基于云边协同的车载云标定数据传输系统技术方案

本发明专利技术涉及数据处理技术领域，具体涉及基于云边协同的车载云标定数据传输系统，该系统采集温度时序数据序列，进行一阶差分，得到差分数据序列，并划分为若干个序列段，将任意一个序列段，记为目标段，从而获取第一次迭代后的目标段

【技术实现步骤摘要】
基于云边协同的车载云标定数据传输系统


[0001]本专利技术涉及数据处理
，具体涉及基于云边协同的车载云标定数据传输系统
。

技术介绍

[0002]当前车辆越来越依赖感知数据，如传感器数据和摄像头图像，来支持自动驾驶
、
驾驶辅助系统和车辆网络连接
。
数据标定有助于提高这些系统的准确性和可靠性，从而提高车辆的感知和自动化能力，其中汽车空调的温度影响着行车的舒适性，通过分析汽车空调的温度数据，对汽车空调的温度进行自适应调控，可以保障车内环境温度舒适，从而提高驾驶员行车的安全性
。
[0003]现有的问题：长时间采集的汽车空调的温度数据，可能存在着一些噪声影响的异常数据
。
箱线图是当前常使用的一种异常数据检测方法，但该算法中内限系数的选取大小，会影响异常数据检测的准确性，当内限系数不合适时，检测出的异常数据误差较大，从而减小了传输数据的可信度
。

技术实现思路

[0004]本专利技术提供基于云边协同的车载云标定数据传输系统，以解决现有的问题
。
[0005]本专利技术的基于云边协同的车载云标定数据传输系统采用如下技术方案：本专利技术一个实施例提供了基于云边协同的车载云标定数据传输系统，该系统包括以下模块：数据采集模块：用于采集任意一段时间内的汽车空调温度数据，得到温度时序数据序列；对温度时序数据序列进行一阶差分，得到差分数据序列；数据划分模块：用于将差分数据序列划分为若干个序列段；数据迭代更新模块：用于将任意一个序列段，记为目标段；根据目标段中数据的数据值大小，得到目标段中的异常数据
、
每个异常数据的异常程度；根据目标段中所有异常数据的异常程度和数量，得到第一次迭代后的目标段
、
第一次迭代的判断阈值；根据目标段和第一次迭代后的目标段中的数据值差异
、
第一次迭代的判断阈值，得到第一次迭代后的目标段的内限修正值；根据第一次迭代后的目标段的内限修正值
、
预设的初始内限系数，得到第一次迭代后的目标段的内限系数；根据第一次迭代后的目标段
、
第一次迭代的判断阈值
、
第一次迭代后的目标段的内限系数，得到目标段的更新序列段；将所有序列段的更新序列段构成的序列，记为更新温度时序数据序列；数据压缩传输模块：用于使用游程编码，得到更新温度时序数据序列的压缩数据，将压缩数据传输至云端
。
[0006]进一步地，所述将差分数据序列划分为若干个序列段包括：
在差分数据序列中，将前
q
个数据的皮尔逊相关系数的绝对值，记为第一相关性；将前个数据的皮尔逊相关系数的绝对值，记为第二相关性；当第二相关性小于第一相关性时，将前
q
个数据构成的序列段，记为第一序列段；当第二相关性大于等于第一相关性时，将前个数据的皮尔逊相关系数的绝对值，记为第三相关性；当第三相关性小于第二相关性时，将前个数据构成的序列段，记为第一序列段；当第三相关性大于等于第二相关性时，将前个数据的皮尔逊相关系数的绝对值，记为第四相关性，以此类推，得到第一序列段；其中，
q
为预设的数据数量；去除差分数据序列中第一序列段中的数据，得到剩余差分数据序列；在剩余差分数据序列中，根据差分数据序列中第一序列段的获取方式，得到第二序列段；以此类推，将差分数据序列划分为若干个序列段
。
[0007]进一步地，所述根据目标段中数据的数据值大小，得到目标段中的异常数据
、
每个异常数据的异常程度包括：根据预设的初始内限系数，使用箱线图算法，得到目标段对应的箱线图的上限和下限
、
目标段中的异常数据；根据目标段中每个异常数据
、
目标段对应的箱线图的上限和下限之间的差异，得到目标段中每个异常数据的异常程度
。
[0008]进一步地，所述根据目标段中每个异常数据
、
目标段对应的箱线图的上限和下限之间的差异，得到目标段中每个异常数据的异常程度对应的具体计算公式为：其中为目标段中第
i
个异常数据的异常程度，为目标段中第
i
个异常数据的数据值，和分别为目标段对应的箱线图的下限和上限，
| |
为绝对值函数，为线性归一化函数
。
[0009]进一步地，所述根据目标段中所有异常数据的异常程度和数量，得到第一次迭代后的目标段
、
第一次迭代的判断阈值包括：将一减去目标段中每个异常数据的异常程度，记为目标段中每个异常数据的权重；将目标段中不是异常数据的数据，记为正常数据；将预设的权重，记为正常数据的权重；根据目标段中所有数据的数据值和权重，使用加权最小二乘法对目标段中的数据进行拟合，得到目标段中每个数据的拟合数据；将目标段中所有数据的拟合数据构成的序列段，记为第一次迭代后的目标段；在目标段中，将异常数据的数量除以所有数据的数量，记为第一次迭代的判断阈值
。
[0010]进一步地，所述根据目标段和第一次迭代后的目标段中的数据值差异
、
第一次迭
代的判断阈值，得到第一次迭代后的目标段的内限修正值包括：使用最小二乘法，得到第一次迭代后的目标段中每个数据的拟合数据值；根据第一次迭代后的目标段中所有数据的数据值
、
拟合数据值之间的差异，得到第一次迭代后的目标段的内限初始修正值；根据第一次迭代的判断阈值
、
目标段和第一次迭代后的目标段中所有的数据，得到第一次迭代的修正值校正程度；计算第一次迭代的修正值校正程度
、
第一次迭代后的目标段的内限初始修正值的乘积，将所述乘积的归一化值，记为第一次迭代后的目标段的内限修正值
。
[0011]进一步地，所述根据第一次迭代后的目标段中所有数据的数据值
、
拟合数据值之间的差异，得到第一次迭代后的目标段的内限初始修正值对应的具体计算公式为：其中
C
为第一次迭代后的目标段的内限初始修正值，为第一次迭代后的目标段中第
j
个数据的数据值，为第一次迭代后的目标段中第
j
个数据的拟合数据值，为第一次迭代后的目标段中所有数据的均值，
m
为第一次迭代后的目标段中的数据数量，
| |
为绝对值函数
。
[0012]进一步地，所述根据第一次迭代的判断阈值
、
目标段和第一次迭代后的目标段中所有的数据，得到第一次迭代的修正值校正程度对应的具体计算公式为：其中
W
为第一次迭代的修正值校正程度，
H
为第一次迭代的判断阈值，为第一次迭代后的目标段中第
j
个数据的数据值，为目标段中第
j
个数据的数据值，
m
为第一次迭代后的目标段中的数据数量，
m
也为目标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于云边协同的车载云标定数据传输系统，其特征在于，该系统包括以下模块：数据采集模块：用于采集任意一段时间内的汽车空调温度数据，得到温度时序数据序列；对温度时序数据序列进行一阶差分，得到差分数据序列；数据划分模块：用于将差分数据序列划分为若干个序列段；数据迭代更新模块：用于将任意一个序列段，记为目标段；根据目标段中数据的数据值大小，得到目标段中的异常数据
、
每个异常数据的异常程度；根据目标段中所有异常数据的异常程度和数量，得到第一次迭代后的目标段
、
第一次迭代的判断阈值；根据目标段和第一次迭代后的目标段中的数据值差异
、
第一次迭代的判断阈值，得到第一次迭代后的目标段的内限修正值；根据第一次迭代后的目标段的内限修正值
、
预设的初始内限系数，得到第一次迭代后的目标段的内限系数；根据第一次迭代后的目标段
、
第一次迭代的判断阈值
、
第一次迭代后的目标段的内限系数，得到目标段的更新序列段；将所有序列段的更新序列段构成的序列，记为更新温度时序数据序列；数据压缩传输模块：用于使用游程编码，得到更新温度时序数据序列的压缩数据，将压缩数据传输至云端
。2.
根据权利要求1所述基于云边协同的车载云标定数据传输系统，其特征在于，所述将差分数据序列划分为若干个序列段包括：在差分数据序列中，将前
q
个数据的皮尔逊相关系数的绝对值，记为第一相关性；将前个数据的皮尔逊相关系数的绝对值，记为第二相关性；当第二相关性小于第一相关性时，将前
q
个数据构成的序列段，记为第一序列段；当第二相关性大于等于第一相关性时，将前个数据的皮尔逊相关系数的绝对值，记为第三相关性；当第三相关性小于第二相关性时，将前个数据构成的序列段，记为第一序列段；当第三相关性大于等于第二相关性时，将前个数据的皮尔逊相关系数的绝对值，记为第四相关性，以此类推，得到第一序列段；其中，
q
为预设的数据数量；去除差分数据序列中第一序列段中的数据，得到剩余差分数据序列；在剩余差分数据序列中，根据差分数据序列中第一序列段的获取方式，得到第二序列段；以此类推，将差分数据序列划分为若干个序列段
。3.
根据权利要求1所述基于云边协同的车载云标定数据传输系统，其特征在于，所述根据目标段中数据的数据值大小，得到目标段中的异常数据
、
每个异常数据的异常程度包括：根据预设的初始内限系数，使用箱线图算法，得到目标段对应的箱线图的上限和下限
、
目标段中的异常数据；根据目标段中每个异常数据
、
目标段对应的箱线图的上限和下限之间的差异，得到目标段中每个异常数据的异常程度
。4.
根据权利要求3所述基于云边协同的车载云标定数据传输系统，其特征在于，所述根据目标段中每个异常数据
、
目标段对应的箱线图的上限和下限之间的差异，得到目标段中
每个异常数据的异常程度对应的具体计算公式为：其中为目标段中第
i
个异常数据的异常程度，为目标段中第
i
个异常数据的数据值，和分别为目标段对应的箱线图的下限和上限，
| |
为绝对值函数，为线性归一化函数
。5.
根据权利要求1所述基于云边协同的车载云标定数据传输系统，其特征在于，所述根据目标段中所有异常数据的异常程度和数量，得到第一次迭代后的目标段
、
第一次迭代的判断阈值包括：将一减去目标段中每个异常数据的异常程度，记为目标段中每个异常数据的权重；将目标段中不是异常数据的数据，记为正常数据；将预设的权重，记为正常数据的权重；根据目标段中所有数据的数据值和权重，使用加权最小二乘法对目标段中的数据进行拟合，得到目标段中每个数据的拟合数据；将目标段中所有数据的拟合数据构成的序列段，记为第一次迭代后的目标段；在目标段中，将异常数据的数量除以所有数据的数量，记为第一...

【专利技术属性】
技术研发人员：臧竞之，张朝山，陈丹，
申请(专利权)人：杭州广安汽车电器有限公司，
类型：发明
国别省市：