基于AI的亚健康设备管理方法、边缘计算节点和存储介质与流程

本发明涉及车联网通信，特别涉及一种基于ai的亚健康设备管理方法、边缘计算节点和存储介质。

背景技术：

1、随着蜂窝车联网（cellular vehicle to everything，c-v2x）通信技术的快速发展，车路云一体化系统已成为支撑自动驾驶和智能交通的关键基础设施。现有车路云平台的运维系统主要基于简单网络管理协议（simple network management protocol，snmp）等协议对路侧单元（road side unit，rsu）等硬件设备的在线状态、cpu占用率等物理指标进行监控。

2、然而，上述运维方式无法评估v2x消息本身的质量。实际运营中，rsu持续发送心跳包表明自身在线，但其广播的v2x消息可能存在系统性偏差（如授时模块老化导致时间戳漂移），而自动驾驶系统基于错误消息计算的碰撞预警将严重失真。此外，现有抽象语法标记（abstract syntax notation one，asn.1）解码与一致性测试只能发现字段格式错误，对于“语法正确但物理上不可能”的消息（如位置瞬移、多源位置冲突、rsi与map逻辑矛盾）无法识别。现有技术也未在运营阶段对消息流进行持续质量评分，问题发现滞后；未给消息附加可信度标签，导致低质量消息与高质量感知数据被同等融合；故障定位需人工逐一排查，效率低下。

技术实现思路

1、为此，本发明提供一种基于ai的亚健康设备管理方法、边缘计算节点和存储介质，解决现有车路云一体化系统中设备运维无法感知v2x消息内容质量、缺乏运营阶段持续评分机制、自动驾驶车辆无可信度标识以及故障定位效率低下的技术问题。

2、为了实现上述目的，第一方面，本发明提供一种基于人工智能的亚健康设备管理方法，应用于边缘计算节点或区域云中，包括：

3、获取第一设备在预设时间窗口内的v2x消息并提取v2x消息的多层特征；

4、根据人工智能算法，以及基于路口上下文动态调整的判定阈值，对各层特征进行加权评分，并根据评分结果对v2x消息进行质量分级并广播v2x消息的质量等级；

5、根据第一设备各v2x消息评分的聚合评分确定第一设备是否为亚健康设备，并对第一设备执行隔离或解除隔离。

6、一些实施例中，多层特征包括如下至少一种：通信层特征、数据层特征和语义层特征；通信层特征包括如下至少一项：时延、抖动、丢包率和重复率；数据层特征包括如下至少一项：位置跳变异常、速度-加速度一致性异常和航向-轨迹一致性异常；语义层特征包括如下至少一项：多源位置偏差异常、消息间逻辑冲突异常和时空关联异常。

7、一些实施例中，质量等级为多个，各质量等级分别对应不同的可信度。

8、一些实施例中，路口上下文包括如下至少一项：第一设备所在路口的交通流密度、气象条件、设备服役时长、预设时间窗口所在时段。

9、一些实施例中，人工智能算法包括：采用层次分析法确定各层特征的初始权重，并采用以下策略中的至少一种更新权重：

10、采用熵权法，根据各层特征的数据波动程度调整权重，权重与数据波动程度正相关；

11、根据路口画像调整权重，路口画像包括第一设备所在路口的如下至少一项统计信息：交通流密度、平均车速、设备冗余度和历史事故率，权重包括通信层权重、数据层权重和语义层权重，交通流密度与通信层权重正相关、与数据层权重负相关，平均车速与数据层权重和语义层权重正相关，设备冗余度与语义层权重正相关，历史事故率与各层权重正相关；

12、采用强化学习模型对权重进行周期性更新，以最小化漏报和误报的综合代价为优化目标。

13、一些实施例中，聚合评分通过对第一设备的各v2x消息评分进行指数加权移动平均得到；

14、对第一设备执行隔离，包括如下至少一项：

15、将第一设备标记为不可信；

16、基于异常特征组合与预定义根因规则库进行根因推断，输出第一设备的运维工单。

17、一些实施例中，v2x消息的质量等级与接收端融合权重正相关，且最低质量等级对应的接收端融合权重为零；

18、v2x消息的质量等级承载于如下之一中：基础安全消息、路侧单元安全消息、路侧交通信息、信号灯消息或地图消息。

19、一些实施例中，v2x消息通过端口镜像或分光器旁路接入，与业务流量物理隔离。

20、第二方面，本发明提供一种边缘计算节点，包括：

21、一个或多个处理器；

22、存储器，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如权利要求1至8中任一项的基于人工智能的亚健康设备管理方法；

23、一个或多个i/o接口，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。

24、第三方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实现如权利要求1至8中任一项的基于人工智能的亚健康设备管理方法。

25、本发明具有如下优点：

26、基于本发明实施例提供的基于人工智能的亚健康设备管理方法、边缘技术节点和存储介质，该方法通过获取设备在预设时间窗口内的v2x消息并提取多层特征，使系统能够感知消息内容质量而非仅限于设备的在线/离线状态；通过人工智能算法结合基于路口上下文动态调整的判定阈值对各层特征进行加权评分，实现不同运营场景下的自适应质量评估；通过根据聚合评分对亚健康设备执行隔离或解除隔离，完成从问题发现到自动处置的运维闭环。本发明实施例能够对v2x消息进行实时量化评分，自动识别和隔离亚健康设备，提升自动驾驶系统的安全性和运维效率。

27、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种基于人工智能ai的亚健康设备管理方法，应用于边缘计算节点或区域云中，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述多层特征包括如下至少一种：通信层特征、数据层特征和语义层特征；所述通信层特征包括如下至少一项：时延、抖动、丢包率和重复率；所述数据层特征包括如下至少一项：位置跳变异常、速度-加速度一致性异常和航向-轨迹一致性异常；所述语义层特征包括如下至少一项：多源位置偏差异常、消息间逻辑冲突异常和时空关联异常。

3.根据权利要求1所述的方法，其特征在于，所述质量等级为多个，各质量等级分别对应不同的可信度。

4.根据权利要求1所述的方法，其特征在于，所述路口上下文包括如下至少一项：所述第一设备所在路口的交通流密度、气象条件、设备服役时长、所述预设时间窗口所在时段。

5.根据权利要求1所述的方法，其特征在于，所述人工智能算法包括：采用层次分析法确定各层特征的初始权重，并采用以下策略中的至少一种更新所述权重：

6.根据权利要求1所述的方法，其特征在于，所述聚合评分通过对所述第一设备的各v2x消息评分进行指数加权移动平均得到；

7.根据权利要求1所述的方法，其特征在于，所述v2x消息的质量等级与接收端融合权重正相关，且最低质量等级对应的接收端融合权重为零；

8.根据权利要求1所述的方法，其特征在于，所述v2x消息通过端口镜像或分光器旁路接入，与业务流量物理隔离。

9.一种边缘计算节点，其特征在于，包括：

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1至8中任一项所述的基于人工智能的亚健康设备管理方法。