本發(fā)明屬于車(chē)聯(lián)網(wǎng)，具體涉及一種基于物聯(lián)網(wǎng)的車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)。

背景技術(shù)：

1、車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)是一種集成了全球定位系統(tǒng)（gps）、地圖數(shù)據(jù)、傳感器信息和實(shí)時(shí)交通信息的自動(dòng)導(dǎo)航工具，該系統(tǒng)主要依賴(lài)于gps衛(wèi)星信號(hào)獲取車(chē)輛的實(shí)時(shí)位置，同時(shí)通過(guò)傳感器收集諸如速度、方向、加速度等數(shù)據(jù)，這些數(shù)據(jù)對(duì)于確定車(chē)輛的當(dāng)前位置和行駛方向至關(guān)重要；

2、如專(zhuān)利文件申請(qǐng)?zhí)枮閏n201810277680.x，公開(kāi)了基于車(chē)聯(lián)網(wǎng)的智能導(dǎo)航系統(tǒng)，包括通信模塊、圖像采集模塊、顯示屏、導(dǎo)航定位模塊、主機(jī)及云服務(wù)器，主機(jī)包括arm處理器、dsp處理器和控制電路，控制電路與dsp處理器及arm處理器分別連接，導(dǎo)航定位模塊、顯示屏及通信模塊分別與arm處理器連接，arm處理器通過(guò)通信模塊與云服務(wù)器通信連接；該發(fā)明通過(guò)車(chē)聯(lián)網(wǎng)系統(tǒng)獲取實(shí)時(shí)車(chē)流信息，配合本車(chē)的攝像頭判斷當(dāng)前道路狀況及其變化，導(dǎo)航模塊根據(jù)處理器發(fā)送的信息實(shí)時(shí)優(yōu)化導(dǎo)航路線，有效提高了導(dǎo)航的準(zhǔn)確率，降低了用戶(hù)擁堵的概率。

3、但是，上述智能導(dǎo)航系統(tǒng)僅依靠車(chē)聯(lián)網(wǎng)系統(tǒng)獲取實(shí)時(shí)車(chē)流信息，信息源相對(duì)單一，在復(fù)雜交通場(chǎng)景下，例如一些偏遠(yuǎn)地區(qū)或新開(kāi)通道路，車(chē)聯(lián)網(wǎng)覆蓋不足，可能導(dǎo)致無(wú)法準(zhǔn)確獲取實(shí)時(shí)車(chē)流數(shù)據(jù)，影響導(dǎo)航路線優(yōu)化的準(zhǔn)確性，因此，我們需要提出一種基于物聯(lián)網(wǎng)的車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)來(lái)解決上述的問(wèn)題，使其能夠全面、準(zhǔn)確地獲取車(chē)輛周邊環(huán)境信息，彌補(bǔ)單一攝像頭視野和感知能力的不足，提高導(dǎo)航路線優(yōu)化的準(zhǔn)確性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于物聯(lián)網(wǎng)的車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)，能夠全面、準(zhǔn)確地獲取車(chē)輛周邊環(huán)境信息，彌補(bǔ)單一攝像頭視野和感知能力的不足，提高導(dǎo)航路線優(yōu)化的準(zhǔn)確性，以解決上述背景技術(shù)中提出的問(wèn)題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種基于物聯(lián)網(wǎng)的車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)，包括：多源信息采集模塊，所述多源信息采集模塊將多種傳感器與道路基礎(chǔ)設(shè)施傳感器融合，采集車(chē)輛周?chē)h(huán)境信息；

4、通信模塊，所述通信模塊根據(jù)不同的行駛區(qū)域自動(dòng)切換通信協(xié)議，確保通信的穩(wěn)定性；

5、智能安全防護(hù)模塊，所述智能安全防護(hù)模塊實(shí)時(shí)監(jiān)測(cè)網(wǎng)絡(luò)流量，識(shí)別異常流量和攻擊行為，在有入侵或攻擊行為時(shí)采取防御措施，在沒(méi)有入侵或攻擊時(shí)對(duì)待傳輸?shù)臄?shù)據(jù)進(jìn)行加密傳輸，所述通信模塊分別與多源信息采集模塊和智能安全防護(hù)模塊電性連接；

6、智能決策與優(yōu)化模塊，所述智能決策與優(yōu)化模塊采用大數(shù)據(jù)分析和人工智能算法收集和分析來(lái)自多源信息采集模塊安全傳輸來(lái)海量的交通數(shù)據(jù)，結(jié)合實(shí)時(shí)車(chē)流、道路狀況、天氣和突發(fā)事件的多種因素制定最優(yōu)導(dǎo)航路線；

7、用戶(hù)交互與顯示模塊，所述用戶(hù)交互與顯示模塊通過(guò)ar導(dǎo)航顯示和語(yǔ)音交互結(jié)合的方式，將導(dǎo)航信息與實(shí)際道路場(chǎng)景相結(jié)合，使駕駛員能夠通過(guò)語(yǔ)音指令完成交互操作，所述智能決策與優(yōu)化模塊分別與智能安全防護(hù)模塊和用戶(hù)交互與顯示模塊電性連接；

8、數(shù)據(jù)存儲(chǔ)與共享模塊，所述數(shù)據(jù)存儲(chǔ)與共享模塊通過(guò)云服務(wù)器存儲(chǔ)車(chē)輛和道路基礎(chǔ)設(shè)施的海量實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，再將云服務(wù)器與第三方服務(wù)平臺(tái)進(jìn)行數(shù)據(jù)共享與協(xié)同，所述數(shù)據(jù)存儲(chǔ)與共享模塊分別與多源信息采集模塊、通信模塊、智能安全防護(hù)模塊、智能決策與優(yōu)化模塊以及用戶(hù)交互與顯示模塊電性連接。

9、優(yōu)選的，所述多源信息采集模塊包括激光雷達(dá)和毫米波雷達(dá)，將激光雷達(dá)和毫米波雷達(dá)與位于車(chē)輛上的攝像頭進(jìn)行融合,以從不同維度對(duì)道路狀況進(jìn)行感知，互相補(bǔ)充。

10、優(yōu)選的，將激光雷達(dá)和毫米波雷達(dá)與位于車(chē)輛上的攝像頭進(jìn)行融合的流程如下：

11、a1、通過(guò)攝像頭、激光雷達(dá)和毫米波雷達(dá)從不同維度采集車(chē)輛周?chē)h(huán)境信息；

12、a2、通過(guò)時(shí)鐘同步電路將攝像頭、激光雷達(dá)和毫米波雷達(dá)進(jìn)行時(shí)間同步，確保攝像頭、激光雷達(dá)和毫米波雷達(dá)在時(shí)間上對(duì)齊；

13、a3、對(duì)采集的車(chē)輛周?chē)h(huán)境信息按類(lèi)別分別進(jìn)行預(yù)處理，并提取預(yù)處理后數(shù)據(jù)特征；

14、a4、構(gòu)建神經(jīng)網(wǎng)絡(luò)模型，將激光雷達(dá)、毫米波雷達(dá)和攝像頭提取的特征作為模型的輸入，通過(guò)訓(xùn)練模型學(xué)習(xí)不同特征之間的內(nèi)在關(guān)系，輸出融合后的特征表示。

15、優(yōu)選的，所述道路基礎(chǔ)設(shè)施傳感器包括地磁傳感器和交通流量監(jiān)測(cè)傳感器，在與激光雷達(dá)和毫米波雷達(dá)融合時(shí)，利用物聯(lián)網(wǎng)技術(shù)將地磁傳感器和交通流量監(jiān)測(cè)傳感器與激光雷達(dá)和毫米波雷達(dá)進(jìn)行通信，獲取更廣泛區(qū)域的交通流量、道路擁堵?tīng)顩r和道路施工信息。

16、優(yōu)選的，所述通信模塊包括多通信協(xié)議融合單元和低功耗廣域網(wǎng)技術(shù)輔助單元，所述多通信協(xié)議融合單元與低功耗廣域網(wǎng)技術(shù)輔助單元電性連接，所述通信協(xié)議融合單元實(shí)時(shí)監(jiān)測(cè)4g、5g以及衛(wèi)星通信的不同通信鏈路的信號(hào)強(qiáng)度和質(zhì)量參數(shù)，根據(jù)信號(hào)強(qiáng)度和質(zhì)量監(jiān)測(cè)結(jié)果結(jié)合預(yù)設(shè)的切換策略，選擇最優(yōu)的通信協(xié)議，所述低功耗廣域網(wǎng)技術(shù)輔助單元將支持低功耗廣域網(wǎng)技術(shù)的輔助模塊集成到車(chē)輛智能導(dǎo)航系統(tǒng)中，并進(jìn)行配置和初始化。

17、優(yōu)選的，所述智能安全防護(hù)模塊包括入侵檢測(cè)與防御單元以及與入侵檢測(cè)與防御單元電性連接的加密通信與認(rèn)證單元，所述入侵檢測(cè)與防御單元與多源信息采集單元電性連接，所述加密通信與認(rèn)證單元與智能決策與優(yōu)化模塊電性連接。

18、優(yōu)選的，所述入侵檢測(cè)與防御單元進(jìn)行入侵檢測(cè)與防御的流程如下：

19、b1、通過(guò)網(wǎng)絡(luò)接口采集車(chē)聯(lián)網(wǎng)系統(tǒng)內(nèi)的網(wǎng)絡(luò)流量數(shù)據(jù)，網(wǎng)絡(luò)流量數(shù)據(jù)包括數(shù)據(jù)包的源地址、目的地址、端口號(hào)和協(xié)議類(lèi)型的信息；

20、b2、通過(guò)統(tǒng)計(jì)分析方法對(duì)采集到的流量數(shù)據(jù)進(jìn)行特征提取，提取與正常和異常行為相關(guān)的特征；

21、b3、建立入侵檢測(cè)模型，使用歷史正常流量的特征數(shù)據(jù)對(duì)入侵檢測(cè)模型進(jìn)行訓(xùn)練，同時(shí)，每天需更新入侵檢測(cè)模型，以適應(yīng)新的網(wǎng)絡(luò)攻擊和車(chē)聯(lián)網(wǎng)系統(tǒng)的變化，其中，入侵檢測(cè)模型的公式表達(dá)式為：

22、，其中，為入侵檢測(cè)輸出結(jié)果，為relu或sigmoid激活函數(shù)，為輸入特征，為輸入特征的權(quán)重值，為輸入特征的偏置項(xiàng)，為輸入特征的總數(shù)量；

23、b4、實(shí)時(shí)將采集到的流量數(shù)據(jù)輸入到訓(xùn)練好的入侵檢測(cè)模型中進(jìn)行檢測(cè)，當(dāng)檢測(cè)到異常流量時(shí)，根據(jù)防御策略采取相應(yīng)的防御措施，防止黑客入侵和惡意軟件攻擊；當(dāng)未檢測(cè)到異常流量時(shí)，數(shù)據(jù)傳輸?shù)郊用芡ㄐ排c認(rèn)證單元進(jìn)行加密傳輸和認(rèn)證。

24、優(yōu)選的，所述大數(shù)據(jù)分析和人工智能算法對(duì)海量的交通數(shù)據(jù)處理的流程如下：

25、c1、接收多源信息采集模塊采集的交通數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗、去噪和歸一化處理，并將處理后的數(shù)據(jù)進(jìn)行訓(xùn)練集、驗(yàn)證集和測(cè)試集的劃分；

26、c2、構(gòu)建lstm網(wǎng)絡(luò)模型，確定網(wǎng)絡(luò)層數(shù)、隱藏單元數(shù)量的結(jié)構(gòu)參數(shù)；

27、c3、初始化網(wǎng)絡(luò)中的權(quán)重矩陣和偏置項(xiàng)，將訓(xùn)練集數(shù)據(jù)按時(shí)間步輸入到lstm網(wǎng)絡(luò)模型中，通過(guò)前向傳播計(jì)算預(yù)測(cè)值；

28、c4、利用損失函數(shù)計(jì)算預(yù)測(cè)值與真實(shí)值之間的誤差，通過(guò)反向傳播算法調(diào)整權(quán)重矩陣和偏置項(xiàng)，不斷迭代訓(xùn)練模型，直到lstm網(wǎng)絡(luò)模型在驗(yàn)證集上達(dá)到最優(yōu)的性能；

29、c5、使用測(cè)試集數(shù)據(jù)對(duì)訓(xùn)練好的lstm網(wǎng)絡(luò)模型進(jìn)行評(píng)估；

30、c6、將實(shí)時(shí)采集到的交通數(shù)據(jù)進(jìn)行預(yù)處理后輸入到訓(xùn)練好的lstm網(wǎng)絡(luò)模型中，預(yù)測(cè)未來(lái)不同時(shí)段、不同路段的交通狀況。

31、優(yōu)選的，所述智能決策與優(yōu)化模塊制定最優(yōu)導(dǎo)航路線的流程如下：

32、d1、根據(jù)不同因素對(duì)導(dǎo)航路線規(guī)劃的影響程度，采用層次分析法確定實(shí)時(shí)車(chē)流、道路狀況、天氣、突發(fā)事件因素的權(quán)重；

33、d2、對(duì)實(shí)時(shí)車(chē)流、道路狀況因素進(jìn)行量化評(píng)估；

34、d3、基于量化后的因素和權(quán)重，采用dijkstra算法結(jié)合交通狀況預(yù)測(cè)結(jié)果，在地圖數(shù)據(jù)中搜索最優(yōu)導(dǎo)航路線，當(dāng)遇到道路施工或突發(fā)事件時(shí)，及時(shí)更新路況信息，重新計(jì)算權(quán)重，以快速調(diào)整導(dǎo)航路線。

35、優(yōu)選的，所述ar導(dǎo)航顯示通過(guò)在攝像頭拍攝的實(shí)時(shí)畫(huà)面上疊加轉(zhuǎn)彎箭頭、距離提示的導(dǎo)航信息，使駕駛員更直觀地獲取導(dǎo)航指引。

36、本發(fā)明提出的一種基于物聯(lián)網(wǎng)的車(chē)聯(lián)網(wǎng)智能導(dǎo)航系統(tǒng)，與現(xiàn)有技術(shù)相比，具有以下優(yōu)點(diǎn)：

37、1、本發(fā)明通過(guò)多源信息采集模塊、通信模塊、智能安全防護(hù)模塊、智能決策與優(yōu)化模塊、用戶(hù)交互與顯示模塊以及數(shù)據(jù)存儲(chǔ)與共享模塊的協(xié)同配合，多源信息采集模塊融合激光雷達(dá)、毫米波雷達(dá)、攝像頭多類(lèi)型傳感器數(shù)據(jù)以及接入道路基礎(chǔ)設(shè)施傳感器信息，實(shí)現(xiàn)對(duì)車(chē)輛周邊環(huán)境和道路狀況的全面、精準(zhǔn)感知，通信模塊保障了各類(lèi)傳感器數(shù)據(jù)的穩(wěn)定傳輸，為后續(xù)處理提供基礎(chǔ)，使得系統(tǒng)能夠準(zhǔn)確判斷道路的實(shí)時(shí)交通流量、擁堵?tīng)顩r、障礙物位置等信息，克服了單一傳感器或信息源的局限性，提升了路況判斷的準(zhǔn)確性和可靠性。

38、2、本發(fā)明智能決策與優(yōu)化模塊采用大數(shù)據(jù)分析和人工智能算法收集和分析來(lái)自多源信息采集模塊安全傳輸來(lái)海量的交通數(shù)據(jù)，結(jié)合實(shí)時(shí)車(chē)流、道路狀況、天氣和突發(fā)事件的多種因素制定最優(yōu)導(dǎo)航路線，使系統(tǒng)能夠快速響應(yīng)路況變化，及時(shí)更新導(dǎo)航信息。這有效降低了用戶(hù)遭遇擁堵的概率，提高了出行效率。