一種基于PSI5的數(shù)據(jù)檢測(cè)方法及系統(tǒng)與流程

本發(fā)明提出了一種基于psi5的數(shù)據(jù)檢測(cè)方法及系統(tǒng)，涉及數(shù)據(jù)處理。

背景技術(shù)：

1、psi5?（peripheral?sensor?interface）協(xié)議是一種開(kāi)放標(biāo)準(zhǔn)，基于用于外設(shè)氣囊傳感器的現(xiàn)有傳感器接口，目前已經(jīng)在數(shù)百萬(wàn)個(gè)氣囊系統(tǒng)中得到驗(yàn)證。這種傳感器的數(shù)據(jù)可通過(guò)雙線接口同時(shí)進(jìn)行同步和異步傳輸。psi5?通信協(xié)議的技術(shù)特性和低實(shí)施成本，使它同樣適合許多其他汽車傳感器應(yīng)用。在傳感器網(wǎng)絡(luò)中，數(shù)據(jù)的準(zhǔn)確性和可靠性至關(guān)重要。傳感器在實(shí)際部署過(guò)程中，受到環(huán)境干擾、鏈路質(zhì)量下降、節(jié)點(diǎn)失效以及數(shù)據(jù)沖突等影響，可能導(dǎo)致數(shù)據(jù)錯(cuò)誤或丟失。因此，實(shí)現(xiàn)有效的數(shù)據(jù)檢測(cè)和校驗(yàn)機(jī)制，確保所傳輸信息的完整性和準(zhǔn)確性，是提升系統(tǒng)可靠性的重要環(huán)節(jié)。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于psi5的數(shù)據(jù)檢測(cè)方法及系統(tǒng)，用以解決上述提到的問(wèn)題：

2、本發(fā)明提出的一種基于psi5的數(shù)據(jù)檢測(cè)方法，所述方法包括：

3、通過(guò)每個(gè)ecu的外圍傳感器接口psi5接收傳感器發(fā)送的數(shù)據(jù)幀，所述數(shù)據(jù)幀格式通過(guò)psi5協(xié)議定義；

4、每個(gè)ecu將通過(guò)循環(huán)冗余校驗(yàn)的數(shù)據(jù)輸入到數(shù)據(jù)幀異常預(yù)測(cè)模型中，識(shí)別正常與異常數(shù)據(jù)模式，將識(shí)別為正常模式的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的時(shí)隙發(fā)送給汽車內(nèi)的主控單元。

5、進(jìn)一步的，通過(guò)每個(gè)ecu的外圍傳感器接口psi5接收傳感器發(fā)送的數(shù)據(jù)幀，所述數(shù)據(jù)幀格式通過(guò)psi5協(xié)議定義，包括：

6、每個(gè)傳感器在預(yù)先分配到的時(shí)隙內(nèi)發(fā)送其數(shù)據(jù)幀，此數(shù)據(jù)幀按照psi5協(xié)議的定義格式，所述定義格式包括：幀開(kāi)始標(biāo)志、傳感器id、數(shù)據(jù)字段、數(shù)據(jù)長(zhǎng)度、循環(huán)冗余校驗(yàn)碼和幀結(jié)束標(biāo)志；

7、ecu通過(guò)psi5接口在預(yù)先分配的時(shí)隙內(nèi)接收來(lái)自各個(gè)傳感器發(fā)送的數(shù)據(jù)幀；

8、ecu對(duì)接收到的數(shù)據(jù)幀進(jìn)行解析校驗(yàn)，所述解析校驗(yàn)包括：

9、解析接收到的數(shù)據(jù)，分離出數(shù)據(jù)字段、幀開(kāi)始標(biāo)志、幀結(jié)束標(biāo)志和循環(huán)冗余校驗(yàn)碼；

10、確認(rèn)幀開(kāi)始標(biāo)志和幀結(jié)束標(biāo)志是否符合規(guī)范，如果所述幀開(kāi)始標(biāo)志和所述幀結(jié)束標(biāo)志不符合規(guī)范，則所述幀被判定為非法數(shù)據(jù)，觸發(fā)重傳機(jī)制；

11、使用選擇的crc多項(xiàng)式和初始值對(duì)數(shù)據(jù)字段進(jìn)行crc計(jì)算，得到計(jì)算出的crc值；

12、若計(jì)算出的crc值和分離出的循環(huán)冗余校驗(yàn)碼相同，則數(shù)據(jù)循環(huán)冗余校驗(yàn)通過(guò)，若不相同，則數(shù)據(jù)循環(huán)冗余校驗(yàn)未通過(guò)，觸發(fā)重傳機(jī)制。

13、進(jìn)一步的，每個(gè)ecu將通過(guò)循環(huán)冗余校驗(yàn)的數(shù)據(jù)幀輸入到數(shù)據(jù)幀異常預(yù)測(cè)模型中，識(shí)別正常與異常數(shù)據(jù)模式，將識(shí)別為正常模式的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的時(shí)隙發(fā)送給汽車內(nèi)的主控單元，包括：

14、訓(xùn)練數(shù)據(jù)幀異常預(yù)測(cè)模型；

15、將通過(guò)循環(huán)冗余校驗(yàn)的數(shù)據(jù)幀輸入到所述數(shù)據(jù)幀異常預(yù)測(cè)模型中，判別數(shù)據(jù)幀是否異常；

16、若異常，則觸發(fā)重傳機(jī)制，若正常，則ecu將正常的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的方法發(fā)送給汽車內(nèi)的主控單元；

17、所述主控單元對(duì)接收到的數(shù)據(jù)進(jìn)行哈希校驗(yàn)，所述哈希校驗(yàn)包括：

18、在ecu生成數(shù)據(jù)包時(shí)，通過(guò)動(dòng)態(tài)哈希模型計(jì)算哈希值，將計(jì)算出的哈希值附加到數(shù)據(jù)包中，具體的，動(dòng)態(tài)哈希模型為：

19、

20、其中，h表示計(jì)算出的哈希值，t表示數(shù)據(jù)從ecu開(kāi)始向主控單元傳輸?shù)臅r(shí)間戳，d表示傳輸?shù)臄?shù)據(jù)值，u表示傳感器的狀態(tài)字段，i表示傳感器id,?fc表示幀計(jì)數(shù)器的數(shù)值，p表示預(yù)設(shè)質(zhì)數(shù)數(shù)值；

21、ecu將附加了哈希值的數(shù)據(jù)包發(fā)送給主控單元；

22、主控接收數(shù)據(jù)包后，通過(guò)動(dòng)態(tài)哈希模型重新計(jì)算哈希值，將計(jì)算的哈希值與接收到的哈希值進(jìn)行比較；

23、如果相同，數(shù)據(jù)被認(rèn)為是完整的；若不匹配，則請(qǐng)求重傳；

24、若通過(guò)哈希校驗(yàn)，則汽車內(nèi)的主控單元基于數(shù)據(jù)幀的數(shù)據(jù)字段做出決策。

25、進(jìn)一步的，訓(xùn)練數(shù)據(jù)幀異常預(yù)測(cè)模型，包括：

26、定義數(shù)據(jù)特征，根據(jù)定義的數(shù)據(jù)特征從傳感器和ecu收集數(shù)據(jù)幀，所述數(shù)據(jù)特征包括：數(shù)據(jù)幀的時(shí)間戳、相鄰數(shù)據(jù)幀之間的時(shí)間間隔、傳感器id、數(shù)據(jù)幀的數(shù)據(jù)值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的平均值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的方差、循環(huán)冗余校驗(yàn)碼、循環(huán)冗余校驗(yàn)狀態(tài)、數(shù)據(jù)幀序列號(hào)、數(shù)據(jù)幀異常次數(shù)、相同傳感器id的數(shù)據(jù)幀在過(guò)去特定時(shí)間窗口中的平均值、相同傳感器id的數(shù)據(jù)幀的歷史最大值、相同傳感器id的數(shù)據(jù)幀的歷史最小值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的波動(dòng)性、動(dòng)態(tài)時(shí)隙?、數(shù)據(jù)幀的信噪比和數(shù)據(jù)幀的丟包率；

27、根據(jù)定義的數(shù)據(jù)特征從傳感器和ecu收集數(shù)據(jù)幀，收集的數(shù)據(jù)幀包含正常幀和異常幀；

28、對(duì)收集的數(shù)據(jù)幀進(jìn)行預(yù)處理，所述預(yù)處理包括去重和填補(bǔ)缺失值；

29、將預(yù)處理后的數(shù)據(jù)幀分為訓(xùn)練集和測(cè)試集，預(yù)處理后的數(shù)據(jù)幀的80%作為訓(xùn)練集，20%作為測(cè)試集；

30、選擇隨機(jī)森林作為分類模型，在訓(xùn)練集上訓(xùn)練隨機(jī)森林模型，使用k折交叉驗(yàn)證，驗(yàn)證后使用混淆矩陣評(píng)估性能，評(píng)估的性能包括：準(zhǔn)確率、精確率、召回率、f1-score、roc曲線和auc值；

31、當(dāng)評(píng)估的性能數(shù)值大于或等于預(yù)設(shè)閾值時(shí)，得到訓(xùn)練好的數(shù)據(jù)幀異常預(yù)測(cè)模型。

32、進(jìn)一步的，所述ecu將正常的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的方法發(fā)送給汽車內(nèi)的主控單元，包括：

33、初始化定義每個(gè)ecu的初始負(fù)載、優(yōu)先級(jí)、以及各自的相對(duì)帶寬比例；

34、在每個(gè)通信周期開(kāi)始時(shí)，根據(jù)調(diào)整后的ecu?i的實(shí)時(shí)性負(fù)載和ecu?i?的優(yōu)先級(jí)通過(guò)動(dòng)態(tài)時(shí)隙分配模型計(jì)算分配給ecu?i的時(shí)隙長(zhǎng)度，具體的，所述動(dòng)態(tài)時(shí)隙分配模型為：

35、

36、其中，表示分配給ecu?i的時(shí)隙長(zhǎng)度，n表示ecu數(shù)量，表示ecu?i?的實(shí)時(shí)性負(fù)載，s表示全部ecu的負(fù)載，表示ecu?i的優(yōu)先級(jí)，f表示動(dòng)態(tài)調(diào)節(jié)因子，表示ecu?i?相對(duì)于主控單元的可用帶寬比例，w表示ecu?i的網(wǎng)絡(luò)帶寬,t表示時(shí)間常量，m表示ecu?i的存儲(chǔ)容量；

37、各ecu在其分配的時(shí)隙內(nèi)發(fā)送數(shù)據(jù)，監(jiān)控發(fā)送結(jié)果并計(jì)算成功率；

38、基于監(jiān)控結(jié)果，通過(guò)實(shí)時(shí)性負(fù)載更新模型和優(yōu)先級(jí)調(diào)整模型分別調(diào)整?li和?pi，并重新代入所述動(dòng)態(tài)時(shí)隙分配模型計(jì)算時(shí)隙，具體的，實(shí)時(shí)性負(fù)載更新模型為：

39、

40、其中，表示ecu?i調(diào)整后的負(fù)載要求，表示實(shí)時(shí)傳輸成功率，β表示負(fù)載基值；

41、優(yōu)先級(jí)調(diào)整模型為：

42、

43、其中，表示ecu?i調(diào)整后的優(yōu)先級(jí)，表示ecu?i?的當(dāng)前優(yōu)先級(jí)，表示所有?ecu中的最大負(fù)載要求，δ表示調(diào)節(jié)因子，表示預(yù)設(shè)的ecu?i的最低優(yōu)先級(jí)。

44、本發(fā)明提出的一種基于psi5的數(shù)據(jù)檢測(cè)系統(tǒng)，所述系統(tǒng)包括：

45、接收傳感器數(shù)據(jù)幀模塊，用于通過(guò)每個(gè)ecu的外圍傳感器接口psi5接收傳感器發(fā)送的數(shù)據(jù)幀，所述數(shù)據(jù)幀格式通過(guò)psi5協(xié)議定義；

46、發(fā)送給主控單元模塊，用于每個(gè)ecu將通過(guò)循環(huán)冗余校驗(yàn)的數(shù)據(jù)輸入到數(shù)據(jù)幀異常預(yù)測(cè)模型中，識(shí)別正常與異常數(shù)據(jù)模式，將識(shí)別為正常模式的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的時(shí)隙發(fā)送給汽車內(nèi)的主控單元。

47、進(jìn)一步的，所述接收傳感器數(shù)據(jù)幀模塊包括：

48、定義數(shù)據(jù)幀模塊，用于每個(gè)傳感器在預(yù)先分配到的時(shí)隙內(nèi)發(fā)送其數(shù)據(jù)幀，此數(shù)據(jù)幀按照psi5協(xié)議的定義格式，所述定義格式包括：幀開(kāi)始標(biāo)志、傳感器id、數(shù)據(jù)字段、數(shù)據(jù)長(zhǎng)度、循環(huán)冗余校驗(yàn)碼和幀結(jié)束標(biāo)志；

49、接收模塊，用于ecu通過(guò)psi5接口在預(yù)先分配的時(shí)隙內(nèi)接收來(lái)自各個(gè)傳感器發(fā)送的數(shù)據(jù)幀；

50、解析校驗(yàn)?zāi)K，用于ecu對(duì)接收到的數(shù)據(jù)幀進(jìn)行解析校驗(yàn)，所述解析校驗(yàn)包括：

51、解析接收到的數(shù)據(jù)，分離出數(shù)據(jù)字段、幀開(kāi)始標(biāo)志、幀結(jié)束標(biāo)志和循環(huán)冗余校驗(yàn)碼；

52、確認(rèn)幀開(kāi)始標(biāo)志和幀結(jié)束標(biāo)志是否符合規(guī)范，如果所述幀開(kāi)始標(biāo)志和所述幀結(jié)束標(biāo)志不符合規(guī)范，則所述幀被判定為非法數(shù)據(jù)，觸發(fā)重傳機(jī)制；

53、使用選擇的crc多項(xiàng)式和初始值對(duì)數(shù)據(jù)字段進(jìn)行crc計(jì)算，得到計(jì)算出的crc值；

54、若計(jì)算出的crc值和分離出的循環(huán)冗余校驗(yàn)碼相同，則數(shù)據(jù)循環(huán)冗余校驗(yàn)通過(guò)，若不相同，則數(shù)據(jù)循環(huán)冗余校驗(yàn)未通過(guò)，觸發(fā)重傳機(jī)制。

55、進(jìn)一步的，所述發(fā)送給主控單元模塊包括：

56、訓(xùn)練模型模塊，用于訓(xùn)練數(shù)據(jù)幀異常預(yù)測(cè)模型；

57、判斷模塊，用于將通過(guò)循環(huán)冗余校驗(yàn)的數(shù)據(jù)幀輸入到所述數(shù)據(jù)幀異常預(yù)測(cè)模型中，判別數(shù)據(jù)幀是否異常；

58、動(dòng)態(tài)時(shí)隙發(fā)送模塊，用于若異常，則觸發(fā)重傳機(jī)制，若正常，則ecu將正常的數(shù)據(jù)幀按照動(dòng)態(tài)時(shí)隙分配的方法發(fā)送給汽車內(nèi)的主控單元；

59、哈希校驗(yàn)?zāi)K，用于所述主控單元對(duì)接收到的數(shù)據(jù)進(jìn)行哈希校驗(yàn)，所述哈希校驗(yàn)包括：

60、在ecu生成數(shù)據(jù)包時(shí)，通過(guò)動(dòng)態(tài)哈希模型計(jì)算哈希值，將計(jì)算出的哈希值附加到數(shù)據(jù)包中，具體的，動(dòng)態(tài)哈希模型為：

61、

62、其中，h表示計(jì)算出的哈希值，t表示數(shù)據(jù)從ecu開(kāi)始向主控單元傳輸?shù)臅r(shí)間戳，d表示傳輸?shù)臄?shù)據(jù)值，u表示傳感器的狀態(tài)字段，i表示傳感器id,?fc表示幀計(jì)數(shù)器的數(shù)值，p表示預(yù)設(shè)質(zhì)數(shù)數(shù)值；

63、ecu將附加了哈希值的數(shù)據(jù)包發(fā)送給主控單元；

64、主控接收數(shù)據(jù)包后，通過(guò)動(dòng)態(tài)哈希模型重新計(jì)算哈希值，將計(jì)算的哈希值與接收到的哈希值進(jìn)行比較；

65、如果相同，數(shù)據(jù)被認(rèn)為是完整的；若不匹配，則請(qǐng)求重傳；

66、若通過(guò)哈希校驗(yàn)，則汽車內(nèi)的主控單元基于數(shù)據(jù)幀的數(shù)據(jù)字段做出決策。

67、進(jìn)一步的，所述訓(xùn)練模型模塊包括：

68、定義數(shù)據(jù)特征模塊，用于定義數(shù)據(jù)特征，根據(jù)定義的數(shù)據(jù)特征從傳感器和ecu收集數(shù)據(jù)幀，所述數(shù)據(jù)特征包括：數(shù)據(jù)幀的時(shí)間戳、相鄰數(shù)據(jù)幀之間的時(shí)間間隔、傳感器id、數(shù)據(jù)幀的數(shù)據(jù)值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的平均值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的方差、循環(huán)冗余校驗(yàn)碼、循環(huán)冗余校驗(yàn)狀態(tài)、數(shù)據(jù)幀序列號(hào)、數(shù)據(jù)幀異常次數(shù)、相同傳感器id的數(shù)據(jù)幀在過(guò)去特定時(shí)間窗口中的平均值、相同傳感器id的數(shù)據(jù)幀的歷史最大值、相同傳感器id的數(shù)據(jù)幀的歷史最小值、相同傳感器id的數(shù)據(jù)幀的數(shù)據(jù)值的波動(dòng)性、動(dòng)態(tài)時(shí)隙?、數(shù)據(jù)幀的信噪比和數(shù)據(jù)幀的丟包率；

69、收集數(shù)據(jù)模塊，用于根據(jù)定義的數(shù)據(jù)特征從傳感器和ecu收集數(shù)據(jù)幀，收集的數(shù)據(jù)幀包含正常幀和異常幀；

70、預(yù)處理模塊，用于對(duì)收集的數(shù)據(jù)幀進(jìn)行預(yù)處理，所述預(yù)處理包括去重和填補(bǔ)缺失值；

71、劃分?jǐn)?shù)據(jù)集模塊，用于將預(yù)處理后的數(shù)據(jù)幀分為訓(xùn)練集和測(cè)試集，預(yù)處理后的數(shù)據(jù)幀的80%作為訓(xùn)練集，20%作為測(cè)試集；

72、訓(xùn)練模塊，用于選擇隨機(jī)森林作為分類模型，在訓(xùn)練集上訓(xùn)練隨機(jī)森林模型，使用k折交叉驗(yàn)證，驗(yàn)證后使用混淆矩陣評(píng)估性能，評(píng)估的性能包括：準(zhǔn)確率、精確率、召回率、f1-score、roc曲線和auc值；

73、獲取模型模塊，用于當(dāng)評(píng)估的性能數(shù)值大于或等于預(yù)設(shè)閾值時(shí)，得到訓(xùn)練好的數(shù)據(jù)幀異常預(yù)測(cè)模型。

74、進(jìn)一步的，所述動(dòng)態(tài)時(shí)隙發(fā)送模塊包括：

75、初始定義模塊，用于初始化定義每個(gè)ecu的初始負(fù)載、優(yōu)先級(jí)、以及各自的相對(duì)帶寬比例；

76、計(jì)算時(shí)隙長(zhǎng)度模塊，用于在每個(gè)通信周期開(kāi)始時(shí)，根據(jù)調(diào)整后的ecu?i的實(shí)時(shí)性負(fù)載和ecu?i?的優(yōu)先級(jí)通過(guò)動(dòng)態(tài)時(shí)隙分配模型計(jì)算分配給ecu?i的時(shí)隙長(zhǎng)度，具體的，所述動(dòng)態(tài)時(shí)隙分配模型為：

77、

78、其中，表示分配給ecu?i的時(shí)隙長(zhǎng)度，n表示ecu數(shù)量，表示ecu?i?的實(shí)時(shí)性負(fù)載，s表示全部ecu的負(fù)載，表示ecu?i的優(yōu)先級(jí)，f表示動(dòng)態(tài)調(diào)節(jié)因子，表示ecu?i?相對(duì)于主控單元的可用帶寬比例，w表示ecu?i的網(wǎng)絡(luò)帶寬,t表示時(shí)間常量，m表示ecu?i的存儲(chǔ)容量；

79、監(jiān)控模塊，用于各ecu在其分配的時(shí)隙內(nèi)發(fā)送數(shù)據(jù)，監(jiān)控發(fā)送結(jié)果并計(jì)算成功率；

80、調(diào)整更新模塊，用于基于監(jiān)控結(jié)果，通過(guò)實(shí)時(shí)性負(fù)載更新模型和優(yōu)先級(jí)調(diào)整模型分別調(diào)整?li和?pi，并重新代入所述動(dòng)態(tài)時(shí)隙分配模型計(jì)算時(shí)隙，具體的，實(shí)時(shí)性負(fù)載更新模型為：

81、

82、其中，表示ecu?i調(diào)整后的負(fù)載要求，表示實(shí)時(shí)傳輸成功率，β表示負(fù)載基值；

83、優(yōu)先級(jí)調(diào)整模型為：

84、

85、其中，表示ecu?i調(diào)整后的優(yōu)先級(jí)，表示ecu?i?的當(dāng)前優(yōu)先級(jí)，表示所有?ecu中的最大負(fù)載要求，δ表示調(diào)節(jié)因子，表示預(yù)設(shè)的ecu?i的最低優(yōu)先級(jí)。

86、本發(fā)明有益效果：數(shù)據(jù)完整性保障，借助循環(huán)冗余校驗(yàn)和哈希校驗(yàn)機(jī)制，實(shí)現(xiàn)對(duì)傳輸數(shù)據(jù)的有效校驗(yàn)，提高數(shù)據(jù)的完整性與可靠性，有效減少因數(shù)據(jù)傳輸錯(cuò)誤造成的負(fù)面影響；利用數(shù)據(jù)幀異常預(yù)測(cè)模型，能夠快速識(shí)別并響應(yīng)傳感器的異常信號(hào)，提前預(yù)警可能的故障情況，提升自動(dòng)駕駛系統(tǒng)的安全性與穩(wěn)定性；高效數(shù)據(jù)處理，通過(guò)動(dòng)態(tài)時(shí)隙分配，ecu能夠優(yōu)化數(shù)據(jù)發(fā)送時(shí)機(jī)，減少網(wǎng)絡(luò)擁堵，提高數(shù)據(jù)傳輸效率，從而更好地滿足實(shí)時(shí)性要求；準(zhǔn)確解析數(shù)據(jù)模式，確保主控單元獲得準(zhǔn)確、及時(shí)的數(shù)據(jù)，提升整個(gè)系統(tǒng)的決策支持能力，幫助實(shí)現(xiàn)更為精準(zhǔn)的控制和調(diào)度；允許后續(xù)對(duì)異常預(yù)測(cè)模型進(jìn)行持續(xù)學(xué)習(xí)和優(yōu)化，可以適應(yīng)新的傳感器類型或不同工作環(huán)境下的數(shù)據(jù)特征變化；通過(guò)在psi5協(xié)議基礎(chǔ)上，結(jié)合crc檢驗(yàn)與異常預(yù)測(cè)模型，有效提高了汽車內(nèi)數(shù)據(jù)收集與處理的精度、效率及安全性，促進(jìn)了智能駕駛技術(shù)的進(jìn)一步發(fā)展。