车辆合格证识别 功能介绍 识别车辆合格证中的文字信息，并返回识别的结构化结果。 约束与限制 只支持中国大陆车辆合格证的识别。 只支持识别PNG、JPG、JPEG、BMP、TIFF格式的图片。 图像各边的像素大小在15到8192px之间。 图像中识别区域有效占比超过80%，保证整张车辆合格证内容及其边缘包含在图像内。

查看更多 →

车辆通行费发票识别 功能介绍 识别车辆通行费发票中的关键文字信息，并以JSON格式返回识别的结构化结果。该接口的使用限制请参见约束与限制，详细使用指导请参见OCR服务使用简介章节。 图1 车辆通行费发票示例图 如果图片中包含多张卡证票据，请调用智能分类识别服务。 约束与限制 支持

查看更多 →

车辆 注册车辆 登录 路网数字化服务 控制台。 在左侧导航栏，选择“设备管理 > 设备总览”，在设备管理界面选择“车辆 > 注册车辆”。 参考表1填写车辆信息。 表1 车辆信息说明 参数名称 说明 车辆id 车辆唯一标识符。 VIN码 VIN码，车辆的17位VIN码。 密钥 第三方车

查看更多 →

车辆管理 查询车辆列表 创建车辆 删除车辆 修改车辆 父主题： 应用侧API参考

查看更多 →

删除车辆 功能介绍 删除车辆 调试 您可以在 API Explorer 中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 URI DELETE /v1/{project_id}/vehicles/{vehicle_id}

查看更多 →

说明 vehicles List<Object> 输出车辆信息列表。 vehicles参数格式说明 字段 类型 说明 bounding_box Object 车辆的位置坐标信息。 vehicle_type Int 检测到的车辆类型。 0 - 小汽车 1 - 渣土车 2 - 拖挂车

查看更多 →

车辆服务 车辆保险 车辆保险信息录入、编辑、删除、批量删除；列表查询； 图1 车辆保险 车辆违章 车辆违章信息录入、编辑、删除、批量删除；列表查询； 图2 车辆违章 车辆事故 车辆事故信息录入、编辑、删除、批量删除；列表查询； 图3 车辆事故 车辆维修 车辆维修信息录入、编辑、删除、批量删除；列表查询；

查看更多 →

车队名称：该车辆所属车队，可新建或直接选择已有车队。 单击“创建”。 在“车辆管理”页面的列表中，可以查看新创建的车辆。 车辆管理相关操作 在“车辆管理”页签，还可以完成以下任务。 表2 车辆管理相关操作 任务 操作步骤 查看车辆详情 单击具体的车辆名称，即可查看车辆详情。 编辑车辆 单

查看更多 →

车辆智能 违法停车 父主题： 智能配置

查看更多 →

pc5And5g pc5And4g pc5And3g pc5And2g secret 是 String 参数说明：第三方车辆密钥，输入车辆型号ID后方可填写该字段以设置方车辆密码。 最小长度：8 最大长度：32 description 否 String 参数说明：描述。 取值范围：长度不

查看更多 →

修改车辆 功能介绍 修改车辆 调试 您可以在API Explorer中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 URI PUT /v1/{project_id}/vehicles/{vehicle_id} 表1

查看更多 →

道路线属性properties参数格式 字段 是否必选 类型 说明 type 否 Int 0表示车辆靠近线，1表示车辆远离线。 默认靠近线在远离线下方。 当车辆从上往下行驶，触碰车辆靠近线时，发送检测结果。 当车辆从下往上行驶，触碰车辆远离线时，发送检测结果。 该字段可不配，算法会自动检测线的类型。 polygons字段参数描述

查看更多 →

特征选择 删除列 删除特征列的场景有很多，例如：两个特征呈线性变化关系，为减少模型训练的开销，删除其中一个特征列。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理 > 特征选择 > 删除列”，界面新增“删除列”内容。 对应参数说明，如表1所示。 表1 参数说明 参数 参数说明

查看更多 →

数据特征 数据分析 数据处理 特征工程 父主题： 预置算子说明

查看更多 →

实体设置（Entities） 车辆和控制器（Vehicle and controller） 通过车辆名: vehicle的方式来为车辆命名。通过keep(it.name == 指定车型名称)的方式来指定车辆类型。通过keep(it.initial_bm == 指定controll

查看更多 →

检查“已选择特征”是否为用户选择的特征列。 配置“变换特征数”，保留指定“变换特征数”的特征列。 单击“确定”，执行信息熵。 在“特征操作流总览”区域会新增一个“信息熵”节点。 新增特征 新增特征支持用户基于已有的特征列，按照样本数据行的维度，通过求和、求均值，构造出新的特征列。例如，两个特征列ID1（2

查看更多 →

。这些类别，对应到后面的特征选择、算法推荐，会有不同的策略，有效提升模型的构建效率。 单击“选择数据”左下方的“特征画像”。 新增“特征画像”内容，如图1所示。 图1 特征画像 单击“特征画像”代码框左侧的图标，运行代码。 通过运行结果左侧两个图可以直观的看一下原始数据和数据的密

查看更多 →

筛选特征 样本对齐执行完成后单击下一步进入“特征选择”页面，这一步企业A需要选出企业A自己和大数据厂商B的特征及标签用于后续的训练。 企业A可以选择特征及标签后“启动分箱和IV计算”，通过联邦的统计算法计算出所选特征的iv值，一般而言iv值较高的特征更有区分性，应该作为首选的训练

查看更多 →

特征转换 概述 将对应列的数据乘以相应的权重得到新的列，只支持数字列。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 数据集 参数说明 参数 子参数 参数说明 input_columns_str

查看更多 →

呼叫特征 表1 呼叫特征说明 值 说明 0 普通客户呼叫 1 来自话务员 2 长途客户呼叫 3 CTI收到网络路由实呼后发起的路由 4 国际长途来话 40 预约呼出 41 预占用呼出 42 预连接呼出 43 虚呼入呼出 44 预览呼出 45 回呼请求 51 内部求助 父主题： 附录

查看更多 →

特征工程 特征工程中已经预置了两个特征处理工程，这里暂不使用，会提供端到端的操作流程，帮助用户快速熟悉特征工程界面操作。 如果需要了解特征工程操作详情，可查看模型训练服务《用户指南》中的“特征工程”章节内容。 无故障硬盘训练数据集特征处理 单击菜单栏中的“特征工程”，进入特征工程首页，如图1所示。

查看更多 →