[发明专利]基于SPZN的智能网联汽车系统随机事件预测方法

说明书

本发明涉及基于SPZN的智能网联汽车系统随机事件预测方法，属于无人驾驶、预测和控制策略领域；通过将Z语言形式化描述和SPN模型融合成为新的SPZN模型来实现功能，能够有效的解决SPN网因节点设备众多而带来的状态爆炸问题和Z框架动态能力和实时性不足的问题；结合通信实时获取汽车电子控制单元信息并依据相关交通规则，建立的智能网联汽车系统的SPZN形式化模型，能够实现多源异构复杂环境下的智能网联汽车系统针对随机事件的预防，提升智能网联汽车行驶的安全性和可靠性，同时，基于深度学习的相关约束规则参数调整能够更加准确的选择对应策略。

技术领域

本发明涉及基于SPZN的智能网联汽车系统随机事件预测方法，属于无人驾驶、预测和控制策略领域，尤其适用于基于SPZN的智能网联汽车系统随机事件预测。

背景技术

随着人工智能、大数据分析与处理技术、无线通信技术、车联网、无人驾驶技术等日趋成熟，智能网联汽车已广泛应用于物流、人民生活、兵力部署等民用和军事领域。在这种多源异构复杂环境下，智能网联汽车系统的协同控制显得尤其重要。采用具有严格数理逻辑基础的形式化建模和分析方法对智能网联汽车系统协同控制策略进行预测，有利于加强网联汽车的安全性。

与传统汽车系统控制方法(夏海英等人的文章“一种车车协同行驶建模方法”为代表)相比，智能网联汽车系统的运行环境复杂多变、终端传感器设备数量庞杂，更重要的是智能网联汽车系统对数据传输的实时性和正确性要求极高。面对多源异构环境下发生的随机事件，能尽可能的快速响应，给出正确的预测结果和合理有效的下一步策略实施方案，是保证网联汽车行驶安全的必要手段。目前，形式化方法(封飞等人的文章“基于混成自动机的车联网服务建模方法”为代表)虽然在智能交通的传输协议、站点信号、可信构造、应急预警方案、最短路径找寻等方面均有运用，然而在智能网联汽车系统信息安全传输的协同控制方面，并没有较为突出有效的方法。

进一步，Petri网作为形式化方法的一种，常用来对离散并行系统进行建模仿真和分析；在此基础上发展出来的时间Petri网和随机Petri网(Stochastic Petri Nets，SPN)，能够用来很好地解决智能网联汽车系统控制仿真问题。Z语言的提出和发展可以对多源异构复杂环境系统的一致性描述有了很大的帮助，刘洋在博士论文“网络式软件需求验证的形式化方法研究”提出了集成Petri网和Z语言的PZN(base on Z language and PetriNets)模型，但是该模型无法实现系统在变迁动态过程的时间上描述。专利CN202011341700.9基于TPZN的智能网联汽车系统协同控制方法，提出了能够集成时间Petri网和Z语言的TPZN模型，能够有效的解决智能网联汽车系统的协同控制问题，避免因节点设备众多而带来的状态爆炸问题。但其不能够对一些随机事件进行形象的描述，而车辆在运行过程中发生各种随机事件是无法避免的，所以对智能网联汽车来说随机事件的描述能力是至关重要的。

发明内容

有鉴于此，本发明提供基于SPZN的智能网联汽车系统随机事件预测方法，针对多源异构复杂环境下的智能网联汽车系统应对随机事件问题，提出通过融合Z语言形式化描述和SPN网模型，建立智能网联汽车系统协同控制的基于Z语言的时间Petri网(base on Zlanguage and Stochastic Petri Nets，SPZN)形式化模型：其中SPN网部分刻画智能网联汽车系统的信息传输过程流，Z语言框架结构描述少量设计节点及信息传输规则；前置条件和后置条件来形式刻画智能网联汽车系统传输过程中每一状态转变过程中所需要的限制条件。

为达到上述目的，本发明提供如下技术方案：

基于SPZN的智能网联汽车系统随机事件预测方法，通过智能网联汽车系统进行实现；所述的智能网联汽车系统由多辆智能网联汽车的车载自组织网络和分别与之相连的汽车电子控制单元(ECU)和智能控制系统构成；所述的车载自组织网络由多个车载短程通信装置联网实现，可实现车与车之间的通信及车与路之间的通信；所述的汽车电子控制单元为汽车上安装的传感器、控制器和执行机构；智能控制系统为带有SPZN控制算法的中央处理器(CPU)。