基于边缘计算的汽车信号采集方法和系统技术方案

本申请涉及一种基于边缘计算的汽车信号采集方法和系统，所述方法包括：云端导入信号源文件，并根据信号源文件和预设的配置模板生成配置信息；云端将配置信息发送到车端控制器；车端控制器根据所述配置信息确定需要采集的报文，并从下层获取相应的总线报文；车端控制器根据所述配置信息将所述总线报文进行多级缓存和筛选，并将筛选后的数据压缩后上传到云端。本发明专利技术提出一种基于信号属性进行边缘筛选的策略，由云端大数据算法作为依据，向车端下发配置信息；车端根据配置信息对采集的数据进行精简，在本地利用边缘计算的策略进行数据筛选和汇集，再压缩上传，从而大幅降低无用数据存储和上传量，降本提效。降本提效。降本提效。

【技术实现步骤摘要】
基于边缘计算的汽车信号采集方法和系统


[0001]本申请涉及车联网
，具体涉及一种基于边缘计算的汽车信号采集方法和系统。

技术介绍

[0002]随着汽车智能化、网联化的发展，车辆的复杂度的提升速度很快，车内网络的数据量也在大幅提升，所以对于远程监控、故障数据log的采集量也会大幅增加，从而导致系统的成本上升，服务器端的数据存储成本上升。
[0003]相关技术中，传统的记录方法是比较原始的盲记的策略，基于这种策略记录的汽车总线报文数据量很大，一路CAN总线1天就要5GB的数据，本地存储、数据上传的成本极高，多数汽车的配置都无法满足这个需求，所以只能选择性记录。而选择性记录又无法保证需要的信号不会丢失，经常出现需要的信号缺失一二个的情况，这样会给后端的故障分析带来很大困难，并且造成大数据分析维度的缺失，可见这种方式的效率比较低、成本高、效果差。智能汽车对于总线数据传输的信息量会更大，进一步放大数据存储、上传过程中的问题。

技术实现思路

[0004]为至少在一定程度上克服相关技术中存在的问题，本申请提供一种基于边缘计算的汽车信号采集方法和系统。
[0005]根据本申请实施例的第一方面，提供一种基于边缘计算的汽车信号采集方法，包括：
[0006]云端导入信号源文件，并根据信号源文件和预设的配置模板生成配置信息；
[0007]云端将配置信息发送到车端控制器；
[0008]车端控制器根据所述配置信息确定需要采集的报文，并从下层获取相应的总线报文；
[0009]车端控制器根据所述配置信息将所述总线报文进行多级缓存和筛选，并将筛选后的数据压缩后上传到云端。
[0010]进一步地，所述信号源文件包括如下项中的至少一项：总线数据、诊断数据；
[0011]所述根据信号源文件和配置模板生成配置信息，包括：
[0012]解析导入的信号源文件，获得基础信息；所述基础信息包括如下项中的至少一项：汽车总线的信号定义、诊断的实时数据参数；
[0013]将所述基础信息输入到配置模板中，输出需要采集的信号集合；
[0014]根据信号集合进行配置，生成配置信息。
[0015]进一步地，所述根据信号集合进行配置，包括：
[0016]根据信号集合中每一种信号的属性进行分类，分为开关信号、数值信号两类；
[0017]开关信号按照事件进行注册，数值信号配置最大值、最小值、典型值；
[0018]设置每一种信号的触发方式、触发前后的采集时间段；
[0019]由配置生成工具生成数据镜像结构体；
[0020]配置上传周期，以控制采集的频次。
[0021]进一步地，所述方法还包括：
[0022]云端解压解析上传的数据包，对数据进行分析，判断故障原因；
[0023]将获取的批量的车辆数据和故障事件进行匹配；
[0024]通过算法分析数据异常和故障的关联关系，提取出潜在故障的数据特征点，将其加入到参数配置中，生成配置模板。
[0025]进一步地，所述方法还包括：
[0026]配置之后进行数据校验，删除重复的及配置不合法的；
[0027]校验完成之后生成配置结构文件和对应的唯一ID；
[0028]根据指定车辆的VIN将配置结构文件下发到指定的车端控制器。
[0029]进一步地，所述从下层获取相应的总线报文，包括：
[0030]通过API向下层获取需要采集的报文；和/或，
[0031]通过诊断服务发送请求以获取响应，并且提取响应中的有效数据；
[0032]其中，需要采集的报文是通过查询配置信息获取的。
[0033]进一步地，所述车端控制器根据所述配置信息将所述总线报文进行多级缓存和筛选，包括：
[0034]将获取到的最新的总线报文存放到一级缓存中；
[0035]按照配置信息将一级缓存中的总线报文转换成可识别的真实信号数值，存放到二级缓存中；
[0036]根据二级缓存中的信号提取变化差异数据，将变化差异数据存放到二级缓存中，并且保存到flash中以文件形式存储。
[0037]进一步地，所述方法还包括：
[0038]边缘模型通过访问二级缓存中的数据，按照配置的逻辑来进行按照时间线的事件判别，当满足条件时，执行相应的操作；
[0039]其中，所述边缘模型是预先存储在车端控制器的算法模型；所述相应的操作包括：触发数据上传，和/或执行某一个排故流程。
[0040]进一步地，所述方法还包括：
[0041]基于信号值、故障码，按照预设的逻辑进行判别；
[0042]当触发条件满足时，继续采集到指定时间，并将数据压缩保存，同时上传事件信息和log，如果log没有成功上传则间隔一段时间重发。
[0043]根据本申请实施例的第二方面，提供一种基于边缘计算的汽车信号采集系统，包括：云端和车端控制器；
[0044]云端用于导入信号源文件，并根据信号源文件和预设的配置模板生成配置信息，然后将配置信息发送到车端控制器；
[0045]车端控制器用于根据所述配置信息确定需要采集的报文，并从下层获取相应的总线报文；还用于根据所述配置信息将所述总线报文进行多级缓存和筛选，并将筛选后的数据压缩后上传到云端。
[0046]本申请的实施例提供的技术方案具备以下有益效果：
[0047]本专利技术提出一种基于信号属性进行边缘筛选的策略，由云端大数据算法作为依据，向车端下发配置信息；车端根据配置信息对采集的数据进行精简，将变化与不变化、正常与不正常的数据进行提炼，从这两个维度进行入手，在本地利用边缘计算的策略进行数据筛选和汇集，再压缩上传，从而大幅降低无用数据存储和上传量，降本提效。
[0048]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0049]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0050]图1是根据一示例性实施例示出的一种基于可配置的轻量化边缘计算的汽车信号采集方法的应用环境示意图。
[0051]图2是根据一示例性实施例示出的一种基于边缘计算的汽车信号采集方法的流程图。
[0052]图3是一种基于可配置的轻量化边缘计算的汽车信号采集的执行流程。
具体实施方式
[0053]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法和系统的例子。
[0054]本申请提供的基于边缘计算的汽车信号采集方法，可以应用于如图1所示的应用环境中，该应用环境中包括云端和本地端(车端控制器)。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的汽车信号采集方法，其特征在于，包括：云端导入信号源文件，并根据信号源文件和预设的配置模板生成配置信息；云端将配置信息发送到车端控制器；车端控制器根据所述配置信息确定需要采集的报文，并从下层获取相应的总线报文；车端控制器根据所述配置信息将所述总线报文进行多级缓存和筛选，并将筛选后的数据压缩后上传到云端。2.根据权利要求1所述的方法，其特征在于，所述信号源文件包括如下项中的至少一项：总线数据、诊断数据；所述根据信号源文件和配置模板生成配置信息，包括：解析导入的信号源文件，获得基础信息；所述基础信息包括如下项中的至少一项：汽车总线的信号定义、诊断的实时数据参数；将所述基础信息输入到配置模板中，输出需要采集的信号集合；根据信号集合进行配置，生成配置信息。3.根据权利要求2所述的方法，其特征在于，所述根据信号集合进行配置，包括：根据信号集合中每一种信号的属性进行分类，分为开关信号、数值信号两类；开关信号按照事件进行注册，数值信号配置最大值、最小值、典型值；设置每一种信号的触发方式、触发前后的采集时间段；由配置生成工具生成数据镜像结构体；配置上传周期，以控制采集的频次。4.根据权利要求1所述的方法，其特征在于，还包括：云端解压解析上传的数据包，对数据进行分析，判断故障原因；将获取的批量的车辆数据和故障事件进行匹配；通过算法分析数据异常和故障的关联关系，提取出潜在故障的数据特征点，将其加入到参数配置中，生成配置模板。5.根据权利要求4所述的方法，其特征在于，还包括：配置之后进行数据校验，删除重复的及配置不合法的；校验完成之后生成配置结构文件和对应的唯一ID；根据指定车辆的VIN将配置结构文件下发到指定的车端控制器。6.根据权...

【专利技术属性】
技术研发人员：黄亮，沈亮，
申请(专利权)人：锐兹行上海智能科技有限公司，
类型：发明
国别省市：