[发明专利]在车辆Ad hoc网络中的V2X连接的协作诊断与预测应用

说明书

技术领域

实施例总体涉及车辆-车辆通信ad-hoc网络。

背景技术

在车辆-车辆（V2V）通信中，车辆通常通过基站与集中式后端服务器通信，以提供车辆信息用于分析。后端服务器能够存储和处理一个城市或其它地理位置之内的大量车辆的数据。通常，这种通信利用蜂窝式服务来执行。这种系统可用于输入诊断和预测数据用于分析；然而，这种集中式系统将要求大量的处理能力并且处理起来成本很高。另外，在车辆和后端服务器之间使用蜂窝式通信的通信链路将是成本高的，并且具有有限的带宽。结果，如果尝试对这样更大的一组车辆发送诊断和预测数据用于分析将导致蜂窝系统和后端服务器都可能过载并且整个系统将具有扩展性问题。

发明内容

一个实施例的优点在于利用车辆内诊断和预测分析方法来确定异常或预测的故障，其中，该方法使用来自远处车辆的汇集数据并将远处车辆的诊断和预测数据与宿主车辆的诊断和预测数据进行比较。本发明的实施例还降低了所接收的数据中的冗余，用于降低计算处理时间和降低可能使结果歪曲的任何偏差。

一个实施例构思了一种用于处理和分析车辆ad-hoc网络中的诊断和预测数据的方法。在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据。将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中。消除所接收到的诊断和预测数据中的冗余。利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大。如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。

本发明还涉及以下技术方案。

1. 一种在车辆ad-hoc网络中处理和分析诊断和预测数据的方法，所述方法包括以下步骤：

在车辆ad-hoc网络中的宿主车辆和远处车辆之间交换诊断和预测数据；

将所接收到的诊断和预测数据存储在所述宿主车辆的存储器中；

消除所接收到的诊断和预测数据中的冗余；

利用聚类技术来检测所述存储的数据中的异常，其中，所述聚类技术确定由所述宿主车辆形成的诊断和预测数据的聚类是否与由所述远处车辆形成的诊断和预测数据的聚类偏差较大；以及

如果来自所述宿主车辆的聚类数据与来自所述远处车辆的聚类偏差较大，则通知车辆的驾驶员。

2. 如技术方案1所述的方法，其中，使用基于哈希函数的随机计数技术来降低冗余。

3. 如技术方案2所述的方法，其中，基于哈希函数的随机计数技术包括Flajolet-Martin Sketch逻辑。

4. 如技术方案1所述的方法，其中，使用专用短波通信协议作为所述宿主车辆和远处车辆之间的通信信道。

5. 如技术方案1所述的方法，其中，使用WiFi在所述宿主车辆和远处车辆之间通信。

6. 如技术方案1所述的方法，其中，所述诊断和预测数据包括来自远处车辆的操作和缺陷数据。

7. 如技术方案1所述的方法，其中，所述检测异常的步骤还包括：

当将诊断和预测数据分配给各相应的聚类时，估计各相应的聚类的中心；

确定所述远处车辆的各相应的聚类的中心是否彼此收敛到一起；以及

响应于所述远处车辆的各相应的聚类的中心收敛而确定所述宿主车辆的聚类中的诊断和预测数据是否与所述远处车辆的聚类中的诊断和预测数据偏差较大。

8. 如技术方案7所述的方法，其中，确定所述宿主车辆的聚类是否与所述远处车辆的聚类偏差较大包括确定所述宿主车辆的聚类和所述远处车辆的聚类之间是否偏差超过预先确定的阈值。

9. 如技术方案8所述的方法，其中，所述预先确定的阈值是计算的标准差。

10. 如技术方案8所述的方法，其中，所述预先确定的阈值是计算的标准差的倍数。

11. 如技术方案1所述的方法，其中，为聚类分配诊断和预测数据还包括以下步骤：

计算从相应的数据点到各聚类中心的距离；

确定与所述相应的数据点距离最小的相应的聚类中心；以及

将相应的数据点分配给具有与所述相应的数据点距离最小的聚类中心的聚类。

12. 如技术方案1所述的方法，其中，所述异常包括所述车辆的操作参数中的当前故障。

13. 如技术方案1所述的方法，其中，所述异常包括所述车辆的操作参数中的预测的故障。

14. 如技术方案1所述的方法，其中，所述异常被提供到集中式诊断和预测报告系统。