[发明专利]一种车辆实时监控方法

权利要求书

1.一种车辆实时监控方法，包括以下步骤：

获取车辆原始数据并基于Flink计算引擎对车辆原始数据进行处理；

基于HBase实时存储处理后的车辆数据；

根据存储的车辆数据，利用机器学习回归算法训练预测模型；

将实时数据导入预测模型进行实时预测；

将预测结果和实时数据输出展示。

2.根据权利要求1所述的方法，其特征在于，所述获取车辆原始数据包括：

通过物联网网关以物联网通信协议的方式获取车辆状态数据。

3.根据权利要求1所述的方法，其特征在于，所述基于Flink计算引擎对车辆数据进行处理包括：

对获取到的车辆数据进行格式转化、数据过滤、数据聚合、数据统计。

4.根据权利要求3所述的方法，其特征在于，所述基于Flink计算引擎对车辆数据进行处理包括：

利用Flink计算引擎的map算子进行数据预处理，将各类指标统一相同的格式；以及

利用Flink计算引擎的filter算子进行数据清洗，过滤掉不规则的数据；以及

利用Flink计算引擎的window算子进行数据汇总，将实时数据进行窗口范围的归并操作；以及

利用Flink计算引擎的reduce算子进行数据统计，将窗口内的数据进行求和或求平均值。

5.根据权利要求1所述的方法，所述基于HBase实时存储处理后的车辆数据包括：

将处理后车辆数据写入HBase实时表进行实时数据存储；

将处理后车辆数据进行离线存储，构建数据仓库。

6.根据权利要求5所述的方法，其特征在于，所构建数据仓库包括：

利用Flink计算引擎的sink接口，编写GPSink类，将计算的最终结果写入GP的表中进行离线存储，构建数据仓库。

7.根据权利要求1所述的方法，其特征在于，所述利用机器学习回归算法训练预测模型包括：

利用机器学习回归算法，从数据仓库中获取历史数据作为输入，通过定时调用训练任务的方式进行训练。

8.根据权利要求7所述的方法，其特征在于，所述机器学习算法包括：

线性回归、广义线性回归、保序回归算法。

9.根据权利要求1所述方法，其特征在于，所述实时预测包括：

将车辆实时数据作为输入，调用模型预测接口函数获取预测结果，并将结果存储到HBase的离线表中。

10.根据权利要求1所述的方法，其特征在于，还包括：

将获取到的车辆原始数据存储到Kafka组件中。