CN108983599A - 一种车联网下多参数融合的自适应监控方法 - Google Patents

一种车联网下多参数融合的自适应监控方法 Download PDF

Info

Publication number
CN108983599A
CN108983599A CN201810888490.1A CN201810888490A CN108983599A CN 108983599 A CN108983599 A CN 108983599A CN 201810888490 A CN201810888490 A CN 201810888490A CN 108983599 A CN108983599 A CN 108983599A
Authority
CN
China
Prior art keywords
security level
vehicle
monitoring
module
car
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.)
Granted
Application number
CN201810888490.1A
Other languages
English (en)
Other versions
CN108983599B (zh
Inventor
常光辉
赵雷镇
刘宴兵
徐光侠
张夏嫣
邓泽宇
朱俊烨
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.)
Chongqing University of Post and Telecommunications
Original Assignee
Chongqing University of Post and Telecommunications
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 Chongqing University of Post and Telecommunications filed Critical Chongqing University of Post and Telecommunications
Priority to CN201810888490.1A priority Critical patent/CN108983599B/zh
Publication of CN108983599A publication Critical patent/CN108983599A/zh
Application granted granted Critical
Publication of CN108983599B publication Critical patent/CN108983599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明属于车联网领域，具体涉及到一种车联网下多参数融合的自适应监控系统及其监控方法，所述监控方法包括：车站终端获取车辆属性和车辆类别的信息，并通过网络从路测设备中获取外界的相关信息，随后车载终端将获取的信息汇总后发送给后台管理服务器；后台管理服务器根据车载终端发送的数据计算车辆的监控状态指数P，根据车辆的监控状态指数P的数值选择安全等级；后台管理服务器将安全等级返回给用户端，车载终端根据收到的当前车辆的安全等级选择监控策略；本发明充分考虑车联网的高动态性、网络时延和带宽监控机制的影响，自适应的选择监控策略，提高监控系统的可伸缩性，提高网络通信资源利用率，减小了用户端的资源开销，提高了整个系统的监控性能。

Description

一种车联网下多参数融合的自适应监控方法
技术领域
本发明属于车联网领域，具体涉及到一种车联网下多参数融合的自适应监控方法。
背景技术
随着当前智能网联汽车产业的进一步发展，各类层出不断的车联网产品及技术使得车联网市场竞争空前激烈。伴随着车载终端技术的日益成熟，车辆与车辆，车辆与外界的联系越来越密切，如今的车辆已成为交通互联网上的移动节点。然而，车联网在为人们提供便捷服务的同时也受到各种安全问题的威胁。因此，对智能网联汽车的检测监控显得尤为重要。另外，由于车联网环境下的车辆具有多变性，动态性的特征。传统的监测方案或方法仅仅是利用阈值法进行监控，自适应较差，监控方案具有较大的局限性。因此车联网环境下自适应的监控能够及时的发现自身异常、快速定位异常点，这对于提高网联环境下车辆的可靠运转、安全服务具有重要意义。
目前，常见的车联网监控主要是通过传感器等装置来完成自身环境以及状态信息的采集，然后通过传输技术将其汇聚到中央处理器并进行信息处理。但由于缺乏对网络状态以及车辆自身各种属性的分析，受限于简单的参数设定，未曾考虑到网络通信时延和带宽对监控信息回传、反馈速度的影响，最终导致监控效率与处理突发事件的能力降低。由此，这些已有的监控方法并不能完全契合高度动态的车辆环境，无法高效的对车辆进行监控管理，其监控策略还需要进一步改进。因此，为促进智能交通领域的技术发展，有必要发明一种车联网环境下车辆的自适应监控方法。
发明内容
针对上述问题，为了提高车联网环境下车辆监控功能的自适应性，本发明的目的是提供一种车联网下多参数融合的自适应监控系统及其监控方法方法，如图1，所述监控方法包括：
S1、车站终端获取车辆属性和车辆类别的信息，并通过网络从路测设备中获取外界的相关信息，随后车载终端将获取的信息汇总后发送给后台管理服务器；
S2、后台管理服务器根据车载终端发送的数据计算车辆的监控状态指数P，根据车辆的监控状态指数P的数值选择安全等级；
S3、后台管理服务器将安全等级返回给用户端，车载终端根据收到的当前车辆的安全等级选择监控策略。
优选的，车辆的监控状态指数P的计算包括：
其中，βi表示当前车辆所处外界环境，i∈{1,2,...,n}，且当前车辆所处外界环境βi有n个类型，每个类型对应一个类型值；表示车辆属性，y∈{1,2,...,Y}，车辆属性总共有Y个属性，每个属性对应一个属性值；αx表示车辆种类，总共有x个车辆种类，每个类别对应一个类别值，jx表示车辆种类αx的权值，x∈{1,2,3}。
优选的，所述根据车辆的监控状态指数P的数值选择安全等级包括：若车辆的监控状态指数P的值域为(z0,z5)，根据车辆的监控状态指数P的值域划分5个安全等级，安全等级从低到高依次为：第一安全等级S1对应的值域为(z0,z1]，第二安全等级S2对应的值域为(z1,z2]，第三安全等级S3对应的值域为(z2,z3]，第四安全等级S4对应的值域为(z3,z4]，第五安全等级S5对应的值域为(z4,z5)；其中z0＜z1＜z2＜z3＜z4＜z5，z0、z1、z2、z3、z4和z5均为自然数。
优选的，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级高，控制模块增大监控周期T；反之，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级低，控制模块则减小监控周期T。
优选的，后台管理服务器对不同安全等级采用不同的加密算法进行加密，再将加密后的安全等级发送给用户端，其中第一安全安全等级S1采用DES加密算法，第二安全安全等级S2采用3DES加密算法，第三安全安全等级S3采用AES加密算法，第四安全安全等级S4采用DSA加密算法，第五安全等级S5采用ECC加密算法。
优选的，车载终端根据收到的当前车辆的安全等级选择监控策略包括：监控策略包括CPU监控指标和内存监控指标，CPU监控指标包括用户CPU、系统CPU、系统空闲CPU、系统x分钟内的负载情况、CPUC利用率和系统正在运行进程数，内存监控指标包括系统总内存、使用内存大小和系统空闲内存。
本发明充分考虑车联网环境下车辆的高动态性、以及网络时延和带宽对资源监控传输的影响，通过收集当前车辆指标数据计算状态等级，然后根据监控等级自适应的选择监控策略。该监控方法能够根据动态的环境做出监控调整，提高了监控系统的可伸缩性。优选的选择监控策略能够降低网络带宽负荷，提高车载终端及服务器的资源利用率；本发明在计算状态指数时融合了车辆自身属性、车辆所在路段情况、车辆种类等几个方面因素影响，发明了一种多参数融合的计算方法，该方法克服了传统阈值法计算单一，局限性与偶然性并存的弊端。本发明能够从多方面因素综合考虑车联网环境下车辆的运行状态，基于以上优点，本发明可用于监控车联网环境下车辆的状态。
附图说明
图1为本发明一种车联网下多参数融合的自适应监控方法的流程图；
图2为本发明一种车联网下多参数融合的自适应监控系统结构图；
图3为本发明一种车联网下多参数融合的自适应监控方法的数据传输时序图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在不付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了高效地对车辆进行监控管理，本发明提出一种车联网下多参数融合的自适应监控系统及其监控方法，所述监控系统，如图2，包括：交通信息平台、用户端和后台管理服务器，交通信息平台包括路测设备、天气信息平台、GPS位置信息和交通管理系统；用户端包括车载终端，所述车载终端包括数据采集模块、信息储存模块、监控模块、控制模块、第一判断模块和第一传输模块；所述后台管理服务器包括计算模块、第二判断模块、加密模块和第二传输模块，用户端通过第一传输模块与交通信息平台和后台管理服务器通的第二传输模块实现数据传输；其中
控制模块，根据上一时刻的安全等级和当前时刻的安全等级变更数据传输指标；
数据采集模，用于采集车辆属性和车辆类别的信息；
信息储存模块，用于储存车载终端数据采集模块的信息和从交通信息平台接收到的信息；
监控模块，根据车载终端的监控策略定时上传车载终端信息储存模块的信息；
第一判断模块，根据车载终端的安全等级选择监控策略；
第一传输模块，用于用户端与交通信息平台和后台管理服务器进行数据交换；
计算模块，根据后台管理服务器接收到的信息计算车辆的监控状态指数P；
第二判断模块，根据车辆的监控状态指数P划分安全等级；
加密模块，根据第二判断模块划分的安全等级进行加密；
第二传输模块，用于用户端与后台管理服务器的数据交换。。
本发明提供一种车联网下多参数融合的自适应监控方法，结合图1和图3，包括如下步骤：
S1、车站终端获取车辆属性和车辆类别的信息，并通过网络从路测设备中获取外界的相关信息，随后车载终端将获取的信息汇总后发送给后台管理服务器；
S2、后台管理服务器根据车载终端发送的数据计算车辆的监控状态指数P，根据车辆的监控状态指数P的数值选择安全等级；
S3、后台管理服务器将安全等级返回给用户端，车载终端根据收到的当前车辆的安全等级选择监控策略。
本发明在实施过程中，车载终端的数据采集模块进行数据采集，主要采集车辆属性和车辆类别信息，再从路测设备中获取外界相关信息，车载终端将这些信息汇总之后通过第一传输模块发送给后台管理服务器的第二传输模块，后台管理服务器的计算模块根据第二传输模块接收到的数据计算车辆的监控状态指数P，计算过程包括：
其中，βi表示当前车辆所处外界环境，i∈{1,2,...,n}，且当前车辆所处外界环境βi有n个类型，每个类型对应一个类型值；表示车辆属性，y∈{1,2,...,Y}，车辆属性总共有Y个属性，每个属性对应一个属性值；αx表示车辆种类，总共有x个车辆种类，每个类别对应一个类别值，jx表示车辆种类αx的权值，x∈{1,2,3}。
在本实施例中提供一种车辆类型的选择方案，其中车辆种类主要包括特种车α1(例如救护车、消防车等)、普通车α2(例如私家车、出租车等)、运输车α3(例如易燃易爆物品运输车、有毒气体运输车等)，在计算安全指数时，每一辆车的车辆类型有且只有一个值，每个车辆属性αx对应不同的权重jx，具体对应如表1所示。
表1不同车辆种类对应的权重
αx jx
x＝1|特种车 j1＝0.6
x＝2|普通车 j2＝0.1
x＝3|运输车 j3＝0.3
本实施例中提供一种测量所处环境的选择方案，其中βi表示当前车辆所处外界环境，每一辆车有可能同时处于多种外界环境，本实施例中的外界环境类型主要包括以下四种：行车速度β1(例如高速、低速等)、车辆位置β2(如桥梁、隧道等)、天气因素β3(例如小雨、暴雪等)和路段严管区β4，为了更加准确地描述环境，为每种环境设定一个权值ki，具体如表2所示。
表2不同外界环境对应的权重
βi ki
i＝1|行车速度 k1＝0.45
i＝2|车辆位置 k2＝0.25
i＝3|天气 k3＝0.30
优选的，车辆所处外界环境中的行车速度β1采用当前车辆行驶速度的0.1来计算，可表示为：
β1＝vnow×0.1；
其中vnow为当前车辆行驶速度。
优选的，当前车辆所处外界环境中的车辆位置β2为当前车辆速度偏移量v，当前车辆速度偏移量v表示为：
其中，vmax表示车辆行驶在监测路段上的最大速度，vmin表示车辆行驶在监测路段上的最小速度。
优选的，当前车辆所处外界环境中的天气因素β3可表示为：
β3＝w(1+v×0.1)；
其中，w为当前天气状况。
优选的，车量属性包括CPU占用率和储存内存占用情况
当完成车辆的监控状态指数P的计算之后，根据车辆的监控状态指数P的值划分安全等级，若车辆的监控状态指数P的值域为(z0,z5)，第二判断模块根据车辆的监控状态指数P的值域划分5个安全等级，安全等级从低到高依次为：第一安全等级S1对应的值域为(z0,z1]，第二安全等级S2对应的值域为(z1,z2]，第三安全等级S3对应的值域为(z2,z3]，第四安全等级S4对应的值域为(z3,z4]，第五安全等级S5对应的值域为(z4,z5)；其中z0＜z1＜z2＜z3＜z4＜z5，z0、z1、z2、z3、z4和z5均为自然数。
在实施过程中，需要将安全等级返回用户端，鉴于安全等级的重要性，会根据安全等级的具体大小采用不同的加密算法；在本发明中根据车辆的监控状态指数P的取值将安全等级的加密等级分为5种，分别采用5种不同的加密算法来保护当前安全等级的传输加密，具体包括：若车辆的监控状态指数P的值域为(z0,z5)，根据车辆的监控状态指数P的值域划分5个安全等级，安全等级从低到高依次为：第一安全等级S1对应的值域为(z0,z1]，第二安全等级S2对应的值域为(z1,z2]，第三安全等级S3对应的值域为(z2,z3]，第四安全等级S4对应的值域为(z3,z4]，第五安全等级S5对应的值域为(z4,z5)；其中z0＜z1＜z2＜z3＜z4＜z5，z0、z1、z2、z3、z4和z5均为自然数；本发明充分考虑不同加密算法的性能指标，具体的加密方案如表3所示：
表3不同状态等级采用的加密算法
等级 加密算法 运行速度 安全性 资源消耗
S1 DES 较快 低 中
S2 3DES 慢 中 高
S3 AES 快 高 低
S4 DSA 慢 高 高
S5 ECC 快 高 低
用户端收到来自服务器端的安全等级后，第一判断模块根据安全等级选择监控策略，每一种安全等级对应一种监控策略。
在本实施例中，监控策略C主要的包括CPU监控指标和内存监控指标两大类，其中CPU监控指标包括用户CPU、系统CPU、系统空闲CPU、系统x分钟内的负载情况、CPUC利用率和系统正在运行进程数，内存监控指标包括系统总内存、使用内存大小和系统空闲内存；若用户端接收到的安全等级S1，则选择安全等级S1对应的监控策略C1，安全等级S1～S5分别对应监控策略C1～C5，监控策略C1～C5均为监控策略的非空子集。
优选的，安全等级等级越高对应的监控策略指标数量越少或指标对应的值要求越松泛，例如安全等级S2的监控策略C2中对应的监控指标的种类大于或等于安全等级S3的监控策略C3中对应的监控指标的种类，另一方面安全等级越高后台管理服务器与用户端之间的数据交换周期越长。
优选的，在确定当前车辆的监控等级后，控制模块会对当前的监控动作进行调整，具体表示为：若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级高，控制模块增大监控周期T；反之，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级低，控制模块则减小监控周期T；这样控制数据传输，在一定程度上可以节省内存资源，减小不必要的系统开销。
在实际的数据传输过程中，过多数据的监控及传输会增加系统的开销，如果目前车辆状态较为稳定，此时监控过多的数据或频繁的采集及传输数据会造成额外的系统开销，占用系统的内部资源，因此，本方法会根据不同的状态等级来决定监控的力度。
本实施例中，每种监控策略所监控的周期、指标数据等具有差异性，客服端的显示屏上可以显示每种监控策略的指标数值，例如用户CPU指标对应的显示名称为UserCpu，若用户输入该指标对应的键值标识(KeyId)则可以对相应的指标进行修改，其中LoadAx对应的指标为系统x分钟负载情况，优选的，本实施例中监控策略C5选择x的值为5；安全等级S5对应的监控策略C5如表4所示、内存监控情况如表5所示。
表4监控策略C5下CPU监控指标表
表5控策略C5策略下内存监控指标表
当监控级别提高为S4时,对应的监控策略C4，即此监控级别下应该相对于安全等级S5加大监控的力度，此时用户可根据自己车辆的实际情况自行设置监控指标的数目及监控周期。例如，表4中监控策略C5的系统5分钟负载情况，监控策略C4下可以相对于监控策略C5减小系统5分钟负载情况，可以更改为检测系统1分钟负载情况，缩短监控时间，从而提高监控的力度。；同理的，若当前车辆状态极其稳定，例如某段时间内车辆的安全等级一直维持在最高的安全等级S5，则用户可减少监控的指标，甚至可以设定只监测所有监控策略指标其中的1到2项指标，同时可以扩展监控周期T。
优选的，对于外界环境的监控同样可以采用类似的方法，本实施例仅仅列出了其中部分实例，不再一一赘述。
本发明适用于计算车辆在行驶过程中受到多种因素影响下的状态指数，通过状态指数确定状态等级，然后根据状态等级选择最适合当前场景的监控策略。在实施例中，对于外界因素，暂时只考虑车辆所处位置、天气和行驶速度三种对车辆状态影响最大的因素。对于车辆的种类，暂时只考虑特种车、普通车、运输车三种车型。对于车辆自身属性，暂时只考虑CPU的占用率和存储内存使用情况。
以上所举实施例，对本发明的目的、技术方案和优点进行了进一步的详细说明，所应理解的是，以上所举实施例仅为本发明的优选实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内对本发明所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种车联网下多参数融合的自适应监控系统，其特征在于，交通信息平台、用户端和后台管理服务器，交通信息平台包括路测设备、天气信息平台、GPS位置信息和交通管理系统；用户端包括车载终端，所述车载终端包括数据采集模块、信息储存模块、监控模块、控制模块、第一判断模块和第一传输模块；所述后台管理服务器包括计算模块、第二判断模块、加密模块和第二传输模块，用户端通过第一传输模块与交通信息平台和后台管理服务器通的第二传输模块实现数据传输；其中
控制模块，根据上一时刻的安全等级和当前时刻的安全等级变更数据传输指标；
数据采集模，用于采集车辆属性和车辆类别的信息；
信息储存模块，用于储存车载终端数据采集模块的信息和从交通信息平台接收到的信息；
监控模块，根据车载终端的监控策略定时上传车载终端信息储存模块的信息；
第一判断模块，根据车载终端的安全等级选择监控策略；
第一传输模块，用于用户端与交通信息平台和后台管理服务器进行数据交换；
计算模块，根据后台管理服务器接收到的信息计算车辆的监控状态指数P；
第二判断模块，根据车辆的监控状态指数P划分安全等级；
加密模块，根据第二判断模块划分的安全等级进行加密；
第二传输模块，用于用户端与后台管理服务器的数据交换。
2.根据权利要求1所述的一种车联网下多参数融合的自适应监控系统，其特征在于，所述控制模块的操作包括：若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级高，控制模块则增大监控周期T；反之，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级低，控制模块则减小监控周期T。
3.根据权利要求1所述的一种车联网下多参数融合的自适应监控系统，其特征在于，监控策略的指标包括CPU监控指标和内存监控指标，CPU监控指标包括用户CPU、系统CPU、系统空闲CPU、系统x分钟内的负载情况、CPUC利用率和系统正在运行进程数，内存监控指标包括系统总内存、使用内存大小和系统空闲内存，其中安全等级越高，选择的监控策略指标越少，安全等级越低选择的监控策略指标越多。
4.一种车联网下多参数融合的自适应监控方法，包括权利要求1-3所述的任一监控系统，其特征在于，包括如下步骤：
S1、车站终端获取车辆属性和车辆类别的信息，并通过网络从路测设备中获取外界的相关信息，随后车载终端将获取的信息汇总后发送给后台管理服务器；
S2、后台管理服务器根据车载终端发送的数据计算车辆的监控状态指数P，根据车辆的监控状态指数P的数值选择安全等级；
S3、后台管理服务器将安全等级返回给用户端，车载终端根据收到的当前车辆的安全等级选择监控策略。
5.根据权利要求4所述的一种车联网下多参数融合的自适应监控方法，其特征在于，所述车辆的监控状态指数P的计算包括：
其中，βi表示当前车辆所处外界环境，i∈{1,2,...,n}，且当前车辆所处外界环境βi有n个类型，每个类型对应一个类型值；表示车辆属性，y∈{1,2,...,Y}，车辆属性总共有Y个属性，每个属性对应一个属性值；αx表示车辆种类，总共有x个车辆种类，每个类别对应一个类别值，jx表示车辆种类αx的权值，x∈{1,2,3}。
6.根据权利要求4所述的一种车联网下多参数融合的自适应监控方法，其特征在于，所述根据车辆的监控状态指数P的数值选择安全等级包括：若车辆的监控状态指数P的值域为(z0,z5)，根据车辆的监控状态指数P的值域划分5个安全等级，安全等级从高到低依次为：第一安全等级S1对应的值域为(z0,z1]，第二安全等级S2对应的值域为(z1,z2]，第三安全等级S3对应的值域为(z2,z3]，第四安全等级S4对应的值域为(z3,z4]，第五安全等级S5对应的值域为(z4,z5)；其中z0＜z1＜z2＜z3＜z4＜z5，z0、z1、z2、z3、z4和z5均为自然数。
7.根据权利要求6所述的一种车联网下多参数融合的自适应监控方法，其特征在于，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级高，控制模块增大监控周期T；反之，若当前时刻第一接收模块接收到的安全等级比上一个时刻的安全等级低，控制模块则减小监控周期T。
8.根据权利要求6所述的一种车联网下多参数融合的自适应监控方法，其特征在于，后台管理服务器对不同安全等级采用不同的加密算法进行加密，再将加密后的安全等级发送给用户端，其中第一安全安全等级S1采用DES加密算法，第二安全安全等级S2采用3DES加密算法，第三安全安全等级S3采用AES加密算法，第四安全安全等级S4采用DSA加密算法，第五安全等级S5采用ECC加密算法。
9.根据权利要求4所述的一种车联网下多参数融合的自适应监控方法，其特征在于，车载终端根据收到的当前车辆的安全等级选择监控策略包括：监控策略包括CPU监控指标和内存监控指标，CPU监控指标包括用户CPU、系统CPU、系统空闲CPU、系统x分钟内的负载情况、CPUC利用率和系统正在运行进程数，内存监控指标包括系统总内存、使用内存大小和系统空闲内存；其中x为人为设定的常数。
CN201810888490.1A 2018-08-07 2018-08-07 一种车联网下多参数融合的自适应监控方法 Active CN108983599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810888490.1A CN108983599B (zh) 2018-08-07 2018-08-07 一种车联网下多参数融合的自适应监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810888490.1A CN108983599B (zh) 2018-08-07 2018-08-07 一种车联网下多参数融合的自适应监控方法

Publications (2)

Publication Number Publication Date
CN108983599A true CN108983599A (zh) 2018-12-11
CN108983599B CN108983599B (zh) 2021-07-16

Family

ID=64555867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810888490.1A Active CN108983599B (zh) 2018-08-07 2018-08-07 一种车联网下多参数融合的自适应监控方法

Country Status (1)

Country Link
CN (1) CN108983599B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754404A (zh) * 2020-06-18 2020-10-09 重庆邮电大学 基于多尺度机制和注意力机制的遥感图像时空融合方法
CN112525553A (zh) * 2020-12-16 2021-03-19 重庆金康赛力斯新能源汽车设计院有限公司 一种车辆故障远程诊断方法及相关设备
CN112543195A (zh) * 2020-12-03 2021-03-23 北京梆梆安全科技有限公司 面向智能网联汽车的信息安全评估方法、装置及电子设备
CN113675950A (zh) * 2021-08-24 2021-11-19 江苏超能电力工程有限公司 电力监测终端及系统
CN114512009A (zh) * 2022-02-11 2022-05-17 河南省智慧交通研究院有限公司 基于他向感知的交通安全警示诱导系统及方法
CN116628618A (zh) * 2023-07-26 2023-08-22 中汽信息科技(天津)有限公司 一种车辆监控数据的处理方法
CN117196792A (zh) * 2023-10-19 2023-12-08 东莞市玟烨汽车贸易有限公司 一种基于互联网的汽车线上汽车租赁管理系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727741B (zh) * 2008-10-30 2014-04-02 爱信艾达株式会社 安全驾驶评价系统
CN204087491U (zh) * 2014-09-22 2015-01-07 深圳市金溢科技股份有限公司 信息采集系统、服务器、信息发布系统和车载终端
CN104808220A (zh) * 2015-04-02 2015-07-29 北京交通大学 一种基于无线信息交互的车辆定位完好性监测方法
CN105160883A (zh) * 2015-10-20 2015-12-16 重庆邮电大学 一种基于大数据的节能驾驶行为分析方法
CN106447542A (zh) * 2016-08-29 2017-02-22 江苏大学 面向车联网的行车主动服务系统及服务需求动态获取与构建方法
CN107248284A (zh) * 2017-08-09 2017-10-13 北方工业大学 基于多源信息融合的实时交通评价方法
CN107274700A (zh) * 2017-08-09 2017-10-20 北方工业大学 一种车路协同环境下多源信息采集方法及装置
US20170369072A1 (en) * 2016-06-28 2017-12-28 Volkswagen Aktiengesellschaft Apparatus, system and method for personalized settings for driver assistance systems
CN107577231A (zh) * 2017-08-28 2018-01-12 驭势科技（北京）有限公司 车辆的控制决策的制定方法、装置和无人驾驶车辆
CN107703941A (zh) * 2017-10-10 2018-02-16 湖州华科信息咨询有限公司 一种用于车辆自动控速的方法和装置
US20180061237A1 (en) * 2016-08-30 2018-03-01 International Business Machines Corporation Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers
CN108284833A (zh) * 2017-09-12 2018-07-17 腾讯科技（深圳）有限公司 对车辆进行驾驶控制的方法和装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101727741B (zh) * 2008-10-30 2014-04-02 爱信艾达株式会社 安全驾驶评价系统
CN204087491U (zh) * 2014-09-22 2015-01-07 深圳市金溢科技股份有限公司 信息采集系统、服务器、信息发布系统和车载终端
CN104808220A (zh) * 2015-04-02 2015-07-29 北京交通大学 一种基于无线信息交互的车辆定位完好性监测方法
CN105160883A (zh) * 2015-10-20 2015-12-16 重庆邮电大学 一种基于大数据的节能驾驶行为分析方法
US20170369072A1 (en) * 2016-06-28 2017-12-28 Volkswagen Aktiengesellschaft Apparatus, system and method for personalized settings for driver assistance systems
CN106447542A (zh) * 2016-08-29 2017-02-22 江苏大学 面向车联网的行车主动服务系统及服务需求动态获取与构建方法
US20180061237A1 (en) * 2016-08-30 2018-03-01 International Business Machines Corporation Modifying Behavior of Autonomous Vehicle Based on Advanced Predicted Behavior Analysis of Nearby Drivers
CN107248284A (zh) * 2017-08-09 2017-10-13 北方工业大学 基于多源信息融合的实时交通评价方法
CN107274700A (zh) * 2017-08-09 2017-10-20 北方工业大学 一种车路协同环境下多源信息采集方法及装置
CN107577231A (zh) * 2017-08-28 2018-01-12 驭势科技（北京）有限公司 车辆的控制决策的制定方法、装置和无人驾驶车辆
CN108284833A (zh) * 2017-09-12 2018-07-17 腾讯科技（深圳）有限公司 对车辆进行驾驶控制的方法和装置
CN107703941A (zh) * 2017-10-10 2018-02-16 湖州华科信息咨询有限公司 一种用于车辆自动控速的方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YANBING LIU: ""Efficient Privacy-Preserving Dual Authentication"", 《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》 *
任红霞: ""基于嵌入式处理的工程车联网远程监控研究"", 《计算机测量与控制》 *
王立颖: ""基于车联网的货车安全监控系统设计与分析"", 《物流技术》 *
谢科磊等: ""浅论车联网系统信息安全现状及发展趋势"", 《第十四届河南省汽车工程科技学术研讨会》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111754404A (zh) * 2020-06-18 2020-10-09 重庆邮电大学 基于多尺度机制和注意力机制的遥感图像时空融合方法
CN111754404B (zh) * 2020-06-18 2022-07-01 重庆邮电大学 基于多尺度机制和注意力机制的遥感图像时空融合方法
CN112543195A (zh) * 2020-12-03 2021-03-23 北京梆梆安全科技有限公司 面向智能网联汽车的信息安全评估方法、装置及电子设备
CN112543195B (zh) * 2020-12-03 2023-02-03 北京梆梆安全科技有限公司 面向智能网联汽车的信息安全评估方法、装置及电子设备
CN112525553A (zh) * 2020-12-16 2021-03-19 重庆金康赛力斯新能源汽车设计院有限公司 一种车辆故障远程诊断方法及相关设备
CN113675950A (zh) * 2021-08-24 2021-11-19 江苏超能电力工程有限公司 电力监测终端及系统
CN114512009A (zh) * 2022-02-11 2022-05-17 河南省智慧交通研究院有限公司 基于他向感知的交通安全警示诱导系统及方法
CN116628618A (zh) * 2023-07-26 2023-08-22 中汽信息科技(天津)有限公司 一种车辆监控数据的处理方法
CN116628618B (zh) * 2023-07-26 2023-09-22 中汽信息科技(天津)有限公司 一种车辆监控数据的处理方法
CN117196792A (zh) * 2023-10-19 2023-12-08 东莞市玟烨汽车贸易有限公司 一种基于互联网的汽车线上汽车租赁管理系统
CN117196792B (zh) * 2023-10-19 2024-08-06 东莞市玟烨汽车贸易有限公司 一种基于互联网的汽车线上汽车租赁管理系统

Also Published As

Publication number Publication date
CN108983599B (zh) 2021-07-16

Similar Documents

Publication Publication Date Title
CN108983599A (zh) 一种车联网下多参数融合的自适应监控方法
Chen et al. Real-time detection of anomalous taxi trajectories from GPS traces
CN104875731B (zh) 一种使用卫星定位数据实时辨识车辆急加速或急减速的方法
Van Vuren et al. A multiple user class assignment model for route guidance
CN109067579B (zh) 面向底层节点失效的5g网络切片拓扑设计及可靠映射方法
CN110225457B (zh) 共享单车的监管方法、装置、服务器及可读存储介质
CN110490124A (zh) 一种智能化的加油站现场服务与风险管控系统
CN105847177B (zh) 一种基于功率和速率联合调整的车联网拥塞控制方法
CN110431572A (zh) 用于管理地理位置中的资产的系统和方法
CN101211428A (zh) 一种驾驶员习惯统计、分析方法
CN109686050A (zh) 基于云服务与深度神经网络的车内环境监测预警方法
CN107705238A (zh) 基于位置与卡口轨迹比对的运输监管系统及其监管方法
CN109214577A (zh) 一种综合运输通道客运分担率预测方法
CN105704031A (zh) 一种数据传输路径确定方法及装置
CN205609009U (zh) 一种车辆管理系统
CN104731489B (zh) 一种适用于转屏应用的隐私保护方法
CN108989446A (zh) 基于车联网的车险费用生成方法与车联网系统
CN108369683A (zh) 用于评价驾驶员的行程性能的方法和系统
CN107506432A (zh) 一种面向车载视频的基于边缘计算的目标检测方法及系统
CN108665085A (zh) 一种隐性重点人获取方法和系统
CN108369681A (zh) 用于评价驾驶员的行程性能的方法和系统
Wu et al. Signaling game-based misbehavior inspection in v2i-enabled highway operations
CN103093638A (zh) 一种基于地理信息的智能交通服务系统
CN102915404A (zh) 一种适用于车辆自组网的基于模糊聚类算法的信息融合方法
CN110071835B (zh) 一种智能网联车安全预警分发方法及系统

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