CN116321384B - 一种tc10在车载以太网中的休眠唤醒方法 - Google Patents
一种tc10在车载以太网中的休眠唤醒方法 Download PDFInfo
- Publication number
- CN116321384B CN116321384B CN202310559062.5A CN202310559062A CN116321384B CN 116321384 B CN116321384 B CN 116321384B CN 202310559062 A CN202310559062 A CN 202310559062A CN 116321384 B CN116321384 B CN 116321384B
- Authority
- CN
- China
- Prior art keywords
- wake
- mounted ethernet
- target vehicle
- energy consumption
- state
- 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
- 230000005059 dormancy Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 22
- 101000666657 Homo sapiens Rho-related GTP-binding protein RhoQ Proteins 0.000 title claims abstract description 9
- 102100038339 Rho-related GTP-binding protein RhoQ Human genes 0.000 title claims abstract description 9
- 238000005265 energy consumption Methods 0.000 claims abstract description 106
- 238000004458 analytical method Methods 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 230000007958 sleep Effects 0.000 claims description 60
- 238000012544 monitoring process Methods 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000010606 normalization Methods 0.000 claims description 7
- 108700041286 delta Proteins 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000002618 waking effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 abstract description 8
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0203—Power saving arrangements in the radio access network or backbone network of wireless communication networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/08—Access security
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W12/00—Security arrangements; Authentication; Protecting privacy or anonymity
- H04W12/12—Detection or prevention of fraud
- H04W12/121—Wireless intrusion detection systems [WIDS]; Wireless intrusion prevention systems [WIPS]
- H04W12/122—Counter-measures against attacks; Protection against rogue devices
-
- 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)
- Computer Security & Cryptography (AREA)
- Small-Scale Networks (AREA)
Abstract
本发明涉及车载以太网技术领域,用于解决现有车载以太网的休眠唤醒中,无法做到对车载以太网的耗能情况、唤醒效率、网络安全情况的分析,导致无法给车载以太网的休眠后匹配最佳的唤醒方式,导致不必要的耗能的问题,具体为一种TC10在车载以太网中的休眠唤醒方法,包括数据采集单元、云数据库、休眠能耗分析单元、唤醒延迟分析单元、网络安全分析单元和休眠唤醒综合反馈单元和显示终端。本发明,通过数据计算分析和数据比对分析的方式,实现对车载以太网休眠唤醒方案的最佳选取,进而实现车载以太网从休眠到唤醒的快速切换,也保证车载以太网通信的安全性和及时性,又可以最大程度地减少能耗,提高车载以太网的经济性。
Description
技术领域
本发明涉及车载以太网技术领域,具体为一种TC10在车载以太网中的休眠唤醒方法。
背景技术
车载以太网是一种专门用于汽车内部网络通信的技术,它基于以太网协议在车辆中传输数据。它可以连接多个电子设备和传感器,构成车联网系统,实现车辆之间、车辆与基础设施之间的通信与互动。
车载以太网可以提供高速数据传输和低延迟,使得汽车内部各种应用程序之间的交互更加快捷、稳定和安全。车载以太网为了节省能耗和延长车辆电池寿命,需要在不需要通信时进入休眠状态。当车辆处于长时间停车、熄火或者驾驶员没有操作时,车载以太网可以自动进入休眠状态。
但车载以太网在休眠后唤醒时,现有的对其休眠唤醒方式的监测维度较为单一,无法做到对车载以太网的耗能情况、唤醒效率以及网络安全情况的准确分析,导致无法给车载以太网的休眠后匹配最佳的唤醒方式,导致不必要的耗能的同时,也无法保证车载以太网运行的安全性,极大的阻碍了车载以太网的发展与应用。
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的就在于解决现有车载以太网的休眠唤醒中,无法做到对车载以太网的耗能情况、唤醒效率以及网络安全情况的准确分析,导致无法给车载以太网的休眠后匹配最佳的唤醒方式,导致不必要的耗能的同时,也无法保证车载以太网运行的安全性的问题,通过数据计算分析和数据比对分析的方式,实现对车载以太网休眠唤醒方案的最佳选取,进而实现车载以太网从休眠到唤醒的快速切换,也保证车载以太网通信的安全性和及时性,又可以最大程度地减少能耗,提高车载以太网的经济性,以及提高网络设备的使用效率和用户体验,而提出一种TC10在车载以太网中的休眠唤醒方法。
本发明的目的可以通过以下技术方案实现:一种TC10在车载以太网中的休眠唤醒方法,包括以下步骤:
步骤一:采集目标车载以太网的休眠能耗参数信息、唤醒参数信息和网络安全参数信息,并将其均发送至云数据库中进行暂存;
步骤二:对目标车载以太网的休眠能耗参数信息进行监测,由此对目标车载以太网的休眠能耗状态进行分析,据此得到目标车载以太网对应的休眠耗能等级;
步骤三:对目标车载以太网的唤醒参数信息进行监测,由此对目标车载以太网的唤醒状态进行分析,据此得到目标车载以太网的唤醒状态反馈;
步骤四:对目标车载以太网的网络安全参数信息进行监测,由此对目标车载以太网的网络安全状态进行分析,据此得到目标车载以太网的网络安全状态反馈;
步骤五:对目标车载以太网的休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行综合分析,由此得到目标车载以太网的最佳休眠唤醒方案。
优选地,所述对目标车载以太网的休眠能耗参数信息进行监测,其具体监测过程如下:
监测目标车载以太网的芯片功耗值、电路板功耗值、电源功耗值和射频天线功耗值,并将其分别标定为cpc、boc、sc和rfc,并将四项数据进行综合计算分析,依据设定的公式sys=γ1×cpc+γ2×boc+γ3×sc+γ4rfc,由此得到目标车载以太网的系统耗能系数sys,其中,γ1、γ2、γ3和γ4分别为芯片功耗值、电路板功耗值、电源功耗值和射频天线功耗值的权重因子系数,且γ1、γ2、γ3和γ4均为大于0的自然数;
监测目标车载以太网的电池设备在休眠状态下的电流值和电压值,并将其分别标定为dl和du,并将两项数据进行数据分析,依据设定的公式ebc=dl×du,由此得到目标车载以太网的设备耗能系数ebc。
优选地,所述对目标车载以太网的休眠能耗状态进行分析,其具体分析过程如下:
获取目标车载以太网的休眠能耗参数信息中的系统耗能系数和设备耗能系数,并将两项数据进行归一化分析,依据设定的公式dfx=ε1×sys+ε2×ebc,由此得到目标车载以太网的休眠能耗反馈系数dfx,其中,ε1和ε2分别为系统耗能系数和设备耗能系数的归一因子,且ε1和ε2均为大于0的自然数;
将目标车载以太网的休眠能耗反馈系数与存储在云数据库中的休眠耗能状态判定表进行对照匹配分析,由此得到目标车载以太网的休眠耗能等级,且得到的每个目标车载以太网的休眠能耗反馈系数均对应一个休眠耗能等级,且休眠耗能等级包括休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级。
优选地,所述对目标车载以太网的唤醒参数信息进行监测,其具体监测过程如下:
监测单位时间内目标车载以太网每次进行唤醒操作所需的唤醒时长,并将其记作wuti,其中,i表示进行唤醒操作的次数,且i=1,2,3……n;
并将监测到的一定数量的唤醒时长整合到一个数据集中,即得到目标车载以太网的唤醒时长数据集A,其中,唤醒时长数据集A中含有n个唤醒时长;
将唤醒时长数据集A进行均值计算和标准差计算,依据公式,/>,由此得到目标车载以太网的唤醒时长数据集A中所有唤醒时长的特征均值μ,及唤醒时长数据集A中所有唤醒时长的特征标准差σ;
将目标车载以太网的唤醒时长数据集A中的每个唤醒时长进行标准分值转化处理,依据公式zi=(wuti-μ)/σ,由此得到目标车载以太网的唤醒时长数据集A中的每个唤醒时长的转化标准分数zi;
设置剔除阈值,并将目标车载以太网的每个唤醒时长的转化标准分数zi与预设的剔除阈值进行比较分析,当转化标准分数大于预设的剔除阈值时,则生成剔除指令,依据剔除指令,找到对应唤醒时长并将其从唤醒时长数据集A中剔除,由此得到目标车载以太网的唤醒时长集中数据集B;
将目标车载以太网的唤醒时长集中数据集B中的所有唤醒时长进行均值分析,由此得到目标车载以太网的非偶唤醒时长。
优选地,所述对目标车载以太网的唤醒状态进行分析,其具体分析过程如下:
获取若干个单位时间监测下的目标车载以太网的非偶唤醒时长,并将其记作Nptj,其中,j表示为若干个单位时间的数据集,且j=1,2,3……m;
将若干个单位时间监测下的目标车载以太网的非偶唤醒时长分别与存储在云数据库中的唤醒效率判定表进行对照匹配分析,由此得到目标车载以太网的唤醒效率等级,且得到的每个目标车载以太网的非偶唤醒时长均对应一个唤醒效率等级,且唤醒效率等级包括低唤醒效率等级、中唤醒效率等级、高唤醒效率等级;
分别统计被标定为低唤醒效率等级、中唤醒效率等级、高唤醒效率等级的个数和,并将其依次记作s1、s2和s3,当满足s1>s2>s3或s1>s3>s2或s2>s1>s3时,则均将目标车载以太网的唤醒状态判定为高延迟唤醒状态,而其他情况下,则均将目标车载以太网的唤醒状态判定为正常唤醒状态。
优选地,所述对目标车载以太网的网络安全参数信息进行监测及对其网络安全状态进行分析,其具体过程如下:
监测目标车载以太网的网络安全参数信息中的加密密钥长度、异地登录值、访问次数和攻击次数,并将其分别标定为cdz、ydl、fec和efc,并将四项数据进行综合分析,依据设定的公式,由此得到目标车载以太网的网络安全系数sfy,其中,δ1、δ2、δ3和δ4分别为加密密钥长度、异地登录值、访问次数和攻击次数的转换因子系数,δ1、δ2、δ3和δ4均为大于0的自然数;
设置目标车载以太网的网络安全系数的第一安全对比区间、第二安全对比区间和第三安全对比区间,并将目标车载以太网的网络安全系数代入预先设定的第一安全对比区间、第二安全对比区间和第三安全对比区间之内进行比较分析,其中,第一安全对比区间、第二安全对比区间和第三安全对比区间的区间数值的设定是呈梯度增加的;
当目标车载以太网的网络安全系数处于预先设定的第一安全对比区间之内时,则将目标车载以太网的网络安全状态判定为安全状态;
当目标车载以太网的网络安全系数处于预先设定的第二安全对比区间之内时,则将目标车载以太网的网络安全状态判定为轻度风险状态;
当目标车载以太网的网络安全系数处于预先设定的第三安全对比区间之内时,则将目标车载以太网的网络安全状态判定为高风险状态。
优选地,所述对目标车载以太网的休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行综合分析,其具体分析步骤如下:
将休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行数据赋值标定,并将休眠耗能等级中的休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级依次赋值为a1分、a2分、a3分;将唤醒状态反馈中的高延迟唤醒状态、正常唤醒状态依次赋值为a1分、a2分;将网络安全状态反馈中的高风险状态、轻度风险状态、安全状态依次赋值为a1分、a2分、a3分;
将各类型数据项的赋值分数进行叠加分析,由此得到目标车载以太网的综合休眠唤醒反馈值,将目标车载以太网的综合休眠唤醒反馈值与存储在云数据库中的休眠唤醒方案数据表进行对照匹配分析,由此得到目标车载以太网的最佳休眠唤醒方案,且得到的每个目标车载以太网的综合休眠唤醒反馈值均对应一个最佳休眠唤醒方案,其中,最佳休眠唤醒方案包括硬件唤醒方案、网络事件唤醒方案、预唤醒方案。
本发明的有益效果:
本发明,通过数据标定和数据计算分析的方式,明确了车载以太网的休眠能耗参数信息,并以此为依据,采用归一化分析和数据库比对分析的方式,实现了对目标车载以太网的耗能情况;
通过集合整合标定、均值计算及标准差计算和标准分转化分析的方式,明确出车载以太网的唤醒时长数据集中的异常数据值,并结合数据剔除和数据集合再分析的方式,准确判定了车载以太网的唤醒时长,再结合数据比对分析以及统计计算比较的方式,从而实现对车载以太网唤醒状态的判定输出,并为实现车载以太网休眠后高效的唤醒提供了强有力的数据支撑;
通过监测车载以太网的网络安全参数信息,并利用公式计算以及区间设定和数据代入分析的方式,又对车载以太网的网络安全状态进行了明确输出;
采用数据赋值、数据叠加分析和数据表匹配的方式,实现对车载以太网休眠唤醒方案的最佳选取,进而实现车载以太网从休眠到唤醒的快速切换,也保证车载以太网通信的安全性和及时性,又可以最大程度地减少能耗,提高车载以太网的经济性,以及提高网络设备的使用效率和用户体验。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的系统框图;
图2是本发明的流程图。
实施方式
下面将结合本发明实施例中的附图,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没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1和图2所示,本发明为一种TC10在车载以太网中的休眠唤醒方法,通过数据采集单元、云数据库、休眠能耗分析单元、唤醒延迟分析单元、网络安全分析单元和休眠唤醒综合反馈单元和显示终端实现。
需要指出的是,数据采集单元、休眠能耗分析单元、唤醒延迟分析单元、网络安全分析单元分别与云数据库连接,休眠能耗分析单元、唤醒延迟分析单元、网络安全分析单元分别与休眠唤醒综合反馈单元连接。
数据采集单元用于采集目标车载以太网的休眠能耗参数信息、唤醒参数信息和网络安全参数信息,并将其均发送至云数据库中进行暂存。
云数据库还用于存储目标车载以太网的休眠耗能状态判定表,存储目标车载以太网的唤醒效率判定表,存储目标车载以太网的网络安全系数的各安全对比区间,存储目标车载以太网的休眠唤醒方案数据表。
休眠能耗分析单元用于对目标车载以太网的休眠能耗参数信息进行监测,具体监测过程如下:
监测目标车载以太网的芯片功耗值、电路板功耗值、电源功耗值和射频天线功耗值,并将其分别标定为cpc、boc、sc和rfc,并将四项数据进行综合计算分析,依据设定的公式sys=γ1×cpc+γ2×boc+γ3×sc+γ4rfc,由此得到目标车载以太网的系统耗能系数sys,其中,γ1、γ2、γ3和γ4分别为芯片功耗值、电路板功耗值、电源功耗值和射频天线功耗值的权重因子系数,且γ1、γ2、γ3和γ4均为大于0的自然数,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性;
监测目标车载以太网的电池设备在休眠状态下的电流值和电压值,并将其分别标定为dl和du,并将两项数据进行数据分析,依据设定的公式ebc=dl×du,由此得到目标车载以太网的设备耗能系数ebc;
由此对目标车载以太网的休眠能耗状态进行分析,具体分析过程如下:
获取目标车载以太网的休眠能耗参数信息中的系统耗能系数和设备耗能系数,并将两项数据进行归一化分析,依据设定的公式dfx=ε1×sys+ε2×ebc,由此得到目标车载以太网的休眠能耗反馈系数dfx,其中,ε1和ε2分别为系统耗能系数和设备耗能系数的归一因子,且ε1和ε2均为大于0的自然数,而归一因子用于表示将系统耗能系数和设备耗能系数这两项数据转化为无量纲形式的系数;
将目标车载以太网的休眠能耗反馈系数与存储在云数据库中的休眠耗能状态判定表进行对照匹配分析,由此得到目标车载以太网的休眠耗能等级,且得到的每个目标车载以太网的休眠能耗反馈系数均对应一个休眠耗能等级,且休眠耗能等级包括休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级;
并将得到的目标车载以太网对应的休眠耗能等级发送至休眠唤醒综合反馈单元。
唤醒延迟分析单元用于对目标车载以太网的唤醒参数信息进行监测,具体监测过程如下:
监测单位时间内目标车载以太网每次进行唤醒操作所需的唤醒时长,并将其记作wuti,其中,i表示进行唤醒操作的次数,且i=1,2,3……n;
并将监测到的一定数量的唤醒时长整合到一个数据集中,即得到目标车载以太网的唤醒时长数据集A,其中,唤醒时长数据集A中含有n个唤醒时长;
将唤醒时长数据集A进行均值计算和标准差计算,依据公式,/>,由此得到目标车载以太网的唤醒时长数据集A中所有唤醒时长的特征均值μ,及唤醒时长数据集A中所有唤醒时长的特征标准差σ;
将目标车载以太网的唤醒时长数据集A中的每个唤醒时长进行标准分值转化处理,依据公式zi=(wuti-μ)/σ,由此得到目标车载以太网的唤醒时长数据集A中的每个唤醒时长的转化标准分数zi;
设置剔除阈值,并将目标车载以太网的每个唤醒时长的转化标准分数zi与预设的剔除阈值进行比较分析,当转化标准分数大于预设的剔除阈值时,则生成剔除指令,依据剔除指令,找到对应唤醒时长并将其从唤醒时长数据集A中剔除,由此得到目标车载以太网的唤醒时长集中数据集B;
将目标车载以太网的唤醒时长集中数据集B中的所有唤醒时长进行均值分析,由此得到目标车载以太网的非偶唤醒时长;
由此对目标车载以太网的唤醒状态进行分析,具体分析过程如下:
获取若干个单位时间监测下的目标车载以太网的非偶唤醒时长,并将其记作Nptj,其中,j表示为若干个单位时间的数据集,且j=1,2,3……m;
将若干个单位时间监测下的目标车载以太网的非偶唤醒时长分别与存储在云数据库中的唤醒效率判定表进行对照匹配分析,由此得到目标车载以太网的唤醒效率等级,且得到的每个目标车载以太网的非偶唤醒时长均对应一个唤醒效率等级,且唤醒效率等级包括低唤醒效率等级、中唤醒效率等级、高唤醒效率等级;
分别统计被标定为低唤醒效率等级、中唤醒效率等级、高唤醒效率等级的个数和,并将其依次记作s1、s2和s3,当满足s1>s2>s3或s1>s3>s2或s2>s1>s3时,则均将目标车载以太网的唤醒状态判定为高延迟唤醒状态,而其他情况下,则均将目标车载以太网的唤醒状态判定为正常唤醒状态;
并将得到的目标车载以太网的唤醒状态反馈发送至休眠唤醒综合反馈单元;
网络安全分析单元用于对目标车载以太网的网络安全参数信息进行监测以及对目标车载以太网的网络安全状态进行分析,具体过程如下:
监测目标车载以太网的网络安全参数信息中的加密密钥长度、异地登录值、访问次数和攻击次数,并将其分别标定为cdz、ydl、fec和efc,并将四项数据进行综合分析,依据设定的公式,由此得到目标车载以太网的网络安全系数sfy,其中,δ1、δ2、δ3和δ4分别为加密密钥长度、异地登录值、访问次数和攻击次数的转换因子系数,δ1、δ2、δ3和δ4均为大于0的自然数,而转换因子系数用于将所有数据项的物理量转换成同一物理量的数据系数;
还需说明的是,异地登录值指的是一定时间内车载以太网在异地登录的次数的数据值,访问次数指的是一定时间内车载以太网在休眠状态下未经授权被访问的次数的数据值,攻击次数指的是一定时间内车载以太网在休眠状态下被恶意攻击的次数的数据值;
设置目标车载以太网的网络安全系数的第一安全对比区间、第二安全对比区间和第三安全对比区间,并将目标车载以太网的网络安全系数代入预先设定的第一安全对比区间、第二安全对比区间和第三安全对比区间之内进行比较分析,其中,第一安全对比区间、第二安全对比区间和第三安全对比区间的区间数值的设定是呈梯度增加的;
当目标车载以太网的网络安全系数处于预先设定的第一安全对比区间之内时,则将目标车载以太网的网络安全状态判定为安全状态;
当目标车载以太网的网络安全系数处于预先设定的第二安全对比区间之内时,则将目标车载以太网的网络安全状态判定为轻度风险状态;
当目标车载以太网的网络安全系数处于预先设定的第三安全对比区间之内时,则将目标车载以太网的网络安全状态判定为高风险状态;
并将得到目标车载以太网的网络安全状态反馈发送至休眠唤醒综合反馈单元。
休眠唤醒综合反馈单元用于对目标车载以太网的休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行综合分析,具体分析步骤如下:
将休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行数据赋值标定,并将休眠耗能等级中的休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级依次赋值为a1分、a2分、a3分;将唤醒状态反馈中的高延迟唤醒状态、正常唤醒状态依次赋值为a1分、a2分;将网络安全状态反馈中的高风险状态、轻度风险状态、安全状态依次赋值为a1分、a2分、a3分;
将各类型数据项的赋值分数进行叠加分析,由此得到目标车载以太网的综合休眠唤醒反馈值,将目标车载以太网的综合休眠唤醒反馈值与存储在云数据库中的休眠唤醒方案数据表进行对照匹配分析,由此得到目标车载以太网的最佳休眠唤醒方案,且得到的每个目标车载以太网的综合休眠唤醒反馈值均对应一个最佳休眠唤醒方案,其中,最佳休眠唤醒方案包括硬件唤醒方案、网络事件唤醒方案、预唤醒方案;
还需补充说明的是,硬件唤醒方案指的是车载以太网芯片支持在休眠状态下通过硬件唤醒,快速恢复网络通信,并有效降低唤醒延迟时间;
预唤醒方案指的是在实际唤醒之前提前将部分或全部系统模块唤醒,以缩短唤醒时间,例如,预先激活一些常用的网络模块或者缓存数据,可以在唤醒时直接使用,避免重新初始化或者下载数据,从而提高唤醒速度;
网络事件唤醒方案指的是在车载以太网休眠状态下通过监听车载以太网网络流量进行自动激活系统,实现从休眠状态到工作状态的快速切换;
并将得到目标车载以太网的最佳休眠唤醒方案发送至显示终端进行显示说明。
本发明在使用时,通过数据标定和数据计算分析的方式,明确了车载以太网的休眠能耗参数信息,并以此为依据,采用归一化分析和数据库比对分析的方式,实现了对目标车载以太网的耗能情况;
通过集合整合标定、均值计算及标准差计算和标准分转化分析的方式,明确出车载以太网的唤醒时长数据集中的异常数据值,并结合数据剔除和数据集合再分析的方式,准确判定了车载以太网的唤醒时长,再结合数据比对分析以及统计计算比较的方式,从而实现对车载以太网唤醒状态的判定输出,并为实现车载以太网休眠后高效的唤醒提供了强有力的数据支撑;
通过监测车载以太网的网络安全参数信息,并利用公式计算以及区间设定和数据代入分析的方式,又对车载以太网的网络安全状态进行了明确输出;
采用数据赋值、数据叠加分析和数据表匹配的方式,实现对车载以太网休眠唤醒方案的最佳选取,进而实现车载以太网从休眠到唤醒的快速切换,也保证车载以太网通信的安全性和及时性,又可以最大程度地减少能耗,提高车载以太网的经济性,以及提高网络设备的使用效率和用户体验。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (2)
1.一种TC10在车载以太网中的休眠唤醒方法,其特征在于,包括以下步骤:
步骤一:采集目标车载以太网的休眠能耗参数信息、唤醒参数信息和网络安全参数信息,并将其均发送至云数据库中进行暂存;
步骤二:对目标车载以太网的休眠能耗参数信息进行监测,具体监测过程如下:
监测目标车载以太网的芯片功耗值、电路板功耗值、电源功耗值和射频天线功耗值,并将四项数据进行综合计算分析,由此得到目标车载以太网的系统耗能系数;
监测目标车载以太网的电池设备在休眠状态下的电流值和电压值,并将两项数据进行数据分析,由此得到目标车载以太网的设备耗能系数;
由此对目标车载以太网的休眠能耗状态进行分析,具体分析过程如下:
获取目标车载以太网的休眠能耗参数信息中的系统耗能系数和设备耗能系数,并将两项数据进行归一化分析,由此得到目标车载以太网的休眠能耗反馈系数;
将目标车载以太网的休眠能耗反馈系数与存储在云数据库中的休眠耗能状态判定表进行对照匹配分析,由此得到目标车载以太网的休眠耗能等级,且得到的每个目标车载以太网的休眠能耗反馈系数均对应一个休眠耗能等级,且休眠耗能等级包括休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级;
步骤三:对目标车载以太网的唤醒参数信息进行监测,具体监测过程如下:
监测单位时间内目标车载以太网每次进行唤醒操作所需的唤醒时长,并将其记作wuti,其中,且i=1,2,3……n;
并将监测到的一定数量的唤醒时长整合到一个数据集中,即得到目标车载以太网的唤醒时长数据集A,其中,唤醒时长数据集A中含有n个唤醒时长;
将唤醒时长数据集A进行均值计算和标准差计算,依据公式,,由此得到目标车载以太网的唤醒时长数据集A中所有唤醒时长的特征均值μ,及唤醒时长数据集A中所有唤醒时长的特征标准差σ;
将目标车载以太网的唤醒时长数据集A中的每个唤醒时长进行标准分值转化处理,依据公式zi=(wuti-μ)/σ,由此得到目标车载以太网的唤醒时长数据集A中的每个唤醒时长的转化标准分数zi;
设置剔除阈值,并将目标车载以太网的每个唤醒时长的转化标准分数zi与预设的剔除阈值进行比较分析,当转化标准分数大于预设的剔除阈值时,则生成剔除指令,依据剔除指令,找到对应唤醒时长并将其从唤醒时长数据集A中剔除,由此得到目标车载以太网的唤醒时长集中数据集B;
将目标车载以太网的唤醒时长集中数据集B中的所有唤醒时长进行均值分析,由此得到目标车载以太网的非偶唤醒时长;
由此对目标车载以太网的唤醒状态进行分析,具体分析过程如下:
获取若干个单位时间监测下的目标车载以太网的非偶唤醒时长,并将其记作Nptj,其中,j=1,2,3……m;
将若干个单位时间监测下的目标车载以太网的非偶唤醒时长分别与存储在云数据库中的唤醒效率判定表进行对照匹配分析,由此得到目标车载以太网的唤醒效率等级,且得到的每个目标车载以太网的非偶唤醒时长均对应一个唤醒效率等级,且唤醒效率等级包括低唤醒效率等级、中唤醒效率等级、高唤醒效率等级;
分别统计被标定为低唤醒效率等级、中唤醒效率等级、高唤醒效率等级的个数和,并将其依次记作s1、s2和s3,当满足s1>s2>s3或s1>s3>s2或s2>s1>s3时,则均将目标车载以太网的唤醒状态判定为高延迟唤醒状态,而其他情况下,则均将目标车载以太网的唤醒状态判定为正常唤醒状态;
步骤四:对目标车载以太网的网络安全参数信息进行监测,由此对目标车载以太网的网络安全状态进行分析,具体过程如下:
监测目标车载以太网的网络安全参数信息中的加密密钥长度、异地登录值、访问次数和攻击次数,并将其分别标定为cdz、ydl、fec和efc,并将四项数据进行综合分析,依据设定的公式,由此得到目标车载以太网的网络安全系数sfy,其中,δ1、δ2、δ3和δ4分别为加密密钥长度、异地登录值、访问次数和攻击次数的转换因子系数,δ1、δ2、δ3和δ4均为大于0的自然数;
设置目标车载以太网的网络安全系数的第一安全对比区间、第二安全对比区间和第三安全对比区间,并将目标车载以太网的网络安全系数代入预先设定的第一安全对比区间、第二安全对比区间和第三安全对比区间之内进行比较分析,其中,第一安全对比区间、第二安全对比区间和第三安全对比区间的区间数值的设定是呈梯度增加的;
当目标车载以太网的网络安全系数处于预先设定的第一安全对比区间之内时,则将目标车载以太网的网络安全状态判定为安全状态;
当目标车载以太网的网络安全系数处于预先设定的第二安全对比区间之内时,则将目标车载以太网的网络安全状态判定为轻度风险状态;
当目标车载以太网的网络安全系数处于预先设定的第三安全对比区间之内时,则将目标车载以太网的网络安全状态判定为高风险状态;
步骤五:对目标车载以太网的休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行综合分析,由此得到目标车载以太网的最佳休眠唤醒方案。
2.根据权利要求1所述的一种TC10在车载以太网中的休眠唤醒方法,其特征在于,所述对目标车载以太网的休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行综合分析,其具体分析步骤如下:
将休眠耗能等级、唤醒状态反馈、网络安全状态反馈进行数据赋值标定,并将休眠耗能等级中的休眠高耗能等级、休眠一般耗能等级、休眠低耗能等级依次赋值为a1分、a2分、a3分;将唤醒状态反馈中的高延迟唤醒状态、正常唤醒状态依次赋值为a1分、a2分;将网络安全状态反馈中的高风险状态、轻度风险状态、安全状态依次赋值为a1分、a2分、a3分;
将各类型数据项的赋值分数进行叠加分析,由此得到目标车载以太网的综合休眠唤醒反馈值,将目标车载以太网的综合休眠唤醒反馈值与存储在云数据库中的休眠唤醒方案数据表进行对照匹配分析,由此得到目标车载以太网的最佳休眠唤醒方案,且得到的每个目标车载以太网的综合休眠唤醒反馈值均对应一个最佳休眠唤醒方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310559062.5A CN116321384B (zh) | 2023-05-18 | 2023-05-18 | 一种tc10在车载以太网中的休眠唤醒方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310559062.5A CN116321384B (zh) | 2023-05-18 | 2023-05-18 | 一种tc10在车载以太网中的休眠唤醒方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116321384A CN116321384A (zh) | 2023-06-23 |
CN116321384B true CN116321384B (zh) | 2023-08-18 |
Family
ID=86785275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310559062.5A Active CN116321384B (zh) | 2023-05-18 | 2023-05-18 | 一种tc10在车载以太网中的休眠唤醒方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116321384B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955453A (zh) * | 2011-08-19 | 2013-03-06 | 比亚迪股份有限公司 | 用于休眠的汽车的远程控制系统及方法 |
WO2019028854A1 (zh) * | 2017-08-11 | 2019-02-14 | 深圳前海达闼云端智能科技有限公司 | 一种虚拟机的状态管理方法、装置和智能终端 |
CN110579992A (zh) * | 2019-10-18 | 2019-12-17 | 上海怿星电子科技有限公司 | 一种车载以太网唤醒/休眠控制系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018132100A1 (en) * | 2017-01-12 | 2018-07-19 | Intel Corporation | Cellular wakeup receiver for reducing power consumption of user equipment employing lte-wlan aggregation |
US20220039009A1 (en) * | 2018-09-27 | 2022-02-03 | Mohamed Awadin | Power saving mechanisms in nr |
CN113812185B (zh) * | 2019-01-08 | 2022-07-29 | 欧芬诺有限责任公司 | 应用于多载波通信系统中的省电方法 |
CN112732341B (zh) * | 2020-11-30 | 2023-08-01 | 北京百度网讯科技有限公司 | 车载计算平台的休眠控制方法、设备及可读存储介质 |
-
2023
- 2023-05-18 CN CN202310559062.5A patent/CN116321384B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955453A (zh) * | 2011-08-19 | 2013-03-06 | 比亚迪股份有限公司 | 用于休眠的汽车的远程控制系统及方法 |
WO2019028854A1 (zh) * | 2017-08-11 | 2019-02-14 | 深圳前海达闼云端智能科技有限公司 | 一种虚拟机的状态管理方法、装置和智能终端 |
CN110579992A (zh) * | 2019-10-18 | 2019-12-17 | 上海怿星电子科技有限公司 | 一种车载以太网唤醒/休眠控制系统及方法 |
Non-Patent Citations (1)
Title |
---|
史洪玮 ; .基于物联网的智能车位锁感应式唤醒控制仿真.计算机仿真.2020,(第04期),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN116321384A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104301122B (zh) | 一种唤醒节点的方法和装置 | |
CN112172608B (zh) | 电池监测方法、装置、车辆及存储介质 | |
CN114217229A (zh) | 电池soc矫正系统及其控制方法、存储介质及电动车辆 | |
CN112269371B (zh) | 一种车辆网络休眠异常事件监测方法 | |
CN111142038A (zh) | 一种蓄电池健康状态评估方法及装置 | |
CN111319510B (zh) | 一种预估电动车辆续驶里程的方法和装置 | |
CN116321384B (zh) | 一种tc10在车载以太网中的休眠唤醒方法 | |
CN117698506B (zh) | 一种锂电池充放电管理系统 | |
CN110995823A (zh) | 车载终端离线处理方法、设备、存储介质及装置 | |
CN111291035B (zh) | 一种对数据进行切片的方法、装置及相关产品 | |
CN116501025A (zh) | 控制参数的标定方法、装置、电子设备及可读存储介质 | |
CN117033887A (zh) | 锂离子电池包模块自放电率计算方法及系统 | |
CN115207421B (zh) | 电池系统供能方法、装置、电子设备及存储介质 | |
CN115167351B (zh) | 一种控制器功能更新方法、系统、车辆和服务器 | |
CN107516379B (zh) | 数据处理方法及设备 | |
CN111832936A (zh) | 一种含分布式电源的配网供电可靠性评估方法 | |
CN113923695A (zh) | 唤醒故障检测方法及装置和报文发送方法及装置 | |
CN114661022B (zh) | 一种唤醒监测方法、装置和电动汽车 | |
CN111932853A (zh) | 一种基于电池集群的非实时数据采集方法 | |
CN118215022B (zh) | 一种基于量子通信的无人机群组通信加密方法、系统及其存储介质 | |
CN112770281B (zh) | 一种电力设备物联网领域接入控制方法 | |
CN116228050B (zh) | 一种企业车辆环保监测方法及系统 | |
CN118169719B (zh) | 一种北斗导航车载终端的能源管理与优化控制系统 | |
CN208013778U (zh) | 一种基于物联网的充电车管理系统 | |
CN115409676A (zh) | 车辆蓄电池监测方法、装置、云端服务器及存储介质 |
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 |