本技術涉及數(shù)據(jù)處理，特別是涉及一種數(shù)據(jù)處理方法及系統(tǒng)、云端服務器及車輛。

背景技術：

1、對于交通道路上設置的交通設施（例如交通信號燈、路燈等），目前的交通管理方案是依賴于人工定期進行故障巡檢，以及駕駛員或行人的主動報告故障，這種管理方案不僅效率低下而且反應遲緩，并且存在滯后性，還可能由于人員疏忽或不報告而導致對應故障未被及時記錄，增加對應交通道路上車輛的通行風險。

2、此外，目前交通管理方案缺乏有效的數(shù)據(jù)共享和協(xié)同機制，導致交通設施故障信息不能得到及時傳播，出現(xiàn)信息孤島現(xiàn)象，降低了交通管理系統(tǒng)整體的檢測效率和響應速度。而且面對復雜的交通環(huán)境變化，目前的交通管理方案往往難以靈活應對，且對新技術、新標準的融合能力較弱，同時缺乏高效數(shù)據(jù)能力，難以對大量異構數(shù)據(jù)進行有效整合與深度分析，影響異常檢測的準確性和時效性。所以，目前的交通管理方案在自動化水平、系統(tǒng)集成、數(shù)據(jù)處理能力及應對復雜環(huán)境的靈活性方面存在明顯不足。

技術實現(xiàn)思路

1、鑒于以上所述現(xiàn)有技術的缺點，本技術的目的在于提供一種數(shù)據(jù)處理方法及系統(tǒng)、云端服務器及車輛，用于解決現(xiàn)有技術中存在的技術問題。

2、為實現(xiàn)上述目的及其他相關目的，本技術提供一種數(shù)據(jù)處理方法，包括以下步驟：

3、接收通過車輛無線傳輸?shù)臄?shù)據(jù)包，并對所述數(shù)據(jù)包進行解密；其中，所述數(shù)據(jù)包基于交通道路區(qū)域中的交通數(shù)據(jù)封裝加密生成；

4、基于數(shù)據(jù)包解密結果進行數(shù)據(jù)點異常聚類，以及基于異常聚類結果生成異常區(qū)域；其中，所述數(shù)據(jù)點包括所述數(shù)據(jù)包的地理位置坐標信息；

5、基于車輛的地理位置坐標信息，向處于所述異常區(qū)域預設距離范圍內的車輛推送預警信息。

6、于本技術的一實施例中，基于數(shù)據(jù)包解密結果進行數(shù)據(jù)點異常聚類，以及基于異常聚類結果生成異常區(qū)域的過程包括：

7、基于數(shù)據(jù)包解密結果對所述數(shù)據(jù)包進行完整性驗證；以及，

8、在所述數(shù)據(jù)包通過完整性驗證后，基于所述數(shù)據(jù)包的地理位置坐標信息生成所述數(shù)據(jù)點；

9、選擇數(shù)據(jù)點作為目標數(shù)據(jù)點，并以所述目標數(shù)據(jù)點為中心，記錄所述目標數(shù)據(jù)點的最小鄰域數(shù)據(jù)點數(shù)量，并在所述最小鄰域數(shù)據(jù)點數(shù)量大于或等于第一閾值時，標記所述目標數(shù)據(jù)點為核心數(shù)據(jù)點，以及將對應的數(shù)據(jù)點添加到一個異常聚類中；其中，最小鄰域數(shù)據(jù)點包括位于所述目標數(shù)據(jù)點的預設鄰域半徑內的數(shù)據(jù)點；

10、按照異常聚類結果中的所有邊界數(shù)據(jù)點進行區(qū)域關聯(lián)，生成所述異常區(qū)域；其中，所述邊界數(shù)據(jù)點位于核心數(shù)據(jù)點的預設鄰域半徑內，且不是核心數(shù)據(jù)點。

11、于本技術的一實施例中，在生成所述異常區(qū)域后，所述方法還包括：

12、利用預先或實時建立的數(shù)據(jù)點異常檢測照明異常檢測模型計算所述異常區(qū)域內每個數(shù)據(jù)點的路徑長度；

13、基于每個數(shù)據(jù)點的路徑長度計算出每個數(shù)據(jù)點的異常得分，并在所述異常得分大于預設分數(shù)閾值時，標記對應的數(shù)據(jù)點屬于誤報數(shù)據(jù)點；以及，從所述異常區(qū)域中剔除所述誤報數(shù)據(jù)點對應的關聯(lián)區(qū)域，得到真實的異常區(qū)域。

14、于本技術的一實施例中，基于車輛的地理位置坐標信息，向處于所述異常區(qū)域預設距離范圍內的車輛推送預警信息的過程包括：

15、基于當前車輛的歷史地理位置坐標信息和實時地理位置坐標信息，生成當前車輛的預測行駛軌跡；

16、在所述預測行駛軌跡與所述異常區(qū)域存在交叉時，根據(jù)所述異常區(qū)域的幾何形狀確定所述異常區(qū)域的中心、所述異常區(qū)域的半徑或邊長；

17、基于當前車輛的實時地理位置坐標信息，計算當前車輛與所述異常區(qū)域的中心的距離值，并在所述距離值小于或等于所述異常區(qū)域的半徑或邊長時，將當前車輛標記為預警車輛，以及生成預警信息，并將所述預警信息推送給所述預警車輛；其中，所述預警信息包括：所述交通道路區(qū)域的照明數(shù)據(jù)、車輛駕駛建議。

18、本技術還提供一種數(shù)據(jù)處理方法，應用于車輛，所述方法包括以下步驟：

19、獲取目標區(qū)域的交通數(shù)據(jù)，并對所述交通數(shù)據(jù)進行封裝加密，生成數(shù)據(jù)包；其中，所述目標區(qū)域包括預先或實時確定的交通道路區(qū)域；

20、將所述數(shù)據(jù)包無線傳輸給云端服務器，以使所述云端服務器對所述數(shù)據(jù)包進行解密，并基于數(shù)據(jù)包解密結果進行數(shù)據(jù)點異常聚類，以及基于異常聚類結果生成異常區(qū)域；

21、在所述車輛與所述異常區(qū)域處于預設距離范圍內時，接收所述云端服務器生成并推送的預警信息。

22、于本技術的一實施例中，若所述交通數(shù)據(jù)包括照明數(shù)據(jù)，則獲取所述目標區(qū)域的照明數(shù)據(jù)的過程包括：

23、根據(jù)所述目標區(qū)域的環(huán)境光強度、滑動時間窗口長度內的平均光強度、滑動時間窗口長度內的光強度標準差，計算所述目標區(qū)域的光強度變化率；其中，所述環(huán)境光強度由光強檢測器檢測生成，所述光強檢測器設置在行駛在所述目標區(qū)域內的車輛上；

24、通過多幀目標圖像，計算所述目標區(qū)域中照明設備的閃爍頻率；其中，所述目標圖像包含所述目標區(qū)域中的照明設備，所述目標圖像由圖像拍攝設備拍攝生成，所述圖像拍攝設備設置在行駛在所述目標區(qū)域內的車輛上；

25、通過預先或實時生成的照明異常檢測模型計算目標特征向量對應的預測值，并在所述預測值小于或等于第四閾值時，生成所述目標區(qū)域中照明設備的異常照明數(shù)據(jù)；其中，所述目標特征向量基于當前時刻下所述目標區(qū)域的環(huán)境光強度、滑動時間窗口長度內的平均光強度、滑動時間窗口長度內的光強度標準差、光強度變化率、光強波動狀態(tài)和閃爍頻率生成。

26、于本技術的一實施例中，預先或實時生成照明異常檢測模型的過程包括：

27、利用自編碼器對訓練特征向量進行降維和非線性特征提取，得到降維特征向量；其中，所述訓練特征向量基于歷史時刻下所述目標區(qū)域的環(huán)境光強度、滑動時間窗口長度內的平均光強度、滑動時間窗口長度內的光強度標準差、光強度變化率、光強波動狀態(tài)和閃爍頻率生成；

28、將所述降維特征向量作為訓練樣本，并加入預先或實時建立的目標函數(shù)和約束條件，對所述訓練樣本進行分類訓練，生成所述照明異常檢測模型。

29、于本技術的一實施例中，確定所述目標區(qū)域的光強波動狀態(tài)的過程包括：根據(jù)所述目標區(qū)域的環(huán)境光強度、滑動時間窗口長度內的平均光強度、滑動時間窗口長度內的光強度標準差，確定出所述目標區(qū)域中照明設備的光強波動狀態(tài)，并將所述目標區(qū)域中照明設備的光強波動狀態(tài)作為所述目標區(qū)域的光強波動狀態(tài)；

30、其中，當所述環(huán)境光強度與滑動時間窗口長度內的平均光強度的差值大于或等于第二閾值，確定所述目標區(qū)域中照明設備的光強波動狀態(tài)為異常；或者，在滑動時間窗口長度內的光強度標準差大于或等于第三閾值時，確定所述目標區(qū)域中照明設備的光強波動狀態(tài)為異常。

31、于本技術的一實施例中，對所述照明數(shù)據(jù)進行封裝加密，生成數(shù)據(jù)包，并無線傳輸至云端服務器的過程包括：

32、獲取與所述目標區(qū)域中照明設備的異常照明數(shù)據(jù)關聯(lián)的元數(shù)據(jù)，并基于所述異常照明數(shù)據(jù)和所述元數(shù)據(jù)形成原始數(shù)據(jù)包；所述元數(shù)據(jù)包括：車輛編號、車輛地理位置坐標信息、時間戳、所述照明設備的異常類型、所述照明設備的異常狀態(tài)、數(shù)據(jù)哈希值；其中，所述原始數(shù)據(jù)包的地理位置坐標包括所述元數(shù)據(jù)中的車輛地理位置坐標信息；

33、對所述原始數(shù)據(jù)包進行加密，得到加密數(shù)據(jù)包，以及，將所述加密數(shù)據(jù)包無線傳輸至云端服務器。

34、于本技術的一實施例中，將所述加密數(shù)據(jù)包無線傳輸至云端服務器時，所述方法還包括：

35、計算無線傳輸時的信號強度，并基于所述信號強度和當前信道條件，調整發(fā)射功率和調制方式；以及，

36、在無線傳輸過程中嵌入前向糾錯機制和自動重傳請求機制。

37、本技術還提供一種數(shù)據(jù)處理系統(tǒng)，應用于云端服務器，所述系統(tǒng)包括有：

38、數(shù)據(jù)接收模塊，用于接收通過車輛無線傳輸?shù)臄?shù)據(jù)包，并對所述數(shù)據(jù)包進行解密；其中，所述數(shù)據(jù)包基于交通道路區(qū)域中的交通數(shù)據(jù)封裝加密生成；

39、異常區(qū)域模塊，用于根據(jù)數(shù)據(jù)包解密結果進行數(shù)據(jù)點異常聚類，以及基于異常聚類結果生成異常區(qū)域；其中，所述數(shù)據(jù)點包括所述數(shù)據(jù)包的地理位置坐標信息；

40、預警推送模塊，用于根據(jù)車輛的地理位置坐標信息，向處于所述異常區(qū)域預設距離范圍內的車輛推送預警信息。

41、本技術還提供一種數(shù)據(jù)處理系統(tǒng)，應用于車輛，所述系統(tǒng)包括有：

42、數(shù)據(jù)包生成模塊，用于獲取目標區(qū)域的交通數(shù)據(jù)，并對所述交通數(shù)據(jù)進行封裝加密，生成數(shù)據(jù)包；其中，所述目標區(qū)域包括預先或實時確定的交通道路區(qū)域；

43、無線傳輸模塊，用于將所述數(shù)據(jù)包無線傳輸給云端服務器，以使所述云端服務器對所述數(shù)據(jù)包進行解密，并基于數(shù)據(jù)包解密結果進行數(shù)據(jù)點異常聚類，以及基于異常聚類結果生成異常區(qū)域；

44、預警接收模塊，用于在所述車輛與所述異常區(qū)域處于預設距離范圍內時，接收所述云端服務器生成并推送的預警信息。

45、本技術還提供一種云端服務器，所述云端服務器用于執(zhí)行如上述所述的數(shù)據(jù)處理方法，或者用于執(zhí)行如上述所述的數(shù)據(jù)處理系統(tǒng)。

46、本技術還提供一種車輛，所述車輛用于執(zhí)行如上述所述的數(shù)據(jù)處理方法，或者用于執(zhí)行如上述所述的數(shù)據(jù)處理系統(tǒng)。

47、如上所述，本技術提供一種數(shù)據(jù)處理方法及系統(tǒng)、云端服務器及車輛，具有以下有益效果：

48、本技術通過采用無線傳輸技術實現(xiàn)異常信息的及時上報與分享，縮短了從檢測到響應的時間差，使相關部門能夠更快地介入交通設施故障修復，提高了應急響應速度，有效應對突發(fā)狀況，減少安全隱患。同時，本技術通過云端服務器對交通數(shù)據(jù)進行異常分析，不僅能高效篩選及驗證異常交通數(shù)據(jù)，還能精準定位異常交通數(shù)據(jù)的地理位置，從而為交通管理部門提供決策支持，優(yōu)化交通管理效率，而且也有助于制定更加科學合理的交通維護計劃，避免資源浪費。同時，本技術通過云端服務器及時推送預警信息，能夠讓駕駛員提前采取避險措施，例如采取減速慢行、變更車道或規(guī)劃替代路線等措施，這種主動防護機制提高了公眾對智能交通管理系統(tǒng)的信任，促進社會和諧。此外，本技術通過實時監(jiān)測交通道路區(qū)域中的交通數(shù)據(jù)，能夠及時發(fā)現(xiàn)異常（例如交通信號燈錯誤閃爍、路燈不適當開啟或關閉等），從而大大降低因交通設施故障引發(fā)交通事故的風險，保護駕駛員、乘客以及行人的安全。并且及時修復交通設施故障，可以避免不必要的能源消耗，同時減少因交通阻塞導致的額外碳排放，符合節(jié)能減排要求。所以，本技術形成了一個高度自動化、實時響應的交通數(shù)據(jù)預警推送體系，涵蓋了從交通數(shù)據(jù)采集、分析預測、決策制定到信息傳播的完整流程。能夠通過智能化手段減少交通事故，緩解交通擁堵，提高交通管理系統(tǒng)的整體運行效率，對推動智能交通管理系統(tǒng)的發(fā)展具有重要價值。