CN117935416A - 一种预行区域的出入统计方法、设备及存储介质 - Google Patents
一种预行区域的出入统计方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117935416A CN117935416A CN202410326310.6A CN202410326310A CN117935416A CN 117935416 A CN117935416 A CN 117935416A CN 202410326310 A CN202410326310 A CN 202410326310A CN 117935416 A CN117935416 A CN 117935416A
- Authority
- CN
- China
- Prior art keywords
- day
- target
- valley
- data
- distance
- 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
Links
- 238000007619 statistical method Methods 0.000 title abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000000694 effects Effects 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 16
- 238000003825 pressing Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003203 everyday effect Effects 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本申请涉及一种预行区域的出入统计方法、设备及存储介质。其中,预行区域的出入统计方法包括:按照设定的预行区域,确定汽车当天出入预行区域的目标次数;将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。通过实施本申请所提供的预行区域的出入统计方法,可以改善现有技术中还存在的预行区域的出入统计的实时性不高的问题。
Description
技术领域
本申请涉及汽车技术领域,特别是涉及一种预行区域的出入统计方法、设备及存储介质。
背景技术
在现有技术中,汽车的预行区域可以被提前设置,使得汽车出入预行区域时,通过对汽车出入预行区域的次数进行记录和统计,来挖掘出汽车出入预行区域的隐含信息,从而帮助用户更加直观的获知汽车出入预行区域的情况,以提高用户体验。
例如,可以统计汽车在一段固定时间段内出入预行区域的峰值或谷值。峰值和谷值可以反映出汽车出入预行区域的频繁程度,但是峰值和谷值的确定过程具有滞后性,因为需要在记录得到汽车在该固定时间段内的所有出入数据之后,才能确定出汽车在该固定时间段内出入预行区域的峰值或谷值,因此现有技术中还存在着预行区域的出入统计的实时性不高的问题。
发明内容
基于此,本申请提供了一种预行区域的出入统计方法、设备及存储介质,可以改善现有技术中还存在的预行区域的出入统计的实时性不高的问题。
第一方面,本申请提供了一种预行区域的出入统计方法,该预行区域的出入统计方法包括:按照设定的预行区域,确定汽车当天出入预行区域的目标次数;将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
结合第一方面,在第一方面的第一种可实施方式中,将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,包括:按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值,其中,队列存储了汽车历史出入预行区域的次数;若是,则比较队列中的下一个数据,并将第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较第一个数据;若否,则根据第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
结合第一方面的第一种可实施方式,在第一方面的第二种可实施方式中,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值,包括:判断目标次数是否大于或等于队列中的第一个数据;若目标次数大于或等于第一个数据,则确定目标次数为峰值;若目标次数小于第一个数据,则确定目标次数不为峰值。
结合第一方面的第一种可实施方式中,在第一方面的第三种可实施方式中,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为谷值,包括:判断目标次数是否小于或等于队列中的第一个数据;若目标次数小于或等于第一个数据,则确定目标次数为谷值;若目标次数大于第一个数据,则确定目标次数不为谷值。
结合第一方面的第一种可实施方式,在第一方面的第四种可实施方式中,在将目标次数压入队列之后,方法还包括:读取队列中的最后一个数据,得到整体的峰值或谷值;和/或,判断当天是否为预设时间段的最后一天,若是则读取队列中存储的预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
结合第一方面,在第一方面的第五种可实施方式中,得到当天的峰距后还包括:根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;在目标日期推送目的地的天气信息,以及推荐路线的道路情况。
结合第一方面,在第一方面的第六种可实施方式中,得到当天的谷距后还包括:根据谷距的变化趋势判断用户的活跃度是否下降;若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
第二方面,本申请还提供了一种出入统计设备,该出入统计设备包括:确定单元,用于按照设定的预行区域,确定汽车当天出入预行区域的目标次数;统计单元,用于将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
结合第二方面,在第二方面的第一种可实施方式中,统计单元具体用于:按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值,其中,队列存储了汽车历史出入预行区域的次数;若是,则比较队列中的下一个数据,并将第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较第一个数据;若否,则根据第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
结合第二方面的第一种可实施方式,在第二方面的第二种可实施方式中,统计单元具体用于:判断目标次数是否大于或等于队列中的第一个数据;若目标次数大于或等于第一个数据,则确定目标次数为峰值;若目标次数小于第一个数据,则确定目标次数不为峰值。
结合第二方面的第一种可实施方式中,在第二方面的第三种可实施方式中,统计单元具体用于:判断目标次数是否小于或等于队列中的第一个数据;若目标次数小于或等于第一个数据,则确定目标次数为谷值;若目标次数大于第一个数据,则确定目标次数不为谷值。
结合第二方面的第一种可实施方式,在第二方面的第四种可实施方式中,统计单元还用于:在将目标次数压入队列之后,读取队列中的最后一个数据,得到整体的峰值或谷值;和/或,判断当天是否为预设时间段的最后一天,若是则读取队列中存储的预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
结合第二方面,在第二方面的第五种可实施方式中,出入统计设备还包括处理单元,处理单元用于:在得到当天的峰距后,根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;在目标日期推送目的地的天气信息,以及推荐路线的道路情况。
结合第二方面,在第二方面的第六种可实施方式中,出入统计设备还包括处理单元,处理单元用于:在得到当天的谷距后,根据谷距的变化趋势判断用户的活跃度是否下降;若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
第三方面,本申请还提供了一种出入统计设备,该出入统计设备包括处理器和存储器,处理器和存储器通过总线连接;处理器,用于执行多条指令;存储器,用于存储多条指令,指令适于由处理器加载并执行如第一方面或第一方面的任一项实施方式的预行区域的出入统计方法。
第四方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质中存储有多条指令,指令适于由处理器加载并执行如第一方面或第一方面的任一项实施方式的预行区域的出入统计方法。
综上,本申请提供了一种预行区域的出入统计方法、设备及存储介质,其中,出入统计设备在确定出汽车当天出入预行区域的目标次数之后,将目标次数与汽车历史出入预行区域的次数进行比较,以确定出当天的峰距x或谷距y,峰距x表示当天出入预行区域的目标次数在x天内达到了峰值,谷距y表示当天出入预行区域的目标次数在y天内达到了谷值。由于峰距和谷距可以反映出汽车当天出入预行区域的频繁程度,并且峰距和谷距的确定过程具有实时性,只要在当天出行预行区域的目标次数确定之后,就可以确定出当天的峰距和谷距,因此本申请可以改善现有技术中预行区域的出入统计方法存在的实时性不高的问题。
附图说明
图1为本申请的一种实施例中统计每天的峰距的示意图;
图2为本申请的一种实施例中统计每天的谷距的示意图;
图3为本申请的一种实施例中出入统计方法的示意性流程图;
图4为本申请的另一种实施例中出入统计方法的示意性流程图;
图5为本申请的一种实施例中出入统计设备的示意性框图;
图6为本申请的一种实施例中出入统计设备的结构性框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅用以解释本申请,并不用于限定本申请。
目前,在确定一段固定时间段内的峰值或谷值时,需要在得到该固定时间段内的所有出入数据之后才能确定,因此峰值和谷值的确定具有滞后性,存在着实时性不高的问题。对此,本申请提供了一种预行区域的出入统计方法,本申请通过对当天的峰距或谷距进行计算,来提高统计的实时性。具体的,出入统计设备按照设定的预行区域,确定汽车当天出入预行区域的目标次数;将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。换句话说,峰距x表示当天出入预行区域的目标次数在x天内达到了峰值,谷距y表示当天出入预行区域的目标次数在y天内达到了谷值。
举例来说,本申请将以图1和图2为例,分别对统计每天的峰距和每天的谷距进行说明,如图1和图2所示,图中的横轴表示日期,即第几天,竖轴表示出入预行区域的次数,汽车从第0天至第7天中的每天出入预行区域的次数分别为6、8、11、7、5、3、7和10,峰距和谷距的确定过程包括:
在计算峰距时,如图1所示,对于第0天来说,由于无之前的数据,因此第0天的峰距为1,表示第0天出入预行区域的次数达到了1天内的峰值;对于第1天来说,由于第1天的次数大于第0天的次数,因此第1天峰距为2,表示第1天出入预行区域的次数达到了2天内的峰值;对于第2天来说,由于第2天的次数不仅大于第1天的次数,还大于第0天的次数,因此第2天峰距为3,表示第2天出入预行区域的次数达到了3天内的峰值;对于第3天来说,由于第3天的次数小于第2天的次数,因此第3天峰距为1,表示第3天出入预行区域的次数达到了1天内的峰值......同理,按照前述方法可以确定出第4天的峰距为1,第5天的峰距为1,第6天的峰距为4,第7天的峰距为5。
在计算谷距时,如图2所示,对于第0天来说,由于无之前的数据,因此第0天的谷距为1,表示第0天出入预行区域的次数达到了1天内的谷值;对于第1天来说,由于第1天的次数大于第0天的次数,因此第1天谷距为1,表示第1天出入预行区域的次数达到了1天内的谷值;对于第2天来说,由于第2天的次数大于第1天的次数,因此第2天谷距为1,表示第2天出入预行区域的次数达到了1天内的谷值;对于第3天来说,由于第3天的次数不仅小于第2天的次数,而且还小于第1天的次数,因此第3天谷距为3,表示第3天出入预行区域的次数达到了3天内的谷值......同理,按照前述方法可以确定出第4天的谷距为5,第5天的谷距为6,第6天的谷距为1,第7天的谷距为1。
可以理解的是,峰距x和谷距y都反映了当天出入预行区域的频繁程度,峰距x越大,表示当天出入预行区域的频繁程度越高,达到了最近x天内的峰值;谷距y越大,表示当天出入预行区域的频繁程度越低,达到了最近y天内的谷值。另外,由于本申请只要在当天出行预行区域的目标次数确定之后,就可以确定出当天的峰距和谷距,而无需等到固定时间段内的所有出入数据都出来之后才能进行计算,因此本申请提供的预行区域的出入统计方法可以改善现有技术中还存在的实时性不高的问题。需要说明的是,本申请所描述的汽车出入预行区域的次数,包括汽车出预行区域的次数和入预行区域的次数中的至少一种,可以是出预行区域的次数和入预行区域的次数的总和,也可以仅是出预行区域的次数或入预行区域的次数,本申请对此不做限制。
需要说明的是,本申请所提出的出入统计设备可以是服务器或终端设备,本申请对此不作限制,另外,出入统计设备能够与其他服务器或终端设备进行数据交互,并执行本申请所提出的预行区域的出入统计方法等。
为了对本申请的预行区域的出入统计方法进行更好的理解,如图3所示,本申请提供了预行区域的出入统计方法的一种实施例。接下来,本申请将以出入统计设备作为执行主体,对图3所描述的预行区域的出入统计方法进行说明,具体的:
310:按照设定的预行区域,确定汽车当天出入预行区域的目标次数。
其中,出入统计设备按照预先设定的预行区域,对汽车出入预行区域的次数进行监测,确定出汽车当天出入预行区域的目标次数。
320:将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距。
其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。为了确定出当天的峰距或谷距,出入统计设备可以将当天的目标次数先与前一天的历史次数进行比较,如果相比于前一天,目标次数是峰值或谷值,则继续比较再前一天的历史次数,如果相比于再前一天,目标次数不再是峰值或谷值,则停止继续比较,否则继续扩大比较范围,直到目标次数不再是峰值或谷值时停止比较,根据当前的比较范围确定当天的峰距或谷距。另外,如果在当天之前无汽车历史出入预行区域的数据,则直接将当天的峰距或谷距确定为一。
举例来说,先将第N天(当天)的目标次数与第N-1天的次数进行比较,如果目标次数为峰值或谷值,则扩大比较范围,将目标次数与第N-2天的次数进行比较,如果目标次数仍然是峰值或谷值,则继续扩大比较范围....直到目标次数与第j天的次数比较时不再是峰值或谷值时,则停止扩大比较范围,并确定当天的峰距或谷距为N-j,或者,如果目标次数与第j天的次数比较时仍然是峰值或谷值,而第j天之前无汽车出入预行区域的数据时,也即是j=0时,无法继续扩大比较范围,此时停止扩大比较范围,并确定当天的峰距或谷距为N+1。另外,在将目标次数与汽车历史出入预行区域的次数进行比较之前,还可以先判断目标次数是否为监测到的首个数据,也即是,判断N是否为0,若是则停止比较,并确定当天的峰距或谷距为一,否则执行前述将目标次数与汽车历史出入预行区域的次数进行比较的步骤。
需要说明的是,在得到峰距或谷距之后,可以在车机或客户端等,以语音或影视等方式提示用户该峰距或谷距,帮助用户更加及时且直观的获知汽车出入预行区域的情况,以提高实时性和用户体验。另外,基于峰距和谷距的定义,可知峰距和谷距的变化表示汽车出入预行区域的频繁程度,并体现出用户的活跃度的变化,出入统计设备可以提示每天的峰距或谷距的变化折线,从而向用户展示最近的活跃度的变化,具体的,谷距可以很好的体现用户的活跃度的下降情况,当谷距连续上升时,表示用户活跃度持续下降,此时可以采取关怀措施,以提高用户的活跃度;峰距可以很好的体现用户的活跃度的上升情况,当峰距连续上升时,表示活跃度持续上升,此时可以采取预警措施,以警示用户对汽车的行踪进行关注,降低汽车丢失的风险。
在一种可实施的方式中,本申请提供了峰距的一种应用场景,出入统计设备还可以根据每天峰距的变化趋势,来预测用户未来的出行计划,并在用户可能出行的目标日期和目的地,为用户推送目的地的天气,并规划到达目的地的推荐路线以及该路线的道路情况,道路情况包括拥堵情况以及纯电行驶所需的电量,使得用户提前做好出行准备,例如提前充电和准备出行装备等,具体的,出入统计设备得到当天的峰距后,出入统计设备根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;在目标日期推送目的地的天气信息,以及推荐路线的道路情况。
在一种可实施的方式中,本申请提供了谷距的一种应用场景,出入统计设备还可以在谷距连续上升时,确定用户的活跃度降低,并采用关怀措施,例如为用户推送其喜欢的内容,或将用户活跃度降低的信息推送给用户以及紧急联系人的终端设备,以提示紧急联系人关注,并且还可以通过物联网启动家里的语音设备和摄像装置,进一步询问和验证用户是否需要,若需要帮助则联系医院或警局等,以提供帮助。具体的,出入统计设备在得到当天的谷距后,出入统计设备根据谷距的变化趋势判断用户的活跃度是否下降;若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
综上,本申请实施例提供了一种预行区域的出入统计方法,通过对当天的峰距或谷距进行计算,来提高统计的实时性,从而改善现有技术中预行区域的出入统计方法存在的实时性不高的问题。
需要说明的是,发明人通过进一步研究和分析发现,前个实施例的统计方法虽然
简便且容易实施,但是在实际应用中的效果不佳,还存在时间复杂度高的问题,在实时性上
还存在提升空间,这是因为:为了确定出当天的峰距或谷距,出入统计设备需要将当天的目
标次数与之前每天的次数依次比较,直到确定出目标次数作为峰值或谷值的最大天数时才
停止比较,然后在确定下一天的峰距或谷距时,又重复执行前述比较操作,在极端情况下,
为了确定出n天的峰距或谷距,出入统计设备需要执行次比较操作,此时的时间
复杂度为,又知是指数时间算法(exponential time algorithm),属于是比较
慢的算法了,而随着用户用车的时间推移,汽车产生的出入预行区域的历史数据会大量增
长,使得出入统计设备在面对海量历史数据时,运算压力会变得越来越大,会严重影响统计
性能。
为了减小出入统计方法的时间复杂度,提高出入统计方法的实时性,本申请针对
前个实施例中步骤320,还提供了另一种可实施方式,该实施方式利用队列来优化出入统计
方法,从而将出入统计方法的时间复杂度从降低至。为了更好的理解该实施方
式,本申请还提出了出入统计方法的另一种实施例,接下来,本实施例将结合图4对该实施
例进行详细说明,具体的:
321:按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值。
其中,队列存储了汽车历史出入预行区域的次数,汽车每天出入预行区域的次数都会被压入队列一次。该队列按照后进先出(Last Input First Output,LIFO)方式来压入和弹出数据,后压入队列的数据先被弹出。为了方便计算峰距和谷距,出入预行区域的次数被压入队列之前,可以被转化为数组的形式,数组的下标代表日期,数组的值代表汽车在该日期出入预行区域的次数,日期可以表示为第m天,m为正整数。出入统计设备通过将当天的目标次数与队列中的第一个数据进行比较,可以确定出当天至该第一个数据之间的时间段内,当天出入预行区域的目标次数是否为峰值或谷值,具体的:
在一种可实施方式中,本申请提供了判断目标次数是否为峰值的具体过程,如果目标数据大于或等于第一个数据,则表示目标次数为峰值,否则表示目标次数不为峰值,具体的,前述将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值的步骤包括:出入统计设备判断目标次数是否大于或等于队列中的第一个数据;若目标次数大于或等于第一个数据,则确定目标次数为峰值;若目标次数小于第一个数据,则确定目标次数不为峰值。举例来说,将当天的目标次数与队列中的第一个数据进行比较,如果目标次数大于或等于第一个数据,则表示目标次数相对于第一个数据来说是峰值,而第一个数据相对于目标数据来说是非峰值,如果目标次数小于第一个数据,则表示目标次数相对于第一个数据来说不是峰值。
在一种可实施方式中,本申请提供了判断目标次数是否为谷值的具体过程,如果目标数据小于或等于第一个数据,则表示目标次数为谷值,否则表示目标次数不为谷值,具体的前述将目标次数与队列的第一个数据进行比较,以判断目标次数是否为谷值的步骤,包括:出入统计设备判断目标次数是否小于或等于队列中的第一个数据;若目标次数小于或等于第一个数据,则确定目标次数为谷值;若目标次数大于第一个数据,则确定目标次数不为谷值。举例来说,将当天的目标次数与队列中的第一个数据进行比较,如果的目标次数小于或等于第一个数据,则表示目标次数相对于第一个数据来说是谷值,而第一个数据相对于目标数据来说是非谷值,如果的目标次数大于第一个数据,则表示目标次数相对于第一个数据来说是不是谷值。
322:若目标次数为峰值或谷值,则比较队列中的下一个数据,并将第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较该第一个数据。
其中,若目标次数为峰值或谷值,则继续扩大比较的范围,比较队列中下一个数据,并且确定第一个数据为非峰值或非谷值,将第一个数据弹出,而需要注意的是,出入统计设备在确定目标次数为峰值或谷值之后,也即是在第一个数据为非峰值或非谷值之后,通过弹出第一个数据来防止该第一个数据被重复比较,从而降低出入统计方法的时间复杂度,使得在确定未来任一天的峰距或谷距时,无需对该第一个数据进行重复比较。这是因为,如果该未来某天的次数相对于目标次数来说是峰值,则该未来某天的次数相对于前述第一个数据来说也一定是峰值,此时无需将该未来某天的次数与第一个数据进行比较。举例来说,如果第N天的次数相对于第N-1天来说是峰值或谷值,而如果第N+1天的次数相对于第N天的次数来说是峰值或谷值的话,则第N+1天的次数相对于第N-1天的次数来说也一定是峰值或谷值,显然没有比较第N-1天的次数的必要,因此将第N-1天的次数从队列中弹出可以减少重复比较,从而降低统计方法的时间复杂度。
323:若目标次数不为峰值或谷值,则根据第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
其中,若目标次数不为峰值或谷值,则出入统计设备根据第一个数据确定出峰距或谷距,例如计算N-j,N代表当天的日期,j代表第一个数据的日期,0≤j≤N-1,N大于0。另外,在目标次数不为峰值或谷值的情况下,出入统计设备还将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
需要说明的是,通过实施本实施例提供的统计方法,可以大大减少前一个实施例
所描述的统计方法的时间复杂度,使得时间复杂度从降低为。为了更好的理解,
本申请还提供了计算峰距的伪代码,该伪代码包括:
Algorithm(inputArray){
resultArray=CreateArray(n) //创建结果数组resultArray
resultArray[0]=1 //第0天的峰距为1
struct = CreateStruct() //创建临时结构体,也即是队列
struct.push(0) //在队列中压入第0天的次数
for i = 1 in n { //从第1天循环至第n天
while!StructIsEmpty(struct)&&j=stuct.top()&& inputArray[j]<=inputArray[i]{
stuct.pop( )
} //当第j天的次数小于或等于第i天的次数,则将第j天的次数从队列中弹出,并继续比较队列中下一个数据
if StructIsEmpty(stuct) {
resultArray[i] = i + 1
} //如果队列为空,则第i天的峰距等于i+1
else {
resultArray[i] = i - stuct.top()
} //否则,计算第i天的峰距,即i-j
stuct.push(i)
} //将第n天的次数压入队列
return resultArray
} //返回结果,即每天的峰距
基于以上伪代码可以看出,n天对应n个数据,一共有n次push操作,而while循环中
虽然看似有一个外层循环和一个内层循环,但由于push操作只有n次,而且每个数据也只能
执行一次pop操作,因此while循环中pop操作也执行了n次,所以时间复杂度为。
接下来,为了对本实施例提供的统计方法进行更好的理解,本申请将结合图1和图2分别对峰距和谷距的统计过程进行举例说明,具体的:
如图1所示,出入统计设备在得到汽车第0天出入预行区域的次数之后,由于队列为空,因此直接确定第0天的峰距为1,并将第0天压入到队列中;在得到汽车在第1天出入预行区域的次数之后,先将队列中的第一个数据(第0天的次数)与第1天的次数比较,第1天的次数大于第0天的次数,因此将第0天的次数确定为非峰值,将第0天的次数弹出,继续比较队列中的下一个数据,由于下一个数据为空,因此计算第1天的峰距为1+1=2,并将第1天的次数压入队列;在得到汽车第2天出入预行区域的次数之后,先将队列中的第一个数据(第1天的次数)与第2天的次数比较,第2天的次数大于第1天的次数,因此将第1天的次数确定为非峰值,将第1天的次数弹出,此时需要继续比较队列中的下一个数据,但由于第0天的次数已经被弹出,因此队列为空,无需再对第0天的次数进行比较,因此计算第2天的峰距为2+1=3,并将第2天的次数压入队列;在得到汽车第3天出入预行区域的次数之后,先将队列中的第一个数据(第2天的次数)与第3天的次数比较,第3天的次数小于第2天的次数,此时停止比较,根据第2天计算第3天的峰距为3-2=1,并将第3天的次数压入队列;在得到汽车第4天出入预行区域的次数之后,先将队列中的第一个数据(第3天的次数)与第4天的次数比较,第4天的次数小于第3天的次数,此时停止比较,根据第3天计算第4天的峰距为4-3=1,并将第4天的次数压入队列;在得到汽车在第5天出入预行区域的次数之后,先将队列中的第一个数据(第4天的次数)与第5天的次数比较,第5天的次数小于第4天的次数,此时停止比较,根据第4天计算第5天的峰距为5-4=1,并将第5天的次数压入队列;在得到汽车在第6天出入预行区域的次数之后,先将队列中的第一个数据(第5天的次数)与第6天的次数比较,第6天的次数大于第5天的次数,因此将第5天的次数确定为非峰值,将第5天的次数弹出,并继续比较队列中的第4天的次数,第6天的次数大于第4天的次数,然后将第4天的次数确定为非峰值,将第4天的次数弹出,并继续比较队列中的第3天的次数,第6天的次数大于第3天的次数,然后将第3天的次数确定为非峰值,将第3天的次数弹出,并继续比较队列中的第2天的次数,第6天的次数小于第2天的次数,此时停止比较,根据第2天计算第6天的峰距为6-2=4,并将第6天的次数压入队列;在得到汽车在第7天出入预行区域的次数之后,先将队列中的第一个数据(第6天的次数)与第7天的次数比较,第7天的次数大于第6天的次数,因此将第6天的次数确定为非峰值,将第6天的次数弹出,此时需要继续比较队列中的下一个数据,但是由于第5天、第4天以及第3天的次数已经被弹出队列,因此无需对该三天的次数进行比较,而第2天的次数还在队列中,因此继续比较队列中的第2天的次数,第7天的次数小于第2天的次数,此时停止比较,根据第2天计算第7天的峰距为7-2=5,并将第7天的数据压入队列,此时队列中只剩下第2天的次数和第7天的次数。
从前述例子中可以看出,由于在确定第1天的峰距时,第0天的次数已经被弹出队列,因此在确定第3天的峰距时,出入统计设备也无需再对第0天的次数进行重复比较;由于在确定第6天的峰距时,第5天、第4天以及第3天的次数已经被弹出队列,因此在确定第7天的峰距时,出入统计设备也无需再对第5天、第4天以及第3天的次数进行重复比较,因此本申请通过将非峰值弹出队列,使得非峰值无需被重复比较,从而减少了出入统计算法的时间复杂度。
如图2所示,出入统计设备在得到汽车在第0天出入预行区域的次数之后,由于队列为空,因此直接确定第0天的谷距为1,然后将第0天压入到队列中;在得到汽车在第1天出入预行区域的次数之后,先将队列中的第一个数据(第0天的次数)与第1天的次数比较,第1天的次数大于第0天的次数,此时停止比较,根据第0天计算第1天的谷距为1-0=1,并将第1天的次数压入队列;在得到汽车在第2天出入预行区域的次数之后,先将队列中的第一个数据(第1天的次数)与第2天的次数比较,第2天的次数大于第1天的次数,此时停止比较,根据第1天计算第2天的谷距为2-1=1,并将第2天的次数压入队列;在得到汽车在第3天出入预行区域的次数之后,先将队列中的第一个数据(第2天的次数)与第3天的次数比较,因为第3天的次数小于第2天的次数,因此将第2天的次数确定为非谷值,弹出第2天的次数,并比较队列中的第1天的次数,因为第3天的次数小于第1天的次数,因此将第1天的次数确定为非谷值,弹出第1天的次数,并比较队列中的第0天的次数,因为第3天大于第0天的次数,因此停止比较,根据第0天计算第3天的谷距为3-0=3,并将第3天的次数压入队列;在得到汽车在第4天出入预行区域的次数之后,先将队列中的第一个数据(第3天的次数)与第4天的次数比较,因为第4天的次数小于第3天的次数,因此将第3天的次数确定为非谷值,弹出第3天的次数,并比较队列中的第0天的次数,因为第4天的次数小于第0天的次数,因此将第0天的次数确定为非谷值,弹出第0天的次数,此时队列为空,停止比较,计算第3天的谷距为4+1=5,并将第4天的次数压入队列;在得到汽车在第5天出入预行区域的次数之后,先将队列中的第一个数据(第4天的次数)与第5天的次数比较,因为第5天的次数小于第4天的次数,因此将第4天的次数确定为非谷值,弹出第4天的次数,此时队列为空,停止比较,计算第5天的谷距为5+1=6,并将第5天的次数压入队列;在得到汽车在第6天出入预行区域的次数之后,先将队列中的第一个数据(第5天的次数)与第6天的次数比较,因为第6天的次数大于第5天的次数,因此停止比较,根据第5天计算第6天的谷距为6-5=1,并将第6天的次数压入队列;在得到汽车在第7天出入预行区域的次数之后,先将队列中的第一个数据(第6天的次数)与第7天的次数比较,因为第7天的次数大于第6天的次数,因此停止比较,根据第6天计算第7天的谷距为7-6=1,并将第7天的次数压入队列,此时队列中只剩下第5天、第6天和第7天的次数。
从前述例子中可以看出,由于在确定第4天的谷距时,第2天、第1天以及第0天的次数已经被弹出队列,因此在确定第4天的谷距时,出入统计设备也无需再对第2天、第1天以及第0天的次数进行重复比较;由于在确定第5天的谷距时,第3天、第2天、第1天以及第0天的次数已经被弹出队列,因此在确定第5天谷距时,出入统计设备也无需再对第3天、第2天、第1天以及第0天的次数进行重复比较,因此本申请通过将非谷值弹出队列,使得非谷值无需被重复比较,从而减少了出入统计算法的时间复杂度。
另外,针对现有技术确定峰值和谷值的实时性不高的问题,本申请还提供了另一种可实施方式,在该可实施方式中,出入统计设备可以基于队列快速确定出峰值和谷值,包括整体的峰值或谷值,以及预设时间段内的峰值或谷值。具体的,在本科实施方式中,出入统计设备在将目标次数压入队列之后,读取队列中的最后一个数据,得到整体的峰值或谷值;和/或,判断当天是否为预设时间段的最后一天,若是则读取队列中存储的预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
需要说明的是,队列中存储的最后一个数据实质上就是整体的峰值或谷值,如图1所示,基于之前的举例,被弹出队列的都是非峰值,在确定出第0天至第7天的峰距之后,队列中最后剩下了第2天的次数以及第7天的次数,而第2天的次数相对于第7天的次数来说是峰值,因此第2天的次数是第0天至第7天的峰值,也即是整体的峰值,并且从图1也可以看出第2天的次数确实是整体的峰值;如图2所示,基于之前的举例,被弹出队列的都是非谷值,在确定出第0天至第7天的谷距之后,队列中最后剩下了第5天、第6天和第7天的次数,而第5天的次数相对于第6天和第7天的次数来说是谷值,因此第5天的次数是第0天至第7天的谷值,也即是整体的谷值,并且从图2也可以看出第5天的次数确实是整体的谷值。
还需要说明的是,队列还存储了预设时间段内的峰值或谷值,队列中属于预设时间段的数据中的最后一个数据,实质上就是该预设时间段内的峰值或谷值。如图1所示,假设预设时间段是第7天至第3天,出入统计设备如果为了获取预设时间段的峰值,则在将预设时间段的最后一天(也即是第7天)的次数压入队列之后,在队列中获取该预设时间段的次数,由于第3天和第6天的数据都被弹出队列,因此第7天的次数为该预设时间段内的最后一个数据,因此第7天的次数为第7天至第3天的峰值,并且从图1也可以看出第7天的次数确实是第7天至第3天的峰值;假设预设时间段是第7天至第2天,出入统计设备如果为了获取预设时间段的峰值,则在将预设时间段的最后一天(也即是第7天)的次数压入队列之后,在队列中获取该预设时间段的次数,由于第3天和第6天的数据都被弹出队列,因此第2天的次数为该预设时间段内的最后一个数据,因此第2天的次数为第7天至第2天的峰值,并且从图1也可以看出第7天的次数确实是第7天至第2天的峰值。同理,出入统计设备还可以从队列中确定出预设时间段的谷值,可以参照图2所示,出入统计设备在将第7天的次数压入队列之后,如果要确定预设时间段内的谷值,而当预设时间段为第7天至3天时,由于第3天至第4天的次数被弹出队列,因此第5天的次数是该预设时间段的最后一个数据,因此第5天的次数为第7天至第3天的谷值,并且从图2也可以看出第5天的次数确实是第7天至第3天的谷值,而当预设时间段为第7天至2天时,由于第2天至第4天的次数被弹出队列,因此第5天的次数仍然是该预设时间段的最后一个数据,因此第5天的次数为第7天至第2天的谷值,并且从图2也可以看出第5天的次数确实是第7天至第2天的谷值。
综上,针对前个实施例的出入统计方法存在的时间复杂度高,实时性不够高的问题,本实施例通过将汽车历史出入预行区域的次数存储在队列中,并将目标次数与队列中的数据依次比较,以确定出当天的峰距或谷距,并且在比较的过程中,把作为非峰值或非谷值的第一个数据弹出队列,使得在确定后续的任一天的峰距或谷距时,都不用再重复比较非峰值或非谷值,从而降低了出入统计方法的时间复杂度,并进一步的提高了出入统计方法的实时性。具体的,出入统计设备按照后进先出方式,将目标次数与队列的第一个数据进行比较,若确定目标次数相对于第一个数据是峰值或谷值,而第一个数据是非峰值或非谷值,则将第一个数据弹出队列,使得在确定后续的任一天的峰距或谷距时,都不用再重复比较第一个数据,然后再比较队列中的下一个数据,直到确定出目标次数作为峰值或谷值的最大范围,从而确定得到当天的峰距或谷距。
本申请还提供了一种出入统计设备,如图5所示。本申请实施例可以根据上述方法示例对设备进行功能模块的划分,例如,可以对应各个功能划分各个功能模块,也可以将两个或两个以上的功能集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。具体的,如图5所示,该出入统计设备包括:确定单元510,用于按照设定的预行区域,确定汽车当天出入预行区域的目标次数;统计单元520,用于将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
在另一种可实施的方式中,统计单元520具体用于:按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值,其中,队列存储了汽车历史出入预行区域的次数;若是,则比较队列中的下一个数据,并将第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较第一个数据;若否,则根据第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
在另一种可实施的方式中,统计单元520具体用于:判断目标次数是否大于或等于队列中的第一个数据;若目标次数大于或等于第一个数据,则确定目标次数为峰值;若目标次数小于第一个数据,则确定目标次数不为峰值。
在另一种可实施的方式中,统计单元520具体用于:判断目标次数是否小于或等于队列中的第一个数据;若目标次数小于或等于第一个数据,则确定目标次数为谷值;若目标次数大于第一个数据,则确定目标次数不为谷值。
在另一种可实施的方式中,统计单元520还用于:在将目标次数压入队列之后,读取队列中的最后一个数据,得到整体的峰值或谷值;和/或,判断当天是否为预设时间段的最后一天,若是则读取队列中存储的预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
在另一种可实施的方式中,出入统计设备还包括处理单元530,处理单元530用于:在得到当天的峰距后,根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;在目标日期推送目的地的天气信息,以及推荐路线的道路情况。
在另一种可实施的方式中,出入统计设备还包括处理单元530,处理单元530用于:在得到当天的谷距后,根据谷距的变化趋势判断用户的活跃度是否下降;若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
本申请还提供了一种出入统计设备,参见图6。如图6所示的本实施例中的出入统计设备可以包括:处理器610和存储器620。上述处理器610和存储器620通过总线630连接。处理器610,用于执行多条指令;存储器620,用于存储多条指令,该指令适于由处理器610加载并执行如上述实施例中的预行区域的出入统计方法。
其中,处理器610可以是电子调整单元(Electronic Control Unit,ECU)、中央处理器(central processing unit,CPU),通用处理器,协处理器,数字信号处理器(digitalsignal processor,DSP),专用集成电路(application-specific integrated circuit,ASIC),现场可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。该处理器610也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,5SP和微处理器的组合等等。在本实施例中,处理器610可采用单片机,通过对单片机进行编程可以实现各种控制功能,处理器具有计算能力强大,处理快速的优点。具体的,处理器610用于执行确定单元510的功能,用于按照设定的预行区域,确定汽车当天出入预行区域的目标次数;处理器610还用于执行统计单元520的功能,用于将目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
在另一种可实施的方式中,处理器610具体用于:按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值,其中,队列存储了汽车历史出入预行区域的次数;若是,则比较队列中的下一个数据,并将第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较第一个数据;若否,则根据第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
在另一种可实施的方式中,处理器610具体用于:判断目标次数是否大于或等于队列中的第一个数据;若目标次数大于或等于第一个数据,则确定目标次数为峰值;若目标次数小于第一个数据,则确定目标次数不为峰值。
在另一种可实施的方式中,处理器610具体用于:判断目标次数是否小于或等于队列中的第一个数据;若目标次数小于或等于第一个数据,则确定目标次数为谷值;若目标次数大于第一个数据,则确定目标次数不为谷值。
在另一种可实施的方式中,处理器610还用于:在将目标次数压入队列之后,读取队列中的最后一个数据,得到整体的峰值或谷值;和/或,判断当天是否为预设时间段的最后一天,若是则读取队列中存储的预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
在另一种可实施的方式中,处理器610还用于执行处理单元530的功能,用于:在得到当天的峰距后,根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;在目标日期推送目的地的天气信息,以及推荐路线的道路情况。
在另一种可实施的方式中,处理器610还用于执行处理单元530的功能,用于:在得到当天的谷距后,根据谷距的变化趋势判断用户的活跃度是否下降;若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
在一种实施例中,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有多条指令,指令适于由处理器加载并执行前述任意实施例中的方法。处理器,用于执行多条指令;存储器,用于存储多条指令,该指令由处理器加载并执行如上述实施例中的预行区域的出入统计方法。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种预行区域的出入统计方法,其特征在于,包括:
按照设定的预行区域,确定汽车当天出入所述预行区域的目标次数;
将所述目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
2.根据权利要求1所述的方法,其特征在于,将所述目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,包括:
按后进先出方式,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值或谷值,其中,队列存储了汽车历史出入预行区域的次数;
若是,则比较队列中的下一个数据,并将所述第一个数据从队列中弹出,使得在确定未来任一天的峰距或谷距时,无需重复比较所述第一个数据;
若否,则根据所述第一个数据确定出峰距或谷距,并将目标次数压入队列,使得在确定明天的峰距或谷距时,将目标次数作为新的第一个数据。
3.根据权利要求2所述的方法,其特征在于,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为峰值,包括:
判断所述目标次数是否大于或等于队列中的第一个数据;
若所述目标次数大于或等于第一个数据,则确定所述目标次数为峰值;
若所述目标次数小于第一个数据,则确定所述目标次数不为峰值。
4.根据权利要求2所述的方法,其特征在于,将目标次数与队列的第一个数据进行比较,以判断目标次数是否为谷值,包括:
判断所述目标次数是否小于或等于队列中的第一个数据;
若所述目标次数小于或等于第一个数据,则确定所述目标次数为谷值;
若所述目标次数大于第一个数据,则确定所述目标次数不为谷值。
5.根据权利要求2所述的方法,其特征在于,在将目标次数压入队列之后,所述方法还包括:
读取所述队列中的最后一个数据,得到整体的峰值或谷值;和/或,
判断当天是否为预设时间段的最后一天,若是则读取所述队列中存储的所述预设时间段内的最后一个数据,得到预设时间段内的峰值或谷距。
6.根据权利要求1所述的方法,其特征在于,得到当天的峰距后还包括:
根据每天的峰距变化的趋势预测用户下一次出行的目标日期和目的地;
在所述目标日期推送所述目的地的天气信息,以及推荐路线的道路情况。
7.根据权利要求1所述的方法,其特征在于,得到当天的谷距后还包括:
根据所述谷距的变化趋势判断用户的活跃度是否下降;
若用户的活跃度下降,则采取相应的关怀措施,以提高用户的活跃度。
8.一种出入统计设备,其特征在于,所述出入统计设备包括:
确定单元,用于按照设定的预行区域,确定汽车当天出入所述预行区域的目标次数;
统计单元,用于将所述目标次数与汽车历史出入预行区域的次数进行比较,以得到当天的峰距或谷距,其中,峰距表示当天出入预行区域的目标次数达到峰值的最大天数,谷距表示当天出入预行区域的目标次数达到谷值的最大天数。
9.一种出入统计设备,其特征在于,所述出入统计设备包括处理器和存储器,所述处理器和存储器通过总线连接;所述处理器,用于执行多条指令;所述存储器,用于存储所述多条指令,所述指令适于由所述处理器加载并执行权利要求1至7所述的预行区域的出入统计方法。
10.一种计算机可读存储介质,特征在于,所述计算机可读存储介质中存储有多条指令,所述指令适于由处理器加载并执行权利要求1至7中任一项所述的预行区域的出入统计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410326310.6A CN117935416B (zh) | 2024-03-21 | 一种预行区域的出入统计方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410326310.6A CN117935416B (zh) | 2024-03-21 | 一种预行区域的出入统计方法、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117935416A true CN117935416A (zh) | 2024-04-26 |
CN117935416B CN117935416B (zh) | 2024-06-25 |
Family
ID=
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08105972A (ja) * | 1994-10-03 | 1996-04-23 | Nissan Motor Co Ltd | 車間距離測定装置 |
JP2002311131A (ja) * | 2001-04-06 | 2002-10-23 | Honda Motor Co Ltd | 車両の物体検知装置 |
JP2013156803A (ja) * | 2012-01-30 | 2013-08-15 | Pioneer Electronic Corp | 運転評価装置、運転評価方法、運転評価プログラム、及び記録媒体 |
JP2018080938A (ja) * | 2016-11-14 | 2018-05-24 | 株式会社デンソーテン | レーダ装置および物標検知方法 |
FR3064393A1 (fr) * | 2017-03-24 | 2018-09-28 | Michel Gelin | Boitier de commande emetteur/recepteur |
CN108764581A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市零度智控科技有限公司 | 一种汽车事故及时通知方法、装置、服务器及存储介质 |
WO2019228772A1 (de) * | 2018-05-29 | 2019-12-05 | Siemens Mobility GmbH | Sensor-analyse-verfahren, computer-programm-produkt zur sensor-analyse, fahrgastzählsystem und fahrzeug zur fahrgastbeförderung, insbesondere im schienen- und strassenverkehr |
CN110544373A (zh) * | 2019-08-21 | 2019-12-06 | 北京交通大学 | 一种基于北斗车联网的货车预警信息提取与风险识别方法 |
CN111340265A (zh) * | 2018-12-19 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 司机下线干预方法、装置、电子设备和计算机存储介质 |
CN113094388A (zh) * | 2021-03-25 | 2021-07-09 | 深圳市顺易通信息科技有限公司 | 一种用户工作地与居住地的检测方法及相关装置 |
CN113370827A (zh) * | 2021-07-12 | 2021-09-10 | 众源科技(广东)股份有限公司 | 一种基于城市物联网应用的智能开关管理系统及方法 |
CN114331234A (zh) * | 2022-03-16 | 2022-04-12 | 北京交通大学 | 基于乘客出行信息的轨道交通客流预测方法和系统 |
CN114435138A (zh) * | 2022-01-25 | 2022-05-06 | 中国第一汽车股份有限公司 | 一种车辆能耗预测方法、装置、车辆及存储介质 |
KR102440461B1 (ko) * | 2022-03-08 | 2022-09-05 | 김향옥 | 전기차용 이차전지의 적절한 생산과 소비와 재활용을 위해 스마트 태그를 이용하여 이차전지의 사용히스토리를 트랙킹하는 전기차용 이차전지 이력관리 시스템 |
CN115048998A (zh) * | 2022-06-13 | 2022-09-13 | 大连理工大学 | 一种基于监测数据的斜拉桥群索索力异常识别定位方法 |
CN115476861A (zh) * | 2022-09-14 | 2022-12-16 | 智能网联汽车(山东)协同创新研究院有限公司 | 智能网联汽车的安全评价系统 |
CN116500896A (zh) * | 2023-04-28 | 2023-07-28 | 重庆大学 | 智能网联汽车域控制器多虚拟cpu任务智能实时调度模型和方法 |
FR3133341A1 (fr) * | 2022-03-14 | 2023-09-15 | Saint-Gobain Glass France | Procédé et système de préconditionnement en température d’au moins un vitrage d’un véhicule |
CN116777126A (zh) * | 2022-12-16 | 2023-09-19 | 弥费科技(上海)股份有限公司 | 基于多层amhs系统的天车运输调度方法 |
CN116911755A (zh) * | 2022-12-08 | 2023-10-20 | 慧之安信息技术股份有限公司 | 基于智能小站的智能车辆管理方法和系统 |
CN116959230A (zh) * | 2022-04-15 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 车辆申请通行的处理方法和装置、存储介质及电子设备 |
CN116968767A (zh) * | 2023-07-17 | 2023-10-31 | 国网湖南省电力有限公司 | 基于多维数据融合的新能源汽车充电路径规划方法及系统 |
CN117373256A (zh) * | 2023-10-16 | 2024-01-09 | 深圳市捷顺科技实业股份有限公司 | 高峰期车辆通行控制方法、装置、计算机设备及存储介质 |
CN117495059A (zh) * | 2023-12-29 | 2024-02-02 | 天津交控科技有限公司 | 一种轨道交通运行数据分析方法及储存介质 |
CN117560458A (zh) * | 2023-11-27 | 2024-02-13 | 江苏普旭科技股份有限公司 | 基于机载tsn网络的视频同步控制方法、装置与计算机可读介质 |
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08105972A (ja) * | 1994-10-03 | 1996-04-23 | Nissan Motor Co Ltd | 車間距離測定装置 |
JP2002311131A (ja) * | 2001-04-06 | 2002-10-23 | Honda Motor Co Ltd | 車両の物体検知装置 |
JP2013156803A (ja) * | 2012-01-30 | 2013-08-15 | Pioneer Electronic Corp | 運転評価装置、運転評価方法、運転評価プログラム、及び記録媒体 |
JP2018080938A (ja) * | 2016-11-14 | 2018-05-24 | 株式会社デンソーテン | レーダ装置および物標検知方法 |
FR3064393A1 (fr) * | 2017-03-24 | 2018-09-28 | Michel Gelin | Boitier de commande emetteur/recepteur |
WO2019228772A1 (de) * | 2018-05-29 | 2019-12-05 | Siemens Mobility GmbH | Sensor-analyse-verfahren, computer-programm-produkt zur sensor-analyse, fahrgastzählsystem und fahrzeug zur fahrgastbeförderung, insbesondere im schienen- und strassenverkehr |
CN108764581A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市零度智控科技有限公司 | 一种汽车事故及时通知方法、装置、服务器及存储介质 |
CN111340265A (zh) * | 2018-12-19 | 2020-06-26 | 北京嘀嘀无限科技发展有限公司 | 司机下线干预方法、装置、电子设备和计算机存储介质 |
CN110544373A (zh) * | 2019-08-21 | 2019-12-06 | 北京交通大学 | 一种基于北斗车联网的货车预警信息提取与风险识别方法 |
CN113094388A (zh) * | 2021-03-25 | 2021-07-09 | 深圳市顺易通信息科技有限公司 | 一种用户工作地与居住地的检测方法及相关装置 |
CN113370827A (zh) * | 2021-07-12 | 2021-09-10 | 众源科技(广东)股份有限公司 | 一种基于城市物联网应用的智能开关管理系统及方法 |
CN114435138A (zh) * | 2022-01-25 | 2022-05-06 | 中国第一汽车股份有限公司 | 一种车辆能耗预测方法、装置、车辆及存储介质 |
KR102440461B1 (ko) * | 2022-03-08 | 2022-09-05 | 김향옥 | 전기차용 이차전지의 적절한 생산과 소비와 재활용을 위해 스마트 태그를 이용하여 이차전지의 사용히스토리를 트랙킹하는 전기차용 이차전지 이력관리 시스템 |
FR3133341A1 (fr) * | 2022-03-14 | 2023-09-15 | Saint-Gobain Glass France | Procédé et système de préconditionnement en température d’au moins un vitrage d’un véhicule |
CN114331234A (zh) * | 2022-03-16 | 2022-04-12 | 北京交通大学 | 基于乘客出行信息的轨道交通客流预测方法和系统 |
CN116959230A (zh) * | 2022-04-15 | 2023-10-27 | 腾讯科技(深圳)有限公司 | 车辆申请通行的处理方法和装置、存储介质及电子设备 |
CN115048998A (zh) * | 2022-06-13 | 2022-09-13 | 大连理工大学 | 一种基于监测数据的斜拉桥群索索力异常识别定位方法 |
CN115476861A (zh) * | 2022-09-14 | 2022-12-16 | 智能网联汽车(山东)协同创新研究院有限公司 | 智能网联汽车的安全评价系统 |
CN116911755A (zh) * | 2022-12-08 | 2023-10-20 | 慧之安信息技术股份有限公司 | 基于智能小站的智能车辆管理方法和系统 |
CN116777126A (zh) * | 2022-12-16 | 2023-09-19 | 弥费科技(上海)股份有限公司 | 基于多层amhs系统的天车运输调度方法 |
CN116500896A (zh) * | 2023-04-28 | 2023-07-28 | 重庆大学 | 智能网联汽车域控制器多虚拟cpu任务智能实时调度模型和方法 |
CN116968767A (zh) * | 2023-07-17 | 2023-10-31 | 国网湖南省电力有限公司 | 基于多维数据融合的新能源汽车充电路径规划方法及系统 |
CN117373256A (zh) * | 2023-10-16 | 2024-01-09 | 深圳市捷顺科技实业股份有限公司 | 高峰期车辆通行控制方法、装置、计算机设备及存储介质 |
CN117560458A (zh) * | 2023-11-27 | 2024-02-13 | 江苏普旭科技股份有限公司 | 基于机载tsn网络的视频同步控制方法、装置与计算机可读介质 |
CN117495059A (zh) * | 2023-12-29 | 2024-02-02 | 天津交控科技有限公司 | 一种轨道交通运行数据分析方法及储存介质 |
Non-Patent Citations (2)
Title |
---|
赵后雨;屠志浩;瞿靖芮;沈兴华;: "海军舰艇部队官兵晕船与晕车情况及其相关性分析", 海军医学杂志, no. 02, 28 March 2020 (2020-03-28) * |
郭荣;余卓平;周;: "基于FEM/BEM的燃料电池轿车结构声预测和控制", 同济大学学报(自然科学版), no. 10, 15 October 2010 (2010-10-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pan et al. | Driving range estimation for electric vehicles based on driving condition identification and forecast | |
CN112092679A (zh) | 一种加热控制方法、装置、设备及存储介质 | |
CN114261397B (zh) | 商用车载重状态的估计方法、设备和存储介质 | |
US20200027340A1 (en) | A method and apparatus for predicting a location where a vehicle appears | |
CN117935416B (zh) | 一种预行区域的出入统计方法、设备及存储介质 | |
CN113914973A (zh) | 一种dpf再生触发控制方法、终端设备及存储介质 | |
WO2024027362A1 (zh) | 人流量预测方法、模型训练方法、电子设备、可读介质 | |
CN117935416A (zh) | 一种预行区域的出入统计方法、设备及存储介质 | |
CN115146478A (zh) | 基于优化算法的行驶工况构建方法、装置及相关设备 | |
CN115936248A (zh) | 基于注意力网络的电力负荷预测方法、装置及系统 | |
CN110990781A (zh) | 一种电动汽车充电负荷预测方法及其系统、存储介质 | |
CN110866996B (zh) | 一种发动机起停频次控制方法、系统、车辆和存储介质 | |
CN111859252B (zh) | 一种装卸时长的确定方法、装置、设备和存储介质 | |
CN115170304A (zh) | 风险特征描述的提取方法和装置 | |
CN115580018A (zh) | 储能系统安全监测方法、装置、设备及存储介质 | |
CN110696807B (zh) | 堵车工况发动机停机控制方法、车辆及存储介质 | |
US20240025422A1 (en) | Electric vehicle energy management method based on bend prediction, terminal device, and storage medium | |
Konovalov et al. | Queueing systems with renovation vs. queues with red. supplementary material | |
CN115373369B (zh) | 车辆故障诊断系统及方法 | |
CN113936347B (zh) | 一种停车计费方法、停车计费装置以及终端设备 | |
CN114697209B (zh) | 一种云边协同计算资源配置方法及配置系统 | |
CN116721556B (zh) | 车辆管控方法、系统、设备及介质 | |
CN116774064B (zh) | 电池自放电检测方法、装置、设备和存储介质 | |
JP2022156739A (ja) | 情報処理装置、移動体、プログラム、及び情報処理方法 | |
CN116476855A (zh) | 车辆信号周期性告警方法、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 |