CN113259852B - 智能车联网跨区域数据共享方法及系统 - Google Patents
智能车联网跨区域数据共享方法及系统 Download PDFInfo
- Publication number
- CN113259852B CN113259852B CN202110682930.XA CN202110682930A CN113259852B CN 113259852 B CN113259852 B CN 113259852B CN 202110682930 A CN202110682930 A CN 202110682930A CN 113259852 B CN113259852 B CN 113259852B
- Authority
- CN
- China
- Prior art keywords
- platform
- data
- vehicles
- internet
- network
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/024—Guidance services
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了智能车联网跨区域数据共享方法,包括以下步骤:建立车联网;多个车联网通过网内云平台交互于至少一个网外云平台时,网外云平台根据第一数据生成第一数据库;网外云平台根据车联网发出的请求信息获取车联网的地理位置信息作为第二数据,并形成第一导航数据库;网外云平台根据请求信息和第一导航数据库生成第一导航数据,并将第一导航数据发送至车联网。本发明还公开了智能车联网跨区域数据共享系统。本发明智能车联网跨区域数据共享方法及系统,实现了车联网数据的共享,并且由于数据集中于网外云平台上,同时可以进行更新迭代,所以有利于交通大数据形成,进而可以缓解城市交通压力。
Description
技术领域
本发明涉及车联网技术领域,具体涉及智能车联网跨区域数据共享方法及系统。
背景技术
车联网指车辆上的车载设备通过无线通信技术,对信息网络平台中的所有车辆动态信息进行有效利用,在车辆运行中提供不同的功能服务。可以发现,车联网表现出以下几点特征:车联网能够为车与车之间的间距提供保障,降低车辆发生碰撞事故的几率;车联网可以帮助车主实时导航,并通过与其它车辆和网络系统的通信,提高交通运行的效率。
在现有技术的车联网平台搭建中,对于大量车辆数据信息的采集和利用效率较低,例如在现有技术中,申请号为201711226322.8的中国专利公开了一种判断路段拥堵、区域拥堵的方法及装置,方法包括:预先获取车辆在畅通时段通过指定路段的自由旅行时间;实时获取车辆实际通过所述指定路段的实际旅行时间;根据所述实际旅行时间和自由旅行时间的比值计算得到所述指定路段的拥堵指数。该方法通过计算指定路段自由旅行时间和实际旅行时间的比值,可以准确的反映道路的拥堵指数,并进一步可以得到区域的拥堵指数,以便交通部门对拥堵路段采取针对性措施和防治,例如,调整交叉路口的红绿灯时间,从而一定程度可以缓解交通拥堵状况。
从上述文件中可以看到,对于路况信息的获取来源于对某一车辆的完成一个指定路段的数据,这种做法最大的好处在于需要的计算资源较少,而在大量获取不同车辆的数据信息时,则只能简单的通过平均的方式进行计算,降低了数据的利用效率,不利于交通大数据的形成。
发明内容
本发明所要解决的技术问题是现有技术中对车联网数据的共享和利用效率较低,不利于交通大数据的形成,目的在于提供智能车联网跨区域数据共享方法及系统,解决上述问题。
本发明通过下述技术方案实现:
智能车联网跨区域数据共享方法,包括以下步骤:
建立车联网;所述车联网包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
将服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网。
在本发明应用时,针对于现有技术的缺点,本发明采用了一种通过网内云平台进行数据交互,而网外云平台进行运算的方式来进行交通大数据的建立,其:
网外云平台获取不同车联网的地理位置信息来建立大数据库,即第一数据库,第一数据库可以进行实施更新,由于利用了网外云平台强大的运算能力,所以不再需要像现有技术中所公开的方式进行简单的运行时间统计和多个车辆运行时间平均值的方式进行,而是可以根据第一数据库实施更新的结果来进行拥堵、车流速度等数据的统计。
在进行导航信息请求时,车联网可以通过第一数据库获取所需要的任何数据,同时导航规划计算由网外云平台完成计算,第一数据库同样由网外云平台进行生成和存储,可以提高导航规划的效率。
同样的,在本实施例中所述的提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库,匹配主要基于地理位置信息的匹配,例如:
在一个车辆行车的过程中,其上所搭载的车联网的管理平台是网内云平台,其对应的地理位置信息决定了其可以导航的线路,所以通过从第一导航数据库中就可以明确所述车联网所在的环境周围的路况,从第一导航数据库中可以分解出周围车辆的数量,而第一导航数据库随着时间的迭代,又可以分解出周围车辆的行驶速度,从而甄别道路拥堵情况,有利于线路的规划。本发明通过设置上述步骤,实现了车联网数据的共享,并且由于数据集中于网外云平台上,同时可以进行更新迭代,所以有利于交通大数据形成,进而可以缓解城市交通压力。
进一步的,形成网内云平台包括以下子步骤:
在所述网内云平台上建立服务平台A、管理平台A和传感网络平台A;在交互于所述网内云平台的两个平台上分别建立用户平台A和对象平台A;
所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A。
进一步的,所述网内云平台还交互于至少一个网外云平台,并通过所述网外云平台完成网外运算包括以下子步骤:
在所述管理平台A建立用户平台B和对象平台B,并在所述网外云平台上建立服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互。
进一步的,所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生集合;
所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
进一步的,所述第一数据库在预设周期内进行更新;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路包括以下子步骤:
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
智能车联网跨区域数据共享系统,包括:
车联网,被配置为包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网。
进一步的,所述网内云平台上建立有服务平台A、管理平台A和传感网络平台A;交互于所述网内云平台的两个平台上分别建立有用户平台A和对象平台A;
所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A。
进一步的,所在所述管理平台A建立有用户平台B和对象平台B,所述网外云平台上建立有服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互。
进一步的,所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生集合;
所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
进一步的,所述第一数据库在预设周期内进行更新;
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
本发明与现有技术相比,具有如下的优点和有益效果:
本发明智能车联网跨区域数据共享方法及系统,实现了车联网数据的共享,并且由于数据集中于网外云平台上,同时可以进行更新迭代,所以有利于交通大数据形成,进而可以缓解城市交通压力。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明实施例智能车联网跨区域数据共享方法步骤示意图;
图2为本发明实施例建立网内云平台方法步骤示意图;
图3为本发明实施例建立网外云平台方法步骤示意图;
图4为本发明实施例系统架构示意图;
图5为本发明实施例网内云平台架构示意图;
图6为本发明实施例两个平台通过网外云平台交互架构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例
为了便于对上述的智能车联网跨区域数据共享方法进行阐述,请结合参考图1,示出了本发明实施例所提供的智能车联网跨区域数据共享方法的流程示意图,所述智能车联网跨区域数据共享方法可以应用于图4中的通信架构,进一步地,所述智能车联网跨区域数据共享方法具体可以包括以下步骤S1-步骤S5所描述的内容:
S1:建立车联网;所述车联网包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
S2:将服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
S3:多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
S4:当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
S5:所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网。
本实施例实施时,针对于现有技术的缺点,本发明采用了一种通过网内云平台进行数据交互,而网外云平台进行运算的方式来进行交通大数据的建立,其:
网外云平台获取不同车联网的地理位置信息来建立大数据库,即第一数据库,第一数据库可以进行实施更新,由于利用了网外云平台强大的运算能力,所以不再需要像现有技术中所公开的方式进行简单的运行时间统计和多个车辆运行时间平均值的方式进行,而是可以根据第一数据库实施更新的结果来进行拥堵、车流速度等数据的统计。
在进行导航信息请求时,车联网可以通过第一数据库获取所需要的任何数据,同时导航规划计算由网外云平台完成计算,第一数据库同样由网外云平台进行生成和存储,可以提高导航规划的效率。
同样的,在本实施例中所述的提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库,匹配主要基于地理位置信息的匹配,例如:
在一个车辆行车的过程中,其上所搭载的车联网的管理平台是网内云平台,其对应的地理位置信息决定了其可以导航的线路,所以通过从第一导航数据库中就可以明确所述车联网所在的环境周围的路况,从第一导航数据库中可以分解出周围车辆的数量,而第一导航数据库随着时间的迭代,又可以分解出周围车辆的行驶速度,从而甄别道路拥堵情况,有利于线路的规划。本发明通过设置上述步骤,实现了车联网数据的共享,并且由于数据集中于网外云平台上,同时可以进行更新迭代,所以有利于交通大数据形成,进而可以缓解城市交通压力。
参见图2,在一个实施例中,步骤S2包括以下子步骤:
S21:在所述网内云平台上建立服务平台A、管理平台A和传感网络平台A;在交互于所述网内云平台的两个平台上分别建立用户平台A和对象平台A;
S22:所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A。
在一个实施例中,步骤S3包括以下子步骤:
在所述管理平台A建立用户平台B和对象平台B,并在所述网外云平台上建立服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互。
参见图3,在一个实施例中,步骤S4包括以下子步骤:
S41:所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
S42:所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
S43:所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
S44:所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生集合;
S45:所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
本实施例实施时,在现有技术中,识别车辆拥堵的方式主要是通过汇总所有的车辆通过某一路段的时长做平均来识别拥堵,这样的数据采集过程往往需要较长时间,这会造成识别过程存在延迟,延迟往往可以达到10分钟以上,不利于更精准的拥堵规避;
而在本实施例中,由于采用了网外云平台介入进行运算的方式,而管理平台直接架设于网内云平台上,所以主要的数据交互受到信息传输的影响较小,并且网外云平台自身运算资源较为庞大,所以可以提供更优秀的实时运算能力。借助于这种实时运算能力,本实施例提出了一种全新的拥堵识别方式,并通过遗传算法规划出多条起点到终点的道路线路属于现有技术,所有可以实现进行道路规划的算法都应当被认定为等同于本实施例;通过这些算法得到的道路被表征为有向图,这种有向图是从起点到终点的,在起点和终点直接还存在很多个节点,节点之间的连接关系通过关联函数进行表征,在本实施例步骤S44中,沿有向图方向提取的第一数据可以将车辆数量赋值于每个关联函数,每个所述道路线路则是通过多个关联函数合并实现的,所以就可以获取一个关于第一数据的集合,这个集合就可以从一定程度上表征某一条道路的拥堵情况;根据这个拥堵情况就可以选择最优的有向图作为导航的数据。显而易见的,在本申请中第一数据库是在实时更新的,所以采用这个方式进行拥堵规避可以具有很高的时效性,并且在车辆行驶过程中,随着第一数据库的更新,拥堵信息也在不断更新,有向图所对应的第一数据数量也在变化,所以可以根据这个数量变化对导航路线进行快速的调整,实时性非常之高。
在一个实施例中,所述第一数据库在预设周期内进行更新;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路包括以下子步骤:
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
本实施例实施时,作为一种优选方案,第一数据库的更新周期不应大于60秒,也就是说预设周期需要小于或者等于60秒,在获取一个周期变化的第一数据库的更新时,通过这个更新变化就可以计算出第一数据所对应的第一速度数据,将这个速度数据为约束进行遗传算法时,可以将部分拥堵非常严重的道路对应的有向图筛选掉,进一步的降低导航路线上的拥堵。
基于同样的发明构思,参考附图4,本发明实施例还提供了智能车联网跨区域数据共享方法所适用的通信架构,包括:
车联网,被配置为包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网。
在一个实施例中,参考附图5,所述网内云平台上建立有服务平台A、管理平台A和传感网络平台A;交互于所述网内云平台的两个平台上分别建立有用户平台A和对象平台A;
所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A。
在一个实施例中,所在所述管理平台A建立有用户平台B和对象平台B,所述网外云平台上建立有服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互。
图6中还示出了一种更具体的实现方式,管理平台A1和管理平台C都是交互于网外云平台的网内云平台,管理平台A1通过对象平台B1→传感网络平台B1→管理平台B1→服务平台B1→用户平台B1的方式交互于网外云平台,同样的管理平台C通过对象平台B2→传感网络平台B2→管理平台B2→服务平台B2→用户平台B2的方式交互于网外云平台;管理平台C和管理平台A1共用相同的传感网络平台、管理平台和服务平台实现交互,也有利于数据的共享。
在一个实施例中,所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生集合;
所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
在一个实施例中,所述第一数据库在预设周期内进行更新;
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
如图4~图6所示,图中管理云平台为搭建于云平台上的管理平台,而传感网络平台包括依次交互的传感网络管理平台、电信运营商通信平台、网关和无线通信模块,其中传感网络管理平台用于进行网络传输管理,电信运营商通信平台用于进行互联网数据通信,网关用于数据交互,无线通信模块用于无线数据交互。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.智能车联网跨区域数据共享方法,其特征在于,包括以下步骤:
建立车联网;所述车联网包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
将服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网;
形成网内云平台包括以下子步骤:
在所述网内云平台上建立服务平台A、管理平台A和传感网络平台A;在交互于所述网内云平台的两个平台上分别建立用户平台A和对象平台A;
所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A;
所述网内云平台还交互于至少一个网外云平台,并通过所述网外云平台完成网外运算包括以下子步骤:
在所述管理平台A建立用户平台B和对象平台B,并在所述网外云平台上建立服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互;
所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生成集合;
所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
2.根据权利要求1所述的智能车联网跨区域数据共享方法,其特征在于,所述第一数据库在预设周期内进行更新;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路包括以下子步骤:
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
3.智能车联网跨区域数据共享系统,其特征在于,包括:
车联网,被配置为包括依次交互的用户平台、服务平台、管理平台、传感网络平台和对象平台;
服务平台、管理平台和传感网络平台中的任意一个或多个平台建立于云平台上形成网内云平台;
多个车联网通过网内云平台交互于至少一个网外云平台时,所述网外云平台获取每个车联网的地理位置信息作为第一数据,并根据所述第一数据生成第一数据库;
当所述车联网向所述网外云平台请求导航数据时,所述网外云平台根据所述车联网发出的请求信息获取所述车联网的地理位置信息作为第二数据,并从所述第一数据库中提取匹配于所述第二数据的多个车联网的第一数据形成第一导航数据库;
所述网外云平台根据所述请求信息和所述第一导航数据库生成第一导航数据,并将所述第一导航数据发送至所述车联网;
所述网内云平台上建立有服务平台A、管理平台A和传感网络平台A;交互于所述网内云平台的两个平台上分别建立有用户平台A和对象平台A;
所述用户平台A、服务平台A、管理平台A、传感网络平台A和对象平台A依次交互,且所述传感网络平台A感知接收所述对象平台A的数据,并发送至所述管理平台A;所述管理平台A对所述对象平台A的数据进行运算处理并通过所述服务平台A发送至所述用户平台A;
所在所述管理平台A建立有用户平台B和对象平台B,所述网外云平台上建立有服务平台B、管理平台B和传感网络平台B;所述用户平台B、服务平台B、管理平台B、传感网络平台B和对象平台B依次交互;
所述管理平台B通过所述传感网络平台B感知到所述请求信息时,所述管理平台B从所述请求信息中提取所述车联网的地理位置信息作为第二数据;
所述管理平台B以预设距离半径为约束根据所述第二数据从所述第一数据库中提取多个车联网的第一数据形成第一导航数据库;
所述管理平台B根据所述请求信息获取导航请求的起点和终点,并通过遗传算法规划出多条起点到终点的道路线路,所述道路线路被表征为有向图;
所述管理平台B从所述起点出发,沿所述有向图方向从所述第一导航数据库提取所述第一数据,并将对应于每个所述道路线路的第一数据均生成集合;
所述管理平台B根据所述集合内元素的数量选择最优的有向图作为第一导航数据发送至所述车联网。
4.根据权利要求3所述的智能车联网跨区域数据共享系统,其特征在于,所述第一数据库在预设周期内进行更新;
所述管理平台B还用于根据所述第一数据库的更新获取所述第一数据对应的第一速度数据;
所述管理平台B将所述第一速度数据赋值于所述有向图,并根据在所述遗传算法中以所述第一速度数据为约束建立多个有向图;
所述管理平台B从多个有向图中规划出多条起点到终点的道路线路。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682930.XA CN113259852B (zh) | 2021-06-21 | 2021-06-21 | 智能车联网跨区域数据共享方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110682930.XA CN113259852B (zh) | 2021-06-21 | 2021-06-21 | 智能车联网跨区域数据共享方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113259852A CN113259852A (zh) | 2021-08-13 |
CN113259852B true CN113259852B (zh) | 2021-10-12 |
Family
ID=77188836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110682930.XA Active CN113259852B (zh) | 2021-06-21 | 2021-06-21 | 智能车联网跨区域数据共享方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113259852B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234550A (zh) * | 2013-04-18 | 2013-08-07 | 武汉市阳光道客信息技术有限公司 | 车联网终端及系统 |
CN105180952A (zh) * | 2015-08-06 | 2015-12-23 | 北汽福田汽车股份有限公司 | 车辆的导航方法及导航系统 |
CN105704245A (zh) * | 2016-04-12 | 2016-06-22 | 成都景博信息技术有限公司 | 基于车联网的海量数据处理方法 |
CN106197457A (zh) * | 2016-08-03 | 2016-12-07 | 安徽协创物联网技术有限公司 | 一种基于车联网的海量数据处理装置 |
CN106921652A (zh) * | 2017-01-22 | 2017-07-04 | 斑马信息科技有限公司 | 互联网汽车平台交互系统和互联网汽车平台交互方法 |
CN108306904A (zh) * | 2016-08-25 | 2018-07-20 | 大连楼兰科技股份有限公司 | 车联网路况视频采集与分享方法及系统 |
CN108696553A (zh) * | 2017-04-06 | 2018-10-23 | 北京算云联科科技有限公司 | 一种基于混合云的物联网控制系统 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
CN109866752A (zh) * | 2019-03-29 | 2019-06-11 | 合肥工业大学 | 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法 |
CN111741135A (zh) * | 2020-08-19 | 2020-10-02 | 广州汽车集团股份有限公司 | 一种混合云灾备系统及其控制方法 |
CN112564933A (zh) * | 2019-09-26 | 2021-03-26 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市游离网系统及构建方法 |
CN112565322A (zh) * | 2019-09-26 | 2021-03-26 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市多级网络系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160223643A1 (en) * | 2015-01-28 | 2016-08-04 | Wenhua Li | Deep Fusion of Polystatic MIMO Radars with The Internet of Vehicles for Interference-free Environmental Perception |
US20200307621A1 (en) * | 2017-12-22 | 2020-10-01 | Ford Global Technologies, Llc | Vehicle real-time performance feedback system |
US11313696B2 (en) * | 2019-03-01 | 2022-04-26 | GM Global Technology Operations LLC | Method and apparatus for a context-aware crowd-sourced sparse high definition map |
CN110175636A (zh) * | 2019-05-08 | 2019-08-27 | 深圳欧翼思特科技有限公司 | 一种物联网深度神经网络分布式判别推论系统及方法 |
CN111432017B (zh) * | 2020-03-31 | 2022-08-16 | 河南工业大学 | 一种基于车联网和智能驾驶技术的智能粮食物流专用平台车 |
-
2021
- 2021-06-21 CN CN202110682930.XA patent/CN113259852B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103234550A (zh) * | 2013-04-18 | 2013-08-07 | 武汉市阳光道客信息技术有限公司 | 车联网终端及系统 |
CN105180952A (zh) * | 2015-08-06 | 2015-12-23 | 北汽福田汽车股份有限公司 | 车辆的导航方法及导航系统 |
CN105704245A (zh) * | 2016-04-12 | 2016-06-22 | 成都景博信息技术有限公司 | 基于车联网的海量数据处理方法 |
CN106197457A (zh) * | 2016-08-03 | 2016-12-07 | 安徽协创物联网技术有限公司 | 一种基于车联网的海量数据处理装置 |
CN108306904A (zh) * | 2016-08-25 | 2018-07-20 | 大连楼兰科技股份有限公司 | 车联网路况视频采集与分享方法及系统 |
CN106921652A (zh) * | 2017-01-22 | 2017-07-04 | 斑马信息科技有限公司 | 互联网汽车平台交互系统和互联网汽车平台交互方法 |
CN108696553A (zh) * | 2017-04-06 | 2018-10-23 | 北京算云联科科技有限公司 | 一种基于混合云的物联网控制系统 |
CN109000668A (zh) * | 2018-05-25 | 2018-12-14 | 上海汽车集团股份有限公司 | 基于车联网的实时智能导航方法 |
CN109866752A (zh) * | 2019-03-29 | 2019-06-11 | 合肥工业大学 | 基于预测控制的双模式并行车辆轨迹跟踪行驶系统及方法 |
CN112564933A (zh) * | 2019-09-26 | 2021-03-26 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市游离网系统及构建方法 |
CN112565322A (zh) * | 2019-09-26 | 2021-03-26 | 成都秦川物联网科技股份有限公司 | 基于车联网的智慧城市多级网络系统 |
CN111741135A (zh) * | 2020-08-19 | 2020-10-02 | 广州汽车集团股份有限公司 | 一种混合云灾备系统及其控制方法 |
Non-Patent Citations (1)
Title |
---|
《基于北斗卫星导航的车联网系统研究》;郝雅洁等;《物联网技术》;20190720(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113259852A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10409279B2 (en) | Efficient situational awareness by event generation and episodic memory recall for autonomous driving systems | |
US20180217603A1 (en) | Efficient situational awareness from perception streams in autonomous driving systems | |
CN104121918A (zh) | 一种实时路径规划的方法和系统 | |
CN112700639A (zh) | 一种基于联邦学习与数字孪生的智能交通路径规划方法 | |
CN110602643B (zh) | 基于车联网的车辆数据推送方法及系统 | |
CN113382382B (zh) | 一种基于模糊逻辑优化策略的车辆自组网络路由方法 | |
CN105489043A (zh) | 基于车载自组网的实时路径规划方法 | |
CN106446960A (zh) | 一种密度聚类划分时间段的动态热度路网构建方法 | |
CN106971535B (zh) | 一种基于浮动车gps实时数据的城市交通拥堵指数计算平台 | |
CN109600715B (zh) | 一种车联网v2x通信辅助文件下载方法 | |
Gupte et al. | Vehicular networking for intelligent and autonomous traffic management | |
CN114627648B (zh) | 一种基于联邦学习的城市交通流诱导方法及系统 | |
CN106792528A (zh) | 数据传输方法及装置 | |
CN110248392B (zh) | 一种车联网中基于节点效能的机会转发方法 | |
Paul et al. | Real-time routing for ITS enabled fog oriented VANET | |
CN113259852B (zh) | 智能车联网跨区域数据共享方法及系统 | |
CN110264748A (zh) | 一种基于城市大脑和v2x的行车精确路由策略 | |
Fontanelli et al. | Dynamic route planning in vehicular networks based on future travel estimation | |
Shahi et al. | A comparative study on efficient path finding algorithms for route planning in smart vehicular networks | |
CN112991723B (zh) | 一种基于地理区域的智能网联计算机任务并行颗粒度的划分方法、系统及终端 | |
Li et al. | A traffic congestion aware vehicle-to-vehicle communication framework based on Voronoi diagram and information granularity | |
CN109769033B (zh) | 一种城市VANETs分布式文件传输方法 | |
CN114419917B (zh) | 一种基于单向图的交通拥堵疏导方法及系统 | |
CN116718202A (zh) | 一种基于高精地图的智能化导航系统 | |
Hu et al. | Decentralized management of ephemeral traffic incidents |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220926 Address after: South District, Ganmei Industrial Park, Dongpo District, Meishan City, Sichuan Province, 610000 Patentee after: Meishan Qinchuan Intelligent Sensor Co.,Ltd. Address before: No. 931, Nansi Road, Jingkai District, Longquanyi District, Chengdu, Sichuan 610000 Patentee before: CHENGDU QINCHUAN IOT TECHNOLOGY Co.,Ltd. |