[发明专利]基于记忆识别决策一体化网络的车载山路预警系统和方法

权利要求书

1.基于记忆识别决策一体化网络的车载山路预警系统，其特征在于，包括依次连接的卫星通讯模块、存储器、识别和决策模块、警报模块；

所述卫星通讯模块，与卫星通讯连接，用于向卫星发送车辆实时GPS坐标数据，并接收卫星发送的车辆所在区域的卫星图片；

所述存储器用于存储山体历史图片和实时图片数据；

所述识别和决策模块，采用记忆识别决策一体化神经网络，包括记忆层神经元、识别层神经元、决策层神经元，记忆层神经元依据山体历史图片数据形成山体记忆特征数据，识别层神经元依据山体实时图片数据和山体记忆特征数据对山体区域进行识别对比，决策层神经元依据山体区域识别对比数据计算山体滑坡概率，预测山体滑坡风险；

所述警报模块，用于向车主发出山体区域滑坡预警信号，提醒车主注意防范滑坡事故。

2.采用权利要求1所述的基于记忆识别决策一体化网络的车载山路预警系统的预测方法，其特征在于，具体包括以下步骤，

步骤1：采用历史数据对记忆层神经元进行训练；

步骤1.1：将山体划分为多个区域，获取山体的图片，作为训练样本；

步骤1.2：定义记忆层神经元初始权值、阈值和损失函数；

步骤1.3：使用样本数据对记忆层神经元进行训练；

步骤1.4：比较记忆层神经元输出与阈值a，调整更新记忆层神经元权值以及阈值a；

步骤1.4.1：若记忆层神经元输出不小于阈值a，则调整更新记忆层神经元权值以及阈值a，执行步骤1.3；

步骤1.4.2：若记忆层神经元输出小于阈值a，则执行步骤1.5；

步骤1.5：完成训练，对山体区域进行编号；

步骤2：识别层神经元依据山体实时图片进行山体区域的识别、对比；

步骤2.1：获取最新的实时山体图片；

步骤2.2：对图片特征进行融合和降维；

步骤2.3：将步骤2.1的图片与记忆层神经元的记忆特征数据进行对比，计算图片特征相似度，找出相似度最高区域编号，作为实时图片的山体区域编号；

步骤2.4：计算山体区域的位移量；

步骤3：决策层神经元计算山体区域发生滑坡的概率；

步骤4：根据步骤3计算的山体区域发生滑坡的概率，对车主进行预警提示。

3.根据权利要求2所述的基于记忆识别决策一体化网络的车载山路预警系统的预测方法，其特征在于，步骤2.4中，山体区域的位移量采用山体区域中发生位移变化的物体的位移量的平均量，物体的位移量采用欧氏距离，山体区域K中物体的位移欧氏距离的计算公式为

式中N表示识别层的神经元层数，l表示识别层第l层神经元，P表示实时图片数据中物体中心点的坐标，R表示记忆特征数据中物体中心点的坐标，分别表示识别层第l层神经元的记忆特征数据中物体中心点的横坐标和纵坐标，分别表示识别层第l层神经元的实时图片中物体中心点的横坐标和纵坐标。

4.根据权利要求3所述的基于记忆识别决策一体化网络的车载山路预警系统的预测方法，其特征在于，步骤4中，山体区域K发生滑坡的概率θ_K的计算公式为

θ_K＝λα_K+ψβ_K

式中α_K表示山体区域K的位移程度，β_K表示山体区域K实时图片与记忆特征数据的对比相似度，λ、ψ分别是位移程度和相似度的权重因子；

山体区域K的位移程度α_K的计算公式为

式中L_K(P,R,l)表示山体区域K中物体的位移欧氏距离；M为比例尺，T表示导致滑坡发生的最小物体位移欧氏距离。

5.根据权利要求2或3或4所述的基于记忆识别决策一体化网络的车载山路预警系统的预测方法，其特征在于，所述对图片特征进行融合和降维，包括对图片进行下采样、最大池化操作。