CN116128166A - 一种用于智能交通的数据可视化处理方法及装置 - Google Patents

一种用于智能交通的数据可视化处理方法及装置 Download PDF

Info

Publication number
CN116128166A
CN116128166A CN202310402335.5A CN202310402335A CN116128166A CN 116128166 A CN116128166 A CN 116128166A CN 202310402335 A CN202310402335 A CN 202310402335A CN 116128166 A CN116128166 A CN 116128166A
Authority
CN
China
Prior art keywords
data
display
displayed
processed
determining
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
Application number
CN202310402335.5A
Other languages
English (en)
Other versions
CN116128166B (zh
Inventor
唐佳
杨慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Clouddcs Co ltd
Original Assignee
Guangzhou Clouddcs Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Clouddcs Co ltd filed Critical Guangzhou Clouddcs Co ltd
Priority to CN202310402335.5A priority Critical patent/CN116128166B/zh
Publication of CN116128166A publication Critical patent/CN116128166A/zh
Application granted granted Critical
Publication of CN116128166B publication Critical patent/CN116128166B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
    • G06F3/1407—General aspects irrespective of display type, e.g. determination of decimal point position, display with fixed or driving decimal point, suppression of non-significant zeros
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Primary Health Care (AREA)
  • Bioethics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Human Computer Interaction (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种用于智能交通的数据可视化处理方法及装置，该方法包括：获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据；根据数据来源和数据类型，确定待处理数据对应的数据预处理算法模型；将每一待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据；根据数据来源和数据类型，确定每一待显示数据对应的数据显示预测模型；将每一待显示数据输入至对应的数据显示预测模型中，得到每一待显示数据对应的显示参数；根据显示参数，生成所有待显示数据对应的显示画面，并推送至终端进行显示。可见，本发明能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。

Description

一种用于智能交通的数据可视化处理方法及装置
技术领域
本发明涉及数据可视化技术领域，尤其涉及一种用于智能交通的数据可视化处理方法及装置。
背景技术
随着交通智能化水平的提高，以及对于交通系统的安全性的重视程度的提高，通过数据可视化来对交通系统的各项数据进行监控和审查的技术，逐渐得到关注，尤其是交通数据的来源和类型较为复杂的情况下，如何更高效实现数据可视化处理也是重要的议题之一。而现有技术中，即便已经存在着使用数据可视化技术进行交通系统的数据处理的思路，但其没有考虑到结合预测算法和数据来源和类型等参数，来提高数据可视化处理的效率和效果。可见，现有技术存在缺陷，亟需解决。
发明内容
本发明所要解决的技术问题在于，提供一种用于智能交通的数据可视化处理方法及装置，能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
为了解决上述技术问题，本发明第一方面公开了一种用于智能交通的数据可视化处理方法，所述方法包括：
获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据；
根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型；
将每一所述待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据；
根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型；
将每一所述待显示数据输入至对应的数据显示预测模型中，得到每一所述待显示数据对应的显示参数；
根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示。
作为一种可选的实施方式，在本发明第一方面中，所述显示参数包括显示框大小、显示字体大小、显示颜色、显示细节程度、显示位置中的至少一种；和/或，所述数据来源包括列车驱动设施、视频监视设施、广播设施、电子信息显示设施、乘客引导设施、通风空调设施、给排水及消防设施、动力及照明设施、火灾自动报警设施、环境与设备监控设施、智能卡识别设施、自动扶梯设施、电梯设施、卷帘门控制设施中的至少一种；和/或，所述数据类型包括文本数据、图像数据、值数据、语音数据中的至少一种。
作为一种可选的实施方式，在本发明第一方面中，所述数据预处理算法模型包括数据加密算法模型和数据编码算法模型；所述根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型，包括：
对于每一所述待处理数据，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型；
根据该待处理数据对应的数据类型，基于类型-编码算法规则，确定该待处理数据对应的数据编码算法模型；
将该待处理数据对应的数据加密算法模型和数据编码算法模型确定为该待处理数据对应的数据预处理算法模型。
作为一种可选的实施方式，在本发明第一方面中，所述根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型，包括：
根据该待处理数据对应的数据来源，基于来源-重要度规则，确定该待处理数据对应的重要度级别；
获取该待处理数据对应的在历史时间段发生的多个数据安全事故对应的历史采用加密算法；
对多个预设的加密算法模型，去除属于所述历史采用加密算法的算法模型，得到多个候选加密算法模型；
获取每一所述候选加密算法模型对应的用户加密程度评价，根据所述用户加密程度评价从高到低对所述多个候选加密算法模型进行排序得到模型序列；
将所述模型序列中的位置与所述重要度级别相对应的候选加密算法模型，确定为该待处理数据对应的数据加密算法模型。
作为一种可选的实施方式，在本发明第一方面中，所述数据显示预测模型包括基于来源进行预测的第一显示预测模型和基于类型进行预测的第二显示预测模型；所述根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型，包括：
对于任一所述待显示数据，根据该待显示数据对应的所述数据来源，根据来源-模型对应关系，确定该待显示数据对应的所述第一显示预测模型；所述第一显示预测模型通过包括有多个来自所述数据来源的第一训练待显示数据和对应的显示参数标注的第一训练数据集训练得到；
根据该待显示数据对应的所述数据类型，根据类型-模型对应关系，确定该待显示数据对应的所述第二显示预测模型；所述第二显示预测模型通过包括有多个属于所述数据类型的第二训练待显示数据和对应的显示参数标注的第二训练数据集训练得到。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示，包括：
获取每一所述待显示数据对应的显示时间；
根据所述显示时间，从所有所述待显示数据中筛选出至少一组数据集；所述数据集中包括有多个同一时间段显示的所述待显示数据；
根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数；
根据所述调整后的显示参数，生成所述数据集中的所有所述待显示数据对应的显示画面，并推送至终端进行显示。
作为一种可选的实施方式，在本发明第一方面中，所述根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数，包括：
根据所述数据集的显示时间，以及预设的时间-观看者对应关系，确定所述数据集对应的观看者信息；
将所述观看者信息输入至预先训练好的关注度预测神经网络模型，以得到所述数据集中属于所述观看者信息对应的预测关注数据的待显示数据；所述关注度预测神经网络模型通过包括有多个训练观看者信息和对应的关注数据标注；
将所述预测关注数据的显示参数的参数值或参数比例提高预设的比例以提高显示吸引度，以确定出所述数据集中每一所述待显示数据对应的调整后的显示参数。
本发明第二方面公开了一种用于智能交通的数据可视化处理装置，所述装置包括：
获取模块，用于获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据；
第一确定模块，用于根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型；
处理模块，用于将每一所述待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据；
第二确定模块，用于根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型；
预测模块，用于将每一所述待显示数据输入至对应的数据显示预测模型中，得到每一所述待显示数据对应的显示参数；
生成模块，用于根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示。
作为一种可选的实施方式，在本发明第二方面中，所述显示参数包括显示框大小、显示字体大小、显示颜色、显示细节程度、显示位置中的至少一种；和/或，所述数据来源包括列车驱动设施、视频监视设施、广播设施、电子信息显示设施、乘客引导设施、通风空调设施、给排水及消防设施、动力及照明设施、火灾自动报警设施、环境与设备监控设施、智能卡识别设施、自动扶梯设施、电梯设施、卷帘门控制设施中的至少一种；和/或，所述数据类型包括文本数据、图像数据、值数据、语音数据中的至少一种。
作为一种可选的实施方式，在本发明第二方面中，所述数据预处理算法模型包括数据加密算法模型和数据编码算法模型；所述第一确定模块根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型的具体方式，包括：
对于每一所述待处理数据，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型；
根据该待处理数据对应的数据类型，基于类型-编码算法规则，确定该待处理数据对应的数据编码算法模型；
将该待处理数据对应的数据加密算法模型和数据编码算法模型确定为该待处理数据对应的数据预处理算法模型。
作为一种可选的实施方式，在本发明第二方面中，所述第一确定模块根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型的具体方式，包括：
根据该待处理数据对应的数据来源，基于来源-重要度规则，确定该待处理数据对应的重要度级别；
获取该待处理数据对应的在历史时间段发生的多个数据安全事故对应的历史采用加密算法；
对多个预设的加密算法模型，去除属于所述历史采用加密算法的算法模型，得到多个候选加密算法模型；
获取每一所述候选加密算法模型对应的用户加密程度评价，根据所述用户加密程度评价从高到低对所述多个候选加密算法模型进行排序得到模型序列；
将所述模型序列中的位置与所述重要度级别相对应的候选加密算法模型，确定为该待处理数据对应的数据加密算法模型。
作为一种可选的实施方式，在本发明第二方面中，所述数据显示预测模型包括基于来源进行预测的第一显示预测模型和基于类型进行预测的第二显示预测模型；所述第二确定模块根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型的具体方式，包括：
对于任一所述待显示数据，根据该待显示数据对应的所述数据来源，根据来源-模型对应关系，确定该待显示数据对应的所述第一显示预测模型；所述第一显示预测模型通过包括有多个来自所述数据来源的第一训练待显示数据和对应的显示参数标注的第一训练数据集训练得到；
根据该待显示数据对应的所述数据类型，根据类型-模型对应关系，确定该待显示数据对应的所述第二显示预测模型；所述第二显示预测模型通过包括有多个属于所述数据类型的第二训练待显示数据和对应的显示参数标注的第二训练数据集训练得到。
作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示的具体方式，包括：
获取每一所述待显示数据对应的显示时间；
根据所述显示时间，从所有所述待显示数据中筛选出至少一组数据集；所述数据集中包括有多个同一时间段显示的所述待显示数据；
根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数；
根据所述调整后的显示参数，生成所述数据集中的所有所述待显示数据对应的显示画面，并推送至终端进行显示。
作为一种可选的实施方式，在本发明第二方面中，所述生成模块根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数的具体方式，包括：
根据所述数据集的显示时间，以及预设的时间-观看者对应关系，确定所述数据集对应的观看者信息；
将所述观看者信息输入至预先训练好的关注度预测神经网络模型，以得到所述数据集中属于所述观看者信息对应的预测关注数据的待显示数据；所述关注度预测神经网络模型通过包括有多个训练观看者信息和对应的关注数据标注；
将所述预测关注数据的显示参数的参数值或参数比例提高预设的比例以提高显示吸引度，以确定出所述数据集中每一所述待显示数据对应的调整后的显示参数。
本发明第三方面公开了另一种用于智能交通的数据可视化处理装置，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的用于智能交通的数据可视化处理方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的用于智能交通的数据可视化处理方法中的部分或全部步骤。
与现有技术相比，本发明具有以下有益效果：
本发明能够综合地根据交通数据的数据来源和类型，来分别预测出对应的数据处理方式和显示方式，从而能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种用于智能交通的数据可视化处理方法的流程示意图；
图2是本发明实施例公开的一种用于智能交通的数据可视化处理装置的结构示意图；
图3是本发明实施例公开的另一种用于智能交通的数据可视化处理装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种用于智能交通的数据可视化处理方法及装置，能够综合地根据交通数据的数据来源和类型，来分别预测出对应的数据处理方式和显示方式，从而能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种用于智能交通的数据可视化处理方法的流程示意图。其中，图1所描述的方法可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定如图1所示，该用于智能交通的数据可视化处理方法可以包括以下操作：
101、获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据。
可选的，数据来源包括列车驱动设施、视频监视设施、广播设施、电子信息显示设施、乘客引导设施、通风空调设施、给排水及消防设施、动力及照明设施、火灾自动报警设施、环境与设备监控设施、智能卡识别设施、自动扶梯设施、电梯设施、卷帘门控制设施中的至少一种。
可选的，数据类型包括文本数据、图像数据、值数据、语音数据中的至少一种。
102、根据数据来源和数据类型，确定待处理数据对应的数据预处理算法模型。
103、将每一待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据。
104、根据数据来源和数据类型，确定每一待显示数据对应的数据显示预测模型。
105、将每一待显示数据输入至对应的数据显示预测模型中，得到每一待显示数据对应的显示参数。
可选的，显示参数包括显示框大小、显示字体大小、显示颜色、显示细节程度、显示位置中的至少一种。
106、根据显示参数，生成所有待显示数据对应的显示画面，并推送至终端进行显示。
可见，实施本发明实施例所描述的方法能够综合地根据交通数据的数据来源和类型，来分别预测出对应的数据处理方式和显示方式，从而能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，数据预处理算法模型包括数据加密算法模型和数据编码算法模型。可选的，数据加密算法模型可以包括RSA加密算法模型、AES加密算法模型、DES加密算法模型、MD5加密算法模型中的至少一种。可选的，数据编码算法模型可以包括独热编码算法模型、二值化编码算法模型、映射编码算法模型和其他可选的文本数据、图像数据、值数据或语音数据对应的编码算法模型，本发明不做限制。
上述步骤中的，根据数据来源和数据类型，确定待处理数据对应的数据预处理算法模型，包括：
对于每一待处理数据，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型；
根据该待处理数据对应的数据类型，基于类型-编码算法规则，确定该待处理数据对应的数据编码算法模型；
将该待处理数据对应的数据加密算法模型和数据编码算法模型确定为该待处理数据对应的数据预处理算法模型。
可见，实施该可选的实施例可以根据数据来源和类型，确定待处理数据对应的数据加密算法模型和数据编码算法模型，从而能够在后续基于此实现更加安全和智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，上述步骤中的，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型，包括：
根据该待处理数据对应的数据来源，基于来源-重要度规则，确定该待处理数据对应的重要度级别；
获取该待处理数据对应的在历史时间段发生的多个数据安全事故对应的历史采用加密算法；
对多个预设的加密算法模型，去除属于历史采用加密算法的算法模型，得到多个候选加密算法模型；
获取每一候选加密算法模型对应的用户加密程度评价，根据用户加密程度评价从高到低对多个候选加密算法模型进行排序得到模型序列；
将模型序列中的位置与重要度级别相对应的候选加密算法模型，确定为该待处理数据对应的数据加密算法模型。
具体的，在确定出该数据加密算法模型后，需要发送该数据加密算法模型对应的加密密钥等信息至终端，以便于终端在显示时对数据进行解码以及显示。
可见，实施该可选的实施例可以根据数据来源，确定待处理数据对应的数据加密算法模型，从而能够在后续基于此实现更加安全和智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，数据显示预测模型包括基于来源进行预测的第一显示预测模型和基于类型进行预测的第二显示预测模型。
上述步骤中的，根据数据来源和数据类型，确定每一待显示数据对应的数据显示预测模型，包括：
对于任一待显示数据，根据该待显示数据对应的数据来源，根据来源-模型对应关系，确定该待显示数据对应的第一显示预测模型；第一显示预测模型通过包括有多个来自数据来源的第一训练待显示数据和对应的显示参数标注的第一训练数据集训练得到；
根据该待显示数据对应的数据类型，根据类型-模型对应关系，确定该待显示数据对应的第二显示预测模型；第二显示预测模型通过包括有多个属于数据类型的第二训练待显示数据和对应的显示参数标注的第二训练数据集训练得到。
可选的，根据上述数据显示预测模型进行显示参数的预测时，可以结合第一显示预测模型预测出的多个第一显示参数和第二显示预测模型预测出的多个显示参数进行综合确定最终的显示参数，例如，可以计算多个第一显示参数和多个第二显示参数之间的重合的显示参数来得到最终预测得到的显示参数，或是，可以分别计算多个第一显示参数对应的第一模型预测概率和计算多个第二显示参数对应的第二模型预测概率，并分别根据概率从大到小对多个第一显示参数进行排序得到第一参数序列，对多个第二显示参数进行排序得到第二参数序列，再比较第一参数序列和第二参数序列的前预设数量个参数之间的重合的参数，得到最终预测得到的显示参数。
可见，实施该可选的实施例可以根据数据来源和数据类型，分别确定每一待显示数据对应的第一显示预测模型和第二显示预测模型，从而能够在后续基于此实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，上述步骤中的，根据显示参数，生成所有待显示数据对应的显示画面，并推送至终端进行显示，包括：
获取每一待显示数据对应的显示时间；
根据显示时间，从所有待显示数据中筛选出至少一组数据集；数据集中包括有多个同一时间段显示的待显示数据；
根据数据集的显示时间，以及预设的时间-参数调整规则，确定数据集中每一待显示数据对应的调整后的显示参数；
根据调整后的显示参数，生成数据集中的所有待显示数据对应的显示画面，并推送至终端进行显示。
可见，实施该可选的实施例可以筛选出至少一组包括有多个同一时间段显示的待显示数据，并通过显示时间的特点来调整同一时间段显示的数据的显示参数，从而能够在后续显示时实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，上述步骤中的，根据数据集的显示时间，以及预设的时间-参数调整规则，确定数据集中每一待显示数据对应的调整后的显示参数，包括：
根据数据集的显示时间，以及预设的时间-观看者对应关系，确定数据集对应的观看者信息；
将观看者信息输入至预先训练好的关注度预测神经网络模型，以得到数据集中属于观看者信息对应的预测关注数据的待显示数据；关注度预测神经网络模型通过包括有多个训练观看者信息和对应的关注数据标注；
将预测关注数据的显示参数的参数值或参数比例提高预设的比例以提高显示吸引度，以确定出数据集中每一待显示数据对应的调整后的显示参数。
具体的，提高不同的显示参数的显示吸引度，可能需要提高不同的预设比例以及提高该显示参数的不同维度值，这可以由操作人员根据经验或实验来确定，例如在显示参数为显示框大小时，提高其显示吸引度只需要提高显示框的面积参数即可，但在显示参数为显示颜色时，提高其显示吸引度则需要提高其不同维度如色相或色温参数来实现。
可见，实施该可选的实施例可以通过显示时间对应的观看者的关注点特征来调整同一时间段显示的数据中特定关注数据的显示参数，从而能够在后续显示时实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
实施例二
请参阅图2，图2是本发明实施例公开的一种用于智能交通的数据可视化处理装置的结构示意图。其中，图2所描述的装置可以应用于相应的数据处理设备、数据处理终端、数据处理服务器中，且该服务器可以是本地服务器，也可以是云服务器，本发明实施例不做限定。如图2所示，该装置可以包括：
获取模块201，用于获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据。
可选的，数据来源包括列车驱动设施、视频监视设施、广播设施、电子信息显示设施、乘客引导设施、通风空调设施、给排水及消防设施、动力及照明设施、火灾自动报警设施、环境与设备监控设施、智能卡识别设施、自动扶梯设施、电梯设施、卷帘门控制设施中的至少一种。
可选的，数据类型包括文本数据、图像数据、值数据、语音数据中的至少一种。
第一确定模块202，用于根据数据来源和数据类型，确定待处理数据对应的数据预处理算法模型。
处理模块203，用于将每一待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据。
第二确定模块204，用于根据数据来源和数据类型，确定每一待显示数据对应的数据显示预测模型。
预测模块205，用于将每一待显示数据输入至对应的数据显示预测模型中，得到每一待显示数据对应的显示参数。
可选的，显示参数包括显示框大小、显示字体大小、显示颜色、显示细节程度、显示位置中的至少一种。
生成模块206，用于根据显示参数，生成所有待显示数据对应的显示画面，并推送至终端进行显示。
可见，实施本发明实施例所描述的装置能够综合地根据交通数据的数据来源和类型，来分别预测出对应的数据处理方式和显示方式，从而能够实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，数据预处理算法模型包括数据加密算法模型和数据编码算法模型。可选的，数据加密算法模型可以包括RSA加密算法模型、AES加密算法模型、DES加密算法模型、MD5加密算法模型中的至少一种。可选的，数据编码算法模型可以包括独热编码算法模型、二值化编码算法模型、映射编码算法模型和其他可选的文本数据、图像数据、值数据或语音数据对应的编码算法模型，本发明不做限制。
数据预处理算法模型包括数据加密算法模型和数据编码算法模型；第一确定模块202根据数据来源和数据类型，确定待处理数据对应的数据预处理算法模型的具体方式，包括：
对于每一待处理数据，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型；
根据该待处理数据对应的数据类型，基于类型-编码算法规则，确定该待处理数据对应的数据编码算法模型；
将该待处理数据对应的数据加密算法模型和数据编码算法模型确定为该待处理数据对应的数据预处理算法模型。
可见，实施该可选的实施例可以根据数据来源和类型，确定待处理数据对应的数据加密算法模型和数据编码算法模型，从而能够在后续基于此实现更加安全和智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，第一确定模块202根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型的具体方式，包括：
根据该待处理数据对应的数据来源，基于来源-重要度规则，确定该待处理数据对应的重要度级别；
获取该待处理数据对应的在历史时间段发生的多个数据安全事故对应的历史采用加密算法；
对多个预设的加密算法模型，去除属于历史采用加密算法的算法模型，得到多个候选加密算法模型；
获取每一候选加密算法模型对应的用户加密程度评价，根据用户加密程度评价从高到低对多个候选加密算法模型进行排序得到模型序列；
将模型序列中的位置与重要度级别相对应的候选加密算法模型，确定为该待处理数据对应的数据加密算法模型。
具体的，在确定出该数据加密算法模型后，需要发送该数据加密算法模型对应的加密密钥等信息至终端，以便于终端在显示时对数据进行解码以及显示。
可见，实施该可选的实施例可以根据数据来源，确定待处理数据对应的数据加密算法模型，从而能够在后续基于此实现更加安全和智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，数据显示预测模型包括基于来源进行预测的第一显示预测模型和基于类型进行预测的第二显示预测模型。
第二确定模块204根据数据来源和数据类型，确定每一待显示数据对应的数据显示预测模型的具体方式，包括：
对于任一待显示数据，根据该待显示数据对应的数据来源，根据来源-模型对应关系，确定该待显示数据对应的第一显示预测模型；第一显示预测模型通过包括有多个来自数据来源的第一训练待显示数据和对应的显示参数标注的第一训练数据集训练得到；
根据该待显示数据对应的数据类型，根据类型-模型对应关系，确定该待显示数据对应的第二显示预测模型；第二显示预测模型通过包括有多个属于数据类型的第二训练待显示数据和对应的显示参数标注的第二训练数据集训练得到。
可选的，预测模块205根据上述数据显示预测模型进行显示参数的预测时，可以结合第一显示预测模型预测出的多个第一显示参数和第二显示预测模型预测出的多个显示参数进行综合确定最终的显示参数，例如，可以计算多个第一显示参数和多个第二显示参数之间的重合的显示参数来得到最终预测得到的显示参数，或是，可以分别计算多个第一显示参数对应的第一模型预测概率和计算多个第二显示参数对应的第二模型预测概率，并分别根据概率从大到小对多个第一显示参数进行排序得到第一参数序列，对多个第二显示参数进行排序得到第二参数序列，再比较第一参数序列和第二参数序列的前预设数量个参数之间的重合的参数，得到最终预测得到的显示参数。
可见，实施该可选的实施例可以根据数据来源和数据类型，分别确定每一待显示数据对应的第一显示预测模型和第二显示预测模型，从而能够在后续基于此实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，生成模块206根据显示参数，生成所有待显示数据对应的显示画面，并推送至终端进行显示的具体方式，包括：
获取每一待显示数据对应的显示时间；
根据显示时间，从所有待显示数据中筛选出至少一组数据集；数据集中包括有多个同一时间段显示的待显示数据；
根据数据集的显示时间，以及预设的时间-参数调整规则，确定数据集中每一待显示数据对应的调整后的显示参数；
根据调整后的显示参数，生成数据集中的所有待显示数据对应的显示画面，并推送至终端进行显示。
可见，实施该可选的实施例可以筛选出至少一组包括有多个同一时间段显示的待显示数据，并通过显示时间的特点来调整同一时间段显示的数据的显示参数，从而能够在后续显示时实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
作为一种可选的实施例，生成模块206根据数据集的显示时间，以及预设的时间-参数调整规则，确定数据集中每一待显示数据对应的调整后的显示参数的具体方式，包括：
根据数据集的显示时间，以及预设的时间-观看者对应关系，确定数据集对应的观看者信息；
将观看者信息输入至预先训练好的关注度预测神经网络模型，以得到数据集中属于观看者信息对应的预测关注数据的待显示数据；关注度预测神经网络模型通过包括有多个训练观看者信息和对应的关注数据标注；
将预测关注数据的显示参数的参数值或参数比例提高预设的比例以提高显示吸引度，以确定出数据集中每一待显示数据对应的调整后的显示参数。
具体的，提高不同的显示参数的显示吸引度，可能需要提高不同的预设比例以及提高该显示参数的不同维度值，这可以由操作人员根据经验或实验来确定，例如在显示参数为显示框大小时，提高其显示吸引度只需要提高显示框的面积参数即可，但在显示参数为显示颜色时，提高其显示吸引度则需要提高其不同维度如色相或色温参数来实现。
可见，实施该可选的实施例可以通过显示时间对应的观看者的关注点特征来调整同一时间段显示的数据中特定关注数据的显示参数，从而能够在后续显示时实现更加智能化的交通系统的数据可视化，且数据处理效率更高，显示效果更好。
实施例三
请参阅图3，图3是本发明实施例公开的另一种用于智能交通的数据可视化处理装置的结构示意图。如图3所示，该装置可以包括：
存储有可执行程序代码的存储器301；
与存储器301耦合的处理器302；
处理器302调用存储器301中存储的可执行程序代码，执行本发明实施例一公开的用于智能交通的数据可视化处理方法中的部分或全部步骤。
实施例四
本发明实施例公开了一种计算机存储介质，该计算机存储介质存储有计算机指令，该计算机指令被调用时，用于执行本发明实施例一公开的用于智能交通的数据可视化处理方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器（Read-Only Memory，ROM）、随机存储器（Random Access Memory，RAM）、可编程只读存储器（Programmable Read-only Memory，PROM）、可擦除可编程只读存储器（ErasableProgrammable Read Only Memory，EPROM）、一次可编程只读存储器（One-timeProgrammable Read-Only Memory，OTPROM）、电子抹除式可复写只读存储器（Electrically-Erasable Programmable Read-Only Memory，EEPROM）、只读光盘（CompactDisc Read-Only Memory，CD-ROM）或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是：本发明实施例公开的一种用于智能交通的数据可视化处理方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种用于智能交通的数据可视化处理方法，其特征在于，所述方法包括：
获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据；
根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型；
将每一所述待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据；
根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型；
将每一所述待显示数据输入至对应的数据显示预测模型中，得到每一所述待显示数据对应的显示参数；
根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示。
2.根据权利要求1所述的用于智能交通的数据可视化处理方法，其特征在于，所述显示参数包括显示框大小、显示字体大小、显示颜色、显示细节程度、显示位置中的至少一种；和/或，所述数据来源包括列车驱动设施、视频监视设施、广播设施、电子信息显示设施、乘客引导设施、通风空调设施、给排水及消防设施、动力及照明设施、火灾自动报警设施、环境与设备监控设施、智能卡识别设施、自动扶梯设施、电梯设施、卷帘门控制设施中的至少一种；和/或，所述数据类型包括文本数据、图像数据、值数据、语音数据中的至少一种。
3.根据权利要求2所述的用于智能交通的数据可视化处理方法，其特征在于，所述数据预处理算法模型包括数据加密算法模型和数据编码算法模型；所述根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型，包括：
对于每一所述待处理数据，根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型；
根据该待处理数据对应的数据类型，基于类型-编码算法规则，确定该待处理数据对应的数据编码算法模型；
将该待处理数据对应的数据加密算法模型和数据编码算法模型确定为该待处理数据对应的数据预处理算法模型。
4.根据权利要求3所述的用于智能交通的数据可视化处理方法，其特征在于，所述根据该待处理数据对应的数据来源，基于来源-加密算法规则，确定该待处理数据对应的数据加密算法模型，包括：
根据该待处理数据对应的数据来源，基于来源-重要度规则，确定该待处理数据对应的重要度级别；
获取该待处理数据对应的在历史时间段发生的多个数据安全事故对应的历史采用加密算法；
对多个预设的加密算法模型，去除属于所述历史采用加密算法的算法模型，得到多个候选加密算法模型；
获取每一所述候选加密算法模型对应的用户加密程度评价，根据所述用户加密程度评价从高到低对所述多个候选加密算法模型进行排序得到模型序列；
将所述模型序列中的位置与所述重要度级别相对应的候选加密算法模型，确定为该待处理数据对应的数据加密算法模型。
5.根据权利要求1所述的用于智能交通的数据可视化处理方法，其特征在于，所述数据显示预测模型包括基于来源进行预测的第一显示预测模型和基于类型进行预测的第二显示预测模型；所述根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型，包括：
对于任一所述待显示数据，根据该待显示数据对应的所述数据来源，根据来源-模型对应关系，确定该待显示数据对应的所述第一显示预测模型；所述第一显示预测模型通过包括有多个来自所述数据来源的第一训练待显示数据和对应的显示参数标注的第一训练数据集训练得到；
根据该待显示数据对应的所述数据类型，根据类型-模型对应关系，确定该待显示数据对应的所述第二显示预测模型；所述第二显示预测模型通过包括有多个属于所述数据类型的第二训练待显示数据和对应的显示参数标注的第二训练数据集训练得到。
6.根据权利要求1所述的用于智能交通的数据可视化处理方法，其特征在于，所述根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示，包括：
获取每一所述待显示数据对应的显示时间；
根据所述显示时间，从所有所述待显示数据中筛选出至少一组数据集；所述数据集中包括有多个同一时间段显示的所述待显示数据；
根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数；
根据所述调整后的显示参数，生成所述数据集中的所有所述待显示数据对应的显示画面，并推送至终端进行显示。
7.根据权利要求6所述的用于智能交通的数据可视化处理方法，其特征在于，所述根据所述数据集的显示时间，以及预设的时间-参数调整规则，确定所述数据集中每一所述待显示数据对应的调整后的显示参数，包括：
根据所述数据集的显示时间，以及预设的时间-观看者对应关系，确定所述数据集对应的观看者信息；
将所述观看者信息输入至预先训练好的关注度预测神经网络模型，以得到所述数据集中属于所述观看者信息对应的预测关注数据的待显示数据；所述关注度预测神经网络模型通过包括有多个训练观看者信息和对应的关注数据标注；
将所述预测关注数据的显示参数的参数值或参数比例提高预设的比例以提高显示吸引度，以确定出所述数据集中每一所述待显示数据对应的调整后的显示参数。
8.一种用于智能交通的数据可视化处理装置，其特征在于，所述装置包括：
获取模块，用于获取智能交通平台传输的不同数据来源的不同数据类型的多个待处理数据；
第一确定模块，用于根据所述数据来源和所述数据类型，确定所述待处理数据对应的数据预处理算法模型；
处理模块，用于将每一所述待处理数据输入至对应的数据预处理算法模型中，得到多个处理后的待显示数据；
第二确定模块，用于根据所述数据来源和所述数据类型，确定每一所述待显示数据对应的数据显示预测模型；
预测模块，用于将每一所述待显示数据输入至对应的数据显示预测模型中，得到每一所述待显示数据对应的显示参数；
生成模块，用于根据所述显示参数，生成所有所述待显示数据对应的显示画面，并推送至终端进行显示。
9.一种用于智能交通的数据可视化处理装置，其特征在于，所述装置包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行如权利要求1-7任一项所述的用于智能交通的数据可视化处理方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的用于智能交通的数据可视化处理方法。
CN202310402335.5A 2023-04-17 2023-04-17 一种用于智能交通的数据可视化处理方法及装置 Active CN116128166B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310402335.5A CN116128166B (zh) 2023-04-17 2023-04-17 一种用于智能交通的数据可视化处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310402335.5A CN116128166B (zh) 2023-04-17 2023-04-17 一种用于智能交通的数据可视化处理方法及装置

Publications (2)

Publication Number Publication Date
CN116128166A true CN116128166A (zh) 2023-05-16
CN116128166B CN116128166B (zh) 2023-06-23

Family

ID=86312112

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310402335.5A Active CN116128166B (zh) 2023-04-17 2023-04-17 一种用于智能交通的数据可视化处理方法及装置

Country Status (1)

Country Link
CN (1) CN116128166B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116955592A (zh) * 2023-07-21 2023-10-27 广州拓尔思大数据有限公司 基于可视化推理结果的数据处理方法及系统
CN118069727A (zh) * 2024-02-02 2024-05-24 太极计算机股份有限公司 一种数据可视化平台的数据智能处理方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017021282A (ja) * 2015-07-14 2017-01-26 中国電力株式会社 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム
CN109446389A (zh) * 2018-09-20 2019-03-08 卓望数码技术（深圳）有限公司 一种数据可视化处理方法和系统
CN114385844A (zh) * 2021-05-28 2022-04-22 中科恒运股份有限公司 可视化图像处理的方法及终端设备
JP2022068690A (ja) * 2020-10-22 2022-05-10 株式会社日立製作所 意思決定支援装置
CN114494430A (zh) * 2021-12-24 2022-05-13 北京罗克维尔斯科技有限公司 一种显示调整、模型标定方法、设备、装置及存储介质
CN115083337A (zh) * 2022-07-08 2022-09-20 深圳市安信泰科技有限公司 一种led显示驱动系统及方法
CN115072598A (zh) * 2022-08-22 2022-09-20 广州云硕科技发展有限公司 基于人工智能的塔吊监测方法和装置
WO2023045884A1 (zh) * 2021-09-24 2023-03-30 维沃移动通信有限公司 屏幕光检测模型训练方法、环境光检测方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017021282A (ja) * 2015-07-14 2017-01-26 中国電力株式会社 故障予兆シミュレーション装置、故障予兆シミュレーション方法、故障予兆シミュレーションシステム、及びプログラム
CN109446389A (zh) * 2018-09-20 2019-03-08 卓望数码技术（深圳）有限公司 一种数据可视化处理方法和系统
JP2022068690A (ja) * 2020-10-22 2022-05-10 株式会社日立製作所 意思決定支援装置
CN114385844A (zh) * 2021-05-28 2022-04-22 中科恒运股份有限公司 可视化图像处理的方法及终端设备
WO2023045884A1 (zh) * 2021-09-24 2023-03-30 维沃移动通信有限公司 屏幕光检测模型训练方法、环境光检测方法及装置
CN114494430A (zh) * 2021-12-24 2022-05-13 北京罗克维尔斯科技有限公司 一种显示调整、模型标定方法、设备、装置及存储介质
CN115083337A (zh) * 2022-07-08 2022-09-20 深圳市安信泰科技有限公司 一种led显示驱动系统及方法
CN115072598A (zh) * 2022-08-22 2022-09-20 广州云硕科技发展有限公司 基于人工智能的塔吊监测方法和装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116955592A (zh) * 2023-07-21 2023-10-27 广州拓尔思大数据有限公司 基于可视化推理结果的数据处理方法及系统
CN116955592B (zh) * 2023-07-21 2024-02-09 广州拓尔思大数据有限公司 基于可视化推理结果的数据处理方法及系统
CN118069727A (zh) * 2024-02-02 2024-05-24 太极计算机股份有限公司 一种数据可视化平台的数据智能处理方法

Also Published As

Publication number Publication date
CN116128166B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
CN116128166B (zh) 一种用于智能交通的数据可视化处理方法及装置
CN111178523B (zh) 一种行为检测方法、装置、电子设备及存储介质
CN110390262B (zh) 视频分析方法、装置、服务器及存储介质
CN109980781B (zh) 一种变电站智能监控系统
CN109214374B (zh) 视频分类方法、装置、服务器及计算机可读存储介质
CN112200081A (zh) 异常行为识别方法、装置、电子设备及存储介质
US10331943B2 (en) Automated scenario recognition and reporting using neural networks
CN105956469A (zh) 文件安全性识别方法和装置
CN115331204A (zh) 疲劳驾驶识别方法、系统、电子设备及存储介质
CN112969032A (zh) 光照模式识别方法、装置、计算机设备及存储介质
CN105550755A (zh) 一种车辆维护策略执行方法、系统和电子设备
CN116682035A (zh) 一种高帧率视频缺陷的检测方法、装置、设备和程序产品
CN115527080A (zh) 生成视频动作识别模型的方法及电子设备
Li et al. Enhancing End-to-End Autonomous Driving with Latent World Model
CN115272896A (zh) 识别模型的自动迭代训练方法、系统、设备和存储介质
CN110262269B (zh) 运行控制方法、模块、系统、家电设备和可读存储介质
CN112380999B (zh) 一种针对直播过程中诱导性不良行为的检测系统及方法
CN112468842B (zh) 一种直播审核方法及装置
CN115019218A (zh) 图像处理方法和处理器
CN115171224A (zh) 一种检测模型的获取方法、活性检测方法和相关装置
CN116775752B (zh) 对数据进行可视化处理的方法及装置
EP4401013A1 (en) Training device, prediction device, training prediction device, program, training method, prediction method, and training prediction method
CN113762013B (zh) 用于人脸识别的方法及装置
JP7424345B2 (ja) 装置、方法およびプログラム
CN118381682B (zh) 工控网络攻击事件综合分析溯源方法及装置

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