基于云计算的车载网络智能化监控系统的制作方法

本发明涉及异常数据筛选，具体涉及一种基于云计算的车载网络智能化监控系统。

背景技术：

1、车联网中需要车载网络连接着各个车载网络节点，车载网络节点包括车辆系统中的各个智能化设备，比如：引擎控制系统、制动系统、驾驶辅助系统等。车联网的正常运行依赖于各车载网络节点之间的协调工作，各车载网络节点通过车载网络（比如can总线网络）进行实时通信，确定车辆与车辆、车辆与系统之间的协同行驶。而异常的车载网络情况可能导致数据传输延迟、丢失或错误，从而影响车辆系统的稳定性和可靠性。

2、通过检测车载网络流量情况，能够及时发现并解决可能影响车辆性能的问题，确保车辆系统的稳定运行。当车载网络节点出现故障时，会造成车载网络消耗产生异常。然而，除了上述原因之外，当车载网络中出现通信冲突或者信号干扰情况时，也会导致车载数据流量的增加，引发异常的网络消耗，这种情况不会影响车辆性能。但是，现有的检测方式仅仅是通过检测网络消耗的流量数据来判断车载网络节点是否出现故障，并将检测结果上传至云端服务器。由于车载网络可能存在通信冲突或者信号干扰情况，因此，上述检测方式无法准确获取到车载网络节点是否出现故障。

技术实现思路

1、有鉴于此，为了解决现有的检测方式无法准确获取到车载网络节点是否出现故障的技术问题，本发明提供一种基于云计算的车载网络智能化监控系统。

2、所采用的技术方案具体如下：

3、一种基于云计算的车载网络智能化监控系统，包括：

4、车载网络流量数据获取模块，用于获取对车载网络流量数据序列进行分段得到的至少两个车载网络流量数据段，所述车载网络流量数据序列包括多个采样周期的车载网络流量数据；

5、异常检测模块，用于根据网络流量数据波动情况，从各车载网络流量数据段中获取异常车载网络流量数据段；

6、数据异常指标获取模块，用于根据各异常车载网络流量数据段及与其相邻的两个车载网络流量数据段的网络流量数据波动情况，得到各异常车载网络流量数据段的数据异常指标；

7、故障可能性获取模块，用于根据各异常车载网络流量数据段中各个车载网络节点的流量数据在对应时段的差异情况、异常车载网络节点的数量以及所述数据异常指标，获取各异常车载网络流量数据段的车载网络节点故障可能性；

8、数据上传模块，用于根据车载网络节点故障可能性得到车载网络节点故障信息，并将车载网络节点故障信息上传至云端服务器。

9、在一个具体实施例中，异常检测模块，包括：

10、第一异常检测单元，用于获取各车载网络流量数据段中的车载网络流量数据的网络流量数据波动指标，所述网络流量数据波动指标用于表征车载网络流量数据段中的车载网络流量数据的网络流量数据的波动程度；

11、第二异常检测单元，用于将大于或者等于预设波动指标阈值的车载网络流量数据段确定为异常车载网络流量数据段。

12、在一个具体实施例中，网络流量数据波动指标的计算公式如下：

13、

14、其中，表示第v个车载网络流量数据段的网络流量数据波动指标，表示第v个车载网络流量数据段中的车载网络流量数据的数量，表示第v个车载网络流量数据段中的第i个车载网络流量数据的数值，表示第v个车载网络流量数据段的车载网络流量数据的数值的平均值，和分别表示第v个车载网络流量数据段的车载网络流量数据的最大数值和最小数值，表示车载网络流量数据序列中所有车载网络流量数据的数值的平均值，exp表示以自然常数e为底的指数函数，表示归一化函数。

15、在一个具体实施例中，数据异常指标获取模块，包括：

16、第一异常指标获取单元，用于分别获取与候选异常车载网络流量数据段相邻的上一个车载网络流量数据段的第一网络流量数据波动程度，以及与候选异常车载网络流量数据段相邻的下一个车载网络流量数据段的第二网络流量数据波动程度；所述候选异常车载网络流量数据段为任意一个异常车载网络流量数据段；

17、第二异常指标获取单元，用于根据所述候选异常车载网络流量数据段的网络流量数据波动指标、所述候选异常车载网络流量数据段中的车载网络流量数据的数量、所述第一网络流量数据波动程度和第二网络流量数据波动程度，得到所述候选异常车载网络流量数据段的数据异常指标，所述数据异常指标与所述候选异常车载网络流量数据段的网络流量数据波动指标以及所述候选异常车载网络流量数据段中的车载网络流量数据的数量呈正相关关系，与所述第一网络流量数据波动程度和第二网络流量数据波动程度呈反相关关系。

18、在一个具体实施例中，所述第一网络流量数据波动程度的获取过程，包括：

19、获取所述上一个车载网络流量数据段中的任两个相邻的车载网络流量数据的数值的差值绝对值，并计算所述上一个车载网络流量数据段所对应的所有差值绝对值的平均值，得到所述第一网络流量数据波动程度；

20、所述第二网络流量数据波动程度的获取过程，包括：

21、获取所述下一个车载网络流量数据段中的任两个相邻的车载网络流量数据的数值的差值绝对值，并计算所述下一个车载网络流量数据段所对应的所有差值绝对值的平均值，得到所述第二网络流量数据波动程度。

22、在一个具体实施例中，故障可能性获取模块，包括：

23、第一数据特征获取单元，用于获取各个车载网络节点在候选异常车载网络流量数据段的对应时段中的局部网络流量数据特征，并获取各个车载网络节点在车载网络流量数据序列对应整体时段中的整体网络流量数据特征，所述局部网络流量数据特征用于表征车载网络节点在候选异常车载网络流量数据段的对应时段中的网络流量数据的整体情况，所述整体网络流量数据特征用于表征车载网络节点在车载网络流量数据序列对应整体时段中的网络流量数据的整体情况；所述候选异常车载网络流量数据段为任意一个异常车载网络流量数据段；

24、第二数据特征获取单元，用于根据各车载网络节点在候选异常车载网络流量数据段的对应时段中的局部网络流量数据特征与整体网络流量数据特征之间的差异程度，筛选得到与候选异常车载网络流量数据段相对应的存在异常可能性的车载网络节点的数量；

25、第三数据特征获取单元，用于根据候选异常车载网络流量数据段的数据异常指标、存在异常可能性的车载网络节点的数量以及差异程度波动指标，得到候选异常车载网络流量数据段的车载网络节点故障可能性，所述车载网络节点故障可能性与候选异常车载网络流量数据段的数据异常指标、存在异常可能性的车载网络节点的数量以及整体差异程度均呈正相关关系；所述差异程度波动指标用于表征候选异常车载网络流量数据段所对应的所有车载网络节点的差异程度的波动程度。

26、在一个具体实施例中，第二数据特征获取单元，包括：

27、数量获取子单元，用于将所述差异程度大于预设阈值的车载网络节点确定为存在异常可能性的车载网络节点，获取与候选异常车载网络流量数据段相对应的存在异常可能性的车载网络节点的数量。

28、在一个具体实施例中，车载网络节点故障可能性的计算公式为：

29、

30、其中，表示第v个异常车载网络流量数据段的车载网络节点故障可能性，表示与第v个异常车载网络流量数据段相对应的存在异常可能性的车载网络节点的数量，n表示车载网络节点的数量，表示第v个异常车载网络流量数据段的数据异常指标，表示第v个异常车载网络流量数据段的差异程度波动指标，表示归一化函数。

31、在一个具体实施例中，差异程度波动指标的计算公式如下：

32、

33、其中，表示第v个异常车载网络流量数据段的差异程度波动指标，表示第k个车载网络节点在第v个异常车载网络流量数据段的对应时段中的差异程度，n表示车载网络节点的数量，表示所有车载网络节点在第v个异常车载网络流量数据段的对应时段中的差异程度的平均值。

34、在一个具体实施例中，根据车载网络节点故障可能性得到车载网络节点故障信息，包括：

35、将车载网络节点故障可能性大于预设故障阈值的异常车载网络流量数据段确定为故障车载网络流量数据段，并确定所述故障车载网络流量数据段对应的时段为故障时段，所述车载网络节点故障信息包括所述故障车载网络流量数据段和所述故障时段。

36、本发明至少具有如下有益效果：本发明提供的一种基于云计算的车载网络智能化监控系统中，先对车载网络流量数据序列进行分段，通过对分段得到的各个车载网络流量数据段进行有针对性的分析能够确保后续车载网络节点的故障检测准确性；然后通过网络流量数据波动情况，得到初步的异常车载网络流量数据段，以各个异常车载网络流量数据段为分析对象，根据与其相邻的两个车载网络流量数据段的网络流量数据波动情况，得到各异常车载网络流量数据段的数据异常指标，由于异常车载网络流量数据段前后相邻的车载网络流量数据段的网络流量与异常车载网络流量数据段之间存在关联，那么，通过分析相邻的车载网络流量数据段的网络流量波动情况，就可以得到准确的数据异常指标，然后结合各个车载网络节点的流量数据在对应时段的差异情况以及异常车载网络节点的数量，获取各异常车载网络流量数据段的车载网络节点故障可能性，最后根据车载网络节点故障可能性得到车载网络节点故障信息，通过各车载网络节点的流量变化以及整体异常数据网络消耗情况确定异常车载网络节点情况，这种异常情况为车载网络节点故障所导致，就可以提升车载网络节点故障检测准确性，大大降低因车载网络存在的通信冲突或者信号干扰情况所导致的误判情况。