CN102202321A - 在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用 - Google Patents

在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用 Download PDF

Info

Publication number
CN102202321A
CN102202321A CN2011100736276A CN201110073627A CN102202321A CN 102202321 A CN102202321 A CN 102202321A CN 2011100736276 A CN2011100736276 A CN 2011100736276A CN 201110073627 A CN201110073627 A CN 201110073627A CN 102202321 A CN102202321 A CN 102202321A
Authority
CN
China
Prior art keywords
vehicle
data
cluster
diagnosis
distant place
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.)
Pending
Application number
CN2011100736276A
Other languages
English (en)
Inventor
F·白
Y·张
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GM Global Technology Operations LLC
Original Assignee
GM Global Technology Operations LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GM Global Technology Operations LLC filed Critical GM Global Technology Operations LLC
Publication of CN102202321A publication Critical patent/CN102202321A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

提供了一种用于处理和分析车辆ad-hoc网络中的诊断和预测数据的方法。在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据。将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中。消除所接收到的诊断和预测数据中的冗余。该诊断和预测数据被分配给聚类。利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大。如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。

Description

在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用
技术领域
实施例总体涉及车辆-车辆通信ad-hoc网络。
背景技术
在车辆-车辆（V2V）通信中，车辆通常通过基站与集中式后端服务器通信，以提供车辆信息用于分析。后端服务器能够存储和处理一个城市或其它地理位置之内的大量车辆的数据。通常，这种通信利用蜂窝式服务来执行。这种系统可用于输入诊断和预测数据用于分析；然而，这种集中式系统将要求大量的处理能力并且处理起来成本很高。另外，在车辆和后端服务器之间使用蜂窝式通信的通信链路将是成本高的，并且具有有限的带宽。结果，如果尝试对这样更大的一组车辆发送诊断和预测数据用于分析将导致蜂窝系统和后端服务器都可能过载并且整个系统将具有扩展性问题。
发明内容
一个实施例的优点在于利用车辆内诊断和预测分析方法来确定异常或预测的故障，其中，该方法使用来自远处车辆的汇集数据并将远处车辆的诊断和预测数据与宿主车辆的诊断和预测数据进行比较。本发明的实施例还降低了所接收的数据中的冗余，用于降低计算处理时间和降低可能使结果歪曲的任何偏差。
一个实施例构思了一种用于处理和分析车辆ad-hoc网络中的诊断和预测数据的方法。在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据。将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中。消除所接收到的诊断和预测数据中的冗余。利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大。如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。
本发明还涉及以下技术方案。
1. 一种在车辆ad-hoc网络中处理和分析诊断和预测数据的方法，所述方法包括以下步骤：
在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据；
将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中；
消除所接收到的诊断和预测数据中的冗余；
利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大；以及
如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。
2. 如技术方案1所述的方法，其中，使用基于哈希函数的随机计数技术来降低冗余。
3. 如技术方案2所述的方法，其中，基于哈希函数的随机计数技术包括Flajolet-Martin Sketch逻辑。
4. 如技术方案1所述的方法，其中，使用专用短波通信协议作为所述宿主车辆和远处车辆之间的通信信道。
5. 如技术方案1所述的方法，其中，使用WiFi在所述宿主车辆和远处车辆之间通信。
6. 如技术方案1所述的方法，其中，所述诊断和预测数据包括来自远处车辆的操作和缺陷数据。
7. 如技术方案1所述的方法，其中，所述检测异常的步骤还包括：
当将诊断和预测数据分配给各相应的聚类时，估计各相应的聚类的中心；
确定所述远处车辆的各相应的聚类的中心是否彼此收敛到一起；以及
响应于所述远处车辆的各相应的聚类的中心收敛而确定所述宿主车辆的聚类中的诊断和预测数据是否与所述远处车辆的聚类中的诊断和预测数据偏差较大。
8. 如技术方案7所述的方法，其中，确定所述宿主车辆的聚类是否与所述远处车辆的聚类偏差较大包括确定所述宿主车辆的聚类和所述远处车辆的聚类之间是否偏差超过预先确定的阈值。
9. 如技术方案8所述的方法，其中，所述预先确定的阈值是计算的标准差。
10. 如技术方案8所述的方法，其中，所述预先确定的阈值是计算的标准差的倍数。
11. 如技术方案1所述的方法，其中，为聚类分配诊断和预测数据还包括以下步骤：
计算从相应的数据点到各聚类中心的距离；
确定与所述相应的数据点距离最小的相应的聚类中心；以及
将相应的数据点分配给具有与所述相应的数据点距离最小的聚类中心的聚类。
12. 如技术方案1所述的方法，其中，所述异常包括所述车辆的操作参数中的当前故障。
13. 如技术方案1所述的方法，其中，所述异常包括所述车辆的操作参数中的预测的故障。
14. 如技术方案1所述的方法，其中，所述异常被提供到集中式诊断和预测报告系统。
15. 如技术方案1所述的方法，其中，所述集中式诊断和预测报告系统执行错误检查。
16. 如技术方案1所述的方法，其中，所述集中式诊断和预测报告系统通知所述车辆的驾驶员。
17. 如技术方案1所述的方法，其中，所述车辆内的人与机器交互装置将所述异常通知驾驶员。
附图说明
图1是交通流图的示例。
图2是车辆-车辆通信系统的系统架构的框图。
图3是从远处车辆获得诊断和预测消息的转换流图。
图4示出了车辆-车辆通信系统中的车辆所广播的消息中所包括的信息的数据块。
图5是用于降低冗余的哈希函数（hash function）的示意性表示。
图6是用于检测异常的聚类技术的图示。
图7是用于预测故障的聚类模型图的图形表示。
图8是利用来自远处车辆的诊断和预测数据来检测异常的方法的流程图。
具体实施方式
在图1中总地示出了交通流图，该交通流图示出了宿主车辆10和远处车辆12。远处车辆12具有与宿主车辆10通信的能力，这称为车辆-车辆（V2V）通信。宿主车辆10和远处车辆12通过相应的车辆之间的通信网络（例如，DSRC）而相互发送无线消息。
在车辆之间传递的车辆-车辆（V2V）无线消息可以作为标准消息发送。无线消息包括与车辆的操作条件、环境获知条件以及车辆动力学/动态参数相关的数据。本文所描述的实施例的优势在于车辆可以传递关于其自身车辆的诊断和预测（D&P）数据，用于对比目的。这允许各车辆独立地处理从远处车辆收集的数据并与其自身数据进行比较，以确定是否有其自身的操作参数不在其它周围车辆的标准之内。
图2示出了宿主车辆10和至少一个远处车辆12之间的车辆-车辆通信系统。宿主车辆10和远处车辆12各装备有无线电13，该无线电13包括发送器和接收器（或收发器），诸如专用短波通信（DSRC）装置，用于通过天线14来广播和接受无线消息。宿主车辆10和远处车辆12还包括相应的处理单元16，用于处理在无线消息或其它发送装置（如全球定位系统（GPS）接收器）中收到的数据。各车辆还包括用于收集从一列传感器20接收的数据的车辆交互装置18，这一列传感器20包括但不限于速度传感器、制动传感器、横摆角速度传感器、加速度传感器和转向传感器、发动机操作参数（诸如速度、温度、电池电压和目标检测）传感器。
图3示出了宿主车辆10相对于多个远处车辆收集和广播车辆诊断和预测（D&P）数据。应该理解的是，宿主车辆10不但可以从直接传递到宿主车辆10的消息中收集D&P数据，而且可以从远处车辆在过去从其它远处车辆获知而存储起来的D&P数据中收集D&P数据。
示出了在T=t0，宿主车辆10与远处车辆Sa通信。宿主车辆接收由Sa广播的D&P数据并将该D&P数据存储在存储器（例如，数据库）中。在时间T=t1，宿主车辆10与车辆Sb通信，并将D&P数据存储在存储器中。在时间T=t2，宿主车辆10与车辆Sd通信，该车辆Sd在遇到宿主车辆之前遇到了其它的远处车辆Sb、Sc。应该理解的是，从各个远处车辆获得的D&P数据可以是该远处车辆自身的D&P数据或者是该远处车辆从其它远处车辆收集到的D&P数据。例如，远处车辆Sd可以基于由之前与车辆Sc和Sb的通信而存储在其存储器中的D&P数据来传递与Sc和Sb有关的D&P数据。或者，宿主车辆10可以获知在两个相应的远处车辆（例如，Sc和Sb）之间的通信，并将获知的相应的D&P数据存储在宿主车辆的存储器中。图3中所示的其它时间点示出了通过直接通信、通过由远处车辆发送存储在其存储器中的其它远处车辆的D&P数据、或者通过在两个其它远处车辆之间获知的D&P数据而从其它远处车辆收集D&P数据。结果，宿主车辆10可以从多个远处车辆获得充足的D&P数据，而无需与各个所述多个远处车辆进行直接通信。
图4示出了包括在车辆消息中的D&P信息的数据块。各数据块包括但不限于：由车辆所执行的D&P服务的类型20；消息生成时间21；消息生成位置22；消息传播时间范围23（即，消息应该被维持多久）；消息传播空间范围24（即消息应该被维持的地理位置）；以及车辆传感器数据25。
由于从多个车辆获得的充足的D&P数据，很大一部分的D&P数据有重叠（即，重复了），导致了D&P数据的冗余。因此，需要消除D&P数据的冗余。图5示出了用于降低冗余的哈希函数的示意性表示。该哈希函数是一种随机计数哈希函数，其可包括各种哈希函数中的任何一种，诸如但不限于Flagolet-Martin Sketch逻辑。当来自两个车辆的两个D&P向量合并时，哈希函数可以用来以有效率的方式（不检查各数据向量的数据项）确定这两个向量之间是否存在冗余。如果存在这种冗余，则可消除冗余。如图5所示，车辆A的D&P向量总体地由26表示。车辆B的D&P向量总体地由28表示。利用Flagolet-Martin Sketch逻辑，通过将来自车辆A和车辆B的两个D&P向量合并为所得到的由30总体表示的D&P向量而消除冗余。
一旦消除了D&P存储数据中的冗余，对D&P数据应用异常检测，驾驶员被告知任何这种异常或车辆中预测的缺陷/故障，这是由宿主车辆D&P数据和来自多个车辆的D&P数据之间的比较而确定的。利用聚类技术实现异常检测。下面是相应的聚类技术的一个示例，但应该理解的是，本文所述的聚类技术仅是一个实施例，可以采用其它聚类技术，而不偏离本发明的范围。示例性聚类技术包括按照相应的准则将各远处车辆的D&P数据分组为聚类。首先，对给定的一组数据初始化其聚类中心。初始化聚类中心可以由以下公式表示：
Figure 2011100736276100002DEST_PATH_IMAGE001
其中，
Figure 859127DEST_PATH_IMAGE002
表示相应的聚类中心，以及
Figure 2011100736276100002DEST_PATH_IMAGE003
其中，
Figure 838585DEST_PATH_IMAGE004
表示数据点，
Figure 2011100736276100002DEST_PATH_IMAGE005
表示计数。
然后，将数据分配给聚类。将数据分配给聚类由以下公式表示：
Figure 415059DEST_PATH_IMAGE006
其中，
Figure 2011100736276100002DEST_PATH_IMAGE007
表示成员函数，用于确定数据点是否属于一个聚类，
Figure 138165DEST_PATH_IMAGE008
表示距离，
Figure 952537DEST_PATH_IMAGE004
表示数据点，表示聚类中心，表示聚类的计数。基于数据到聚类中心的距离而将相应的D&P数据分配给聚类。即，相应的D&P数据点被分配给与该D&P数据点距离最小的聚类中心所在的聚类。
在数据被分配给聚类之后，重新估计聚类中心。重新估计聚类中心有利于确定聚类中心是否收敛。利用以下公式重新估计聚类中心：
Figure 2011100736276100002DEST_PATH_IMAGE011
。
在完成聚类中心的重新估计之后，确定重新估计的聚类中心是否彼此收敛到一起。如果聚类中心不收敛，则确定数据对于远处车辆过于分散，使得不可能进行与宿主车辆的聚类的比较。返回以获得更多数据，并将该数据赋予相应的聚类。
如果确定聚类中心收敛，则确定宿主车辆D&P数据的聚类是否与远处车辆D&P数据的收敛的聚类严重偏离。由宿主车辆聚类的D&P数据与远处车辆的D&P数据的聚类是否偏差超过预先确定的范围或收敛的聚类的标准差的倍数而可以容易地确定它们是否偏差较大。
图6示出了聚类技术的示意性图示。远处车辆的D&P数据的聚类总体地显示为32、34和36。各聚类表示相同的准则，但是，不同的聚类可表示在相应的操作条件下的准则。例如，D&P数据可以是远处车辆的发动机温度数据，但各个聚类可以表示车辆在怠速、在高速公路上或在城市驾驶中的发动机温度。宿主车辆的D&P数据的聚类总地表示为38。进行比较以确定宿主车辆的聚类是否与远处车辆的聚类32、34和36偏离较大。如图6所示，宿主车辆的D&P数据的聚类38与远处车辆的D&P数据的聚类32、34和36偏离较大。
图7示出了用于确定异常的建模技术的另一个例子。从D&P数据构造的远处车辆的递降曲线总体表示在40、42和44。宿主车辆递降曲线总体表示在46。如图7所示，宿主车辆的递降曲线46与远处车辆的递降曲线40、42和44偏离较大。结果，从远处车辆和宿主车辆之间的聚类数据的比较可以容易地确定故障预测。
图8示出了用于检测宿主车辆内的异常的方法的流程图。在步骤50，各车辆的D&P数据组合在消息中。
在步骤51中，检测由远处车辆进行的通信。
在步骤52中，由远处车辆接收D&P数据。由宿主车辆获得的D&P数据可包括通过直接通信、通过远处车辆发送该远处车辆在过去接收并存储在存储器中的其它远处车辆的D&P数据、或者通过在两个其它远处车辆之间获知的D&P数据而获得的D&P数据。如果确立了与远处车辆的直接通信，则宿主车辆将其D&P数据发送到远处车辆。
在步骤53中，在宿主车辆存储器/数据库中更新D&P数据。检查来自远处车辆的D&P数据的冗余性。基于哈希的随机计数函数（例如，Flajolet-Martin Sketch逻辑）被用于合并两个远处车辆的两个D&P向量，以避免重复计算相同数据，否则其可能使分析有偏差。
在步骤54中，对更新的D&P数据执行聚类技术，来确定是否存在异常及预测可能的故障。应该理解的是，处理单元可以使用一种或多种聚类技术来确定是否存在异常。数据基于相应的准则分配给聚类。对远处车辆和宿主车辆确定聚类。估计各聚类的中心点。当评估了远处车辆的各聚类中心点后，确定聚类中心点是否收敛。如果远处车辆的聚类中心点收敛，则在宿主车辆的聚类和远处车辆的聚类之间执行比较。确定宿主车辆的聚类与远处车辆的聚类是否偏差较大可以通过该偏差是否大于预先确定的阈值（诸如预先确定的范围或标准差或标准差的倍数）而确定。
在步骤56中，响应于确定宿主车辆的聚类与远处车辆的聚类偏差较大而通知驾驶员异常或可能的故障。通知驾驶员可以通过视觉、听觉或触觉装置（诸如人与机器交互装置）来提供。或者，可以通过基于无线通信网络的服务来提供警告，该基于无线通信网络的服务可以通过与固定的实体的无线通信链路来提供诸如但不限于车辆内安全，远程诊断系统和其它服务的服务。
应该理解的是，在车载收集中，D&P数据的分析和处理不仅检测异常和故障，还降低所接收的数据中的冗余，这降低了数据的计算处理时间，并且降低了可能使数据歪曲的偏差。
虽然已经详细描述了本发明的一些实施例，但本发明所属领域的技术人员将意识到用于实施本发明的各种替代性设计和实施例，而本发明由所附权利要求限定。

Claims (10)

1. 一种在车辆ad-hoc网络中处理和分析诊断和预测数据的方法，所述方法包括以下步骤： 在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据； 将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中； 消除所接收到的诊断和预测数据中的冗余； 利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大；以及 如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。
2. 如权利要求1所述的方法，其中，使用基于哈希函数的随机计数技术来降低冗余。
3. 如权利要求2所述的方法，其中，基于哈希函数的随机计数技术包括Flajolet-Martin Sketch逻辑。
4. 如权利要求1所述的方法，其中，所述诊断和预测数据包括来自远处车辆的操作和缺陷数据。
5. 如权利要求1所述的方法，其中，所述检测异常的步骤还包括： 当将诊断和预测数据分配给各相应的聚类时，估计各相应的聚类的中心； 确定所述远处车辆的各相应的聚类的中心是否彼此收敛到一起；以及 响应于所述远处车辆的各相应的聚类的中心收敛而确定所述宿主车辆的聚类中的诊断和预测数据是否与所述远处车辆的聚类中的诊断和预测数据偏差较大。
6. 如权利要求1所述的方法，其中，为聚类分配诊断和预测数据还包括以下步骤： 计算从相应的数据点到各聚类中心的距离； 确定与所述相应的数据点距离最小的相应的聚类中心；以及 将相应的数据点分配给具有与所述相应的数据点距离最小的聚类中心的聚类。
7. 如权利要求1所述的方法，其中，所述异常包括所述车辆的操作参数中的当前故障。
8. 如权利要求1所述的方法，其中，所述异常包括所述车辆的操作参数中的预测的故障。
9. 如权利要求1所述的方法，其中，所述异常被提供到集中式诊断和预测报告系统。
10. 如权利要求1所述的方法，其中，所述集中式诊断和预测报告系统执行错误检查。
CN2011100736276A 2010-03-25 2011-03-25 在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用 Pending CN102202321A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/731,395 US20110238259A1 (en) 2010-03-25 2010-03-25 V2X-Connected Cooperative Diagnostic & Prognostic Applications in Vehicular AD HOC Networks
US12/731395 2010-03-25

Publications (1)

Publication Number Publication Date
CN102202321A true CN102202321A (zh) 2011-09-28

Family

ID=44657319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011100736276A Pending CN102202321A (zh) 2010-03-25 2011-03-25 在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用

Country Status (3)

Country Link
US (1) US20110238259A1 (zh)
CN (1) CN102202321A (zh)
DE (1) DE102011014838A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104091035A (zh) * 2014-07-30 2014-10-08 中国科学院空间应用工程与技术中心 一种基于数据驱动算法的空间站有效载荷健康监测方法
CN106062847A (zh) * 2015-01-20 2016-10-26 松下电器（美国）知识产权公司 不正常应对方法以及电子控制单元
CN106227278A (zh) * 2016-08-31 2016-12-14 王小兰 一种自修正烤烟叶加工监控系统
CN106248396A (zh) * 2016-08-31 2016-12-21 王小兰 一种自修正自组织汽车故障监控系统
CN106387120A (zh) * 2016-08-31 2017-02-15 王小兰 一种自组织茶叶烘培监控系统
CN106465153A (zh) * 2014-05-07 2017-02-22 大众汽车有限公司 用于估计预期的接收质量的方法和装置
CN107211253A (zh) * 2015-02-03 2017-09-26 株式会社电装 车辆用通信机
CN107211252A (zh) * 2015-02-03 2017-09-26 株式会社电装 车辆用通信机
CN107438085A (zh) * 2016-05-25 2017-12-05 西安中兴新软件有限责任公司 一种基于车载终端的自组网方法及车载终端
CN111200799A (zh) * 2018-11-20 2020-05-26 华为技术有限公司 一种车联网的异常行为检测方法、装置和系统
CN111800508A (zh) * 2020-07-06 2020-10-20 广元量知汇科技有限公司 基于大数据的自动驾驶故障监测方法

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8433472B2 (en) * 2010-08-04 2013-04-30 GM Global Technology Operations LLC Event-driven data mining method for improving fault code settings and isolating faults
JP2013037676A (ja) * 2011-07-12 2013-02-21 Nissan Motor Co Ltd 車両情報提供装置及び車両情報管理システム
US8849497B2 (en) * 2012-03-01 2014-09-30 GM Global Technology Operations LLC Vehicle health prognosis
EP3308488B1 (en) * 2015-07-06 2020-01-01 Huawei Technologies Co., Ltd. A frame structure, communication devices and methods for communication
US9725037B2 (en) * 2015-07-09 2017-08-08 Nissan North America, Inc. Message occlusion detection system and method in a vehicle-to-vehicle communication network
US9598009B2 (en) 2015-07-09 2017-03-21 Nissan North America, Inc. Vehicle intersection warning system and method with false alarm suppression
EP4145263A1 (en) 2015-07-17 2023-03-08 Crown Equipment Corporation Processing device having a graphical user interface for industrial vehicle
US9776630B2 (en) 2016-02-29 2017-10-03 Nissan North America, Inc. Vehicle operation based on converging time
US9846978B1 (en) 2016-06-15 2017-12-19 Ford Global Technologies, Llc Remaining useful life estimation of vehicle component
US10013877B2 (en) * 2016-06-20 2018-07-03 Toyota Jidosha Kabushiki Kaisha Traffic obstruction notification system based on wireless vehicle data
US10037698B2 (en) 2016-07-28 2018-07-31 Nissan North America, Inc. Operation of a vehicle while suppressing fluctuating warnings
EP3545398B1 (en) 2016-11-22 2023-01-04 Crown Equipment Corporation User interface device for industrial vehicle
US10489992B2 (en) 2017-05-08 2019-11-26 Lear Corporation Vehicle communication network
JP6750646B2 (ja) * 2018-06-07 2020-09-02 トヨタ自動車株式会社 車載装置、情報処理方法、および、情報処理プログラム
US10883450B2 (en) * 2018-07-24 2021-01-05 Ford Global Technologies, Llc Methods and systems for cloud-based emissions testing
US11747806B1 (en) 2019-02-05 2023-09-05 AV-Connect, Inc. Systems for and method of connecting, controlling, and coordinating movements of autonomous vehicles and other actors
US11003195B2 (en) * 2019-02-28 2021-05-11 GM Global Technology Operations LLC Method to prioritize the process of receiving for cooperative sensor sharing objects
US11192548B2 (en) * 2019-03-25 2021-12-07 Ford Global Technologies, Llc Methods and systems for limiting a vehicle speed and changing vehicle dynamics drive mode

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080086685A1 (en) * 2006-10-05 2008-04-10 James Janky Method for delivering tailored asset information to a device
CN101316224A (zh) * 2007-05-30 2008-12-03 华为技术有限公司 建立对等体聚类的实现方法、对等体通信方法及p2p网络对等体
CN101482752A (zh) * 2008-01-10 2009-07-15 厦门雅迅网络股份有限公司 一种通过gps定位和移动通信实现实时车辆远程故障分析的方法
US20090268623A1 (en) * 2008-04-28 2009-10-29 Lucent Technologies Inc. Efficient probabilistic counting scheme for stream-expression cardinalities
CN101598943A (zh) * 2009-07-03 2009-12-09 烟台麦特电子有限公司 一种汽车故障远程诊断方法及其车载智能终端装置
CN101644931A (zh) * 2009-08-21 2010-02-10 宁波大学 一种电动叉车控制系统的检测诊断和修复方法
CN101648565A (zh) * 2008-08-12 2010-02-17 通用汽车环球科技运作公司 通过使用诊断和预测信息的主动车辆系统管理和维护
CN101660974A (zh) * 2008-08-29 2010-03-03 丰田自动车株式会社 用于车辆的异常分析系统和用于车辆的异常分析方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005069203A2 (en) * 2004-01-09 2005-07-28 United Parcel Service Of America, Inc. System, method and apparatus for capturing telematics data with an active rfid tag
US7987177B2 (en) * 2008-01-30 2011-07-26 International Business Machines Corporation Method for estimating the number of distinct values in a partitioned dataset

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080086685A1 (en) * 2006-10-05 2008-04-10 James Janky Method for delivering tailored asset information to a device
CN101316224A (zh) * 2007-05-30 2008-12-03 华为技术有限公司 建立对等体聚类的实现方法、对等体通信方法及p2p网络对等体
CN101482752A (zh) * 2008-01-10 2009-07-15 厦门雅迅网络股份有限公司 一种通过gps定位和移动通信实现实时车辆远程故障分析的方法
US20090268623A1 (en) * 2008-04-28 2009-10-29 Lucent Technologies Inc. Efficient probabilistic counting scheme for stream-expression cardinalities
CN101648565A (zh) * 2008-08-12 2010-02-17 通用汽车环球科技运作公司 通过使用诊断和预测信息的主动车辆系统管理和维护
CN101660974A (zh) * 2008-08-29 2010-03-03 丰田自动车株式会社 用于车辆的异常分析系统和用于车辆的异常分析方法
CN101598943A (zh) * 2009-07-03 2009-12-09 烟台麦特电子有限公司 一种汽车故障远程诊断方法及其车载智能终端装置
CN101644931A (zh) * 2009-08-21 2010-02-10 宁波大学 一种电动叉车控制系统的检测诊断和修复方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106465153A (zh) * 2014-05-07 2017-02-22 大众汽车有限公司 用于估计预期的接收质量的方法和装置
CN106465153B (zh) * 2014-05-07 2020-10-13 大众汽车有限公司 用于估计预期的接收质量的方法和装置
CN104091035B (zh) * 2014-07-30 2017-02-08 中国科学院空间应用工程与技术中心 一种基于数据驱动算法的空间站有效载荷健康监测方法
CN104091035A (zh) * 2014-07-30 2014-10-08 中国科学院空间应用工程与技术中心 一种基于数据驱动算法的空间站有效载荷健康监测方法
CN106062847A (zh) * 2015-01-20 2016-10-26 松下电器（美国）知识产权公司 不正常应对方法以及电子控制单元
CN106062847B (zh) * 2015-01-20 2020-09-01 松下电器（美国）知识产权公司 不正常应对方法以及电子控制单元
CN107211252A (zh) * 2015-02-03 2017-09-26 株式会社电装 车辆用通信机
CN107211253A (zh) * 2015-02-03 2017-09-26 株式会社电装 车辆用通信机
CN107211252B (zh) * 2015-02-03 2020-03-24 株式会社电装 车辆用通信机
CN107211253B (zh) * 2015-02-03 2020-05-26 株式会社电装 车辆用通信机
CN107438085A (zh) * 2016-05-25 2017-12-05 西安中兴新软件有限责任公司 一种基于车载终端的自组网方法及车载终端
CN107438085B (zh) * 2016-05-25 2021-12-28 西安中兴新软件有限责任公司 一种基于车载终端的自组网方法及车载终端
CN106387120A (zh) * 2016-08-31 2017-02-15 王小兰 一种自组织茶叶烘培监控系统
CN106248396A (zh) * 2016-08-31 2016-12-21 王小兰 一种自修正自组织汽车故障监控系统
CN106227278A (zh) * 2016-08-31 2016-12-14 王小兰 一种自修正烤烟叶加工监控系统
CN111200799A (zh) * 2018-11-20 2020-05-26 华为技术有限公司 一种车联网的异常行为检测方法、装置和系统
WO2020103524A1 (zh) * 2018-11-20 2020-05-28 华为技术有限公司 一种车联网的异常行为检测方法、装置和系统
CN111800508A (zh) * 2020-07-06 2020-10-20 广元量知汇科技有限公司 基于大数据的自动驾驶故障监测方法
CN111800508B (zh) * 2020-07-06 2021-04-23 地上铁租车（深圳）有限公司 基于大数据的自动驾驶故障监测方法

Also Published As

Publication number Publication date
US20110238259A1 (en) 2011-09-29
DE102011014838A1 (de) 2012-05-10

Similar Documents

Publication Publication Date Title
CN102202321A (zh) 在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用
US11100731B2 (en) Vehicle sensor health monitoring
CN108860165B (zh) 车辆辅助驾驶方法和系统
US20190205115A1 (en) Systems and methods for secure and safety software updates in the context of moving things, in particular a network of autonomous vehicles
Campolo et al. SMaRTCaR: An integrated smartphone-based platform to support traffic management applications
US10999156B2 (en) Mobility services platform for self-healing mobility clients
CN110806739B (zh) 诊断车辆健康状况的设备和方法
EP2166513B1 (en) Vehicle management system
CN107545756B (zh) 确定协同和/或自主驾驶的共同环境信息的方法及车辆
US10037683B1 (en) Crash detection using GNSS velocity measurements and bus monitoring
KR20190018633A (ko) 상황 기반 비정상 모니터링을 위한 방법들 및 시스템들
US9554241B2 (en) Systems and methods for sharing location data within a vehicle
JP2008077143A (ja) プローブ情報収集装置、プローブ情報送信装置およびプローブ情報収集方法
WO2016178613A1 (en) Device and method for managing communication for a vehicle
US11408739B2 (en) Location correction utilizing vehicle communication networks
CN104205181A (zh) 基于邻近性的紧急事件的服务
JP6615204B2 (ja) 移動装置のアドホック・メッシュ・ネットワークを使用して資産を追跡するシステム及び方法
Xu et al. Vehicular fog computing enabled real-time collision warning via trajectory calibration
Sattar et al. Recent advances on context-awareness and data/information fusion in ITS
JP2008129815A (ja) 車載通信装置
US20200344845A1 (en) Cellular network coverage using a vehicle-based data transmission extender
Teixeira et al. A sensing, communication and computing approach for vulnerable road users safety
JP2016018407A (ja) 車車間無線通信方法及び装置
Barcelos et al. Vehicle monitoring system using IEEE 802.11 p device and Android application
US11374667B2 (en) Localizing communications interference node

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20110928