CN115810227A - 一种车载设备异常快速识别方法及系统 - Google Patents
一种车载设备异常快速识别方法及系统 Download PDFInfo
- Publication number
- CN115810227A CN115810227A CN202211540787.1A CN202211540787A CN115810227A CN 115810227 A CN115810227 A CN 115810227A CN 202211540787 A CN202211540787 A CN 202211540787A CN 115810227 A CN115810227 A CN 115810227A
- Authority
- CN
- China
- Prior art keywords
- information
- abnormal
- vehicle
- equipment
- data
- 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
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000002159 abnormal effect Effects 0.000 claims abstract description 241
- 238000012360 testing method Methods 0.000 claims abstract description 47
- 238000012216 screening Methods 0.000 claims abstract description 10
- 238000012552 review Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 6
- 229910002056 binary alloy Inorganic materials 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000011835 investigation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000009411 base construction Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Alarm Systems (AREA)
Abstract
本申请涉及车载设备技术领域,具体公开了一种车载设备异常快速识别方法及系统,所述方法包括:初始化预设车载设备状态管理器;定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据;通过预设的编码协议对目标数据进行解析,以获取测试位编码信息;基于当前车载设备运行状态信息,通过预设的车载终端通讯协议建立异常信息库,判断测试位编码信息是否与异常信息库中的异常编码信息相同;若是,则输出与测试位编码信息对应的异常设备信息。通过结合当前车载设备运行状态来构建异常信息库,有针对性对车载设备的异常进行识别,并且简化了对于车载设备通讯数据的解析过程,更有助于实现车载设备异常的快速识别。
Description
技术领域
本申请涉及车载设备领域,尤其涉及一种车载设备异常快速识别方法及系统。
背景技术
随着车载设备的广泛使用,例如DSM(驾驶员状态监控系统)、ADAS(高级安全辅助系统)、GPS/北斗定位系统、远程实时视频监控等,给车辆驾驶员带了便利,并为安全驾驶保驾护航。
由于通过车载设备为安全驾驶提供帮助的前提是车载设备的正常运行,因此还需要对车载设备进行异常检测以及时修复,例如现有的智能网联汽车云控系统,包含车载终端、云控平台以及用户端,车载终端和云控平台通过TCP/UDP进行连接,以实现数据的传输,云控平台通过车载终端以固定频率进行数据上报,可以获取车辆的运行状态信息,通过对车辆的运行状态信息根据预设的规则协议解析然后向车载终端反馈相应的信息,并将相应的反馈信息发送到用户端,通过相应的反馈信息来判断是否存在异常。
由于按这种方式进行异常检测,首先车辆运行状态数据和相应的规则协议比较繁杂,对于车载设备的异常检测不具备针对性,需要耗费额外资源来捕获到异常相关信息。
发明内容
本申请的目的是提供一种车载设备异常快速识别方法及系统,基于软件和硬件交互实现对车载设备各个功能模块是否正常的检测,便于快速识别出异常的车载设备。
第一方面,本申请提供一种车载设备异常快速识别方法,采用如下的技术方案:
初始化预设车载设备状态管理器,所述预设车载设备状态管理器存储有当前车载设备运行状态信息;
定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据;
通过预设的编码协议对目标数据进行解析,以获取测试位编码信息;
通过预设的编码协议对位置信息汇报消息体进行解析,以获取测试位编码信息;
基于当前车载设备运行状态信息,通过预设的车载终端通讯协议建立异常信息库,所述异常信息库包含异常编码信息和异常设备信息;
判断测试位编码信息是否与异常信息库中的异常编码信息相同;
若是,则输出与测试位编码信息对应的异常设备信息。
通过上述技术方案,可以通过根据对车载终端上报数据进行抽取,只获取与车载设备异常的相关信息,并且还根据车载的当前运行状态建立异常信息库,有针对性地对车载设备进行异常识别,减少对数据的解析和计算过程。
可选的,所述初始化预设车载设备状态管理器,包括:
判断车载终端与云控平台是否处于连接状态,
若否,则发送请求以重新建立连接;
若是,则将当前车载设备运行状态信息存入到预设车载设备状态管理器中。
可选的,所述上报数据中包含有若干消息,每个消息对应一个消息ID,所述对上报数据进行筛选,以获取目标数据,包括:
通过预设的消息ID从上报数据中匹配出对应的消息,以作为目标消息;
对目标消息进行转义和校验,以获取目标数据。
可选的,所述通过预设的编码协议对位目标数据进行解析,以获取测试位编码信息,包括:
对目标数据通过预设的编码协议进行解析,获取位置信息汇报消息体数据;
对位置信息汇报消息体数据,通过进一步拆解获取报警标志位信息;
对报警标志位信息进行编码,以获取测试位编码信息。
可选的,所述位置信息汇报消息体数据还包含经纬度编码信息和速度编码信息,所述获取位置汇报消息体数据之后,还包括:
基于经纬度编码信息和速度编码信息,通过预设的计算方法,计算并获取当前行车的经纬度和速度;
分别判断经纬度和速度是否在对应的预设数值范围内;
若否,输出相应的异常数据,并将异常数据存入预设的数据异常集合中。
可选的,所述基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,包括:
根据预设的车载设备异常模板,获取车载设备异常信息集合,所述异常信息集合包括异常编码信息、异常设备信息;
基于当前车载设备运行状态信息,获取所有运行中的车载设备信息;
基于所有运行中的车载设备信息从异常信息集合中匹配出相应的异常编码信息;
基于匹配出的异常编码信息和对应的异常设备信息,建立异常信息库。
可选的,所述异常设备信息包括异常设备ID和异常信息,所述输出与测试位编码信息对应的异常设备信息之后,还包括:
基于异常设备ID,对相应的车载设备发送重启指令;
根据异常信息,生成重检上报数据;
将重检上报数据进行发送,并获取相应的反馈信息;
基于反馈信息,获取异常详情信息。
可选的,所述输出与测试位编码信息对应的异常设备信息之后,还包括
基于异常设备信息,通过预设的异常类别进行分类;
按照分类结果将异常设备信息存入预设数据库中;
当预设数据库中存在某个类别的异常设备信息达到一定的预设阈值时,输出相应的提示信息,并将该类别的异常设备信息发送到用户端;
当预设数据库中所有类别的异常设备信息均达到一定的预设阈值时,则根据所有类别的异常设备信息通过大数据进行分析,获取关联信息模型;
基于当前的异常设备信息通过关联信息模型,对关联的异常设备进行预测,以获取预测信息,并将该预测信息发送到用户端。
第二方面,本申请提供一种车载设备异常快速识别系统,包括:
初始化模块(101),用于初始化预设车载设备状态管理器,所述预设车载设备状态管理器存储有当前车载设备运行状态信息;
数据获取模块(102),用于定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据,然后通过预设的编码协议对目标数据进行解析,以获取测试位编码信息;
异常信息库构建模块(103),用于基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,所述异常信息库包含异常编码信息和异常设备信息;
异常信息判断模块(104),用于判断测试位编码信息是否与异常信息库中的异常编码信息相同,若是,则输出与测试位编码信息对应的异常设备信息。
第三方面,本申请提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述一种车载设备异常快速识别方法的计算机程序。
综上所述,本申请通过借助车载设备终端与云控平台之间的数据交互机制,有指向性地从交互数据中提取与车载设备异常相关联信息,并且根据车载设备当前运行状态来构建异常信息库,以对车载设备的异常进行识别,无需采用人工检查的方式进行异常检测,实现了主动发现并可提前获取车载设备各个模块功能缺失的情况。此外通过对车载设备的异常识别信息进行存储和数据分析,可对车载设备出现异常的频次以及各车载设备之间的异常关联进行数据建模,有助于对车载设备进行更好地排查和维护。
附图说明
图1是本申请实施例所提供的一种车载设备异常快速识别方法的流程图;
图2是本申请实施例所提供的通过预设的车载终端通讯协议建立异常信息库的流程图;
图3是本申请实施例所提供的获取异常设备信息后进行重新检测的流程图;
图4是本申请实施例所提供的获取异常设备信息后构建构建关联数据模型的流程图;
图5是本申请实施例所提供的一种车载设备异常快速识别系统的示意图。
具体实施方式
以下结合附图1-附图5,对本申请作进一步详细说明。
本申请提供一种车载设备异常快速识别方法,参见图1,包括以下步骤:
S100、初始化预设车载设备状态管理器。
其中,车载设备指集DSM(驾驶员状态监控系统),ADAS(高级安全辅助系统),GPS/北斗定位监控、本地SD卡和硬盘录像、4G远程实时视频监控、语音通话、IP语音、TTS(语音合成系统)、CAN总线接口及行驶记录仪等多种功能于一体,遵循国家标准的的智能化终端。
预设车载设备状态管理器用于存储当前车载设备运行状态信息。车载设备运行状态信息具体表现为各个车载设备是处于开启状态还是关闭状态、例如,当某一车载设备处于开启状态时,在整个智能化终端会有相应的运行状态显示标识,同智能手机一般,有哪些应用程序正在运行,也会有相应的数据显示。
在本申请实施例中,旨在通过获取车载终端向云控平台上报的数据,并对上报数据进行抽取,通过相应的编码协议解析并获取车载设备异常相关信息,针对异常相关信息来对车载设备异常进行识别。
其中车载终端和云控平台为智能网联汽车云控系统中的两个模块,车载终端和云控平台通过TCP/UDP进行连接,以实现数据的传输,云控平台通过车载终端以固定频率进行数据上报,可以获取车辆的运行状态信息,通过对车辆的运行状态信息根据预设的规则协议解析然后向车载终端反馈相应的信息。
由于通过借助了车载终端与云控平台的数据传输来进行车载设备异常识别,所以还需要考虑到当前车载设备的运行状态,若车载设备处于关闭状态,此时通过云控平台来获取车载终端上报数据,并不能实现对相应车载设备的异常进行识别。
因此,在本申请实施例中,还建立有预设车载设备状态管理器,在每次车载终端上报数据前都会先确定当前的车载设备运行状态,也就是会先对预设车载设备状态管理器进行初始化,相应地根据对当前的车载设备各个模块的运行状态进行调节,也可基于不同的车载设备运行状态来对车载设备进行异常识别。
在本申请实施例中,初始化预设车载设备状态管理器,具体包括如下步骤:
S110、判断车载终端与云控平台是否处于连接状态。
由于车载终端同云控平台进行数据传输首先需要建立连接关系,通常车载终端和云控平台数据连接会采用TCP或UDP方式,当车载终端与云控平台的数据连接正常时,由车载终端向云控平台发送的消息后会收到云控平台的反馈,当数据连接异常时,车载终端会对待发送的消息进行保存,当数据连接恢复正常时,才会将消息进行发送。
因此,在本申请实施例中,在获取车载设备上报的数据前,应确定车载终端与云控平台处于连接状态,也就是在初始化预设车载设备状态管理器时,会先判断车载终端与云控平台是否处于连接状态。
对于判断车载终端与云控平台是否处于连接状态的方法有多种,例如,在一定的时间内为收到云控平台未收到车载终端发送的消息,通过相同的身份建立新连接,若建立新连接成功,则说明原连接已经断开,若建立新连接失败,则会有相应的提示信息说明已存在连接关系等。
S120、若车载终端与云控平台未处于连接状态,则发送请求以重新建立连接。
S130、若车载终端与云控平台处于连接状态,则将当前车载设备运行状态信息存入预设车载设备状态管理器中。
其中,当前车载设备运行状态信息包含车载设备ID和对应的运行状态。
在本申请实施例中,若车载终端与云控平台未处于连接状态,则应该重新建立连接关系,也就是会由车载终端向云控平台发送请求以建立连接关系。
若车载终端与云控平台处于连接状态,则设置终端参数,并记录当前车载设备运行状态信息,并且将当前车载运行状态数据记录在预设车载设备状态管理器中。其中终端参数为车载终端向云控平台发送的消息的周期,也就是当车载终端与云控平台处于连接状态时,每间隔一定的时间,车载终端便会向云控平台发送消息。
S200、定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据。
其中,上报数据为车载终端与云控平台进行数据传输的消息数据,通常情况下车载终端与云控平台之间的数据交互会涉及到多种消息,而消息的结构组成为:标识位、消息头、消息体、验证码、标识位,标识位为一种固定协议的标识,例如会用7E进行固定标识;消息头包括有消息ID、消息长度以及消息加密方式等信息,消息ID作为消息的唯一标识,可基于消息ID获取到指定的消息数据;消息体表示的是消息的主内容。
在本申请实施例中,因为旨在对车载设备异常进行识别,因此会对车载终端上报的数据进行相应地筛选,以获取与车载设备异常相关联的数据,也就是目标数据。
在本申请实施例中,对上报数据进行筛选,以获取目标数据,具体包括如下步骤:
S210、通过预设的消息ID从上报数据中匹配出对应的消息,以作为目标消息。
S220、对目标消息进行转义和校验,以获取目标数据。
在本申请实施例中,预设的消息ID为0x0200,为位置信息汇报消息的ID,由于消息ID作为消息的唯一标识,所以可基于消息ID获取到指定的消息数据。
在获取到目标的消息数据之后,还需对消息数据进行相应的处理,由于在车载终端发送消息时,会对消息数据进行相应的封装,例如会附加有验证码和标识符,因此在获取到消息时还需要对消息进行相应的转义和校验,完成转义和校验之后才能对消息数据进行解析。
对消息数据的转义也就是对获取到的消息中的标识符进行相应转义还原,例如将0x7d 0x02用0x7e替换,将0x7d 0x01使用0x7d替换。对消息数据的校验也就是对消息数据新转义还原之后,除去消息标识和校验位,按位异或得到的结果就是这条消息的校验码,和校验位对应的验证码比对其一致性,若一致,则说明校验成功。
S300、通过预设的编码协议对目标数据进行解析,以获取测试位编码信息。
其中,目标数据中包含有位置信息汇报消息体,位置信息汇报消息表示的是一种上报的消息。
测试位编码信息表示的是位置信息汇报消息体中报警标志位的编码信息,根据测试位编码信息以及预设的车载终端通讯协议来判断是否存在车载设备异常。
在本申请实施例中,需要实现的是快速对车载设备进行异常识别,所以会根据相应的消息ID来获取与车载设备相关联的消息数据,也就是位置信息汇报消息,而位置信息汇报消息体也就是位置信息汇报这一种消息的消息体。
由于当车载终端和云控平台处于数据连接状态时,车载终端会向云控平台按照设定的周期进行消息的发送,因此可以定时获取到车载设备上报的数据,而获取车载终端上报数据实际上就是对车载终端发送的消息,根据相应的消息ID获取到位置信息汇报消息,然后对位置信息汇报消息进行解析,以提取对应的消息体数据,再根据对应的消息体数据获取测试位编码信息。
在本申请实施例中,所述通过预设的编码协议对目标数据进行解析,以获取测试位编码信息,具体包括如下步骤:
S310、对目标数据通过预设的编码协议进行解析,获取位置信息汇报消息体数据。
其中,预设编码协议表示的是车载终端通讯协议(JT/T808),位置信息汇报消息体数据包含报警标志位信息、状态位信息、经纬度信息、速度信息、时间信息等数据。报警位标志信息包含有位数(bit位)以及对应的报警信息,例如{(1,超速报警),…,(4,GNSS模块发生故障),(5,GNSS天线未接或被剪断),(6,GNSS天线短路),(7,终端主电源欠压),…}(GNSS:全球导航卫星系统)。
由于报警信息中会包含有相应的车载设备异常信息,例如GNSS模块发生故障、终端主电源欠压、TTS模块故障、摄像头故障等。
因此,在本申请实施例中,会借助位置信息汇报消息体中的报警标志位信息来判断是否存在车载设备异常,也就是会先获取位置信息汇报消息体,再对位置信息汇报消息体进行拆解以获取报警标志信息。
S320、对位置信息汇报消息体数据,通过进一步拆解获取报警标志位信息。
在本申请实施例中,获取到位置信息汇报消息体数据之后,则会对位置信息汇报消息体数据,通过预设的字段参数进行拆分。其中预设的字段参数表现为(起始字节,字段定义),例如{(0,报警标志),(4,状态),(8,纬度),(12,经度),…,(18,速度),…}。一字节相当于8个二进制bit位,而获取到的消息数据为16进制,所以这里的一个字节对应2个bit位。通过字段参数可以从获取的位置信息汇报消息体数据中获取到对应字段的数据。
例如获取到的位置消息体部分数据为(00000400000C000301A68EB1065FEE79037500510050170621130113),要获取报警标志位的数据,根据预设字段参数可知,报警标志位起始字节为0,字节数为4,由于消息体数据为16进制,一个字节对应两个比特位,由此可以获取到报警标志位信息为(00010000)。同理可获取到状态信息为(000C0003)、纬度信息(01A68EB1)、经度信息(065FEE79)、速度信息(0051)。
S330、对报警标志位信息进行编码,以获取测试位编码信息。
由于要判断获取到的报警标志位信息对应的是何种报警信息,而参考标准中车报警位标志信息中的位数表示的是以二进制作为编码时数字1所在的为位数。
因此,在本申请实施例中,还需将报警标志位信息进行编码,也就是将获取的报警标志转为二进制,例如报警标志位信息(00000400),转为二进制则为(0000 0000 00000000000 0100 0000 0000)。
因为报警标志位信息涉及到的位数最大为32位,所以在转化为二进制的时候,当不足32位的时候会往左边进行补0。所以最后从右往左数1所在的位数11,也就是最后的测试位编码信息。
值得说明的是,转为二进制后1的个数可能并不止一个,也就是同时存在多个报警信息,这种情况下,最后获取的测试位编码信息也就不单是一个,所以测试位编码信息可以看作是一个数据集合。
在本申请实施例中,通过报警未标志信息来识别出的异常均是硬件模块的异常,而除了对硬件模块的异常进行识别外,还会针对数据异常来进行识别,例如错误的gps经纬度、异常的速度值等。
因此在获取位置汇报消息体数据之后,还包括有如下步骤:
S340、基于经纬度编码信息和速度编码信息,通过预设的计算方法,计算并获取当前行车的经纬度和速度。
由于位置信息汇报消息体数据还包含有经纬度信息、速度信息,并且通过预设的字段参数可以对应的经纬度编码信息和速度编码信息,如上述例子,获取到的纬度信息为(01A68EB1)、经度信息(065FEE79)、速度信息(0051),由于是16进制,转为10进制之后可获取到对应的纬度信息为(27692721)、经度信息为(106950265)、速度信息为(81),对纬度信息和经度信息乘以10-6,可获取到最后的纬度为27.692721°,经度为106.950265°,当前行车速度为81(km/h)。
在本申请实施例中,对于获取到的位置信息汇报消息数据,会使用kafka来进行暂存,kafka作为使用较广的分布式消息系统,具有高吞吐,低延迟的特点,更便于消息数据解析以及消息的传输同时进行,且不容易产生干扰,此外还引入了flink来作为实时计算引擎,配合kafka能更好地对数据进行相应解析和实时计算,有助于提升对于车载设备异常识别的效率。
S350、分别判断经纬度和速度是否在对应的预设数值范围内。
S360、若否,输出相应的异常数据,并将异常数据存入预设的数据异常集合中。
其中,预设的数值范围有两层含义,一是经纬度和速度的标准取值范围,如经度范围是0-180°、纬度范围是0-90°。二是与实际行车记录中的数值差异值在一定的范围内。
预设的数据异常集合用于存储与车载设备关联的数据异常信息。
在本申请实施例中,通过车载终端上报的数据解析之后得到的经纬度和行车速度理应与当前车辆的定位经纬度和行驶速度保持一致,首先行驶速度通过汽车仪表盘可以获取到,并可同步到车载终端中,但对于实际经纬度,考虑到可能是车载终端的gps系统出现故障,因此会通过用户终端的gps系统来进行校验,例如手机的定位系统获取到的经纬度值,值得说明的是这里提到的用户终端表示的当前车辆行驶人员所佩戴的智能设备。
分别判断通过车载终端上报数据获取到的经纬度和速度是否是在标准范围内,并且与实际从仪表盘获取到速度和从用户端获取的经纬度信息之间的差值是否在一定的范围内,若否,则说明存在数据异常信息,因此将对应的异常经纬度值或者速度值存入预设的异常数据集合中。
S400、基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库。
其中,异常信息库包含异常编码信息和异常设备信息,异常编码信息表征的是相关车载设备异常对应的编码信息,也就是报警标志位信息的位数,例如上述所提到的GNSS模块发生故障的异常编码信息为4,GNSS天线未接或被剪断的异常编码信息为5,摄像头故障的异常编码信息为11。
异常设备信息则包含异常设备ID以及异常信息,异常信息则是上述中的GNSS模块发生故障、GNSS天线未接或被剪断、摄像头故障等信息。
由于报警标志位信息中所包括的内容并非都是与车载设备异常相相关联的,而本申请实施的目标只是对车载设备异常进行检测,所以会针对车载设备异常信息来获取相应数据,并结合当前车载设备的运行状态,来进行相应筛选,以减少数据比对的基础,也能一定程度的加速对车载设备异常的识别,因此会选取当前可识别出的车载设备异常信息,也就是当前处于运行状态中的车载设备的关联异常信息,然后以此建立异常信息库。
在本申请实施例中,通过预设的车载终端通讯协议建立异常信息库,参见图2,具体包括如下步骤:
S410、根据预设的车载设备异常模板,获取车载设备异常信息集合。
在本申请实施例中,预设的车载设备异常模板为从《道路运输车辆卫星定位系统北斗兼容车载终端通讯协议技术规范》中提取的与车载设备异常相关的报警标志位信息,包括异常编码信息和异常设备信息,由异常编码信息和相对应的异常设备信息可以形成的数据结合记为异常信息集合。例如{(4,GNSS模块发生故障),(5,GNSS天线未接或被剪断),(6,GNSS天线短路),(7,终端主电源欠压),(8,终端主电源掉电),(9,终端LCD或显示器故障),(10,TTS模块故障),(11,摄像头故障),…}。
S420、基于当前车载设备运行状态信息,获取所有运行中的车载设备信息。
S430、基于运行中的车载设备信息从异常信息集合中匹配出相应的异常编码信息。
S440、基于异常编码信息和对应的异常设备信息,建立异常信息库。
其中,车载设备信息包含有车载设备的名称、设备ID等信息。
在本申请实施例中,基于当前车载设备运行状态信息,可以获取到所有处于运行状态中的车载设备信息。通过异常设备信息中的设备名称与异常信息库中的异常设备信息进行匹配,然后建立异常信息库,并将匹配到的异常编码信息同对应的异常设备信息添加到异常信息库中。
例如,若当前处于运行状态的车载设备名称为GNSS,同异常信息进行匹配,比如通过字符串的形式进行匹配,这样异常信息库包含有GNSS的异常设备信息,比如(NSS模块发生故障、GNSS天线未接或被剪断、GNSS天线短路)都能被匹配到,进而将这些异常设备信息和对应的异常编码信息一同添加到异常信息库中,则此时异常信息库表现为{(4,GNSS模块发生故障),(5,GNSS天线未接或被剪断),(6,GNSS天线短路)}。
S500、判断测试位编码信息是否与异常信息库中的异常编码信息相同。
S600、若测试位编码信息与异常信息库中的某一异常编码信息相同,则输出与测试位编码信息对应的异常设备信息。
在本申请实施例中,由于通过对车载设备上报的数据进行相应的解析并提取到了测试位编码信息,通过当前的车载设备的运行状态和预设的车车载设备异常模板构建了异常信息库,异常信息库存储有异常编码信息和对应的异常设备信息。
所以通过将测试位编码信息同异常信息库进行匹配,可以获知是否存在异常。也就是会判断测试位编码信息是否与异常信息库中的异常编码信息相同。
若测试位编码信息与异常信息库中已存的异常编码信息存在相同,则说明存在异常,因此输出相应的异常设备信息。并将异常设备信息发送给到用户端,例如驾驶员或者车辆关联人员,用户通过接收到异常设备信息后可以及时对相应的车载设备进行排查,获取车载设备异常具体缘由,方便检修或者维护。
例如,测试位编码信息为11,而此时异常信息库为{(4,GNSS模块发生故障),(5,GNSS天线未接或被剪断),(6,GNSS天线短路),(7,终端主电源欠压),(8,终端主电源掉电),(9,终端LCD或显示器故障),(10,TTS模块故障),(11,摄像头故障),…},则将测试位编码信息同异常信息库进行匹配可获取到相应的异常信息为摄像头故障。
由于通过获取车载设备上报数据来进行异常的识别,会存在一定的误差,例如上报数据异常,或者数据解析过程中出现偏差等,都会对最后的识别结果带来一定程度的影响。
因此,在本申请实施例中,输出相应的异常设备信息之后,参见图3,还包括如下步骤:
S710、基于异常设备ID,对相应的车载设备发送重启指令。
在本申请实施例中,考虑到设备异常可能是软件程序方面的异常,因此在获取到异常设备信息之后,还会对相应的设备进行重启,然后再重新获取车载设备上报数据,再进行检测,判断最后的异常识别结果是否一致,若异常识别结果一致,则将该异常设备信息存于预设的异常信息数据库中。
S720、根据异常信息,生成重检上报数据。
其中,重检上报数据同上述所提到的上报数据本质相同,上述所提到的上报数据为周期性数据,是车载终端向云控平台按照设定周期进行发送数据,而重检上报数据则为反馈数据,是由云控平台下发控制指令,由车载终端反馈执行结果后生成的数据,将该数据记为重检上报数据。例如当前获取到的异常设备指向为摄像头异常,所以通过云控生成摄像头拍摄命令,车载终端执行命令后生成摄像头拍摄命令消息体数据,摄像头拍摄命令消息体数据也就相当于重检上报数据。
S730、将重检上报数据进行发送,并获取相应的反馈信息。
S740、基于反馈信息,获取异常详情信息。
在本申请实施例中,获取到重检上报数据之后,会将重检上报数据进行反馈发送,同样地,重检上报数据中包含有相应的主内容,也就是相关消息体数据,通过对相关消息体数据进行解析,可获取到与当前检测的车载设备相关联的信息,然后根据获取到的相关信息可生成反馈信息,通过反馈的数据信息可以进一步判断是否存在异常以及异常的具体缘由。
如上述的例子所述,重检上报数据也就是摄像头拍摄命令消息体数据,通过对摄像头拍摄命令消息体数据进行解析,可获取到相应的摄像头拍摄数据。如拍摄图像分辨率、拍摄图像质量等信息,通过预设的相关数据标准,可以判断摄像头是否存在异常,若有异常,也可根据具体的反馈信息,估测异常发生的原因,方便对设备进行及时排查和检修。
由于考虑到车载设备是集多个功能模块为一体的智能化终端设备,各个功能模块之间其实是有一定的关联存在的,例如摄像头异常、远程实时视频监控以及驾驶员安全监测等会存在一定的关联,若当前识别到远程实时视频监控异常,故障产生的可能原因会包含摄像头故障,相应地受远程实现视频监控异常的影响,驾驶呀安全监测是否会出现异常现象。
而上述所述对于车载设备的异常识别相当于是将车载设备中各个功能模块作为单独的车载设备进行异常识别。所以还可以将获取的所有车载设备异常信息进行数据分析,根据各个车载设备模块之间的关联有针对性地进行系统排查和车载设备的维护。
因此,在本申请实施例中,输出异常编码信息以及对应的异常设备信息之后,参见图4,还包括如下步骤:
S810、基于异常设备信息,通过预设的异常类别进行分类。
S820、按照分类结果将异常设备信息存入预设数据库中。
其中,预设的异常类别分为两个大类,为上述所提到的硬件模块异常和数据异常,而硬件模块异常又可细分为gps模块异常、储存介质异常、视频信号异常,每一个类别包含有对应的车载设备异常信息。
在本申请实施例中,获取到车载设备异常识别信息之后,会将识别出的异常信息存入对应的预设数据库中,并按照异常信息所对应的类别分别进行存储。
S830、当预设数据库中存在某个类别的异常设备信息达到一定的预设阈值时,输出相应的提示信息,并将该类别的异常设备信息发送到用户端。
其中,预设阈值表示的是对于各个异常类别在一定时间内产生的异常信息数量达到一定的值,为便于区分,可记该预设阈值为单类预设阈值。
在本申请实施例中,若预测数据库中的某一类别的异常信息达到预设阈值,也就是说这一类别的异常信息产生的频次过高,因此会输出相应的提示信息,并将相应的提升信息发送到用户端,以便车辆关联人员能对该类车载设备的异常信息进行针对排查,及时发现并解决相应的故障问题。
S840、当预设数据库中所有类别的异常信息均达到一定的预设阈值时,则根据所有类别的异常设备信息通过大数据进行分析,获取关联信息模型。
S850、基于当前的异常设备信息通过关联信息模型,对关联的异常设备进行预测,以获取预测信息,并将该预测信息发送到用户端。
其中,预设阈值可记为全类预设阈值,表示的是对于所有异常类别在一定时间内产生的异常信息总量达到一定的值。
在本申请实施例中,若预测数据库中的所有类别的异常信息中的总数达到预设阈值时,则会根据所有类别的异常信息通过大数据进行分析,例如通过回归分类,通过数据挖掘隐藏关联,以获取关联信息模型。借助关联信息模型可以根据相关的异常设备信息对与之关联的车载设备进行预测分析,并将相应的预测信息发送到用户端,便于车辆关联人员能提前对相应的车载设备进行排查,提前消除隐患。
本申请实施例还提供了一种车载设备异常快速识别系统,参见图5,该系统包括:初始化模块101、数据获取模块102、异常信息库构建模块103、异常信息判断模块104。
其中,初始化模块101用于初始化预设车载设备状态管理器。
数据获取模块102用于定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据,然后通过预设的编码协议对目标数据进行解析,以获取测试位编码信息。
异常信息库构建模块103用于基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库。
异常信息判断模块104用于判断测试位编码信息是否与异常信息库中的异常编码信息相同,若是,则输出异常编码信息以及对应的异常设备信息。
在本申请实施例中,初始化模块101具体用于初始化预设车载设备状态管理器,并对当前车载设备和云控平台之间的通信连接进行校验,若未处于连接状态,则会发送请求重新建立连接关系。此外还会记录下当前车载设备的运行状态信息。
数据获取模块102具体用于定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据,也就位置信息消息体,然后通过预设的编码协议对位置信息消息体数据进行解析,以获取测试位编码信息。
异常信息库构建模块103具体用于基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,也就是获取与当前处于运行状态的车载设备关联的异常信息集合,以便于通过测试位编码信息来匹配出相应的异常信息。
异常信息判断模块104具有用于判断测试位编码信息是否与异常信息库中的异常编码信息相同,若是,则输出异常编码信息以及对应的异常设备信息,并且将相应的异常信息存入预设的数据库,同时将异常信息发送到客户端,以进行提示。
本申请实施例还提供一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种车载设备异常快速识别方法的计算机程序。
本具体实施方式的实施例均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (10)
1.一种车载设备异常快速识别方法,其特征在于,包括:
初始化预设车载设备状态管理器,所述预设车载设备状态管理器存储有当前车载设备运行状态信息;
定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据;
通过预设的编码协议对目标数据进行解析,以获取测试位编码信息;
基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,所述异常信息库包含异常编码信息和异常设备信息;
判断测试位编码信息是否与异常信息库中的异常编码信息相同;
若是,则输出与测试位编码信息对应的异常设备信息。
2.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述初始化预设车载设备状态管理器,包括:
判断车载终端与云控平台是否处于连接状态,
若否,则发送请求以重新建立连接;
若是,则将当前车载设备运行状态信息存入到预设车载设备状态管理器中。
3.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述上报数据中包含有若干消息,每个消息对应一个消息ID,所述对上报数据进行筛选,以获取目标数据,包括:
通过预设的消息ID从上报数据中匹配出对应的消息,以作为目标消息;
对目标消息进行转义和校验,以获取目标数据。
4.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述通过预设的编码协议对位目标数据进行解析,以获取测试位编码信息,包括:
对目标数据通过预设的编码协议进行解析,获取位置信息汇报消息体数据;
对位置信息汇报消息体数据,通过进一步拆解获取报警标志位信息;
对报警标志位信息进行编码,以获取测试位编码信息。
5.根据权利要求4所述的一种车载设备异常快速识别方法,其特征在于,所述位置信息汇报消息体数据还包含经纬度编码信息和速度编码信息,所述获取位置汇报消息体数据之后,还包括:
基于经纬度编码信息和速度编码信息,通过预设的计算方法,计算并获取当前行车的经纬度和速度;
分别判断经纬度和速度是否在对应的预设数值范围内;
若否,输出相应的异常数据,并将异常数据存入预设的数据异常集合中。
6.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,包括:
根据预设的车载设备异常模板,获取车载设备异常信息集合,所述异常信息集合包括异常编码信息、异常设备信息;
基于当前车载设备运行状态信息,获取所有运行中的车载设备信息;
基于所有运行中的车载设备信息从异常信息集合中匹配出相应的异常编码信息;
基于匹配出的异常编码信息和对应的异常设备信息,建立异常信息库。
7.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述异常设备信息包括异常设备ID和异常信息,所述输出与测试位编码信息对应的异常设备信息之后,还包括:
基于异常设备ID,对相应的车载设备发送重启指令;
根据异常信息,生成重检上报数据;
将重检上报数据进行发送,并获取相应的反馈信息;
基于反馈信息,获取异常详情信息。
8.根据权利要求1所述的一种车载设备异常快速识别方法,其特征在于,所述输出与测试位编码信息对应的异常设备信息之后,还包括
基于异常设备信息,通过预设的异常类别进行分类;
按照分类结果将异常设备信息存入预设数据库中;
当预设数据库中存在某个类别的异常设备信息达到一定的预设阈值时,输出相应的提示信息,并将该类别的异常设备信息发送到用户端;
当预设数据库中所有类别的异常设备信息均达到一定的预设阈值时,则根据所有类别的异常设备信息通过大数据进行分析,获取关联信息模型;
基于当前的异常设备信息通过关联信息模型,对关联的异常设备进行预测,以获取预测信息,并将该预测信息发送到用户端。
9.一种车载设备异常快速识别系统,其特征在于,包括:
初始化模块(101),用于初始化预设车载设备状态管理器,所述预设车载设备状态管理器存储有当前车载设备运行状态信息;
数据获取模块(102),用于定时获取车载设备上报数据,并对上报数据进行筛选,以获取目标数据,然后通过预设的编码协议对目标数据进行解析,以获取测试位编码信息;
异常信息库构建模块(103),用于基于当前车载设备运行状态信息,通过预设的车载设备异常模板建立异常信息库,所述异常信息库包含异常编码信息和异常设备信息;
异常信息判断模块(104),用于判断测试位编码信息是否与异常信息库中的异常编码信息相同,若是,则输出与测试位编码信息对应的异常设备信息。
10.一种计算机可读存储介质,存储有能够被处理器加载并执行如权利要求1至8任一项所述的一种车载设备异常快速识别方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211540787.1A CN115810227B (zh) | 2022-12-01 | 2022-12-01 | 一种车载设备异常快速识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211540787.1A CN115810227B (zh) | 2022-12-01 | 2022-12-01 | 一种车载设备异常快速识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115810227A true CN115810227A (zh) | 2023-03-17 |
CN115810227B CN115810227B (zh) | 2024-06-25 |
Family
ID=85484866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211540787.1A Active CN115810227B (zh) | 2022-12-01 | 2022-12-01 | 一种车载设备异常快速识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115810227B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758656A (zh) * | 2023-08-21 | 2023-09-15 | 常州海图信息科技股份有限公司 | 用于车辆监管的车载终端、系统及方法 |
CN117670172A (zh) * | 2023-10-27 | 2024-03-08 | 广东省电子口岸管理有限公司 | 一种外贸数据处理方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004217016A (ja) * | 2003-01-14 | 2004-08-05 | Hokuriku System Center:Kk | 車輌異常検知装置 |
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测系统 |
CN108240841A (zh) * | 2016-12-27 | 2018-07-03 | 深圳前海明磊融创科技有限公司 | 车载设备监测方法和装置 |
WO2018129917A1 (zh) * | 2017-01-13 | 2018-07-19 | 华为技术有限公司 | 一种基于云的车辆故障诊断方法、装置及其系统 |
JP2021197470A (ja) * | 2020-06-16 | 2021-12-27 | トヨタ自動車株式会社 | 異常要因判定装置、車両用制御装置、および車両用制御システム |
CN114040406A (zh) * | 2021-10-27 | 2022-02-11 | 海信集团控股股份有限公司 | 一种车载设备的异常信息检测方法及装置 |
CN114115172A (zh) * | 2021-10-26 | 2022-03-01 | 江西五十铃汽车有限公司 | 车辆故障诊断方法、装置、可读存储介质及车辆 |
-
2022
- 2022-12-01 CN CN202211540787.1A patent/CN115810227B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004217016A (ja) * | 2003-01-14 | 2004-08-05 | Hokuriku System Center:Kk | 車輌異常検知装置 |
CN103632211A (zh) * | 2013-12-06 | 2014-03-12 | 清华大学 | 一种机动车故障预警和召回预测系统 |
CN108240841A (zh) * | 2016-12-27 | 2018-07-03 | 深圳前海明磊融创科技有限公司 | 车载设备监测方法和装置 |
WO2018129917A1 (zh) * | 2017-01-13 | 2018-07-19 | 华为技术有限公司 | 一种基于云的车辆故障诊断方法、装置及其系统 |
US20190333291A1 (en) * | 2017-01-13 | 2019-10-31 | Huawei Technologies Co., Ltd. | Cloud-Based Vehicle Fault Diagnosis Method, Apparatus, and System |
JP2021197470A (ja) * | 2020-06-16 | 2021-12-27 | トヨタ自動車株式会社 | 異常要因判定装置、車両用制御装置、および車両用制御システム |
CN114115172A (zh) * | 2021-10-26 | 2022-03-01 | 江西五十铃汽车有限公司 | 车辆故障诊断方法、装置、可读存储介质及车辆 |
CN114040406A (zh) * | 2021-10-27 | 2022-02-11 | 海信集团控股股份有限公司 | 一种车载设备的异常信息检测方法及装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758656A (zh) * | 2023-08-21 | 2023-09-15 | 常州海图信息科技股份有限公司 | 用于车辆监管的车载终端、系统及方法 |
CN116758656B (zh) * | 2023-08-21 | 2023-10-20 | 常州海图信息科技股份有限公司 | 用于车辆监管的车载终端、系统及方法 |
CN117670172A (zh) * | 2023-10-27 | 2024-03-08 | 广东省电子口岸管理有限公司 | 一种外贸数据处理方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115810227B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115810227B (zh) | 一种车载设备异常快速识别方法及系统 | |
CN108444727B (zh) | 车辆远程监测方法、监测装置及监测系统 | |
CN111506489B (zh) | 测试方法、系统、设备、服务器及存储介质 | |
US7872584B2 (en) | Analyzing smoke or other emissions with pattern recognition | |
CN108995614B (zh) | 信息传输方法及信息传输装置 | |
CN113066254B (zh) | 核电设备工作环境异常预警方法、装置、设备和存储介质 | |
CN109273045B (zh) | 存储设备在线检测方法、装置、设备及可读存储介质 | |
CN112953971A (zh) | 一种网络安全流量入侵检测方法和系统 | |
CN112462212A (zh) | 一种基于云技术的人工智能局放监测判别系统及方法 | |
CN108540491B (zh) | 基于被动扫描的半自动化渗透测试系统及方法 | |
CN112333023A (zh) | 一种基于物联网流量的入侵检测系统及其检测方法 | |
CN112084087A (zh) | 一种工业设备状态监控与运维管理方法、系统 | |
CN110365714A (zh) | 主机入侵检测方法、装置、设备及计算机存储介质 | |
CN116166839B (zh) | 一种钻芯过程监管系统、方法、介质及计算机 | |
KR20120071175A (ko) | 웹 플랫폼이 탑재된 이동통신 단말기와 이를 이용한 로그 정보 제공 방법 및 웹 플랫폼에 대한 검증 시스템과 이를 이용한 검증 방법 | |
CN115604037A (zh) | 一种故障监测系统的通信安全测试方法 | |
CN116963134A (zh) | 故障诊断方法、装置、终端设备及网络平台 | |
CN113347134B (zh) | 针对车联网tsp平台的攻击检测方法及系统 | |
CN113836539A (zh) | 基于精准测试的电力工控系统漏洞全流程处置系统及方法 | |
CN114275010A (zh) | 一种列车监控及联动方法、装置及系统 | |
CN105574460A (zh) | 扫码设备工作状态监测方法及装置 | |
CN111464991A (zh) | 执法终端和系统 | |
CN113489939A (zh) | 一种输电线路施工现场智能监控方法和系统 | |
CN113127317B (zh) | 日志的采集处理方法、系统、设备及存储介质 | |
CN116260640B (zh) | 基于人工智能进行大数据分析的信息拦截控制方法及系统 |
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 |