[发明专利]一种基于5G便携式智能终端及MEC的交通对象识别方法

权利要求书

1.一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，包括以下步骤：

步骤1、根据5G便携式智能终端地图信息及5G基站的实际覆盖距离判断行人是否处于标定好的感兴趣区域，标定好的感兴趣区域为5G基站的覆盖距离内的区域；

步骤2、若行人处于感兴趣区域中，则通过5G便携式智能终端采集传感器数据，包括加速度传感器数据、高精度定位数据、GPS数据、陀螺仪数据，并按照设定的格式存储数据；

步骤3、通过对获取到的数据进行重力去除、数据降噪、特征提取、数据降维在内的预处理后，其中数据降噪采用了改进的移动平均算法，利用分类算法对这些处理后的数据分类，得到行人状态识别模型；

步骤4、通过对得到的行人状态数据、GPS数据、陀螺仪数据在内的数据进行聚类分析，对交通对象进行分类，得到聚类分析模型；

步骤5，当得到行人状态模型和聚类分析模型后，通过5G便携式智能终端、路侧设备、5G基站和5G MEC服务器之间信息交互，5G便携式智能终端本地将获取到的传感器数据导入行人状态识别模型且识别出行人所处的状态，然后将包括传感器数据、行人状态在内的信息导入5G MEC服务器中聚类分析模型识别出对应的交通对象，并把识别结果进行广播或者回传。

2.根据权利要求1所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述步骤3的行人状态识别模型中提取的数据特征是由时域下的时域特征和频域下的频域特征构成的，其中频域特征提取方法分两个步骤，第一步是先对5G便携式智能终端获取到的数据信号进行多阶离散小波变换提取出信号高频及低频信息；第二步使用奇异值分解的方法将第一步中得到的较高维度的频域特征降维，得到低维度的数据信号频域特征，当第一次分类结束后，将权重较小的特征项剔除，再对剩下的特征进行训练，直到筛选得到最终特征。

3.根据权利要求2所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述第一步对5G便携式智能终端获取到的数据信号进行多阶离散小波变换提取出信号高频及低频信息，具体步骤如下：

(1)将获取的数据作为离散小波变化的信号输入，即记为X[n]，长度为N；

(2)第一阶中将X[n]分别输入到高通滤波器和低通滤波器获得X[n]的高低频部分；

(3)将步骤(2)得到的X[n]的低频部分作为高、低通滤波器的输入得到第一阶中的X[n]低频部分的高低频部分，以此类推得到X[n]的第n层高频及低频信息。

4.根据权利要求2所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述第二步使用奇异值分解的方法将第一步中得到的较高维度的频域特征降维，得到低维度的数据信号频域特征，主要步骤为：得到的高纬度特征矩阵记为A，因A不为方阵，故对特征矩阵奇异值分解A＝U∑V^T，其中A是一个m*n的矩阵，U是一个m*m的矩阵，Σ是一个m*n的矩阵，V是一个n*n的矩阵。

5.根据权利要求1-4之一的所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述步骤3改进的移动平均算法流程为：

初始化：T为获取到的数据信号序列，A为平滑后的序列，S为累加器，S＝A*N，N为滑动窗口大小；

1.S1＝S-A+T；

2.A＝S1/N。

6.根据权利要求5所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述5G便携式智能终端主要负责参与交通活动采集传感器数据，通过5G通信将这些数据上传给5G MEC服务器进行行人状态识别，或者利用便携式终端的本地资源将状态识别后发送给5G MEC服务器，5G基站负责的主要是5G便携式智能终端和5G MEC服务器之间的信息交互，5G MEC服务器主要负责对接收到的数据本地处理及把处理结果发送给路侧设备，路侧设备(RSU)主要是接收MEC服务器处理过后的交通对象识别结果，然后将这些消息广播出去或者回传给5G便携式智能终端。

7.根据权利要求6所述的一种基于5G便携式智能终端及MEC的交通对象识别方法，其特征在于，所述5G MEC多接入边缘计算服务器分为两个模块，一个是数据操作模块，另一个是算法处理模块，其中，数据操作模块用于数据处理、数据缓存和数据转发承载；算法处理模块用于信息获取、算法执行和决策单元，聚类分析算法的实现过程主要是在5G MEC服务器中执行。