在車輛Adhoc網絡中的V2X連接的協作診斷與預測應用的製作方法

2023-08-13 03:27:06 1

專利名稱：在車輛Ad hoc網絡中的V2X連接的協作診斷與預測應用的製作方法
技術領域：
實施例總體涉及車輛-車輛通信ad-hoc網絡。
背景技術：
在車輛-車輛(V2V)通信中，車輛通常通過基站與集中式後端伺服器通信，以提供車輛信息用於分析。後端伺服器能夠存儲和處理一個城市或其它地理位置之內的大量車輛的數據。通常，這種通信利用蜂窩式服務來執行。這種系統可用於輸入診斷和預測數據用於分析；然而，這種集中式系統將要求大量的處理能力並且處理起來成本很高。另外，在車輛和後端伺服器之間使用蜂窩式通信的通信鏈路將是成本高的，並且具有有限的帶寬。結果，如果嘗試對這樣更大的一組車輛發送診斷和預測數據用於分析將導致蜂窩系統和後端伺服器都可能過載並且整個系統將具有擴展性問題。

發明內容
一個實施例的優點在於利用車輛內診斷和預測分析方法來確定異常或預測的故障，其中，該方法使用來自遠處車輛的匯集數據並將遠處車輛的診斷和預測數據與宿主車輛的診斷和預測數據進行比較。本發明的實施例還降低了所接收的數據中的冗餘，用於降低計算處理時間和降低可能使結果歪曲的任何偏差。一個實施例構思了一種用於處理和分析車輛ad-hoc網絡中的診斷和預測數據的方法。在車輛ad-hoc網絡中的宿主車輛和遠處車輛之間交換診斷和預測數據。將所接收到的診斷和預測數據存儲在所述宿主車輛的存儲器中。消除所接收到的診斷和預測數據中的冗餘。利用聚類技術來檢測所述存儲的數據中的異常，其中，所述聚類技術確定由所述宿主車輛形成的診斷和預測數據的聚類是否與由所述遠處車輛形成的診斷和預測數據的聚類偏差較大。如果來自所述宿主車輛的聚類數據與來自所述遠處車輛的聚類偏差較大，則通知車輛的駕駛員。本發明還涉及以下技術方案。1. 一種在車輛ad-hoc網絡中處理和分析診斷和預測數據的方法，所述方法包括以下步驟
在車輛ad-hoc網絡中的宿主車輛和遠處車輛之間交換診斷和預測數據； 將所接收到的診斷和預測數據存儲在所述宿主車輛的存儲器中； 消除所接收到的診斷和預測數據中的冗餘；
利用聚類技術來檢測所述存儲的數據中的異常，其中，所述聚類技術確定由所述宿主車輛形成的診斷和預測數據的聚類是否與由所述遠處車輛形成的診斷和預測數據的聚類偏差較大；以及
如果來自所述宿主車輛的聚類數據與來自所述遠處車輛的聚類偏差較大，則通知車輛的駕駛員。2.如技術方案1所述的方法，其中，使用基於哈希函數的隨機計數技術來降低冗餘O
3.如技術方案2所述的方法，其中，基於哈希函數的隨機計數技術包括 Flajolet-Martin Sketch 邏輯。4.如技術方案1所述的方法，其中，使用專用短波通信協議作為所述宿主車輛和遠處車輛之間的通信信道。5.如技術方案1所述的方法，其中，使用WiFi在所述宿主車輛和遠處車輛之間通
fn °6.如技術方案1所述的方法，其中，所述診斷和預測數據包括來自遠處車輛的操作和缺陷數據。7.如技術方案1所述的方法，其中，所述檢測異常的步驟還包括 當將診斷和預測數據分配給各相應的聚類時，估計各相應的聚類的中心； 確定所述遠處車輛的各相應的聚類的中心是否彼此收斂到一起；以及
響應於所述遠處車輛的各相應的聚類的中心收斂而確定所述宿主車輛的聚類中的診斷和預測數據是否與所述遠處車輛的聚類中的診斷和預測數據偏差較大。8.如技術方案7所述的方法，其中，確定所述宿主車輛的聚類是否與所述遠處車輛的聚類偏差較大包括確定所述宿主車輛的聚類和所述遠處車輛的聚類之間是否偏差超過預先確定的閾值。9.如技術方案8所述的方法，其中，所述預先確定的閾值是計算的標準差。10.如技術方案8所述的方法，其中，所述預先確定的閾值是計算的標準差的倍數。11.如技術方案1所述的方法，其中，為聚類分配診斷和預測數據還包括以下步驟
計算從相應的數據點到各聚類中心的距離；
確定與所述相應的數據點距離最小的相應的聚類中心；以及
將相應的數據點分配給具有與所述相應的數據點距離最小的聚類中心的聚類。12.如技術方案1所述的方法，其中，所述異常包括所述車輛的操作參數中的當前故障。13.如技術方案1所述的方法，其中，所述異常包括所述車輛的操作參數中的預測的故障。14.如技術方案1所述的方法，其中，所述異常被提供到集中式診斷和預測報告系統。15.如技術方案1所述的方法，其中，所述集中式診斷和預測報告系統執行錯誤檢查。16.如技術方案1所述的方法，其中，所述集中式診斷和預測報告系統通知所述車輛的駕駛員。17.如技術方案1所述的方法，其中，所述車輛內的人與機器交互裝置將所述異常通知駕駛員。


圖1是交通流圖的示例。圖2是車輛-車輛通信系統的系統架構的框圖。圖3是從遠處車輛獲得診斷和預測消息的轉換流圖。圖4示出了車輛-車輛通信系統中的車輛所廣播的消息中所包括的信息的數據塊。圖5是用於降低冗餘的哈希函數(hash function)的示意性表示。圖6是用於檢測異常的聚類技術的圖示。圖7是用於預測故障的聚類模型圖的圖形表示。圖8是利用來自遠處車輛的診斷和預測數據來檢測異常的方法的流程圖。
具體實施例方式在圖1中總地示出了交通流圖，該交通流圖示出了宿主車輛10和遠處車輛12。遠處車輛12具有與宿主車輛10通信的能力，這稱為車輛-車輛(V2V)通信。宿主車輛10和遠處車輛12通過相應的車輛之間的通信網絡(例如，DSRC)而相互發送無線消息。在車輛之間傳遞的車輛-車輛(V2V)無線消息可以作為標準消息發送。無線消息包括與車輛的操作條件、環境獲知條件以及車輛動力學/動態參數相關的數據。本文所描述的實施例的優勢在於車輛可以傳遞關於其自身車輛的診斷和預測(D&P)數據，用於對比目的。這允許各車輛獨立地處理從遠處車輛收集的數據並與其自身數據進行比較，以確定是否有其自身的操作參數不在其它周圍車輛的標準之內。圖2示出了宿主車輛10和至少一個遠處車輛12之間的車輛-車輛通信系統。宿主車輛10和遠處車輛12各裝備有無線電13，該無線電13包括發送器和接收器(或收發器)，諸如專用短波通信(DSRC)裝置，用於通過天線14來廣播和接受無線消息。宿主車輛 10和遠處車輛12還包括相應的處理單元16，用於處理在無線消息或其它發送裝置(如全球定位系統(GPS)接收器)中收到的數據。各車輛還包括用於收集從一列傳感器20接收的數據的車輛交互裝置18，這一列傳感器20包括但不限於速度傳感器、制動傳感器、橫擺角速度傳感器、加速度傳感器和轉向傳感器、發動機操作參數(諸如速度、溫度、電池電壓和目標檢測)傳感器。圖3示出了宿主車輛10相對於多個遠處車輛收集和廣播車輛診斷和預測(D&P)數據。應該理解的是，宿主車輛10不但可以從直接傳遞到宿主車輛10的消息中收集D&P數據，而且可以從遠處車輛在過去從其它遠處車輛獲知而存儲起來的D&P數據中收集D&P數據。示出了在T=tQ，宿主車輛10與遠處車輛&通信。宿主車輛接收由&廣播的D&P 數據並將該D&P數據存儲在存儲器(例如，資料庫)中。在時間T=、，宿主車輛10與車輛& 通信，並將D&P數據存儲在存儲器中。在時間T=t2，宿主車輛10與車輛&通信，該車輛& 在遇到宿主車輛之前遇到了其它的遠處車輛4、S。。應該理解的是，從各個遠處車輛獲得的D&P數據可以是該遠處車輛自身的D&P數據或者是該遠處車輛從其它遠處車輛收集到的 D&P數據。例如，遠處車輛&可以基於由之前與車輛S。和&的通信而存儲在其存儲器中的 D&P數據來傳遞與S。和&有關的D&P數據。或者，宿主車輛10可以獲知在兩個相應的遠處車輛(例如，Sc和Sb)之間的通信，並將獲知的相應的D&P數據存儲在宿主車輛的存儲器中。圖3中所示的其它時間點示出了通過直接通信、通過由遠處車輛發送存儲在其存儲器中的其它遠處車輛的D&P數據、或者通過在兩個其它遠處車輛之間獲知的D&P數據而從其它遠處車輛收集D&P數據。結果，宿主車輛10可以從多個遠處車輛獲得充足的D&P數據， 而無需與各個所述多個遠處車輛進行直接通信。圖4示出了包括在車輛消息中的D&P信息的數據塊。各數據塊包括但不限於由車輛所執行的D&P服務的類型20 ；消息生成時間21 ；消息生成位置22 ；消息傳播時間範圍 23 (即，消息應該被維持多久)；消息傳播空間範圍24 (即消息應該被維持的地理位置)；以及車輛傳感器數據25。

由於從多個車輛獲得的充足的D&P數據，很大一部分的D&P數據有重疊(即，重複了)，導致了 D&P數據的冗餘。因此，需要消除D&P數據的冗餘。圖5示出了用於降低冗餘的哈希函數的示意性表示。該哈希函數是一種隨機計數哈希函數，其可包括各種哈希函數中的任何一種，諸如但不限於Flagolet-Martin Sketch邏輯。當來自兩個車輛的兩個D&P 向量合併時，哈希函數可以用來以有效率的方式(不檢查各數據向量的數據項)確定這兩個向量之間是否存在冗餘。如果存在這種冗餘，則可消除冗餘。如圖5所示，車輛A的D&P向量總體地由26表示。車輛B的D&P向量總體地由28表示。利用Flagolet-Martin Sketch 邏輯，通過將來自車輛A和車輛B的兩個D&P向量合併為所得到的由30總體表示的D&P向量而消除冗餘。一旦消除了 D&P存儲數據中的冗餘，對D&P數據應用異常檢測，駕駛員被告知任何這種異常或車輛中預測的缺陷/故障，這是由宿主車輛D&P數據和來自多個車輛的D&P數據之間的比較而確定的。利用聚類技術實現異常檢測。下面是相應的聚類技術的一個示例， 但應該理解的是，本文所述的聚類技術僅是一個實施例，可以採用其它聚類技術，而不偏離本發明的範圍。示例性聚類技術包括按照相應的準則將各遠處車輛的D&P數據分組為聚類。首先，對給定的一組數據初始化其聚類中心。初始化聚類中心可以由以下公式表示
權利要求
1.一種在車輛ad-hoc網絡中處理和分析診斷和預測數據的方法，所述方法包括以下步驟在車輛ad-hoc網絡中的宿主車輛和遠處車輛之間交換診斷和預測數據；將所接收到的診斷和預測數據存儲在所述宿主車輛的存儲器中；消除所接收到的診斷和預測數據中的冗餘；利用聚類技術來檢測所述存儲的數據中的異常，其中，所述聚類技術確定由所述宿主車輛形 成的診斷和預測數據的聚類是否與由所述遠處車輛形成的診斷和預測數據的聚類偏差較大；以及如果來自所述宿主車輛的聚類數據與來自所述遠處車輛的聚類偏差較大，則通知車輛的駕駛員。
2.如權利要求1所述的方法，其中，使用基於哈希函數的隨機計數技術來降低冗餘。
3.如權利要求2所述的方法，其中，基於哈希函數的隨機計數技術包括 Flajolet-Martin Sketch 邏輯。
4.如權利要求1所述的方法，其中，所述診斷和預測數據包括來自遠處車輛的操作和缺陷數據。
5.如權利要求1所述的方法，其中，所述檢測異常的步驟還包括當將診斷和預測數據分配給各相應的聚類時，估計各相應的聚類的中心；確定所述遠處車輛的各相應的聚類的中心是否彼此收斂到一起；以及響應於所述遠處車輛的各相應的聚類的中心收斂而確定所述宿主車輛的聚類中的診斷和預測數據是否與所述遠處車輛的聚類中的診斷和預測數據偏差較大。
6.如權利要求1所述的方法，其中，為聚類分配診斷和預測數據還包括以下步驟計算從相應的數據點到各聚類中心的距離；確定與所述相應的數據點距離最小的相應的聚類中心；以及將相應的數據點分配給具有與所述相應的數據點距離最小的聚類中心的聚類。
7.如權利要求1所述的方法，其中，所述異常包括所述車輛的操作參數中的當前故障。
8.如權利要求1所述的方法，其中，所述異常包括所述車輛的操作參數中的預測的故障。
9.如權利要求1所述的方法，其中，所述異常被提供到集中式診斷和預測報告系統。
10.如權利要求1所述的方法，其中，所述集中式診斷和預測報告系統執行錯誤檢查。
全文摘要
提供了一種用於處理和分析車輛ad-hoc網絡中的診斷和預測數據的方法。在車輛ad-hoc網絡中的宿主車輛和遠處車輛之間交換診斷和預測數據。將所接收到的診斷和預測數據存儲在所述宿主車輛的存儲器中。消除所接收到的診斷和預測數據中的冗餘。該診斷和預測數據被分配給聚類。利用聚類技術來檢測所述存儲的數據中的異常，其中，所述聚類技術確定由所述宿主車輛形成的診斷和預測數據的聚類是否與由所述遠處車輛形成的診斷和預測數據的聚類偏差較大。如果來自所述宿主車輛的聚類數據與來自所述遠處車輛的聚類偏差較大，則通知車輛的駕駛員。
文檔編號H04W24/00GK102202321SQ20111007362
公開日2011年9月28日 申請日期2011年3月25日 優先權日2010年3月25日
發明者F·白, Y·張 申請人:通用汽車環球科技運作有限責任公司