数据处理方法、装置、存储介质、处理器及电子装置制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置、存储介质、处理器及电子装置。其中，该方法包括：接收来自于多个骑行设备的骑行状态数据，其中，多个骑行设备包括：至少一个第一骑行设备和至少一个第二骑行设备，至少一个第一骑行设备应用于骑行赛事的真实场景，至少一个第二骑行设备应用于骑行赛事的虚拟场景，虚拟场景由真实场景映射得到；基于骑行状态数据，获取骑行赛事的比赛结果。本发明专利技术解决了相关技术中获取骑行赛事比赛结果的操作过程复杂、准确性低下的技术问题。下的技术问题。下的技术问题。

【技术实现步骤摘要】
数据处理方法、装置、存储介质、处理器及电子装置


[0001]本申请涉及无线通信
，具体而言，涉及一种数据处理方法、装置、存储介质、处理器及电子装置。

技术介绍

[0002]在户外骑行赛事中，通过监控每个参赛选手的骑行状态从而获得更加公平有效的比赛结果。相关方案中，通过在参赛车辆中安装定位装置，进而获取骑行数据。但是这种方式在统计比赛结果时，需要依次录入参赛选手的骑行数据，从而获取最终的比赛结果，操作过程繁琐，最终得到的比赛结果可能出现误差，影响参赛体验。
[0003]针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

[0004]本申请实施例提供了一种数据处理方法、装置、存储介质、处理器及电子装置，以至少解决相关技术中获取骑行赛事比赛结果的操作过程复杂、准确性低下的技术问题。
[0005]根据本申请其中一实施例，提供了一种数据处理方法，包括：接收来自于多个骑行设备的骑行状态数据，其中，多个骑行设备包括：至少一个第一骑行设备和至少一个第二骑行设备，至少一个第一骑行设备应用于骑行赛事的真实场景，至少一个第二骑行设备应用于骑行赛事的虚拟场景，虚拟场景由真实场景映射得到；基于骑行状态数据，获取骑行赛事的比赛结果。
[0006]可选地，多个骑行设备上配置有多个传感器，多个传感器包括：运动类传感器和生物类传感器，骑行状态数据包括：骑行过程数据和骑行健康数据，其中，骑行过程数据利用运动类传感器采集，骑行过程数据包括：每个骑行设备的骑行速度、每个骑行设备的骑行踏频、每个骑行设备的轮胎运行圈数、每个骑行设备的摩擦系数，骑行健康数据利用生物类传感器采集，骑行健康数据包括：每个骑行设备的骑行者的心率、血氧值和呼吸频率。
[0007]可选地，运动类传感器包括：加速度传感器、地磁传感器、转速传感器和摩擦系数传感器。
[0008]可选地，生物类传感器包括：心率传感器、血氧传感器和呼吸频率传感器。
[0009]可选地，基于骑行状态数据，获取比赛结果包括：利用神经网络模型对骑行状态数据进行分析，确定比赛结果，其中，神经网络模型为使用多组数据通过机器学习训练得到，多组数据中的每组数据均包括：骑行赛事的电子地图和骑行赛事的骑行样本数据。
[0010]可选地，数据处理方法还包括：从多个候选分组模式中确定目标分组模式，其中，多个候选分组模式包括：性别分组模式、数量分组模式、云服务分组模式、混合标签分组模式；在云端服务器本地获取第一用户信息，以及获取多个骑行设备中至少部分骑行设备上传的第二用户信息；按照目标分组模式对第一用户信息和/或第二用户信息进行分组处理，得到多个骑行设备的分组结果，其中，分组结果用于区分比赛结果归属的组别。
[0011]根据本申请其中一实施例，还提供了一种数据处理装置，包括：接收模块，用于接
收来自于多个骑行设备的骑行状态数据，其中，多个骑行设备包括：至少一个第一骑行设备和至少一个第二骑行设备，至少一个第一骑行设备应用于骑行赛事的真实场景，至少一个第二骑行设备应用于骑行赛事的虚拟场景，虚拟场景由真实场景映射得到；处理模块，用于基于骑行状态数据，获取骑行赛事的比赛结果。
[0012]可选地，多个骑行设备上配置有多个传感器，多个传感器包括：运动类传感器和生物类传感器，骑行状态数据包括：骑行过程数据和骑行健康数据，其中，骑行过程数据利用运动类传感器采集，骑行过程数据包括：每个骑行设备的骑行速度、每个骑行设备的骑行踏频、每个骑行设备的轮胎运行圈数、每个骑行设备的摩擦系数，骑行健康数据利用生物类传感器采集，骑行健康数据包括：每个骑行设备的骑行者的心率、血氧值和呼吸频率。
[0013]可选地，运动类传感器包括：加速度传感器、地磁传感器、转速传感器和摩擦系数传感器。
[0014]可选地，生物类传感器包括：心率传感器、血氧传感器和呼吸频率传感器。
[0015]可选地，处理模块还用于：利用神经网络模型对骑行状态数据进行分析，确定比赛结果，其中，神经网络模型为使用多组数据通过机器学习训练得到，多组数据中的每组数据均包括：骑行赛事的电子地图和骑行赛事的骑行样本数据。
[0016]可选地，数据处理装置还包括：确定模块，用于从多个候选分组模式中确定目标分组模式，其中，多个候选分组模式包括：性别分组模式、数量分组模式、云服务分组模式、混合标签分组模式；获取模块，用于在云端服务器本地获取第一用户信息，以及获取多个骑行设备中至少部分骑行设备上传的第二用户信息；处理模块还用于按照目标分组模式对第一用户信息和/或第二用户信息进行分组处理，得到多个骑行设备的分组结果，其中，分组结果用于区分比赛结果归属的组别。
[0017]根据本申请其中一实施例，还提供了一种非易失性存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为运行时执行上述任一项中的数据处理方法。
[0018]根据本申请其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的数据处理方法。
[0019]根据本申请其中一实施例，还提供了一种电子装置，包括存储器、处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的数据处理方法。
[0020]在本申请实施例中，通过接收来自于多个骑行设备的骑行状态数据，其中，多个骑行设备包括：至少一个第一骑行设备和至少一个第二骑行设备，至少一个第一骑行设备应用于骑行赛事的真实场景，至少一个第二骑行设备应用于骑行赛事的虚拟场景，虚拟场景由真实场景映射得到；基于骑行状态数据，获取骑行赛事的比赛结果，达到了高效、准确地获取骑行赛事比赛结果的目的，从而实现了简化获取比赛结果的操作流程、提高比赛结果的准确性的技术效果，进而解决了相关技术中获取骑行赛事比赛结果的操作过程复杂、准确性低下的技术问题。
附图说明
[0021]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0022]图1是根据本申请其中一实施例的一种数据处理方法的流程图；
[0023]图2是根据本申请其中一实施例的又一种数据处理方法的流程图；
[0024]图3是根据本申请其中一实施例的一种数据处理装置的结构框图。
具体实施方式
[0025]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0026]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：接收来自于多个骑行设备的骑行状态数据，其中，所述多个骑行设备包括：至少一个第一骑行设备和至少一个第二骑行设备，所述至少一个第一骑行设备应用于骑行赛事的真实场景，所述至少一个第二骑行设备应用于所述骑行赛事的虚拟场景，所述虚拟场景由所述真实场景映射得到；基于所述骑行状态数据，获取所述骑行赛事的比赛结果。2.根据权利要求1所述的数据处理方法，其特征在于，所述多个骑行设备上配置有多个传感器，所述多个传感器包括：运动类传感器和生物类传感器，所述骑行状态数据包括：骑行过程数据和骑行健康数据，其中，所述骑行过程数据利用所述运动类传感器采集，所述骑行过程数据包括：每个骑行设备的骑行速度、每个骑行设备的骑行踏频、每个骑行设备的轮胎运行圈数、每个骑行设备的摩擦系数，所述骑行健康数据利用所述生物类传感器采集，所述骑行健康数据包括：每个骑行设备的骑行者的心率、血氧值和呼吸频率。3.根据权利要求2所述的数据处理方法，其特征在于，所述运动类传感器包括：加速度传感器、地磁传感器、转速传感器和摩擦系数传感器。4.根据权利要求2所述的数据处理方法，其特征在于，所述生物类传感器包括：心率传感器、血氧传感器和呼吸频率传感器。5.根据权利要求1所述的数据处理方法，其特征在于，基于所述骑行状态数据，获取所述比赛结果包括：利用神经网络模型对所述骑行状态数据进行分析，确定所述比赛结果，其中，所述神经网络模型为使用多组数据通过机器学习训练得到，所述多组数据中的每组数据均包括：所述骑行赛事的电子地图和所述骑行赛事...

【专利技术属性】
技术研发人员：张立为，罗骏，张彦博，周文，刘小红，
申请(专利权)人：上海庆科信息技术有限公司，
类型：发明
国别省市：