CN113645201A - 一种基于数字化车联网的应用代理系统及方法 - Google Patents

一种基于数字化车联网的应用代理系统及方法 Download PDF

Info

Publication number
CN113645201A
CN113645201A CN202110848253.4A CN202110848253A CN113645201A CN 113645201 A CN113645201 A CN 113645201A CN 202110848253 A CN202110848253 A CN 202110848253A CN 113645201 A CN113645201 A CN 113645201A
Authority
CN
China
Prior art keywords
vehicle
data
employer
digital
information
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
CN202110848253.4A
Other languages
English (en)
Other versions
CN113645201B (zh
Inventor
栾浩
徐婧
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110848253.4A priority Critical patent/CN113645201B/zh
Publication of CN113645201A publication Critical patent/CN113645201A/zh
Application granted granted Critical
Publication of CN113645201B publication Critical patent/CN113645201B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1095—Replication or mirroring of data, e.g. scheduling or transport for data synchronisation between network nodes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/602—Providing cryptographic facilities or services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/045—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply hybrid encryption, i.e. combination of symmetric and asymmetric encryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • 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
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/56—Provisioning of proxy services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/06—Optimizing the usage of the radio link, e.g. header compression, information sizing, discarding information
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioethics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于数字孪生技术领域，公开了一种基于数字化车联网的应用代理系统及方法，所述基于数字化车联网的应用代理方法包括：通过引入数字孪生技术，将在云端为物理世界的每辆车构建一个相应的私有数字孪生应用程序；其中，所述物理世界的车辆称为雇主车辆，所述程序具有云端存储资源和计算资源，与雇主车辆具有一一对应的关系，保持实时数据通信。本发明通过采用机器学习等新一代技术对接收到的数据进行处理，去除冗余数据，更方便驾驶者掌握关键消息；利用机器学习技术对不同数据采用不同的方式去除冗余数据，方便驾驶者掌握关键消息的同时满足传输带宽的要求，提高传输效率。相比现有技术，本发明耗费的时间、人力和物力更少，更容易实现。

Description

一种基于数字化车联网的应用代理系统及方法
技术领域
本发明属于数字孪生技术领域，尤其涉及一种基于数字化车联网的应用代理系统及方法。
背景技术
目前，现有车联网数据应用服务通常采用云计算方式进行传输。车辆行驶过程中如需提取用户信息，如QQ信息、微信信息、电子邮件等信息，须由车辆移动端(如车载智能手机)登录不同云端服务器，与服务器进行数据同步。车辆在隧道、偏远地区等网络信号覆盖较弱的地方，车辆移动端无法实时接收到来自外界的信息，导致车辆不能及时查看和发送消息，降低驾驶舒适度。
车辆在行进过程中通常需要与云端进行数据同步，包括获取道路信息、地图信息、天气环境信息，以及车辆中驾驶员、乘客等用户私人信息，如微信、QQ、电子邮件等。现有技术采用云计算方法，在车辆移动端(如车载智能手机)安装不同应用软件。车辆行驶中，如需获取相应信息，如地图、QQ信息，驾驶员或乘客需打开相应车载应用客户端，由客户端与相应云服务器进行通信，获取应用数据。此方案具有两个明显缺点。首先，车辆于移动过程中，由于无线网络，如5G，接入环境变换，车辆于云端通信带宽发生实时变化，因此影响车载用户获取数据的性能。现有云计算方案数据传输与车辆带宽网络环境并无关联。第二，现有车辆应用获取数据，须登录不同云端服务器，以获取相应数据。其中，每次登录服务器须传输握手信息、登录信息等通信建立数据包。此类数据包并不包含有效数据信息，浪费了宝贵的车辆通信带宽。
现有技术主要通过提升网络信号与带宽接入和云服务器端缓存方法提高车辆移动端数据同步性能。网络信号提升主要通过增加信号发送功率、提高基站天线高度、缩小通信距离等。当车辆移动端被建筑物或其它物体遮挡，车辆移动端发送的信号必须经过多次的反射、折射及长距离传输，这将造成信号衰减，为了保证车辆移动端信号经过传输到达基站后，车辆移动端信号仍能被正确解调,增加信号发送功率、缩小通信距离可以克服信号经过长距离传输的衰减；提高基站天线高可以扩大信号的覆盖范围，增强无线信号。当车辆移动端无法接入网络时，车辆数据将缓存于分布式云服务器中，如QQ信息缓存于QQ服务器、微信信息缓存于微信服务器，待车辆移动端接入网络后，进行数据传输与同步。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有技术如提高基站天线高度在实施过程中成本高，需要耗费大量的时间、人力和物力，短期内不能实现信号增强。
(2)现有技术只负责对接收信号数据进行传输，不对传输内容进行处理，当带宽不足时，采用这种方式会降低传输效率。
(3)现有技术需车辆移动端同时与不同应用服务器进行通信，提取相应信息，从而花费大量通信构建成本。
解决以上问题及缺陷的难度为：网络覆盖范围较弱的情况通常出现在偏远地区，增强网络信号和带宽接入虽然会提高通信效率，但是也会造成资源浪费；不同应用产生的数据缓存在不同服务器，服务器提供商只负责管理本公司的服务器，因此不同服务器不能实现融合，解决降低通信构建成本成了一项挑战。
解决以上问题及缺陷的意义为：在耗费更少的时间、人力、物力和通信构建成本的情况下，实现车辆用户在网络信号覆盖范围较弱的地区仍能接收和查看来自外界的信息，提升驾驶舒适度。
发明内容
针对现有技术存在的问题，本发明提供了一种基于数字化车联网的应用代理系统及方法。
本发明是这样实现的，一种基于数字化车联网的应用代理方法，所述基于数字化车联网的应用代理方法包括：
通过引入数字孪生技术，将在云端为物理世界的每辆车构建一个相应的私有数字孪生应用程序；其中，所述物理世界的车辆称为雇主车辆，所述程序具有云端存储资源和计算资源，与雇主车辆具有一一对应的关系，保持实时数据通信。
进一步，车辆在隧道、偏远地区等网络信号覆盖较弱的地方，车辆移动端无法实时接收到来自外界的信息，导致车辆用户不能及时查看和发送消息。所述基于数字化车联网的应用代理方法包括以下步骤：
步骤一，数字孪生体经过雇主车辆预先授权，登录并获取雇主车辆用户私有信息，并根据用户习惯学习或用户要求，获取用户所关心公共数据；其中，所述私有信息和公有信息将存储于数字孪生体云空间；数字孪生体提前申请成为驾驶员的代理，获取移动手机客户端部分或全部应用的登录权，实时接收来自应用的数据。
步骤二，数字孪生体与其雇主车辆保持实时或频繁数据同步，即雇主车辆定时通知数字孪生体的位置、速度和驾驶行为信息；数字孪生体及时了解雇主车辆移动位置、速度、驾驶习惯和相应位置历史通信带宽，并根据车辆历史通信带宽，对雇主车辆未来短期通信带宽进行预测；，数字孪生体通过与其雇主车辆保持实时或频繁的数据同步，获取雇主车辆在现实世界的道路状况和周围环境，从而推测其未来短期的通信带宽，以便步骤三对数据进行处理。
步骤三，数字孪生定时将所存储雇主车辆用户私有数据与其所关心共有数据传输至雇主车辆；数据传输过程中，数字孪生体程序对传输数据进行分段压缩与加密进行数据传输，并根据雇主车辆带宽预测；根据预测值对数据进行删减与优先级排序，选择性传输数据。数字孪生根据推测的通信带宽，将对将接收到的数据进行压缩、排序和加密处理。其中，压缩在满足通信带宽要求的同时提取关键信息，方便雇主车辆用户阅读；应用代理可对接收到的信息进行优先级排序，优先传输级别较高的数据；加密可保证数据在传输过程中的完整性和保密性。
进一步，步骤一中，通过手机端App或网页对雇主车辆进行预先授权；所述雇主车辆用户私有信息包括：登录雇主车辆用户QQ、微信和电子邮件服务器，获取雇主车辆用户QQ、微信和电子邮件在内的私人数据；所述用户所关心公共数据包括：城市天气、周边道路交通信息和城市新闻在内的信息。
进一步，所述基于数字化车联网的应用代理方法，还包括：
(1)通过车载端利用车辆配备的各种传感器感知行驶环境和道路状况，并将感知数据通过车载通信设备或车载手机设备利用无线网络，实时传递给孪生体云平台端；
(2)通过孪生体云平台端利用数字孪生体定期获取雇主车辆车载端信息，通过与雇主车辆频繁通信，实时预测行车轨迹与通信带宽，代理应用，提取并处理信息；调用云端存储、计算资源，为雇主车辆私有代理；
(3)数字孪生体通过移动手机客户端或网页程序获取雇主车辆用户授权应用服务的登录权，在用户操作授权范围内提取和处理数据；雇主车辆用户根据自己的需求在移动手机客户端选择是否授权数字孪生体代理接收数据，代理接收哪些应用数据，以及设置数字孪生体对代理应用数据的操作权限。
进一步，步骤(1)中，所述感知数据的采集，包括：
车载端通过摄像头传感器和红外夜视摄像头传感器采集图像，将图像转换为二维数据；然后对采集的图像进行模式识别，通过图像匹配算法识别周围环境的固定对象信息，包括交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节，还包括防护栏和树木在内的基础设施信息；同时，利用激光雷达反射强度信息形成的灰度图，采集本车所在道路的信息，包括车道线的位置、类型、宽度、坡度和曲率。
车载端利用毫米波雷达、激光雷达和超声波雷达发射电磁波信号，然后根据接收反射信号的时间间隔测定本车与识别对象的实际距离，并结合发射信号的发射角度，利用简单的三角函数原理推导出识别对象的空间位置。
车载端通过GNSS实时获取本车的速度和位置信息，通过惯性传感器获取本车的加速度和角速度。
车载端具有无线网络通信能力，将蜂窝网、城市WiFi、家庭WiFi和蓝牙在内的无线网络接入通信，通过无线网络与互联网，对数字孪生体进行通信。
进一步，步骤(2)中，所述预测行车轨迹与通信带宽，包括：
孪生体云平台根据接收到的数据创建本车的数字模型，构建并不断完善高精度地图，经过对数据的分析，预测本车的行驶轨迹，包括：
孪生体云平台端根据接收到的本车的基本信息，为本车创建一个数字模型；
车载端通过无线传输技术将感知数据实时传递至孪生体云平台端，孪生体云平台端根据接收到的数据模拟本车在物理世界所处位置的周边环境，构建高精度地图；其中，利用图像识别的数据模拟物理世界中本车所在的道路状况和周边环境存在的物体；利用目标检测的数据进一步确定地图中各个物体与本车之间的距离，从而在地图中确定准确位置；利用GNSS的数据确定本车在物理世界的位置，并根据接收到的速度、加速度、角速度、车轮转向角度数据模拟本车的行驶状态；
孪生体云平台端本车的数字模型与道路上其他多辆车的数字模型建立通信，获取其他多辆车的基本信息、行车数据和路况信息，完善本车的高精度地图；其中，其他多辆车的基本信息包括生产厂、国别、汽车类型和汽车特征；其他多辆车的路况信息包括车道线的位置、类型、宽度、坡度、曲率以及在所处车道的位置；其他多辆车的行车数据包括速度、加速度、角速度、车轮转向角度等数据；本车的数字模型根据接收到的其他多辆车的基本信息在高精度地图中为其他多辆车创建一个简单的数字模型，然后根据路况信息确定多辆车在高精度地图中的位置，最后根据行车数据模拟它们在道路上的行驶状态；
孪生体云平台端根据本车及所属道路上其他多辆车的行车数据和路况信息，经过分析处理预测本车的行驶轨迹。
进一步，步骤(2)中，所述代理应用的方法，包括：
1)获取代理权：孪生体云平台通过对高精度地图的分析预测本车的行车轨迹，并在车辆即将进入隧道、偏远地区等信号较差的地方提前申请成为驾驶员的代理，获取移动手机客户端部分或全部应用的登录权；
2)在孪生体云平台端登录应用，在操作权限范围内接收数据；
3)应用代理数据的处理：对接收到的数据进行压缩、排序和加密处理，根据推测的带宽要求选择合适的方式对数据进行压缩，同时根据不同的数据类型选择加密方式；
4)根据推测的带宽要求，将加密后的数据打包成数据包，传输至车载端。
进一步，步骤3)中，所述应用代理数据的处理，包括：
1)压缩
根据预测的行车轨迹推测未来接入带宽，在带宽富余和带宽不足两种情况下选择合适的方式对接收到的文字、图片、音频和视频等数据进行压缩；在带宽富余的情况下，对数据加密后再传输；在带宽不足的情况下，针对不同类型的数据，给出不同的处理方法，包括：
①对文本信息提取关键信息，生成文本摘要；
②对图片、音频和视频通过数据降维的方法提取数据特征，并去除其中的冗余特征，实现数据的有损压缩。
2)排序
应用代理者对所接收到信息进行优先级排序，即对于优先级别高的数据进行优先传输；数字孪生体通过雇主车辆用户历史浏览数据统计，对代理应用数据进行排序。
3)加密
针对不同类型的数据，采用不同的加密方式，包括：
①根据文本信息的敏感度分级别加密，越敏感的数据加密级别越高：根据用户对隐私的敏感度将数据划分级别，选择合适的加密算法进行加密；对低级别的隐私数据，使用加密速度快、效率高的对称加密方法加密文本信息；涉及财产情况等高级别的隐私数据，结合对称加密算法和非对称加密算法进行加密；
②根据图片的特征分类型加密，不同类型的图片可以采用不同的加密方式；
③根据音频、视频的敏感度选择性加密，即选择加密敏感度较高的帧：根据用户对隐私的敏感度划分等级，利用包括用量子加密和混沌加密在内的方法对敏感度较高的部分帧进行加密。
本发明的另一目的在于提供一种应用所述的基于数字化车联网的应用代理方法的基于数字化车联网的应用代理系统，所述基于数字化车联网的应用代理系统由车载端、孪生体云平台端和移动手机客户端三部分组成。
车载端，用于通过各种传感器感知本车的周围环境和道路状况，并将感知数据通过车载通信设备或车载手机设备通过无线网络，实时传递给孪生体云平台端；其中，所述无线网络包括蜂窝网和路边WiFi；
孪生体云平台端，用于根据接收到的数据为本车创建一个一一对应的常驻应用程序，称为数字孪生体；所述数字孪生体可调用云端存储、计算资源，为雇主车辆私有代理；
移动手机客户端，所述数字孪生体通过移动手机客户端或网页程序获取雇主车辆用户授权应用服务的登录权，在用户操作授权范围内提取和处理数据；雇主车辆用户根据自己的需求在移动手机客户端选择是否授权数字孪生体代理接收数据，代理接收哪些应用数据，以及设置数字孪生体对代理应用数据的操作权限；其中，所述操作权限包括删除和压缩。
进一步，所述车载端通过车辆配备的各种传感器感知行驶环境和道路状况，并将感知数据实时传递给孪生体云平台端；其中，所述传感器包括：毫米波雷达、激光雷达、超声波雷达、摄像头、GNSS以及惯性传感器。
所述数字孪生体保持与其雇主车辆频繁数据通信连接，定期获取雇主车辆车载端信息；数字孪生体通过与其雇主车辆频繁通信，可实时记录与测量其与雇主车辆间通信带宽；其中，所述雇主车辆车载端信息包括：车辆移动位置、车辆汽油量、车辆摄像头采集信息。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的基于数字化车联网的应用代理方法，通过引入数字孪生技术，将数字孪生技术与车联网结合起来，通过物理世界与虚拟空间的实时交互预测本车的行车轨迹，在即将进入隧道、偏远地区等信号较弱的地方提前申请成为驾驶者的代理，获取移动手机客户端部分或全部应用的登录权，通过对应用数据的提取和处理为驾驶者提供“一对一”的应用代理服务。
数字孪生体具有带宽预测能力，可根据雇主车辆所具有带宽性能，决定数据传输优先级，从而保证优先级高的数据优先于有限带宽内完成传输。同时，数字孪生体还可对传输数据进行删减与压缩，如根据带宽性能与数据重要性，删减电子邮件中附图，从而保证雇主车辆带宽的利用效率。数字孪生体可经过雇主车辆预授权，代理集中接收不同应用数据，并集中处理后发送给雇主车辆。因此，雇主车辆只需与数字孪生体保持实时通信，而无需分布式登录不同应用服务器去获取数据，从而大大节省了接入成本与带宽浪费。
本发明通过采用机器学习等新一代技术对接收到的数据进行处理，去除冗余数据，更方便驾驶者掌握关键消息：本发明在带宽不足的情况下利用机器学习等技术对不同数据采用不同的方式去除冗余数据，(对文本信息提取关键信息，生成消息摘要，对图像、音频和视频采用数据降维的方法实现有损压缩)提取数据特征，方便驾驶者掌握关键消息的同时满足传输带宽的要求，提高传输效率。相比现有技术，该方案耗费的时间、人力和物力更少，更容易实现。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于数字化车联网的应用代理方法流程图。
图2是本发明实施例提供的基于数字化车联网的应用代理系统原理图。
图3是本发明实施例提供的代理应用的方法原理图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种基于数字化车联网的应用代理系统及方法，下面结合附图对本发明作详细的描述。
本发明实施例提供的基于数字化车联网的应用代理方法包括：通过引入数字孪生技术，将在云端为物理世界的每辆车构建一个相应的私有数字孪生应用程序；其中，所述物理世界的车辆称为雇主车辆，所述程序具有云端存储资源和计算资源，与雇主车辆具有一一对应的关系，保持实时数据通信。
如图1所示，本发明实施例提供的基于数字化车联网的应用代理方法包括以下步骤：
S101，数字孪生体经过雇主车辆预先授权，登录并获取雇主车辆用户私有信息，并根据用户习惯学习或用户要求，获取用户所关心公共数据；其中，所述私有信息和公有信息将存储于数字孪生体云空间；
S102，数字孪生体与其雇主车辆保持实时或频繁数据同步，即雇主车辆定时通知数字孪生体的位置、速度和驾驶行为信息；数字孪生体及时了解雇主车辆移动位置、速度、驾驶习惯和相应位置历史通信带宽，并根据车辆历史通信带宽，对雇主车辆未来短期通信带宽进行预测；
S103，数字孪生定时将所存储雇主车辆用户私有数据与其所关心共有数据传输至雇主车辆；数据传输过程中，数字孪生体程序对传输数据进行分段压缩与加密进行数据传输，并根据雇主车辆带宽预测；根据预测值对数据进行删减与优先级排序，选择性传输数据。
下面结合术语解释对本发明的技术方案作进一步的描述。
车联网：以行驶中的车辆为信息感知对象，借助新一代信息和通信技术，实现车辆与周围的车、人、交通基础设施和服务平台的全方位网络连接。一方面，车联网通过车辆与车辆、道路等周围环境的实时有效信息交互，提示驾驶者提前识别危险情况，可提高驾驶安全，降低事故发生率；另一方面，车联网通过收集和分析车辆与道路的实时数据，结合大数据和人工智能等技术，从全局角度给出合理的行车计划，有效缓解交通拥堵问题。
数字化车联网：在本发明中，将数字孪生技术与车联网相结合，数字化车联网场景下的每一辆车，通过物理世界与虚拟空间之间的实时交互，为物理世界的车辆提供服务。
数字孪生：数字孪生是物联网的新兴技术之一，通过持续不断地收集物理实体模型、传感器更新、运行历史等数据，在孪生体云平台为该实体创建一个数字模型，并利用人工智能和机器学习等技术分析和学习数据，实时地在虚拟世界中同步呈现物理实体的真实情况，从而实现对物理实体的优化。
应用代理:在本发明中，应用代理是指被指定的应用代理者在信号较弱的地区，申请成为驾驶者的代理，获取其移动手机客户端包括但不限于社交媒体(微信、QQ、电子邮箱等)、影音播放(网易云音乐、爱奇艺、腾讯视频等)等应用的登录权，从而在操作权限范围内获取驾驶者的私有信息，并对信息进行提取和处理。
有损压缩：有损压缩方法利用了人类视觉、听觉对图像、声音中的某些频率成分不敏感的特性，允许压缩的过程中损失一定的信息。虽然不能完全恢复原始数据，但是所损失的部分对理解原始图像的影响较小，却换来了比较大的压缩比。
数据降维：也称维数约简(Dimensionality Reduction)，即降低数据的维数，将原始高维特征空间中的点向一个低维空间投影，新的空间维度低于原始特征空间，所以维数减少了。在这个过程中，特征发生了根本性的变化，原始的特征消失了(虽然新的特征也保持了原特征的一些性质)。
下面结合实施例对本发明的技术方案作进一步的描述。
1、针对现有技术的不足，本发明引入数字孪生技术。本发明中，将在云端为物理世界的每辆车(成为雇主车辆)构建一个相应的私有数字孪生应用程序。此程序具有云端存储资源和计算资源，与其雇主车辆具有一一对应的关系，保持实时数据通信。具体操作包含以下三个步骤：
首先，数字孪生体经过雇主车辆预先授权(可通过手机端App或网页)，可登录并获取雇主车辆用户私有信息，如登录雇主车辆用户QQ、微信、电子邮件服务器，获取雇主车辆用户QQ、微信、电子邮件等私人数据。数字孪生体也可根据用户习惯学习或用户要求，获取用户所关心公共数据，如城市天气、周边道路交通信息、城市新闻等信息。此类私有信息和公有信息将存储于数字孪生体云空间。
其次，数字孪生体与其雇主车辆保持实时或频繁数据同步，即雇主车辆定时通知数字孪生体其位置、速度、驾驶行为等信息。数字孪生体从而可及时了解雇主车辆移动位置、速度、驾驶习惯、相应位置历史通信带宽。因此可根据车辆历史通信带宽，对雇主车辆未来短期通信带宽进行预测。
最后，数字孪生须定时将其所存储雇主车辆用户私有数据与其所关心共有数据传输至雇主车辆。数据传输过程中，数字孪生体程序可对传输数据进行分段压缩与加密进行数据传输。同时，数字孪生体可根据雇主车辆带宽预测，根据预测值对数据进行删减与优先级排序，选择性传输数据。
通过上述三步，数字孪生可解决上述现有技术的两点不足：
数字孪生体具有带宽预测能力，可根据雇主车辆所具有带宽性能，决定数据传输优先级，从而保证优先级高的数据优先于有限带宽内完成传输。同时，数字孪生体还可对传输数据进行删减与压缩，如根据带宽性能与数据重要性，删减电子邮件中附图，从而保证雇主车辆带宽的利用效率。
数字孪生体可经过雇主车辆预授权，代理集中接收不同应用数据，并集中处理后发送给雇主车辆。因此，雇主车辆只需与数字孪生体保持实时通信，而无需分布式登录不同应用服务器去获取数据，从而大大节省了接入成本与带宽浪费。
2、如图2所示，整个系统由车载端、孪生体云平台端和移动手机客户端三部分组成。其中，车载端通过各种传感器感知本车的周围环境和道路状况，并将感知数据通过车载通信设备或车载手机设备通过无线网络，如蜂窝网、路边WiFi等，实时传递给孪生体云平台端；孪生体云平台端根据接收到的数据为本车创建一个一一对应的常驻应用程序，成为数字孪生体。此数字孪生体可调用云端存储、计算资源，为车辆(成为雇主车辆)私有代理。数字孪生体通过移动手机客户端或网页程序获取雇主车辆用户授权应用服务的登录权，如QQ、微信等，在用户操作授权范围内提取和处理数据；雇主车辆用户根据自己的需求在移动手机客户端选择是否授权数字孪生体代理接收数据，代理接收哪些应用数据，以及设置数字孪生体对代理应用数据的操作权限，如删除、压缩等。
2.1车载端
本车的车载端通过车辆配备的各种传感器感知行驶环境和道路状况，并将感知数据实时传递给孪生体云平台端。其中，传感器可以包括：毫米波雷达、激光雷达、超声波雷达、摄像头、GNSS以及惯性传感器等等。感知数据采集的具体步骤包括：
车载端通过摄像头传感器和红外夜视摄像头传感器采集图像，将图像转换为二维数据；然后对采集的图像进行模式识别，通过图像匹配算法识别周围环境的固定对象信息，包括交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节，还包括防护栏、树木等基础设施信息；同时，利用激光雷达反射强度信息形成的灰度图，采集本车所在道路的信息，包括车道线的位置、类型、宽度、坡度和曲率等。
车载端利用毫米波雷达、激光雷达和超声波雷达发射电磁波信号，然后根据接收反射信号的时间间隔测定本车与识别对象的实际距离，并结合发射信号的发射角度，利用简单的三角函数原理推导出识别对象的空间位置。
车载端通过GNSS实时获取本车的速度和位置信息，通过惯性传感器获取本车的加速度和角速度。
车载端具有无线网络通信能力，如蜂窝网、城市WiFi、家庭WiFi、蓝牙等接入通信能力，可通过无线网络与互联网，对数字孪生体进行通信。
2.2孪生体云平台端
数字孪生体保持与其雇主车辆频繁数据通信连接，可定期获取雇主车辆车载端信息，包括车辆移动位置、车辆汽油量、车辆摄像头采集信息等。数字孪生体通过与其雇主车辆频繁通信，可实时记录与测量其与雇主车辆间通信带宽。数字孪生体具有以下通用功能。
2.2.1预测行车轨迹与通信带宽
孪生体云平台根据接收到的数据创建本车的数字模型，构建并不断完善高精度地图，经过对数据的分析，预测本车的行驶轨迹。主要包括以下步骤：
孪生体云平台端根据接收到的本车的基本信息，为本车创建一个数字模型；
车载端通过无线传输技术将感知数据实时传递至孪生体云平台端，孪生体云平台端根据接收到的数据模拟本车在物理世界所处位置的周边环境，构建高精度地图。其中，利用图像识别的数据模拟物理世界中本车所在的道路状况和周边环境存在的物体；利用目标检测的数据进一步确定地图中各个物体与本车之间的距离，从而在地图中确定它们的准确位置；利用GNSS的数据确定本车在物理世界的位置，并根据接收到的速度、加速度、角速度、车轮转向角度等数据模拟本车的行驶状态；
孪生体云平台端本车的数字模型与道路上其他多辆车的数字模型建立通信，获取其他多辆车的基本信息、行车数据和路况信息，完善本车的高精度地图。其中，其他多辆车的基本信息包括生产厂、国别、汽车类型和汽车特征等；其他多辆车的路况信息包括车道线的位置、类型、宽度、坡度、曲率以及在所处车道的位置；其他多辆车的行车数据包括速度、加速度、角速度、车轮转向角度等数据。本车的数字模型根据接收到的其他多辆车的基本信息在高精度地图中为其他多辆车创建一个简单的数字模型，然后根据路况信息确定多辆车在高精度地图中的位置，最后根据行车数据模拟它们在道路上的行驶状态；
孪生体云平台端根据本车及所属道路上其他多辆车的行车数据和路况信息，经过分析处理预测本车的行驶轨迹。
2.2.2代理应用，提取并处理信息
孪生体云平台通过对高精度地图的分析预测本车的行车轨迹，并在车辆即将进入隧道、偏远地区等信号较差的地方提前申请成为驾驶员的代理，获取移动手机客户端部分或全部应用的登录权，然后在孪生体云平台端登录应用，在操作权限范围内接收数据，同时，根据推测的带宽要求选择合适的方式对数据进行压缩、排序、加密等预处理，然后根据带宽的要求，将加密后的数据打包成数据包，传输至车载端。
2.3移动手机客户端
驾驶员根据自己的需求在移动手机客户端选择是否代理应用，代理哪些应用，以及设置应用代理者对数据的操作权限。驾驶员可以基于代理者在数据处理过程中的行为对代理者的信誉度进行评估，将信誉度划分等级，不同等级对应的操作权限不同。比如，在代理者代理应用、提取和处理数据的初期，由于驾驶员不完全信任代理者，因此赋予代理者的操作权限可能会很少；如果代理者完全在操作权限范围内正确处理数据，那么它可能会获得驾驶员更多的信任，得到较高的信誉度，在下一次代理应用时操作权限会更大；如果代理者存在恶意修改数据、传递虚假消息、在操作权限范围外处理数据、泄露驾驶员隐私等行为，驾驶员对代理者的信任值会逐步降低，相应的，赋予代理者的操作权限也会减少。换句话说，驾驶员可以根据代理者的行为调整其信誉度，然后根据信誉度的大小赋予代理者操作权限。
3、代理应用的方法(见图3)
1)获取代理权。孪生体云平台通过对高精度地图的分析预测本车的行车轨迹，并在车辆即将进入隧道、偏远地区等信号较差的地方提前申请成为驾驶员的代理。
2)孪生体云平台登录应用，接收数据。
3)对接收到的数据进行压缩、排序、加密等处理。根据推测的带宽要求选择合适的方式对数据进行压缩，同时根据不同的数据类型选择加密方式。
4)根据推测的带宽要求，将加密后的数据打包成数据包，传输至车载端。
4、应用代理数据的处理方法
4.1压缩
根据预测的行车轨迹推测未来接入带宽，在带宽富余和带宽不足两种情况下选择合适的方式对接收到的文字、图片、音频和视频等数据进行压缩。在带宽富余的情况下，可对数据加密后再传输。在带宽不足的情况下，针对不同类型的数据，本发明给出了不同的处理方法。具体如下：
对文本信息提取关键信息，生成文本摘要。比如接收到的文本信息为“为了更好地完成公司的各项目标任务，经公司领导研究决定，从今晚九点开始，公司全体员工开始加班工作”，关键信息提取为“经公司领导研究决定，今晚九点全体员工开始加班”，如果带宽不足以发送这段信息，继续提取关键信息为“今晚九点加班”。
对图片、音频和视频通过数据降维的方法提取数据特征，并去除其中的冗余特征，实现数据的有损压缩。由于人类视觉、听觉对图像、声音中的某些频率成分不敏感，因此丢掉一些数据而不至于对声音或者图像所表达的意思产生误解，但可大大提高压缩比。比如：通过降维压缩降低图片的分辨率、视频的清晰度，去除音频噪声等。
4.2排序
应用代理者可对所接收到信息进行优先级排序，即对于优先级别高的数据进行优先传输。如雇主车辆可对代理应用数据发送者进行预先优先级排序，优先级高的数据发送者，其数据将优先由数字孪生体传输至雇主车辆。数字孪生体还可通过雇主车辆用户历史浏览数据统计，对代理应用数据进行排序。如雇主车辆用户电子邮件中保持的频繁通信者、雇主车辆用户频繁阅读的数据传输者，具有较高优先级别。
4.3加密
为了保证压缩信息在传输过程中的完整性、保密性和不可否认性，需要对信息加密再进行传输。针对不同类型的数据，可以采用不同的加密方式。
根据文本信息的敏感度分级别加密，越敏感的数据加密级别越高。首先根据用户对隐私的敏感度将数据划分级别(不同用户对隐私的界定不同，比如有些人认为支付记录是低级别的隐私数据，而有些人认为是高级别的隐私数据)，然后选择合适的加密算法进行加密，比如：气温、空气质量等不涉及驾驶者隐私的文本信息，可以不用加密就直接发送给物理车辆；对低级别的隐私数据，可以使用加密速度快、效率高的对称加密方法加密文本信息；涉及财产情况等高级别的隐私数据，可以结合对称加密算法和非对称加密算法进行加密，增强传输的安全性。
根据图片的特征分类型加密，不同类型的图片可以采用不同的加密方式。比如：对于只包含一张图片的压缩信息，可以采用混沌加密、随机扰乱图片信息的行或列加密、混沌加密与DNA融合等加密算法进行加密；对于既包含图片，又包含该图片的说明的压缩信息，可以采用密码算法与隐写术相结合的方式进行加密，将图片的说明隐写到图片中，再采用上述对纯图片加密的算法进行加密。
根据音频、视频的敏感度选择性加密，即选择加密敏感度较高的帧。同样，首先根据用户对隐私的敏感度划分等级，然后可以但不限于用量子加密、混沌加密等方法对敏感度较高的部分帧进行加密。
本发明将数字孪生技术与车联网结合起来，通过物理世界与虚拟空间的实时交互预测本车的行车轨迹，在即将进入隧道、偏远地区等信号较弱的地方提前申请成为驾驶者的代理，获取移动手机客户端部分或全部应用的登录权，通过对应用数据的提取和处理为驾驶者提供“一对一”的应用代理服务。
本发明通过采用机器学习等新一代技术对接收到的数据进行处理，去除冗余数据，更方便驾驶者掌握关键消息：本发明在带宽不足的情况下利用机器学习等技术对不同数据采用不同的方式去除冗余数据，(对文本信息提取关键信息，生成消息摘要，对图像、音频和视频采用数据降维的方法实现有损压缩)提取数据特征，方便驾驶者掌握关键消息的同时满足传输带宽的要求，提高传输效率。相比现有技术，该方案耗费的时间、人力和物力更少，更容易实现。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于数字化车联网的应用代理方法，其特征在于，所述基于数字化车联网的应用代理方法包括：引入数字孪生技术，将在云端为物理世界的每辆车构建一个相应的私有数字孪生应用程序；其中，所述物理世界的车辆称为雇主车辆，所述程序具有云端存储资源和计算资源，与雇主车辆具有一一对应的关系，保持实时数据通信。
2.如权利要求1所述的基于数字化车联网的应用代理方法，其特征在于，所述基于数字化车联网的应用代理方法包括以下步骤：
步骤一，数字孪生体经过雇主车辆预先授权，登录并获取雇主车辆用户私有信息，并根据用户习惯学习或用户要求，获取用户所关心公共数据；其中，所述私有信息和公有信息将存储于数字孪生体云空间；
步骤二，数字孪生体与其雇主车辆保持实时或频繁数据同步，即雇主车辆定时通知数字孪生体的位置、速度和驾驶行为信息；数字孪生体及时了解雇主车辆移动位置、速度、驾驶习惯和相应位置历史通信带宽，并根据车辆历史通信带宽，对雇主车辆未来短期通信带宽进行预测；
步骤三，数字孪生定时将所存储雇主车辆用户私有数据与其所关心共有数据传输至雇主车辆；数据传输过程中，数字孪生体程序对传输数据进行分段压缩与加密进行数据传输，并根据雇主车辆带宽预测；根据预测值对数据进行删减与优先级排序，选择性传输数据。
3.如权利要求2所述的基于数字化车联网的应用代理方法，其特征在于，步骤一中，通过手机端App或网页对雇主车辆进行预先授权；所述雇主车辆用户私有信息包括：登录雇主车辆用户QQ、微信和电子邮件服务器，获取雇主车辆用户QQ、微信和电子邮件在内的私人数据；所述用户所关心公共数据包括：城市天气、周边道路交通信息和城市新闻在内的信息。
4.如权利要求1所述的基于数字化车联网的应用代理方法，其特征在于，所述基于数字化车联网的应用代理方法，还包括：
(1)通过车载端利用车辆配备的各种传感器感知行驶环境和道路状况，并将感知数据通过车载通信设备或车载手机设备利用无线网络，实时传递给孪生体云平台端；
(2)通过孪生体云平台端利用数字孪生体定期获取雇主车辆车载端信息，通过与雇主车辆频繁通信，实时预测行车轨迹与通信带宽，代理应用，提取并处理信息；调用云端存储、计算资源，为雇主车辆私有代理；
(3)数字孪生体通过移动手机客户端或网页程序获取雇主车辆用户授权应用服务的登录权，在用户操作授权范围内提取和处理数据；雇主车辆用户根据自己的需求在移动手机客户端选择是否授权数字孪生体代理接收数据，代理接收哪些应用数据，以及设置数字孪生体对代理应用数据的操作权限。
5.如权利要求4所述的基于数字化车联网的应用代理方法，其特征在于，步骤(1)中，所述感知数据的采集，包括：
车载端通过摄像头传感器和红外夜视摄像头传感器采集图像，将图像转换为二维数据；然后对采集的图像进行模式识别，通过图像匹配算法识别周围环境的固定对象信息，包括交通标志、交通信号灯、车道限高、下水道口、障碍物及其他道路细节，还包括防护栏和树木在内的基础设施信息；同时，利用激光雷达反射强度信息形成的灰度图，采集本车所在道路的信息，包括车道线的位置、类型、宽度、坡度和曲率；
车载端利用毫米波雷达、激光雷达和超声波雷达发射电磁波信号，然后根据接收反射信号的时间间隔测定本车与识别对象的实际距离，并结合发射信号的发射角度，利用简单的三角函数原理推导出识别对象的空间位置；
车载端通过GNSS实时获取本车的速度和位置信息，通过惯性传感器获取本车的加速度和角速度；
车载端具有无线网络通信能力，将蜂窝网、城市WiFi、家庭WiFi和蓝牙在内的无线网络接入通信，通过无线网络与互联网，对数字孪生体进行通信。
6.如权利要求4所述的基于数字化车联网的应用代理方法，其特征在于，步骤(2)中，所述预测行车轨迹与通信带宽，包括：
孪生体云平台根据接收到的数据创建本车的数字模型，构建并不断完善高精度地图，经过对数据的分析，预测本车的行驶轨迹，包括：
孪生体云平台端根据接收到的本车的基本信息，为本车创建一个数字模型；
车载端通过无线传输技术将感知数据实时传递至孪生体云平台端，孪生体云平台端根据接收到的数据模拟本车在物理世界所处位置的周边环境，构建高精度地图；其中，利用图像识别的数据模拟物理世界中本车所在的道路状况和周边环境存在的物体；利用目标检测的数据进一步确定地图中各个物体与本车之间的距离，从而在地图中确定准确位置；利用GNSS的数据确定本车在物理世界的位置，并根据接收到的速度、加速度、角速度、车轮转向角度数据模拟本车的行驶状态；
孪生体云平台端本车的数字模型与道路上其他多辆车的数字模型建立通信，获取其他多辆车的基本信息、行车数据和路况信息，完善本车的高精度地图；其中，其他多辆车的基本信息包括生产厂、国别、汽车类型和汽车特征；其他多辆车的路况信息包括车道线的位置、类型、宽度、坡度、曲率以及在所处车道的位置；其他多辆车的行车数据包括速度、加速度、角速度、车轮转向角度数据；本车的数字模型根据接收到的其他多辆车的基本信息在高精度地图中为其他多辆车创建一个简单的数字模型，然后根据路况信息确定多辆车在高精度地图中的位置，最后根据行车数据模拟它们在道路上的行驶状态；
孪生体云平台端根据本车及所属道路上其他多辆车的行车数据和路况信息，经过分析处理预测本车的行驶轨迹。
7.如权利要求4所述的基于数字化车联网的应用代理方法，其特征在于，步骤(2)中，所述代理应用的方法，包括：
1)获取代理权：孪生体云平台通过对高精度地图的分析预测本车的行车轨迹，并在车辆即将进入隧道、偏远地区等信号较差的地方提前申请成为驾驶员的代理，获取移动手机客户端部分或全部应用的登录权；
2)在孪生体云平台端登录应用，在操作权限范围内接收数据；
3)应用代理数据的处理：对接收到的数据进行压缩、排序和加密处理，根据推测的带宽要求选择合适的方式对数据进行压缩，同时根据不同的数据类型选择加密方式；
4)根据推测的带宽要求，将加密后的数据打包成数据包，传输至车载端。
8.如权利要求7所述的基于数字化车联网的应用代理方法，其特征在于，步骤3)中，所述应用代理数据的处理，包括：
1)压缩
根据预测的行车轨迹推测未来接入带宽，在带宽富余和带宽不足两种情况下选择合适的方式对接收到的文字、图片、音频和视频等数据进行压缩；在带宽富余的情况下，对数据加密后再传输；在带宽不足的情况下，针对不同类型的数据，给出不同的处理方法，包括：
①对文本信息提取关键信息，生成文本摘要；
②对图片、音频和视频通过数据降维的方法提取数据特征，并去除其中的冗余特征，实现数据的有损压缩；
2)排序
应用代理者对所接收到信息进行优先级排序，即对于优先级别高的数据进行优先传输；数字孪生体通过雇主车辆用户历史浏览数据统计，对代理应用数据进行排序；
3)加密
针对不同类型的数据，采用不同的加密方式，包括：
①根据文本信息的敏感度分级别加密，越敏感的数据加密级别越高：根据用户对隐私的敏感度将数据划分级别，选择合适的加密算法进行加密；对低级别的隐私数据，使用加密速度快、效率高的对称加密方法加密文本信息；涉及财产情况高级别的隐私数据，结合对称加密算法和非对称加密算法进行加密；
②根据图片的特征分类型加密，不同类型的图片可以采用不同的加密方式；
③根据音频、视频的敏感度选择性加密，即选择加密敏感度较高的帧：根据用户对隐私的敏感度划分等级，利用包括用量子加密和混沌加密在内的方法对敏感度较高的部分帧进行加密。
9.一种应用如权利要求1～8任意一项所述的基于数字化车联网的应用代理方法的基于数字化车联网的应用代理系统，其特征在于，所述基于数字化车联网的应用代理系统由车载端、孪生体云平台端和移动手机客户端三部分组成；
车载端，用于通过各种传感器感知本车的周围环境和道路状况，并将感知数据通过车载通信设备或车载手机设备通过无线网络，实时传递给孪生体云平台端；其中，所述无线网络包括蜂窝网和路边WiFi；
孪生体云平台端，用于根据接收到的数据为本车创建一个一一对应的常驻应用程序，称为数字孪生体；所述数字孪生体可调用云端存储、计算资源，为雇主车辆私有代理；
移动手机客户端，所述数字孪生体通过移动手机客户端或网页程序获取雇主车辆用户授权应用服务的登录权，在用户操作授权范围内提取和处理数据；雇主车辆用户根据自己的需求在移动手机客户端选择是否授权数字孪生体代理接收数据，代理接收哪些应用数据，以及设置数字孪生体对代理应用数据的操作权限；其中，所述操作权限包括删除和压缩。
10.如权利要求9所述的基于数字化车联网的应用代理系统，其特征在于，所述车载端通过车辆配备的各种传感器感知行驶环境和道路状况，并将感知数据实时传递给孪生体云平台端；其中，所述传感器包括：毫米波雷达、激光雷达、超声波雷达、摄像头、GNSS以及惯性传感器；
所述数字孪生体保持与其雇主车辆频繁数据通信连接，定期获取雇主车辆车载端信息；数字孪生体通过与其雇主车辆频繁通信，可实时记录与测量其与雇主车辆间通信带宽；其中，所述雇主车辆车载端信息包括：车辆移动位置、车辆汽油量、车辆摄像头采集信息。
CN202110848253.4A 2021-07-27 2021-07-27 一种基于数字化车联网的应用代理系统及方法 Active CN113645201B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110848253.4A CN113645201B (zh) 2021-07-27 2021-07-27 一种基于数字化车联网的应用代理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110848253.4A CN113645201B (zh) 2021-07-27 2021-07-27 一种基于数字化车联网的应用代理系统及方法

Publications (2)

Publication Number Publication Date
CN113645201A true CN113645201A (zh) 2021-11-12
CN113645201B CN113645201B (zh) 2023-04-07

Family

ID=78418466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110848253.4A Active CN113645201B (zh) 2021-07-27 2021-07-27 一种基于数字化车联网的应用代理系统及方法

Country Status (1)

Country Link
CN (1) CN113645201B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338753A (zh) * 2022-03-10 2022-04-12 国汽智控(北京)科技有限公司 一种车云协同计算系统、设备及存储介质
CN114655388A (zh) * 2022-03-21 2022-06-24 中船黄埔文冲船舶有限公司 一种智能船舶的自动泊位方法、装置及系统
WO2023216779A1 (en) * 2022-05-11 2023-11-16 International Business Machines Corporation Improving computational capability based on vehicle maintenance
CN117705720A (zh) * 2024-02-04 2024-03-15 石家庄铁道大学 一种双块式轨枕外观尺寸及缺陷同步快速检测系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190258747A1 (en) * 2018-02-22 2019-08-22 General Electric Company Interactive digital twin
CN110716558A (zh) * 2019-11-21 2020-01-21 上海车右智能科技有限公司 一种基于数字孪生技术的非公开道路用自动驾驶系统
US20200051440A1 (en) * 2018-08-10 2020-02-13 The Boeing Company Aircraft Communications System with An Operational Digital Twin
CN111049937A (zh) * 2019-12-31 2020-04-21 长城汽车股份有限公司 智能网联汽车的数据处理系统及数据传输方法
CN111213351A (zh) * 2017-10-19 2020-05-29 微软技术许可有限责任公司 IoT云到云架构
CN111311207A (zh) * 2019-11-22 2020-06-19 广州智家科技有限公司 以物联网设备连接次数为挖矿方法的区块链虚拟货币
CN111633644A (zh) * 2020-05-15 2020-09-08 哈尔滨工程大学 一种结合智能视觉的工业机器人数字孪生系统及其运行方法
CN113112088A (zh) * 2021-04-23 2021-07-13 北京邮电大学 一种边云协同数字孪生智能排产应用运行位置适配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111213351A (zh) * 2017-10-19 2020-05-29 微软技术许可有限责任公司 IoT云到云架构
US20190258747A1 (en) * 2018-02-22 2019-08-22 General Electric Company Interactive digital twin
US20200051440A1 (en) * 2018-08-10 2020-02-13 The Boeing Company Aircraft Communications System with An Operational Digital Twin
CN110716558A (zh) * 2019-11-21 2020-01-21 上海车右智能科技有限公司 一种基于数字孪生技术的非公开道路用自动驾驶系统
CN111311207A (zh) * 2019-11-22 2020-06-19 广州智家科技有限公司 以物联网设备连接次数为挖矿方法的区块链虚拟货币
CN111049937A (zh) * 2019-12-31 2020-04-21 长城汽车股份有限公司 智能网联汽车的数据处理系统及数据传输方法
CN111633644A (zh) * 2020-05-15 2020-09-08 哈尔滨工程大学 一种结合智能视觉的工业机器人数字孪生系统及其运行方法
CN113112088A (zh) * 2021-04-23 2021-07-13 北京邮电大学 一种边云协同数字孪生智能排产应用运行位置适配方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
KAZI MASUDUL ALAM;: "C2PS: A Digital Twin Architecture Reference Model for the Cloud-Based Cyber-Physical Systems", 《 IEEE ACCESS》 *
TOM H. LUAN, RUHAN LIU: "The Paradigm of Digital Twin Communications", 《ARXIV》 *
YAO ZHANG;CHANGLE LI;TOM HAO: "A Mobility-Aware Vehicular Caching Scheme in Content Centric Networks: Model and Optimization", 《IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》 *
刘智等: "基于"Digital Twin"技术的互通立交桥数字化系统研究", 《智能建筑与智慧城市》 *
杨超等: "高速列车牵引传动系统故障测试与验证仿真平台研究", 《自动化学报》 *
陈彦; 贾志凯; 孙鹏; 王忠凯: "基于数字孪生技术的动车组运维管理系统架构研究", 《铁路计算机应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114338753A (zh) * 2022-03-10 2022-04-12 国汽智控(北京)科技有限公司 一种车云协同计算系统、设备及存储介质
CN114655388A (zh) * 2022-03-21 2022-06-24 中船黄埔文冲船舶有限公司 一种智能船舶的自动泊位方法、装置及系统
WO2023216779A1 (en) * 2022-05-11 2023-11-16 International Business Machines Corporation Improving computational capability based on vehicle maintenance
CN117705720A (zh) * 2024-02-04 2024-03-15 石家庄铁道大学 一种双块式轨枕外观尺寸及缺陷同步快速检测系统

Also Published As

Publication number Publication date
CN113645201B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN113645201B (zh) 一种基于数字化车联网的应用代理系统及方法
Hamdi et al. A review of applications, characteristics and challenges in vehicular ad hoc networks (VANETs)
CN106846863B (zh) 基于增强现实和云端智能决策的事故黑点警告系统及方法
Yang et al. Machine-learning-enabled cooperative perception for connected autonomous vehicles: Challenges and opportunities
AU2017387790B2 (en) System and methods for detecting vehicle braking events using data from fused sensors in mobile devices
US10958701B1 (en) Systems and methods for modulating advertisement frequencies in streaming signals based on vehicle operation data
CN110060484B (zh) 一种基于区块链的公路客运违章实时预警系统及方法
Pillmann et al. Car-to-cloud communication traffic analysis based on the common vehicle information model
US11849375B2 (en) Systems and methods for automatic breakdown detection and roadside assistance
EP4191443A1 (en) Vehicle data processing method and apparatus, computer device and storage medium
CN106911670B (zh) 一种车联网中的隐私保护系统及方法
CA3065731C (en) Systems and methods for system generated damage analysis
US10560823B1 (en) Systems and methods for roadside assistance
CN105245842A (zh) 基于行车记录仪的海量视频监控系统
Sharma et al. Cloud-based secured VANET with advanced resource management and IoV applications
Lee et al. Design of V2X-based vehicular contents centric networks for autonomous driving
US11087570B1 (en) Dynamically controlling sensors and processing sensor data for issue identification
Hu et al. Design and implementation of intelligent vehicle control system based on Internet of Things and intelligent transportation
US11750383B2 (en) Multi-level access control in sharing of vehicle data with devices
Özkul et al. Police‐less multi‐party traffic violation detection and reporting system with privacy preservation
CN113783930A (zh) 基于野外可部署5g车载平台的空地网络系统及搭建方法
CN113380037A (zh) 一种交通信息采集方法和装置
George et al. Social internet of vehicles
KR102492965B1 (ko) 인공지능 및 빅데이터 기반의 도로 재비산먼지 관리시스템
US11455886B2 (en) Dynamic vehicular passageway information using ad-hoc network and templatized connection

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