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）相關業(yè)務也急速膨脹；隨之而來的問題是各個供應商在信息傳輸中協(xié)議不同，嚴重阻礙了車聯(lián)網(wǎng)全網(wǎng)互聯(lián)的進度。本文通過研究BP神經(jīng)網(wǎng)絡在解碼過程中的應用方案，提出了柔性T-BOX解碼方案，以解決在車聯(lián)網(wǎng)遠程監(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。

關鍵詞：車載T-BOX；BP神經(jīng)網(wǎng)絡；柔性解碼

中圖分類號：TP393 文獻標識碼：A 文章編號：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)境的相關信息， 再通過互聯(lián)網(wǎng)傳送到計算機，進而可以對車輛的信息數(shù)據(jù)進行挖掘和分析，最終實現(xiàn)對路線和路況評估和建議、安排信號燈等工作【1】。然而車聯(lián)網(wǎng)飛速發(fā)展的同時，國家相關法規(guī)尚未強制規(guī)定車載終端和遠程監(jiān)控分析中心的協(xié)議，僅強制規(guī)定如新能源車輛、客車等需具備實時監(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)定了電動汽車遠程監(jiān)控需采用推薦標注JT/T 808-2011作為通信格式的標準，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

車聯(lián)網(wǎng)主要包括車載T-BOX、終端主機、手機應用以及遠程后臺，如圖1所示：

其中，終端主機主要負責顯示信息和多媒體娛樂，T-BOX通過CAN總線與終端主機互聯(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時信息，并且可以控制車輛，如獲取車門關閉狀態(tài)、啟停狀態(tài)等；T-BOX外圍配置GPRS可以實現(xiàn)3G通信、GPS實現(xiàn)定位信息獲取及其他傳感器等，網(wǎng)絡傳輸協(xié)議使用TCP/IP協(xié)議。遠程后臺擴展性較強，可以通過具體協(xié)議與T-BOX間實現(xiàn)信息獲取和控制。獲取信息以后進一步挖掘從而分析路況和路線等信息。

1.2 T-BOX遠程控制原理

在TCP/IP基礎之上，指令識別協(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)命令標識進行變換，校驗碼為最后一位，采用BCC異或校驗的方法保證數(shù)據(jù)傳輸?shù)挠行?。命令標識定義了0x01到0xFE指代含義及其傳輸方向為上行還是下行，總體采用請求應答的模式進行數(shù)據(jù)交互，遠程后臺發(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)。比如當遠程終端設置參數(shù)下行命令，命令標識為0x81，應答標志為0xFE（為命令包，否則為應答包），數(shù)據(jù)單元格式填寫B(tài)YTE[6]設置時間，一個BYTE為參數(shù)總數(shù)，然后是參數(shù)項列表，設置參數(shù)上報周期參數(shù)代號0x02，值為WORD；當終端收到該指令時，回復應答指令。這樣就完成了終端參數(shù)設置的數(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)議進行通訊，只要遠程后臺和車載終端之間協(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

2.1人工神經(jīng)網(wǎng)絡

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

1） 信息領域：信號處理和模式識別；

2） 醫(yī)學領域：專家系統(tǒng)及生物信號檢測；

3） 經(jīng)濟領域：價格預測和風險評估；

4） 控制、交通、心理學等領域。

其主體應用防線主要為評估和預測。

2.2 BP神經(jīng)網(wǎng)絡的原理及應用

BP神經(jīng)網(wǎng)絡按誤差反傳播算法訓練，是一種多層前饋網(wǎng)絡【3】。其模型結構如下所示：

圖3 BP神經(jīng)網(wǎng)絡模型

BP神經(jīng)網(wǎng)絡模型中含有輸入、輸出及其中間的隱含層，通過正向的信息傳播，通過運算得到誤差，再反向傳播，從而更顯W、V權值。BP神經(jīng)網(wǎng)絡引起反向誤差傳播從而得到的結果一般較為準確，往往用來分類和預測，可以通過學習訓練已知的實例，從而得到新的規(guī)則，進一步將新的實例放入規(guī)則中，從而預測結果【4】。如可以基于花朵的數(shù)據(jù)集，通過學習花朵中的各個參數(shù)，從而當有新的花朵參數(shù)過來是，對其進行分類，判定其花朵的類型；或者可以通過學習電力諧波檢測值，分析其信號多重頻率正弦疊加分布特點，從而得到更精確、收斂更快的電力諧波檢測方法【5】。

3 柔性解碼方案總體流程設計

柔性解碼方案主要為了解決在T-BOX與遠程主機通訊過程中格式不一致的問題，但是對已配置的通訊格式進行相應處理的過程是穩(wěn)定的，從而可以實現(xiàn)快速處理已識別協(xié)議模式、學習并識別未知協(xié)議模式的效果。

首先，將車輛在監(jiān)控平臺進行注冊，記錄其設備ID。然后通過與其建立socket網(wǎng)絡連接，向其發(fā)送預判指令。預判指令一般為查詢位置請求指令，根據(jù)已經(jīng)配置和存儲的協(xié)議類型分別按照對應的請求格式組裝預判指令。如果能夠收到設備的正確應答指令為地理位置及其速度情況時，建立對應的協(xié)議關系，記錄為“已識別”狀態(tài)。當請求完所有已知格式的指令而沒有返回正確響應，或者返回錯誤的響應時，判定為該車型狀態(tài)為“未識別”。以上為基礎判定，如下圖所示為后繼的消息解析過程：

在遠程監(jiān)控后臺，當收到車型的指令時，判斷設備ID，一般為T-BOX中外圍GPRS中SIM卡號。判定本地記錄的狀態(tài)，當為“已識別”時，根據(jù)起始符和設備ID遍歷已知的解析規(guī)則，進一步解析消息頭，判定其為應答式還是指令式消息，如果為應答式則進行相應的校驗，識別過程結束；否則從消息頭中解析需要執(zhí)行的指令，回復給終端，消息處理過程結束。當本地識別狀態(tài)為未識別時，根據(jù)不同的協(xié)議規(guī)則分別發(fā)送預判指令（獲取定位信息）進行初步識別，當有回復定位信息時判定為正確響應則可以認定其規(guī)則，否則對指令進行BP神經(jīng)網(wǎng)絡算法進行學習和預測規(guī)則。當進行多次學習訓練以后，對新規(guī)則進行預測，預測成功時生成新的規(guī)則入庫。

4 BP神經(jīng)網(wǎng)絡解碼應用

本文通過BP神經(jīng)網(wǎng)絡進行規(guī)則的訓練，得到知識模型，從而進行預測【6】。BP神經(jīng)網(wǎng)絡需要通過歷史數(shù)據(jù)的訓練學習隱含的知識。本文中所述隱含的知識指代在新規(guī)則中的標識性數(shù)據(jù)，如起始符、設備ID長度、指令標志位長度及其對應攜帶內(nèi)容模式等。應用過程為：

1）設定本文BP神經(jīng)網(wǎng)絡模型層數(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lr和有動量的梯度下降法進行網(wǎng)絡訓練。

2）將字符以BYTE為單位量化其消息頭各個字段的其實字符偏移地址，作為訓練樣本輸入數(shù)據(jù)。對數(shù)據(jù)進行歸一化處理，歸一范圍[-1，1]；

3）設定最大訓練次數(shù)為20次，訓練要求精度為75%，使用newff（）構造。

4）反復訓練至滿足要求，并保存好訓練好的神經(jīng)網(wǎng)絡。

5）輸入預測數(shù)據(jù)進行預測。

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

圖5 定位信息偏移地址預測收斂速度分析

以黑色圓圈代表的預測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。

由以上訓練和預測模型分別分析訓練得出樣本中的消息頭站位長度，定位信息站位長度，從而逐步分析預測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)絡較好的分解出定位信息的結構信息，從而獲取定位坐標信息。

5 總結

本文通過當前法規(guī)政策下對于車載終端T-BOX內(nèi)部協(xié)議的分析和研究，以及對BP神經(jīng)網(wǎng)絡在解碼、消息處理方面的應用的研究，確立了TSP中遠程控制后臺消息接收端的柔性解碼方案。總體方案通過建立具有BP神經(jīng)網(wǎng)絡算法的指令識別流程，研究構建了可以解析多種不同格式T_BOX消息的解碼器軟件架構，以期可以解決當前國內(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)一化基礎性建設的研究做出重要研究。

參考文獻：

[1] 陳續(xù)陽，李昆，茍潔.基于車聯(lián)網(wǎng)技術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)絡概述[J/OL].電子測試，2015（11）：74-75.

[3] 趙龍，人工神經(jīng)網(wǎng)絡技術及其應用的探討[J/OL].電子技術與軟件工程，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)絡預測模型及應用[J/OL].電子技術與軟件工程，2015（7）.

[6] 王雅楠，孟曉景.基于動量BP算法的神經(jīng)網(wǎng)絡房價預測研究[J].軟件導刊，2015（2）.