CN117033334B - 高速公路收费车道日志采集处理方法及系统 - Google Patents
高速公路收费车道日志采集处理方法及系统 Download PDFInfo
- Publication number
- CN117033334B CN117033334B CN202311287134.1A CN202311287134A CN117033334B CN 117033334 B CN117033334 B CN 117033334B CN 202311287134 A CN202311287134 A CN 202311287134A CN 117033334 B CN117033334 B CN 117033334B
- Authority
- CN
- China
- Prior art keywords
- lane
- log
- time
- real
- charging
- 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
- 238000003672 processing method Methods 0.000 title description 2
- 238000011156 evaluation Methods 0.000 claims abstract description 142
- 238000004458 analytical method Methods 0.000 claims abstract description 70
- 238000012545 processing Methods 0.000 claims abstract description 68
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000007781 pre-processing Methods 0.000 claims abstract description 21
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 18
- 238000004364 calculation method Methods 0.000 description 13
- 230000009467 reduction Effects 0.000 description 6
- 238000013441 quality evaluation Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/10—File systems; File servers
- G06F16/18—File system types
- G06F16/1805—Append-only file systems, e.g. using logs or journals to store data
- G06F16/1815—Journaling file systems
-
- 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
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07B—TICKET-ISSUING APPARATUS; FARE-REGISTERING APPARATUS; FRANKING APPARATUS
- G07B15/00—Arrangements or apparatus for collecting fares, tolls or entrance fees at one or more control points
- G07B15/06—Arrangements for road pricing or congestion charging of vehicles or vehicle users, e.g. automatic toll systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Devices For Checking Fares Or Tickets At Control Points (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了高速公路收费车道日志采集处理方法及系统,涉及数据处理领域,其中,所述方法包括:根据Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集;基于车道日志预处理层内的日志过滤器和日志转换器,分别对Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;获得Q个车道联合评价结果;基于Q个车道联合评价结果,获得实时全局评价结果;基于车道日志存储层对Q个收费车道日志序列、Q个车道联合评价结果和实时全局评价结果进行链式存储。解决了现有技术中高速公路收费车道日志的采集处理效率低,以及高速公路收费车道日志的日志分析效果差的技术问题。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及高速公路收费车道日志采集处理方法及系统。
背景技术
随着信息技术和互联网技术的广泛应用,高速公路收费系统每天产生大量的日志数据。这些日志数据包含运行状态、交易信息、交易行为、交易过程信息。在此背景下,开发高速公路收费日志采集分析系统,对高速公路收费日志进行实时收集、集中存储和查询分析,对及早发现系统问题、实时监控系统性能、提升收费系统质量具有重要意义。
此外,现有监控日志的方式是远程连接车道工控机,打开日志文件并搜索相关信息。或者,把日志复制到本地再打开日志文件搜索,这种方法适合待搜索的车道工控机少的场景。在车道工控机数量达到数千台的条件下,人工需要远程连接大量的车道工控机来查询日志,并在大量日志内容中人工查找相关内容,导致高速公路收费日志的查询效率非常低、操作非常繁琐、严重影响工作效率。
发明内容
本申请提供了高速公路收费车道日志采集处理方法及系统。解决了现有技术中高速公路收费车道日志的采集处理效率低,以及高速公路收费车道日志的日志分析效果差的技术问题。达到了提高高速公路收费车道日志的采集处理效率,提高高速公路收费车道日志的查询效率、查询灵活性,提升高速公路收费车道日志的日志分析效果,提高高速公路收费车道的运行质量评价精准性的技术效果。
鉴于上述问题,本申请提供了高速公路收费车道日志采集处理方法及系统。
第一方面,本申请提供了高速公路收费车道日志采集处理方法,其中,所述方法应用于高速公路收费车道日志采集处理系统,所述方法包括:构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储。
第二方面,本申请还提供了高速公路收费车道日志采集处理系统,其中,所述系统包括:平台构建模块,所述平台构建模块用于构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;日志读取模块,所述日志读取模块用于根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;日志清洗模块,所述日志清洗模块用于基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;联合评价模块,所述联合评价模块用于基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;实时全局评价模块,所述实时全局评价模块用于基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;日志存储模块,所述日志存储模块用于基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
搭建由Filebeat车道日志采集层、车道日志预处理层、车道日志分析层、车道日志存储层组成的车道日志采集处理平台;根据Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集;根据车道日志预处理层内的日志过滤器和日志转换器,分别对Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;基于Q个收费车道日志序列,根据车道日志分析层执行Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果,并对Q个车道联合评价结果进行实时全局评价,获得实时全局评价结果;根据车道日志存储层对Q个收费车道日志序列、Q个车道联合评价结果和实时全局评价结果进行链式存储。达到了提高高速公路收费车道日志的采集处理效率,提高高速公路收费车道日志的查询效率、查询灵活性,提升高速公路收费车道日志的日志分析效果,提高高速公路收费车道的运行质量评价精准性的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本申请高速公路收费车道日志采集处理方法的流程示意图;
图2为本申请高速公路收费车道日志采集处理方法中获得Q个车道联合评价结果的流程示意图;
图3为本申请高速公路收费车道日志采集处理系统的结构示意图。
具体实施方式
本申请通过提供高速公路收费车道日志采集处理方法及系统。解决了现有技术中高速公路收费车道日志的采集处理效率低,以及高速公路收费车道日志的日志分析效果差的技术问题。达到了提高高速公路收费车道日志的采集处理效率,提高高速公路收费车道日志的查询效率、查询灵活性,提升高速公路收费车道日志的日志分析效果,提高高速公路收费车道的运行质量评价精准性的技术效果。
实施例一:
请参阅附图1,本申请提供高速公路收费车道日志采集处理方法,其中,所述方法应用于高速公路收费车道日志采集处理系统,所述方法具体包括如下步骤:
构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;
根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;
基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;
构建车道日志采集处理平台,并将车道日志采集处理平台与本申请中的高速公路收费车道日志采集处理系统通信连接。车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层。
Filebeat车道日志采集层包括若干个Filebeat日志采集模块。每个Filebeat日志采集模块包括现有技术中的Filebeat。Filebeat是一个轻量级的日志采集工具,用于转发和集中日志数据。Filebeat安装在产生日志的车道工控机上,监控车道日志文件或目录,收集车道日志数据并将它们传输至车道日志采集处理平台进行存储和分析处理。Filebeat具有性能稳定、配置灵活、占用系统资源少、安装使用简单等优点。Filebeat是一款非常实用的日志收集器,它可以从本地文件系统或远程系统收集日志,并将其发送到车道日志采集处理平台,以便进行分析和搜索。
连接Filebeat车道日志采集层,通过Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个实时收费车道对应的Q个车道实时日志集。其中,目标高速公路收费站可以使用本申请中的高速公路收费车道日志采集处理系统进行智能化车道日志采集处理的任意高速公路收费站。Q为大于1的正整数,Q值等于目标高速公路收费站内实时工作的收费车道总数量。每个车道实时日志集包括每个实时收费车道内的多个实时收费日志。每个实时收费日志包括收费站名称、收费车道名称、收费车道类型、收费车道编号、车牌号、车牌颜色、通行时间、车辆收费过程等数据信息。且,每个实时收费日志具有唯一对应的日志ID标识。日志ID标识包括每个实时收费日志对应的收费车道编号、车牌号。通过日志ID标识可以对收费日志进行快速查询,从而提高高速公路收费车道日志的查询效率。
车道日志预处理层包括日志过滤器和日志转换器。分别将Q个车道实时日志集输入日志过滤器,日志过滤器包括主成分分析算法,日志过滤器根据主成分分析算法分别对Q个车道实时日志集进行降维处理,获得降维之后的Q个车道实时日志集。从而过滤掉不需要的日志信息,减少所收集日志的体积,节省日志存储空间,提高日志分析效率。主成分分析算法是现有技术中的数据降维方法,它的目标是通过某种线性投影,将高维的Q个车道实时日志集映射到低维的空间中,并期望在所投影的维度上数据的信息量最大,以此使用较少的数据维度,同时保留较多的原数据点的特性。继而,将降维之后的Q个车道实时日志集输入日志转换器,由日志转换器对降维之后的Q个车道实时日志集进行数据格式转换,得到Q个收费车道日志序列。日志转换器具有对收费日志进行数据格式转换的功能。例如,日志转换器可以对输入的降维之后的Q个车道实时日志集进行标准化处理,从而将Q个收费车道日志序列转化为无量纲的纯数据,提高高速公路收费车道日志的分析处理效率。
基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;
如附图2所示,获得Q个车道联合评价结果,包括:
遍历所述Q个收费车道日志序列,获得第一收费车道日志序列;
根据所述车道日志分析层内的车道运行效率评价器对所述第一收费车道日志序列进行分析,获得第一车道运行效率系数;
对所述第一收费车道日志序列进行特征识别,获得N个收费服务时间特征值和N个接收服务时间特征值,且,所述N个收费服务时间特征值与所述N个接收服务时间特征值具有对应关系,N为大于1的正整数;
生成N个收费服务效率,其中,所述N个收费服务效率通过对所述N个收费服务时间特征值和所述N个接收服务时间特征值进行比值计算获得;
分别将Q个实时收费车道中的每个实时收费车道记为第一实时收费车道,并将Q个收费车道日志序列中,第一实时收费车道对应的收费车道日志序列记为第一收费车道日志序列。
车辆收费过程可分为驶入收费站、排队等候、接受服务、驶离收费站。对第一收费车道日志序列进行特征识别,即,将车辆驶入收费站与车辆驶离收费站之间的时间间隔记为收费服务时间特征值,将车辆接受服务的时长设置为接收服务时间特征值,获得第一收费车道日志序列对应的N个收费服务时间特征值、N个接收服务时间特征值。其中,“车辆接受服务的时长”是指车辆到达实时收费通道内的收费点并停稳车辆,完成缴费或领票工作后,准备启动驶离收费点之间的时间间隔。且,N个收费服务时间特征值与N个接收服务时间特征值具有对应关系,每个收费服务时间特征值具有唯一对应的接收服务时间特征值。N为大于1的正整数,N值等于第一收费车道日志序列对应的多个实时收费日志的总数量。
进一步,分别将N个收费服务时间特征值和N个接收服务时间特征值进行比值计算,获得N个收费服务效率。每个收费服务效率包括每个接收服务时间特征值与对应的收费服务时间特征值之间的比值。
构建车道运行效率评价函数,并将所述车道运行效率评价函数嵌入至所述车道运行效率评价器,并基于所述车道运行效率评价函数对所述N个收费服务效率进行计算,生成所述第一车道运行效率系数。
其中,所述车道运行效率评价函数为:
;
其中,OEY表征第一车道运行效率系数,表征第i个收费服务效率,第i个收费服务效率包括N个收费服务效率中的任意一个收费服务效率,i为正整数,/>,表征第一车道标准收费服务效率。
构建车道运行效率评价函数,并将车道运行效率评价函数嵌入至车道运行效率评价器。将N个收费服务效率输入车道运行效率评价函数,获得第一车道运行效率系数。其中,车道运行效率评价函数为:
;
其中,OEY为输出的第一车道运行效率系数,输入的第i个收费服务效率,第i个收费服务效率包括N个收费服务效率中的任意一个收费服务效率,且,i为正整数,,/>为第一车道标准收费服务效率,第一车道标准收费服务效率为由本申请中的高速公路收费车道日志采集处理系统预先设置确定的第一实时收费车道对应的收费服务效率标准值。每个实时收费车道均有对应的收费服务效率标准值。
根据所述车道日志分析层内的车道通行能力分析器对所述第一收费车道日志序列进行分析,获得第一车道通行能力系数;
对所述第一收费车道日志序列进行离距特征识别,获得多个车辆驶离时距算子;
遍历所述多个车辆驶离时距算子,获得第一车辆驶离时距算子;
基于所述第一收费车道日志序列,计算所述第一车辆驶离时距算子对应的第一车辆驶入时距算子;
判断所述第一车辆驶入时距算子是否满足预设驶入时距算子;
若所述第一车辆驶入时距算子不满足所述预设驶入时距算子,获得驶离补偿指令,并根据所述驶离补偿指令对所述第一车辆驶离时距算子进行补偿。
对第一收费车道日志序列进行离距特征识别,即,对第一收费车道日志序列内,任意相邻的前后车辆对应的驶离收费站的时间间隔进行统计,获得多个车辆驶离时距算子。每个车辆驶离时距算子包括第一收费车道日志序列内,任意相邻的前后车辆对应的驶离收费站的时间间隔。
进一步,分别将多个车辆驶离时距算子中的每个车辆驶离时距算子设置为第一车辆驶离时距算子。将第一车辆驶离时距算子内的前后车辆对应的驶入收费站的时间间隔记为第一车辆驶入时距算子。继而,对第一车辆驶入时距算子是否满足预设驶入时距算子进行判断。如果第一车辆驶入时距算子不满足预设驶入时距算子,此时,第一车辆驶离时距算子内的前后车辆对应的驶入收费站的时间间隔较大,获得驶离补偿指令,并根据驶离补偿指令对第一车辆驶离时距算子进行补偿。其中,预设驶入时距算子包括由本申请中的高速公路收费车道日志采集处理系统预先设置确定的任意相邻的前后车辆驶入收费站的时间间隔阈值。驶离补偿指令是用于表征第一车辆驶入时距算子不满足预设驶入时距算子,需要对第一车辆驶离时距算子进行补偿的指令信息。
示例性地,在根据驶离补偿指令对第一车辆驶离时距算子进行补偿时,将第一车辆驶入时距算子记为第一时距补偿值,将第一车辆驶离时距算子与第一时距补偿值之间的差值设置为第一优化车辆驶离时距算子,并根据第一优化车辆驶离时距算子对原来的第一车辆驶离时距算子进行数据更新,从而提高获得的多个车辆驶离时距算子的准确性。
达到了通过对第一收费车道日志序列进行离距特征识别,获得多个车辆驶离时距算子,并结合预设驶入时距算子对多个车辆驶离时距算子进行适应性地补偿,从而提高对高速公路收费车道日志进行车道通行能力评价的可靠性的技术效果。
基于大数据,获得样本车道通行能力分析记录;
基于BP神经网络,对所述样本车道通行能力分析记录进行训练,每训练预设次数时,获取误差损失算子;
若所述误差损失算子小于误差损失约束算子,生成所述车道通行能力分析器,并将所述车道通行能力分析器嵌入至所述车道日志分析层;
将所述多个车辆驶离时距算子输入所述车道通行能力分析器,生成所述第一车道通行能力系数。
基于大数据,采集样本车道通行能力分析记录,并根据BP神经网络对样本车道通行能力分析记录进行交叉监督训练,当训练次数达到预设次数时,获取误差损失算子。其中,样本车道通行能力分析记录包括多组样本车道通行能力分析数据。每组样本车道通行能力分析数据包括多个历史车辆驶离时距算子,以及多个历史车辆驶离时距算子对应的历史车道通行能力系数。BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。预设次数包括由本申请中的高速公路收费车道日志采集处理系统预先设置确定的训练次数阈值。误差损失算子包括当训练次数达到预设次数时,多个输出误差率的均值。
优选地,在获取误差损失算子时,对样本车道通行能力分析记录内的多组样本车道通行能力分析数据进行随机选择,获得第一组样本车道通行能力分析数据。将第一组样本车道通行能力分析数据内的多个历史车辆驶离时距算子设置为第一组训练数据。将第一组样本车道通行能力分析数据内的历史车道通行能力系数设置为第一组期望输出数据。继而,将第一组训练数据输入BP神经网络,获得第一组训练数据对应的输出车道通行能力系数。将输出车道通行能力系数与第一组期望输出数据之间的差值的绝对值设置为第一输出误差值。将第一输出误差值与第一组期望输出数据之间的比值设置为本次训练的第一输出误差率。基于此,当训练次数达到预设次数时,获得多次训练对应的多个输出误差率。将多个输出误差率的平均值设置为误差损失算子。
进一步,对误差损失算子是否小于误差损失约束算子进行判断。如果误差损失算子小于误差损失约束算子,生成车道通行能力分析器,并将车道通行能力分析器嵌入至车道日志分析层。将多个车辆驶离时距算子输入车道通行能力分析器,生成第一车道通行能力系数。如果误差损失算子大于/等于误差损失约束算子,则,继续对样本车道通行能力分析记录进行训练,直至获得车道通行能力分析器。其中,误差损失约束算子包括由本申请中的高速公路收费车道日志采集处理系统预先设置确定的误差损失算子阈值。车道通行能力分析器包括输入层、隐含层、输出层。多个车辆驶离时距算子越小,则,任意相邻的前后车辆对应的驶离收费站的时间间隔越小,对应的第一实时收费车道的通行能力越高,对应的第一车道通行能力系数越大。
根据所述车道日志分析层内的效率-能力联合算子对所述第一车道运行效率系数和所述第一车道通行能力系数进行加权计算,获得第一车道运行质量系数;
基于所述第一车道运行效率系数、所述第一车道通行能力系数和所述第一车道运行质量系数,生成第一车道联合评价结果,并将所述第一车道联合评价结果添加至所述Q个车道联合评价结果。
基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;
按照车道日志分析层内的效率-能力联合算子对第一车道运行效率系数和第一车道通行能力系数进行加权计算,获得第一车道运行质量系数,结合第一车道运行效率系数、第一车道通行能力系数,生成第一车道联合评价结果,并将第一车道联合评价结果添加至Q个车道联合评价结果。其中,效率-能力联合算子包括由本申请中的高速公路收费车道日志采集处理系统预先设置确定的运行效率权重值、通行能力权重值。第一车道联合评价结果包括第一车道运行效率系数、第一车道通行能力系数和第一车道运行质量系数。Q个车道联合评价结果与第一车道联合评价结果的获得方式相同,为了说明书的简洁,在此不再赘述。Q个车道联合评价结果中,每个车道联合评价结果包括每个实时收费车道对应的车道运行效率系数、车道通行能力系数和车道运行质量系数。
优选地,在按照车道日志分析层内的效率-能力联合算子对第一车道运行效率系数和第一车道通行能力系数进行加权计算时,将第一车道运行效率系数和第一车道通行能力系数输入车道运行质量计算公式,获得第一车道运行质量系数。车道运行质量计算公式为:
;
其中,F表征第一车道运行质量系数,表征第一车道运行效率系数,/>表征第一车道通行能力系数,/>表征运行效率权重值,/>表征通行能力权重值。
进一步,对Q个车道联合评价结果进行实时全局评价,即,分别对Q个车道联合评价结果进行车道运行效率系数、车道通行能力系数、车道运行质量系数的均值计算,获得实时全局评价结果。实时全局评价结果包括车道运行效率均值、车道通行能力均值、车道运行质量均值。车道运行效率均值包括Q个车道联合评价结果内的Q个车道运行效率系数的平均值。车道通行能力均值包括Q个车道联合评价结果内的Q个车道通行能力系数的平均值。车道运行质量均值包括Q个车道联合评价结果内的Q个车道运行质量系数的平均值。
通过对Q个实时收费车道进行车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果,并对Q个车道联合评价结果进行实时全局评价,提高了高速公路收费车道日志的日志分析全面性及准确性。
基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储。
基于所述Q个收费车道日志序列和所述Q个车道联合评价结果,生成Q个车道日志;
基于链式存储,构建实时日志存储链,其中,所述实时日志存储链包括Q+1个储存节点;
对所述Q个车道日志和所述实时全局评价结果进行储存节点分配,获得储存节点分配结果;
基于所述储存节点分配结果,将所述Q个车道日志和所述实时全局评价结果存储至所述实时日志存储链,获得实时日志数据链,并将所述实时日志数据链存储至所述车道日志存储层。
将Q个收费车道日志序列和Q个车道联合评价结果添加至Q个车道日志。每个车道日志包括每个实时收费车道对应的收费车道日志序列、车道联合评价结果。
进一步,利用链式储存,构建实时日志存储链。链式储存是指利用指示数据元素存储地址的指针表示数据元素之间的逻辑关系,在计算机中用一组任意的存储单元保存数据元素的数据储存方法。链式储存具有存储空间利用率高、存储灵活性等优点。实时日志存储链包括Q+1个储存节点。每个储存节点包括节点数据域,以及节点数据域对应的节点指针域。节点数据域是一个用于存储车道日志的数据存储空间。节点指针域用于存放节点数据域中的数据对应的数据地址。利用节点指针域可以快速查找节点数据域中的数据信息,从而提高高速公路收费车道日志的查询效率。
进一步,对Q个车道日志和实时全局评价结果进行储存节点分配,获得储存节点分配结果。储存节点分配结果包括Q个车道日志和实时全局评价结果对应的Q+1个储存分配节点。继而,按照储存节点分配结果,将Q个车道日志和实时全局评价结果存储至实时日志存储链,获得实时日志数据链,并将实时日志数据链存储至车道日志存储层,从而提高高速公路收费车道日志的存储效果。
示例性地,在对Q个车道日志和实时全局评价结果进行储存节点分配时,将Q+1个储存节点中的第一个储存节点设置为实时全局评价结果对应的储存分配节点。继而,按照Q个车道运行质量系数对Q个车道日志进行排序,获得日志排序结果。按照日志排序结果依次将剩余的Q个储存节点记为Q个车道日志对应的Q个储存分配节点。由此,获得储存节点分配结果。车道运行质量系数越大,对应的车道日志的排序越靠前,该车道日志的储存分配节点也越靠前。
综上所述,本申请所提供的高速公路收费车道日志采集处理方法具有如下技术效果:
1.搭建由Filebeat车道日志采集层、车道日志预处理层、车道日志分析层、车道日志存储层组成的车道日志采集处理平台;根据Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集;根据车道日志预处理层内的日志过滤器和日志转换器,分别对Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;基于Q个收费车道日志序列,根据车道日志分析层执行Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果,并对Q个车道联合评价结果进行实时全局评价,获得实时全局评价结果;根据车道日志存储层对Q个收费车道日志序列、Q个车道联合评价结果和实时全局评价结果进行链式存储。达到了提高高速公路收费车道日志的采集处理效率,提高高速公路收费车道日志的查询效率、查询灵活性,提升高速公路收费车道日志的日志分析效果,提高高速公路收费车道的运行质量评价精准性的技术效果。
2.通过对第一收费车道日志序列进行离距特征识别,获得多个车辆驶离时距算子,并结合预设驶入时距算子对多个车辆驶离时距算子进行适应性地补偿,从而提高对高速公路收费车道日志进行车道通行能力评价的可靠性。
实施例二:
基于与前述实施例中高速公路收费车道日志采集处理方法,同样发明构思,本发明还提供了高速公路收费车道日志采集处理系统,请参阅附图3,所述系统包括:
平台构建模块,所述平台构建模块用于构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;
日志读取模块,所述日志读取模块用于根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;
日志清洗模块,所述日志清洗模块用于基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;
联合评价模块,所述联合评价模块用于基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;
实时全局评价模块,所述实时全局评价模块用于基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;
日志存储模块,所述日志存储模块用于基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储。
进一步的,所述系统还包括:
第一日志序列获得模块,所述第一日志序列获得模块用于遍历所述Q个收费车道日志序列,获得第一收费车道日志序列;
车道运行效率系数确定模块,所述车道运行效率系数确定模块用于根据所述车道日志分析层内的车道运行效率评价器对所述第一收费车道日志序列进行分析,获得第一车道运行效率系数;
车道通行能力系数确定模块,所述车道通行能力系数确定模块用于根据所述车道日志分析层内的车道通行能力分析器对所述第一收费车道日志序列进行分析,获得第一车道通行能力系数;
系数加权计算模块,所述系数加权计算模块用于根据所述车道日志分析层内的效率-能力联合算子对所述第一车道运行效率系数和所述第一车道通行能力系数进行加权计算,获得第一车道运行质量系数;
第一执行模块,所述第一执行模块用于基于所述第一车道运行效率系数、所述第一车道通行能力系数和所述第一车道运行质量系数,生成第一车道联合评价结果,并将所述第一车道联合评价结果添加至所述Q个车道联合评价结果。
进一步的,所述系统还包括:
时间特征值识别模块,所述时间特征值识别模块用于对所述第一收费车道日志序列进行特征识别,获得N个收费服务时间特征值和N个接收服务时间特征值,且,所述N个收费服务时间特征值与所述N个接收服务时间特征值具有对应关系,N为大于1的正整数;
收费服务效率计算模块,所述收费服务效率计算模块用于生成N个收费服务效率,其中,所述N个收费服务效率通过对所述N个收费服务时间特征值和所述N个接收服务时间特征值进行比值计算获得;
运行效率系数计算模块,所述运行效率系数计算模块用于构建车道运行效率评价函数,并将所述车道运行效率评价函数嵌入至所述车道运行效率评价器,并基于所述车道运行效率评价函数对所述N个收费服务效率进行计算,生成所述第一车道运行效率系数。
其中,所述车道运行效率评价函数为:
;
其中,OEY表征第一车道运行效率系数,表征第i个收费服务效率,第i个收费服务效率包括N个收费服务效率中的任意一个收费服务效率,i为正整数,/>,表征第一车道标准收费服务效率。
进一步的,所述系统还包括:
日志离距特征识别模块,所述日志离距特征识别模块用于对所述第一收费车道日志序列进行离距特征识别,获得多个车辆驶离时距算子;
第二执行模块,所述第二执行模块用于基于大数据,获得样本车道通行能力分析记录;
误差损失算子获取模块,所述误差损失算子获取模块用于基于BP神经网络,对所述样本车道通行能力分析记录进行训练,每训练预设次数时,获取误差损失算子;
第三执行模块,所述第三执行模块用于若所述误差损失算子小于误差损失约束算子,生成所述车道通行能力分析器,并将所述车道通行能力分析器嵌入至所述车道日志分析层;
第一车道通行能力系数生成模块,所述第一车道通行能力系数生成模块用于将所述多个车辆驶离时距算子输入所述车道通行能力分析器,生成所述第一车道通行能力系数。
进一步的,所述系统还包括:
第四执行模块,所述第四执行模块用于遍历所述多个车辆驶离时距算子,获得第一车辆驶离时距算子;
驶入时距计算模块,所述驶入时距计算模块用于基于所述第一收费车道日志序列,计算所述第一车辆驶离时距算子对应的第一车辆驶入时距算子;
时距判断模块,所述时距判断模块用于判断所述第一车辆驶入时距算子是否满足预设驶入时距算子;
时距补偿模块,所述时距补偿模块用于若所述第一车辆驶入时距算子不满足所述预设驶入时距算子,获得驶离补偿指令,并根据所述驶离补偿指令对所述第一车辆驶离时距算子进行补偿。
进一步的,所述系统还包括:
车道日志生成模块,所述车道日志生成模块用于基于所述Q个收费车道日志序列和所述Q个车道联合评价结果,生成Q个车道日志;
存储链构建模块,所述存储链构建模块用于基于链式存储,构建实时日志存储链,其中,所述实时日志存储链包括Q+1个储存节点;
储存节点分配模块,所述储存节点分配模块用于对所述Q个车道日志和所述实时全局评价结果进行储存节点分配,获得储存节点分配结果;
日志数据存储模块,所述日志数据存储模块用于基于所述储存节点分配结果,将所述Q个车道日志和所述实时全局评价结果存储至所述实时日志存储链,获得实时日志数据链,并将所述实时日志数据链存储至所述车道日志存储层。
本发明实施例所提供的高速公路收费车道日志采集处理系统可执行本发明任意实施例所提供的高速公路收费车道日志采集处理方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了高速公路收费车道日志采集处理方法,其中,所述方法应用于高速公路收费车道日志采集处理系统,所述方法包括:搭建由Filebeat车道日志采集层、车道日志预处理层、车道日志分析层、车道日志存储层组成的车道日志采集处理平台;根据Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集;根据车道日志预处理层内的日志过滤器和日志转换器,分别对Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;基于Q个收费车道日志序列,根据车道日志分析层执行Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果,并对Q个车道联合评价结果进行实时全局评价,获得实时全局评价结果;根据车道日志存储层对Q个收费车道日志序列、Q个车道联合评价结果和实时全局评价结果进行链式存储。解决了现有技术中高速公路收费车道日志的采集处理效率低,以及高速公路收费车道日志的日志分析效果差的技术问题。达到了提高高速公路收费车道日志的采集处理效率,提高高速公路收费车道日志的查询效率、查询灵活性,提升高速公路收费车道日志的日志分析效果,提高高速公路收费车道的运行质量评价精准性的技术效果。
虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (6)
1.高速公路收费车道日志采集处理方法,其特征在于,所述方法包括:
构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;
根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;
基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;
基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;
基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;
基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储;
其中,基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果,包括:
遍历所述Q个收费车道日志序列,获得第一收费车道日志序列;
根据所述车道日志分析层内的车道运行效率评价器对所述第一收费车道日志序列进行分析,获得第一车道运行效率系数;
根据所述车道日志分析层内的车道通行能力分析器对所述第一收费车道日志序列进行分析,获得第一车道通行能力系数;
根据所述车道日志分析层内的效率-能力联合算子对所述第一车道运行效率系数和所述第一车道通行能力系数进行加权计算,获得第一车道运行质量系数;
基于所述第一车道运行效率系数、所述第一车道通行能力系数和所述第一车道运行质量系数,生成第一车道联合评价结果,并将所述第一车道联合评价结果添加至所述Q个车道联合评价结果;
根据所述车道日志分析层内的车道通行能力分析器对所述第一收费车道日志序列进行分析,获得第一车道通行能力系数,包括:
对所述第一收费车道日志序列进行离距特征识别,获得多个车辆驶离时距算子;
基于大数据,获得样本车道通行能力分析记录;
基于BP神经网络,对所述样本车道通行能力分析记录进行训练,每训练预设次数时,获取误差损失算子;
若所述误差损失算子小于误差损失约束算子,生成所述车道通行能力分析器,并将所述车道通行能力分析器嵌入至所述车道日志分析层;
将所述多个车辆驶离时距算子输入所述车道通行能力分析器,生成所述第一车道通行能力系数。
2.如权利要求1所述的方法,其特征在于,根据所述车道日志分析层内的车道运行效率评价器对所述第一收费车道日志序列进行分析,获得第一车道运行效率系数,包括:
对所述第一收费车道日志序列进行特征识别,获得N个收费服务时间特征值和N个接收服务时间特征值,且,所述N个收费服务时间特征值与所述N个接收服务时间特征值具有对应关系,N为大于1的正整数;
生成N个收费服务效率,其中,所述N个收费服务效率通过对所述N个收费服务时间特征值和所述N个接收服务时间特征值进行比值计算获得;
构建车道运行效率评价函数,并将所述车道运行效率评价函数嵌入至所述车道运行效率评价器,并基于所述车道运行效率评价函数对所述N个收费服务效率进行计算,生成所述第一车道运行效率系数。
3.如权利要求2所述的方法,其特征在于,所述车道运行效率评价函数为:
;
其中,OEY表征第一车道运行效率系数,表征第i个收费服务效率,第i个收费服务效率包括N个收费服务效率中的任意一个收费服务效率,i为正整数,/>,/>表征第一车道标准收费服务效率。
4.如权利要求1所述的方法,其特征在于,获得多个车辆驶离时距算子之后,包括:
遍历所述多个车辆驶离时距算子,获得第一车辆驶离时距算子;
基于所述第一收费车道日志序列,计算所述第一车辆驶离时距算子对应的第一车辆驶入时距算子;
判断所述第一车辆驶入时距算子是否满足预设驶入时距算子;
若所述第一车辆驶入时距算子不满足所述预设驶入时距算子,获得驶离补偿指令,并根据所述驶离补偿指令对所述第一车辆驶离时距算子进行补偿。
5.如权利要求1所述的方法,其特征在于,基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储,包括:
基于所述Q个收费车道日志序列和所述Q个车道联合评价结果,生成Q个车道日志;
基于链式存储,构建实时日志存储链,其中,所述实时日志存储链包括Q+1个储存节点;
对所述Q个车道日志和所述实时全局评价结果进行储存节点分配,获得储存节点分配结果;
基于所述储存节点分配结果,将所述Q个车道日志和所述实时全局评价结果存储至所述实时日志存储链,获得实时日志数据链,并将所述实时日志数据链存储至所述车道日志存储层。
6.高速公路收费车道日志采集处理系统,其特征在于,所述系统用于执行权利要求1至5任一项所述的方法,所述系统包括:
平台构建模块,所述平台构建模块用于构建车道日志采集处理平台,其中,所述车道日志采集处理平台包括Filebeat车道日志采集层、车道日志预处理层、车道日志分析层和车道日志存储层;
日志读取模块,所述日志读取模块用于根据所述Filebeat车道日志采集层对目标高速公路收费站内的Q个实时收费车道进行实时日志读取,获得Q个车道实时日志集,其中,Q为大于1的正整数;
日志清洗模块,所述日志清洗模块用于基于所述车道日志预处理层内的日志过滤器和日志转换器,分别对所述Q个车道实时日志集进行数据清洗,获得Q个收费车道日志序列;
联合评价模块,所述联合评价模块用于基于所述Q个收费车道日志序列,根据所述车道日志分析层执行所述Q个实时收费车道的车道运行效率与车道通行能力的联合评价,获得Q个车道联合评价结果;
实时全局评价模块,所述实时全局评价模块用于基于所述Q个车道联合评价结果进行所述目标高速公路收费站的实时全局评价,获得实时全局评价结果;
日志存储模块,所述日志存储模块用于基于所述车道日志存储层对所述Q个收费车道日志序列、所述Q个车道联合评价结果和所述实时全局评价结果进行链式存储。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287134.1A CN117033334B (zh) | 2023-10-08 | 2023-10-08 | 高速公路收费车道日志采集处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311287134.1A CN117033334B (zh) | 2023-10-08 | 2023-10-08 | 高速公路收费车道日志采集处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117033334A CN117033334A (zh) | 2023-11-10 |
CN117033334B true CN117033334B (zh) | 2023-12-22 |
Family
ID=88641445
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311287134.1A Active CN117033334B (zh) | 2023-10-08 | 2023-10-08 | 高速公路收费车道日志采集处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117033334B (zh) |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103269355A (zh) * | 2013-04-23 | 2013-08-28 | 四川天翼网络服务有限公司 | 智慧天网应用平台 |
CN109885496A (zh) * | 2019-02-20 | 2019-06-14 | 北京百佑科技有限公司 | 测试日志管理方法及系统 |
CN110691070A (zh) * | 2019-09-07 | 2020-01-14 | 温州医科大学 | 一种基于日志分析的网络异常预警方法 |
CN111124839A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 分布式日志数据监控方法及装置 |
CN111737729A (zh) * | 2020-04-08 | 2020-10-02 | 北京瑞策科技有限公司 | 基于业务数据区块链的评价数据存储方法及系统 |
CN112398835A (zh) * | 2020-11-03 | 2021-02-23 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于网络设备日志分析的网络安全预警技术系统 |
CN113723542A (zh) * | 2021-09-02 | 2021-11-30 | 上海七牛信息技术有限公司 | 一种日志聚类处理方法及系统 |
CN113918412A (zh) * | 2021-09-22 | 2022-01-11 | 上海漫道科技有限公司 | 一种实时异常日志分析方法及系统 |
CN114189367A (zh) * | 2021-11-30 | 2022-03-15 | 南京理工大学 | 一种基于知识图谱的安全日志分析系统 |
CN114218179A (zh) * | 2021-11-19 | 2022-03-22 | 国网青海省电力公司信息通信公司 | 一种基于p2p技术的海量日志数据溯源与存储装置 |
CN114462897A (zh) * | 2022-04-12 | 2022-05-10 | 广东利通科技投资有限公司 | 高速公路机电系统综合性能评估方法、装置及存储介质 |
CN115240431A (zh) * | 2022-09-20 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 高速公路收费站交通流量实时在线仿真系统及仿真方法 |
CN115526454A (zh) * | 2022-08-19 | 2022-12-27 | 陕西蓝德智慧交通科技有限公司 | 一种收费站服务效率评价方法 |
CN115801563A (zh) * | 2022-11-28 | 2023-03-14 | 安超云软件有限公司 | 集群日志动态采集的方法及应用 |
CN115909727A (zh) * | 2022-11-03 | 2023-04-04 | 广东云茂高速公路有限公司 | 一种收费站效能监测方法、装置 |
CN115994121A (zh) * | 2022-12-08 | 2023-04-21 | 中国电信股份有限公司 | 优化智能客服交互流程的方法、装置及存储介质 |
CN116071196A (zh) * | 2021-11-02 | 2023-05-05 | 杨洲 | 基于区块链的高职实践课程评价系统 |
CN116566873A (zh) * | 2023-05-18 | 2023-08-08 | 浪潮思科网络科技有限公司 | 一种基于elk的自动化日志分析方法、系统及存储介质 |
CN116594840A (zh) * | 2023-05-24 | 2023-08-15 | 南京鸣啸智能制造科技有限公司 | 基于elk的日志故障采集与分析方法、系统、设备及介质 |
-
2023
- 2023-10-08 CN CN202311287134.1A patent/CN117033334B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103269355A (zh) * | 2013-04-23 | 2013-08-28 | 四川天翼网络服务有限公司 | 智慧天网应用平台 |
CN109885496A (zh) * | 2019-02-20 | 2019-06-14 | 北京百佑科技有限公司 | 测试日志管理方法及系统 |
CN110691070A (zh) * | 2019-09-07 | 2020-01-14 | 温州医科大学 | 一种基于日志分析的网络异常预警方法 |
CN111124839A (zh) * | 2019-12-31 | 2020-05-08 | 中国银行股份有限公司 | 分布式日志数据监控方法及装置 |
CN111737729A (zh) * | 2020-04-08 | 2020-10-02 | 北京瑞策科技有限公司 | 基于业务数据区块链的评价数据存储方法及系统 |
CN112398835A (zh) * | 2020-11-03 | 2021-02-23 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 基于网络设备日志分析的网络安全预警技术系统 |
CN113723542A (zh) * | 2021-09-02 | 2021-11-30 | 上海七牛信息技术有限公司 | 一种日志聚类处理方法及系统 |
CN113918412A (zh) * | 2021-09-22 | 2022-01-11 | 上海漫道科技有限公司 | 一种实时异常日志分析方法及系统 |
CN116071196A (zh) * | 2021-11-02 | 2023-05-05 | 杨洲 | 基于区块链的高职实践课程评价系统 |
CN114218179A (zh) * | 2021-11-19 | 2022-03-22 | 国网青海省电力公司信息通信公司 | 一种基于p2p技术的海量日志数据溯源与存储装置 |
CN114189367A (zh) * | 2021-11-30 | 2022-03-15 | 南京理工大学 | 一种基于知识图谱的安全日志分析系统 |
CN114462897A (zh) * | 2022-04-12 | 2022-05-10 | 广东利通科技投资有限公司 | 高速公路机电系统综合性能评估方法、装置及存储介质 |
CN115526454A (zh) * | 2022-08-19 | 2022-12-27 | 陕西蓝德智慧交通科技有限公司 | 一种收费站服务效率评价方法 |
CN115240431A (zh) * | 2022-09-20 | 2022-10-25 | 深圳市城市交通规划设计研究中心股份有限公司 | 高速公路收费站交通流量实时在线仿真系统及仿真方法 |
CN115909727A (zh) * | 2022-11-03 | 2023-04-04 | 广东云茂高速公路有限公司 | 一种收费站效能监测方法、装置 |
CN115801563A (zh) * | 2022-11-28 | 2023-03-14 | 安超云软件有限公司 | 集群日志动态采集的方法及应用 |
CN115994121A (zh) * | 2022-12-08 | 2023-04-21 | 中国电信股份有限公司 | 优化智能客服交互流程的方法、装置及存储介质 |
CN116566873A (zh) * | 2023-05-18 | 2023-08-08 | 浪潮思科网络科技有限公司 | 一种基于elk的自动化日志分析方法、系统及存储介质 |
CN116594840A (zh) * | 2023-05-24 | 2023-08-15 | 南京鸣啸智能制造科技有限公司 | 基于elk的日志故障采集与分析方法、系统、设备及介质 |
Non-Patent Citations (1)
Title |
---|
广西ETC车道日志分析的实践与应用;覃庆勇;;西部交通科技(第06期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117033334A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111243277B (zh) | 基于车牌识别数据的通勤车辆时空轨迹重构方法及系统 | |
Zhang et al. | Deeptravel: a neural network based travel time estimation model with auxiliary supervision | |
CN108346292B (zh) | 基于卡口数据的城市快速路实时交通指数计算方法 | |
CN111190942B (zh) | 一种基于数据挖掘技术的城市道路停车点统筹分析方法 | |
CN112925820B (zh) | 一种车辆偷逃通行费的识别方法、装置及系统 | |
CN112215427A (zh) | 一种卡口数据缺失下的车辆行车轨迹重建方法及系统 | |
CN115995149A (zh) | 一种基于多源数据的停车供需特征动态评估方法及系统 | |
CN116631186B (zh) | 基于危险驾驶事件数据的高速公路交通事故风险评估方法、系统 | |
CN114492919A (zh) | 一种基于交通流量的电动汽车充电负荷预测系统及方法 | |
CN113487877A (zh) | 一种道路车辆违规停车监控方法 | |
CN114841712B (zh) | 网约车巡游违规运营状态的确定方法和装置及电子设备 | |
CN115984263A (zh) | 基于改进型孪生神经网络的螺栓松动检测算法及检测系统 | |
CN117033334B (zh) | 高速公路收费车道日志采集处理方法及系统 | |
CN112967410B (zh) | 一种基于最长公共子序列的偷逃通行费车辆识别方法 | |
CN116863744A (zh) | 一种智能化的泊位调度管理方法及系统 | |
CN112767686A (zh) | 一种基于多源数据融合的公路网汽车排放估算方法 | |
CN115049309B (zh) | 一种垃圾收运路线规划方法和系统 | |
CN112052990A (zh) | 一种基于CNN-BiLSTM混合模型的多角度业务流程下一活动预测方法 | |
CN116862697A (zh) | 一种收费公路收费额仿真预测方法、系统、设备及终端 | |
CN115659056A (zh) | 基于大数据的用户服务精准匹配系统 | |
CN115114786A (zh) | 一种用于交通流仿真模型的评估方法、系统和存储介质 | |
CN113345252B (zh) | 一种收费站下道流量短时预测方法与装置 | |
CN112116241B (zh) | 一种公共交通智能调度方法 | |
CN115187886A (zh) | 一种车辆违规行为检测方法、装置及电子设备 | |
CN113674329A (zh) | 车辆驾驶行为检测方法和系统 |
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 |