基于物联网网关和深度学习的自主车辆综合自诊断系统

本文提出了一种“基于物联网(IoT)网关和深度学习的自主车辆综合自诊断系统(ISS)”，该系统通过采集自主车辆传感器的信息，自我诊断及其各部件之间的影响，使用深度学习并将结果通知驾驶员。ISS由三个模块组成。第一个车载网关模块(In-VGM)收集来自车载传感器的数据，包括黑匣子、驾驶雷达等媒体数据以及车辆的控制信息，并通过每个控制器局域网(CAN)、FlexRay和媒体导向系统传输(MOST)协议将收集到的数据传递给车载诊断(OBD)或执行器。来自车载传感器收集的数据通过CAN或FlexRay协议传输，而在行驶过程中收集的媒体数据则通过MOST协议传输。传输的各种类型的信息被转换为目标协议消息类型。第二个优化深度学习模块(ODLM)根据从车载传感器收集的数据创建训练数据集，推理车辆部件和消耗品的风险，以及因有缺陷部件影响的其他部件的风险。它对车辆的整体状态风险进行诊断。第三个数据处理模块(DPM)基于边缘计算，并具有基于边缘计算的自诊断服务(ECSS)，提高自我诊断速度并减少系统开销，同时基于V2X的事故通知服务(VANS)将OBD分析的自诊断结果通知附近的车辆和基础设施。本文通过In-VGM提高了同时消息传输效率15.25%，并通过ODLM将神经网络算法的学习误差率降低约5.5%。因此，通过传输自诊断信息并安全管理自主驾驶车辆的零部件更换时间，从而减少生命损失和整体成本。