本發(fā)明涉及智能網(wǎng)聯(lián)汽車設(shè)備，具體為一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法及平臺。

背景技術(shù)：

1、車聯(lián)網(wǎng)的概念源于物聯(lián)網(wǎng)，即車輛物聯(lián)網(wǎng)，是以行駛中的車輛為信息感知對象，借助新一代信息通信技術(shù)，實現(xiàn)車與x(即車與車、人、路、服務(wù)平臺)之間的網(wǎng)絡(luò)連接，提升車輛整體的智能駕駛水平，為用戶提供安全、舒適、智能、高效的駕駛感受與交通服務(wù)，同時提高交通運行效率，提升社會交通服務(wù)的智能化水平。

2、隨著智能網(wǎng)聯(lián)汽車的快速發(fā)展，車輛監(jiān)控與管理的需求日益迫切，然而，現(xiàn)有技術(shù)多依賴于單一云平臺，存在資源有限、數(shù)據(jù)處理能力不足、實時性差等問題，同時，不同的車輛監(jiān)管平臺數(shù)據(jù)難以共享，難以實現(xiàn)全域范圍內(nèi)的統(tǒng)一監(jiān)控與管理，因此我們需要提出一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法及平臺。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的在于提供一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法及平臺，本發(fā)明通過搭建多云控架構(gòu)平臺，整合了多個不同車輛監(jiān)管平臺的資源和數(shù)據(jù)流，并對車輛數(shù)據(jù)進行深度發(fā)掘和分析形成精準(zhǔn)預(yù)警和正確決策，為車輛監(jiān)控提供更全面、深入的支持，實現(xiàn)對全域范圍內(nèi)網(wǎng)聯(lián)車輛的實時監(jiān)控與高效管理，以解決上述背景技術(shù)中提出的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，包括以下步驟：

4、s1、多云控架構(gòu)搭建：設(shè)計并搭建基于多云控的全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺，包括硬件設(shè)備和軟件系統(tǒng)；

5、s2、大數(shù)據(jù)采集與融合：實時采集車輛狀態(tài)、道路環(huán)境、交通事件的多源數(shù)據(jù)，利用大數(shù)據(jù)融合技術(shù)，將多源數(shù)據(jù)進行清洗、整合，形成統(tǒng)一的車輛監(jiān)控數(shù)據(jù)集；

6、s3、數(shù)據(jù)分析：運用大數(shù)據(jù)技術(shù)，對存儲的數(shù)據(jù)進行深度分析和挖掘，提取有價值的信息，如車輛行駛軌跡、駕駛習(xí)慣、安全隱患；

7、s4、監(jiān)控預(yù)警：根據(jù)分析結(jié)果，對車輛進行實時監(jiān)控和預(yù)警，當(dāng)發(fā)現(xiàn)異?；驖撛谖ｋU時，提示駕駛員采取相應(yīng)的措施；

8、s5、提供決策：結(jié)合車輛狀態(tài)信息和行駛環(huán)境信息，進行決策規(guī)劃和決策指令發(fā)送，為車輛行駛提供更全面、深入的支持。

9、優(yōu)選的，所述s1中，多云控架構(gòu)平臺的搭建包括以下步驟：

10、a、模塊部署：部署數(shù)據(jù)采集模塊、數(shù)據(jù)存儲模塊、數(shù)據(jù)分析模塊、監(jiān)控預(yù)警模塊、決策模塊和用戶界面模塊的關(guān)鍵組件；

11、b、數(shù)據(jù)接入：將網(wǎng)聯(lián)車輛接入監(jiān)控平臺，確保數(shù)據(jù)能夠?qū)崟r傳輸至平臺；

12、c、平臺功能實現(xiàn)：通過編程和配置，實現(xiàn)數(shù)據(jù)采集、數(shù)據(jù)存儲、數(shù)據(jù)分析、監(jiān)控預(yù)警和決策的功能；

13、d、用戶界面開發(fā)：開發(fā)友好的用戶界面，方便用戶查看車輛狀態(tài)、接收預(yù)警信息、進行遠程控制操作；

14、e、平臺測試與部署：對監(jiān)控平臺進行功能測試和性能測試，確保各項功能正常運行且性能滿足要求，將平臺部署到實際環(huán)境中，與網(wǎng)聯(lián)車輛進行聯(lián)調(diào)測試，確保整個系統(tǒng)能夠正常工作；

15、f、運營與維護：對監(jiān)控平臺進行日常運營和維護，確保平臺的穩(wěn)定性和數(shù)據(jù)安全，并根據(jù)用戶反饋和需求變化，對平臺進行持續(xù)改進和優(yōu)化。

16、優(yōu)選的，所述s2中，在車輛上部署多種數(shù)據(jù)和圖像采集設(shè)備，如gps定位器、行駛記錄儀、環(huán)境監(jiān)測傳感器，實時采集車輛狀態(tài)、行駛軌跡、環(huán)境參數(shù)的多源數(shù)據(jù)，同時，通過如交通管理部門、地圖服務(wù)提供商獲取更多相關(guān)數(shù)據(jù)。

17、優(yōu)選的，所述s2中，網(wǎng)聯(lián)車輛通過各自的通信協(xié)議和接口，將車輛數(shù)據(jù)實時傳輸至所屬的監(jiān)管平臺，將采集到的數(shù)據(jù)通過無線通訊模塊(如4g/5g、wi-fi)傳輸?shù)杰囕v所屬平臺，在傳輸完成后，所屬平臺對數(shù)據(jù)進行初步預(yù)處理，如數(shù)據(jù)壓縮、加密等，以提高傳輸效率和安全性，網(wǎng)聯(lián)車輛的數(shù)據(jù)被所屬平臺進行數(shù)據(jù)整合后將數(shù)據(jù)傳輸至多云控架構(gòu)平臺。

18、優(yōu)選的，所述s3中，多云控架構(gòu)平臺利用流處理技術(shù)，如apache?kafka、storm、spark?streaming，對實時傳輸?shù)能囕v數(shù)據(jù)進行處理和分析，這些技術(shù)能夠?qū)崟r處理大規(guī)模數(shù)據(jù)流，快速響應(yīng)數(shù)據(jù)變化并生成分析結(jié)果。

19、優(yōu)選的，所述s4中，多云控架構(gòu)平臺基于歷史數(shù)據(jù)和業(yè)務(wù)規(guī)則構(gòu)建異常檢測模型，通過實時監(jiān)測車輛數(shù)據(jù)并與模型進行對比分析，及時發(fā)現(xiàn)異常行為(如超速行駛、異常停車)并觸發(fā)預(yù)警機制。

20、優(yōu)選的，所述s5中，利用軟件模塊，包括大數(shù)據(jù)分析模塊和機器學(xué)習(xí)模塊，對車輛監(jiān)控數(shù)據(jù)進行深度挖掘，識別潛在的安全隱患與交通擁堵點，并基于分析結(jié)果自動生成調(diào)度指令與管控策略。

21、一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺，包括一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法：

22、包括多云控架構(gòu)平臺、監(jiān)管平臺和車輛，所述車輛和所屬的監(jiān)管平臺通訊連接，多個監(jiān)管平臺均和多云控架構(gòu)平臺通訊連接；

23、所述多云控架構(gòu)平臺用于對車輛數(shù)據(jù)進行挖掘、分析、融合，并給車輛提供監(jiān)管和決策，多云控架構(gòu)平臺包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)存儲模塊監(jiān)控預(yù)警模塊、決策模塊和用戶界面模塊；

24、所述監(jiān)管平臺用于接收車輛數(shù)據(jù)并輸送至多云控架構(gòu)平臺，監(jiān)管平臺包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、數(shù)據(jù)存儲模塊和數(shù)據(jù)傳輸模塊；

25、所述車輛包括gps定位器、行駛記錄儀、環(huán)境監(jiān)測傳感器以對車輛以及周圍交通狀況進行數(shù)據(jù)采集，并通過車輛帶有的無線通訊模塊將數(shù)據(jù)傳輸給所述監(jiān)管平臺。

26、優(yōu)選的，所述多云控架構(gòu)平臺采用分布式大數(shù)據(jù)存儲系統(tǒng)，如hadoop?hdfs、hbase，來存儲海量車輛數(shù)據(jù)，這些系統(tǒng)具有高擴展性、高可用性和容錯性等特點，能夠滿足大規(guī)模數(shù)據(jù)存儲的需求，多云控架構(gòu)平臺通過數(shù)據(jù)存儲模塊建立高效的數(shù)據(jù)索引機制，以便快速檢索和查詢車輛數(shù)據(jù)，同時，提供豐富的數(shù)據(jù)查詢接口，支持用戶根據(jù)不同需求進行數(shù)據(jù)檢索和分析。

27、優(yōu)選的，所述多云控架構(gòu)平臺在實現(xiàn)多平臺車輛數(shù)據(jù)的聯(lián)網(wǎng)監(jiān)控時，需要確保不同平臺間的數(shù)據(jù)接口和協(xié)議兼容性和一致性，在進行大數(shù)據(jù)分析時，需要選擇合適的算法和模型，并不斷優(yōu)化和調(diào)整參數(shù)以提高分析結(jié)果的準(zhǔn)確性和可靠性，在預(yù)警和決策時，需要綜合考慮多種因素如天氣、路況、車輛狀態(tài)等，并制定相應(yīng)的應(yīng)對策略以確保車輛行駛的安全性和穩(wěn)定性。

28、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

29、本發(fā)明通過搭建多云控架構(gòu)平臺，整合了多個不同車輛監(jiān)管平臺的資源和數(shù)據(jù)流，并對車輛數(shù)據(jù)進行深度發(fā)掘和分析形成精準(zhǔn)預(yù)警和正確決策，為車輛監(jiān)控提供更全面、深入的支持，實現(xiàn)對全域范圍內(nèi)網(wǎng)聯(lián)車輛的實時監(jiān)控與高效管理。

技術(shù)特征：

1.一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s1中，多云控架構(gòu)平臺的搭建包括以下步驟：

3.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s2中，在車輛上部署多種數(shù)據(jù)和圖像采集設(shè)備，如gps定位器、行駛記錄儀、環(huán)境監(jiān)測傳感器，實時采集車輛狀態(tài)、行駛軌跡、環(huán)境參數(shù)的多源數(shù)據(jù)，同時，通過如交通管理部門、地圖服務(wù)提供商獲取更多相關(guān)數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s2中，網(wǎng)聯(lián)車輛通過各自的通信協(xié)議和接口，將車輛數(shù)據(jù)實時傳輸至所屬的監(jiān)管平臺，將采集到的數(shù)據(jù)通過無線通訊模塊(如4g/5g、wi-fi)傳輸?shù)杰囕v所屬平臺，在傳輸完成后，所屬平臺對數(shù)據(jù)進行初步預(yù)處理，如數(shù)據(jù)壓縮、加密等，以提高傳輸效率和安全性，網(wǎng)聯(lián)車輛的數(shù)據(jù)被所屬平臺進行數(shù)據(jù)整合后將數(shù)據(jù)傳輸至多云控架構(gòu)平臺。

5.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s3中，多云控架構(gòu)平臺利用流處理技術(shù)，如apache?kafka、storm、spark?streaming，對實時傳輸?shù)能囕v數(shù)據(jù)進行處理和分析，這些技術(shù)能夠?qū)崟r處理大規(guī)模數(shù)據(jù)流，快速響應(yīng)數(shù)據(jù)變化并生成分析結(jié)果。

6.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s4中，多云控架構(gòu)平臺基于歷史數(shù)據(jù)和業(yè)務(wù)規(guī)則構(gòu)建異常檢測模型，通過實時監(jiān)測車輛數(shù)據(jù)并與模型進行對比分析，及時發(fā)現(xiàn)異常行為(如超速行駛、異常停車)并觸發(fā)預(yù)警機制。

7.根據(jù)權(quán)利要求1所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：所述s5中，利用軟件模塊，包括大數(shù)據(jù)分析模塊和機器學(xué)習(xí)模塊，對車輛監(jiān)控數(shù)據(jù)進行深度挖掘，識別潛在的安全隱患與交通擁堵點，并基于分析結(jié)果自動生成調(diào)度指令與管控策略。

8.一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺，包括權(quán)利要求1-7任意一項所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法，其特征在于：

9.根據(jù)權(quán)利要求8所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺，其特征在于：所述多云控架構(gòu)平臺采用分布式大數(shù)據(jù)存儲系統(tǒng)，如hadoop?hdfs、hbase，來存儲海量車輛數(shù)據(jù)，這些系統(tǒng)具有高擴展性、高可用性和容錯性等特點，能夠滿足大規(guī)模數(shù)據(jù)存儲的需求，多云控架構(gòu)平臺通過數(shù)據(jù)存儲模塊建立高效的數(shù)據(jù)索引機制，以便快速檢索和查詢車輛數(shù)據(jù)，同時，提供豐富的數(shù)據(jù)查詢接口，支持用戶根據(jù)不同需求進行數(shù)據(jù)檢索和分析。

10.根據(jù)權(quán)利要求8所述的一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺，其特征在于：所述多云控架構(gòu)平臺在實現(xiàn)多平臺車輛數(shù)據(jù)的聯(lián)網(wǎng)監(jiān)控時，需要確保不同平臺間的數(shù)據(jù)接口和協(xié)議兼容性和一致性，在進行大數(shù)據(jù)分析時，需要選擇合適的算法和模型，并不斷優(yōu)化和調(diào)整參數(shù)以提高分析結(jié)果的準(zhǔn)確性和可靠性，在預(yù)警和決策時，需要綜合考慮多種因素如天氣、路況、車輛狀態(tài)等，并制定相應(yīng)的應(yīng)對策略以確保車輛行駛的安全性和穩(wěn)定性。

技術(shù)總結(jié)
本發(fā)明公開了一種多云控全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控方法及平臺，包括以下步驟：S1、多云控架構(gòu)搭建：設(shè)計并搭建基于多云控的全域大數(shù)據(jù)網(wǎng)聯(lián)車輛監(jiān)控平臺；S2、大數(shù)據(jù)采集與融合：實時采集車輛數(shù)據(jù)，將多源數(shù)據(jù)進行清洗、整合；S3、數(shù)據(jù)分析：對存儲的數(shù)據(jù)進行深度分析和挖掘，提取有價值的信息；S4、監(jiān)控預(yù)警：對車輛進行實時監(jiān)控和預(yù)警；S5、提供決策：進行決策規(guī)劃和決策指令發(fā)送，為車輛行駛提供更全面、深入的支持。本發(fā)明整合了多個不同車輛監(jiān)管平臺的資源和數(shù)據(jù)流，并對車輛數(shù)據(jù)進行深度發(fā)掘和分析形成精準(zhǔn)預(yù)警和正確決策，為車輛監(jiān)控提供更全面、深入的支持，實現(xiàn)對全域范圍內(nèi)網(wǎng)聯(lián)車輛的實時監(jiān)控與高效管理。

技術(shù)研發(fā)人員：王世偉,陳芷欣,洪聃,倪華華
受保護的技術(shù)使用者：杭州杭千高速公路發(fā)展有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/11/14