的车辆已偏离高速,已超速,燃油即将耗尽,燃油异常消耗等。
其中,本实施例中,在输出预警结果时,采用复杂事件处理引擎并行处理,即同时对多个车辆(图6中的车辆1,车辆2……车辆N)同时监控预警。
图7显示为本实施例的车辆实时状况监控方法中车辆实时状况监控的整体实施过程示意图。如图7所示,通过消息订阅的方式获取车辆ID,经纬度,速度,驾驶员,车辆型号,时间,驾驶时长等车辆埋点数据。然后通过spark分布式计算集群进行并行消息数据(车辆埋点数据)的处理,然后利用ETL(Extract-Transform-Load,抽取、转换、加载)数据工具对接收到的车辆埋点数据进行异常数据过滤,进行数据模型匹配以形成统一数据格式的车辆埋点数据,进行异构数据适配以形成统一规则的待匹配的车辆数据,并基于基于时间筛选条件和/或位置筛选条件对所述统一规则的待匹配的车辆数据进行筛选,形成最终的所述待匹配的车辆数据。再通过复杂事件处理(CEP)引擎加载预设匹配规则(车辆异常事件规则),通过规则引擎对待匹配的车辆数据进行规则匹配处理,对匹配结果进行分析,根据预警输出条件确定是否下发告警,若符合,进行预警结果输出,将预警结果下发到预分类的各类发送对象,预先关联的显示设备、消息平台以及应用程序等。
实施例2
如图8所示,本实施例提供一种车辆实时状况监控装置100,所述车辆实时状况监控装置100包括:数据获取模块110,筛选转换模块120,匹配模块130以及输出模块140。
于本实施例中,所述数据获取模块110获取车辆埋点数据。
本实施例的所述数据获取模块110具体实现的技术特征与实施例1中车辆实时状况监控方法中的步骤S100的原理基本相同,方法和装置之间可以通用的技术内容不作重复赘述。
于本实施例中,所述筛选转换模块120对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据。
本实施例的所述筛选转换模块120具体实现的技术特征与实施例1中车辆实时状况监控方法中的步骤S200的原理基本相同,方法和装置之间可以通用的技术内容不作重复赘述。
于本实施例中,所述匹配模块130基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则,在所述待匹配的车辆数据符合预设匹配规则时,确认所述待匹配的车辆数据形成预警结果;在所述待匹配的车辆数据不符合预设匹配规则时,退出匹配过程。
本实施例的所述匹配模块130具体实现的技术特征与实施例1中车辆实时状况监控方法中的步骤S300至步骤S500的原理基本相同,方法和装置之间可以通用的技术内容不作重复赘述。
于本实施例中,所述输出模块140检测所述预警结果是否符合预警输出条件,并在所述预警结果符合所述预警输出条件时对所述预警结果进行预警输出,在所述预警结果不符合所述预警输出条件时终止所述预警输出。
本实施例的所述输出模块140具体实现的技术特征与实施例1中车辆实时状况监控方法中的步骤S600至步骤S800的原理基本相同,方法和装置之间可以通用的技术内容不作重复赘述。
实施例3
如图9所示,本实施例还提供一种电子设备10,所述电子设备10为但不限于智能手机、平板、智能穿戴设备、个人台式电脑、笔记本电脑、服务器、车载设备等。
所述电子设备10包括存储器102,用于存储计算机程序;处理器101,用于运行所述计算机程序以实现如实施例1所述的车辆实时状况监控方法的步骤。
存储器102通过装置总线与处理器101连接并完成相互间的通信,存储器102用于存储计算机程序,处理器101用于运行计算机程序,以使所述电子设备10执行所述的车辆实时状况监控方法。实施例1中已经对所述车辆实时状况监控方法进行了说明,在此不再赘述。
另需说明的是,上述提到的装置总线可以是外设部件互连标准(PeripheralComponent Interconnect,简称PCI)总线或扩展工业标准结构(Extended IndustryStandard Architecture,简称EISA)总线等。该装置总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器102可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器101可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
实施例4
本实施例提供一种存储介质,存储有程序指令,所述程序指令被处理器执行时实现实施例1中所述的车辆实时状况监控方法的步骤。实施例1已经对所述车辆实时状况监控方法进行了说明,在此不再赘述。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括实施例1中各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
综上所述,本发明基于复杂事件处理(CEP)引擎对采集的车辆埋点数据进行处理,做出相应结果预判,进行相应的预警输出,可以有效提高车辆监控的实时性和准确性,可以及时应对车辆发生的问题,还可以节省车辆的运维人力成本。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (12)
1.一种车辆实时状况监控方法,其特征在于:包括以下步骤:
获取车辆埋点数据;
对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;
基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则:
若是,则确认所述待匹配的车辆数据形成预警结果;
若否,则退出匹配过程;检测所述预警结果是否符合预警输出条件:
若是,则对所述预警结果进行预警输出;
若否,则终止所述预警输出。
2.根据权利要求1所述的车辆实时状况监控方法,其中,所述对所述车辆埋点数据进行筛选和/或转换处理包括:
基于预设筛选条件对所述车辆埋点数据进行异常筛选,剔除所述车辆埋点数据中的异常数据。
3.根据权利要求1或2所述的车辆实时状况监控方法,其中,所述对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据包括:
基于预设数据模型对不同的数据来源结构的车辆埋点数据进行数据分析,形成统一数据格式的车辆埋点数据;
基于预设规则对所述统一数据格式的车辆埋点数据进行规则转换,形成统一规则的待匹配的车辆数据。
4.根据权利要求3所述的车辆实时状况监控方法,其中,所述对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据还包括:
基于时间筛选条件和/或位置筛选条件对所述统一规则的待匹配的车辆数据进行筛选,形成最终的所述待匹配的车辆数据。
5.根据权利要求1所述的车辆实时状况监控方法,其中,所述预设匹配规则包括:预设的多个匹配条件和控制所述待匹配的车辆数据匹配顺序的匹配流转顺序。
6.根据权利要求1所述的车辆实时状况监控方法,其中,所述检测所述预警结果是否符合预警输出条件包括:
检测当前时间是否符合预警输出时间;
若是,则对所述预警结果进行预警输出;
若否,则终止所述预警输出,并重复执行上述步骤,直至当前时间符合预警输出时间,对所述预警结果进行预警输出。
7.根据权利要求1所述的车辆实时状况监控方法,其中,所述对所述预警结果进行预警输出包括:
检测是否存在预分类的各类发送对象:
若是,则将所述预警结果发送至所述预分类的各类发送对象;
若否,则终止所述预警输出。
8.根据权利要求1、6或7所述的车辆实时状况监控方法,其中,所述对所述预警结果进行预警输出包括:将所述预警输出至预先关联的显示设备、消息平台以及应用程序中的任一种或多种组合。
9.根据权利要求1所述的车辆实时状况监控方法,其中,所述复杂事件处理引擎采用spark分布式计算框架集成drools规则引擎。
10.一种车辆实时状况监控装置,其特征在于:包括:
数据获取模块,所述数据获取模块获取车辆埋点数据;
筛选转换模块,所述筛选转换模块对所述车辆埋点数据进行筛选和/或转换处理,形成待匹配的车辆数据;
匹配模块,所述匹配模块基于复杂事件处理引擎判断所述待匹配的车辆数据是否符合预设匹配规则,在所述待匹配的车辆数据符合预设匹配规则时,确认所述待匹配的车辆数据形成预警结果;在所述待匹配的车辆数据不符合预设匹配规则时,退出匹配过程;
输出模块,所述输出模块检测所述预警结果是否符合预警输出条件,并在所述预警结果符合所述预警输出条件时对所述预警结果进行预警输出,在所述预警结果不符合所述预警输出条件时终止所述预警输出。
11.一种存储介质,存储有程序指令,其特征在于:所述程序指令被处理器执行时实现如权利要求1至权利要求9任一权利要求所述的车辆实时状况监控方法的步骤。
12.一种电子设备,其特征在于:包括存储器,存储计算机程序;处理器,执行所述计算机程序以实现如权利要求1至权利要求9任一权利要求所述的车辆实时状况监控方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235909.5A CN115035705A (zh) | 2021-03-03 | 2021-03-03 | 车辆实时状况监控方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110235909.5A CN115035705A (zh) | 2021-03-03 | 2021-03-03 | 车辆实时状况监控方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115035705A true CN115035705A (zh) | 2022-09-09 |
Family
ID=83117786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110235909.5A Pending CN115035705A (zh) | 2021-03-03 | 2021-03-03 | 车辆实时状况监控方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115035705A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578786A (zh) * | 2023-07-14 | 2023-08-11 | 深圳联友科技有限公司 | 基于车辆数据分析的智能加油推荐方法和装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109753330A (zh) * | 2018-12-26 | 2019-05-14 | 深圳市麦谷科技有限公司 | 一种导航设备界面显示方法、系统、计算机设备及存储介质 |
CN109831478A (zh) * | 2018-12-19 | 2019-05-31 | 天翼电子商务有限公司 | 基于规则及模型的分布式实时处理智能决策系统及方法 |
CN110300175A (zh) * | 2019-07-02 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 消息推送方法、装置、存储介质及服务器 |
CN111310469A (zh) * | 2020-01-16 | 2020-06-19 | 北京明略软件系统有限公司 | 实体间隐形关系的查找方法及装置、电子设备、存储介质 |
CN112003920A (zh) * | 2020-08-18 | 2020-11-27 | 天津四立科技有限责任公司 | 一种信息共享系统 |
CN112084180A (zh) * | 2020-09-02 | 2020-12-15 | 中国第一汽车股份有限公司 | 一种监控车载应用质量的方法、装置、设备及介质 |
CN112435492A (zh) * | 2020-11-11 | 2021-03-02 | 深圳前海车米云图科技有限公司 | 一种多变量智能预警系统 |
-
2021
- 2021-03-03 CN CN202110235909.5A patent/CN115035705A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109831478A (zh) * | 2018-12-19 | 2019-05-31 | 天翼电子商务有限公司 | 基于规则及模型的分布式实时处理智能决策系统及方法 |
CN109753330A (zh) * | 2018-12-26 | 2019-05-14 | 深圳市麦谷科技有限公司 | 一种导航设备界面显示方法、系统、计算机设备及存储介质 |
CN110300175A (zh) * | 2019-07-02 | 2019-10-01 | 腾讯科技(深圳)有限公司 | 消息推送方法、装置、存储介质及服务器 |
US20210377355A1 (en) * | 2019-07-02 | 2021-12-02 | Tencent Technology (Shenzhen) Company Limited | Message pushing method, storage medium, and server |
CN111310469A (zh) * | 2020-01-16 | 2020-06-19 | 北京明略软件系统有限公司 | 实体间隐形关系的查找方法及装置、电子设备、存储介质 |
CN112003920A (zh) * | 2020-08-18 | 2020-11-27 | 天津四立科技有限责任公司 | 一种信息共享系统 |
CN112084180A (zh) * | 2020-09-02 | 2020-12-15 | 中国第一汽车股份有限公司 | 一种监控车载应用质量的方法、装置、设备及介质 |
CN112435492A (zh) * | 2020-11-11 | 2021-03-02 | 深圳前海车米云图科技有限公司 | 一种多变量智能预警系统 |
Non-Patent Citations (1)
Title |
---|
张鲁男;常宝岗;梅利;: "基于规则引擎及智能阈值的实时业务风控系统", 通信技术, no. 11, pages 146 - 150 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116578786A (zh) * | 2023-07-14 | 2023-08-11 | 深圳联友科技有限公司 | 基于车辆数据分析的智能加油推荐方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11875144B2 (en) | Over-the-air (OTA) mobility services platform | |
CN107680375B (zh) | 一种车辆载重计算方法、装置及存储介质 | |
Tulga et al. | Dynamic decisions and work load in multitask supervisory control | |
US20210081908A1 (en) | Method for directing, scheduling, and facilitating maintenance requirements for autonomous vehicle | |
US20220374442A1 (en) | Extract, transform, load monitoring platform | |
US20230171314A1 (en) | Dynamic vehicle data extraction service | |
US20230169805A1 (en) | Fleet data collection using a unified model to collect data from heterogenous vehicles | |
CN111539864A (zh) | 一种基于lbs大数据的踩踏事件的情报分析方法和装置 | |
CN115035705A (zh) | 车辆实时状况监控方法、装置、电子设备及介质 | |
CN112116158A (zh) | 数据处理方法、数据处理装置、存储介质和电子设备 | |
CN114418606B (zh) | 基于时空卷积网络的网约车订单需求预测方法 | |
CN108644374A (zh) | 变速箱控制方法及装置 | |
Baliyan et al. | Role of AI and IoT techniques in autonomous transport vehicles | |
CN114547247A (zh) | 一种自主式交通系统的架构构建方法、装置及存储介质 | |
Bondu et al. | Open challenges for machine learning based early decision-making research | |
Cupek et al. | Data preprocessing, aggregation and clustering for agile manufacturing based on automated guided vehicles | |
US11308458B2 (en) | Method for directing, scheduling, and facilitating maintenance requirements for autonomous vehicle | |
CN114064276A (zh) | 用车情景的感知方法及车载系统 | |
EP3316227A1 (en) | Method and intelligent system for generating a predictive outcome of a future event | |
US20210390795A1 (en) | Distributed System | |
CN115374291A (zh) | 基于业务对象的知识库构建方法及系统 | |
CN116862353A (zh) | 用于为现实物料供应生成统一数字化物料供应链的系统、方法及计算机存储介质 | |
Marks et al. | Identifying and Labeling Potentially Risky Driving: A Multistage Process Using Real‐World Driving Data | |
Chang et al. | Interaction-based driving scenario classification and labeling | |
US11210267B2 (en) | Electronic control unit comparison |
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 |