基于大數據分析的車輛安全檢測系統研究

2022-02-18 03:22楊建文周先存

江西師范大學學報（自然科學版） 2022年6期

蔣慶,陶峰 ,章玉,楊建文,周先存

(皖西學院電子與信息工程學院,安徽六安 237012)

0 引言

隨著中國經濟社會的發展和人民生活水平的提高,人們對車輛安全及其行駛的要求越來越高.如各種運輸車的安全問題不容小覷.以油罐車為例,若在運輸過程中出現意外,則發生火災或爆炸的可能性非常高,一旦事故發生將會帶來重大破壞和高昂的經濟損失,后果不堪設想.然而,目前一般的車輛危險檢測和預警系統已經不能滿足高安全、高準確的要求,需要對其進一步地改進[1].

本文對在市面上一些相似系統進行了以下分析:1)過程監控難.由于車輛作業分散,不能集中管理,而且司機素質參差不齊,所以交通部門很難對車輛進行監控,以至不能及時預防和阻止事故發生.2)過程調度難.若在人煙稀少的地方發生事故,司機無法及時通知管理中心,則會導致事態進一步加劇造成更嚴重的后果.3)無法對歷史數據進行分析和總結,無法從事故中獲取教訓和提取規律來做到未雨綢繆.

針對以上問題,此系統采用了如下的方法:1)項目模塊包括多種傳感器,能夠對不同類型的車輛實行定制化的檢測,如油罐車要油浸檢測、靜電檢測、側翻檢測、火災檢測、GPS檢測以及溫濕度檢測等;冷鏈車則有側翻檢測、火災檢測、GPS檢測、溫濕度檢測等.2)在前端網頁上可實時顯示檢測模塊發送來的環境數據,業務后臺根據獲取的檢測數據進行記錄和分析,若車輛駛入大數據分析所得出的事故多發地段,則系統會進行自動判斷并發出相應預警,且會給出一些解決方案.3)在司機在無法避免事故發生的情況下,該系統可以迅速通知管理中心并及時報警,提供準確位置,避免引起重大傷亡和經濟損失.4)在對交通事故產生的各種影響因素進行全面分析的基礎上,采取有效的控制措施,使車輛檢測更加科學高效[2-6].

1 在系統中的主要應用技術

數據發送算法:數據的發送端對于需要發送的單包數據按照通信協議正確地組裝協議報頭、有效數據和協議報尾,在每包數據發送后需要立即接收并監聽數據接收端反饋回來的結果,若接收正確則繼續發送下一包數據,若接收錯誤則需要重新發送該包數據,從而保證數據通信的正確.發送算法流程如圖1所示[7],數據接收算法流程如圖2所示.

圖1 發送算法流程圖

圖2 數據接收算法流程

1.1 物聯網技術

物聯網(internet of things,簡稱IoT)是指通過各種信息傳感器、射頻識別技術、全球定位系統、紅外感應器、激光掃描器等各種裝置與技術,實時采集需要監控、連接、互動的物體或過程,采集其聲、光、熱、電、力學、化學、生物、位置等各種需要的信息,通過各類可能的網絡接入,實現物與物、物與人的泛在連接,從而實現對物品和過程的智能化感知、識別和管理.物聯網是一個基于互聯網、傳統電信網等的信息承載體,它讓所有能夠被獨立尋址的普通物理對象形成互聯互通的網絡[8-9].

該系統主要應用物聯網技術中的物體識別技術、位置識別技術以及感知技術.物體識別技術以

RFID技術為代表,自動識別車輛的身份信息以加強對運輸車輛的監管；位置識別技術則以GPS技術為主,用以對車輛位置跟蹤；而感知技術則主要是指傳感器,它是用來獲取關于物理信息的重要器件,也是構成物聯網的基礎單元.系統主要應用的傳感器包括傾角傳感器、速度及加速度傳感器、濕度傳感器、溫度傳感器、壓力傳感器等,用于對車輛運輸以及車輛運行狀態進行及時檢測.GPIO其接腳可以供使用者遠程遙控自由使用[10].

1.2 大數據技術

大數據是一種規模大到在獲取、存儲、管理、分析方面超出了傳統數據庫軟件工具能力范圍的數據集合,具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低4大特征[11].

該系統主要應用了Hadoop技術和MapReducer技術.Hadoop是一個由Apache基金會所開發的分布式系統基礎架構,用戶可以在不了解分布式底層細節的情況下開發分布式程序,從而充分利用集群機的威力進行高速運算和存儲.Hadoop實現了一個分布式文件系統[12],系統采用其對數據進行分析和處理.MapReduce是一種編程模型,用于大規模數據集(大于1 TB)的并行運算.MQTT(message queuing telemetry transport,消息隊列遙測傳輸)是一種輕量級的IoT協議,將數據作為字節數組傳輸,通信負載小、流量低,適用于設備和平臺保持長時間連接.其特點是可以實現設備間的單播和組播,設備可以在不依賴下發命令服務、推送服務等命令服務的情況下,以應用服務器的方式對其他設備進行管理和控制[13-15].

2 系統結構

基于物聯網與大數據分析的車輛安全系統和監測被給出,并在前端展示,系統結構如圖3所示.系統分成如下幾個部分:本地端、物聯網端、大數據端、業務邏輯端.本地端通過GPIO引腳讀取相關信息以及通過MQTT協議將數據上傳至云服務器；物聯網端再通過配置服務器http協議的端口安全組推送至應用平臺,讓數據及時入庫；大數據端通過大量數據呈現數據長遠性規律,物聯網收集的數據在通過大數據處理后形成危險地段警告,當車輛經過危險地段時,系統會發送短信提醒用戶；業務邏輯端則將數據進行可視化.

圖3 系統結構圖

2.1 本地端

本地端的運行邏輯圖如圖4所示.本地端通過Arduino單片機系列、針對不同種類車輛的傳感器模塊和通訊模塊組成本地端系統.首先,在網絡自檢完成后,設備會將設備ID和鑒權密鑰發送至后臺服務器中的物聯網(internet of things,IoT)消息服務器進行設備鑒權.此時IoT消息服務器會根據接收到的設備ID和鑒權密鑰與數據庫中的權限表中的相應數據進行比對,若匹配則準許此設備接入,否則拒絕.

圖4 運行邏輯圖

Arduino Nano(Arduino USB接口的微型版本)通過讀取傳感器上GPIO引腳獲取到的相關數據并進行采集,將數據打包后傳遞給物聯網WiFi芯片——ESP8266,通過ESP8266上面連接的WiFi進行遠程通信,由傳感器對數據進行收集,并由C語言所編寫的循環輪詢系統對所接收到的數據進行解析.其中接收到的傳感器模塊需要針對不同類型的車輛進行定制,再通過MQTT協議將數據整合發布到云端.并且在終端上電后會自啟動程序代碼,在正常運行后會進行網絡自檢,若發現當前無法連接到網絡則會以3 s為周期不斷進行重連直至網絡連接成功,從而使數據以更快捷高效的方式傳遞到云服務器.

2.2 物聯網端

數據推送的流程時序圖如圖5所示.在信息上傳到物聯網開放平臺OneNet之后,物聯網端通過配置key向OneNet后臺推送服務,然后OneNet向數據流接收平臺推送服務,oneNet在通過MQTT協議對數據源進行處理后產生數據,再對數據進行簽名加密,數據流接收平臺在接收到數據后再向OneNet后臺推送由“GET URL?msg=x& signature=y”中x生成的一串用于服務器校驗的值.在通過MQTT協議打包數據后產生的數據經過切割轉化成在http協議里的鍵值對,最后配置http協議的端口將數據推送到應用平臺,利用OneNet影響下的消息推送服務能在服務器空閑或者不繁忙時將消息推送出去的特性,使得用戶既能及時收到預警信息,又不會因消息發送過于頻繁而被打擾.

圖5 數據推送的流程時序圖

2.3 大數據端

大數據端的運行邏輯圖如圖6所示.大數據端主要由Hadoop對數據進行清理和分析,通過MapJoin緩存小數據表到本地端中與大數據表進行比對,并對數據進行處理,再由MapReducer串聯的多個Job對數據進行清洗、分離和分析,最后通過Hadoop之間的仲裁機制以及節點之間的響應機制協調多個分布式進程之間的活動.由此實現對車輛當前的種類、所處日期與溫度以及對車輛當前該地區事故發生率等進行判斷并通過數據進行預測.

圖6 運行邏輯圖

2.4 業務邏輯端

前端項目采用以Bootstrap框架創建主要底層頁面并加以應用layUI框架中的頁面組件以達到美化頁面的效果,以及使用Echarts和Webscoket數據可視化的效果.后端采用的是SpringBoot框架和shiro安全框架,最后放到服務器中進行運行.

服務器將從MQTT協議的數據傳送到云服務器上,并且將數據通過前端數據可視化.在用戶登錄的模式下,可以查看綁定的車輛車牌號、設備安裝的位置以及車輛信息狀態.在客服登錄的模式下,可以看見受災車輛信息.后端通過Spring Boot對前端數據進行支撐,使數據可視化,然后對采集到的信息數據進行大數據分析,判斷該種車輛是否安全以及是否對車輛發出預警,并且將采集到的數據收集到數據庫中.

3 系統測試

3.1 采集模擬測試準備

此測試主要目的是驗證軟件能否正常將數據發送至后臺服務器進行處理,測試準備結果如圖7所示.在數據庫的表中新增1條設備的鑒權信息,如增加設備ID為770268195,設備鑒權密鑰為abcdefghijklmnopqrstuvwxyz.然后打開電腦命令行進行終端運行,軟件已成功運行.最后查詢在數據庫物聯網表中是否有設備ID為770268195的狀態信息以及在物聯網表中是否有模擬數據.