基于BP神經(jīng)網(wǎng)絡(luò)的柔性T—BOX解碼方案的研究

董長青++任女爾++田楊

摘要：隨著車聯(lián)網(wǎng)的迅速發(fā)展，車載T-BOX（Telematics BOX）、TSP（Service Provider）相關(guān)業(yè)務(wù)也急速膨脹；隨之而來的問題是各個(gè)供應(yīng)商在信息傳輸中協(xié)議不同，嚴(yán)重阻礙了車聯(lián)網(wǎng)全網(wǎng)互聯(lián)的進(jìn)度。本文通過研究BP神經(jīng)網(wǎng)絡(luò)在解碼過程中的應(yīng)用方案，提出了柔性T-BOX解碼方案，以解決在車聯(lián)網(wǎng)遠(yuǎn)程監(jiān)控過程中車輛協(xié)議不統(tǒng)一而無法追蹤和監(jiān)控的問題。

關(guān)鍵詞：車載T-BOX；BP神經(jīng)網(wǎng)絡(luò)；柔性解碼

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）25-0149-03

The Research on Flexible T-BOX Decoding Scheme Based on BP Neural Network

DONG Chang-qing， REN Nv-er， TIAN Yang

（Chinese Automotive Technology & Research Center， Tianjin 300300， China）

Abstract： with the rapid development of the vehicle network， the business about T-BOX （BOX Telematics）， TSP（Service Provider） is also rapid expanded； the problem is that the suppliers are various on the information transmission protocol， which seriously hindered the progress of the whole vehicle networking. This paper will study the application of BP neural network in decoding， and propose a flexible T-BOX decoding scheme， in order to solve the problem that the vehicle protocol is not unified and unable to track or monitor in the process of vehicle remote monitoring.

Key words： vehicle； T-BOX； BP neural network； flexible decoding

物聯(lián)網(wǎng)的發(fā)展帶動(dòng)了車聯(lián)網(wǎng)、智能交通的迅速崛起，車聯(lián)網(wǎng)一般通過GPS、傳感器、CAN模塊等采集車輛自身及其環(huán)境的相關(guān)信息， 再通過互聯(lián)網(wǎng)傳送到計(jì)算機(jī)，進(jìn)而可以對(duì)車輛的信息數(shù)據(jù)進(jìn)行挖掘和分析，最終實(shí)現(xiàn)對(duì)路線和路況評(píng)估和建議、安排信號(hào)燈等工作【1】。然而車聯(lián)網(wǎng)飛速發(fā)展的同時(shí)，國家相關(guān)法規(guī)尚未強(qiáng)制規(guī)定車載終端和遠(yuǎn)程監(jiān)控分析中心的協(xié)議，僅強(qiáng)制規(guī)定如新能源車輛、客車等需具備實(shí)時(shí)監(jiān)控的功能。因此現(xiàn)行的T-BOX終端雖然大多數(shù)在網(wǎng)絡(luò)傳輸協(xié)議上采用TCP/IP協(xié)議，但具體內(nèi)容往往采用了不同的車載終端協(xié)議。比如，北京市規(guī)定了電動(dòng)汽車遠(yuǎn)程監(jiān)控需采用推薦標(biāo)注JT/T 808-2011作為通信格式的標(biāo)準(zhǔn)，而有的企業(yè)則采用自定義的一些協(xié)議，只要保證監(jiān)控端與車載終端的協(xié)議一致，則不影響內(nèi)部通信和管控。因此，解決協(xié)議中數(shù)據(jù)格式不一致的問題，將是車聯(lián)網(wǎng)發(fā)展的重要環(huán)節(jié)。

1 T-BOX及其協(xié)議

1.1 T-BOX與車聯(lián)網(wǎng)架構(gòu)

車聯(lián)網(wǎng)主要包括車載T-BOX、終端主機(jī)、手機(jī)應(yīng)用以及遠(yuǎn)程后臺(tái)，如圖1所示：

其中，終端主機(jī)主要負(fù)責(zé)顯示信息和多媒體娛樂，T-BOX通過CAN總線與終端主機(jī)互聯(lián)從而顯示信息；而CAN中線可以通過指令獲取車輛的各種實(shí)時(shí)信息，并且可以控制車輛，如獲取車門關(guān)閉狀態(tài)、啟停狀態(tài)等；T-BOX外圍配置GPRS可以實(shí)現(xiàn)3G通信、GPS實(shí)現(xiàn)定位信息獲取及其他傳感器等，網(wǎng)絡(luò)傳輸協(xié)議使用TCP/IP協(xié)議。遠(yuǎn)程后臺(tái)擴(kuò)展性較強(qiáng)，可以通過具體協(xié)議與T-BOX間實(shí)現(xiàn)信息獲取和控制。獲取信息以后進(jìn)一步挖掘從而分析路況和路線等信息。

1.2 T-BOX遠(yuǎn)程控制原理

在TCP/IP基礎(chǔ)之上，指令識(shí)別協(xié)議一般需要規(guī)定具體的數(shù)據(jù)類型、數(shù)據(jù)端模式、消息起止符、消息頭、轉(zhuǎn)義字符，以及具體的指令位置等內(nèi)容。如在JT/T 808-2011協(xié)議中規(guī)定了BYTE、WORD、DWORD、BYTE[n]、STRING這5種數(shù)據(jù)類型，采用大端模式傳遞字和雙字，如下所示消息格式。其中數(shù)字代表消息的起始地址，以字節(jié)為單位，消息頭共22BYTE。

在數(shù)據(jù)傳輸中，按照數(shù)據(jù)單元長度不固定，根據(jù)命令標(biāo)識(shí)進(jìn)行變換，校驗(yàn)碼為最后一位，采用BCC異或校驗(yàn)的方法保證數(shù)據(jù)傳輸?shù)挠行?。命令?biāo)識(shí)定義了0x01到0xFE指代含義及其傳輸方向?yàn)樯闲羞€是下行，總體采用請(qǐng)求應(yīng)答的模式進(jìn)行數(shù)據(jù)交互，遠(yuǎn)程后臺(tái)發(fā)送命令給終端為下行數(shù)據(jù)，終端發(fā)送為上行數(shù)據(jù)。比如當(dāng)遠(yuǎn)程終端設(shè)置參數(shù)下行命令，命令標(biāo)識(shí)為0x81，應(yīng)答標(biāo)志為0xFE（為命令包，否則為應(yīng)答包），數(shù)據(jù)單元格式填寫B(tài)YTE[6]設(shè)置時(shí)間，一個(gè)BYTE為參數(shù)總數(shù)，然后是參數(shù)項(xiàng)列表，設(shè)置參數(shù)上報(bào)周期參數(shù)代號(hào)0x02，值為WORD；當(dāng)終端收到該指令時(shí)，回復(fù)應(yīng)答指令。這樣就完成了終端參數(shù)設(shè)置的數(shù)據(jù)傳輸操作。

除了808協(xié)議中規(guī)定的內(nèi)容，開發(fā)商可以自定義通訊格式，甚至可以不遵循808協(xié)議進(jìn)行通訊，只要遠(yuǎn)程后臺(tái)和車載終端之間協(xié)定好即可。格式的多樣化阻礙了車輛網(wǎng)的發(fā)展。

2 BP神經(jīng)網(wǎng)絡(luò)

2.1人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)通過模擬人的大腦突觸活動(dòng)實(shí)現(xiàn)了很難直接解決的實(shí)際問題，其算法智能型極高，因此在各行各業(yè)得到廣泛的應(yīng)用。它定義了神經(jīng)元模型作為基本的衡量和計(jì)算單元，其通過計(jì)算輸入向量經(jīng)過權(quán)向量處理后的內(nèi)積，從而把N維向量兩極化為超平面的哪一邊【2】。在此基礎(chǔ)上，通過建立神經(jīng)網(wǎng)絡(luò)模型和激活函數(shù)，將輸入數(shù)據(jù)傳入對(duì)應(yīng)的激活函數(shù)，經(jīng)過網(wǎng)絡(luò)模型的處理得出結(jié)果。網(wǎng)絡(luò)模型中，有向前網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域主要有以下方面：

1） 信息領(lǐng)域：信號(hào)處理和模式識(shí)別；

2） 醫(yī)學(xué)領(lǐng)域：專家系統(tǒng)及生物信號(hào)檢測(cè)；

3） 經(jīng)濟(jì)領(lǐng)域：價(jià)格預(yù)測(cè)和風(fēng)險(xiǎn)評(píng)估；

4） 控制、交通、心理學(xué)等領(lǐng)域。

其主體應(yīng)用防線主要為評(píng)估和預(yù)測(cè)。

2.2 BP神經(jīng)網(wǎng)絡(luò)的原理及應(yīng)用

BP神經(jīng)網(wǎng)絡(luò)按誤差反傳播算法訓(xùn)練，是一種多層前饋網(wǎng)絡(luò)【3】。其模型結(jié)構(gòu)如下所示：

圖3 BP神經(jīng)網(wǎng)絡(luò)模型

BP神經(jīng)網(wǎng)絡(luò)模型中含有輸入、輸出及其中間的隱含層，通過正向的信息傳播，通過運(yùn)算得到誤差，再反向傳播，從而更顯W、V權(quán)值。BP神經(jīng)網(wǎng)絡(luò)引起反向誤差傳播從而得到的結(jié)果一般較為準(zhǔn)確，往往用來分類和預(yù)測(cè)，可以通過學(xué)習(xí)訓(xùn)練已知的實(shí)例，從而得到新的規(guī)則，進(jìn)一步將新的實(shí)例放入規(guī)則中，從而預(yù)測(cè)結(jié)果【4】。如可以基于花朵的數(shù)據(jù)集，通過學(xué)習(xí)花朵中的各個(gè)參數(shù)，從而當(dāng)有新的花朵參數(shù)過來是，對(duì)其進(jìn)行分類，判定其花朵的類型；或者可以通過學(xué)習(xí)電力諧波檢測(cè)值，分析其信號(hào)多重頻率正弦疊加分布特點(diǎn)，從而得到更精確、收斂更快的電力諧波檢測(cè)方法【5】。

3 柔性解碼方案總體流程設(shè)計(jì)

柔性解碼方案主要為了解決在T-BOX與遠(yuǎn)程主機(jī)通訊過程中格式不一致的問題，但是對(duì)已配置的通訊格式進(jìn)行相應(yīng)處理的過程是穩(wěn)定的，從而可以實(shí)現(xiàn)快速處理已識(shí)別協(xié)議模式、學(xué)習(xí)并識(shí)別未知協(xié)議模式的效果。

首先，將車輛在監(jiān)控平臺(tái)進(jìn)行注冊(cè)，記錄其設(shè)備ID。然后通過與其建立socket網(wǎng)絡(luò)連接，向其發(fā)送預(yù)判指令。預(yù)判指令一般為查詢位置請(qǐng)求指令，根據(jù)已經(jīng)配置和存儲(chǔ)的協(xié)議類型分別按照對(duì)應(yīng)的請(qǐng)求格式組裝預(yù)判指令。如果能夠收到設(shè)備的正確應(yīng)答指令為地理位置及其速度情況時(shí)，建立對(duì)應(yīng)的協(xié)議關(guān)系，記錄為“已識(shí)別”狀態(tài)。當(dāng)請(qǐng)求完所有已知格式的指令而沒有返回正確響應(yīng)，或者返回錯(cuò)誤的響應(yīng)時(shí)，判定為該車型狀態(tài)為“未識(shí)別”。以上為基礎(chǔ)判定，如下圖所示為后繼的消息解析過程：

在遠(yuǎn)程監(jiān)控后臺(tái)，當(dāng)收到車型的指令時(shí)，判斷設(shè)備ID，一般為T-BOX中外圍GPRS中SIM卡號(hào)。判定本地記錄的狀態(tài)，當(dāng)為“已識(shí)別”時(shí)，根據(jù)起始符和設(shè)備ID遍歷已知的解析規(guī)則，進(jìn)一步解析消息頭，判定其為應(yīng)答式還是指令式消息，如果為應(yīng)答式則進(jìn)行相應(yīng)的校驗(yàn)，識(shí)別過程結(jié)束；否則從消息頭中解析需要執(zhí)行的指令，回復(fù)給終端，消息處理過程結(jié)束。當(dāng)本地識(shí)別狀態(tài)為未識(shí)別時(shí)，根據(jù)不同的協(xié)議規(guī)則分別發(fā)送預(yù)判指令（獲取定位信息）進(jìn)行初步識(shí)別，當(dāng)有回復(fù)定位信息時(shí)判定為正確響應(yīng)則可以認(rèn)定其規(guī)則，否則對(duì)指令進(jìn)行BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行學(xué)習(xí)和預(yù)測(cè)規(guī)則。當(dāng)進(jìn)行多次學(xué)習(xí)訓(xùn)練以后，對(duì)新規(guī)則進(jìn)行預(yù)測(cè)，預(yù)測(cè)成功時(shí)生成新的規(guī)則入庫。

4 BP神經(jīng)網(wǎng)絡(luò)解碼應(yīng)用

本文通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行規(guī)則的訓(xùn)練，得到知識(shí)模型，從而進(jìn)行預(yù)測(cè)【6】。BP神經(jīng)網(wǎng)絡(luò)需要通過歷史數(shù)據(jù)的訓(xùn)練學(xué)習(xí)隱含的知識(shí)。本文中所述隱含的知識(shí)指代在新規(guī)則中的標(biāo)識(shí)性數(shù)據(jù)，如起始符、設(shè)備ID長度、指令標(biāo)志位長度及其對(duì)應(yīng)攜帶內(nèi)容模式等。應(yīng)用過程為：

1）設(shè)定本文BP神經(jīng)網(wǎng)絡(luò)模型層數(shù)為2，隱含層神經(jīng)元數(shù)目為5；神經(jīng)元函數(shù)隱含層選擇tansig函數(shù)，輸出層選擇pirelin函數(shù)；此外，使用自適應(yīng)lr和有動(dòng)量的梯度下降法進(jìn)行網(wǎng)絡(luò)訓(xùn)練。

2）將字符以BYTE為單位量化其消息頭各個(gè)字段的其實(shí)字符偏移地址，作為訓(xùn)練樣本輸入數(shù)據(jù)。對(duì)數(shù)據(jù)進(jìn)行歸一化處理，歸一范圍[-1，1]；

3）設(shè)定最大訓(xùn)練次數(shù)為20次，訓(xùn)練要求精度為75%，使用newff（）構(gòu)造。

4）反復(fù)訓(xùn)練至滿足要求，并保存好訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)。

5）輸入預(yù)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)。

下表為808協(xié)議在數(shù)據(jù)中BP神經(jīng)網(wǎng)絡(luò)模型的權(quán)重和偏置。

圖5 定位信息偏移地址預(yù)測(cè)收斂速度分析

以黑色圓圈代表的預(yù)測(cè)信息和期望輸出之間具有較好地契合性，得出808協(xié)議的定位信息具體內(nèi)容偏移地址。

由以上訓(xùn)練和預(yù)測(cè)模型分別分析訓(xùn)練得出樣本中的消息頭站位長度，定位信息站位長度，從而逐步分析預(yù)測(cè)未知信息中的定位信息。由此可以得知，可以通過BP神經(jīng)網(wǎng)絡(luò)較好的分解出定位信息的結(jié)構(gòu)信息，從而獲取定位坐標(biāo)信息。

5 總結(jié)

本文通過當(dāng)前法規(guī)政策下對(duì)于車載終端T-BOX內(nèi)部協(xié)議的分析和研究，以及對(duì)BP神經(jīng)網(wǎng)絡(luò)在解碼、消息處理方面的應(yīng)用的研究，確立了TSP中遠(yuǎn)程控制后臺(tái)消息接收端的柔性解碼方案?？傮w方案通過建立具有BP神經(jīng)網(wǎng)絡(luò)算法的指令識(shí)別流程，研究構(gòu)建了可以解析多種不同格式T_BOX消息的解碼器軟件架構(gòu)，以期可以解決當(dāng)前國內(nèi)T-BOX協(xié)議格式不統(tǒng)一的問題，為車輛網(wǎng)數(shù)據(jù)統(tǒng)一化基礎(chǔ)性建設(shè)的研究做出重要研究。

參考文獻(xiàn)：

[1] 陳續(xù)陽，李昆，茍潔.基于車聯(lián)網(wǎng)技術(shù)的智能交通方法研究[J/OL].電子制作，2015（13）：68.

[2] 劉毅娟，雷鳴，何旸，曹艷龍.人工神經(jīng)網(wǎng)絡(luò)概述[J/OL].電子測(cè)試，2015（11）：74-75.

[3] 趙龍，人工神經(jīng)網(wǎng)絡(luò)技術(shù)及其應(yīng)用的探討[J/OL].電子技術(shù)與軟件工程，2015（16）.

[4] Wong W K，Yuen C W M， Fan D D，et al.Stitching de-fect detection and classification using wavelet transformand BP eural network. Expert Systems with Applica-tions：An International Journal . 2009。

[5] 付克蘭，張玲.BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及應(yīng)用[J/OL].電子技術(shù)與軟件工程，2015（7）.

[6] 王雅楠，孟曉景.基于動(dòng)量BP算法的神經(jīng)網(wǎng)絡(luò)房價(jià)預(yù)測(cè)研究[J].軟件導(dǎo)刊，2015（2）.