【技术实现步骤摘要】
本申请涉及车联网领域，具体而言，涉及一种数据处理方法及装置、非易失性存储介质、电子设备。
技术介绍
1、随着车辆数量和车载应用种类的增加，车联网产生的任务数据量呈现爆炸式增长。这些数据主要包括车辆状态信息、交通流量信息、路况信息和驾驶员行为信息等。这种大规模的数据量已经超出了传统的处理和存储技术的极限，因此需要采用更先进的技术来实现车联网的高效运作和数据的有效利用。目前，传统计算处理车辆任务的主要方式有两种：车辆本地计算和云服务器计算。车辆本地计算是指将车辆任务数据放在车辆的车载单元上进行计算处理。然而，这种方式存在一些缺点，包括车辆计算能力有限、无法处理大数据量任务以及任务计算时间较长。另一种方式是云服务器计算，即将需要计算处理的任务上传至云服务器进行计算处理，然后将结果回传给车辆。但是，这种方式也存在一些问题，包括传输时延长、能量消耗大、安全性和私密性差等。为了弥补本地计算和云计算的不足，提出了移动边缘计算(mobile edge computing，mec)技术。mec利用移动通信网络进行分布式计算，通过在边缘侧部署计算和存储资源...
【技术保护点】
1.一种数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过如下方法生成所述完成训练的分类模型：
3.根据权利要求2所述的方法，其特征在于，利用多个所述训练数据以及多个所述第一标签对分类模型进行训练，生成所述完成训练的分类模型，包括：
4.根据权利要求1所述的方法，其特征在于，通过如下方法生成所述完成训练的回归模型：
5.根据权利要求4所述的方法，其特征在于，利用多个所述训练数据以及多个所述第二标签对回归模型进行训练，生成所述完成训练的回归模型，包括：
6.根据权利要求2所述的方法...
【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，通过如下方法生成所述完成训练的分类模型：
3.根据权利要求2所述的方法，其特征在于，利用多个所述训练数据以及多个所述第一标签对分类模型进行训练，生成所述完成训练的分类模型，包括：
4.根据权利要求1所述的方法，其特征在于，通过如下方法生成所述完成训练的回归模型：
5.根据权利要求4所述的方法，其特征在于，利用多个所述训练数据以及多个所述第二标签对回归模型进行训练，生成所述完成训练的回归模型，包括：
6.根据权利要求2所述的方法，其特征在于，所述车联网系统中包括：移动边缘计算服务器、路测单元以及多个车载单元。
7.根据权利要求6所述的方法，其特征在于，所述训练数据包括：对所述车载任务进行计算所产生的时延的权重值以及对所述车载任务进行计算所产生的能耗的权重值、所述车载任务是否可以分割、并行处理的可以分割的车载任务、不可并行处理的可以分割的车载任务、所述车载单元计算消耗的功率单位、所述移动边缘计算服务器计算消耗的功率单位、第i个车载任务在移...
【专利技术属性】
技术研发人员：黄洋，程强，吕尤，张永潘，徐义圣，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。