CN116342111B - 一种基于大数据的汽车配件智能交易方法及系统 - Google Patents
一种基于大数据的汽车配件智能交易方法及系统 Download PDFInfo
- Publication number
- CN116342111B CN116342111B CN202310618104.8A CN202310618104A CN116342111B CN 116342111 B CN116342111 B CN 116342111B CN 202310618104 A CN202310618104 A CN 202310618104A CN 116342111 B CN116342111 B CN 116342111B
- Authority
- CN
- China
- Prior art keywords
- data
- state
- vehicle
- determining
- component
- 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 48
- 238000012545 processing Methods 0.000 claims abstract description 49
- 239000011159 matrix material Substances 0.000 claims description 75
- 238000010606 normalization Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 4
- 238000012806 monitoring device Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 15
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Marketing (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及汽车配件交易管理技术领域,具体公开了一种基于大数据的汽车配件智能交易方法及系统,所述方法包括向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;基于大数据技术确定所述目标部件的交易表。本发明基于用户授予的权限获取车辆的行驶数据,对行驶数据进行识别,确定车辆的部件状态,显示部件状态,使得用户更好地了解车辆,并选取目标部件,基于目标部件确定处理路径,为用户提供引导,增加其在部件维修过程中的底气。
Description
技术领域
本发明涉及汽车配件交易管理技术领域,具体是一种基于大数据的汽车配件智能交易方法及系统。
背景技术
随着社会的进步以及科技的发展,汽车逐渐进入了家庭,汽车行业发展极为迅速,与之同步的,便是汽配行业。
现有的汽配行业大都存在信息壁障,用户在面对车辆问题时,很难知晓是何处出现问题,送到修理厂维修时,维修人员大都极力地推荐更换服务,即使很小的问题,也需要更换配件,并且价值昂贵,而且,换下的原配件也会被修理厂以极低的价格回购,用户的损失极大;因此,如何让客户预先了解自身的车辆,在维修时做到有备而来,是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于大数据的汽车配件智能交易方法及系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于大数据的汽车配件智能交易方法,所述方法包括:
向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本。
作为本发明进一步的方案:所述基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态的步骤包括:
基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
将所述数据链输入预设的数据转换模型,得到数据矩阵;
根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征。
作为本发明进一步的方案:所述根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵的步骤包括:
读取预设的状态特征表,建立传输通道;所述状态特征表定时更新;所述状态特征表包括状态特征项和部件状态项;
基于所述传输通道依次在所述状态特征表中查询状态特征;
根据查询到的状态特征的尺寸沿列数逆序方向对数据矩阵进行切分,得到待检区块;
比对所述状态特征与所述待检区块,确定部件状态。
作为本发明进一步的方案:所述比对所述状态特征与所述待检区块,确定部件状态的步骤包括:
根据预设的转换公式将状态特征和待检区块分别转换为状态矩阵和待检矩阵;
计算状态矩阵的均值,比较均值与状态矩阵中各数值之间的大小,根据比对结果确定第一归一矩阵;
计算待检矩阵的均值,比较均值与待检矩阵中各数值之间的大小,根据比对结果确定第二归一矩阵;
对所述第一归一矩阵和所述第二归一矩阵进行逻辑运算,根据逻辑运算结果确定匹配度;
根据所述匹配度确定待检区块的部件状态。
作为本发明进一步的方案:所述显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件的步骤包括:
根据车辆型号建立车辆模型;
统计待检区块的部件状态,填充所述车辆模型;
显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件。
作为本发明进一步的方案:所述基于大数据技术确定所述目标部件的交易表的步骤包括:
基于大数据技术确定目标部件的相关部件及替换部件;
根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
本发明技术方案还提供了一种基于大数据的汽车配件智能交易系统,所述系统包括:
权限获取模块,用于向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
行驶数据分析模块,用于基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
目标部件选取模块,用于显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
交易表确定模块,用于基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本。
作为本发明进一步的方案:所述行驶数据分析模块包括:
通道建立单元,用于基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
数据转换单元,用于读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
矩阵生成单元,用于将所述数据链输入预设的数据转换模型,得到数据矩阵;
遍历处理单元,用于根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征。
作为本发明进一步的方案:所述目标部件选取模块包括:
建模单元,用于根据车辆型号建立车辆模型;
统计填充单元,用于统计待检区块的部件状态,填充所述车辆模型;
显示交互单元,用于显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件。
作为本发明进一步的方案:所述交易表确定模块包括:
部件确定单元,用于基于大数据技术确定目标部件的相关部件及替换部件;
路径建立单元,用于根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
路径选取单元,用于计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
与现有技术相比,本发明的有益效果是:本发明基于用户授予的权限获取车辆的行驶数据,对行驶数据进行识别,确定车辆的部件状态,显示部件状态,使得用户更好地了解车辆,并选取目标部件,基于目标部件确定处理路径,为用户提供引导,增加其在部件维修过程中的底气。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术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。
图1为基于大数据的汽车配件智能交易方法的流程框图。
图2为基于大数据的汽车配件智能交易方法的第一子流程框图。
图3为基于大数据的汽车配件智能交易方法的第二子流程框图。
图4为基于大数据的汽车配件智能交易方法的第三子流程框图。
图5为基于大数据的汽车配件智能交易系统的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1为基于大数据的汽车配件智能交易方法的流程框图,本发明实施例中,一种基于大数据的汽车配件智能交易方法,所述方法包括:
步骤S100:向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
由于车辆的行驶数据涉及到驾驶者的隐私,因此,本方法执行主体只有在具备车辆所有者授予的权限时,才能够获取相应的数据,所述数据一般存储于车辆自身的控制设备中,也可以存储于外接的设备。
值得一提的是,所述车辆数据获取权限可以是部分权限,也即,车辆所有者可以选择哪些数据可以被获取,哪些数据不可以被获取。
步骤S200:基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
当获取到车辆所有者授予的权限时,基于所述权限可以获取车辆的行驶数据,所述车辆的行驶数据代指车辆行驶过程中产生的数据,最简单的就是车辆在各时刻的行驶速度;对所述行驶数据进行分析,可以确定车辆中各个部件的情况,比如,如果速度出现了突变,那么就有可能发生了碰撞;如果行驶数据包含各个部件的监测数据,那么根据这些监测数据可以进一步的判断出哪一部件发生了碰撞;现有的汽车中,大都具备非常全面的传感器系统,行驶数据的获取过程并不困难。
步骤S300:显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
当车辆中各部件的部件状态已经确定后,显示所有的部件状态,由车辆所有者输入选取信息,从而确定一个或几个目标部件。
步骤S400:基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本;
以目标部件为基准,借助现有的大数据技术,查询哪些交易点具有与目标部件相似或相关的配件,统计查询结果,并以表格的形式输出,可以得到交易表。
需要说明的是,驾驶者与车辆所有者可能不是一个人,但是在车辆维修或改装过程中,本方法执行主体将驾驶者和车辆所有者视为同一主体。
图2为基于大数据的汽车配件智能交易方法的第一子流程框图,所述基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态的步骤包括:
步骤S201:基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
获取到车辆数据获取权限时,与车辆端中的车辆监测设备进行连接。
步骤S202:读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
车辆监测设备在车辆行驶过程中,会实时的获取并记录行驶数据,不同时刻的行驶数据是不同的,因此,所述行驶数据中含有时间标签;由于行驶数据本身是多个传感器获取到的数据集合,多个行驶数据按时间顺序进行排列,得到的数据称为数据链。
需要说明的是,行驶数据中多个数据的排列顺序采用同一标准,所述标准由工作人员预先确定。
步骤S203:将所述数据链输入预设的数据转换模型,得到数据矩阵;
行驶数据是数据集,多个行驶数据按时间数据排列,因此,排列得到的数据链是二维数据,可以转换为数据矩阵,采用数值的形式进行表示。
步骤S204:根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征;
在生成的数据矩阵中,列数越大,对应的行驶数据的时间越接近当前时刻,在车辆状态评价过程中,时效性是非常重要的一项指标,因此,在列数上由大到小的方向上,对数据矩阵进行遍历识别。
作为本发明技术方案的一个优选实施例,所述根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵的步骤包括:
读取预设的状态特征表,建立传输通道;所述状态特征表定时更新;所述状态特征表包括状态特征项和部件状态项;
基于所述传输通道依次在所述状态特征表中查询状态特征;
根据查询到的状态特征的尺寸沿列数逆序方向对数据矩阵进行切分,得到待检区块;
比对所述状态特征与所述待检区块,确定部件状态。
上述内容对数据矩阵地遍历过程进行了限定,工作人员在本方法执行前建立一张状态特征表,状态特征表用于表征不同部件状态对应的状态特征,举例来说,所述部件状态包括车身刮蹭、胎压异常等等,对应的状态特征就是出现部件状态时,车身中各传感器应该出现的数据情况,数据情况一般是一段时间内的数据情况,不是瞬时情况,因此,状态特征一般也是二维的;在状态特征表建立完成后,依次读取不同部件状态对应的状态特征。
计算状态特征与数据矩阵的匹配情况,所述匹配情况包括匹配位置及匹配度,由此,可以确定对应的状态特征在哪一时刻出现。
值得一提的是,比对过程需要保证比对双方的尺寸是相同的,因此,需要根据状态特征的尺寸,对数据矩阵进行切分。
在本发明技术方案的一个优选实施例中,所述比对所述状态特征与所述待检区块,确定部件状态的步骤包括:
根据预设的转换公式将状态特征和待检区块分别转换为状态矩阵和待检矩阵;
计算状态矩阵的均值,比较均值与状态矩阵中各数值之间的大小,根据比对结果确定第一归一矩阵;
计算待检矩阵的均值,比较均值与待检矩阵中各数值之间的大小,根据比对结果确定第二归一矩阵;
对所述第一归一矩阵和所述第二归一矩阵进行逻辑运算,根据逻辑运算结果确定匹配度;
根据所述匹配度确定待检区块的部件状态;
上述内容提供了一种具体的比对流程,比对流程针对两个尺寸相同的二维数据,需要先对数据进行统一处理,转换为数值形式,得到状态矩阵和待检矩阵;然后,对状态矩阵和待检矩阵采用相同的计算流程,即,计算均值,然后将大于均值的数据置为一,小于均值的数据置为零(归一化处理),得到第一归一矩阵和第二归一矩阵,对两个归一矩阵进行逻辑运算,比如逻辑与运算,可以输出一个计算结果,计算结果反映了两个归一矩阵的相似程度,也即,待检区域与状态特征的匹配度。
图3为基于大数据的汽车配件智能交易方法的第二子流程框图,所述显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件的步骤包括:
步骤S301:根据车辆型号建立车辆模型;
步骤S302:统计待检区块的部件状态,填充所述车辆模型;
步骤S303:显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件。
步骤S301至步骤S303是简单的交互环节,借助车辆模型表示部件状态,车辆所有者在含有部件状态的车辆模型中输入选取信息,即可挑选出需要处理的部件,称为目标部件;其中,所述选取信息可以是键鼠信号,也可以是触屏信号。
图4为基于大数据的汽车配件智能交易方法的第三子流程框图,所述基于大数据技术确定所述目标部件的交易表的步骤包括:
步骤S401:基于大数据技术确定目标部件的相关部件及替换部件;
步骤S402:根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
步骤S403:计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
上述内容对交易表的生成过程进行了限定,对于车辆所有者选取到的目标部件,可以查询到相关的部件以及相似的部件,这两者都可能满足车辆所有者的需求,因此,查询含有相关部件及替换部件的交易点,这些交易点有的部件较全,有的部件缺失,因此,满足一项需求往往需要多个交易点配合,多个交易点之间的通行过程称为处理路径;所述处理路径上所有交易点中的部件集合,需要包括所有相关部件及替换部件。
查询各个交易点的部件价格以及通行过程中的通行成本,可以计算出各条处理路径的交易成本,由车辆所有者选取好处理路径后,将处理路径转换为交易表。
图5为基于大数据的汽车配件智能交易系统的组成结构框图,本发明实施例中,一种基于大数据的汽车配件智能交易系统,所述系统10包括:
权限获取模块11,用于向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
行驶数据分析模块12,用于基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
目标部件选取模块13,用于显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
交易表确定模块14,用于基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本。
其中,所述行驶数据分析模块12包括:
通道建立单元,用于基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
数据转换单元,用于读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
矩阵生成单元,用于将所述数据链输入预设的数据转换模型,得到数据矩阵;
遍历处理单元,用于根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征。
进一步的,所述目标部件选取模块13包括:
建模单元,用于根据车辆型号建立车辆模型;
统计填充单元,用于统计待检区块的部件状态,填充所述车辆模型;
显示交互单元,用于显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件。
具体的,所述交易表确定模块14包括:
部件确定单元,用于基于大数据技术确定目标部件的相关部件及替换部件;
路径建立单元,用于根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
路径选取单元,用于计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
上述基于大数据的汽车配件智能交易方法所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于大数据的汽车配件智能交易方法的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (2)
1.一种基于大数据的汽车配件智能交易方法,其特征在于,所述方法包括:
向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本;
所述基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态的步骤包括:
基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
将所述数据链输入预设的数据转换模型,得到数据矩阵;
根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征;
所述根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵的步骤包括:
读取预设的状态特征表,建立传输通道;所述状态特征表定时更新;所述状态特征表包括状态特征项和部件状态项;
基于所述传输通道依次在所述状态特征表中查询状态特征;
根据查询到的状态特征的尺寸沿列数逆序方向对数据矩阵进行切分,得到待检区块;
比对所述状态特征与所述待检区块,确定部件状态;
所述比对所述状态特征与所述待检区块,确定部件状态的步骤包括:
根据预设的转换公式将状态特征和待检区块分别转换为状态矩阵和待检矩阵;
计算状态矩阵的均值,比较均值与状态矩阵中各数值之间的大小,根据比对结果确定第一归一矩阵;
计算待检矩阵的均值,比较均值与待检矩阵中各数值之间的大小,根据比对结果确定第二归一矩阵;
对所述第一归一矩阵和所述第二归一矩阵进行逻辑运算,根据逻辑运算结果确定匹配度;
根据所述匹配度确定待检区块的部件状态;
所述显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件的步骤包括:
根据车辆型号建立车辆模型;
统计待检区块的部件状态,填充所述车辆模型;
显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件;
所述基于大数据技术确定所述目标部件的交易表的步骤包括:
基于大数据技术确定目标部件的相关部件及替换部件;
根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
2.一种基于大数据的汽车配件智能交易系统,其特征在于,所述系统包括:
权限获取模块,用于向车辆所有者发送权限获取请求,接收车辆所有者给予的车辆数据获取权限;
行驶数据分析模块,用于基于所述车辆数据获取权限获取车辆的行驶数据,根据所述行驶数据确定部件状态;所述部件状态为数据表,用于表征车辆中各部件的理论损坏度;
目标部件选取模块,用于显示所述部件状态,接收车辆所有者发送的选取信息,确定目标部件;
交易表确定模块,用于基于大数据技术确定所述目标部件的交易表;所述交易表包括交易点及交易成本;
所述行驶数据分析模块包括:
通道建立单元,用于基于所述车辆数据获取权限建立与车辆监测设备的连接通道;
数据转换单元,用于读取车辆监测设备中含有时间戳的行驶数据,根据所述时间戳将所述行驶数据转换为数据链;所述数据链中的数据为数据集,所述数据集的数据顺序为预设值;
矩阵生成单元,用于将所述数据链输入预设的数据转换模型,得到数据矩阵;
遍历处理单元,用于根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵;所述状态特征表中的状态特征为二维特征;
所述根据预设的状态特征表沿列数逆序方向遍历所述数据矩阵的内容包括:
读取预设的状态特征表,建立传输通道;所述状态特征表定时更新;所述状态特征表包括状态特征项和部件状态项;
基于所述传输通道依次在所述状态特征表中查询状态特征;
根据查询到的状态特征的尺寸沿列数逆序方向对数据矩阵进行切分,得到待检区块;
比对所述状态特征与所述待检区块,确定部件状态;
所述比对所述状态特征与所述待检区块,确定部件状态的内容包括:
根据预设的转换公式将状态特征和待检区块分别转换为状态矩阵和待检矩阵;
计算状态矩阵的均值,比较均值与状态矩阵中各数值之间的大小,根据比对结果确定第一归一矩阵;
计算待检矩阵的均值,比较均值与待检矩阵中各数值之间的大小,根据比对结果确定第二归一矩阵;
对所述第一归一矩阵和所述第二归一矩阵进行逻辑运算,根据逻辑运算结果确定匹配度;
根据所述匹配度确定待检区块的部件状态;
所述目标部件选取模块包括:
建模单元,用于根据车辆型号建立车辆模型;
统计填充单元,用于统计待检区块的部件状态,填充所述车辆模型;
显示交互单元,用于显示填充后的车辆模型,接收车辆所有者发送的选取信息,确定目标部件;
所述交易表确定模块包括:
部件确定单元,用于基于大数据技术确定目标部件的相关部件及替换部件;
路径建立单元,用于根据相关部件及替换部件遍历备案的交易点,根据遍历结果确定处理路径组;所述处理路径由交易点连接而成;
路径选取单元,用于计算处理路径组中各处理路径对应的交易成本,根据交易成本选取处理路径,并将选取的处理路径转换为交易表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618104.8A CN116342111B (zh) | 2023-05-30 | 2023-05-30 | 一种基于大数据的汽车配件智能交易方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310618104.8A CN116342111B (zh) | 2023-05-30 | 2023-05-30 | 一种基于大数据的汽车配件智能交易方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116342111A CN116342111A (zh) | 2023-06-27 |
CN116342111B true CN116342111B (zh) | 2023-08-29 |
Family
ID=86893351
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310618104.8A Active CN116342111B (zh) | 2023-05-30 | 2023-05-30 | 一种基于大数据的汽车配件智能交易方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116342111B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738102A (zh) * | 2023-08-14 | 2023-09-12 | 中汽信息科技(天津)有限公司 | 一种基于大数据的车辆信息发布方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428255A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 一种基于区块链的车辆数据管理方法及装置 |
CN110458301A (zh) * | 2019-07-11 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 一种车辆部件的定损方法、装置、计算机设备及存储介质 |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112884325A (zh) * | 2021-02-22 | 2021-06-01 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种客站设备应用分析及健康状况评价方法及系统 |
CN113033463A (zh) * | 2021-04-09 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 减速带检测方法、装置、电子设备及存储介质 |
CN115424443A (zh) * | 2022-09-20 | 2022-12-02 | 安徽江淮汽车集团股份有限公司 | 一种基于行驶数据的车辆异常监控方法 |
CN115600942A (zh) * | 2022-12-15 | 2023-01-13 | 中汽传媒(天津)有限公司(Cn) | 一种汽车零件交易管理方法及系统 |
CN116160971A (zh) * | 2023-02-01 | 2023-05-26 | 重庆赛力斯新能源汽车设计院有限公司 | 车辆状态检测方法、设备及介质 |
-
2023
- 2023-05-30 CN CN202310618104.8A patent/CN116342111B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110428255A (zh) * | 2019-07-05 | 2019-11-08 | 深圳壹账通智能科技有限公司 | 一种基于区块链的车辆数据管理方法及装置 |
CN110458301A (zh) * | 2019-07-11 | 2019-11-15 | 深圳壹账通智能科技有限公司 | 一种车辆部件的定损方法、装置、计算机设备及存储介质 |
CN110501169A (zh) * | 2019-08-27 | 2019-11-26 | 北理慧动(常熟)车辆科技有限公司 | 车辆故障的诊断方法、装置及电子设备 |
CN112215118A (zh) * | 2020-09-30 | 2021-01-12 | 华人运通(上海)云计算科技有限公司 | 车辆传感器数据特征自动提取方法、装置及计算机可读存储介质 |
CN112884325A (zh) * | 2021-02-22 | 2021-06-01 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种客站设备应用分析及健康状况评价方法及系统 |
CN113033463A (zh) * | 2021-04-09 | 2021-06-25 | 腾讯科技(深圳)有限公司 | 减速带检测方法、装置、电子设备及存储介质 |
CN115424443A (zh) * | 2022-09-20 | 2022-12-02 | 安徽江淮汽车集团股份有限公司 | 一种基于行驶数据的车辆异常监控方法 |
CN115600942A (zh) * | 2022-12-15 | 2023-01-13 | 中汽传媒(天津)有限公司(Cn) | 一种汽车零件交易管理方法及系统 |
CN116160971A (zh) * | 2023-02-01 | 2023-05-26 | 重庆赛力斯新能源汽车设计院有限公司 | 车辆状态检测方法、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116342111A (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116342111B (zh) | 一种基于大数据的汽车配件智能交易方法及系统 | |
CN109976314B (zh) | 一种故障码维修案例的查询方法及系统 | |
CN108255897B (zh) | 可视化图表数据转换处理方法和装置 | |
CN114565895B (zh) | 一种基于智慧社会的安防监控系统及方法 | |
CN114414935A (zh) | 基于大数据的配电网馈线故障区域自动化定位方法和系统 | |
CN111582815A (zh) | 一种核电站的工程管理方法、装置、终端设备及存储介质 | |
CN115858831B (zh) | 一种数据库用数据存储方法 | |
CN112417671A (zh) | 获得发动机万有特性曲线数据的方法、装置及存储介质 | |
CN113223093A (zh) | 驾驶辅助系统标定方法、装置、计算机设备和存储介质 | |
CN115730605A (zh) | 基于多维信息的数据分析方法 | |
Rohrer et al. | Tractor CAN bus interface tools and application development for real-time data analysis | |
CN108228744B (zh) | 一种车辆诊断数据的管理方法及装置 | |
CN113807794A (zh) | 仓库物品监测方法、装置、系统及终端设备 | |
CN115620317A (zh) | 一种电子工程文档真实性验证方法和系统 | |
CN113787977A (zh) | 车辆维修方法、通信设备及存储介质 | |
CN113934198A (zh) | 车辆诊断方法、装置、电子设备及存储介质 | |
CN114093054A (zh) | 车辆校验方法、装置、设备及存储介质 | |
CN114022970A (zh) | 一种智能电箱巡检系统及方法 | |
CN112435328A (zh) | 炼钢车间行车作业三维可视化方法、终端设备及存储介质 | |
CN112686019A (zh) | 车辆传感器数据解析方法、设备及存储介质 | |
CN114201545B (zh) | 数据处理方法、装置、终端设备及存储介质 | |
CN110838001A (zh) | 核电站的样品分析方法及核电站的样品分析系统 | |
CN113806526B (zh) | 特征抽取方法、设备和存储介质 | |
CN111026307B (zh) | 一种用于快速关联图形组态工具中图元的方法及装置 | |
CN113382360B (zh) | 基于电子围栏的监控方法、监控系统、介质及服务端 |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20230627 Assignee: Zhongqi Intellectual Property (Guangzhou) Co.,Ltd. Assignor: China automobile information technology (Tianjin) Co.,Ltd. Contract record no.: X2024440000002 Denomination of invention: A Big Data Based Intelligent Trading Method and System for Automotive Parts Granted publication date: 20230829 License type: Common License Record date: 20240105 |
|
EE01 | Entry into force of recordation of patent licensing contract |