CN114288631B - 数据处理方法、装置、存储介质、处理器及电子装置 - Google Patents
数据处理方法、装置、存储介质、处理器及电子装置 Download PDFInfo
- Publication number
- CN114288631B CN114288631B CN202111664440.3A CN202111664440A CN114288631B CN 114288631 B CN114288631 B CN 114288631B CN 202111664440 A CN202111664440 A CN 202111664440A CN 114288631 B CN114288631 B CN 114288631B
- Authority
- CN
- China
- Prior art keywords
- riding
- data
- sensor
- data processing
- event
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012545 processing Methods 0.000 title claims abstract description 38
- 238000003672 processing method Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 29
- 238000004590 computer program Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 14
- 230000036541 health Effects 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 239000008280 blood Substances 0.000 claims description 11
- 210000004369 blood Anatomy 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 230000036387 respiratory rate Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明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。
Description
技术领域
本申请涉及无线通信技术领域，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。
背景技术
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。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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：
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；
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；
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
为了使本技术领域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。
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施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请其中一实施例，提供了一种数据处理方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
该方法实施例可以在数据处理系统中执行。该数据处理系统包括：云端服务器和多个终端设备。多个终端设备可以为骑行设备，也可以为手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)等移动终端。
通过本申请实施例的方法，云端服务器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。
下面将以终端设备的内部主体结构为例进行说明。
终端设备可以包括一个或多个处理器(处理器可以包括但不限于中央处理器(CPU)、图形处理器(GPU)、数字信号处理(DSP)芯片、微处理器(MCU)、可编程逻辑器件(FPGA)、神经网络处理器(NPU)、张量处理器(TPU)、人工智能(AI)类型处理器等的处理装置)和用于存储数据的存储器。可选地，上述移动终端还可以包括用于通信功能的传输设备、输入输出设备以及显示设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述移动终端的结构造成限定。例如，移动终端还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。
存储器可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本申请实施例中所述方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而执行各种功能应用以及数据处理，即实现本申请实施例中所述的方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，传输设备包括一个网络适配器(Network Interface Controller，简称为NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输设备可以为射频(Radio Frequency，简称为RF)模块，其用于通过无线方式与互联网进行通讯。
显示设备可以例如触摸屏式的液晶显示器(LCD)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面(GUI)，用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互，此处的人机交互功能可选的包括如下交互：创建网页、绘图、文字处理、制作电子文档、游戏、视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。
在本申请实施例中的数据处理方法，可以应用于云服务器中。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，如图1所示，该流程包括如下步骤：
步骤S11，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；
步骤S12，基于骑行状态数据，获取骑行赛事的比赛结果。
通过上述步骤S11至步骤S12，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。
下面对上述实施例所述的数据处理方法进行进一步介绍。
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。
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。
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。
基于上述可选实施例，能够利用骑行设备上配置的多个传感器获得准确的骑行过程数据和骑行健康数据，以基于骑行状态数据获取准确的骑行赛事比赛结果。同时，利用生物类传感器获取参赛过程中的骑行健康数据，可以及时监控比赛过程中用户的身体健康状况，提供更好的参赛体验。
可选地，在步骤S12，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。
基于上述可选实施例，利用机器学习训练得到的神经网络模型对骑行状态数据进行分析，能够简化对于大量骑行状态数据的处理过程，提高数据处理效率。另外，利用骑行赛事的电子地图和骑行赛事的骑行样本数据预选训练神经网络模型，从而可以基于训练成熟的神经网络模型快速获得准确的比赛结果。
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。
基于上述实施例，可以快速获得多种分组结果，更加符合实际分组需求，方便在户外比赛分组场景下快速设定，提高比赛结果的分组效率。
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，如图2所示，该流程包括如下步骤：
步骤S21，接收来自于多个骑行设备的骑行状态数据；
步骤S22，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；
步骤S23，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；
步骤S24，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；
步骤S25，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。
基于上述步骤S21至步骤S22，能够高效、准确地获取骑行赛事比赛结果，并对比赛结果进行高效分组，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。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。
在本实施例中还提供了一种数据处理装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图3是根据本申请其中一实施例的数据处理装置的结构框图，如图3所示，该数据处理装置300包括：
接收模块301，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302，用于基于骑行状态数据，获取骑行赛事的比赛结果。
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。
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。
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。
可选地，处理模块302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。
可选地，数据处理装置300还包括：确定模块303，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304，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302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。
需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。
本申请的实施例还提供了一种非易失性存储介质，该非易失性存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一方法实施例中的步骤。
可选地，在本实施例中，上述非易失性存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，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；
S2，基于骑行状态数据，获取骑行赛事的比赛结果。
可选地，在本实施例中，上述非易失性存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本申请的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，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，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；
S2，基于骑行状态数据，获取骑行赛事的比赛结果。
可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (9)
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；
其中，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；
其中，所述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；在云端服务器本地获取第一用户信息，以及获取所述多个骑行设备中至少部分骑行设备上传的第二用户信息；按照所述目标分组模式对所述第一用户信息和/或所述第二用户信息进行分组处理，得到所述多个骑行设备的分组结果，其中，所述分组结果用于区分所述比赛结果归属的组别。
2.根据权利要求1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。
3.根据权利要求1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。
4.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的骑行样本数据。
5.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。
6.一种数据处理装置，其特征在于，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，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；
处理模块，用于基于所述骑行状态数据，获取所述骑行赛事的比赛结果；
其中，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；
其中，所述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；获取模块，用于在云端服务器本地获取第一用户信息，以及获取所述多个骑行设备中至少部分骑行设备上传的第二用户信息；所述处理模块还用于按照所述目标分组模式对所述第一用户信息和/或所述第二用户信息进行分组处理，得到所述多个骑行设备的分组结果，其中，所述分组结果用于区分所述比赛结果归属的组别。
7.一种非易失性存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至5任一项中所述的数据处理方法。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为运行时执行所述权利要求1至5任一项中所述的数据处理方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至5任一项中所述的数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111664440.3A CN114288631B (zh) | 2021-12-30 | 2021-12-30 | 数据处理方法、装置、存储介质、处理器及电子装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111664440.3A CN114288631B (zh) | 2021-12-30 | 2021-12-30 | 数据处理方法、装置、存储介质、处理器及电子装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114288631A CN114288631A (zh) | 2022-04-08 |
| CN114288631B true CN114288631B (zh) | 2023-08-01 |
Family
ID=80974501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111664440.3A Active CN114288631B (zh) | 2021-12-30 | 2021-12-30 | 数据处理方法、装置、存储介质、处理器及电子装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114288631B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN119094856A (zh) * | 2024-08-27 | 2024-12-06 | 北京疆泰科技有限公司 | 包含用户位置的比赛互动信息的处理方法及相关装置 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE69729202T2 (de) * | 1996-07-02 | 2005-05-04 | Graber Products, Inc., Madison | Elektronisches übungssystem |
| US7217224B2 (en) * | 2003-08-14 | 2007-05-15 | Tom Thomas | Virtual exercise system and method |
| US8172658B2 (en) * | 2008-05-23 | 2012-05-08 | Sony Ericsson Mobile Communications Ab | Methods, devices, and computer program products for participating in an athletic event with a remotely-located competitor using a mobile terminal |
| TWI395600B (zh) * | 2009-12-17 | 2013-05-11 | 虛擬物件與實境影像結合的數位內容 | |
| CN102008811B (zh) * | 2010-08-23 | 2011-12-21 | 大连交通大学 | 场地自行车训练智能化监测系统 |
| KR101461817B1 (ko) * | 2013-08-12 | 2014-11-13 | 동신대학교산학협력단 | 실감형 자전거 시뮬레이터 시스템 |
| CN103977559B (zh) * | 2014-05-23 | 2017-10-17 | 北京智谷睿拓技术服务有限公司 | 交互方法及交互装置 |
| US10188905B2 (en) * | 2015-04-07 | 2019-01-29 | Tri2Focus, Inc. | System for processing exertion data derived from exertion detection devices |
| JP6482106B2 (ja) * | 2016-11-30 | 2019-03-13 | リオモ インクLEOMO, Inc. | モーションキャプチャシステム、モーションキャプチャプログラム及びモーションキャプチャ方法 |
| JP6610626B2 (ja) * | 2017-08-03 | 2019-11-27 | カシオ計算機株式会社 | 活動状況解析装置、活動状況解析方法及びプログラム |
| CN107823846A (zh) * | 2017-09-13 | 2018-03-23 | 华东师范大学 | 一种带有体质检测的共享式虚拟现实健身骑行系统及方法 |
| CN208176826U (zh) * | 2018-04-17 | 2018-12-04 | 福州大学 | 一种基于虚拟现实技术的骑行模拟装置 |
| CN108804663A (zh) * | 2018-06-08 | 2018-11-13 | 北京搜狗科技发展有限公司 | 一种结果估计方法、模型训练方法和相关装置 |
| CN110490978B (zh) * | 2019-07-01 | 2023-07-21 | 浙江工业大学 | 基于混合现实技术的实景骑行训练方法 |
| WO2021197444A1 (zh) * | 2020-04-01 | 2021-10-07 | 随机漫步(上海)体育科技有限公司 | 辅助单车训练的方法、服务器、用户终端及训练单车 |
| CN113393063A (zh) * | 2021-08-17 | 2021-09-14 | 深圳市信润富联数字科技有限公司 | 比赛结果预测方法、系统、程序产品及存储介质 |
-
2021
- 2021-12-30 CN CN202111664440.3A patent/CN114288631B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114288631A (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109413480A (zh) | 画面处理方法、装置、终端及存储介质 | |
| CN108721898B (zh) | 帧率的确定方法和装置、存储介质、电子装置 | |
| CN108579060B (zh) | 一种运动系统及其应用方法 | |
| CN104684621A (zh) | 通过个人健康装置和/或个人健康平台商业化、社交和/或游戏 | |
| CN107291317B (zh) | 一种虚拟场景中目标的选择方法和装置 | |
| CN106774940A (zh) | 一种智能穿戴设备及智能运动交互系统 | |
| WO2018171196A1 (zh) | 一种控制方法、终端及系统 | |
| CN107733984A (zh) | 一种推送锁屏信息的方法、终端及计算机可读存储介质 | |
| CN110188251A (zh) | 刷牙数据的处理方法、装置、存储介质和终端 | |
| CN109376065A (zh) | 一种用户行为热区分析方法、装置和电子设备 | |
| CN109446914A (zh) | 检测运动准确度的方法、装置及智能穿戴设备 | |
| CN114288631B (zh) | 数据处理方法、装置、存储介质、处理器及电子装置 | |
| CN110251942A (zh) | 控制游戏场景中虚拟角色的方法及装置 | |
| CN112286758A (zh) | 信息处理方法、装置、电子设备及计算机可读存储介质 | |
| CN109726808B (zh) | 神经网络训练方法和装置、存储介质及电子装置 | |
| CN102254077A (zh) | 一种运动管理系统和运动管理方法 | |
| CN206421334U (zh) | 一种智能穿戴设备及智能运动交互系统 | |
| CN114827255B (zh) | 数据处理方法、装置、可读存储介质和电子装置 | |
| CN106730834A (zh) | 游戏数据处理方法以及装置 | |
| CN112308582A (zh) | 资源的处理方法、装置、存储介质及电子装置 | |
| CN112765449B (zh) | 一种应用程序展示方法、装置及存储介质 | |
| CN106861191A (zh) | 游戏属性更新的方法、装置及系统 | |
| CN113101647B (zh) | 一种信息显示方法、装置、设备以及存储介质 | |
| CN113590013B (zh) | 虚拟资源处理方法、非易失性存储介质及电子装置 | |
| CN110400167A (zh) | 用户筛选方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |