一种基于云-边-端数据协同分析的车辆行为评估系统的制作方法

本发明创造涉及边缘计算和车联网领域，具体涉及一种基于云-边-端数据协同分析的车辆行为评估系统。

背景技术：

1、在当今社会，随着智能化技术的不断发展和应用，智能交通系统（its）成为了解决城市交通问题的重要手段之一，its利用先进的信息和通信技术，对交通系统中的车辆、道路和人员进行监测、管理和控制，以提高交通效率、减少交通拥堵、提高交通安全性，而在智能交通系统中，车辆行为评估系统作为一种新型智能交通安全监控系统，具有巨大的发展潜力和应用价值。

2、在车辆行为评估系统的技术背景下，先进的传感器技术起着至关重要的作用，传感器是系统的“眼睛”和“耳朵”，能够实时地感知车辆的运行状态和周围环境情况，包括，车速传感器准确测量车辆的速度，加速度传感器监测车辆的加速和减速情况，转向角传感器记录车辆的转向行为，这些传感器通过实时采集车辆的运行数据，为评估驾驶员的驾驶行为提供了准确、全面的数据支持。

3、此外，边缘计算技术的应用也是车辆行为评估系统的重要特点之一，边缘计算技术是一种新兴的计算模式，旨在将计算和数据存储资源尽可能地靠近数据源，以减少数据传输延迟和网络带宽消耗，提高系统的实时性和响应速度，在车辆行为评估系统中，边缘计算设备部署在道路附近，实现对车辆行驶数据的实时监测和分析，及时发现和响应驾驶行为的异常情况，从而提高交通安全性和驾驶效率。

4、与此同时，云计算技术的支持也是车辆行为评估系统的重要组成部分，云计算技术作为一种灵活、高效的计算模式，为车辆行为评估系统提供了强大的支持，通过云计算技术，车辆行为评估系统将大量的车辆行驶数据上传至云端服务器进行深度分析和模型训练，生成全局的驾驶行为评估模型，并将评估结果传输至终端设备为驾驶员提供实时的驾驶行为反馈和建议，同时，云计算技术还能够实现对车辆行驶数据的存储和管理，为系统的进一步优化和改进提供了重要的技术支持。

技术实现思路

1、针对上述问题，本发明旨在提供基于车联网与mec技术的驾驶行为图像分析与告警系统。

2、为实现上述目的，本发明提供如下技术方案：一种基于云-边-端数据协同分析的车辆行为评估系统，包括车载传感器模块、边缘计算设备模块、云端服务器模块和终端设备模块，车载传感器模块实时采集和监测车辆在行驶过程中的各项参数，为驾驶行为评估提供准确、全面的数据支持，边缘计算设备模块用于接收、处理和分析来自车载传感器模块的实时数据，并进行初步的实时分析，云端服务器模块承担着接收、存储、处理和分析来自边缘计算设备模块传来的数据的重要任务，同时还负责生成驾驶行为评估模型、更新模型、以及向终端设备模块传送评估结果功能，而终端设备模块向驾驶员提供实时的驾驶行为反馈和建议，以帮助驾驶员改善驾驶行为，提高交通安全性和驾驶效率。

3、进一步的，车载传感器模块实时采集和监测车辆在行驶过程中的各项参数，为驾驶行为评估提供准确、全面的数据支持，车载传感器模块涵盖车速传感器单元和加速度传感器单,每个传感器单元安装在车辆的特定位置，以监测车辆不同部位的运动状态和环境条。

4、进一步的，所述车速传感器单元安装在车辆的车轮或传动系统上，用于准确测量车辆的行驶速度，车速传感器单元基于磁阻式、霍尔效应以及声波测量原理，实时监测车轮的转动速度，车速的变化率表示为：

5、

6、其中，是车速的变化率，是牵引系数，g是重力加速度，是风阻系数，是空气密度，是车辆的横截面积，是滚动阻力系数，是车辆质量，对于传感器测得的车速，有，且满足，其中表示微分，是传感器测得的车速，是实际车速，是噪声。

7、进一步的，所述加速度传感器单元安装在车辆的内部结构上，用于监测车辆在三个空间方向上的加速度变化，加速度传感器单元基于微电机和压电效应，实时感知车辆的加速度，包括加速度的大小和方向，加速度传感器单元能够检测车辆的加速、减速、急刹车运动状态，为评估驾驶员的驾驶行为提供重要数据支持，加速度的变化率表示为：，其中，是加速度的变化率，是净牵引力，对于传感器测得的加速度，有：，其中，是传感器测得的加速度，是真实加速度，是测量误差，同样满足。

8、进一步的，通过车载传感器模块包含的车速传感器单元和加速度传感器单元，构建状态方程，有：

9、其中，是状态向量，是输入向量，是状态方程，对于车辆状态方程，有：

10、

11、对应地，其观测方程为：

12、

13、是测量向量，是观测矩阵，是输入矩阵，是噪声矩阵，是残差矩阵，本发明对状态向量进一步更新，有：

14、

15、

16、是先验状态估计，是先验误差协方差，是过程噪声协方差，a是状态转移矩阵，b是输入矩阵，对增益进行建模，有：

17、

18、其中，是测量噪声协方差，状态向量更新为：

19、

20、

21、其中，i为单位矩阵，车载传感器模块够全面、准确地监测车辆的运行状态和行为，采集到的数据将被传输至边缘计算设备模块进行初步的实时处理和分析，进而传输至云端服务器模块进行深度分析和模型训练。

22、进一步的，边缘计算设备模块用于接收、处理和分析来自车载传感器模块的实时数据，并进行初步的实时分析，包括如下单元：

23、（1）数据接收单元：

24、边缘计算设备模块配备有数据接收单元，用于接收来自车载传感器模块的实时数据，包括车速、加速参数，通过车载传感器模块传输至边缘计算设备模块进行处理和分析，建立数据接收单元模型：

25、

26、其中，为数据接收函数；

27、（2）数据处理单元：

28、数据接收后，边缘计算设备模块中的数据处理单元对接收到的实时数据进行初步的处理，包括数据清洗、格式转换预处理步骤，以确保数据的准确性和一致性，并为后续的实时分析做好准备，建立数据处理单元模型：

29、

30、其中，是数据处理单元权重矩阵，是数据处理单元偏置向量，是数据处理单元激活函数；

31、（3）实时分析单元：

32、边缘计算设备模块中的实时分析单元负责对预处理后的数据进行实时分析，包括检测疲劳驾驶、急刹车、超速行驶驾驶行为的异常情况，实时分析单元采用快速算法和实时处理技术，能够及时发现并响应车辆行为的变化，为后续的驾驶行为评估提供重要数据支持，建立实时分析单元模型：

33、

34、其中，是实时分析单元权重矩阵，是实时分析单元偏置向量， 表示将 和 拼接成一个向量，是实时分析单元激活函数；

35、（4）数据传输单元：

36、实时分析完成后，边缘计算设备模块中的数据传输单元负责将分析结果传输至云端服务器模块进行进一步的深度分析和模型训练包括实时的驾驶行为数据和异常情况报告，为提供驾驶行为评估提供重要的参考信息，建立数据传输单元模型：

37、

38、其中，是数据传输单元权重矩阵，是数据传输单元偏置向量，是实时分析单元激活函数；

39、边缘计算设备模块通过实时接收、处理和分析车载传感器模块传来的数据，能够在车辆行驶过程中快速响应并发现驾驶行为的异常情况，为提高交通安全性和驾驶效率提供重要的技术支持。

40、进一步的，云端服务器模承担着接收、存储、处理和分析来自边缘计算设备模块传来的数据的重要任务，同时还负责生成驾驶行为评估模型、更新模型、以及向终端设备模块传送评估结果功能，包括：

41、（1）数据接收单元：

42、云端服务器模块首先要完成的任务是接收来自边缘计算设备模块传来的数据，数据包括车速、加速参数，数据接收单元需要确保可靠地接收数据，并进行必要的校验和验证，以确保数据的完整性和准确性，对于数据接收单元接收到的数据，有：

43、

44、其中，是接收到的数据，是传输的原始数据，是数据接收单元的参数，是数据接收函数；

45、（2）存储单元：

46、接收到的数据需要被存储在云端服务器中，以便进行进一步的处理和分析，云端服务器模块配备有存储单元，用于高效地存储大量的车辆行驶数据，存储单元需要具备足够的存储容量和高速的数据读写能力，以应对大规模数据存储和处理的需求，有：

47、

48、其中，是存储的数据，是接收到的数据，是存储单元的参数，是存储；

49、（3）数据处理单元：

50、存储下来的数据需要被处理和分析，以提取有用的信息和特征，数据处理单元负责对存储在云端服务器中的数据进行处理，包括数据清洗、数据转换、特征提取操作，能够识别出车辆行驶过程中的关键行为特征，为后续的模型训练和分析提供准备，处理后的数据表达如下：

51、

52、其中，是处理后的数据，是存储的数据，是数据处理单元的参数，是数据处理函数；

53、（4）驾驶行为评估模型生成单元： 处理完数据之后，云端服务器模块需要利用数据生成驾驶行为评估模型，驾驶行为评估模型是通过机器学习技术从大量的车辆行驶数据中学习得到的，用于评估驾驶员的行为是否符合安全驾驶规范，对于驾驶行为评估模型，有：

54、

55、其中，是驾驶行为评估模型，是处理后的数据，是评估模型生成单元的参数，是驾驶行为评估函数；

56、（5）模型更新单元：

57、随着时间的推移和数据的不断积累，云端服务器模块需要定期更新驾驶行为评估模型，以适应不同时间段和不同车辆的行驶特征，模型更新单元负责监控数据的变化趋势，定期对驾驶行为评估模型进行更新和优化，以保证评估模型的时效性和准确性，有：

58、

59、其中，是更新后的评估模型参数，是学习率，是评估模型损失函数 关于参数的梯度；

60、（6）评估结果传输单元：

61、最后，云端服务器模块将生成的评估结果传输至终端设备模块，为驾驶员提供实时的驾驶行为反馈和建议，评估结果传输单元需要确保传输的及时性和可靠性，以确保驾驶员能够及时获得准确的评估结果和反馈信息，对于传输的评估结果，有：

62、

63、其中是传输的评估结果，是驾驶行为评估模型，是传输单元的参数，是评估结果传输函数。

64、进一步的，终端设备模块向驾驶员提供实时的驾驶行为反馈和建议，以帮助驾驶员改善驾驶行为，提高交通安全性和驾驶效率，终端设备模块采用移动终端设备，包括智能手机、平板电脑，具有便携性和用户友好的特点。

65、进一步的，终端设备模块包括数据接收单元、驾驶行为反馈单元、数据存储单元和数据传输单元。

66、进一步的，其中数据接收单元需要确保可靠地接收数据，并进行必要的校验和验证，以确保数据的完整性和准确性；终端设备模块配备有用户界面单元，用于向驾驶员展示评估结果和反馈信息，用户界面设计简洁清晰、易于操作，以便驾驶员能够直观地理解评估结果和反馈建议，用户界面单元包括图形界面、文字提示、声音提示多种形式，以满足不同驾驶员的需求；终端设备模块中的驾驶行为反馈单元负责根据评估结果向驾驶员提供实时的驾驶行为反馈，驾驶行为反馈单元需要根据评估结果自动调整反馈内容，并在驾驶员需要时及时显示在用户界面上；终端设备模块中的数据存储单元用于存储评估结果和历史数据，以供分析和查看，为系统的进一步优化和改进提供重要参考，终端设备模块中的数据传输单元负责将驾驶行为反馈和建议传输至云端服务器模块，以及接收来自云端服务器模块的更新和通知，数据传输单元需要确保传输的及时性和可靠性，以确保驾驶员能够及时获得准确的驾驶行为反馈和建议。

67、本发明的有益效果：本发明通过实时监测和评估驾驶员的驾驶行为，能够及时发现和预防驾驶过程中的安全隐患，减少交通事故的发生，包括，系统监测到驾驶员的急刹车行为，提醒驾驶员保持安全距离，从而降低追尾事故的风险，通过分析驾驶员的驾驶行为数据，系统为驾驶员提供个性化的驾驶建议和路线规划，帮助驾驶员选择最佳的驾驶策略，提高驾驶效率，本通过优化驾驶行为，减少急加速、急减速不良驾驶行为，有效降低车辆的燃油消耗和尾气排放，达到节能减排的目的，减少对环境的污染，能够实时的驾驶行为评估和反馈，驾驶员及时了解自己的驾驶行为是否安全和合理，提高驾驶员的安全意识和驾驶素养，从而降低交通事故的发生率，本发明将边缘计算技术和云计算技术相结合，实现了数据的实时采集和实时处理，同时利用云计算技术对大量数据进行深度分析和模型训练，为驾驶行为评估提供了更强大的计算和存储支持，提高了系统的实时性和智能化水平，够根据驾驶员的驾驶行为数据，为驾驶员提供个性化的驾驶建议和路线规划，考虑到不同驾驶员的驾驶习惯和路况，提供最适合驾驶员的驾驶策略，提高了驾驶效率和驾驶安全性，通过车载传感器模块的车速传感器单元和加速度传感器单元的设定，能够动态并实时采集车辆的参数数据，通过移动边缘计算技术，建立状态向量，能够对车辆下一步行为进行预测，边缘计算设备模块通过实时接收、处理和分析车载传感器模块传来的数据，能够在车辆行驶过程中快速响应并发现驾驶行为的异常情况，为提高交通安全性和驾驶效率提供重要的技术支持。本发明旨在提高交通安全性、提高驾驶效率、节能减排、提升驾驶员安全意识、数据驱动决策、提升驾驶行为评估精度、边缘计算与云计算相结合的创新模式、个性化驾驶建议的提供以及实时反馈的实现多个方面，具有重要的应用前景和社会价值