CN116341991B - 一种基于云计算的重卡换电云服务系统及方法 - Google Patents
一种基于云计算的重卡换电云服务系统及方法 Download PDFInfo
- Publication number
- CN116341991B CN116341991B CN202310611211.8A CN202310611211A CN116341991B CN 116341991 B CN116341991 B CN 116341991B CN 202310611211 A CN202310611211 A CN 202310611211A CN 116341991 B CN116341991 B CN 116341991B
- Authority
- CN
- China
- Prior art keywords
- process service
- state
- service
- heavy
- sub
- 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
- 238000000034 method Methods 0.000 title claims abstract description 555
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 97
- 230000008569 process Effects 0.000 claims abstract description 424
- 238000012544 monitoring process Methods 0.000 claims abstract description 121
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 230000007704 transition Effects 0.000 claims description 26
- 238000012546 transfer Methods 0.000 claims description 25
- 238000004364 calculation method Methods 0.000 claims description 24
- 235000010425 Sorbus domestica Nutrition 0.000 claims description 14
- 240000005332 Sorbus domestica Species 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 230000005055 memory storage Effects 0.000 claims description 6
- 230000002085 persistent effect Effects 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000005457 optimization Methods 0.000 abstract description 3
- 238000013404 process transfer Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/80—Exchanging energy storage elements, e.g. removable batteries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
- G06F11/3423—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time where the assessed time is active or idle time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- 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
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/20—Analytics; Diagnosis
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L2200/00—Type of vehicles
- B60L2200/36—Vehicles designed to transport cargo, e.g. trucks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/80—Database-specific techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2209/00—Indexing scheme relating to G06F9/00
- G06F2209/54—Indexing scheme relating to G06F9/54
- G06F2209/548—Queue
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Human Resources & Organizations (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Probability & Statistics with Applications (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Transportation (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Computational Linguistics (AREA)
Abstract
本发明公开了一种基于云计算的重卡换电云服务系统及方法,属于新能源换电技术领域。对重卡换电进行主和子进程服务的配置;通过监测云端对进程服务状态消息进行统一管理,对进程服务状态消息添加状态标签;分析状态标签的特征稳定性,对异常的状态标签进行标记;根据标记次数,对重卡换电站的整体进程服务水平进行评估分析;还提供一种系统,包括存储配置、监测云端、特征稳定性分析和评估分析模块;进而采用多进程的方式对主进程和子进程进行配置,将进程服务状态作为换电协作的底层数据,从客观层面来监测换电站运作的技术投入、设备投入,软件设计和优化,以及设备维护等能力,结合云技术,能够对换电站整体服务水平进行长期的评估监测。
Description
技术领域
本发明涉及新能源换电技术领域,具体为一种基于云计算的重卡换电云服务系统及方法。
背景技术
换电是加速重卡新能源化的一种技术和模式创新,换电重卡适用于中短途场景,如转运堆场、矿山、港口、建筑工地和城市运输等,采用“车电分离”的换电模式,克服了纯电动重卡运营效率低的痛点,能够有效满足重卡高频运作车辆的要求;在重卡换电服务的过程中,涉及到很多实施环节,各个实施环节协同运作展现了重卡换电的整个换电服务体系特点;
现有技术中,一般设置固定的换电站,在换电站中完成自动化的整个换电服务流程,因此对于换电站的整个运作效率往往通过自动化换电的流程环节来体现,高效的流程环节服务体现了换电站的服务水平程度,而现有技术中,对于换电站的服务水平评价,往往通过对换电价格、换电站电池储备数量和工作人员服务态度等人为主观感知来认定,缺乏客观性。
发明内容
本发明的目的在于提供一种基于云计算的重卡换电云服务系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:
一种基于云计算的重卡换电云服务系统,本系统包括:存储配置模块、监测云端模块、特征稳定性分析模块和评估分析模块;
所述存储配置模块,用于统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
所述监测云端模块,用于将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对所述状态标签进行存储;
所述特征稳定性分析模块,用于通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
所述评估分析模块,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库。
进一步的,所述存储配置模块还包括存储配置单元和进程服务关系绑定单元;
所述存储配置单元,用于构建重卡换电进程服务树模型,所述重卡换电进程服务包括主进程服务和子进程服务,所述重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,所述主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,所述子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
所述进程服务关系绑定单元,用于通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,所述RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中。
进一步的,所述监测云端模块还包括云端存储单元和进程服务状态标签单元;
所述云端存储单元,用于通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,所述监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
所述进程服务状态标签单元,用于对进程服务状态消息添加状态标签,所述状态标签包括进程服务停留状态和进程服务转移状态,所述进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,所述进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对所述状态标签进行存储。
进一步的,所述特征稳定性分析模块还包括特征稳定值计算单元和标记统计单元;
所述特征稳定值计算单元,用于通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
所述标记统计单元,用于预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij)。
进一步的,所述评估分析模块还包括进程服务水平值计算单元和预警更新单元;
所述进程服务水平值计算单元,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
所述预警更新单元,根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,所述评估情况包括整体进程服务水平值排序结果和预警提示信息。
一种基于云计算的重卡换电云服务方法,本方法包括以下步骤:
步骤S100:统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
步骤S200:将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对所述状态标签进行存储;
步骤S300:通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
步骤S400:根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库。
进一步的,所述步骤S100的具体实施过程包括:
步骤S101:构建重卡换电进程服务树模型,所述重卡换电进程服务包括主进程服务和子进程服务,所述重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,所述主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,所述子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
步骤S102:通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,所述RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;
步骤S103:当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中;
根据上述方法,不同的重卡换电站针对不同的重卡车型或者结合自身运营能力,设计了不同的流程服务环节,采用了不同运行效率的换电自动化设备,进而结合不同规格的自动化设备设计不同的流程服务环节,各自动化设备按照设定好的环节进行协作完成换电服务,进而高效的流程环节服务体现了换电站的服务水平程度;相比较传统思维上的认知,即通过换电价格、换电站电池储备数量和工作人员服务态度等人为主观感知,本申请发明从自动化换电设备之间的协作环节来监测换电站的服务水平;重卡换电有不同的换电流程,每个流程中又包含多个具体实施步骤,自动化换电设备在这些流程和步骤中运转协作,同时通过RabbitMQ消息总线程对进程服务关系进行约束规则绑定,采用多进程的程序方式对主进程和子进程进行配置,从而对进程服务状态消息进行存储,通过进程服务状态这种自动化设备协作的底层数据,来分析换电站的服务水平,进而从客观层面,来监测换电站运作的技术投入、设备投入,软件设计和优化、设备维护等水平或能力,结合云技术进行上传数据、存储数据,以及分析数据。
进一步的,所述步骤S200的具体实施过程包括:
步骤S201:通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,所述监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
步骤S202:对进程服务状态消息添加状态标签,所述状态标签包括进程服务停留状态和进程服务转移状态,所述进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,所述进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对所述状态标签进行存储;
根据上述方法,自动化设备在协作过程中,存在多个主进程和多个子进程,如换电流程为主进程,在换电流程中还包括二维码扫描、车辆定位和电池类型识别等多个实施步骤对应的子进程服务,同时在进程服务树模型中,可以根据实际需求不断补充增加各种进程服务;并且,各进程在执行的过程中主要有停留状态和转移状态两种,停留状态表示进程正在执行命令,转移状态表示进程完成正在转移到下一个进程。
进一步的,所述步骤S300的具体实施过程包括:
步骤S301:通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
步骤S302:预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij);
根据上述方法,状态时长能够直观体现进程的服务效率,公式Ta+1(X)-Ta(X)体现进程服务时长的连续变动情况,公式[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]体现进程服务的连续变动趋势,进而结合大数据,计算出特征稳定值W(X|U),特征稳定值越小表示进程服务状态时长波动越小,进而进程服务越稳定。
进一步的,所述步骤S400的具体实施过程包括:
步骤S401:根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
步骤S402:根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,所述评估情况包括整体进程服务水平值排序结果和预警提示信息;
根据上述方法,在实际中,主进程停留状态时长等于该主进程下各子进程停留状态时长与各子进程转移状态时长之和,主进程停留状态时长受到该主进程下各子进程停留状态时长与各子进程转移状态时长的共同影响,因此在结合历史监测周期中,统计状态异常的次数,并通过公式C(Qi)/∑j=1 W[C(Qij)+C(qij)]来体现主进程服务停留状态异常程度;同时在实际中,一次换电完整过程中,一次完整换电闭环时长等于主进程停留状态时长与主进程转移时长之和,进而公式C(qi)/[C(Qi)+C(qi)]体现主进程服务转移状态异常占比程度,进而计算整体进程服务水平值HV(Y),整体进程服务水平值越大表示换电站整体服务水平越差,。
与现有技术相比,本发明所达到的有益效果是:本发明提供的一种基于云计算的重卡换电云服务系统及方法中,对重卡换电进行主和子进程服务的配置;通过监测云端对进程服务状态消息进行统一管理,对进程服务状态消息添加状态标签;分析状态标签的特征稳定性,对异常的状态标签进行标记;根据标记次数,对重卡换电站的整体进程服务水平进行评估分析;还提供一种系统,包括存储配置、监测云端、特征稳定性分析和评估分析模块;进而采用多进程的方式对主进程和子进程进行配置,将进程服务状态作为换电协作的底层数据,从客观层面来监测换电站运作的技术投入、设备投入,软件设计和优化,以及设备维护等能力,结合云技术,能够对换电站整体服务水平进行长期的评估监测。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并且不构成对本发明的限制。在附图中:
图1是本发明一种基于云计算的重卡换电云服务系统的结构示意图;
图2是本发明一种基于云计算的重卡换电云服务方法的步骤示意图。
具体实施方式
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做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。
请参阅图1-图2,本发明提供技术方案:
请参阅图1,在本实施例一中:提供一种基于云计算的重卡换电云服务系统,该系统包括:存储配置模块、监测云端模块、特征稳定性分析模块和评估分析模块;
存储配置模块,用于统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
其中,存储配置模块还包括存储配置单元和进程服务关系绑定单元;
存储配置单元,用于构建重卡换电进程服务树模型,重卡换电进程服务包括主进程服务和子进程服务,重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
进程服务关系绑定单元,用于通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中;
监测云端模块,用于将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对状态标签进行存储;
其中,监测云端模块还包括云端存储单元和进程服务状态标签单元;
云端存储单元,用于通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
进程服务状态标签单元,用于对进程服务状态消息添加状态标签,状态标签包括进程服务停留状态和进程服务转移状态,进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对状态标签进行存储;
特征稳定性分析模块,用于通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
其中,特征稳定性分析模块还包括特征稳定值计算单元和标记统计单元;
特征稳定值计算单元,用于通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
标记统计单元,用于预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij);
评估分析模块,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库;
其中,评估分析模块还包括进程服务水平值计算单元和预警更新单元;
进程服务水平值计算单元,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
预警更新单元,根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,评估情况包括整体进程服务水平值排序结果和预警提示信息;
RabbitMQ是实现了高级消息队列协议,即AMQP的开源消息代理软件,亦称面向消息的中间件,RabbitMQ消息总线程中的核心理念结构有:Connection连接、Channel信道、Exchange交换机、Queue队列和Virtual host虚拟主机;本申请发明结合了RabbitMQ消息总线程,来对进程服务关系的约束规则绑定,同时实现了状态消息存储和利用的最大效能;
MySQL是一种关系型数据库管理系统,关系数据库将数据保存在不同的表中,通过行和列的关系进行数据的存储,而不是将所有数据放在一个大仓库内,从而增加了速度并提高了灵活性,例如根据重卡换电进程服务树模型来设计表的属性,主进程对应行,子进程对应列;
Redis实时库支持数据的持久化,周期性的把更新的数据写入磁盘或者把修改操作写入追加的记录文件,重启的时候可以再次加载进行使用,用于在内存中管理数据量不太大但是访问量特别大的热点数据;
互联网发展到现在,仅靠传统的关系型数据库已经远不能应对各种变化的需求,一个大型的互联网应用往往需要各类数据库相互合作,才能达到高可用、高性能的标准。
请参阅图2,在本实施例二中:提供一种基于云计算的重卡换电云服务方法,该方法包括以下步骤:
统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
构建重卡换电进程服务树模型,重卡换电进程服务包括主进程服务和子进程服务,重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
例如,重卡换电进程服务有TBOX服务、号牌识别服务、架载机服务和机器人服务等,TBOX服务中还包括电池箱上锁子服务和解锁自服务;TBOX服务可通过TBOX连接接收车辆信息,并对车辆电池进行上锁解锁操作;号牌识别服务通过号牌识别技术识别入场车辆,并对比白名单判断是否允许换电;架载机服务通过与架载机的网络连接对架载机进行控制,并获取电池信息;机器人服务通过与机器人的网络连接对机器人进行控制,并获取机器人状态;
通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;
当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中;
将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对状态标签进行存储;
通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
对进程服务状态消息添加状态标签,状态标签包括进程服务停留状态和进程服务转移状态,进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对状态标签进行存储;
通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij);
根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库;
根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,评估情况包括整体进程服务水平值排序结果和预警提示信息。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并且不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于云计算的重卡换电云服务方法,其特征在于,该方法包括以下步骤:
步骤S100:统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
步骤S200:将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对所述状态标签进行存储;
步骤S300:通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
步骤S400:根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库;
所述步骤S200的具体实施过程包括:
步骤S201:通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,所述监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
步骤S202:对进程服务状态消息添加状态标签,所述状态标签包括进程服务停留状态和进程服务转移状态,所述进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,所述进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对所述状态标签进行存储;
所述步骤S300的具体实施过程包括:
步骤S301:通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
步骤S302:预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij)。
2.根据权利要求1所述的一种基于云计算的重卡换电云服务方法,其特征在于,所述步骤S100的具体实施过程包括:
步骤S101:构建重卡换电进程服务树模型,所述重卡换电进程服务包括主进程服务和子进程服务,所述重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,所述主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,所述子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
步骤S102:通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,所述RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;
步骤S103:当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中。
3.根据权利要求2所述的一种基于云计算的重卡换电云服务方法,其特征在于,所述步骤S400的具体实施过程包括:
步骤S401:根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
步骤S402:根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,所述评估情况包括整体进程服务水平值排序结果和预警提示信息。
4.一种基于云计算的重卡换电云服务系统,其特征在于,所述系统包括:存储配置模块、监测云端模块、特征稳定性分析模块和评估分析模块;
所述存储配置模块,用于统计重卡换电流程和每一个重卡换电流程的全部实施步骤,并根据重卡换电流程和实施步骤,对重卡换电进程服务进行主进程服务和子进程服务的配置;通过RabbitMQ消息总线程进行进程服务关系的约束规则绑定,并对进程服务状态消息进行存储;
所述监测云端模块,用于将不同监测周期内的进程服务状态消息上传到监测云端,通过监测云端对进程服务状态消息进行统一管理,并对进程服务状态进行统一编号;对进程服务状态消息添加状态标签,通过MySql数据库存储原则,对所述状态标签进行存储;
所述特征稳定性分析模块,用于通过MySql数据库调取状态标签,获取重卡换电站在不同监测周期内的状态标签时长,根据状态标签时长,分析状态标签的特征稳定性;对异常的状态标签进行标记,对全部监测周期内的标记次数进行分类统计;
所述评估分析模块,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估分析;并将评估情况更新到Redis实时库;
所述监测云端模块还包括云端存储单元和进程服务状态标签单元;
所述云端存储单元,用于通过RabbitMQ消息总线程进行重卡换电服务的监测,在每一个监测周期内,将进程服务状态消息上传到监测云端进行存储,所述监测云端根据重卡换电站的数量进行均等划分存储空间;监测云端对进程服务状态消息进行统一管理,将一个主进程服务标记为i,将一个主进程服务下的一个子进程服务标记为j,其中,i表示主进程服务编号,j表示子进程服务编号;
所述进程服务状态标签单元,用于对进程服务状态消息添加状态标签,所述状态标签包括进程服务停留状态和进程服务转移状态,所述进程服务停留状态包括主进程服务停留状态和子进程服务停留状态,所述进程服务转移状态包括主进程服务转移状态和子进程服务转移状态;将主进程服务停留状态标记为Qi,将主进程服务转移状态标记为qi,将子进程服务停留状态标记为Qij,将子进程服务转移状态标记为qij,其中,ij表示第i个主进程服务下的第j个子进程服务;通过MySql数据库存储原则,对所述状态标签进行存储;
所述特征稳定性分析模块还包括特征稳定值计算单元和标记统计单元;
所述特征稳定值计算单元,用于通过MySql数据库调取状态标签,获取任意一个重卡换电站Y在每一个监测周期内的状态标签时长,将第U个监测周期内的第a次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},其中,将时长特征数据组中任意一个时长特征数据记为Ta(X),Ta(X)∈{Ta(Qi),Ta(qi),Ta(Qij),Ta(qij)},X∈{Qi,qi,Qij,qij},构建状态标签的特征稳定值计算模型,具体计算公式如下:
W(X|U)={(A-1)-1×∑a=1 A[Ta+1(X)-Ta(X)]}/[A-1×∑a=1 ATa(X)]
其中,W(X|U)表示任意一个状态标签X在第U个监测周期内的特征稳定值,将第U个监测周期内的第a+1次换电服务过程中产生的状态标签时长对应生成时长特征数据组,记为{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},Ta+1(X)∈{Ta+1(Qi),Ta+1(qi),Ta+1(Qij),Ta+1(qij)},A表示第U个监测周期内的换电服务总次数;
所述标记统计单元,用于预设特征稳定值阈值,如果任意一个状态标签X在第U个监测周期内的特征稳定值大于等于特征稳定值阈值,则对任意一个状态标签X进行一次标记,并对全部监测周期内的标记次数进行统计,将主进程服务停留状态被标记的总次数记为C(Qi),将主进程服务转移状态被标记的总次数记为C(qi),将子进程服务停留状态被标记的总次数记为C(Qij),将子进程服务转移状态被标记的总次数记为C(qij)。
5.根据权利要求4所述的一种基于云计算的重卡换电云服务系统,其特征在于:所述存储配置模块还包括存储配置单元和进程服务关系绑定单元;
所述存储配置单元,用于构建重卡换电进程服务树模型,所述重卡换电进程服务包括主进程服务和子进程服务,所述重卡换电进程服务树中包括K个主进程服务和W个子进程服务,其中,一个主进程服务对应包含至少一个子进程服务,所述主进程服务根据重卡换电流程进行配置,一个重卡换电流程配置一种主进程服务,所述子进程服务根据主进程服务的实施步骤进行配置,一个主进程服务中的一个实施步骤配置一种子进程服务;
所述进程服务关系绑定单元,用于通过支持多线程的RabbitMQ消息总线程进行进程服务关系的约束规则绑定,所述RabbitMQ消息总线程中包括producer节点、connection节点、channel信道和queue队列,其中,一个主进程服务对应一个producer节点,一个子进程服务对应一个queue队列,producer节点连接connection节点,connection节点中集成W个channel信道节点,一个channel信道对应传输一个queue队列;当有主进程服务发生时,通过producer节点将主进程服务状态消息,经过connection节点,进行channel信道节点的分流,将主进程服务状态下各个子进程服务状态消息存储在对应的queue队列中。
6.根据权利要求5所述的一种基于云计算的重卡换电云服务系统,其特征在于:所述评估分析模块还包括进程服务水平值计算单元和预警更新单元;
所述进程服务水平值计算单元,根据统计的标记次数,对重卡换电站的整体进程服务水平进行评估,计算整体进程服务水平值,具体计算公式如下:
HV(Y)=∑i=1 K{C(Qi)/∑j=1 W[C(Qij)+C(qij)]+C(qi)/[C(Qi)+C(qi)]}
其中,HV(Y)表示重卡换电站Y的整体进程服务水平值;
所述预警更新单元,根据整体进程服务水平值,将重卡换电站按照整体进程服务水平值从大到小来进行排序,并将排序结果发送至各个重卡换电站负责人,同时预设整体进程服务水平值阈值,如果重卡换电站Y的整体进程服务水平值大于等于整体进程服务水平值阈值,则发送预警提示至对应的重卡换电站负责人;通过Redis实时库,对整体进程服务水平值排序结果和预警提示信息进行持久化记忆存储,并在每一个监测周期结束后,将重卡换电站的整体进程服务水平评估情况更新到Redis实时库,所述评估情况包括整体进程服务水平值排序结果和预警提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611211.8A CN116341991B (zh) | 2023-05-29 | 2023-05-29 | 一种基于云计算的重卡换电云服务系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310611211.8A CN116341991B (zh) | 2023-05-29 | 2023-05-29 | 一种基于云计算的重卡换电云服务系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116341991A CN116341991A (zh) | 2023-06-27 |
CN116341991B true CN116341991B (zh) | 2023-08-18 |
Family
ID=86893338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310611211.8A Active CN116341991B (zh) | 2023-05-29 | 2023-05-29 | 一种基于云计算的重卡换电云服务系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341991B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN109308309A (zh) * | 2018-07-27 | 2019-02-05 | 网宿科技股份有限公司 | 一种数据服务质量评估方法和终端 |
CN109992468A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团黑龙江有限公司 | 一种进程性能分析方法、装置、系统及计算机存储介质 |
CN115017018A (zh) * | 2022-04-21 | 2022-09-06 | 南京中兴力维软件有限公司 | 服务器的性能测试方法、设备和计算机可读存储介质 |
CN115526498A (zh) * | 2022-09-30 | 2022-12-27 | 苏州浪潮智能科技有限公司 | 一种服务评估的方法、装置及介质 |
-
2023
- 2023-05-29 CN CN202310611211.8A patent/CN116341991B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102708011A (zh) * | 2012-05-11 | 2012-10-03 | 南京邮电大学 | 一种面向云计算平台任务调度的多级负载评估方法 |
CN109992468A (zh) * | 2017-12-29 | 2019-07-09 | 中国移动通信集团黑龙江有限公司 | 一种进程性能分析方法、装置、系统及计算机存储介质 |
CN109308309A (zh) * | 2018-07-27 | 2019-02-05 | 网宿科技股份有限公司 | 一种数据服务质量评估方法和终端 |
CN115017018A (zh) * | 2022-04-21 | 2022-09-06 | 南京中兴力维软件有限公司 | 服务器的性能测试方法、设备和计算机可读存储介质 |
CN115526498A (zh) * | 2022-09-30 | 2022-12-27 | 苏州浪潮智能科技有限公司 | 一种服务评估的方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116341991A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Özbayrak et al. | A knowledge-based decision support system for the management of parts and tools in FMS | |
CN101872441A (zh) | 离散资源管理 | |
CN111144710B (zh) | 一种可持续性混合流水车间的构建和动态调度方法 | |
CN111882215A (zh) | 一种含有agv的个性化定制柔性作业车间调度方法 | |
CN116663854B (zh) | 一种基于智慧园区的资源调度管理方法、系统及存储介质 | |
CN116341991B (zh) | 一种基于云计算的重卡换电云服务系统及方法 | |
CN114859883A (zh) | 一种检修机器人多机协作控制方法、系统及储存介质 | |
CN117075634A (zh) | 基于改进蚁群算法的配电网多无人机调度巡检方法及装置 | |
CN116246765A (zh) | 一种医疗设备全生命周期智能维保管理方法及系统 | |
CN115712636A (zh) | 一种基于大数据分析的电力规划数据采集方法 | |
CN114648163A (zh) | 一种适用于智慧城市的能耗数据管理系统及方法 | |
CN115169658A (zh) | 基于npl和知识图谱的库存消耗预测方法、系统和存储介质 | |
CN115186137A (zh) | 数据模型构建方法及其装置、存储介质 | |
CN113657475A (zh) | 基于分类的用电量预测方法 | |
CN116345460B (zh) | 一种电力系统智能精准化电力分配方法、系统及存储介质 | |
CN112560325B (zh) | 换电业务的预测方法、系统、设备及存储介质 | |
CN113298326B (zh) | 智能化电子化事件监督方法、设备及存储介质 | |
CN117349496A (zh) | 电力数据划级设计根指针分类存储方法 | |
CN117657666B (zh) | 应用于鞋履产品的图像数据管理方法及系统 | |
Cao et al. | Research on the Architecture and Key Technology of RFID-Driven Equipment Lifecycle Service System | |
Zuk et al. | Effective cost modeling on the factory floor: taking simulation to the bottom line (Panel) | |
CN117455186A (zh) | 一种基于人工智能的企业管理方法和系统 | |
CN117196247A (zh) | 针对电力系统的全量物资资源智能匹配方法及系统 | |
CN116364262A (zh) | 基于聚合博弈的配送机器人充电调度方法 | |
CN115358498A (zh) | 一种车辆分配方法、装置、电子设备及存储介质 |
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 |