一种基于车联网的火情预警系统及预警方法与流程

1.本发明涉及到一种汽车主动预警系统，具体涉及一种基于车联网的火情预警系统及预警方法。


背景技术：

2.车辆在行驶过程中，由于电线短路、易燃液体泄漏、车内失火、高温照射、冷却系统失效等极易引起车辆燃烧，对乘客的生命安全及行驶车辆的安全有极大威胁，易引发严重的交通事故。所以有必要在车辆失火的情况下尽早提醒驾驶员及周边车辆，提高驾驶的安全性。
3.目前，市场上车辆还没有相关火情预警功能的配置。中国专利公开号为cn209490403u、cn206537213u的文献中提出的几种自燃预警系统主要是通过传感器模块安装在易燃部位、检测到起火通过给蜂鸣器传递信号传递给驾驶员进行预警。该系统能够进行一定程度的预警，功能单一易误报且只能将预警信息传递给本车，具有一定的局限性。


技术实现要素：

4.本发明的目的是针对现有车辆火情预警系统的不足，提供一种基于车联网的火情预警系统及预警方法。能在预警本车的同时，利用车联网获取旁车的位置、行驶信息，对旁车进行分级预警，从而避免交通事故的发生与交通的拥堵。且能够实时上传车辆传感、行驶、ecu故障码信息到云端，便于故障跟踪与排查，同时进行分布式云端训练，更新火情样本数据，训练样本调整权值，及时修正火情预测模型。
5.本发明采用的技术方案如下：
6.基于车联网的火情预警系统包括：传感器检测模块、数据融合处理模块、火情判定模块、车联网模块、旁车安全风险判别模块、主机厂云端、网关控制器及车辆总线各路can下控制器单元；
7.所述的传感器检测模块包括ifc智能前置摄像头、gps定位模块、车速传感器、加速度传感器、温度传感器、烟雾传感器、co气体传感器、毫米波雷达和陀螺仪；
8.所述传感器检测模块用于检测车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态等信息，并将采集到的数据传输给数据融合处理模块；
9.所述的数据融合处理模块用于分析处理传感器采集的数据，进行预处理、归一化，并将处理后的数据传输给火情判定模块，作为输入；
10.所述火情判定模块根据上层的输入，进行特征融合与决策判断，并将决策结果发送给网关控制器和车联网模块；
11.所述网关控制器将根据火情判定结果，通过车辆总线，发送相应的功能禁止管理信号，执行各控制器火情下的控制策略；
12.所述车联网模块将车辆的传感器数据、车辆行驶数据、软件版本及ecu诊断故障码等数据发送到主机厂云端；同时将旁车位置、行驶信息发送给旁车安全风险判别模块；
13.所述的旁车安全风险判断模块根据车联网传输的旁车位置、行驶信息进行旁车行驶的风险判别，并将判别结果发送回车联网模块，进行旁车行驶预警或旁车位置更新；
14.所述主机厂云端模块，根据车联网发送至主机厂云端的起火车辆的传感、行驶、软件版本及ecu故障码等数据，进行故障跟踪与排查，同时进行分布式云端训练，训练样本调整权值，修正火情预测模型。
15.进一步，车辆总线包括body can、pt can、chassis can和infomercial can。
16.进一步，所述body can下连接车身控制器bcm，pt can下连接电池管理系统bms，chassis can下连接车身电子稳定系统esp，infomercial can下连接组合仪表ipk。
17.基于车联网的火情预警系统的预警方法，包括以下步骤：
18.步骤1：利用车联网模块向云端发出火情预测模型更新请求；
19.步骤2：判断本车的模型是否有更新。若有，将云端的模型更新至车端；若没有更新，则进入下一步骤；
20.步骤3：传感器检测模块采集所需的车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态等信息；
21.步骤4：数据融合处理模块对传感器检测模块采集的温度、烟雾、气体信号进行预处理与归一化；
22.进一步，所述预处理算法为防止烟雾、温度等传感器的误报，先进行局部决策，预处理算法为速率检测法，数学描述为：
[0023][0024][0025]
其中，x
i
(n)为内第n个采样时刻的传感器信号，i为1，2，3...分别表示温度、烟雾、co传感器；u
i
为传感器采集的相邻信号差的累加；r
i
为局部决策结果；为传感器的门限值；f(x)为单位阶跃函数；
[0026]
若某一传感器在某个采样时刻内局部决策结果r
i
为1，则该信号出现异常，存在发生火灾的可能性，将采集的传感器信号传递给下一层。若r
i
全为0，则信号无异常，数据不进行传递；
[0027]
所述的归一化处理将经过预处理的不同量纲的传感器数据进行线性变换，将其映射到[0，1]之间，使其转化为无量纲的表达式，其数学描述为：
[0028][0029]
其中，x
i
为传感器未处理的原始值，x
max
为样本数据的最大值，x
min
为样本数据的最小值，x
′
i
为归一化之后的值，i为1，2，3...分别表示各传感器；
[0030]
步骤5：利用数据融合处理模块的输出作为火情判定模块的输入，进行火情判定，火情判定方法基于改进的rbf
‑
bp混合神经网络，输出有火、无火和阴燃的概率；根据判定结果进行本车预警、旁车风险判别预警与云端数据上传，模型修正；
[0031]
步骤6：若发生火情，网关控制器通过车辆总线向各路can下的控制器发送相应的功能禁止信号，执行火情下的控制策略进行本车预警；
[0032]
步骤7：同时，利用车联网模块及传感器检测模块获取旁车的行驶状态、位置等信息，将信息发送给旁车安全风险判断模块，根据判定结果进行主动预警或常规旁车信息更新。旁车安全风险判断方法为：
[0033]
步骤7.1：本车通过车速、加速度传感器、gps定位模块分别获得自身的车速信号、加速度信号、位置信号；
[0034]
步骤7.2：旁车安全风险模块通过车联网模块获取旁车的车速、加速度、位置信号；
[0035]
步骤7.3：旁车安全风险模块根据本车和旁车的行驶、位置信息，计算当前时刻位置本车与旁车的相对位置信息，本车与旁车坐标分别为(x1，y1)、(x2，y2)并设定车辆两级预警阈值距离l0和l1，其中l0为一级预警阈值，l1为二级预警阈值；
[0036]
其中两车相对位置l
re
大小为：
[0037][0038]
步骤7.4：将两车相对位置大小l
re
和车辆两级预警阈值距离l0和l1进行比较，若l
re
≤l0，则受火情影响安全风险的程度较大，发出一级预警；若l0＜l
re
≤l1，则受火情影响安全风险的程度不大，但仍需提前预警，发出二级预警；若l
re
＞l1，则没有安全风险，不进行预警；
[0039]
详细的：l0的确定基于旁车行驶的安全性，公式为：
[0040][0041]
其中，v
a
为旁车车速，t1为驾驶员反应时间，t2为制动响应时间，v
b
为本车车速，a为旁车的加速度，d为发生火情后，两车静止时的最小安全距离；
[0042]
l1的确定基于旁车行驶的交通拥堵性，根据不同的交通路段选择不同的二级预警距离；
[0043]
步骤8：车端发送火情车辆相关传感、行驶数据及ecu故障码到主机厂云端，所述传感器数据为数据融合处理模块输出的数据；
[0044]
步骤9：云端样本数据更新，训练样本调整模型权重，火情判定模型基于改进的rbf
‑
bp混合神经网络，具体的：
[0045]
步骤9.1：将车端上传的温度x1、烟雾浓度x2、co浓度x3作为rbf子网络的输入，rbf子网络包含一个隐藏层，该隐藏层节点传递函数选择为gaussian径向基函数，数学描述为：
[0046][0047]
其中，是输入样本x与高斯函数中心向量x
′
的平方欧几里得距离，σ是函数的宽度参数；
[0048]
步骤9.2：将rbf子网络的输出作为bp子网络的输入，bp子网络包含一个隐藏层，三个输出层，输出为有火，无火和阴燃的概率。隐藏层节点传递函数选择为sigmoid函数；
[0049]
步骤9.3：计算bp子网络正向传播的输入x
ink
；
[0050]
步骤9.4：计算bp子网络正向传播的输出y
outk
＝f(x
ink
)；
[0051]
步骤9.5：计算误差性能指标函数其中d为期望输出；
[0052]
步骤9.6：利用连续感知器学习规则，调整权值ω，使梯度的变化方向为负，使得e
达到理想值；
[0053]
步骤10：云端火情判定模型修正，等待车端请求更新。
[0054]
本发明有以下有益效果：
[0055]
(1)本发明设计了一种基于车联网的火情预警控制系统，能够快速准确地对本车进行火情判定，执行火情下的车辆控制策略，便于乘客开展自救。
[0056]
(2)在车辆发生火情后，利用车联网技术获取旁车的位置、行驶信息，对旁车进行分级预警，从而极大降低交通事故的发生率与交通拥堵程度。
[0057]
(3)利用车联网技术，实时上传火情车辆传感、行驶、ecu故障码等信息到云端，便于故障跟踪与排查，同时更新火情样本数据，训练样本调整权值，及时修正预测模型，进一步提高了火情预测模型的准确性。
[0058]
(4)本发明综合考虑了发生火情时预警本车的同时对旁车进行预警，突破了目前仅对本车进行预警的研究局限；利用车联网技术及时上传火情数据，修正火情判定模型，进一步提高了车辆火情预警模型的准确性。
附图说明
[0059]
图1为本发明一种基于车联网的火情预警系统组成结构图；
[0060]
图2为本发明一种基于车联网的火情预警系统的控制流程图；
[0061]
图3为本发明改进的rbf
‑
bp混合神经网络模型结构图。
具体实施方式
[0062]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0063]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0064]
结合附图1所示，本发明所提出的基于车联网的火情预警系统，包括传感器检测模块、数据融合处理模块、火情判定模块、车联网模块、主机厂云端、旁车安全风险判别模块、网关控制器及车辆总线各路can下控制器单元；传感器模块包括ifc智能前置摄像头、gps定位模块、车速传感器、加速度传感器、温度传感器、烟雾传感器、co气体传感器、毫米波雷达和陀螺仪；
[0065]
传感器检测模块用于检测车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态等信息，并将采集到的数据传输给数据融合处理模块；
[0066]
数据融合处理模块用于分析处理传感器采集的数据，进行预处理、归一化，并将处理后的数据传输给火情判定模块，作为输入；
[0067]
火情判定模块根据数据融合处理模块传递的数据，进行特征融合与决策判断，并将决策结果发送给网关控制器和车联网模块；
[0068]
网关控制器将根据火情判定结果，通过车辆总线，发送相应的功能禁止管理信号，执行各控制器火情下的控制策略。车辆总线包括body can、pt can、chassis can和infomercial can；
[0069]
优选的，body can下连接车身控制器bcm，pt can下连接电池管理系统bms，chassis can下连接车身电子稳定系统esp，infomercial can下连接组合仪表ipk。
[0070]
车联网模块将车辆的传感器数据、车辆行驶数据、软件版本及ecu诊断故障码等数据发送到主机厂云端；同时将旁车位置、行驶信息发送给旁车安全风险判别模块。
[0071]
旁车安全风险判断模块根据车联网传输的旁车位置、行驶信息进行旁车行驶的风险判别，并将判别结果发送回车联网模块，进行旁车行驶预警或旁车位置更新。
[0072]
主机厂云端模块，根据车联网发送至主机厂云端的起火车辆的传感、行驶、软件版本及ecu故障码等数据，进行故障跟踪与排查，同时进行分布式云端训练，训练样本调整权值，修正火情预测模型。
[0073]
结合附图2所示，基于上述基于车联网的火情预警系统，本发明还提出了一种基于车联网的火情预警系统的预警方法，包括一下步骤：
[0074]
步骤1：利用车联网模块向云端发出火情预测模型更新请求；
[0075]
步骤2：判断本车的模型是否有更新。若有，将云端的模型更新至车端；若没有更新，则进入下一步骤；
[0076]
步骤3：传感器检测模块采集所需的车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态等信息；
[0077]
步骤4：数据融合处理模块对传感器检测模块采集的温度、烟雾、气体信号进行预处理与归一化；
[0078]
进一步，所述预处理算法为防止烟雾、温度等传感器的误报，先进行局部决策，预处理算法为速率检测法，数学描述为：
[0079][0080][0081]
其中，x
i
(n)为内第n个采样时刻的传感器信号，i为1，2，3...分别表示温度、烟雾、co传感器；u
i
为传感器采集的相邻信号差的累加；r
i
为局部决策结果；为传感器的门限值；f(x)为单位阶跃函数。
[0082]
若某一传感器在某个采样时刻内局部决策结果r
i
为1，则该信号出现异常，存在发生火灾的可能性，将采集的传感器信号传递给下一层。若r
i
全为0，则信号无异常，数据不进行传递。
[0083]
进一步，所述的归一化处理将经过预处理的不同量纲的传感器数据进行线性变换，将其映射到[0，1]之间，使其转化为无量纲的表达式，其数学描述为：
[0084][0085]
其中，x
i
为传感器未处理的原始值，x
max
为样本数据的最大值，x
min
为样本数据的最小值，x
′
i
为归一化之后的值，i为1，2，3...分别表示各传感器；
[0086]
步骤5：利用数据融合处理模块的输出作为火情判定模块的输入，进行火情判定，火情判定方法基于改进的rbf
‑
bp混合神经网络模型，输出有火、无火和阴燃的概率。根据判定结果进行本车预警、旁车风险判别预警与云端数据上传，模型修正；
[0087]
步骤6：若发生火情，网关控制器通过车辆总线向各路can下的控制器发送相应的功能禁止信号，执行火情下的控制策略进行本车预警。
[0088]
优选的，body can下连接车身控制器bcm，解锁车门，打开危险警报闪光灯。
[0089]
优选的，pt can下连接电池管理系统bms，降低电池组的输出功率，持续监测电池包的温度、压力数据。
[0090]
优选的，chassis can下连接车身电子稳定系统esp，检测车辆的运行状态，降低驾驶员过度反应造成的危险。
[0091]
优选的，infomercia1 can下连接组合仪表ipk，显示车辆危险预警数据。
[0092]
步骤7：同时，利用车联网模块及传感器检测模块获取旁车的行驶状态、位置等信息，将信息发送给旁车安全风险判断模块，根据判定结果进行主动预警或常规旁车信息更新。旁车安全风险判断方法为：
[0093]
步骤7.1：本车通过车速、加速度传感器、gps定位模块分别获得自身的车速信号、加速度信号、位置信号；
[0094]
步骤7.2：旁车安全风险模块通过车联网模块获取旁车的车速、加速度、位置信号；
[0095]
步骤7.3：旁车安全风险模块根据本车和旁车的行驶、位置信息，计算当前时刻位置本车与旁车的相对距离，本车与旁车坐标分别为(x1，y1)、(x2，y2)并设定车辆两级预警阈值距离l0和l1，其中l0为一级预警阈值，l1为二级预警阈值；
[0096]
其中两车相对距离l
re
大小为：
[0097][0098]
步骤7.4：将两车相对距离大小l
re
和车辆两级预警阈值距离l0和l1进行比较；
[0099]
详细的：l0的确定基于旁车行驶的安全性，公式为：
[0100][0101]
其中，v
a
为旁车车速，t1为驾驶员反应时间，t2为制动响应时间，v
b
为本车车速，a为旁车的加速度，d为发生火情后，两车静止时的最小安全距离。
[0102]
l1的确定基于旁车行驶的交通拥堵性，根据不同的交通路段选择不同的二级预警距离。
[0103]
若l
re
≤l0，则受火情影响安全风险的程度较大，发出一级预警；若l0＜l
re
≤l1，则受火情影响安全风险的程度不大，但仍需提前预警，发出二级预警；若l
re
＞l1，则没有安全风险，不进行预警。
[0104]
步骤8：车端发送火情车辆相关传感、行驶数据及ecu故障码到主机厂云端，所述传感器数据为数据融合处理模块输出的数据。
[0105]
步骤9：云端样本数据更新，训练样本调整模型权重，火情判定模型基于改进的rbf
‑
bp混合神经网络，其结构图如图3，具体的：
[0106]
步骤9.1：将车端上传的温度x1、烟雾浓度x2、co浓度x3作为rbf子网络的输入，rbf子网络包含一个隐藏层，该隐藏层节点传递函数选择为gaussian径向基函数，数学描述为：
[0107][0108]
其中，是输入样本x与高斯函数中心向量x
′
的平方欧几里得距离，σ是函数的宽度参数；
[0109]
步骤9.2：将rbf子网络的输出作为bp子网络的输入，bp子网络包含一个隐藏层，三个输出层，输出为有火，无火和阴燃的概率。隐藏层节点传递函数选择为sigmoid函数；
[0110]
步骤9.3：计算bp子网络正向传播的输入x
ink
；
[0111]
步骤9.4：计算bp子网络正向传播的输出y
outk
＝f(x
ink
)；
[0112]
步骤9.5：计算误差性能指标函数其中d为期望输出；
[0113]
步骤9.6：利用连续感知器学习规则，调整权值ω，使梯度的变化方向为负，使得e达到理想值；
[0114]
优选的，e取10
‑3。
[0115]
进一步：引入动量因子α，α∈[0，1]，来滤除权值调整中的高频震荡，加快学习的进度，改进混合神经网络模型。
[0116]
步骤10：云端火情判定模型修正，等待车端请求更新。
[0117]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0118]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种基于车联网的火情预警系统，其特征在于，包括传感器检测模块、数据融合处理模块、火情判定模块、车联网模块、主机厂云端、旁车安全风险判别模块、网关控制器和车辆总线各路can下控制器单元；所述传感器检测模块用于将采集到的信息传递给数据融合处理模块；所述数据融合处理模块用于预处理、归一化传感器信号，并将处理后的数据传输给火情判定模块；所述火情判定模块根据上层的输入，进行特征融合与决策判断，并将决策结果发送给网关控制器和车联网模块；所述网关控制器用于将火情判定结果路由到车辆总线各路can下控制器单元，执行各控制器火情下的控制策略；所述车联网模块将起火车辆的数据发送到主机厂云端；同时将旁车信息发送给旁车安全风险判别模块；所述旁车安全风险判别模块根据车联网传输的旁车信息进行旁车安全风险判别，并将判别结果发送回车联网模块，进行旁车预警；所述主机厂云端，根据车联网发送的数据进行分布式云端训练，训练样本调整权值，修正火情预测模型。2.根据权利要求1所述的基于车联网的火情预警系统，其特征在于，所述传感器检测模块包括ifc智能前置摄像头、gps定位模块、车速传感器、加速度传感器、温度传感器、烟雾传感器、co气体传感器、毫米波雷达和陀螺仪。3.根据权利要求1所述的基于车联网的火情预警系统，其特征在于，车辆总线包括body can、pt can、chassis can和infomercial can；其中，所述body can下连接车身控制器bcm，pt can下连接电池管理系统bms，chassis can下连接车身电子稳定系统esp，infomercial can下连接组合仪表ipk。4.根据权利要求1所述的基于车联网的火情预警系统的预警方法，其特征在于，包括以下步骤：步骤1：利用车联网模块向云端发出火情预测模型更新请求；步骤2：判断本车的模型是否有更新；若有，将云端的模型更新至车端；若没有更新，则进入下一步骤；步骤3：传感器检测模块采集所需的车辆位置信息、本车行驶状态信息、温度、烟雾、气体信息和旁车车辆行驶状态信息；步骤4：数据融合处理模块对传感器检测模块采集的温度、烟雾、气体信号进行预处理与归一化；步骤5：利用数据融合处理模块的输出作为火情判定模块的输入，进行火情判定，火情判定方法基于改进的rbf
‑
bp混合神经网络，输出有火、无火和阴燃的概率；根据判定结果进行本车预警、旁车风险判别预警与云端数据上传，模型修正；步骤6：若发生火情，网关控制器通过车辆总线向各路can下的控制器发送相应的功能禁止信号，执行火情下的控制策略进行本车预警；步骤7：同时，利用车联网模块及传感器检测模块获取旁车的行驶状态、位置等信息，将信息发送给旁车安全风险判断模块，根据判定结果进行主动预警或常规旁车信息更新；
步骤8：车端发送火情车辆相关传感、行驶数据及ecu故障码到主机厂云端，传感器数据为数据融合处理模块输出的数据；步骤9：云端样本数据更新，训练样本调整模型权重，火情判定模型基于改进的rbf
‑
bp混合神经网络；步骤10：云端火情判定模型修正，等待车端请求更新。5.根据权利要求4所述的基于车联网的火情预警系统的预警方法，其特征在于，所述数据融合处理模块的用于预处理、归一化传感器信号，预处理方法为：据融合处理模块的用于预处理、归一化传感器信号，预处理方法为：其中，x
i
(n)为第n个采样时刻的传感器信号，i为1，2，3...分别表示温度、烟雾、co传感器；u
i
为传感器采集的相邻信号差的累加；r
i
为局部决策结果；为传感器的门限值；f(x)为单位阶跃函数；归一化方法为：其中，x
i
为传感器未处理的原始值，x
max
为样本数据的最大值，x
min
为样本数据的最小值，x
′
i
为归一化之后的值，i为1，2，3...分别表示各传感器。6.根据权利要求5所述的基于车联网的火情预警系统的预警方法，其特征在于，所述的数据融合处理模块对传感信号进行预处理，若某一传感器在某个采样时刻内局部决策结果r
i
为1，则该信号出现异常，存在发生火灾的可能性，将采集的传感器信号传递给下一层；若r
i
全为0，则信号无异常，数据不进行传递。7.根据权利要求4所述的基于车联网的火情预警系统的预警方法，其特征在于，火情判定模块的的判定方法基于改进的rbf
‑
bp混合神经网络，输出有火、无火和阴燃的概率；根据判定结果进行本车预警、旁车风险判别预警与云端数据上传，模型修正。8.根据权利要求7所述的基于车联网的火情预警系统的预警方法，其特征在于，旁车安全风险判别模块的判断方法为：步骤7.1：本车通过车速、加速度传感器、gps定位模块分别获得自身的车速信号、加速度信号、位置信号；步骤7.2：旁车安全风险模块通过车联网模块获取旁车的车速、加速度、位置信号；步骤7.3：旁车安全风险模块根据本车和旁车的行驶、位置信息，计算当前时刻位置本车与旁车的相对距离，本车与旁车坐标分别为(x1，y1)、(x2，y2)并设定车辆两级预警阈值距离l0和l1，其中l0为一级预警阈值，l1为二级预警阈值；其中两车相对距离l
re
大小为：步骤7.4：将两车相对距离大小l
re
和车辆两级预警阈值距离l0和l1进行比较；详细的：l0的确定基于旁车行驶的安全性，公式为：
其中，v
a
为旁车车速，t1为驾驶员反应时间，t2为制动响应时间，v
b
为本车车速，a为旁车的加速度，d为发生火情后，两车静止时的最小安全距离；l1的确定基于旁车行驶的交通拥堵性，根据不同的交通路段选择不同的二级预警距离；若l
re
≤l0，则受火情影响安全风险的程度较大，发出一级预警；若l0＜l
re
≤l1，则受火情影响安全风险的程度不大，但仍需提前预警，发出二级预警；若l
re
＞l1，则没有安全风险，不进行预警。9.根据权利要求7所述的基于车联网的火情预警系统的预警方法，其特征在于，主机厂云端根据车端发送的数据进行样本数据更新，训练样本调整权重，火情判定模型基于rbf
‑
bp混合神经网络，具体的：步骤9.1：将车端上传的温度x1、烟雾浓度x2、co浓度x3作为rbf子网络的输入，rbf子网络包含一个隐藏层，该隐藏层节点传递函数选择为gaussian径向基函数，数学描述为：其中，是输入样本x与高斯函数中心向量x
′
的平方欧几里得距离，σ是函数的宽度参数；步骤9.2：将rbf子网络的输出作为bp子网络的输入，bp子网络包含一个隐藏层，三个输出层，输出为有火，无火和阴燃的概率。隐藏层节点传递函数选择为sigmoid函数；步骤9.3：计算bp子网络正向传播的输入x
ink
；步骤9.4：计算bp子网络正向传播的输出y
outk
＝f(x
ink
)；步骤9.5：计算误差性能指标函数其中d为期望输出；步骤9.6：利用连续感知器学习规则，调整权值ω，使梯度的变化方向为负，使得e达到理想值。10.基于权利要求9所述的基于车联网的火情预警系统的预警方法，其特征在于，火情判定模块的的判断方法基于改进的rbf
‑
bp混合神经网络，引入动量因子α，α∈[0，1]，来滤除权值调整中的高频震荡，加快学习的进度，改进混合神经网络模型。
技术总结
本发明公开了一种基于车联网的火情预警系统及预警方法，涉及汽车主动预警领域，传感器检测模块用于将采集到的信息传递给数据融合处理模块；数据融合处理模块用于预处理传感器信号，并将处理后的数据传输给火情判定模块；火情判定模块用于特征融合与决策判断，并将决策结果发送给网关控制器和车联网模块；网关控制器用于将火情判定结果路由，执行各控制器火情下的控制策略；车联网模块将起火车辆的数据发送到主机厂云端，同时将旁车信息发送给旁车安全风险判别模块；主机厂云端模块根据车联网发送的数据，训练修正火情预测模型；旁车安全风险判断模块根据车联网传输的旁车信息进行旁车安全风险判别，并将判别结果发送回车联网模块进行旁车预警。联网模块进行旁车预警。联网模块进行旁车预警。


技术研发人员：夏长高 张凡 杨鹏程 冒志恒 孙陈曦 张演
受保护的技术使用者：江苏大学
技术研发日：2021.02.24
技术公布日：2021/6/29