WO2021217637A1 - 终端策略配置方法、装置、计算机设备和存储介质 - Google Patents
终端策略配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- WO2021217637A1 WO2021217637A1 PCT/CN2020/088462 CN2020088462W WO2021217637A1 WO 2021217637 A1 WO2021217637 A1 WO 2021217637A1 CN 2020088462 W CN2020088462 W CN 2020088462W WO 2021217637 A1 WO2021217637 A1 WO 2021217637A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- event
- analyzed
- terminal
- vehicle
- strategy
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
Definitions
- This application relates to a method, device, computer equipment, and storage medium for configuring a terminal policy.
- a terminal policy configuration method is provided.
- a method for configuring a terminal strategy includes:
- each service is assigned a sending interface, so that when the corresponding demand event needs to be sent, the corresponding service is called
- the sending interface of each service is used to send data, and the data sent by each service is complementary and decoupled, so that a problem with one sending interface will not affect the normal operation of other services.
- the cloud can analyze more valuable events through big data, eliminate redundant or redundant events, and reduce frequency.
- vehicle speed and engine speed can indicate the current running time of the vehicle, and the state of the vehicle does not need to be collected. This saves some workload that does not need to be collected.
- for collecting GPS location if you only need the information of the living circle, you do not need to upload the data in a second-level frequency, you can cache the data for 1 minute and upload it every 1 minute to reduce the load.
- the statistics of the number of door openings do not need to be uploaded every time it occurs, but can be uploaded once a day, and the counting is done by the terminal, which reduces the frequency.
- abnormal events are classified through vehicle longitudinal data analysis and vehicle lateral data analysis of the same type, so that corresponding adjustment strategies can be configured for different types of events, thereby improving processing efficiency.
- the optimizing operation according to the demand includes: obtaining the data demand corresponding to each service, extracting the demand events contained in the data demand; judging whether the terminal strategy includes the collection of demand events; when the terminal strategy does not include demand events When collecting, increase the adjustment strategy of demand events.
- the terminal strategy configuration method provided in this embodiment is similar to a water purifier analysis device, and is divided into four layers: event collection, abnormal event analysis, big data analysis, and information analysis.
- the event collection layer is responsible for collecting data uploaded by all vehicles and entering it into the database. At the same time, it conducts pre-checks when storing the data, and checks the data according to horizontal and vertical strategies. If the event data has changed from the previous or the same data of the same type of vehicle If there is a big difference, it is judged as an abnormal event and marked, and at the same time, an "upload log" request is issued to the vehicle terminal, and the uploaded log is saved and marked, for example, saved to the initial event memory.
- the big data analysis layer gets the event from the "correction event memory", performs "bicycle longitudinal data analysis” (comparison of historical data and current data), horizontal data analysis (other cars of the same model), and then “categorizes the event” “Summary” and save to the “valuable database”, so that the big data analysis operation optimizes the terminal strategy, and the big data analysis performs more in-depth analysis, increases the value of the event, and eliminates/reduces the frequency of redundant or redundant events.
- the first thing that is received is the vehicle terminal after event sorting on the collected raw data of the vehicle.
- This can reduce the redundant data processing of the server, and the server performs abnormal events on the event to be analyzed during processing.
- this embodiment establishes an upgrade optimization strategy that supports iterative updates. During the operation of the system, events can be increased or decreased by themselves, and the strategy can be optimized. After a period of operation, the cost-effectiveness of events/data volume can be reflected, and finally formed A classic configuration is passed to other models as a template to solve the problem of "don't know what data is valuable".
- the first adjustment strategy generation module is used to generate an adjustment strategy based on abnormal events when the log file is not necessary to collect data.
- the first extraction unit is used to extract historical vehicle data corresponding to the event to be analyzed, and extract historical events corresponding to the event to be analyzed from the historical vehicle data;
- the first judging unit is used to judge whether the event to be analyzed has changed according to historical events
- the event obtaining unit is used to obtain the first vehicle event uploaded by the vehicle of the same vehicle type and of the same type as the event to be analyzed;
- the fourth extraction unit is configured to determine that the event to be analyzed corresponding to the first difference value that is not less than the first preset value is an abnormal event when the first difference value is not less than the first preset value.
- the horizontal analysis module is used to analyze the longitudinal data of the vehicle and the horizontal data of the same type of vehicle for abnormal events;
- the fourth adjustment strategy generation module is used to generate an adjustment strategy corresponding to the demand event when the terminal strategy corresponding to the demand event needs to be adjusted.
- a computer device is provided.
- the computer device may be a server, and its internal structure diagram may be as shown in FIG. 5.
- the computer equipment includes a processor, a memory, and a network interface connected through a system bus. Among them, the processor of the computer device is used to provide calculation and control capabilities.
- the memory of the computer device includes a non-volatile storage medium and an internal memory.
- the non-volatile storage medium stores an operating system, computer readable instructions, and a database.
- the internal memory provides an environment for the operation of the operating system and computer-readable instructions in the non-volatile storage medium.
- the database of the computer equipment is used to store the events to be analyzed.
- the network interface of the computer device is used to communicate with an external terminal through a network connection. When the computer-readable instruction is executed by the processor, a terminal policy configuration method is realized.
- the determination of whether the event to be analyzed is an abnormal event realized when the processor executes the computer-readable instruction includes: extracting historical vehicle data corresponding to the event to be analyzed, and extracting the event to be analyzed from the historical vehicle data Corresponding historical event; judge whether the event to be analyzed has changed according to the historical event; when the event to be analyzed changes, it is determined that the changed event to be analyzed is an abnormal event.
- the big data analysis operations involved when the processor executes the computer-readable instructions include: vehicle longitudinal data analysis on abnormal events and lateral data analysis of vehicles of the same type; calculating the value of the analyzed abnormal events according to The value classifies the analyzed abnormal events; obtains the strategy generation rules corresponding to each classification; according to the strategy generation rules, generates the adjustment strategies corresponding to the abnormal events in each classification.
- the determination of whether the event to be analyzed is an abnormal event realized when the computer-readable instruction is executed by the processor includes: extracting historical vehicle data corresponding to the event to be analyzed, and extracting and analyzing the historical vehicle data from the historical vehicle data.
- the historical event corresponding to the event determine whether the event to be analyzed has changed according to the historical event; when the event to be analyzed changes, it is determined that the changed event to be analyzed is an abnormal event.
- the big data analysis operations involved when the computer-readable instructions are executed by the processor include: vehicle longitudinal data analysis on abnormal events and lateral data analysis of vehicles of the same type; calculating the value of the analyzed abnormal events, Classify the analyzed abnormal events according to the value; obtain the strategy generation rules corresponding to each classification; according to the strategy generation rules, generate the adjustment strategies corresponding to the abnormal events in each classification.
- the classification involved when the computer-readable instruction is executed by the processor includes a valuable type, a non-value type, and a redundant type;
- the policy generation rules include a valuable type of policy addition rule, and a non-value type of policy. Deletion rules and redundant collection frequency reduction rules.
- the computer-readable instruction after the computer-readable instruction is executed by the processor to determine whether the terminal strategy includes the collection of demand events, it further includes: when the terminal strategy includes the collection of demand events, determining the corresponding demand event Whether the terminal strategy needs to be adjusted; when the terminal strategy corresponding to the demand event needs to be adjusted, the adjustment strategy corresponding to the demand event is generated.
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
一种终端策略配置方法，包括：接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
Description
本申请涉及一种终端策略配置方法、装置、计算机设备和存储介质。
现代汽车工业快速发展，自动驾驶，车联网，远程等各种新型功能和用户体验被引入到汽车中，汽车的复杂度几何级的提升，车内通信负载从原先的30-40％到现在70-90％，翻了一倍多，从而对于车辆的运行监控和异常行为的捕获带来了很大的困扰，自从有了车联网之后，数据可以实时上传到云端，大量的数据上传之后进行汇总，利用数据统计和模型算法进行各种大数据分析。
然而，发明人意识到，目前车辆终端会采集所有的车辆数据并上传至服务器，但是有的车辆数据随着时间变化是不需要的，这样继续进行采集，会造成数据传输负荷以及服务器端的数据分析负荷。
发明内容
根据本申请公开的各种实施例，提供一种终端策略配置方法、装置、计算机设备和存储介质。
一种终端策略配置方法，包括：
接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；
通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及
通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
判定发生变化的所述待分析事件为异常事件判断所述待分析事件是否为异常事件判定与不小于所述第一预设值的所述第一差异值对应的所述待分析事件为异常事件一种终端策略配置装置，包括：
接收模块，用于接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；
调整策略生成模块，用于通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及
发送模块，用于通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
一种计算机设备，包括存储器和一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述一个或多个处理器执行以下步骤：
接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；
通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及
通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
一个或多个存储有计算机可读指令的非易失性计算机可读指令存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：
接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；
通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及
通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
本申请的一个或多个实施例的细节在下面的附图和描述中提出。本申请的其它特征和优点将从说明书、附图以及权利要求书变得明显。
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为根据一个或多个实施例中终端策略配置方法的应用环境图。
图2为根据一个或多个实施例中终端策略配置方法的流程示意图。
图3为根据另一个或多个实施例中终端策略配置方法的流程示意图。
图4为根据一个或多个实施例中终端策略配置装置的框图。
图5为根据一个或多个实施例中计算机设备的框图。
为了使本申请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仅用以解释本申请，并不用于限定本申请。
本申请提供的终端策略配置方法，可以应用于如图1所示的应用环境中。车辆终端102通过网络与云端104进行通信。其中车辆终端102采集车辆的原始数据，并将车辆原始数据进行事件分拣后发送给云端104，云端104通过预先设置的优化规则对待分析事件进行处理，得到调整策略；预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；这样云端通过调整策略对终端策略进行优化，并将优化后的终端策略下发至车辆终端。上述实施例中，首先所接收的是车辆终端对所采集的车辆原始数据进行事件分拣后所得到的，这样可以减少服务器的冗余数据处理，且服务器在处理的时候对待分析事件进行异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个，这样得到调整策略，从而可以通调整策略对终端策略进行优化，这样车辆终端根据新的终端策略来采集数据，减少了冗余数据，减少了服务器的资源占用，提高了数据的处理效率。车辆终端102可以但不限于是安装在车辆上的各种个人计算机、笔记本电脑、智能手机、平板电脑等，且每一台车内配置一个专用终端或者是一个满足采集需求替代控制器为载体，可以是硬件形式也可以以软件为载体植入已有终端，只要能获得车内网络数据和连接到云端，有配套数据记录载体即可。云端104可以用独立的云端或者是多个云端组成的云端集群来实现。
在其中一个实施例中，如图2所示，提供了一种终端策略配置方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收车辆终端发送的待分析事件，待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的。
具体地，待分析事件是车辆终端对车辆终端采集的车辆原始数据通过终端策略进行处理后所得到的，其中，该终端策略包括车辆终端根据车辆原始数据生成基本事件，然后对基本事件进行异常判断以得到异常事件，以及正常事件，对正常事件进行二次分拣，包括直接提取正常事件或者是根据多个正常事件生成一个待分析事件，其中异常事件以及二次分拣后的事件均可以作为待分析事件。这样首先将车辆原始数据生成基本事件，即以事件取代数据采集，可以减少数据的传输量，其次，对基本事件进行二次分拣，以减少无用事件的传输，从而进一步减少数据的传输。上述的生成基本事件的车辆原始数据包括但不限于事件型数据、数值型数据以及故障数据，从而所生成的基本事件包括但不限于事件型事件(比如刹车，开关门窗等信号量按照次数进行计数)、数值型事件(比如燃油量，发动机转速，车速等按照数值变化进行记录)以及故障事件(监测到故障信号之后记录故障事件，并且获取故障码记录)。
S204：通过预先设置的优化规则对待分析事件进行处理，得到调整策略；预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个。
具体地，预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个，其分别对应基本配置、智能配置中的推理型事件配置以及智能配置中的编程型事件配置。
具体地，基本配置分三种，主要用于车辆终端的“基本判定”，包括：基本型事件：常规数据的事件抽象及传输周期；触发型事件：按次触发，记录次数，上传频率；数值型事件：数值变化，数值异常，关联关系，抽象出事件；数值计算公式，平均值计算，最大最小值检查。
智能配置分两种，主要用于终端的事件的二次分拣，包括：推理型事件：简单逻辑运算抽象事件；推理流程，从基本事件、触发事件、数值事件中进行二次提取，通过执行顺序，相互关系，云端配置算法来抽象出事件。编程型事件：大数据计算往往在初始数据的第一步提取或者分析上的算法和逻辑是比较简单，这部分工作可以由云端进行“自定义”的部分程序算法编译后下载到终端中，提供可配置的触发条件，提供函数执行调用API接口，需要的输入和输出数据或者事件，执行之后给出事件对象，直接上传。
其中，云端在进行数据处理的时候可以包括异常事件的检测、大数据分析以及根据需求进行信息分享等几个步骤，通过这几个步骤对待分析事件依次进行分析以不断地优化上述的终端策略。
其中，异常事件的检测主要是为了对增加的异常事件生产调整策略，由于正常事件是一般都是一样的，其价值是远远低于异常事件的，例如车辆终端上的数据大部分都是按照周期发送的，车辆正常开了1小时，车速信号就有几千条报文(10ms周期)，这样大部分事件内同一事件其采集的数据都是一样的，但是若是存在异常事件，例如车速突然从0加到100，或者突然从80降到0，这个异常事件则可以分析车况和事故，驾驶行为。整车的正常数据都是时时刻刻在传输的，如果都分析数据量太大。所以只有分析出现问题的数据才是有价值的，平时正常开车数据没价值，反而占用了大量的云端资源。因此只有在确定出现异常事件的时候，去采集数据才会有价值的数据，所以可以在云端增加异常的检测，当该异常事件没有对应的终端策略时，则需要增加，如果存在，则需要判断是否需要上传日志等。云端将异常事件进行筛选分析，可由云端计算机自主分析，也可以人工分析，进行判定是否是一个有价值的事件，是否有必要增加车辆终端的事件采集项，或者忽略，设计车辆终端如何捕获事件的策略，后续相同事件是否需要上传log(减少log上传的频次)等。
大数据分析则是为了纵向和/或横向对车辆终端上传的大量数据进行分析，分类汇总，这样可以使得有价值的事件增加，多余或冗余事件踢除/降低频次等，例如首先按照标准事件用途对待分析事件进行分类，这样同一类中的数据进行单车纵向数据分析以及相同车型的其他车辆的横向数据分析，单车纵向数据分析是为了提取出在车辆纵向使用时间中变换较大的数据，而相同车辆的其他车辆的分析则是为了提取出其他车辆是否存在同样的异常数据的变化，若是，则可以进行同类型车辆的预测，例如为后续维修建议以及生活圈的 服务提供分析事件等。
信息分享则是根据各个服务对应的数据需求从有价值事件中提取出，符合各个服务的需求事件，这样各个服务对应的服务器则仅需要对该些需求事件进行分析，而没有必要处理大量的对其没有价值的事件，例如对新维度的事件捕获增加，无价值或已形成定论的事件减少。这样进一步减少了事件量，从而提高云端的处理，且信息分享的时候可以是多线程并行发送，例如分别为各个服务分配发送接口，这样当需要发送对应的需求事件的时候，则调用该服务对应的发送接口进行发送，各个服务发送数据互补干扰，解耦合，从而一个发送接口出现问题，并不会影响其他服务的正常运行。
S206：通过调整策略对终端策略进行优化，并将优化后的终端策略下发至车辆终端。
具体地，在云端生成调整策略后，则云端可以根据该调整策略对终端策略进行优化，并将优化后的终端策略下发至车辆终端，具体地，可以按照车辆终端、云端的迭代架构设计，建立一个终端策略优化输入，这样云端生成新的终端策略，然后将终端策略下发至车辆终端，车辆终端进行热升级后新的终端策略生效，从而车辆终端采集新数据上传。这样通过对终端策略不断循环迭代，策略越来越智能，数据越来越精炼，数据价值越来越大。
此外，终端策略还可以配置版本号，这样便于版本管理和云端对应，云端可以动态加载新的终端策略至车辆终端，实时更新，无需车辆终端进行编程升级软件等。
上述实施例中，首先所接收的是车辆终端对所采集的车辆原始数据进行事件分拣后所得到的，这样可以减少服务器的冗余数据处理，且服务器在处理的时候对待分析事件进行异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个，这样得到调整策略，从而可以通调整策略对终端策略进行优化，这样车辆终端根据新的终端策略来采集数据，减少了冗余数据，减少了服务器的资源占用，提高了数据的处理效率。
在其中一个实施例中，异常事件检测操作包括：判断待分析事件是否为异常事件，当待分析事件为异常事件时，则从车辆终端获取与异常事件对应的日志文件；从日志文件中提取异常特征，并根据异常特征确定日志文件是否为必要采集数据；当日志文件不为必要采集数据时，则根据异常事件生成调整策略。
具体地，本实施例给出了异常事件检测操作来得到调整策略的方法，其中，具体地，异常事件是指车辆终端上传的标识有异常标识的基本事件，该部分是车辆终端在生成基本事件后进行判断得到的。此外异常事件还包括云端对待分析事件与同车以前的事件进行比较得到的差异较大的事件以及与同类型车辆的相同数据存在较大差异的事件。
云端在判断出该部分异常事件后，则对该部分异常事件进行判断，是否需要详细的日志文件，该判断可以是根据异常事件是否是第一次发生，或者是异常事件发生的次数是否小于预设值来进行的，例如一个异常事件若是第一次发生，或者是发生的次数远远达不到分析的要求的时候，则云端需要向该异常事件对应的车辆终端发送日志请求指令，从而车辆终端可以将该日志请求指令所对应的异常日志发送至云端，以便于云端进行后续的处理。
云端在接收到终端上传的日志文件后，则从日志文件中提取异常特征，例如可以从日志文件中提取异常情况的代码，然后查询异常情况的代码所代表的异常类型，云端再将该异常类型输入值预先设置的数据模型中，这样判断日志文件是否为必要采集数据，其中数据模型可以根据历史上该异常事件所对应的日志文件进行分析，例如判断当前该异常事件对应的日志文件与历史上相同的异常事件对应的日志文件是否相同，若是相同，则云端判定该日志文件不是必要采集数据，否则判定该日志文件是必要采集数据。
若云端判定该日志文件是必要采集数据，则配置每次生成事件后进行日志文件采集的调整策略，否则根据异常事件生成调整策略，例如生成针对该异常事件的事件生成策略，包括事件的需求、对事件如何进行分析、所选采集的数据等。也就是说云端设计车辆终端如何捕获事件的策略，后续相同事件是否需要上传日志(减少日志上传的频次)，形成新的事件。
上述实施例中，服务器在处理的时候优先提取异常事件，这样由于车辆在行驶过程中，正常的数据其价值是远不及异常数据的，因此这样进一步的处理，减少了冗余数据。
在其中一个实施例中，判断待分析事件是否为异常事件，包括：提取待分析事件对应的历史车辆数据，并从历史车辆数据中提取与待分析事件对应的历史事件；根据历史事件判断待分析事件是否发生变化；当待分析事件发生变化时，则判定发生变化的待分析事件为异常事件。
上述实施例中，在判断待分析事件是否为异常事件的时候，可以进行纵向比对，即通过纵观全局的视角来确定车辆在行驶过程中的变化的数据，将该些数据作为异常数据，进行后续分析处理，减少了冗余数据，减少了服务器的资源占用，提高了数据的处理效率。
在其中一个实施例中，判断待分析事件是否为异常事件，包括：提取待分析事件对应的车辆的车型；获取与车型相同的车辆上传的、与待分析事件的类型相同的第一车辆事件；判断待分析事件与第一车辆事件的第一差异值是否小于第一预设值；当第一差异值不小于第一预设值时，则判定与不小于第一预设值的第一差异值对应的待分析事件为异常事件。
上述实施例中，在判断待分析事件是否为异常事件的时候，可以进行横向比对，即通过横向全局的视角来确定相同车型的对应的数据是否一致，将不一致的数据作为异常数据，进行后续分析处理，减少了冗余数据，减少了服务器的资源占用，提高了数据的处理效率。
具体地，云端在判断待分析事件是否为异常事件的时候，可以包括纵观全局的视角来确定车辆在行驶过程中的变化的数据以及通过横向全局的视角来确定相同车型的对应的数据是否一致，这样可以准确地提取出异常事件。
其中，云端可以获取到待分析事件，然后获取到待分析事件对应的车辆的标识(其可以唯一确定某一车辆)，根据该车辆的标识获取到对应的历史车辆数据，并从历史车辆数据中提取与待分析事件对应的历史事件，这样云端根据历史事件判断待分析事件是否发生变化，例如原来车速是正常的，突然车速发生了变化，则车速发生变化的待分析事件就是 异常事件。
如果通过纵观全局的视角来确定车辆在行驶过程中待分析事件是一致的，则云端可以继续通过横向全局的视角来确定相同车型的对应的数据是否一致，例如可以获取到车辆相同的车辆上传的、与待分析事件的类型相同的第一车辆事件，判断待分析事件与第一车辆事件的第一差异值是否小于第一预设值；当第一差异值不小于第一预设值时，则判定与不小于第一预设值的第一差异值对应的待分析事件为异常事件。此外，横向和纵向的判断可以是串行的处理或者是并行的处理，通过并行的处理可以提高处理的效率。
在其中一个实施例中，大数据分析操作包括：对异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；计算分析后的异常事件的价值，根据价值对分析后的异常事件进行分类；获取各个分类对应的策略生成规则；根据策略生成规则，生成各个分类中的异常事件对应的调整策略。
在其中一个实施例中，分类包括有价值类型、无价值类型以及冗余类型；策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
具体地，云端可以对异常事件进行“单车纵向数据分析”(历史数据和当前数据对比)，横向数据分析(相同车型的其他车)，然后进行事件的“分类汇总”，例如按照有价值类型、无价值类型以及冗余类型进行分类，保存到“有价值数据库”。其中根据对异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析后，可以确定各异常事件的价值，例如纵向分析的时候，异常事件的差值越大则说明价值越大，横向分析时，异常事件的出现频率或次数越大则价值越大，云端可以根据该规则定义异常事件的价值计算规则，然后云端对所计算得到的价值进行范围确定，例如若落在有价值类型对应的价值范围时，则判定对应的异常事件为有价值事件；若落在无价值类型对应的价值范围时，则判定对应的异常事件为无价值事件；若落在冗余类型对应的价值范围时，则判定对应的异常事件为冗余事件。
这样云端可以通有价值数据库中获取各个分类的异常事件，然后云端再获取各个分类对应的策略生成规则，包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则；根据策略生成规则，生成各个分类中的异常事件对应的调整策略。
在实际应用中，云端可以通过大数据分析更有价值的事件增加、多余或冗余事件剔除/降低频次等。比如：车速、发动机转速都能表示车辆当前运行的时长，车辆的状态，则就不需要都去采集。这样就省掉一些不需要采集的工作量。另外比如对于采集GPS的位置，如果只是需要生活圈的信息，不需要按照秒级的频度上传数据，可以缓存1分钟的数据，按照1分钟上传一次，降低负荷。另外比如开门的次数统计，不需要每次发生都上传，可以一天上传一次，把计数的事情由终端来做，降低了频次。
云端通过大数据分析，可以针对不同分类的异常事件生成对应的调整策略，从而对终端策略进行调整，这样可以提高处理效率。
上述实施例中，通过车辆纵向数据分析以及同类型车辆横向数据分析来对异常事件进行分类，这样可以针对不同类型的事件来配置对应的调整策略，从而提高处理效率。
在其中一个实施例中，根据需求优化操作包括：获取各服务对应的数据需求，提取数据需求所包含的需求事件；判断终端策略中是否包括需求事件的采集；当终端策略中不包括需求事件的采集时，则增加需求事件的调整策略。
在其中一个实施例中，判断终端策略中是否包括需求事件的采集之后，还包括：当终端策略中包括需求事件的采集时，判断需求事件对应的终端策略是否需要调整；当需求事件对应的终端策略需要调整时，则生成需求事件对应的调整策略。
具体地，根据需求优化操作是根据外部服务的需求的变化，对新维度的事件增加采集，无价值或者是已形成定论的事件减少采集或者是不再采集的操作。
具体地，信息分析层对有价值的，经过层层提炼的数据精华进行分析，可按照信息的各种用途，比如车辆运行状态，车主生活圈，通过驾驶行为分析UBI保险模型，预测车辆故障提出维修建议，分析车辆的功能使用情况，提供车型升级的数据支撑，根据车辆的使用情况，和同类车的比较，评估二手车的价值，等等各种大数据应用，发觉数据价值。
具体地，由于随着技术的发展，服务会增加，且某些事件会形成定论，因此，对于新增加的服务，也就是说终端策略中不包括对于该些服务所包含的需求事件的采集时，则云端配置关于该些需求事件的调整策略，例如增加该些需求事件的采集等，这样可以为对应的服务提供数据分析。
此外，由于随着技术的发展，有的事件会形成定论，因此云端判断终端策略中是否包含该些已经形成定论的事件的采集，例如用户可以在云端配置该些已经形成定论的事件，并进行标记，从而云端可以去查询现有的终端策略中是否包含该事件，如果包含，则生成删除该事件的采集或者至降低该事件的采集频率的调整策略等。
此外，对于新服务或者是已有服务的处理，云端具有可扩展性，支持编程逻辑，可以通过“编程型事件”将云端数据分析的一部分数据加工的程序，或者算法下载到车辆终端运行，然后将半成品上传到云端继续计算，真正意义上的扩展了应用范围和灵活性。
上述实施例中，根据各个服务的数据需求可以确定事件是否需要采集，当终端策略中不包括所述需求事件的采集时，则增加所述需求事件的调整策略，这样可以方便后续服务的使用。此外，根据各个服务的数据需求可以确定事件是否需要采集，当终端策略中包括所述需求事件的采集时，则判断所述需求事件对应的终端策略是否需要调整；当所述需求事件对应的终端策略需要调整时，则生成所述需求事件对应的调整策略，这样可以方便后续服务的使用，且还可以减少冗余数据。
具体地，请参阅图3，图3为另一个实施例中的终端策略配置方法的流程图。
本实施例提供的终端策略配置方法类似一个净水器分析的装置，分成四层：事件采集、异常事件分析、大数据分析、信息分析。首先，事件采集层负责收集所有车辆上传的数据，录入数据库，同时在存储数据的时候进行预检，按照横向和纵向策略进行数据检查，如果 事件数据和以前有变化或者和同类型车辆的相同数据有较大差异，则判定为异常事件，进行标记，同时向车辆终端发出“上传日志”请求，并将上传的日志保存和标记，例如保存到初始事件存储器。
其次，异常事件分析层，将异常事件进行筛选分析，可由云端计算机自主分析，也可以人工分析，进行判定是否是一个有价值的事件，是否有必要增加终端的事件采集项，或者忽略，设计终端如何捕获事件的策略，后续相同事件是否需要上传日志(减少日志上传的频次)，形成新的事件项归入“校正事件存储器”，这样通过异常事件检测操作对终端策略进行优化，异常事件的监控增加，是否需要日志文件上传等。
再次，大数据分析层从“校正事件存储器”中拿到事件，进行“单车纵向数据分析”(历史数据和当前数据对比)，横向数据分析(相同车型的其他车)，然后进行事件的“分类汇总”，保存到“有价值数据库”，这样大数据分析操作对终端策略进行优化，大数据分析更深入地进行分析，对有价值的事件增加，多余或冗余事件踢除/降低频次。
最后，信息分析层对有价值的，经过层层提炼的数据精华进行分析，可按照信息的各种用途，比如车辆运行状态，车主生活圈，通过驾驶行为分析UBI保险模型，预测车辆故障提出维修建议，分析车辆的功能使用情况，提供车型升级的数据支撑，根据车辆的使用情况，和同类车的比较，评估二手车的价值，等等各种大数据应用，发觉数据价值，这样根据需求进行的优化操作，对新维度的事件捕获增加，无价值或已形成定论的事件减少。
最后，云端根据这些优化的调整策略形成新的终端策略。
上述实施例中，首先所接收的是车辆终端对所采集的车辆原始数据进行事件分拣后所得到的，这样可以减少服务器的冗余数据处理，且服务器在处理的时候对待分析事件进行异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个，这样得到调整策略，从而可以通调整策略对终端策略进行优化，这样车辆终端根据新的终端策略来采集数据，减少了冗余数据，减少了服务器的资源占用，提高了数据的处理效率。且本实施例建立了一个支持迭代更新的升级优化策略，在系统运行期间中可以自行进行事件的增减，策略的优化，在运行一段时间之后事件/数据量的性价比就可以体现出来，最终形成一个经典配置，传递给其他车型作为模板，解决“不知道什么数据是有价值的”的问题。
应该理解的是，虽然图2-3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-3中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在其中一个实施例中，如图4所示，提供了一种终端策略配置装置，包括：接收模块100、调整策略生成模块200和发送模块300，其中：
接收模块100，用于接收车辆终端发送的待分析事件，待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；
调整策略生成模块200，用于通过预先设置的优化规则对待分析事件进行处理，得到调整策略；预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；
发送模块300，用于通过调整策略对终端策略进行优化，并将优化后的终端策略下发至车辆终端。
在其中一个实施例中，上述的终端策略配置装置还可以包括：
第一判断模块，用于判断待分析事件是否为异常事件，当待分析事件为异常事件时，则从车辆终端获取与异常事件对应的日志文件；
确定模块，用于从日志文件中提取异常特征，并根据异常特征确定日志文件是否为必要采集数据；
第一调整策略生成模块，用于当日志文件不为必要采集数据时，则根据异常事件生成调整策略。
在其中一个实施例中，上述的第一判断模块可以包括：
第一提取单元，用于提取待分析事件对应的历史车辆数据，并从历史车辆数据中提取与待分析事件对应的历史事件；
第一判断单元，用于根据历史事件判断待分析事件是否发生变化；
第二提取单元，用于当待分析事件发生变化时，则判定发生变化的待分析事件为异常事件。
在其中一个实施例中，上述的第一判断模块还可以包括：
第三提取单元，用于提取待分析事件对应的车辆的车型；
事件获取单元，用于获取与车型相同的车辆上传的、与待分析事件的类型相同的第一车辆事件；
第二判断单元，用于判断待分析事件与第一车辆事件的第一差异值是否小于第一预设值；
第四提取单元，用于当第一差异值不小于第一预设值时，则判定与不小于第一预设值的第一差异值对应的待分析事件为异常事件。
在其中一个实施例中，上述的终端策略配置装置还可以包括：
横向分析模块，用于对异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；
分类模块，用于计算分析后的异常事件的价值，根据价值对分析后的异常事件进行分类；
规则获取模块，用于获取各个分类对应的策略生成规则；
第二调整策略生成模块，用于根据策略生成规则，生成各个分类中的异常事件对应的 调整策略。
在其中一个实施例中，分类包括有价值类型、无价值类型以及冗余类型；
策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
在其中一个实施例中，上述的终端策略配置装置还可以包括：
需求事件获取模块，用于获取各服务对应的数据需求，提取数据需求所包含的需求事件；
第二判断模块，用于判断终端策略中是否包括需求事件的采集；
第三调整策略生成模块，用于当终端策略中不包括需求事件的采集时，则增加需求事件的调整策略。
在其中一个实施例中，上述的终端策略配置装置还可以包括：
第三判断模块，用于当终端策略中包括需求事件的采集时，判断需求事件对应的终端策略是否需要调整；
第四调整策略生成模块，用于当需求事件对应的终端策略需要调整时，则生成需求事件对应的调整策略。
关于终端策略配置装置的具体限定可以参见上文中对于终端策略配置方法的限定，在此不再赘述。上述终端策略配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在其中一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机可读指令和数据库。该内存储器为非易失性存储介质中的操作系统和计算机可读指令的运行提供环境。该计算机设备的数据库用于存储待分析事件。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机可读指令被处理器执行时以实现一种终端策略配置方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
一种计算机设备，包括存储器和一个或多个处理器，存储器中储存有计算机可读指令，计算机可读指令被处理器执行时，使得一个或多个处理器执行以下步骤：接收车辆终端发送的待分析事件，待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对待分析事件进行处理，得到调整策略；预先设置的优化规 则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；通过调整策略对终端策略进行优化，并将优化后的终端策略下发至车辆终端。
在其中一个实施例中，处理器执行计算机可读指令时所涉及的异常事件检测操作包括：判断待分析事件是否为异常事件，当待分析事件为异常事件时，则从车辆终端获取与异常事件对应的日志文件；从日志文件中提取异常特征，并根据异常特征确定日志文件是否为必要采集数据；当日志文件不为必要采集数据时，则根据异常事件生成调整策略。
在其中一个实施例中，处理器执行计算机可读指令时所实现的判断待分析事件是否为异常事件，包括：提取待分析事件对应的历史车辆数据，并从历史车辆数据中提取与待分析事件对应的历史事件；根据历史事件判断待分析事件是否发生变化；当待分析事件发生变化时，则判定发生变化的待分析事件为异常事件。
在其中一个实施例中，处理器执行计算机可读指令时所实现的判断待分析事件是否为异常事件，包括：提取待分析事件对应的车辆的车型；获取与车型相同的车辆上传的、与待分析事件的类型相同的第一车辆事件；判断待分析事件与第一车辆事件的第一差异值是否小于第一预设值；当第一差异值不小于第一预设值时，则判定与不小于第一预设值的第一差异值对应的待分析事件为异常事件。
在其中一个实施例中，处理器执行计算机可读指令时所涉及的大数据分析操作包括：对异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；计算分析后的异常事件的价值，根据价值对分析后的异常事件进行分类；获取各个分类对应的策略生成规则；根据策略生成规则，生成各个分类中的异常事件对应的调整策略。
在其中一个实施例中，处理器执行计算机可读指令时所涉及的分类包括有价值类型、无价值类型以及冗余类型；策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
在其中一个实施例中，处理器执行计算机可读指令时所涉及的根据需求优化操作包括：获取各服务对应的数据需求，提取数据需求所包含的需求事件；判断终端策略中是否包括需求事件的采集；当终端策略中不包括需求事件的采集时，则增加需求事件的调整策略。
在其中一个实施例中，处理器执行计算机可读指令时所实现的判断终端策略中是否包括需求事件的采集之后，还包括：当终端策略中包括需求事件的采集时，判断需求事件对应的终端策略是否需要调整；当需求事件对应的终端策略需要调整时，则生成需求事件对应的调整策略。
一个或多个存储有计算机可读指令的非易失性计算机可读存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行以下步骤：接收车辆终端发送的待分析事件，待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对待分析事件进行处理，得到调整策略；预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；通过调整策 略对终端策略进行优化，并将优化后的终端策略下发至车辆终端。
在其中一个实施例中，计算机可读指令被处理器执行时所涉及的异常事件检测操作包括：判断待分析事件是否为异常事件，当待分析事件为异常事件时，则从车辆终端获取与异常事件对应的日志文件；从日志文件中提取异常特征，并根据异常特征确定日志文件是否为必要采集数据；当日志文件不为必要采集数据时，则根据异常事件生成调整策略。
在其中一个实施例中，计算机可读指令被处理器执行时所实现的判断待分析事件是否为异常事件，包括：提取待分析事件对应的历史车辆数据，并从历史车辆数据中提取与待分析事件对应的历史事件；根据历史事件判断待分析事件是否发生变化；当待分析事件发生变化时，则判定发生变化的待分析事件为异常事件。
在其中一个实施例中，计算机可读指令被处理器执行时所实现的判断待分析事件是否为异常事件，包括：提取待分析事件对应的车辆的车型；获取与车型相同的车辆上传的、与待分析事件的类型相同的第一车辆事件；判断待分析事件与第一车辆事件的第一差异值是否小于第一预设值；当第一差异值不小于第一预设值时，则判定与不小于第一预设值的第一差异值对应的待分析事件为异常事件。
在其中一个实施例中，计算机可读指令被处理器执行时所涉及的大数据分析操作包括：对异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；计算分析后的异常事件的价值，根据价值对分析后的异常事件进行分类；获取各个分类对应的策略生成规则；根据策略生成规则，生成各个分类中的异常事件对应的调整策略。
在其中一个实施例中，计算机可读指令被处理器执行时所涉及的分类包括有价值类型、无价值类型以及冗余类型；策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
在其中一个实施例中，计算机可读指令被处理器执行时所涉及的根据需求优化操作包括：获取各服务对应的数据需求，提取数据需求所包含的需求事件；判断终端策略中是否包括需求事件的采集；当终端策略中不包括需求事件的采集时，则增加需求事件的调整策略。
在其中一个实施例中，计算机可读指令被处理器执行时所实现的判断终端策略中是否包括需求事件的采集之后，还包括：当终端策略中包括需求事件的采集时，判断需求事件对应的终端策略是否需要调整；当需求事件对应的终端策略需要调整时，则生成需求事件对应的调整策略。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一非易失性计算机可读取存储介质中，该计算机可读指令在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可 包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
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。
以上所述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 (20)
- 一种终端策略配置方法，包括：接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
- 根据权利要求1所述的方法，其特征在于，所述异常事件检测操作包括：判断所述待分析事件是否为异常事件，当所述待分析事件为异常事件时，则从所述车辆终端获取与所述异常事件对应的日志文件；从所述日志文件中提取异常特征，并根据所述异常特征确定所述日志文件是否为必要采集数据；及当所述日志文件不为必要采集数据时，则根据所述异常事件生成调整策略。
- 根据权利要求2所述的方法，其特征在于，所述判断所述待分析事件是否为异常事件，包括：提取所述待分析事件对应的历史车辆数据，并从所述历史车辆数据中提取与所述待分析事件对应的历史事件；根据所述历史事件判断所述待分析事件是否发生变化；及当所述待分析事件发生变化时，则判定发生变化的所述待分析事件为异常事件。
- 根据权利要求2或3所述的方法，其特征在于，所述判断所述待分析事件是否为异常事件，包括：提取所述待分析事件对应的车辆的车型；获取与所述车型相同的车辆上传的、与所述待分析事件的类型相同的第一车辆事件；判断所述待分析事件与所述第一车辆事件的第一差异值是否小于第一预设值；及当所述第一差异值不小于第一预设值时，则判定与不小于所述第一预设值的所述第一差异值对应的所述待分析事件为异常事件。
- 根据权利要求1所述的方法，其特征在于，所述大数据分析操作包括：对所述异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；计算分析后的异常事件的价值，根据所述价值对分析后的异常事件进行分类；获取各个分类对应的策略生成规则；及根据所述策略生成规则，生成各个分类中的异常事件对应的调整策略。
- 根据权利要求5所述的方法，其特征在于，所述分类包括有价值类型、无价值类型以及冗余类型；所述策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
- 根据权利要求1所述的方法，其特征在于，所述根据需求优化操作包括：获取各服务对应的数据需求，提取所述数据需求所包含的需求事件；判断所述终端策略中是否包括所述需求事件的采集；及当所述终端策略中不包括所述需求事件的采集时，则增加所述需求事件的调整策略。
- 根据权利要求7所述的方法，其特征正在于，所述判断所述终端策略中是否包括所述需求事件的采集之后，还包括：当所述终端策略中包括所述需求事件的采集时，判断所述需求事件对应的终端策略是否需要调整；及当所述需求事件对应的终端策略需要调整时，则生成所述需求事件对应的调整策略。
- 一种终端策略配置装置，包括：接收模块，用于接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；调整策略生成模块，用于通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及发送模块，用于通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
- 一种计算机设备，包括存储器及一个或多个处理器，所述存储器中储存有计算机可读指令，所述计算机可读指令被所述一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
- 根据权利要求10所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所涉及的所述异常事件检测操作包括：判断所述待分析事件是否为异常事件，当所述待分析事件为异常事件时，则从所述车辆终端获取与所述异常事件对应的日志文件；从所述日志文件中提取异常特征，并根据所述异常特征确定所述日志文件是否为必要采集数据；及当所述日志文件不为必要采集数据时，则根据所述异常事件生成调整策略。
- 根据权利要求11所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所实现的所述判断所述待分析事件是否为异常事件，包括：提取所述待分析事件对应的历史车辆数据，并从所述历史车辆数据中提取与所述待分析事件对应的历史事件；根据所述历史事件判断所述待分析事件是否发生变化；及当所述待分析事件发生变化时，则判定发生变化的所述待分析事件为异常事件。
- 根据权利要求11或12所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所实现的所述判断所述待分析事件是否为异常事件，包括：提取所述待分析事件对应的车辆的车型；获取与所述车型相同的车辆上传的、与所述待分析事件的类型相同的第一车辆事件；判断所述待分析事件与所述第一车辆事件的第一差异值是否小于第一预设值；及当所述第一差异值不小于第一预设值时，则判定与不小于所述第一预设值的所述第一差异值对应的所述待分析事件为异常事件。
- 根据权利要求10所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所涉及的所述大数据分析操作包括：对所述异常事件进行车辆纵向数据分析以及同类型车辆横向数据分析；计算分析后的异常事件的价值，根据所述价值对分析后的异常事件进行分类；获取各个分类对应的策略生成规则；及根据所述策略生成规则，生成各个分类中的异常事件对应的调整策略。
- 根据权利要求14所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所涉及的所述分类包括有价值类型、无价值类型以及冗余类型；所述处理器执行所述计算机可读指令时所涉及的所述策略生成规则包括有价值类型的策略增加规则、无价值类型的策略删除规则以及冗余类型的采集频率降低规则。
- 根据权利要求10所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所涉及的所述根据需求优化操作包括：获取各服务对应的数据需求，提取所述数据需求所包含的需求事件；判断所述终端策略中是否包括所述需求事件的采集；及当所述终端策略中不包括所述需求事件的采集时，则增加所述需求事件的调整策略。
- 根据权利要求16所述的计算机设备，其特征在于，所述处理器执行所述计算机可读指令时所实现的所述判断所述终端策略中是否包括所述需求事件的采集之后，还包括：当所述终端策略中包括所述需求事件的采集时，判断所述需求事件对应的终端策略是否需要调整；及当所述需求事件对应的终端策略需要调整时，则生成所述需求事件对应的调整策略。
- 一个或多个存储有计算机可读指令的非易失性计算机可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行以下步骤：接收车辆终端发送的待分析事件，所述待分析事件是车辆终端根据终端策略对所采集的车辆原始数据计算得到的；通过预先设置的优化规则对所述待分析事件进行处理，得到调整策略；所述预先设置的优化规则包括异常事件检测操作、大数据分析操作以及根据需求优化操作中的至少一个；及通过所述调整策略对所述终端策略进行优化，并将优化后的终端策略下发至所述车辆终端。
- 根据权利要求18所述的存储介质，其特征在于，所述计算机可读指令被所述处理器执行时所涉及的所述异常事件检测操作包括：判断所述待分析事件是否为异常事件，当所述待分析事件为异常事件时，则从所述车辆终端获取与所述异常事件对应的日志文件；从所述日志文件中提取异常特征，并根据所述异常特征确定所述日志文件是否为必要采集数据；及当所述日志文件不为必要采集数据时，则根据所述异常事件生成调整策略。
- 根据权利要求19所述的存储介质，其特征在于，所述计算机可读指令被所述处理器执行时所实现的所述判断所述待分析事件是否为异常事件，包括：提取所述待分析事件对应的历史车辆数据，并从所述历史车辆数据中提取与所述待分析事件对应的历史事件；根据所述历史事件判断所述待分析事件是否发生变化；及当所述待分析事件发生变化时，则判定发生变化的所述待分析事件为异常事件。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/088462 WO2021217637A1 (zh) | 2020-04-30 | 2020-04-30 | 终端策略配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| PCT/CN2020/088462 WO2021217637A1 (zh) | 2020-04-30 | 2020-04-30 | 终端策略配置方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2021217637A1 true WO2021217637A1 (zh) | 2021-11-04 |
Family
ID=78331664
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2020/088462 WO2021217637A1 (zh) | 2020-04-30 | 2020-04-30 | 终端策略配置方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2021217637A1 (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114640604A (zh) * | 2022-03-07 | 2022-06-17 | 深圳市百泰实业股份有限公司 | 一种蓝牙设备的无线数据测量系统及方法 |
| CN114785784A (zh) * | 2022-04-14 | 2022-07-22 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
| CN117290099A (zh) * | 2023-09-22 | 2023-12-26 | 深圳市金证科技股份有限公司 | 一种云平台的计算资源调整方法及装置 |
| CN117425153A (zh) * | 2023-12-18 | 2024-01-19 | 新华三网络信息安全软件有限公司 | 车联网终端的风险检测方法及装置 |
| CN117527860A (zh) * | 2024-01-05 | 2024-02-06 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150105968A1 (en) * | 2013-10-11 | 2015-04-16 | Kenton Ho | Computerized vehicle maintenance management system with embedded stochastic modelling |
| CN106469348A (zh) * | 2016-08-31 | 2017-03-01 | 厦门市杜若科技有限公司 | 一种动态调整传感器数据采集算法的方法与系统 |
| CN107249169A (zh) * | 2017-05-31 | 2017-10-13 | 厦门大学 | 车载网络环境下基于雾节点的事件驱动的数据收集方法 |
| WO2019142458A1 (ja) * | 2018-01-22 | 2019-07-25 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 車両監視装置、不正検知サーバ、および、制御方法 |
-
2020
- 2020-04-30 WO PCT/CN2020/088462 patent/WO2021217637A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150105968A1 (en) * | 2013-10-11 | 2015-04-16 | Kenton Ho | Computerized vehicle maintenance management system with embedded stochastic modelling |
| CN106469348A (zh) * | 2016-08-31 | 2017-03-01 | 厦门市杜若科技有限公司 | 一种动态调整传感器数据采集算法的方法与系统 |
| CN107249169A (zh) * | 2017-05-31 | 2017-10-13 | 厦门大学 | 车载网络环境下基于雾节点的事件驱动的数据收集方法 |
| WO2019142458A1 (ja) * | 2018-01-22 | 2019-07-25 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 車両監視装置、不正検知サーバ、および、制御方法 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114640604A (zh) * | 2022-03-07 | 2022-06-17 | 深圳市百泰实业股份有限公司 | 一种蓝牙设备的无线数据测量系统及方法 |
| CN114640604B (zh) * | 2022-03-07 | 2023-06-02 | 深圳市百泰实业股份有限公司 | 一种蓝牙设备的无线数据测量系统及方法 |
| CN114785784A (zh) * | 2022-04-14 | 2022-07-22 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
| CN114785784B (zh) * | 2022-04-14 | 2023-10-24 | 中国第一汽车股份有限公司 | 数据处理方法、装置、电子设备 |
| CN117290099A (zh) * | 2023-09-22 | 2023-12-26 | 深圳市金证科技股份有限公司 | 一种云平台的计算资源调整方法及装置 |
| CN117290099B (zh) * | 2023-09-22 | 2024-05-31 | 深圳市金证科技股份有限公司 | 一种云平台的计算资源调整方法及装置 |
| CN117425153A (zh) * | 2023-12-18 | 2024-01-19 | 新华三网络信息安全软件有限公司 | 车联网终端的风险检测方法及装置 |
| CN117425153B (zh) * | 2023-12-18 | 2024-03-26 | 新华三网络信息安全软件有限公司 | 车联网终端的风险检测方法及装置 |
| CN117527860A (zh) * | 2024-01-05 | 2024-02-06 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
| CN117527860B (zh) * | 2024-01-05 | 2024-04-09 | 河北普兰特生物科技有限公司 | 一种基于分布式系统的物联网通信方法、系统及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2021217637A1 (zh) | 终端策略配置方法、装置、计算机设备和存储介质 | |
| CN108415789B (zh) | 面向大规模混合异构存储系统的节点故障预测系统及方法 | |
| KR101984730B1 (ko) | 서버 장애 자동 예측 시스템 및 자동 예측 방법 | |
| WO2021217630A1 (zh) | 车辆数据上传方法、装置、计算机设备和存储介质 | |
| KR20190057300A (ko) | 자동차 보증 사기 예측을 위한 시스템 및 방법 | |
| CN109831478A (zh) | 基于规则及模型的分布式实时处理智能决策系统及方法 | |
| WO2021217624A1 (zh) | 车辆数据处理方法和系统 | |
| CN111583442B (zh) | 终端策略配置方法、装置、计算机设备和存储介质 | |
| CN113326177B (zh) | 一种指标异常检测方法、装置、设备及存储介质 | |
| CN117196066A (zh) | 智慧运维信息分析模型 | |
| US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
| CN111586155A (zh) | 车辆数据处理方法和系统 | |
| WO2021217626A1 (zh) | 车辆数据处理方法、装置、计算机设备和存储介质 | |
| CN114267178A (zh) | 一种车站的智能运营维护方法及装置 | |
| CN111123223A (zh) | 用于雷达健康管理的通用开发平台、管理系统及方法 | |
| US20170236071A1 (en) | Alarm management system | |
| CN115718674A (zh) | 一种数据容灾恢复方法及装置 | |
| CN111523609A (zh) | 车辆数据处理方法、装置、计算机设备和存储介质 | |
| Killeen | Knowledge-based predictive maintenance for fleet management | |
| CN117591860A (zh) | 一种数据异常检测方法及装置 | |
| CN110633314A (zh) | 车联网数据处理方法及装置 | |
| CN116662333A (zh) | 一种用于新能源设备的数据访问管理方法、系统 | |
| CN116432397A (zh) | 一种基于数据模型的轨道交通故障预警方法 | |
| CN115756922A (zh) | 一种故障预测诊断方法、装置、电子设备及存储介质 | |
| KR20200002433A (ko) | 빅데이터 분석을 이용한 통계적 품질 관리 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20933819 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 20933819 Country of ref document: EP Kind code of ref document: A1 |