一种电力车联网智能算法模型协同下发方法及系统与流程

1.本发明涉及车联网的技术领域，尤其涉及一种电力车联网智能算法模型协同下发方法及系统。


背景技术：

2.随着车联网相关技术的不断成熟，传感器技术、移动通信技术、大数据技术和智能计算技术等均开始与车联网深度融合。在市场需求带动下，车联网的telematics终端设备(通过无线网络随时给行车中的人提供驾驶、生活所需的各种信息的终端设备)有望迎来爆发式增长。区别于传统的its(intelligent transport system，智能交通系统)，车联网更加注重车与车、车与路、车与人之间的交互通信，可以说车联网的出现重新定义了车辆交通的运行方式。
3.现有技术中，基于车联网的应用主要体现在如下几个领域：保险领域—保险公司通过从车联网中获取到的车辆的相关信息，实现对车辆的风险评估，车辆保费计算、在线定损等相关业务处理；交通管理领域—公安交通管理部门通过从车联网中获取到的车辆的相关信息，对车辆的行驶状况进行分析，对交通违法行为进行及时发现和治理，以及对交通事故进行相应处理。
4.在上述现有的车联网技术中，各执行主体在执行具体功能时，通常采用相对独立的控制方式实现对事件或者数据的处理。例如，保险公司、公安管理部门都是各自在车联网中获取与自己相关的数据，然后进行相应的职能操作。但是，上述独立的处理方式会导致在需要不同部门进行协同时，会出现延误，处理不及时的情况，给交通管理或车主带来不必要的麻烦或损失。


技术实现要素：

5.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
6.鉴于上述现有存在的问题，提出了本发明。
7.因此，本发明解决的技术问题是：现有技术时延性高、处理不及时，从而导致交通管理过程中安全性、可靠性低。
8.为解决上述技术问题，本发明提供如下技术方案：采集电力车联网相关设备的运行数据；通过网关将所述运行数据传输至云端数据库，利用所述云端数据库对所述运行数据进行分析处理；基于所述分析处理结果，调集相应的智能算法模型分配给所述电力车联网相关设备，生成对应的日志文件并进行共享。
9.作为本发明所述的电力车联网智能算法模型协同下发方法的一种优选方案，其中：所述电力车联网相关设备的运行数据包括分布式充电桩和多种车辆的运行数据。
10.作为本发明所述的电力车联网智能算法模型协同下发方法的一种优选方案，其
中：利用所述分布式充电桩中的协议转换单元将采集的运行数据转换为可通过所述网关进行数据传输的数字信号。
11.作为本发明所述的电力车联网智能算法模型协同下发方法的一种优选方案，其中：通过网关将所述运行数据传输至云端数据库，所述网关中包括加密单元，对所传输的数据进行加密，包括，获取加密算法的第一密钥、第二密钥及第三密钥；通过所述第一密钥对所述传输目标数据进行加密，生成第一加密数据；通过所述第二密钥对所述第一加密数据进行解密，生成第二加密数据；通过所述第三密钥对所述第二加密数据进行加密，生成加密的传输数据；对运行数据传输通道进行加密：定义每个运行数据传输通道是大小为n
×
n的矩阵，记为e，构建的加密的通道为：
[0012][0013]
其中，表示状态变量，x、y、z、w表示通道变量，a、b、c表示通道的控制参数；利用龙格-库塔策略对通道进行求解。
[0014]
作为本发明所述的电力车联网智能算法模型协同下发方法的一种优选方案，其中：利用所述云端数据库对所述运行数据进行分析处理包括，利用智能协调模块中的搜索单元搜索分析所述运行数据；匹配单元基于搜索的运行数据匹配对应的智能算法模型；利用人工调节模块纠正所述智能协调模块下发的智能算法模型，并生成日志文件共享给所述智能协调模块。
[0015]
作为本发明所述的电力车联网智能算法模型协同下发方法的一种优选方案，其中：所述匹配算法公式包括，
[0016][0017][0018]
其中，ni表示类别i中已知样本数量，k为未知类别的输入值w
x
的类别预测结果，f
x
为特征向量，di(f
x
)表示特征向量f
x
到每个类别的平均距离，fi表示预设特征向量。
[0019]
为解决上述技术问题，本发明还提供了一种电力车联网智能算法模型协同下发系统，包括：电力车联网相关设备，用于提供运行数据；云端数据库，通过网关与所述电力车联网相关设备进行连接，用于分析处理所述运行数据。
[0020]
作为本发明所述的电力车联网智能算法模型协同下发系统的一种优选方案，其中：所述云端数据库包括，智能协调模块，所述智能协调模块包括搜索单元和匹配单元，所述搜索单元用于搜索分析数据，所述匹配单元与所述搜索单元相连接，用于根据所述搜索单元的信息调集相关的智能算法模型；人工调节模块，与所述智能协调模块相连接，用于纠正所述智能协调模块下发的智能算法模型。
[0021]
作为本发明所述的电力车联网智能算法模型协同下发系统的一种优选方案，其中：所述电力车联网相关设备包括分布式充电桩和多种车辆，用于提供后续分析处理所需要的运行数据；所述分布式充电桩中包含协议转换单元，用于将所述运行数据转换为可通过所述网关进行数据传输的数字信号。
[0022]
作为本发明所述的电力车联网智能算法模型协同下发系统的一种优选方案，其
中：所述网关包括加密单元，用于对所传输的数据进行加密。
[0023]
本发明的有益效果：本发明在需要不同部门进行协同时，时延较低，能及时进行处理，从而能够提高处理效率，降低交通管理或车主的损失。
附图说明
[0024]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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性的前提下，还可以根据这些附图获得其它的附图。其中：
[0025]
图1为本发明一个实施例提供的一种电力车联网智能算法模型协同下发方法及系统的基本流程示意图；
[0026]
图2为本发明一个实施例提供的一种电力车联网智能算法模型协同下发方法及系统的模块结构示意图。
具体实施方式
[0027]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0028]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0029]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0030]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0031]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0032]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0033]
实施例1
[0034]
参照图1，为本发明的一个实施例，提供了一种电力车联网智能算法模型协同下发
方法，包括：
[0035]
s1：采集电力车联网相关设备100的运行数据。
[0036]
需要说明的是，电力车联网相关设备100的运行数据包括分布式充电桩101和多种车辆102的运行数据。
[0037]
进一步的，利用分布式充电桩101中的协议转换单元101a将采集的运行数据转换为可通过网关200进行数据传输的数字信号。
[0038]
s2：通过网关200将运行数据传输至云端数据库300，利用云端数据库300对运行数据进行分析处理。
[0039]
需要说明的是，网关200中包括加密单元201，对所传输的数据进行加密，包括：
[0040]
获取加密算法的第一密钥、第二密钥及第三密钥；
[0041]
通过第一密钥对传输目标数据进行加密，生成第一加密数据；
[0042]
通过第二密钥对第一加密数据进行解密，生成第二加密数据；
[0043]
通过第三密钥对第二加密数据进行加密，生成加密的传输数据；
[0044]
对运行数据传输通道进行加密：
[0045]
定义每个运行数据传输通道是大小为n
×
n的矩阵，记为e，构建的加密的通道为：
[0046][0047]
其中，表示状态变量，x、y、z、w表示通道变量，a、b、c表示通道的控制参数；
[0048]
利用龙格-库塔策略对通道进行求解。
[0049]
进一步的，利用云端数据库300对运行数据进行分析处理包括：
[0050]
利用智能协调模块301中的搜索单元301a搜索分析运行数据；
[0051]
匹配单元301b基于搜索的运行数据匹配对应的智能算法模型；
[0052]
利用人工调节模块302纠正智能协调模块301下发的智能算法模型，并生成日志文件共享给智能协调模块301。
[0053]
其中，匹配算法公式包括：
[0054][0055][0056]
其中，ni表示类别i中已知样本数量，k为未知类别的输入值w
x
的类别预测结果，f
x
为特征向量，di(f
x
)表示特征向量f
x
到每个类别的平均距离，fi表示预设特征向量。
[0057]
s3：基于分析处理结果，调集相应的智能算法模型分配给电力车联网相关设备100，生成对应的日志文件并进行共享。
[0058]
需要说明的是，生成对应的日志文件并进行共享给智能协调模块301。
[0059]
为对本方法中采用的技术效果加以验证说明，本实施例选择的不同方法和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果，传统的技术方案：时延高、效率低，从而导致车辆管理安全性及可靠性低。为验证本方法相对传统方法具有较高鲁棒性。本实施例中将采用传统方法和本方法分别对仿真车辆的时延及效率进行实时测量对比。
[0060]
测试环境：软件平台为：开发环境：realview mdk-arm uvision4.10；c编译器：armcc；asm编译器：armasm；连机器：armlink；实时内核：uc/os-ii 2.9实时操作系统；gui内核：uc/gui 3.9图形用户接口；底层驱动：各个外设驱动程序；垂直灵敏度：5v，1v；水平时基范围：500ms,200ms；输入阻抗：≥1mω；最高输入电压：30vpp；耦合方式：ac/dc。分别利用传统方法和本方法，开启自动化测试设备并运用matlb软件编程实现两种方法的仿真测试，根据实验结果得到仿真数据，结果如下表所示。
[0061]
表1：实验结果对比表。
[0062]
测试样本传统方法本发明方法运算效率93％99％延时时间72ms25ms
[0063]
从上表可以看出，本发明方法相较于传统方法具有较强的鲁棒性。
[0064]
实施例2
[0065]
参照图2为本发明另一个实施例，该实施例不同于第一个实施例的是，提供了一种电力车联网智能算法模型协同下发系统，上述电力车联网智能算法模型协同下发方法能够依托于本系统实现。
[0066]
具体的，该系统包括：电力车联网相关设备100，用于提供运行数据；
[0067]
云端数据库300，通过网关200与电力车联网相关设备100进行连接，用于分析处理运行数据。
[0068]
其中，电力车联网相关设备100包括分布式充电桩101和多种车辆102，用于提供后续分析处理所需要的运行数据；
[0069]
分布式充电桩101中包含协议转换单元101a，用于将运行数据转换为可通过网关200进行数据传输的数字信号。
[0070]
进一步的，网关200包括加密单元201，用于对所传输的数据进行加密。
[0071]
更进一步的，云端数据库300包括：
[0072]
智能协调模块301，智能协调模块301包括搜索单元301a和匹配单元301b，搜索单元301a用于搜索分析数据，匹配单元301b与搜索单元301a相连接，用于根据搜索单元301a的信息调集相关的智能算法模型；
[0073]
人工调节模块302，与智能协调模块301相连接，用于纠正智能协调模块301下发的智能算法模型。
[0074]
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
[0075]
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上
执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
[0076]
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
[0077]
如在本技术所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
[0078]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。