CN115098578B - 一种用于车辆监控的数据管理方法及管理系统 - Google Patents
一种用于车辆监控的数据管理方法及管理系统 Download PDFInfo
- Publication number
- CN115098578B CN115098578B CN202210830604.3A CN202210830604A CN115098578B CN 115098578 B CN115098578 B CN 115098578B CN 202210830604 A CN202210830604 A CN 202210830604A CN 115098578 B CN115098578 B CN 115098578B
- Authority
- CN
- China
- Prior art keywords
- abnormal
- data
- vehicle
- state
- real
- 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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/256—Integrating or interfacing systems involving database management systems in federated or virtual databases
-
- 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
- G06F16/21—Design, administration or maintenance of databases
-
- 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
- G06F16/278—Data partitioning, e.g. horizontal or vertical partitioning
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Traffic Control Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及智能管理技术领域,为一种车辆监控方法与系统,具体而言,涉及一种用于车辆监控的数据管理方法及管理系统;能够实现对于车辆数据的科学的管理,降低数据管理成本以及基于监控数据对于车辆预警;通过对车辆实时状态的确定被监控车辆以及对应被监控车辆的数据,在服务器端通过设置有目标车辆异常数据库实现对于异常数据的获取,基于获取后的异常数据中的特征的提取实现对于异常行为的预警,并基于产生异常行为概率确定数据分发的形式;并且,在数据的处理后的将正常数据从存储空间内进行清楚并将非异常数据保留作为后续异常行为概率确定的基础数据,用于对网络进行训练使得到的异常行为概率的精准度更高。
Description
技术领域
本发明涉及智能管理技术领域,具体而言涉及一种用于车辆监控的数据管理方法及管理系统。
背景技术
目前,车辆远程监控系统的后台普遍采用通信服务器加关系数据库服务器加客户端服务器这样的技术架构。通信服务器负责与车载数据终端进行数据交互,同时通信服务器将来自车辆的数据直接存入关系数据库中,客户端服务器再将用户正在查看或使用的数据从关系数据库中提取出来。
这样一种系统架构没有考虑到车辆监控应用本身的特点。首先,车辆远程监控系统需要监控的车辆数巨大,并发连接数多;其次车辆监控系统需要监控的车辆信号多,虽然单个信号的数据量并不大,但是因为有大量的零星数据,数据需要存储的时间较长,长期积累的数据量巨大。
并且针对于目前的监测管理系统中,仅能起到对于数据的管理和存储,但没有针对于获取到的数据进行处理的能力和具体的方法。并且,随着汽车智能化程度越来越高,对于车辆的监控要求也越来越高,需要能够实现对于车辆监控数据的处理以及基于数据处理结果进行行为预警的方法。
发明内容
为了至少克服现有技术中的上述不足,本发明的目的在于提供一种用于车辆监控的数据管理方法及管理系统,能够实现对于车辆数据的科学的管理,降低数据管理成本以及基于监控数据对于车辆预警。
第一方面,一种用于车辆监控的数据管理方法,基于车辆监控数据管理系统实现,用于对多个车辆进行监控,应用于服务器;所述方法包括:配置目标车辆与驾驶者的关联关系,包括:将所述目标车辆与驾驶者的用户端建立关联关系,用于将车辆监控数据发送至所述用户端;获取目标车辆的第一状态,基于所述第一状态确定服务器上所对应的存储空间,所述存储空间内配置有对应的命令集,所述命令集包括多个命令以及命令下发规则;基于所述命令下发规则确定接收对象,所述接收对象基于所述命令执行监控行为;获取实时监控数据,将所述实时监控数据上传至所对应的存储空间,所述存储空间包括多个存储子空间,所述实时监控数据包括多个标签,多个所述标签与所述存储子空间对应配置,将对应标签的实时监控数据存储至对应的存储子空间内,所述存储子空间内配置有目标车辆异常数据库,基于所述目标车辆异常数据库确定实时监控数据是否异常,并将异常数据存储至异常存储空间内;提取所述异常数据的特征,基于第二规则确定所述异常数据的发送方式;获取目标车辆的第二状态,基于所述第二状态发送数据删除命令至所述存储空间内,基于所述数据删除命令删除存储空间内对应的实时监控数据并将所述异常数据保存至目标车辆异常数据库内;基于所述目标车辆的配置环境获取多个衍生车辆监控数据,基于所述衍生车辆监控数据获取衍生车辆异常数据并构建衍生车辆异常数据库,将所述目标车辆异常数据库与所述衍生车辆异常数据库进行融合,得到异常数据库;提取融合后的异常数据库中的特征得到异常状态特征,基于所述异常状态特征构建异常状态特征数据库;将所述异常状态特征数据库下发至目标车辆对应的存储空间内,基于目标车辆实时监控数据与所述异常状态特征数据库进行比对,得到异常行为预警信息,将所述异常行为预警信息发送至客户端。
在第一方面的第一种可能的实现方式中,所述第一状态为车门状态,所述车门状态包括开启和关闭,通过安装在目标车辆门体上的传感器获得,所述目标车辆配置有车辆特征标识,所述存储空间内配置有与所述车辆特征标识对应的特征标签;基于第一状态确定服务器上所对应的存储空间包括:基于所述车门状态的改变发送信息至服务器,基于所述车辆特征标识确定对应的存储空间;所述命令下发规则包括命令下发顺序以及命令下发对象,所述命令为监控命令。
在第一方面的第二种可能的实现方式中,基于目标车辆异常数据库确定实时监控数据是否处于异常,并将异常数据存储至异常存储空间内,包括:所述目标车辆异常数据库内配置有数据标签和基于数据标签对应数据的数据阈值范围,基于实时监控数据与所述数据阈值范围进行比较确定数据是否异常,将确定后的异常数据存储至异常存储空间内。
在第一方面的第三种可能的实现方式中,所述第二状态为车门状态,获取目标车辆的第二状态包括:获取目标车辆的车门第二次状态的改变。
在第一方面的第四种可能的实现方式中,提取所述异常数据的特征,基于第二规则确定异常数据发送方式,包括:提取所述异常数据的行为特征和向量特征,基于所述行为特征和所述向量特征确定所述异常数据的发送方式,所述发送方式包括实时发送和延迟发送。
结合第一方面的第四种可能的实现方式,在第五种可能的实现方式中,所述第二规则包括:确定所述行为特征是否属于实时发送,并确定属于实时发送的行为特征所对应的向量特征是否属于实时发送,当所述行为特征和所述向量特征都属于实时发送时,所述发送方式为实时发送;确定属于实时发送的行为特征所对应的向量特征是否属于实时发送包括:设置向量特征阈值,基于所述向量特征阈值确定向量特征是否属于实时发送。
结合第一方面的第五种可能的实现方式,在第六种可能的实现方式中,所述向量特征阈值基于异常行为发生的概率确定,所述异常行为发生的概率依据满足网络收敛要求的车辆行为状态决策网络对所述异常数据进行处理得到;当所述异常行为发生的概率为0时所对应的异常数据中的向量特征为向量特征阈值下限。
在第一方面的第七种可能的实现方式中,将所述目标车辆异常数据库与所述衍生车辆异常数据库进行融合,包括:基于所述目标车辆异常数据库与所述衍生车辆异常数据库中的异常数据标签,将同一标签下的异常数据进行融合存储,将不同标签下的异常数据进行结合独立存储。
第二方面,本发明实施例还提供一种用于车辆监控的数据管理系统,用于服务器,配置模块,用于配置目标车辆与驾驶者的关联关系;第一状态获取模块,用于获取目标车辆的第一状态;命令下发确定模块,配置有命令下发规则用于确定下发命令的接受对象;实时监控数据获取模块,用于获取实时监控数据;特征提取模块,配置有第二规则,用于提取异常数据的特征并确定异常数据的发送方式;第二状态获取模块,用于获取车辆的第二状态;异常数据库融合模块,用于将目标车辆异常数据库与衍生车辆异常数据库进行融合;异常状态特征数据库构建模块,用于获得异常状态特征并基于多个异常状态特征构建为异常状态特征数据库;预警信息发送模块,用于将异常行为预警信息发送至客户端。
在第二方面的第一种可能的实现方式中,所述第二状态获取模块包括命令发送子单元,用于将数据删除命令发送至存储空间;还包括命令执行单元,用于将存储空间内的保存的监控数据进行删除并将异常数据保存至目标车辆异常数据库内。
依据上述任意一个方面,通过对车辆实时状态的确定被监控车辆以及对应被监控车辆的数据,在服务器端通过设置有目标车辆异常数据库实现对于异常数据的获取,基于获取后的异常数据中的特征的提取实现对于异常行为的预警,并基于产生异常行为概率确定数据分发的形式。并且,在数据的处理后的将正常数据从存储空间内进行清楚并将非异常数据保留作为后续异常行为概率确定的基础数据,用于对网络进行训练使得到的异常行为概率的精准度更高。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要启用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的基础上,还可以依据这些附图提取其它相关的附图。
图1为本发明实施例提供的用于车辆监控的数据管理方法的流程示意图。
图2为本发明实施例提供的用于实现上述的用于车辆监控的数据管理方法的用于车辆监控的数据管理系统的结构示意框图。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和依据本发明,并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所公开的实施例作出各种改变,并且在不偏离本发明的原则和范围时,本发明中所定义的普遍原则可以适用于其它实施例和应用场景。因此,本发明并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
本发明中所使用的术语仅用于描述特定的示例性实施例,并不限制本发明的范围。如本发明使用的单数形式“一”、“一个”及“该”可以同样包括复数形式,除非上下文明确提示例外情形。还应当理解,如在本发明说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其它特征、整体、步骤、操作、组件、部件和/或其组合的情况。
本发明中使用了流程图用来说明基于本发明的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。此外,可以向流程图添加一个或以上其它操作。也可以从流程图中删除一个或以上操作。
下面依据说明书附图对本发明进行具体说明,方法实施例中的具体操作方法也可以应用于装置实施例或系统实施例中。
图1是本发明一种实施例提供的用于车辆监控的数据管理方法的流程示意图,下面对该用于车辆监控的数据管理方法进行详细介绍。
步骤S110,配置目标车辆与驾驶者的关联关系。
在本实施例中,数据管理方法主要是实现多个端部之间的数据传输、数据处理和数据保存,在具体的应用场景中,对于目标车辆进行数据管理即为对目标车辆在运行过程中的数据进行获取,基于方法中设置的模型和规则对获取后的数据进行处理,并将处理后的数据按照规则进行分发至对应的端口。而针对于车辆的监控,主要参与对象包括车辆本身即数据的参与者,服务器即数据的处理和存储者以及用户即数据的使用者。所以,针对于整体的过程需要将以上三者的关系进行确定,针对于服务器基于网络架构技术分别实现对于用户和目标车辆的通信链路,并且基于这种通信链路通过设置有对应识别编码或者标签的方式将待监测海量车辆以及其对应的用户之间形成关联关系,此关联关系的确定用于实现后续数据分发做基础。而针对关联关系的实现,可以是基于用户注册的信息,其中注册信息包括信息验证环节,即通过交通大数据将注册人与车辆信息之间形成匹配关系,防止他人的误注册操作。
步骤S120,获取车辆的第一状态,基于第一状态确定服务器上所对应的存储空间。
在本实施例中,第一状态为车辆状态变化的第一状态。为了降低服务器对于车辆数据获取的资源浪费,只有在车辆状态进行改变时才进行车辆的监控操作。而针对于具体的应用场景,车辆状态的改变的第一变化量则为车辆由锁止状态转变化运行状态,而锁止状态的直接数据为车门的闭合状态,即在车辆处于非运动状态时,车门的状态为锁止,当车辆将要进行由非运动状态转变为运动状态时,首先改变的则为车门的状态,即在进行车辆操作之前首先要进行车门的开启。所以,将车门状态的改变作为第一状态,通过获取车门状态由锁止变为开启,触发对于车辆的监控。
而在本实施例中,值得注意的是,针对于车辆监控的触发仅在非运动状态下车门状态的改变,如果在车辆运动状态下车门状态的改变则不进行触发。例如,在车辆运动状态下,车辆的发动机或电机以及坐标都在产生变化,即车辆产生多个实时数据,通过实时数据能够确定此车辆为运动状态,在此状态下,车门状态的改变不属于第一状态的范围,不计入触发规则之内。
通过车辆第一状态的改变实现对应监控行为的触发主要包括:
步骤S121,确定目标车辆所对应的存储空间。
在本实施例中,服务器为对车辆进行监控的主要执行端,因为业务场景需要对海量的车辆进行监控,则在服务器端则设置与对应监测车辆所匹配的存储空间,且每个车辆所对应的存储空间不同,实现了车辆之间数据的隔离。通过这样的设置,将每一部待监测的对象进行独立的监控控制以及数据处理,降低了服务器的运行成本,提高了服务器与目标车辆、用户端的通信。并且,在存储空间内配置有对应的命令集,其中在命令集中包括多个命令以及命令下发规则。
在本实施例中,命令下发规则用于确定监控的执行对象,即监控行为以及监控部件,因为车辆系统是个复杂的系统,而针对于监控的实现,如果同时启动多个或者是全部监控行为的话,会造成短时间内数据的臃肿,并造成服务器短时间内接收较多的数据,对数据的传输、数据的处理都造成不必要的压力。为了解决此问题,通过设置命令下发规则,基于监控数据的权重和优先级下发对应的命令,例如针对于车辆首要监控数据为发动机或电机输出功率数据,用于表征车辆状态的改变,而针对于车内水箱温度则在此过程中不进行采集,因为只有当车辆运行一段时间此数据才会产生较为明显的改变,针对于此命令的下发则可在后续时间段或当发动机以及电机的输出功率到达一定情况下进行数据的收集。
步骤S122,获取实时监控数据,将监控数据上传至对应的存储空间。
在本实施例中,存储空间内设置有多个存储子空间,其中存储子空间分别存储对应类型的数据,例如针对于发动机进行数据的监测提取到的数据则存储于对应的发动机存储子空间内,通过此种设置确定了存储空间的分区实现了对应数据的保存和管理,降低了因为大量数据而造成的混乱以及存储空间的滥用。
而针对数据与存储子空间如何成对应关系则通过在监控数据中设置标签,其中标签内容包括与对应的存储子空间对应配置,建立对应标签的通信通道,采集到的数据通过标签的确定并建立通信通道,将对应的数据传输保存至存储子空间内。
S123,异常数据的获取。
在本实施例中,对应监控数据中的异常数据通过配置有目标车辆异常数据库进行识别。其中目标车辆异常数据库设置于监控数据对应的存储子空间内,在进行异常数据的获取时,先通过标签将对应的监控数据发送至对应的存储子空间内,并与异常数据进行比对,确定获取的监控数据是否为异常数据,如果确定为异常则进入下一阶段,如果非异常数据则保存至存储子空间内进入至其他处理阶段。
并且,在本实施例中目标车辆异常数据库内配置有数据阈值范围,基于实时监控数据与数据阈值范围进行比较确定数据是否为异常数据并将确定后的异常数据存储至异常存储空间内。且,异常存储空间被配置在存储子空间内,即存储子空间设置有对于正常数据保存的存储空间以及对于异常数据保存的存储空间,实现不同数据的分区和保存,用于后续的过程处理。
S130,提取异常数据的特征,基于第二规则确定异常数据发送方式。
在本实施例中,异常数据主要用于对车主进行车辆问题的提醒,提醒的方式有两种一种为实时提醒一种为延迟提醒,而针对于异常检测目前普遍的做法为实时提醒目的是为了实现故障接触的效率。但基于车辆的使用场景,不一定所有的异常数据都要进行实时提醒,例如在高速行驶阶段某些数据在不影响车辆行驶状态下则不需要进行实时提醒,而可以采用延后提醒的方式,而针对于车辆行为延后时间的确定也可以为多种形式,可以为设置提醒时间间隔方式,也可以为在车辆状态改变的时刻;不同的提醒方式起到的效果也不同,而回到本实施例中的方案,则提醒的方式要基于异常数据所对应的车辆行驶状态的影响进行判断,而针对于判断的过程包括以下步骤:
S131,提取异常数据的行为特征和向量特征,基于行为特征和向量特征确定异常数据的发送方式即提醒方式,其中发送方式包括实时发送和延迟发送。
具体的,确定行为特征是否属于实时发送的行为,并确定属于实时发送的行为特征所对应的向量特征是否属于实时发送的向量,当行为特征和向量特征都属于实时发送时,则发送方式为实时发送。可以理解的是,行为特征在本实施例中用于表征车辆的行为,向量特征用于表征车辆异常数据的具体数值范围,通过先确定车辆的异常数据产生的行为,再确定异常数据的具体数值,通过行为和数值的双重判断最终确定是否要进行实时数据的发送即报警。
其中,向量特征可能是动态数据,则在本实施例中,针对于异常数据的获得也是实时获得,当有异常数据时根据预设的数据上传时间间隔进行数据的上传至服务器内的存储子空间内,并进行实时的判断。
在本实施例中,针对于向量特征的判断则基于设置的向量特征阈值实现,即在进行异常判断中将向量特征与向量特征阈值进行判断,当向量特征处于阈值范围内时,则确定此异常数据为要实现实时发送的异常数据;当向量特征并不处于阈值范围内时,则确定此异常数据为延迟发送的异常数据。
而针对于向量特征进行判断需要建立向量特征阈值。在本实施例中,向量特征阈值基于异常行为发生的概率确定,其中异常行为发生的概率依据满足网络收敛要求的车辆行为状态决策网络对异常数据进行处理,从而获得异常行为发生的概率。当异常行为发生的概率为0时,则所对应的异常数据中的向量特征为阈值下限。而针对于网络收敛要求则基于现有的强化学习算法建立对应的模型,将获得的较多的异常数据与车辆行为进行处理,而得到最终的模型,基于此模型来实现对于概率的确定。
S132,基于第二规则确定异常数据发送方式。
在本实施例中,第二规则被配置与异常数据对应的存储空间内,通过行为特征和向量特征的提取,确定行为特征和向量特征属于实时发送或延迟发送,基于判断结果进行发送行为的确定。
在步骤S131中介绍了关于向量特征的比较,在此步骤中针对于行为特征的确定进行说明。在异常存储空间内,针对于行为特征进行标签化处理,即通过提取后的行为特征以及对应的标签确定是否为实时发送的行为。将行为特征与需要进行实时发送的标签进行比对,确定行为特征为是否实时发送。
本过程通过设置第二规则,实现了异常行为的处理,降低了异常行为对于车辆行驶的影响。
S140,获取车辆的第二状态,基于第二状态进行数据的存储和删除。
在本实施例中,针对于第二状态则为与第一状态对应设置的车辆状态,同样为车门状态,而获取车辆第二状态通过获取车辆的车门第二次状态的改变。即当车辆由行驶状态转变为停止工作状态时,即车门进行第二次打开和关闭则代表车辆最终的停止状态的确定,基于车辆停止状态的确定则进行最后的数据的处理。
处理过程包括:
S141,发送数据删除命令指存储空间,基于数据删除命令删除存储空间内的监控数据并保将保存的异常数据进行发送至用户端。
在本实施例中,通过状态的改变确定车辆的工作结束,并基于工作结束后将数据进行删除降低了存储空间,使存储空间的冗余得到减少,提高了存储的效率以及存储空间的利用率。而针对于异常数据则进行保存,用于后续的车辆异常行为的确定。
而针对于异常数据则用于后续的车辆预警过程中,具体的过程包括:
S150,基于目标车辆的配置环境获取多个衍生车辆监控数据,基于衍生车辆监控数据获取衍生车辆异常数据并构建衍生车辆异常数据库,将目标车辆异常数据库与衍生车辆异常数据库进行融合。
在本实施例中,环境配置主要为车辆的硬件配置,包括车辆本身的主要部件以及车辆运行的环境,通过运行环境的配置使衍生车辆能够与目标车辆形成对应关系,即衍生车辆中的监控数据可以用于对后续数据处理提供更多的数据支撑。
在本实施例中,针对于融合的处理主要基于目标车辆异常数据库与衍生车辆中的异常数据库中的异常数据标签,将同一标签下的异常数据进行融合,并将不同标签下的异常数据进行独立存储。通过对衍生车辆的异常数据与目标车辆的异常数据进行融合,使异常数据的数据量增加,提高了对于预警信息获取的准确性和全面性。
在本实施例中,衍生车辆的异常数据的获取与目标车辆的异常数据的获取相同,都是基于异常数据阈值的设置进行异常数据的获取,再次不做较多的描述。
在本实施例中,衍生车辆为与目标车辆相同硬件配置的多个车辆,通过衍生车辆的配置能够使数据量增加,提高处理效率和准确度。
S160,提取融合后的异常数据库中的特征得到异常状态特征,基于异常状态特征构建异常状态特征数据库。
在本实施例中,异常状态特征包括行为特征和向量特征,其提取方式与异常数据的特征提取方式相同,将多个异常状态特征进行归类实现对于异常状态特征数据库的构建。
S170,将异常状态特征数据库下发至车辆对应的存储空间内,基于车辆实时监控数据与异常状态特征数据库进行比对,得到异常行为预警信息,基于异常行为预警信息发送至客户端。
图2示出了本发明实施例提供的用于车辆监控的数据管理方法的用于车辆监控的数据管理系统100的硬件结构示意图,本系统应用于服务器,包括:
配置模块110,用于配置目标车辆与驾驶者的关联关系。
第一状态获取模块120,用于获取目标车辆的第一状态。
命令下发确定模块130,配置有命令下发规则用于确定下发命令的接受对象。
实时监控数据获取模块140,用于获取实时监控数据。
特征提取模块150,配置有第二规则,用于提取异常数据的特征并确定异常数据的发送方式,第二状态获取模块160,用于获取车辆的第二状态,异常数据库融合模块170,用于将目标车辆异常数据库与衍生车辆异常数据库进行融合。
异常状态特征数据库构建模块180,用于获得异常状态特征并基于多个异常状态特征构建为异常状态特征数据库。
预警信息发送模块190,用于将异常行为预警信息发送至客户端。
在本实施例中,第二状态获取模块160包括命令发送子单元,用于将数据删除命令发送至存储空间。命令执行单元,用于将存储空间内的监控数据进行删除并将异常数据保存至目标车辆异常数据库内。
其中在本实施例中,以上的模块和单元均设置在服务器内,实现车辆-服务器-用户端之间的通信连接。
一种示例性的设计思路中,用于车辆监控的数据管理系统100可以是单个用于车辆监控的数据管理系统,也可以是用于车辆监控管理的系统组。其中用于车辆监控的数据管理系统组可以是集中式的,也可以是分布式的(例如,用于车辆监控的数据管理系统100可以是分布式的系统)。
此外,本发明实施例还提供一种可读存储介质,所述可读存储介质中预设有计算机可执行指令,当处理器执行所述计算机可执行指令时,实现如上用于车辆监控的数据管理方法。
应当注意的是,为了简化本发明披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本发明实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。同理,应当注意的是,为了简化本发明披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本发明实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。
Claims (5)
1.一种用于车辆监控的数据管理方法,其特征在于,基于车辆监控数据管理系统实现,用于对多个车辆进行监控,应用于服务器;
所述方法包括:配置目标车辆与驾驶者的关联关系,包括:将所述目标车辆与驾驶者的用户端建立关联关系,用于将车辆监控数据发送至所述用户端;
获取目标车辆的第一状态,基于所述第一状态确定服务器上所对应的存储空间,所述存储空间内配置有对应的命令集,所述命令集包括多个命令以及命令下发规则;
基于所述命令下发规则确定接收对象,所述接收对象基于所述命令执行监控行为;
将车门状态的改变作为第一状态,通过获取车门状态由锁止变为开启,触发对于车辆的监控;
针对于车辆的监控的触发仅在非运动状态下车门状态的改变,如果在车辆运动状态下车门状态的改变则不进行触发;
在车辆运动状态下,车辆的发动机或电机以及坐标都在产生变化,即车辆产生多个实时数据,通过实时数据能够确定此车辆为运动状态,在此状态下,车门状态的改变不属于第一状态的范围,不计入触发规则之内;
获取实时监控数据,将所述实时监控数据上传至所对应的存储空间,所述存储空间包括多个存储子空间,所述实时监控数据包括多个标签,多个所述标签与所述存储子空间对应配置,将对应标签的实时监控数据存储至对应的存储子空间内,所述存储子空间内配置有目标车辆异常数据库,基于所述目标车辆异常数据库确定实时监控数据是否异常,并将异常数据存储至异常存储空间内;
提取所述异常数据的特征,基于第二规则确定所述异常数据的发送方式;包括:提取所述异常数据的行为特征和向量特征,基于所述行为特征和所述向量特征确定所述异常数据的发送方式,所述发送方式包括实时发送和延迟发送;
所述第二规则包括:确定所述行为特征是否属于实时发送,并确定属于实时发送的行为特征所对应的向量特征是否属于实时发送,当所述行为特征和所述向量特征都属于实时发送时,所述发送方式为实时发送;确定属于实时发送的行为特征所对应的向量特征是否属于实时发送包括:设置向量特征阈值,基于所述向量特征阈值确定向量特征是否属于实时发送;
基于目标车辆异常数据库确定实时监控数据是否处于异常,并将异常数据存储至异常存储空间内,包括:所述目标车辆异常数据库内配置有数据标签和基于数据标签对应数据的数据阈值范围,基于实时监控数据与所述数据阈值范围进行比较确定数据是否异常,将确定后的异常数据存储至异常存储空间内;
在进行异常判断中将向量特征与向量特征阈值进行判断,当向量特征处于阈值范围内时,则确定此异常数据为要实现实时发送的异常数据;当向量特征并不处于阈值范围内时,则确定此异常数据为延迟发送的异常数据;
所述向量特征阈值基于异常行为发生的概率确定,所述异常行为发生的概率依据满足网络收敛要求的车辆行为状态决策网络对所述异常数据进行处理得到;当所述异常行为发生的概率为0时所对应的异常数据中的向量特征为向量特征阈值下限;
获取目标车辆的第二状态,基于所述第二状态发送数据删除命令至所述存储空间内,基于所述数据删除命令删除存储空间内对应的实时监控数据并将所述异常数据保存至目标车辆异常数据库内;
所述第二状态为车门状态,获取目标车辆的第二状态包括:获取目标车辆的车门第二次状态的改变;
基于所述目标车辆的配置环境获取多个衍生车辆监控数据,基于所述衍生车辆监控数据获取衍生车辆异常数据并构建衍生车辆异常数据库,将所述目标车辆异常数据库与所述衍生车辆异常数据库进行融合,得到异常数据库;
提取融合后的异常数据库中的特征得到异常状态特征,基于所述异常状态特征构建异常状态特征数据库;
将所述异常状态特征数据库下发至目标车辆对应的存储空间内,基于目标车辆实时监控数据与所述异常状态特征数据库进行比对,得到异常行为预警信息,将所述异常行为预警信息发送至客户端。
2.根据权利要求1所述的用于车辆监控的数据管理方法,其特征在于,所述第一状态为车门状态,所述车门状态包括开启和关闭,通过安装在目标车辆门体上的传感器获得,所述目标车辆配置有车辆特征标识,所述存储空间内配置有与所述车辆特征标识对应的特征标签;
基于第一状态确定服务器上所对应的存储空间包括:基于所述车门状态的改变发送信息至服务器,基于所述车辆特征标识确定对应的存储空间;
所述命令下发规则包括命令下发顺序以及命令下发对象,所述命令为监控命令。
3.根据权利要求1所述的用于车辆监控的数据管理方法,其特征在于,将所述目标车辆异常数据库与所述衍生车辆异常数据库进行融合,包括:基于所述目标车辆异常数据库与所述衍生车辆异常数据库中的异常数据标签,将同一标签下的异常数据进行融合存储,将不同标签下的异常数据进行结合独立存储。
4.一种用于车辆监控的数据管理系统,用于服务器,所述数据管理系统用于实施如权利要求1-3任一项所述的数据管理方法,其特征在于,包括:配置模块,用于配置目标车辆与驾驶者的关联关系;第一状态获取模块,用于获取目标车辆的第一状态;命令下发确定模块,配置有命令下发规则用于确定下发命令的接受对象;实时监控数据获取模块,用于获取实时监控数据;特征提取模块,配置有第二规则,用于提取异常数据的特征并确定异常数据的发送方式;第二状态获取模块,用于获取车辆的第二状态;异常数据库融合模块,用于将目标车辆异常数据库与衍生车辆异常数据库进行融合;异常状态特征数据库构建模块,用于获得异常状态特征并基于多个异常状态特征构建为异常状态特征数据库;预警信息发送模块,用于将异常行为预警信息发送至客户端。
5.根据权利要求4所述的用于车辆监控的数据管理系统,其特征在于,所述第二状态获取模块包括命令发送子单元,用于将数据删除命令发送至存储空间;还包括命令执行单元,用于将存储空间内的保存的监控数据进行删除并将异常数据保存至目标车辆异常数据库内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210830604.3A CN115098578B (zh) | 2022-07-15 | 2022-07-15 | 一种用于车辆监控的数据管理方法及管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210830604.3A CN115098578B (zh) | 2022-07-15 | 2022-07-15 | 一种用于车辆监控的数据管理方法及管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115098578A CN115098578A (zh) | 2022-09-23 |
CN115098578B true CN115098578B (zh) | 2023-06-13 |
Family
ID=83296835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210830604.3A Active CN115098578B (zh) | 2022-07-15 | 2022-07-15 | 一种用于车辆监控的数据管理方法及管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115098578B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4604984B2 (ja) * | 2005-11-25 | 2011-01-05 | 株式会社デンソー | 車載機器制御システム |
CN104331947A (zh) * | 2014-10-14 | 2015-02-04 | 深圳创维数字技术有限公司 | 一种车辆监控方法及相关设备、系统 |
CN106453570A (zh) * | 2016-10-19 | 2017-02-22 | 北京速能数码网络技术有限公司 | 一种行车状态的远程监控方法、系统及车载设备、服务器 |
CN111199071A (zh) * | 2018-10-31 | 2020-05-26 | 宝沃汽车(中国)有限公司 | 数据处理方法、数据处理装置、数据处理系统和车辆 |
CN109760693B (zh) * | 2018-12-20 | 2021-08-27 | 深圳市奋达科技股份有限公司 | 一种共享汽车的监控方法、系统及存储介质 |
-
2022
- 2022-07-15 CN CN202210830604.3A patent/CN115098578B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115098578A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hanselmann et al. | CANet: An unsupervised intrusion detection system for high dimensional CAN bus data | |
EP3559625B1 (en) | Device and method for managing an electric vehicle | |
CN111030962B (zh) | 车载网络入侵检测方法及计算机可读存储介质 | |
CN108390869B (zh) | 集成深度学习的车载智能网关装置及其命令序列检测方法 | |
CN106740682B (zh) | 一种车辆遥控钥匙 | |
CN105191257A (zh) | 用于检测多阶段事件的方法和装置 | |
CN109163913A (zh) | 一种汽车故障诊断方法及相关设备 | |
CN108881267A (zh) | 车辆异常检测方法、车载终端、服务器及存储介质 | |
CN103676816A (zh) | 用于控制车辆的集成网络的系统和方法 | |
US10857882B2 (en) | System and method for remotely controlling and monitoring vehicle based on IOT | |
CN113824684B (zh) | 一种基于迁移学习的车载网络入侵检测方法及系统 | |
CN109270565A (zh) | 一种车载gps大数据的处理装置 | |
CA2663181A1 (en) | Integrated security event management system | |
CN108415410A (zh) | 一种汽车故障诊断系统和诊断方法 | |
CN109638318A (zh) | 燃料电池远程监控系统和方法 | |
CN105376193A (zh) | 安全事件的智能关联分析方法与装置 | |
CN111988342A (zh) | 一种在线式汽车can网络异常检测系统 | |
CN109857085A (zh) | 模拟生成行车数据的方法、系统、模拟终端及测试系统 | |
CN109866710A (zh) | 一种车载网络异常检测系统 | |
CN109360417A (zh) | 一种基于区块链的危险驾驶行为辨识与推送方法及系统 | |
CN115098578B (zh) | 一种用于车辆监控的数据管理方法及管理系统 | |
CN113920618A (zh) | 车辆解锁方法、装置、共享车辆及存储介质 | |
CN109658311A (zh) | 一种服务于电子政务的数据分析系统 | |
CN107444312A (zh) | 基于汽车obd诊断系统的车辆状态监控系统和方法 | |
CN114900331A (zh) | 基于can报文特征的车载can总线入侵检测方法 |
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 |