本發明屬于數據集成，具體涉及一種基于大數據的礦山運輸車輛數據集成方法及系統。

背景技術：

1、在傳統運輸車輛運行中，車輛的運行參數（如發動機轉速、擋位等）主要依賴于駕駛員的經驗進行控制。這些參數對車輛的油耗有著顯著的影響。在高效、節能的礦山開采要求下，如何實現燃油經濟性成為各礦山開采方重點關注的問題。

2、已有研究顯示，發動機轉速與環境因素之間存在顯著的相關性。例如，在高溫環境下，發動機冷卻系統的負荷增加，導致燃油效率下降。通過適當降低發動機轉速，可以減輕冷卻系統的負擔，提高燃油效率。而在高濕度環境下，空氣密度增加，燃燒效率降低。通過合理調整發動機轉速，可以優化燃燒過程，減少燃油消耗。

3、當礦山位于高海拔的山區時，氣候環境變化較大。因此，獲取車輛運輸過程中的環境信息是優化車輛運行參數的關鍵挑戰。由于成本限制，車輛上通常不會配備環境監測傳感器，而是將環境傳感器獨立安裝在固定位置上。這帶來了一個重要的技術問題：如何將環境數據與車輛的狀態數據進行有效集成，以便分析人員能夠根據實時的環境信息對車輛運行參數進行優化，從而提升車輛的燃油經濟性。

4、公開號為cn118708585a的中國發明專利申請中，提出了一種基于分布式計算的多源異構數據集成系統，通過分布式格式化處理網絡對多源異構數據進行格式統一處理，經過特征提取和計算，創建融合子集，最終現實數據的集成。

5、公開號為cn118426915a的中國發明專利申請中，提出一種車輛數據集成方法，利用長連接方式實現車輛數據的異步、非阻塞、解碼與分類集成，著重解決數據傳輸效率，充分利用機器的性能，從而提升數據傳輸的時效性。

6、上述兩個專利分別通過分布式計算和長連接，解決數據集成的效率和靈活性問題，但需要構建模型進行數據特征的提取，過程復雜且無法實現將不同數據源合并的需要，另外對數據集成時效性關注不足，無法滿足車輛運行數據與環境數據實時集成需求。

技術實現思路

1、針對上述問題，本發明提出一種基于大數據的礦山運輸車輛數據集成方法及系統，實現了將固定位置的環境傳感器的環境數據與車輛運行數據進行有效集成和同步，確保數據的一致性和準確性。

2、為了實現上述技術目的，達到上述技術效果，本發明通過以下技術方案實現：

3、第一方面，本發明提供了一種基于大數據的礦山運輸車輛數據集成方法，包括：

4、獲取車輛運輸過程中產生的車輛運行數據和環境數據；

5、對獲取到的車輛運行數據和環境數據進行解析；

6、利用大數據的實時處理框架，根據時間和位置對解析后的車輛運行數據和環境數據進行匹配；

7、將匹配后的車輛運行數據和環境數據發送至分布式數據庫。

8、結合第一方面，可選地，所述車輛運行數據中包括車輛位置坐標和車輛運行時刻信息，所述環境數據中包括環境傳感器的位置坐標和環境數據產生的時刻信息。

9、結合第一方面，可選地，所述對獲取到的車輛運行數據和環境數據進行解析，并根據時間和位置對所述車輛運行數據和環境數據進行匹配，包括：

10、根據車輛運行數據中的車輛位置坐標和環境數據中的環境傳感器的位置坐標，匹配出與該車輛運行數據對應的環境數據；

11、利用大數據的實時數據處理框架，基于車輛運行時刻信息和環境數據產生的時刻信息，利用水位線更新機制判斷匹配及計算觸發，進而獲得不同時刻不同位置的車輛運行數據所對應的環境數據。

12、結合第一方面，可選地，所述基于大數據的礦山運輸車輛數據集成方法還包括：

13、以實現最小的燃油消耗為目標，根據匹配后的車輛運行數據和環境數據對發動機轉速和檔位優化。

14、結合第一方面，可選地，在對對發動機轉速和檔位優化的過程中，采用優化后的神經網絡和遺傳算法來實現。

15、結合第一方面，可選地，所述對獲取到的車輛運行數據和環境數據進行解析之后還包括：

16、對車輛運行數據和環境數據增加標簽，并將標簽相同的數據進行合并；

17、所述對車輛運行數據和環境數據增加標簽，包括：

18、從所述車輛運行數據中抽取車輛vin碼和發送時間形成車輛的標簽；

19、從所述環境數據抽取傳感器編號和發送時間形成環境數據的標簽。

20、第二方面，本發明提供了一種基于大數據的礦山運輸車輛數據集成系統，包括：

21、數據采集模塊，用于獲取車輛運輸過程中產生的車輛運行數據和環境數據；

22、數據解析模塊，用于對獲取到的車輛運行數據和環境數據進行解析；

23、數據集成模塊，用于利用大數據的實時處理框架，根據時間和位置對解析后的車輛運行數據和環境數據進行匹配；

24、數據存儲模塊，用于將匹配后的車輛運行數據和環境數據發送至分布式數據庫。

25、結合第二方面，可選地，所述基于大數據的礦山運輸車輛數據集成系統還包括：

26、數據應用模塊，用于以實現最小的燃油消耗為目標，根據匹配后的車輛運行數據和環境數據對發動機轉速和檔位優化。

27、第三方面，本發明提供了一種基于大數據的礦山運輸車輛數據集成系統，包括車端、環境傳感器和服務器端；

28、所述車端包括設于車輛上的位置傳感器和控制器，所述位置傳感器用于實時采集車輛的位置數據；所述控制器將車輛運行信息和車輛的實時位置數據通過基站發送至服務端；

29、所述環境傳感器實時采集環境數據，并通過基站發送至服務端；

30、所述服務端被配置為執行第一方面中任一項所述的方法。

31、第四方面，本發明提供了一種基于大數據的礦山運輸車輛數據集成系統，包括存儲介質和處理器；

32、所述存儲介質用于存儲指令；

33、所述處理器用于根據所述指令進行操作以執行根據第一方面中任一項所述的方法。

34、與現有技術相比，本發明的有益效果：

35、本發明利用大數據的實時處理框架，實現車輛運行數據與環境數據的匹配，避免了傳統方式無法匹配車輛運行時刻環境狀態的問題。

36、本發明利用無線基站將車輛運行數據和環境數據實時傳輸到服務器端，由服務器端接收和處理來自無線基站的數據。

37、本發明利用神經網絡提取集成數據的關鍵特征，預測車輛運行參數的優化方案；利用遺傳算法模型，用于根據預測結果進行多目標優化，實現燃油經濟性的最大化。

技術特征：

1.一種基于大數據的礦山運輸車輛數據集成方法，其特征在于，包括：

2.根據權利要求1所述的一種基于大數據的礦山運輸車輛數據集成方法，其特征在于：所述車輛運行數據中包括車輛位置坐標和車輛運行時刻信息，所述環境數據中包括環境傳感器的位置坐標和環境數據產生的時刻信息。

3.根據權利要求2所述的一種基于大數據的礦山運輸車輛數據集成方法，其特征在于：所述對獲取到的車輛運行數據和環境數據進行解析，并根據時間和位置對所述車輛運行數據和環境數據進行匹配，包括：

4.根據權利要求1所述的一種基于大數據的礦山運輸車輛數據集成方法，其特征在于：所述基于大數據的礦山運輸車輛數據集成方法還包括：

5.根據權利要求4所述的一種基于大數據的礦山運輸車輛數據集成方法，其特征在于：在對對發動機轉速和檔位優化的過程中，采用優化后的神經網絡和遺傳算法來實現。

6.根據權利要求1所述的一種基于大數據的礦山運輸車輛數據集成方法，其特征在于：所述對獲取到的車輛運行數據和環境數據進行解析之后還包括：

7.一種基于大數據的礦山運輸車輛數據集成系統，其特征在于，包括：

8.根據權利要求7所述的一種基于大數據的礦山運輸車輛數據集成系統，其特征在于，所述基于大數據的礦山運輸車輛數據集成系統還包括：

9.一種基于大數據的礦山運輸車輛數據集成系統，其特征在于，包括車端、環境傳感器和服務器端；

10.一種基于大數據的礦山運輸車輛數據集成系統，其特征在于，包括存儲介質和處理器；

技術總結
本發明公開了一種基于大數據的礦山運輸車輛數據集成方法及系統，所述基于大數據的礦山運輸車輛數據集成方法包括獲取車輛運輸過程中產生的車輛運行數據和環境數據；對獲取到的車輛運行數據和環境數據進行解析，并利用大數據的實時處理框架，根據時間和位置對所述車輛運行數據和環境數據進行匹配；將匹配后的車輛運行數據和環境數據發送至分布式數據庫。本發明實現了將固定位置的環境傳感器的環境數據與車輛運行數據進行有效集成和同步，確保數據的一致性和準確性。

技術研發人員：馮雪峰,趙志林
受保護的技術使用者：江蘇徐工國重實驗室科技有限公司
技術研發日：
技術公布日：2025/4/24