【技术实现步骤摘要】
本专利技术涉及车联网通信，具体涉及一种车联网通信方法。
技术介绍
1、随着科技的飞速发展，车联网技术在智能交通系统中扮演着越来越重要的角色。车联网是指通过各种传感器、通信技术和数据处理技术，实现车与车、车与路、车与人、车与互联网之间的信息交换和共享，从而提高道路交通的安全性、高效性和舒适性。然而，随着车辆数量的不断增加，如何有效地处理和分析大量的车辆报文数据，以便及时发现和处理交通事件，成为了一个亟待解决的问题。
2、现有智能交通系统中，在发生交通事件后，车辆之间可实现信息共享，但是共享的信息数量大，且真实性难以区分，造成交通事件难以及时共享，存在共享延迟，导致道路拥堵的问题。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的一种车联网通信方法解决了通信过程中，数据量庞大，无法有效提取交通事件的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：一种车联网通信方法，包括以下步骤：
3、s1、通过云平台收集各个车辆发送的报文数据，对报文数据进行解析，得到数据载荷；
4、s2、根据数据载荷之间的相关度，对各个数据载荷进行分类处理，筛选出相关数据载荷；
5、s3、根据各相关数据载荷，基于分类模型，得到交通事件，将交通事件通过车联网发送至各个车辆。
6、进一步地，所述s2包括以下分步骤：
7、s21、以一个未分类的数据载荷为分类载荷；
8、s22、计算其他未分类的数据载
9、s23、判断是否存在相关度高于相关阈值，若是，将对应数据载荷和分类载荷归为一个相关类，并跳转至s21，直到所有数据载荷均分类完，若否，则将分类载荷归丢弃，并跳转s21，直到所有数据载荷均分类完；
10、s24、提取数据载荷数量大于数量阈值的相关类，将相关类中的数据载荷作为相关数据载荷。
11、进一步地，所述s22包括以下分步骤：
12、s221、设置固定长度为n的滑动窗口；
13、s222、采用滑动窗口分别在未分类的数据载荷和分类载荷上滑动，每次前进的滑动长度为1；
14、s223、计算每次滑动后滑动窗口下的数据特征值；
15、s224、根据未分类的数据载荷对应的数据特征值和分类载荷对应的数据特征值，计算相关度。
16、进一步地，所述s223中计算数据特征值的公式为：，其中，γ为数据特征值，i为滑动窗口中数据的编号，xi为滑动窗口中第i位数据，e为自然常数。
17、进一步地，所述s224计算相关度的公式为：，其中，θ为相关度，a为未分类的数据载荷对应的数据特征值构成的向量，b为分类载荷对应的数据特征值构成的向量，∩为取交集，∪为取并集。
18、进一步地，所述s3中分类模型包括：多个第一层lstm网络、第二层lstm网络、转置运算层、乘法器m1和多层分类单元；
19、每个所述第一层lstm网络的输入端用于输入一个相关数据载荷；所述第二层lstm网络的输入端分别与多个第一层lstm网络的输出端连接，其输出端分别与转置运算层的输入端和乘法器m1的第一输入端连接；所述乘法器m1的第二输入端与转置运算层的输出端连接，其输出端与多层分类单元的输入端连接；所述多层分类单元的输出端作为多层分类模型的输出端。
20、进一步地，所述第一层lstm网络中每个cell单元用于输入相关数据载荷中一位数据；
21、所述第二层lstm网络中的每个cell单元用于输入一个第一层lstm网络输出的特征值，h = {h1,…,hm,…,hm}，其中，h为一个第一层lstm网络的输出，h1为一个第一层lstm网络输出的第1个特征值，hm为一个第一层lstm网络输出的第m个特征值，hm为一个第一层lstm网络输出的第m个特征值，m为一个第一层lstm网络输出特征值的数量，m为正整数；
22、所述乘法器m1的表达式为：，其中，x为乘法器m1的输出，r1为第二层lstm网络输出的第1个特征值，rm为第二层lstm网络输出的第m个特征值，rl为第二层lstm网络输出的第l个特征值，l为第二层lstm网络输出特征值的数量，t为转置运算。
23、进一步地，所述多层分类单元包括：第一卷积块、第二卷积块、第三卷积块、第一增强通道、第二增强通道、第三增强通道、第一全连接层、第二全连接层、第三全连接层和第四全连接层；
24、所述第一卷积块的输入端作为多层分类单元的输入端，其输出端分别与第二卷积块的输入端和第一增强通道的输入端连接；所述第二卷积块的输出端分别与第三卷积块的输入端和第二增强通道的输入端连接；所述第三卷积块的输出端与第三增强通道的输入端连接；所述第一全连接层的输入端与第一增强通道的输出端连接；所述第二全连接层的输入端与第二增强通道的输出端连接；所述第三全连接层的输入端与第三增强通道的输出端连接；所述第四全连接层的输入端分别与第一全连接层的输出端、第二全连接层的输出端和第三全连接层的输出端连接，其输出端作为多层分类单元的输出端。
25、进一步地，所述第一增强通道、第二增强通道和第三增强通道的表达式为：，其中，yout为第一增强通道、第二增强通道或第三增强通道的输出，yin为第一增强通道、第二增强通道或第三增强通道的输入，为按元素相乘，bn为bn归一化操作。
26、本专利技术的有益效果为：通过云平台收集各个车辆发送的报文数据，对报文数据进行解析，得到数据载荷，用于获取车辆所要提供的真实信息，根据数据载荷之间的相关度，对各个数据载荷进行分类处理，筛选出相关数据载荷，实现从海量的数据中提取出存在关联的数据载荷，再根据各相关数据载荷，基于分类模型的处理，精确提取各相关数据载荷指定的交通事件，将交通事件通过车联网发送至各个车辆，实现对交通事件的快速识别和处理，及时通知其他车辆，降低交通事故的发生概率。
本文档来自技高网...【技术保护点】
1.一种车联网通信方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的车联网通信方法，其特征在于，所述S2包括以下分步骤：
3.根据权利要求2所述的车联网通信方法，其特征在于，所述S22包括以下分步骤：
4.根据权利要求3所述的车联网通信方法，其特征在于，所述S223中计算数据特征值的公式为：，其中，γ为数据特征值，i为滑动窗口中数据的编号，xi为滑动窗口中第i位数据，e为自然常数。
5.根据权利要求3所述的车联网通信方法，其特征在于，所述S224计算相关度的公式为：，其中，θ为相关度，A为未分类的数据载荷对应的数据特征值构成的向量，B为分类载荷对应的数据特征值构成的向量，∩为取交集，∪为取并集。
6.根据权利要求1所述的车联网通信方法，其特征在于，所述S3中分类模型包括：多个第一层LSTM网络、第二层LSTM网络、转置运算层、乘法器M1和多层分类单元；
7.根据权利要求6所述的车联网通信方法，其特征在于，所述第一层LSTM网络中每个Cell单元用于输入相关数据载荷中一位数据；
8.根据权利
9.根据权利要求8所述的车联网通信方法，其特征在于，所述第一增强通道、第二增强通道和第三增强通道的表达式为：，其中，Yout为第一增强通道、第二增强通道或第三增强通道的输出，Yin为第一增强通道、第二增强通道或第三增强通道的输入，为按元素相乘，BN为BN归一化操作。
...【技术特征摘要】
1.一种车联网通信方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的车联网通信方法，其特征在于，所述s2包括以下分步骤：
3.根据权利要求2所述的车联网通信方法，其特征在于，所述s22包括以下分步骤：
4.根据权利要求3所述的车联网通信方法，其特征在于，所述s223中计算数据特征值的公式为：，其中，γ为数据特征值，i为滑动窗口中数据的编号，xi为滑动窗口中第i位数据，e为自然常数。
5.根据权利要求3所述的车联网通信方法，其特征在于，所述s224计算相关度的公式为：，其中，θ为相关度，a为未分类的数据载荷对应的数据特征值构成的向量，b为分类载荷对应的数据特征值构成的向量，∩为取交集，∪为取并集。
6.根据权利要求1所述的车联网通信方法，其特征在于，所述s3中分...
【专利技术属性】
技术研发人员：周鑫，柏松，张帅，
申请(专利权)人：易兴博睿大连科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。