一种基于多源数据的防盗启动电池控制方法及系统与流程

本发明涉及车辆电池控制领域，尤其涉及一种基于多源数据的防盗启动电池控制方法及系统。

背景技术：

1、随着汽车智能化水平的不断提升，汽车防盗技术也日趋复杂化。传统的基于人工干预的防盗方式，往往存在诸多局限性:一旦车主离开车辆，就需要手动关闭电源输出，容易导致车载数据和系统的意外丢失;而且防盗效果也很有局限，难以及时发现和阻止盗车行为。在实际的汽车使用场景中，电池供电系统作为车载电子设备的核心电源，其安全性和可靠性对整车的正常运行至关重要。但现有的防盗措施大多只关注切断电池输出，忽视了对车载数据的保护。

2、因此，亟需研究一种基于多源数据的智能化防盗启动电池控制方法，以应对日益严峻的汽车盗窃问题，同时兼顾车载系统的正常运行。

技术实现思路

1、本发明为解决上述技术问题，提出了一种基于多源数据的防盗启动电池控制方法及系统，以解决至少一个上述技术问题。

2、为实现上述目的，本发明提供一种基于多源数据的防盗启动电池控制方法，包括以下步骤：

3、步骤s1：获取实时车辆多源监测数据；对实时车辆多源监测数据进行车内无人推断，生成车内无人信号，并进入车辆无人模式；

4、步骤s2：当车辆处于车辆无人模式，获取车辆组件电压状态数据；基于车辆组件电压状态数据进行最低电压持续供电，并获取车辆实时防盗状态数据；

5、步骤s3：根据车辆实时防盗状态数据进行车辆启动电压实时监测，并进行突变识别，提取启动电压突变数据；

6、步骤s4：获取历史车主启动行为数据；对历史车主启动行为数据进行个性化行为习惯分析，构建车主启动行为模型；

7、步骤s5：基于车主启动行为模型对启动电压突变数据进行异常行为概率计算，得到异常评估结果；

8、步骤s6：当异常评估结果为车辆异常启动，切断防盗启动电池的电流输出，并生成车辆异常启动预警信号。

9、本发明通过多源监测数据获取，实现对车辆状态的实时监测，有助于即时发现异常情况。实现车内无人推断，确保车内安全，避免不必要的安全隐患。确保车辆组件正常运行所需的最低电压持续供电，保障车辆系统的正常运行。获取实时防盗状态数据，为后续异常情况的监测提供基础数据支持。通过实时监测和突变识别，及时发现车辆启动电压的异常情况，提高对车辆状态的监测精度。保障车辆启动过程的安全性，避免的启动问题带来的安全隐患。通过历史数据分析构建车主启动行为模型，了解车主的行为习惯，为异常行为的识别提供依据。个性化行为习惯分析有助于预测车主的正常行为模式，从而更容易检测到异常行为。基于车主启动行为模型计算异常行为概率，评估车辆启动的安全性，提高对异常情况的预警能力。及时发现异常行为，采取预警措施，保障车辆和车主的安全。一旦发现车辆异常启动，即刻切断防盗启动电池的电流输出，保障车辆安全。生成异常启动预警信号，提醒车主和相关管理人员，确保及时采取措施应对异常情况，有效防范车辆被盗风险。

10、优选地，步骤s1包括以下步骤：

11、步骤s11：获取实时车辆多源监测数据，所述实时车辆多源监测数据包括声纳传感数据、座椅压力传感数据及空气监测传感数据；

12、步骤s12：对声纳传感数据进行滤波降噪处理，以得到滤波音频数据；

13、步骤s13：对座椅压力传感数据进行异常压力值过滤，生成异常值过滤压力数据；

14、步骤s14：对空气监测传感数据进行参数标准化，以得到标准化空气监测数据；

15、步骤s15：对滤波音频数据、异常值过滤压力数据及标准化空气监测数据进行车内无人推断，生成车内无人信号，并进入车辆无人模式。

16、本发明通过声纳传感数据、座椅压力传感数据和空气监测传感数据的综合应用，实现对车辆内部环境的全面监测，结合多源监测数据，有助于全面了解车辆内部情况，提高异常情况检测的准确性，通过滤波降噪处理，提高声纳传感数据的准确性，减少干扰，有助于准确识别声音信号，得到滤波音频数据，为车内环境声音的分析提供更清晰的数据基础，通过异常值过滤，排除干扰数据，确保座椅压力传感数据的准确性，提高对座椅使用情况的监测效果，生成异常值过滤压力数据，有助于检测不正常的座椅使用情况，提供关于车内人员状态的重要线索，标准化空气监测数据使得不同时间点或不同车辆的数据具有可比性，方便进行数据分析和对比，得到标准化的空气监测数据，有助于评估车内空气质量，及时发现的空气污染问题，通过车内无人推断进入车辆无人模式，确保车辆内部安全，防止未经授权的人员进入车辆，加强车辆的防盗控制，结合滤波音频数据、异常值过滤压力数据和标准化空气监测数据，综合判断车内情况，提高对异常情况的检测准确性。

17、优选地，步骤s15具体步骤为：

18、定义滑动时间窗口监测长度；

19、根据滑动时间窗口监测长度对实时车辆多源监测数据进行多个时间窗口分割，从而得到多个时窗的多源监测数据；

20、对滤波音频数据进行车内声音强度变化分析，得到声音强度变化数据；

21、基于声音强度变化数据进行车内人数判断，得到声音推测车内人数；

22、对异常值过滤压力数据进行逐个座椅压力检测，当座椅压力为0，得到空位座椅数据；

23、对标准化空气监测数据进行呼吸检测分析，提取呼吸检测数据；

24、基于呼吸检测数据进行行车内人数判断，得到呼吸推测车内人数；

25、对声音推测车内人数、空位座椅数据、呼吸推测车内人数进行车内无人推断，当声音推测车内人数为0，空位座椅为所有座椅均为空，呼吸推测车内人数为0，则得到车内无人信号；

26、基于多个时窗的多源监测数据重复车内无人推断操作，当连续两个时窗的多源监测数据生成车内无人信号，则进入车辆无人模式。

27、本发明通过设定合适的时间窗口长度，实现对实时数据的连续监测和分析，确保数据的连续性和完整性。将数据分割为多个时窗，有助于对不同时刻的数据进行比较和分析，识别潜在的异常情况。分析声音强度变化有助于识别车内的活动情况，提示车内人数的变化。通过声音强度变化推测车内人数，实现对车内情况的实时监测。逐个检测座椅压力，识别空位座椅，有助于确定座位的占用情况。通过呼吸检测数据，可以评估车内的空气质量，发现存在的健康风险。基于呼吸检测数据判断车内人数，增加对车内乘客数量的准确性评估。综合多个数据源进行车内无人推断，有助于准确判断车内是否有人，加强车辆的防盗控制。通过连续监测多个时窗数据，加强对车内状态的持续监测，提高对车辆无人状态的准确性。当连续两个时窗确认车内无人，自动进入车辆无人模式，强化车辆的安全防护措施，防止未经授权的人员进入车辆。

28、优选地，步骤s2具体步骤为：

29、步骤s21：当车辆处于车辆无人模式，获取车辆组件电压状态数据；

30、步骤s22：对车辆组件电压状态数据进行组件聚类分析，得到多个车辆组件类型数据；

31、步骤s23：对多个车辆组件类型数据进行最低电压需求分析，得到每一个组件的最低电压需求值；

32、步骤s24：基于每一个组件的最低电压需求值利用防盗启动电池进行最低电压持续供电，并获取车辆实时防盗状态数据。

33、本发明通过在车辆无人模式下获取车辆组件电压状态数据，有助于监测车辆各个组件的电压情况，为后续的电压需求分析和持续供电提供基础数据。通过对车辆组件电压状态数据进行组件聚类分析，可以将车辆组件按类型进行分类，有助于对不同类型组件的电压需求进行针对性分析和处理。对多个车辆组件类型数据进行最低电压需求分析，得到每一个组件的最低电压需求值，能够精准地确定各个组件所需的最低电压，为电池持续供电提供具体指导。基于每一个组件的最低电压需求值利用防盗启动电池进行最低电压持续供电，并获取车辆实时防盗状态数据，能够确保各个组件在运行过程中有足够的电压供应，同时保证车辆的防盗系统正常运行。

34、优选地，步骤s3具体步骤为：

35、步骤s31：根据车辆实时防盗状态数据进行车辆启动电压实时监测，生成防盗状态启动电压监测数据；

36、步骤s32：对防盗状态启动电压监测数据进行滑动平均处理，得到平滑启动电压监测数据；

37、步骤s33：对平滑启动电压监测数据进行时序变化分布拟合，构建启动电压变化曲线；

38、步骤s34：对启动电压变化曲线进行突变识别，提取启动电压突变数据。

39、本发明通过根据实时防盗状态数据监测车辆启动电压，能够及时发现的异常情况，确保车辆启动安全性，通过滑动平均处理，获得平滑的启动电压监测数据，有助于去除噪声和突变，提高数据的稳定性和可靠性，通过时序变化分布拟合，构建启动电压变化曲线，帮助理解启动电压的变化趋势，为后续分析提供更直观的数据展现，对启动电压变化曲线进行突变识别，提取突变数据，有助于识别存在的问题或异常情况，进一步加强对车辆启动电压的监测和控制。

40、优选地，步骤s4的具体步骤为：

41、步骤s41：获取历史车主启动行为数据；

42、步骤s42：基于历史车主启动行为数据提取每一次启动的时间戳；

43、步骤s43：基于每一次启动的时间戳对历史车主启动行为数据进行时序启动行为特征分析，从而得到启动行为时序特征数据；

44、步骤s44：对启动行为时序特征数据进行周期启动频率分布计算，得到周期启动频率分布数据；

45、步骤s45：对历史车主启动行为数据进行个性化行为习惯分析，生成车主启动行为习惯数据；

46、步骤s46：对周期启动频率分布数据及车主启动行为习惯数据进行行为特征挖掘，构建车主启动行为模型。

47、本发明通过获取历史车主的启动行为数据，有助于积累数据以进行后续分析和模型构建。基于历史数据提取每次启动的时间戳，为后续时序分析和频率计算提供时间基准。通过时序分析提取每次启动的特征数据，有助于了解车主的启动行为模式和规律。通过计算周期启动频率分布，可以揭示车主的启动频率规律，为模型构建提供数据支持。对历史车主启动行为数据进行个性化行为习惯分析，有助于了解车主的个性化操作习惯。基于周期启动频率和个性化行为习惯数据，进行行为特征挖掘，构建车主启动行为模型，可用于预测和识别异常行为，提高防盗启动电池控制系统的智能化水平。

48、优选地，步骤s5的具体步骤为：

49、步骤s51：对启动电压突变数据进行突变率计算，生成启动电压突变率参数；

50、步骤s52：基于预设的启动电源变化阈值对启动电压突变率参数进行判断，当启动电压突变率参数大于或等于预设的启动电源变化阈值，则判定车辆为启动状态，并获取当前车辆启动行为数据；

51、步骤s53：根据车主启动行为模型对当前车辆启动行为数据进行异常行为概率计算，生成当前启动异常概率数据；

52、步骤s54：对前启动异常概率数据进行综合异常评估，得到异常评估结果。

53、本发明通过计算电压突变率参数，能够监测车辆启动过程中的电压变化情况，为后续分析提供数据基础。通过判断电压突变率参数是否超过预设阈值，可以准确判定车辆是否处于启动状态，进而获取相关启动行为数据。根据车主启动行为模型，计算当前车辆启动行为的异常概率，有助于检测不寻常的启动行为，提高对潜在风险的感知能力。通过综合前述数据，得到对当前启动异常概率的综合评估结果，进一步提高对异常行为的识别和评估能力。

54、优选地，步骤s6的具体步骤为：

55、步骤s61：当异常评估结果为车辆为正常启动，正常启动车辆；

56、步骤s62：当异常评估结果为车辆异常启动，切断防盗启动电池的电流输出，并生成车辆异常启动预警信号；

57、步骤s63：基于车辆异常启动预警信号进行防盗启动行为深度学习演化，构建电池防盗控制策略。

58、本发明在异常评估结果为正常启动时，系统能够迅速执行正常启动程序，确保车辆可以顺利启动，提高用户体验和车辆可靠性，当异常评估结果为异常启动时，系统立即切断防盗启动电池的电流输出，防止车辆继续启动，并生成预警信号，提醒相关人员注意异常情况，预警信号的生成能够实时通知相关人员，使其能够及时采取行动，确保车辆安全，通过对异常启动信号进行深度学习演化，系统可以不断优化防盗启动控制策略，提高对各类异常情况的应对能力，进一步提升车辆的安全性，构建电池防盗控制策略的演化过程可以使系统更具自适应性，能够根据实际情况灵活调整防盗控制策略，提高系统的鲁棒性和智能化水平。

59、在本说明书中，提供一种基于多源数据的防盗启动电池控制系统，用于执行如上所述的基于多源数据的防盗启动电池控制方法，包括：

60、无人推断模块，用于获取实时车辆多源监测数据；对实时车辆多源监测数据进行车内无人推断，生成车内无人信号，并进入车辆无人模式；

61、低压供电模块，用于当车辆处于车辆无人模式，获取车辆组件电压状态数据；基于车辆组件电压状态数据进行最低电压持续供电，并获取车辆实时防盗状态数据；

62、突变识别模块，用于根据车辆实时防盗状态数据进行车辆启动电压实时监测，并进行突变识别，提取启动电压突变数据；

63、启动行为模块，用于获取历史车主启动行为数据；对历史车主启动行为数据进行个性化行为习惯分析，构建车主启动行为模型；

64、异常评估模块，用于基于车主启动行为模型对启动电压突变数据进行异常行为概率计算，得到异常评估结果；

65、断电防盗模块，用于当异常评估结果为车辆异常启动，切断防盗启动电池的电流输出，并生成车辆异常启动预警信号。

66、本发明通过获取实时车辆多源监测数据，通过车内无人推断生成车内无人信号，进入车辆无人模式，实现对车内情况的实时监测和响应，获取车辆组件电压状态数据，实现对车辆电力供应状态的监测，基于电压数据进行最低电压持续供电，获取车辆实时防盗状态数据，确保在无人模式下车辆的实时防盗状态，实时监测车辆启动电压，进行突变识别并提取相关数据，有助于捕捉启动过程中的异常情况，获取历史车主启动行为数据，进行个性化行为习惯分析，构建车主启动行为模型，为后续启动行为的评估提供依据，基于车主启动行为模型对启动电压突变数据进行异常行为概率计算，得到异常评估结果，提高对异常情况的识别和响应能力，当异常评估结果为车辆异常启动时，切断防盗启动电池的电流输出，生成预警信号，迅速响应异常情况，保障车辆安全。