车联网覆盖空洞识别方法、系统、电子设备及存储介质与流程

本发明涉及通信网络，尤其涉及一种车联网覆盖空洞识别方法、系统、电子设备及存储介质。

背景技术：

1、随着智能交通与车联网技术的快速迭代，车辆作为移动通信终端的属性日益凸显。车与车、车与路、车与云端的实时数据交互，已成为实现自动驾驶、交通调度优化、行车安全预警、智能座舱体验等核心功能的基础。运营商的4g、5g无线通信网络作为车联网数据传输的核心载体，其覆盖质量直接决定了数据传输的可靠性、时效性与完整性。然而，车联网具有高动态性与异构部署环境的特点，对无线网络覆盖质量提出了更高要求。车辆高速移动会导致无线信道频繁切换，地下停车场、隧道等场所存在信号遮挡或多径干扰，路网拓扑的不规则性、基站部署的疏密程度以及车辆分布的不均衡性，极易在特定时空范围内形成无线信号覆盖断层，即通信空洞。通信空洞会直接导致车辆间数据传输中断、延迟剧增或数据包丢失，不仅会造成自动驾驶决策失准、交通信息更新滞后、车辆使用体验下降，甚至可能引发严重的行车安全事故，成为制约车联网规模化应用的核心瓶颈。

2、目前，无线网络覆盖问题的分析识别主要依赖以下几种方式：优化工程师的路测或定点测试，该方法通过专业设备沿特定路线实地测量，能够获取较为准确的覆盖数据，但其成本高昂、覆盖范围有限、难以持续，无法实现大规模路网的实时监测；网络侧告警与计数器统计，该方法基于基站运行指标进行宏观分析，但只能反映全网或小区级别的整体问题，对局部微小区域的覆盖劣化不敏感，且存在发现滞后的问题；用户投诉驱动，该方法依赖用户主动上报网络体验问题，但问题发生时已影响用户体验，属于被动响应式维护，无法主动预警；基于人联网用户的感知分析，该方法利用普通手机用户的测量报告数据来评估网络覆盖，然而，手机终端与车机通信模组对信号的敏感度存在差异，且两者业务逻辑不同，因此，人联网数据分析仅具有有限的参考意义，并不完全适用于车联网场景。综上，现有技术缺乏一种能够主动、实时、精细化地发现车联网环境中动态变化的网络覆盖弱区或盲区的有效手段。

技术实现思路

1、本发明所要解决的技术问题是提供一种车联网覆盖空洞识别方法、系统、电子设备及存储介质，以解决上述技术问题。

2、本发明解决上述技术问题的技术方案如下：一种车联网覆盖空洞识别方法，包括：获取车联网环境下的多源异构数据；根据所述多源异构数据，对车联网覆盖范围内各个目标车辆在目标时间点的网络体验进行预测，得到各个目标车辆的网络体验预期数据；获取在所述目标时间点各个目标车辆的网络体验实际数据；对于每个目标车辆，将在所述目标时间点所述目标车辆的网络体验预期数据和所述目标车辆的网络体验实际数据进行比较，以根据得到的比较结果确定所述目标车辆所在位置是否为覆盖异常点；聚合在同一时空范围内的所有覆盖异常点，得到车联网覆盖空洞。

3、本发明的有益效果是：本发明通过获取车联网环境下的多源异构数据，对目标车辆在目标时间点的网络体验进行预测并与实际体验进行比较，依据比较结果主动判定覆盖异常点，进而聚合生成覆盖空洞，实现了对通信空洞的主动、实时、精细化识别，克服了现有技术依赖路测、告警或投诉所导致的被动滞后、成本高昂、无法定位局部微小区域等缺陷，能够及时发现隐蔽空洞，为网络优化提供精准依据，从而有效提升车联网通信的可靠性和自动驾驶的安全性。

4、在上述技术方案的基础上，本发明还可以做如下改进。

5、进一步，所述根据所述多源异构数据，对车联网覆盖范围内各个目标车辆在目标时间点的网络体验进行预测，得到各个目标车辆的网络体验预期数据，包括：对所述多源异构数据进行时空插值补全处理，得到新的多源异构数据；根据所述新的多源异构数据进行特征构建，分别生成每个目标车辆对应的多维融合特征；对于每个目标车辆，根据所述目标车辆对应的多维融合特征对所述目标车辆在目标时间点的网络体验进行预测，得到所述目标车辆的网络体验预期数据。

6、进一步，所述对所述多源异构数据进行时空插值补全处理，得到新的多源异构数据，包括：对于所述多源异构数据中存在无线网络测量数据缺失的每个目标车辆，以所述目标车辆为目标节点，并以所述目标车辆周边的基站和路侧单元为周边节点，构建所述目标车辆的空间关联图；对于所述多源异构数据中存在无线网络测量数据缺失的每个目标车辆，根据所述目标车辆的空间关联图，通过预训练的基于注意力机制的图神经网络进行数据预测，得到所述目标车辆的无线网络测量数据补全值；根据所有无线网络测量数据补全值对所述多源异构数据进行填补，得到新的多源异构数据。

7、进一步，所述多维融合特征至少包括信号稳定性指数、环境干扰系数和车路协同质量分数；其中，所述信号稳定性指数为量化信号波动与车辆移动的关联性的数据，所述环境干扰系数为量化环境因素对信号质量的影响的数据，所述车路协同质量分数为量化车路通信链路质量的数据。

8、进一步，对于每个目标车辆，根据所述目标车辆对应的多维融合特征对所述目标车辆在目标时间点的网络体验进行预测，得到所述目标车辆的网络体验预期数据，包括：将所述目标车辆对应的多维融合特征输入至预训练的时序预测模型，生成第一网络体验预期值；以所述目标车辆及所述目标车辆周边的车辆、基站和路侧单元为节点，构建动态路网拓扑图；根据所述动态路网拓扑图和所述第一网络体验预期值，通过预训练的动态图神经网络进行空间信息传播，生成校正向量；根据所述校正向量对所述第一网络体验预期值进行校正，得到第二网络体验预期值；根据所述第一网络体验预期值和所述第二网络体验预期值，得到所述目标车辆的网络体验预期数据。

9、进一步，对于每个目标车辆，将在所述目标时间点所述目标车辆的网络体验预期数据和所述目标车辆的网络体验实际数据进行比较，以根据得到的比较结果确定所述目标车辆所在位置是否为覆盖异常点，包括：根据所述目标车辆对应的多维融合特征，通过预训练的二分类模型判断所述目标车辆所在位置是否存在异常，得到第一判断结果；计算所述第一网络体验预期值和所述目标车辆的网络体验实际数据之间的第一偏差，并计算所述第二网络体验预期值和所述目标车辆的网络体验实际数据之间的第二偏差；将所述第一偏差与偏差阈值进行比较，得到第二判断结果；将所述第二偏差与所述偏差阈值进行比较，得到第三判断结果；根据所述第一判断结果、所述第二判断结果和所述第三判断结果，通过投票机制进行协同决策，以确定所述目标车辆所在位置是否为覆盖异常点。

10、进一步，所述偏差阈值通过以下方式得到：基于时间维度和空间维度对车联网覆盖区域进行分区，得到多个时空分区；分别获取各个时空分区内的历史运行数据；对于每个时空分区，根据所述时空分区内的历史运行数据，通过分位数回归法预测给定置信水平下的预测误差上限，作为所述时空分区的初始阈值；根据所述多源异构数据中的实时环境数据对所述目标车辆当前所属时空分区对应的初始阈值进行修正，得到偏差阈值。

11、进一步，所述聚合在同一时空范围内的所有覆盖异常点，得到车联网覆盖空洞，包括：获取多个覆盖异常点，每个覆盖异常点包含地理位置和时间戳；根据所述覆盖异常点所在的道路类型动态调整聚类半径，采用改进的dbscan算法对所述覆盖异常点进行空间聚类，生成候选空洞区域；采用流聚类算法，按预设时间窗口和空间网格对所述候选空洞区域进行实时流式聚合与合并，生成车联网覆盖空洞及所述车联网覆盖空洞的地理位置边界信息。

12、进一步，在聚合在同一时空范围内的所有覆盖异常点，得到车联网覆盖空洞之前，还包括：对于同一地理位置，若在连续预设数量个时间窗口内，持续存在来自多辆不同车型车辆的覆盖异常点，则判定所述地理位置通过多车验证；对于通过多车验证的地理位置，获取车机上报的无线网络测量数据、路侧单元上报的与对应车机的通信质量数据以及路侧单元检测的区域信号质量数据；当满足所述车机上报的无线网络测量数据表明信号强度低于第一预设门限，并且满足所述通信质量数据表明通信异常或所述区域信号质量数据表明信号强度低于第二预设门限时，将所述地理位置对应的覆盖异常点确认为用于聚合的覆盖异常点。

13、进一步，方法还包括：获取各个目标车辆的车辆灯光状态；当所述多源异构数据中的气象数据显示存在目标天气，且同区域内超过预设比例的目标车辆的车辆灯光状态为雾灯开启状态或近光灯开启状态时，根据所述多源异构数据中的气象数据对所述网络体验预期数据进行环境衰减补偿。

14、进一步，所述根据所述多源异构数据，对车联网覆盖范围内各个目标车辆在目标时间点的网络体验进行预测，得到各个目标车辆的网络体验预期数据，还包括：当所述目标车辆处于隧道中时，根据所述多源异构数据中的车辆位置信息和预构建的信号衰减基准曲线，对所述目标车辆的网络体验进行预测，得到所述目标车辆的网络体验预期数据；其中，所述预构建的信号衰减基准曲线为基于隧道的历史信号测量数据构建的、用于反映参考信号接收功率随隧道深入距离的衰减趋势的曲线。

15、进一步，方法还包括：获取多个目标车辆上报的电磁干扰量化指标，并根据所述电磁干扰量化指标生成干扰源空间热力图；根据所述干扰源空间热力图进行空间聚类分析，以识别局部覆盖空洞。

16、为解决上述技术问题，本发明还提供了一种车联网覆盖空洞识别系统，包括：

17、数据采集模块，用于获取车联网环境下的多源异构数据；

18、预测模块，用于根据所述多源异构数据，对车联网覆盖范围内各个目标车辆在目标时间点的网络体验进行预测，得到各个目标车辆的网络体验预期数据；

19、数据获取模块，用于获取在所述目标时间点各个目标车辆的网络体验实际数据；

20、异常识别模块，用于对于每个目标车辆，将在所述目标时间点所述目标车辆的网络体验预期数据和所述目标车辆的网络体验实际数据进行比较，以根据得到的比较结果确定所述目标车辆所在位置是否为覆盖异常点；

21、空洞确定模块，用于聚合在同一时空范围内的所有覆盖异常点，得到车联网覆盖空洞。

22、为解决上述技术问题，本发明还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前所述的车联网覆盖空洞识别方法。

23、为解决上述技术问题，本发明还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如前所述的车联网覆盖空洞识别方法。