一种基于实时车辆报文的l4无人微公交状态检测系统及方法
技术领域
1.本发明涉及自动驾驶技术领域，特别涉及一种基于实时车辆报文的l4无人微公交状态检测系统及方法。
背景技术：2.l4无人驾驶微公交是一种小型化、无人化、智能化、在特定区域运行的新型公交，l4无人驾驶微公交在运行过程中全程由自动驾驶来完成，车上安全员主要用于处理车辆在紧急情况下的安全保障，当前l4无人驾驶技术在国内还处于起步阶段，各地正在大规模路测验证，只有少部分地方商业运营，因此，l4无人驾驶车辆在行驶过程中出现的各种异常状态数据收集检测十分重要，对异常数据的检测有利于及时发现自动驾驶在行驶过程中的不完善性，提高自动驾驶的算法水平和车辆乘坐舒适性，促进l4无人驾驶微公交迅猛发展。
3.车辆报文(vehicle message)：车辆报文是指车辆行驶过程中各个传感器、车门、电机、电池等产生的实时数据，用户描述车辆各个部件实时运行状态。
4.微公交(micro bus)：微公交是指使用小型车辆，一般不在城市主干道运行，并且具备线路短、乘坐人数少等特点，主要解决园区、社区、地铁到社区等限定区域的用户通勤需求。
5.l4无人驾驶(l4 driverless): 无人驾驶总共分为5个级别，l4是第四级别，主要是指自动系统在某些环境和特定条件下，能够完成驾驶任务并监控驾驶环境，这个阶段下，驾驶相关的所有任务和驾乘人无关。
技术实现要素：6.目前无人驾驶微公交都是通过自动驾驶算法来完成，由于没有驾驶员对车辆自身状态做异常感知，车辆出现异常后可能导致发现不及时，如出现车辆空调异常、车灯异常、安全带异常以及车辆在行驶过程中出现的各种急转弯、急刹车等不稳定性情况等，本发明可以通过在平台配置自定义异常状态检测模块，对实时采集车辆报文信息进行匹配，能够及时发现车辆本身异常，以及自动驾驶算法在行车过程中得异常，有利于提升乘客乘坐舒适性、车辆安全性、行驶稳定性等。
7.本发明提供如下技术方案：一种基于实时车辆报文的l4无人微公交状态检测系统，包括：obu、采集网关、kafka存储系统平台，所述obu安装于无人驾驶车辆上，用于传输车辆数据报文信息，所述obu通过5g/wifi与采集网关建立通信连接，所述采集网关通过有线/wifi与kafka存储系统平台连接。
8.作为优选，所述kafka存储系统平台包括计算引擎、检测引擎。
9.作为优选，所述kafka存储平台中配置有自定义异常状态检测模块，包括：车门异常状态检测子模块、空调异常检测子模块、急转弯状态检测子模块、急加速状态检测子模块，上述子模块用于跟实时采集的车辆报文信息进行匹配。
10.本发明还提供一种基于实时车辆报文的l4无人微公交状态检测方法，包括：
步骤1：在所述kafka存储系统平台配置自定义异常状态检测模块，并根据业务员给相应规则打上标签，如异常、正常、不健康等，配置完成后将检测子模块存储于系统中；步骤2：车辆can总线不断收集空调、车辆行驶、车门、车灯、环境信息等报文数据后传输到obu发送装置；步骤3：所述obu装置通过5g/wifi网络以1秒频率将报文数据发送到采集网关；步骤4：采集网关将报文数据进行解析后，发送到实时kafka存储系统；步骤5：所述计算引擎对报文数据进行异常检测；步骤6：检测引擎动态加载规则库，将满足状态检测子模块的数据发送到消息队列；步骤7：所述检测引擎将车辆状态上报程序消费队列；步骤8：上报完成后，将车辆状态检测结果数据发送到大屏展示；步骤9：控制中心运营人员根据大屏报警信息做分析决策，对车辆在行驶过程中对异常状态做人工干预，提高车辆乘坐舒适度和稳定性。
11.作为优选，所述车门异常状态检测子模块工作步骤为：步骤11：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤12：所述计算引擎根据车辆id进行分组排序；步骤13：过滤车门数据，并将车门数据带入车门异常状态规则进行模式匹配；步骤14：进行模式匹配时，若匹配成功，则代表该车车门异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.车门开关开启但车门处于关闭状态，则车门状态异常；b.车门开关关闭但车门处于开启状态，则车门状态异常；c.车辆行驶但车门处于开启状态，则车门状态异常。
12.作为优选，所述空调异常状态检测子模块工作步骤为：步骤21：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤22：所述计算引擎根据车辆id进行分组排序；步骤23：过滤空调数据，若空调开关状态是关闭状态，则忽略该数据；步骤24：若空调开关是开启状态，则开启1个车门关闭时间段间隔的数据计算窗口，并将车内温度数据带入空调状态异常规则进行模式匹配；步骤25：进行模式匹配时，若匹配成功，则代表该车空调异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.空调开启且固定时间内车内温度数据没有明显变化，则空调状态异常；b.空调开启且固定时间内车内温度数据变化不合理，则空调状态异常。
13.作为优选，所述急转弯状态检测子模块工作步骤为：步骤31：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤32：所述计算引擎根据车辆id进行分组排序；步骤33：过滤转弯数据，开启1个步长为1秒、窗口大小为2秒滑动窗口，对窗口内车辆的方向变化做计算；步骤34：根据计算得到的数值与急转弯状态检测子模块进行匹配，若匹配成功，则代表该车急转弯数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：
a.方向盘转向超过阈值，则代表急转弯数据异常；b.方向盘转向不超过阈值，则代表急转弯数据正常。
14.作为优选，所述急加减速状态检测子模块工作步骤为：步骤41：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤42：所述计算引擎根据车辆id进行分组排序；步骤43：过滤转弯数据，开启1个步长为1秒、窗口大小为5秒滑动窗口，对窗口内车辆的速度变化做计算；步骤44：根据计算得到的数值与急加减速状态检测子模块进行匹配，若匹配成功，则代表该车急加减速状态数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.车辆加速度超过阈值，则代表加减速数据异常；b.车辆加速度不超过阈值，则代表加减速数据正常。
15.与现有技术相比，本发明的有益效果是：1.本发明有利于快速定位车辆问题、减少人工检查成本、提高乘客乘坐舒适度、帮助自动驾驶技术及时发现算法的缺陷，提高算法的健壮度，更好的让l4无人微公交为用户服务，提升乘客体验；2.本发明可以通过在平台配置自定义异常状态检测模块，对实时采集车辆报文信息进行匹配，能够及时发现车辆本身异常，以及自动驾驶算法在行车过程中得异常，有利于提升乘客乘坐舒适性、车辆安全性、行驶稳定性。
附图说明
16.图1为本发明车门异常状态检测子模块流程图；图2为本发明空调异常状态检测子模块流程图；图3为本发明急转弯状态检测子模块流程图；图4为本发明急加减速状态检测子模块流程图；图5为本发明方法检测流程图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.本实施例提供一种基于实时车辆报文的l4无人微公交状态检测系统，包括：obu、采集网关、kafka存储系统平台，所述obu安装于无人驾驶车辆上，用于传输车辆数据报文信息，所述obu通过5g/wifi与采集网关建立通信连接，所述采集网关通过有线/wifi与kafka存储系统平台连接。
19.所述kafka存储系统平台包括计算引擎、检测引擎、大屏幕。
20.所述kafka存储平台中配置有自定义异常状态检测模块，包括：车门异常状态检测子模块、空调异常检测子模块、急转弯状态检测子模块、急加速状态检测子模块，上述子模块用于跟实时采集的车辆报文信息进行匹配。
21.如图1所示，其中，所述车门异常状态检测子模块工作步骤为：步骤s11：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤s12：所述计算引擎根据车辆id进行分组排序；步骤s13：过滤车门数据，并将车门数据带入车门异常状态规则进行模式匹配；步骤s14：进行模式匹配时，若匹配成功，则代表该车车门异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.车门开关开启但车门处于关闭状态，则车门状态异常；b.车门开关关闭但车门处于开启状态，则车门状态异常；c.车辆行驶但车门处于开启状态，则车门状态异常。
22.如图2所示，所述空调异常状态检测子模块工作步骤为：步骤s21：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤s22：所述计算引擎根据车辆id进行分组排序；步骤s23：过滤空调数据，若空调开关状态是关闭状态，则忽略该数据；步骤s24：若空调开关是开启状态，则开启1个车门关闭时间段间隔的数据计算窗口，并将车内温度数据带入空调状态异常规则进行模式匹配；步骤s25：进行模式匹配时，若匹配成功，则代表该车空调异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.空调开启且固定时间内车内温度数据没有明显变化，则空调状态异常；b.空调开启且固定时间内车内温度数据变化不合理，则空调状态异常。
23.如图3所示，所述急转弯状态检测子模块工作步骤为：步骤s31：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤s32：所述计算引擎根据车辆id进行分组排序；步骤s33：过滤转弯数据，开启1个步长为1秒、窗口大小为2秒滑动窗口，对窗口内车辆的方向变化做计算；步骤s34：根据计算得到的数值与急转弯状态检测子模块进行匹配，若匹配成功，则代表该车急转弯数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.方向盘转向超过阈值，则代表急转弯数据异常；b.方向盘转向不超过阈值，则代表急转弯数据正常；若车辆方向盘转弯状态异常，则动态收集车辆在速度变化前后3分钟的传感器、激光雷达、摄像头、控制器、决策算法等数据，便于对急转弯数据做异常分析，帮助改进无人驾驶算法。
24.如图4所示，所述急加减速状态检测子模块工作步骤为：步骤s41：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤s42：所述计算引擎根据车辆id进行分组排序；步骤s43：过滤转弯数据，开启1个步长为1秒、窗口大小为5秒滑动窗口，对窗口内车辆的速度变化做计算；步骤s44：根据计算得到的数值与急加减速状态检测子模块进行匹配，若匹配成功，则代表该车急加减速状态数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：
a.车辆加速度超过阈值，则代表加减速数据异常；b.车辆加速度不超过阈值，则代表加减速数据正常；若车辆方向盘转弯状态异常，则动态收集车辆在速度变化前后3分钟的传感器、激光雷达、摄像头、控制器、决策算法等数据，便于对急转弯数据做异常分析，帮助改进无人驾驶算法。
25.如图5所示，本发明还提供一种基于实时车辆报文的l4无人微公交状态检测方法，包括：步骤s1：在所述kafka存储系统平台配置自定义异常状态检测模块，并根据业务员给相应规则打上标签，如异常、正常、不健康等，配置完成后将检测子模块存储于系统中；步骤s2：车辆can总线不断收集空调、车辆行驶、车门、车灯、环境信息等报文数据后传输到obu发送装置；步骤s3：所述obu装置通过5g/wifi网络以1秒频率将报文数据发送到采集网关；步骤s4：采集网关将报文数据进行解析后，发送到实时kafka存储系统；步骤s5：所述计算引擎对报文数据进行异常检测；步骤s6：检测引擎动态加载规则库，将满足状态检测子模块的数据发送到消息队列；步骤s7：所述检测引擎将车辆状态上报程序消费队列；步骤s8：上报完成后，将车辆状态检测结果数据发送到大屏展示；步骤s9：控制中心运营人员根据大屏报警信息做分析决策，对车辆在行驶过程中对异常状态做人工干预，提高车辆乘坐舒适度和稳定性。
26.尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
27.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
28.上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
技术特征：1.一种基于实时车辆报文的l4无人微公交状态检测系统，包括：obu、采集网关、kafka存储系统平台，所述obu安装于无人驾驶车辆上，用于传输车辆数据报文信息，所述obu通过5g/wifi与采集网关建立通信连接，所述采集网关通过有线/wifi与kafka存储系统平台连接。2.如权利要求1所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述kafka存储系统平台包括计算引擎、检测引擎。3.如权利要求1所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述kafka存储平台中配置有自定义异常状态检测模块，包括：车门异常状态检测子模块、空调异常检测子模块、急转弯状态检测子模块、急加速状态检测子模块，上述子模块用于跟实时采集的车辆报文信息进行匹配。4.如权利要求3所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述车门异常状态检测子模块工作步骤为：步骤11：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤12：所述计算引擎根据车辆id进行分组排序；步骤13：过滤车门数据，并将车门数据带入车门异常状态规则进行模式匹配；步骤14：进行模式匹配时，若匹配成功，则代表该车车门异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.车门开关开启但车门处于关闭状态，则车门状态异常；b.车门开关关闭但车门处于开启状态，则车门状态异常；c.车辆行驶但车门处于开启状态，则车门状态异常。5.如权利要求3所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述空调异常状态检测子模块工作步骤为：步骤21：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤22：所述计算引擎根据车辆id进行分组排序；步骤23：过滤空调数据，若空调开关状态是关闭状态，则忽略该数据；步骤24：若空调开关是开启状态，则开启1个车门关闭时间段间隔的数据计算窗口，并将车内温度数据带入空调状态异常规则进行模式匹配；步骤25：进行模式匹配时，若匹配成功，则代表该车空调异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.空调开启且固定时间内车内温度数据没有明显变化，则空调状态异常；b.空调开启且固定时间内车内温度数据变化不合理，则空调状态异常。6.如权利要求3所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述急转弯状态检测子模块工作步骤为：步骤31：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤32：所述计算引擎根据车辆id进行分组排序；步骤33：过滤转弯数据，开启1个步长为1秒、窗口大小为2秒滑动窗口，对窗口内车辆的方向变化做计算；步骤34：根据计算得到的数值与急转弯状态检测子模块进行匹配，若匹配成功，则代表该车急转弯数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：
a.方向盘转向超过阈值，则代表急转弯数据异常；b.方向盘转向不超过阈值，则代表急转弯数据正常。7.如权利要求3所述的一种基于实时车辆报文的l4无人微公交状态检测系统，其特征在于，所述急加减速状态检测子模块工作步骤为：步骤41：所述kafka存储系统平台中的计算引擎实时消费所有车辆数据；步骤42：所述计算引擎根据车辆id进行分组排序；步骤43：过滤转弯数据，开启1个步长为1秒、窗口大小为5秒滑动窗口，对窗口内车辆的速度变化做计算；步骤44：根据计算得到的数值与急加减速状态检测子模块进行匹配，若匹配成功，则代表该车急加减速状态数据异常，将异常数据存储到消息队列做异常上报，匹配方法为：a.车辆加速度超过阈值，则代表加减速数据异常；b.车辆加速度不超过阈值，则代表加减速数据正常。8.本发明还提供一种基于实时车辆报文的l4无人微公交状态检测方法，包括：步骤1：在所述kafka存储系统平台配置自定义异常状态检测模块，并根据业务员给相应规则打上标签，如异常、正常、不健康等，配置完成后将检测子模块存储于系统中；步骤2：车辆can总线不断收集空调、车辆行驶、车门、车灯、环境信息等报文数据后传输到obu发送装置；步骤3：所述obu装置通过5g/wifi网络以1秒频率将报文数据发送到采集网关；步骤4：采集网关将报文数据进行解析后，发送到实时kafka存储系统；步骤5：所述计算引擎对报文数据进行异常检测；步骤6：检测引擎动态加载规则库，将满足状态检测子模块的数据发送到消息队列；步骤7：所述检测引擎将车辆状态上报程序消费队列；步骤8：上报完成后，将车辆状态检测结果数据发送到大屏展示；步骤9：控制中心运营人员根据大屏报警信息做分析决策，对车辆在行驶过程中对异常状态做人工干预，提高车辆乘坐舒适度和稳定性。
技术总结一种基于实时车辆报文的L4无人微公交状态检测系统及方法，包括：OBU、采集网关、kafka存储系统平台，所述OBU安装于无人驾驶车辆上，用于传输车辆数据报文信息，所述OBU通过5G/WIFI与采集网关建立通信连接，所述采集网关通过有线/WIFI与kafka存储系统平台连接，所述kafka存储系统平台包括计算引擎、检测引擎、大屏幕，本发明有利于快速定位车辆问题、减少人工检查成本、提高乘客乘坐舒适度、帮助自动驾驶技术及时发现算法的缺陷，提高算法的健壮度，更好的让L4无人微公交为用户服务，提升乘客体验。客体验。客体验。
技术研发人员：周文博 骆嫚 余宏伟 张弛 陈李杨 彭博 李勇 杨雪芹
受保护的技术使用者：东风悦享科技有限公司
技术研发日：2022.07.21
技术公布日：2022/11/1
