CN115048557A - 一种基于人工智能的车辆数据处理方法和装置 - Google Patents
一种基于人工智能的车辆数据处理方法和装置 Download PDFInfo
- Publication number
- CN115048557A CN115048557A CN202210977767.4A CN202210977767A CN115048557A CN 115048557 A CN115048557 A CN 115048557A CN 202210977767 A CN202210977767 A CN 202210977767A CN 115048557 A CN115048557 A CN 115048557A
- Authority
- CN
- China
- Prior art keywords
- vehicle data
- vehicle
- type
- data
- storage
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
Abstract
本申请公开了一种基于人工智能的车辆数据处理方法和装置,涉及数据处理技术领域。具体实现方案为:获取数据集中的各个待存储的车辆数据,并确定每个所述待存储数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种基于人工智能的车辆数据处理方法和装置。
背景技术
数据是自动驾驶技术的重要驱动力,且自动驾驶领域的数据量非常庞大,包含大量的传感数据、大量系统模块运行日志数据、用户操作使用数据等等。自动驾驶车辆还可以接收各种用户数据,包括用户控制输入、来自摄像机的数据、来自生物识别传感器的数据等。车辆每天产生的各式各样的车辆数据都对车辆的研发、分析以及车辆的更新、改良起到了非常重要的帮助作用。
例如,车辆在预测车辆的续航里程时,往往需要结合用户对车辆的使用习惯,比如历史空调设置温度、历史驾驶速度、历史驾驶路线以及车辆当前的油量数据、电量数据等等,预测未来的能耗,从而得到准确的续航里程。
相关技术中,车辆通常会定时对产生的大量车辆数据进行清理。或者,仅仅是将一部分特定类型的车辆数据进行存储,但是由于存储方式单一,很容易数据丢失。这样会导致大量的车辆数据被浪费,也难以为后续车辆技术的更新和改良提供可靠的数据支撑。
由此可见,如何对车辆日常产生的车辆数据进行有效的处理,从而为之后车辆技术的更新和改良提供数据支撑,是当前亟需解决的问题。
发明内容
针对现有技术的不足,本发明提供了基于人工智能的车辆数据处理方法和装置,以解决上述背景技术中提出的问题。
本申请提供了一种基于人工智能的车辆数据处理方法和装置。
根据第一方面,提供了一种基于人工智能的车辆数据处理方法,包括:
获取数据集中的各个待存储的车辆数据,并确定每个所述待存储数据的属性信息,其中,所述数据集中包含当前日期的车辆数据;
根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度;
根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;
基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;
根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
根据第二方面,提供了一种基于人工智能的车辆数据处理方法,包括:
获取模块,用于获取数据集中的各个待存储的车辆数据,并确定每个所述待存储数据的属性信息,其中,所述数据集中包含当前日期的车辆数据;
第一确定模块,用于根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度;
分类模块,用于根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;
第二确定模块,用于基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;
存储模块,用于根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
本公开实施例中,首先获取数据集中的各个待存储的车辆数据,并确定每个所述待存储的车辆数据的属性信息,其中,所述数据集中包含当前日期的车辆数据,之后根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度,然后根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对所述各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级,之后基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式,最后根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。由此,可以对车辆数据首先进行分类,并根据车辆数据的生成时间、所属的车辆系统类型和用户关联系数,确定车辆数据的存储等级,从而可以得到不同重要程度的存储等级,考虑到了之后技术更新所需要的方向,从而能够更加方便地为之后的车辆研发提供数据支撑,并且对于不同存储等级和所属的车辆系统类型的数据提供了不同的存储方式,通过分类存储,可以更好地对数据进行管理,也可以避免了数据丢失,保障了数据存储的安全性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的一种基于人工智能的车辆数据处理方法的流程示意图;
图2是根据本申请第二实施例的一种基于人工智能的车辆数据处理方法的流程示意图;
图3是根据本申请的一种基于人工智能的车辆数据处理装置的结构示意图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
下面结合参考附图描述本申请的基于人工智能的车辆数据处理方法、装置、电子设备及介质。
下面以本申请提供的基于人工智能的车辆数据处理装置来执行本申请提供的基于人工智能的车辆数据处理方法为例来解释说明本申请,以下简称为“装置”。
图1是根据本申请第一实施例的基于人工智能的车辆数据处理方法的流程示意图,如图1所示,该基于人工智能的车辆数据处理方法,可以包括以下步骤:
步骤101,获取数据集中的各个待存储的车辆数据,并确定每个待存储的车辆数据的属性信息,其中,数据集中包含当前日期的车辆数据。
其中,数据集中可以包含车辆在当前日期记录的车辆数据,比如车辆自身的参数信息,比如电流、电压、电芯内阻、驾驶速度数据、空调温度数据、座舱设备使用数据、显示屏的使用数据、空调的使用数据以及车辆的耗电数据、耗油数据、驾驶路线数据、泊车数据、环境温度数据、天气数据、车灯的开启关闭数据等等,也即可以为车辆在当前日期所产生和记录的各个数据。
需要说明的是,车辆中配置有监测和管理车辆操作特性的多个系统,比如信息娱乐系统、气候控制系统、燃料系统、智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,等等,在此不进行限定。可以理解的是,每个系统在当前日期都有可能产生大量的车辆数据。
其中,属性信息可以为待存储的车辆数据的生成时间、存储时间、数据类型、数据大小、以及该待存储的车辆数据所属于的车辆系统类型。
需要说明的是,若待存储的车辆数据为车辆的驾驶速度和驾驶时间,则待存储的车辆数据所属的车辆系统类型智能驾驶系统,也即是有智能驾驶系统产生的车辆数据。比如,若待存储的车辆数据为当前空调设置的温度,则该车辆数据所属的车辆系统类型为空调系统。
步骤102,根据每个车辆数据的属性信息,确定每个车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,用户关联系数用于表征车辆数据与用户操作的相关度。
其中,生成时间可以为车辆数据的产生时间,比如若A时刻,车辆的车速为50km/h,则可以将A时刻作为该车速数据50km/h的生成时间。或者,若在D时刻,车辆驾驶在J地点,则可以将此时车辆的驾驶地点J作为D时刻产生的车辆数据。
需要说明的是,在一些情况下,同一时间段产生的数据是相同的,比如在12点到14点,空调温度均设置为23摄氏度,则此时可以确定12点到14点这一时间段,为该空调温度数据的生成时间,在此不进行限定。
其中,所属的车辆系统类型可以为当前车辆数据对应的车辆系统类型。可以理解的是,车辆中包含了多个系统,比如智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,在此不做限定。
举例来说,可以将驾驶速度、驾驶路线、以及障碍物检测数据、行人检测数据、激光雷达探测数据等数据所属的车辆系统类型确定为智能驾驶系统。
可选的,可以基于预设的映射关系,确定每个车辆数据所对应的车辆系统类型。
其中,用户关联系数用于表征车辆数据与用户操作的相关度。
需要说明的是,相关度越高,则说明当前车辆数据跟用户操作的关联度更高。举例来说,空调设置温度、驾驶速度、座舱设备使用数据、以及驾驶路线通常是在用户的操作之下产生的,跟用户操作的关联度比较高。其中,环境温度、障碍物检测数据、周围车辆检测数据、电池的电芯电阻、电压、电流数据,通常跟用户操作的关联度较低,甚至没有关联度。
可选的,该装置可以基于Apriori算法对车辆数据进行关联分析,以确定每个车辆数据的用户关联系数,或者,也可以预先存储用户与车辆的交互参考数据,并将车辆数据与交互参考数据进行比较或者匹配,以确定用户关联系数。或者,也可以预先建立历史交互车辆数据数据库,并将车辆数据与该历史交互车辆数据数据库中的数据进行匹配,以计算每个车辆数据的用户关联系数。
可以理解的是,用户关联系数越高,则说明当前车辆数据具有更高的利用价值,通过使用该车辆数据,可以有利于对用户的行为进行分析,从而使得车辆能够更加符合用户的体验。比如,这些车辆数据可以用于预测车辆在某一特定时间内的油耗、电耗,从而用于预测续航里程,或者,这些车辆数据还可以用于为用户自动配置相关的车辆参数,比如车辆温度、车舱内灯的亮度,以及为用户推荐较佳的驾驶路线,等等,在此不进行限定。
步骤103,根据生成时间、车辆系统类型和/或用户关联系数,对各个车辆数据进行分类,并确定每个类别的车辆数据的存储等级。
需要说明的是,存储等级用于表征车辆数据的存储级别,若车辆数据的重要程度越高,价值越大,则存储等级越高。本公开中,存储等级为一级的车辆数据最为重要和关键,利用价值越大,存储等级为二级的车辆数据重要程度次之,可利用程度比较适中,存储等级为三级的车辆数据的价值最低,可被利用程度较低。由此,在确定了每种车辆数据的存储等级之后,可以便于之后非常有效地对车辆数据进行管理和使用,提前进行了车辆数据筛选和数据分级。
可以理解的是,重要程度较高的车辆数据需要保护的程度最高,因而设置为一级,重要程度适中的车辆数据需要保护的程度适中,故存储等级可以设置为二级,重要程度最低的车辆数据需要保护的程度最低,因而设置为三级。
本公开中,可以根据车辆数据对应的生成时间、所属的车辆系统类型和/或用户关联系数,对车辆数据首先进行分类,进而对分类后的数据再进行存储等级的定级。
需要说明的是,在将车辆数据进行分类之后,可以方便对车辆数据的管理和利用,从而可以为之后的车辆各项技术的更新和研发提供数据支持。本公开中,在对车辆数据进行有效的分类之后,在后续车辆各项技术的更新和研发的计算工作中,可以节省计算资源,提高计算效率,减少了查找相应数据所用的时间。
可选的,该装置可以在车辆数据的用户关联系数大于或者等于第一阈值时,确定车辆数据属于第一类型车辆数据,且车辆数据的存储等级为一级。
其中,第一阈值可以为用户关联系数,且第一阈值的大小可以根据经验设定,比如可以为0.8,在此不进行限定。
需要说明的是,若任一车辆数据的用户关联系数大于第一阈值,则说明该车辆数据与用户操作的关联程度更高,更需要被利用。
可以理解是,若车辆数据的用户关联系数大于或者等于第一阈值时,则说明车辆数据跟用户操作的联系程度比较大,则可以将确定车辆数据属于第一类型车辆数据。
其中,第一类型车辆数据与用户的操作比较密切,因而该类型的车辆数据可以用于表征用户的习惯,通过对第一类型车辆数据进行分类,可以确定用户的用车习惯,比如驾驶速度习惯、常去的地点习惯、常开的空调温度习惯。其中,空调温度习惯与车辆的耗能情况密切相关。可以理解的是,这些用户习惯可以用于预测车辆的行驶路线、行驶时间以及续航里程等等,在此不进行一一举例。也即是说,第一类型车辆数据可以用于作为一些预测模型的训练数据,还有很多。因而可以将第一类型车辆数据存储等级定为一级。
或者,该装置可以在生成时间属于第一时间段、所属的车辆系统类型属于目标系统类型且用户关联系数小于第一阈值时,确定车辆数据为第一类型车辆数据,且车辆数据的存储等级为一级。
可选的,目标系统类型包含智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,第一时间段为预设的工作时间段,第二时间段为工作时间段之外的时间段。
需要说明的是,目标系统类型的车辆系统可以为需要重点研究和提升性能的车辆系统,比如智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,并将其他的车辆系统作为非目标系统类型的车辆系统,比如音响系统、视频播放系统、座椅按摩系统、后舱管理系统等等,在此不进行限定。
其中,第一时间段可以为预设的工作时间段,比如可以将上午九点到下午八点作为工作时间段,也即第一时间段,并将其他的时间段作为第二时间段,也即非工作时间段。
可以理解的是,第一时间段可以为用户预先录入在车辆中的,也即用户可以将工作时间预先录入在车辆中,由此车辆可以得到准确的工作时间段。
需要说明的是,在用户关联系数小于第一阈值时,此时可以考虑车辆数据的生成时间和所属的车辆系统类型。
具体的,若车辆数据的生成时间属于一些重要的时间段,且所属的车辆系统类型为目标系统类型的车辆系统的情况下,则也可以把车辆数据为第一类型车辆数据,且车辆数据的存储等级为一级。
比如,若当前车辆数据生成的时间段为第一时间段,也即上班时间,所属的车辆系统类型为智能驾驶系统,也即所属的车辆系统类型为目标系统类型,而此时可以将该车辆数据记为第一类型车辆数据。
需要说明的是,此时的车辆数据由于是对应的工作时间段,因而此时用户对车辆的操作更为重要,比如可能记录一些跟工作相关的重要信息,且工作时段对应的驾驶路线也非常重要,且为用户经常行驶的路线。此时,在知道了第一时间段对应的车辆数据之后,车辆可以根据这些车辆数据进行更好的路径规划,等等。
另外,目标系统类型的车辆属于可以用于作为目标车辆系统的训练数据集,从而可以为之后的对应系统的神经网络模型的训练和改进,提供数据支持。比如,智能驾驶系统对应的驾驶数据可以为之后预测驾驶路线以及续航里程提供数据支持,还有障碍物图像数据可以为之后判断障碍物,提高识别率提供数据支持。
或者,该装置可以在生成时间属于第一时间段、所属的车辆系统类型不属于目标系统类型且用户关联系数小于第一阈值时,确定车辆数据为第二类型车辆数据,且车辆数据的存储等级为二级。
或者,该装置可以在生成时间属于第二时间段、所属的车辆系统类型属于目标系统类型且用户关联系数小于第一阈值时,确定车辆数据为第二类型车辆数据,且车辆数据的存储等级为二级。
其中,第二时间段为不属于预设工作时间的时间段。
具体的,在车辆数据的用户关联系数小于第一阈值时,此时需要考虑车辆数据的生成时间以及所属的车辆系统类型,如果车辆数据的生成时间满足第一时间段,或者所属的车辆系统类型满足目标系统类型,也即是说,如果车辆数据的生成时间以及所属的车辆系统类型只有一个符合预设的情况,也即带有重要的特征时,可以将车辆数据作为第二类型车辆数据。
或者,该装置可以在生成时间属于第二时间段、所属的车辆系统类型不属于目标系统类型且用户关联系数小于第一阈值时,确定车辆数据为第三类型车辆数据,且车辆数据的存储等级为三级。
需要说明的是,若车辆数据的生成时间不属于第一时间段,且所属的车辆系统类型也不属于目标车辆类型,且用户关联系数比较小,小于第一阈值,则此时说明车辆数据的参考价值和可利用价值最低,因而可以确定该车辆数据所属的车辆系统类型为第三类型车辆数据,并将存储等级确定为第三等级。
步骤104,基于预设的映射关系,根据各个待存储的车辆数据的存储等级和车辆数据所属的车辆系统类型,确定车辆数据对应的存储方式。
需要说明的是,在确定了车辆数据的存储等级之后,还可以结合当前车辆数据所属的车辆系统类型进行进一步的分类,以确定车辆数据对应的存储方式。
可以理解的是,由于目标系统类型的车辆数据对于车辆的更新换代以及模型的改进提供最主要的帮助,因而,在确定车辆数据对应的存储方式不仅需要考虑车辆的存储等级,还要考虑车辆数据所属的目标系统类型,从而使得对数据的管理更加精细、可靠。
可选的,该装置可以在车辆数据的存储等级为一级,且车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定车辆数据对应的存储方式为第一存储方式。
需要说明的是,如果车辆数据的存储等级最高,为一级,且车辆数据所属的车辆系统类型也属于目标系统类型,则说明当前车辆数据为非常重要的数据,因而可以根据第一存储方式对其进行存储,其中,第一存储方式的存储性最为可靠和安全。
或者,该装置可以在车辆数据的存储等级为一级,且车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定车辆数据对应的存储方式为第二存储方式。
需要说明的是,若车辆数据的存储等级为一级,比如若车辆数据由于用户关联度大于第一阈值,被确定为第一类型存储数据,且存储等级为一级,但是车辆数据的可利用性依旧比较差,本公开中,可以根据其所属的车辆系统类型对其存储方式进行进一步地确定。
或者,该装置可以在车辆数据的存储等级为二级,且车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定车辆数据对应的存储方式为第二存储方式。
需要说明的是,若车辆数据存储等级为一级,且车辆数据所属的车辆系统类型不属于目标系统类型,或者,若车辆数据的存储等级为二级,但是车辆数据所属的车辆系统类型属于目标系统类型的数据时,则可以将车辆数据的存储方式确定为第二存储方式。
或者,该装置可以在车辆数据的存储等级为二级,且车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定车辆数据对应的存储方式为第三存储方式。
或者,该装置可以在车辆数据的存储等级为三级的情况下,确定车辆数据对应的存储方式为第三存储方式。
需要说明的是,若车辆数据的存储等级最低,则可以直接确定为第三存储方式。
步骤105,根据每个车辆数据对应的存储方式,对车辆数据进行存储。
需要说明的是,第一存储方式对应的车辆数据可以为重要程度较高的数据。本公开中,在确定了数据集中第一存储方式对应的车辆数据之后,可以对该车辆数据首先进行数据加密,比如可以根据预设的加密公式和加密程序,对车辆数据进行加密,然后将车辆数据存储到预设的数据库中,并将加密后的车辆数据同步存储到至少一个关联存储设备中,比如分布式服务器,加密硬盘中,从而可以避免该车辆数据之后数据丢失或者损毁、改变,从而可以提高数据的安全性和存储的可靠性。
可选的,本公开实施例中,还可以按照指定的周期对车辆数据进行数据备份。
比如,该装置可以按照一定的时间节点,周期性的将当前数据集中的存储方式为第一存储方式的数据,进行数据备份,并将备份的进行状态提交给云端。其中,该进行状态可以为数据备份的完成程度。
作为一种可能实现的方式,该装置还可以根据预设的转换程序,将车辆数据转换成加密代码序列,然后对加密代码序列中的各个第一元素进行计算,以获得各个目标正整数。
进一步地,可以基于用户预先输入的干扰正整数(或者车机自动选取的随机数)以及各个目标正整数,生成信息加密序列,然后按照指定的图形加密方式,将信息加密序列中的第二元素进行转换,以生成每个车辆数据对应的加密结果,之后将加密结果存储到预设的数据库中。可选的,可以根据车辆数据的属性信息,确定车辆数据的访问频率,也即被查看的次数,将车辆数据保存至对应的数据库中,比如可以将访问频率比较高的车辆数据对应的加密结果保存至A类数据库,将访问频率比较低的车辆数据对应的加密结果保存至B类数据库。
需要说明的是,在根据预设的转换程序,将车辆数据转换成加密代码序列,然后对加密代码序列中的各个第一元素进行计算,以获得各个目标正整数时,也即将待存储的车辆数据根据预设的转换程序转换成加密转换代码,形成加密代码序列,其中序列中的每个元素,也即第一元素为加密转换代码,通过将序列中的每个第一元素通过加密公式进行重新计算得到一个新的正整数,也即目标正整数,同时用户通过信息输入终端输入一个干扰正整数,将新的正整数加上用户输入的干扰正整数得到换算后的新的元素,也即第二元素将这些第二元素依照加密代码序列的顺序构成信息加密序列。
需要说明的是,第二存储方式对应的车辆数据可以为重要程度较适中的数据。本公开中,在确定了数据集中第二存储方式对应的车辆数据之后,可以对该车辆数据进行定期存储,比如可以设定存储时长,比如存储一个月,或者一个季度,之后可以根据对车辆数据的利用量,确定数据清理的程度。
举例来说,若当前第二存储方式对应的车辆数据为100组数据,可以每隔一个月对车辆数据的利用量进行统计,若利用量超过预设阈值,比如69份,则可以继续存储,若利用量小于预设阈值,则可以清理一部分数据,比如40%的数据,由此,可以降低数据存储量。另外,由于数据的实时性需要强,因而可以每个周期需要清理的数据量不同。比如若第二个月,利用量小于预设阈值,需要清理20%的数据,则第三个月,可以清理36%的数据,在此不做限定。
需要说明的是,第三存储方式对应的车辆数据可以为重要程度较低的数据。本公开中,在确定了数据集中第三存储方式对应的车辆数据之后,可以对该车辆数据分段进行删除,比如每隔2个月删除20%的数据,由此,可以对数据进行一定程度的保留,也可以防止数据量过大,占用空间。
本公开实施例中,首先获取数据集中的各个待存储的车辆数据,并确定每个所述待存储的车辆数据的属性信息,其中,所述数据集中包含当前日期的车辆数据,之后根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度,然后根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级,之后基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式,最后根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。由此,可以对车辆数据首先进行分类,并根据车辆数据的生成时间、所属的车辆系统类型和用户关联系数,确定车辆数据的存储等级,从而可以得到不同重要程度的存储等级,考虑到了之后技术更新所需要的方向,从而能够更加方便地为之后的车辆研发提供数据支撑,并且对于不同存储等级和所属的车辆系统类型的数据提供了不同的存储方式,通过分类存储,可以更好地对数据进行管理,也可以避免了数据丢失,保障了数据存储的安全性。
图2是根据本申请第二实施例的基于人工智能的车辆数据处理方法的流程示意图,如图2所示,该基于人工智能的车辆数据处理方法,可以包括以下步骤:
步骤201,获取数据集中的各个待存储的车辆数据,并确定每个待存储的车辆数据的属性信息,其中,数据集中包含当前日期的车辆数据。
步骤202,根据每个车辆数据的属性信息,确定每个车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,用户关联系数用于表征车辆数据与用户操作的相关度。
步骤203,根据生成时间、车辆系统类型和/或用户关联系数,对各个车辆数据进行分类,并确定每个类别的车辆数据的存储等级。
需要说明的是,步骤201、202、203的具体实现方式可以参照上述实施例,在此不进行赘述。
步骤204,对各个类别的车辆数据分别进行压缩,以确定各个压缩数据。
其中,在确定了各个类别的车辆数据之后,该装置可以将当前日期的数据集中每个类别的车辆数据进行分别压缩,从而可以确定每个类别的车辆数据的压缩数据。也即可以分别确定第一类型车辆数据的压缩数据、第二类型车辆数据的压缩数据以及第三类型车辆数据的压缩数据。
步骤205,将各个压缩数据分别存储至本地存储设备中的各个数据库,其中,每个数据库存储一种类别的车辆数据。
需要说明的是,通过将各个压缩数据分别存储至本地存储设备中的各个数据库,可以避免所有数据一起丢失,且由于将每个压缩数据都存储至对应的数据库中,可以便于之后进行数据查找和数据解压,比如,若需要使用第一类型的车辆数据时,则可以仅对第一类型的车辆数据进行解压,且可以仅在第一类型车辆数据对应的数据库中进行查找,从而可以提高数据处理的效率,便于数据获取。
步骤206,在当前车辆处于联网状态的情况下,将第一类型车辆数据和第二类型车辆数据发送至云端数据库进行存储。
需要说明的是,若车辆处于联网状态,此时可以将第一类型的车辆数据和第二类型的车辆数据发送至云端数据库中进行存储。需要说明的是,由于第一类型车辆数据和第二类型车辆数据为比较重要的车辆数据,因而将第一类型的车辆数据和第二类型的车辆数据发送至云端数据库进行存储,可以提高数据存储的安全性和可靠性,且在发送到云端数据库之后,可以由云端的服务器对车辆数据进行数据分析,从而可以及时的对车辆数据的异常状态进行发现。
步骤207,基于预设的映射关系,根据各个待存储的车辆数据的存储等级和车辆数据所属的车辆系统类型,确定车辆数据对应的存储方式。
步骤208,根据每个车辆数据对应的存储方式,对车辆数据进行存储。
需要说明的是,步骤207、208的具体实现方式可以参照上述实施例,在此不进行赘述。
本公开实施例中,首先获取数据集中的各个待存储的车辆数据,并确定每个待存储的车辆数据的属性信息,其中,数据集中包含当前日期的车辆数据,之后根据每个车辆数据的属性信息,确定每个车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,用户关联系数用于表征车辆数据与用户操作的相关度,之后根据生成时间、车辆系统类型和/或用户关联系数,对各个车辆数据进行分类,并确定每个类别的车辆数据的存储等级,之后对各个类别的车辆数据分别进行压缩,以确定各个压缩数据,之后将各个压缩数据分别存储至本地存储设备中的各个数据库,其中,每个数据库存储一种类别的车辆数据,之后在当前车辆处于联网状态的情况下,将第一类型车辆数据和第二类型车辆数据发送至云端数据库进行存储,之后基于预设的映射关系,根据各个待存储的车辆数据的存储等级和车辆数据所属的车辆系统类型,确定车辆数据对应的存储方式,之后根据每个车辆数据对应的存储方式,对车辆数据进行存储。由此,由于在确定了车辆数据的类别之后,可以将车辆数据分门别类的进行存储,提高了数据管理的效率,由于每种数据仅保存在对应类型的数据库中,可以便于查找和便于解压。由于将第一类型车辆数据和第二类型车辆数据发送至云端数据库进行存储,可以提高数据存储的安全性和可靠性,且在发送到云端数据库之后,可以由云端的服务器对车辆数据进行数据分析,从而可以及时的对车辆数据的异常状态进行发现。
为实现上述实施例,本公开还提出了一种基于人工智能的车辆数据处理装置,图3为本公开提出的一种基于人工智能的车辆数据处理装置的结构框图。
如图3所示,该基于人工智能的车辆数据处理装置300包括获取模块310、第一确定模块320、分类模块330、第二确定模块340和存储模块350:
获取模块,用于获取数据集中的各个待存储的车辆数据,并确定每个所述待存储数据的属性信息,其中,所述数据集中包含当前日期的车辆数据;
第一确定模块,用于根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度;
分类模块,用于根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;
第二确定模块,用于基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;
存储模块,用于根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
可选的,所述第一确定模块,具体用于:
在所述车辆数据的所述用户关联系数大于或者等于第一阈值时,确定所述车辆数据属于第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第三类型车辆数据,且所述车辆数据的存储等级为三级。
可选的,所述目标系统类型包含智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,所述第一时间段为预设的工作时间段,所述第二时间段为所述工作时间段之外的时间段。
可选的,所述分类模块,还用于:
对各个类别的所述车辆数据分别进行压缩,以确定各个压缩数据;
将所述各个压缩数据分别存储至本地存储设备中的各个数据库,其中,每个所述数据库存储一种类别的所述车辆数据;
在当前车辆处于联网状态的情况下,将所述第一类型车辆数据和所述第二类型车辆数据发送至云端数据库进行存储。
可选的,第二确定模块,具体用于:
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第一存储方式;
或者,
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
在所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
或者所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第三存储方式;
或者,
在所述车辆数据的存储等级为三级的情况下,确定所述车辆数据对应的存储方式为第三存储方式。
本公开实施例中,首先获取数据集中的各个待存储的车辆数据,并确定每个所述待存储的车辆数据的属性信息,其中,所述数据集中包含当前日期的车辆数据,之后根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度,然后根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对所述各个车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级,之后基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式,最后根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。由此,可以对车辆数据首先进行分类,并根据车辆数据的生成时间、所属的车辆系统类型和用户关联系数,确定车辆数据的存储等级,从而可以得到不同重要程度的存储等级,考虑到了之后技术更新所需要的方向,从而能够更加方便地为之后的车辆研发提供数据支撑,并且对于不同存储等级和所属的车辆系统类型的数据提供了不同的存储方式,通过分类存储,可以更好地对数据进行管理,也可以避免了数据丢失,保障了数据存储的安全性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种基于人工智能的车辆数据处理方法,其特征在于,包括:
获取数据集中的各个待存储的车辆数据,并确定每个所述待存储的车辆数据的属性信息,其中,所述数据集中包含当前日期的车辆数据;
根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度;
根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个所述车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;
基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;
根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
2.根据权利要求1所述的方法,其特征在于,所述根据所述生成时间、所述车辆系统类型和所述用户关联系数,对各个所述车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级,包括:
在所述车辆数据的所述用户关联系数大于或者等于第一阈值时,确定所述车辆数据属于第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第三类型车辆数据,且所述车辆数据的存储等级为三级。
3.根据权利要求2所述的方法,其特征在于,所述目标系统类型包含智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,所述第一时间段为预设的工作时间段,所述第二时间段为所述工作时间段之外的时间段。
4.根据权利要求2所述的方法,其特征在于,在所述对各个所述车辆数据进行分类之后,还包括:
对各个类别的所述车辆数据分别进行压缩,以确定各个压缩数据;
将所述各个压缩数据分别存储至本地存储设备中的各个数据库,其中,每个所述数据库存储一种类别的所述车辆数据;
在当前车辆处于联网状态的情况下,将所述第一类型车辆数据和所述第二类型车辆数据发送至云端数据库进行存储。
5.根据权利要求1或2所述的方法,其特征在于,所述基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式,包括:
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第一存储方式;
或者,
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
在所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
或者所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第三存储方式;
或者,
在所述车辆数据的存储等级为三级的情况下,确定所述车辆数据对应的存储方式为第三存储方式。
6.一种基于人工智能的车辆数据处理装置,其特征在于,包括:
获取模块,用于获取数据集中的各个待存储的车辆数据,并确定每个所述待存储数据的属性信息,其中,所述数据集中包含当前日期的车辆数据;
第一确定模块,用于根据每个所述车辆数据的属性信息,确定每个所述车辆数据的生成时间、所属的车辆系统类型和用户关联系数,其中,所述用户关联系数用于表征所述车辆数据与用户操作的相关度;
分类模块,用于根据所述生成时间、所述车辆系统类型和/或所述用户关联系数,对各个所述车辆数据进行分类,并确定每个类别的所述车辆数据的存储等级;
第二确定模块,用于基于预设的映射关系,根据所述各个待存储的车辆数据的存储等级和所述车辆数据所属的车辆系统类型,确定所述车辆数据对应的存储方式;
存储模块,用于根据每个所述车辆数据对应的存储方式,对所述车辆数据进行存储。
7.根据权利要求6所述的装置,其特征在于,所述第一确定模块,具体用于:
在所述车辆数据的所述用户关联系数大于或者等于第一阈值时,确定所述车辆数据属于第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第一类型车辆数据,且所述车辆数据的存储等级为一级;
或者,
在所述生成时间属于第一时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第二类型车辆数据,且所述车辆数据的存储等级为二级;
或者,
在所述生成时间属于第二时间段、所述所属的车辆系统类型不属于目标系统类型且所述用户关联系数小于第一阈值时,确定所述车辆数据为第三类型车辆数据,且所述车辆数据的存储等级为三级。
8.根据权利要求7所述的装置,其特征在于,所述目标系统类型包含智能驾驶系统、动力系统、电池老化系统、座舱设备系统和空调系统,所述第一时间段为预设的工作时间段,所述第二时间段为所述工作时间段之外的时间段。
9.根据权利要求7所述的装置,其特征在于,所述分类模块,还用于:
对各个类别的所述车辆数据分别进行压缩,以确定各个压缩数据;
将所述各个压缩数据分别存储至本地存储设备中的各个数据库,其中,每个所述数据库存储一种类别的所述车辆数据;
在当前车辆处于联网状态的情况下,将所述第一类型车辆数据和所述第二类型车辆数据发送至云端数据库进行存储。
10.根据权利要求6或7所述的装置,其特征在于,所述第二确定模块,具体用于:
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第一存储方式;
或者,
在所述车辆数据的存储等级为一级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
在所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第二存储方式;
或者,
在所述车辆数据的存储等级为二级,且所述车辆数据所属的车辆系统类型不属于目标系统类型的情况下,确定所述车辆数据对应的存储方式为第三存储方式;
或者,
在所述车辆数据的存储等级为三级的情况下,确定所述车辆数据对应的存储方式为第三存储方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210977767.4A CN115048557A (zh) | 2022-08-16 | 2022-08-16 | 一种基于人工智能的车辆数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210977767.4A CN115048557A (zh) | 2022-08-16 | 2022-08-16 | 一种基于人工智能的车辆数据处理方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115048557A true CN115048557A (zh) | 2022-09-13 |
Family
ID=83166632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210977767.4A Pending CN115048557A (zh) | 2022-08-16 | 2022-08-16 | 一种基于人工智能的车辆数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115048557A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115599792A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市润信数据技术有限公司(Cn) | 一种物联网大数据分类存储方法 |
CN116842223A (zh) * | 2023-08-29 | 2023-10-03 | 天津鑫宝龙电梯集团有限公司 | 一种工况数据管理方法、装置、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080167820A1 (en) * | 2007-01-04 | 2008-07-10 | Kentaro Oguchi | System for predicting driver behavior |
US20200193736A1 (en) * | 2018-12-12 | 2020-06-18 | Gm Cruise Holdings Llc | Dynamic data preservation based on autonomous vehicle performance needs |
CN114363379A (zh) * | 2022-01-19 | 2022-04-15 | 北京中交兴路信息科技有限公司 | 车辆数据传输的方法、装置、电子设备及介质 |
CN114647650A (zh) * | 2022-05-18 | 2022-06-21 | 苏州琞能能源科技有限公司 | 数据存储方法、装置、电子设备及存储介质 |
-
2022
- 2022-08-16 CN CN202210977767.4A patent/CN115048557A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080167820A1 (en) * | 2007-01-04 | 2008-07-10 | Kentaro Oguchi | System for predicting driver behavior |
US20200193736A1 (en) * | 2018-12-12 | 2020-06-18 | Gm Cruise Holdings Llc | Dynamic data preservation based on autonomous vehicle performance needs |
CN114363379A (zh) * | 2022-01-19 | 2022-04-15 | 北京中交兴路信息科技有限公司 | 车辆数据传输的方法、装置、电子设备及介质 |
CN114647650A (zh) * | 2022-05-18 | 2022-06-21 | 苏州琞能能源科技有限公司 | 数据存储方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
王越等: "电动汽车远程监控与服务系统开发探讨", 《中国战略新兴产业》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115599792A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市润信数据技术有限公司(Cn) | 一种物联网大数据分类存储方法 |
CN115599792B (zh) * | 2022-12-13 | 2023-03-10 | 深圳市润信数据技术有限公司 | 一种物联网大数据分类存储方法 |
CN116842223A (zh) * | 2023-08-29 | 2023-10-03 | 天津鑫宝龙电梯集团有限公司 | 一种工况数据管理方法、装置、设备和介质 |
CN116842223B (zh) * | 2023-08-29 | 2023-11-10 | 天津鑫宝龙电梯集团有限公司 | 一种工况数据管理方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115048557A (zh) | 一种基于人工智能的车辆数据处理方法和装置 | |
KR20140043184A (ko) | 에너지 소비량 예측 장치 및 방법 | |
EP3850551A1 (en) | Systems and methods for managing energy storage systems | |
CN104864548A (zh) | 一种空调运行的控制方法及系统 | |
JP7079662B2 (ja) | 電力需要予測システム、学習装置及び電力需要予測方法 | |
CN111428137B (zh) | 一种电动汽车充电设施的推荐方法及推荐装置 | |
CN111476435A (zh) | 基于密度峰值的充电桩负荷预测方法 | |
CN109684320B (zh) | 监测数据在线清洗的方法和设备 | |
CN110210980A (zh) | 一种驾驶行为评估方法、装置和存储介质 | |
CN104657457A (zh) | 一种用户评价视频的数据处理方法、视频推荐方法及装置 | |
CN115700717A (zh) | 一种基于电动汽车用电需求的配电分析方法 | |
CN113381888B (zh) | 控制方法、装置、设备及存储介质 | |
CN116662860A (zh) | 一种基于能源大数据的用户画像与分类方法 | |
CN116794532A (zh) | 基于多模态传感器融合算法的无人机电池电量预测方法 | |
CN114187775B (zh) | 基于大数据的停车位推荐的方法、装置、设备及存储介质 | |
CN114896482A (zh) | 一种模型训练和补能意图识别方法、装置、设备及介质 | |
WO2023052685A1 (en) | Forecasting charging time of electric vehicles | |
US11624625B2 (en) | System and method for evaluation of a route score for an electric vehicle and electric vehicle fleets | |
CN112782584B (zh) | 电池电量的剩余使用额度的预测方法、系统、介质及设备 | |
CN114187685A (zh) | 一种智能锁耗电的优化方法、系统、设备及介质 | |
Nguyen et al. | Analysing the driving load on electric vehicles using unsupervised segmentation models as enabler to determine the time of battery replacement and assess driving mileage | |
CN111651648A (zh) | 杆塔关键部件巡检计划的智能化生成方法和装置 | |
Hemantharaj et al. | Increasing accuracy of range estimation in electric vehicles using machine learning and statistical analysis | |
Kumarappa et al. | Machine learning-based prediction of lithium-ion battery life cycle for capacity degradation modelling | |
CN117876194A (zh) | 一种基于物联网的智慧城市数字孪生管控方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220913 |