泛中间状态表在新能源车联网数据分析中的应用

发布时间：2024-03-25 20:01

　　新能源和智能网联汽车的飞速发展,产生了海量可供分析的数据,通过适当的方法进行挖掘可获得巨大的价值。但另一方面,数据规模大、计算时效性要求高、服务器资源受限、业务人员难以处理等问题也限制了数据的使用。文章对车联网数据分析的任务时间进行建模,并尝试提出一种新的数据处理手段,对企业日常数据分析工作有一定的启发作用。

【文章页数】：5 页

【部分图文】：

图1数据分析工作流程

在这个过程中，业务和IT开发，包括计算机都需要占用一定的处理时间。对于复杂的需求，还会产生很多沟通成本。1.3车联网数据分析的工作时间评估

图2泛中间状态表概念

而按照2.1讨论的方法对连续信号按照状态进行切分，并提取中间值后，可以显著降低数据规模。根据对某自主品牌新能源车型11030辆车共179.3万次状态记录的统计，平均每条记录的对应时长约为4500s，则原规模为n的数据，在经过中间状态表的切分后，可将数据规模降至n/4500....

图3引入泛中间状态表前后的总任务时间变化

通常情况下，计算机单条指令时间t极小，而人工开发时间短则数小时，长则数天乃至数周。如图3所示，当数据规模较小时，引入状态表前的任务时间要更小，是因为数据较少时开发和沟通的固定人员时间占主导地位，引入状态表后由于额外增加的人工时间，反而会使总任务时间更长。而当统计数据超过一定量，引....

图4非排序类任务增多后的总任务时间

针对排序类任务数量较多的情况，将k复原，增大c值。如图5所示，曲线交叉点左移，且幅度大于增大k值的效果。即对于排序类任务这样复杂度相对较高的运算，数量增加后会让泛中间状态表的优势更加明显，且优化效果好于低复杂计算的任务。图5排序类任务增多后的总任务时间

本文编号：3938804