[发明专利]基于云服务与深度神经网络的车内环境监测预警方法

权利要求书

1.一种基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法包括：

第一步，当有人进入汽车室内时，人体红外检测模块检测到人，一氧化碳气体浓度检测模块、温湿度检测模块和甲醛浓度检测模块开始并行执行工作模式；检测到的实时数据通过5G无线网络传输到智能物联云平台，智能云的数据库服务器进行云存储与备份操作，内容管理服务器进行云计算和大数据聚类分析数据挖掘操作；

第二步，若发现异常数据，将报警信息发送到车主用户的移动智能终端，车主收到报警信息后，将会采取保护性操作；

如未发现异常数据，则继续保持对汽车室内空气质量的监测；车主用户通过移动智能终端调用基于智能云的云服务，随时远程查看汽车室状况；智能云接受到车主用户的服务请求后，积极响应。

2.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法的基于云平台存储的海量的车况数据，将数据分为3类：A类：训练数据集；B类：测试数据集；C类：实时数据集；

通过核密度估计，得到估计的未知的概率密度函数，运行逻辑回归算法，基于A类数据集得到最优的回归系数，基于B类数据得到警报信息分类的决策阈值，基于C类数据得到针对实时车况数据的最佳的警报级别的分类结果。

3.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法包括决策网络和状态网络；

决策现实网络，用于探索决策策略，决策估计网络估计绩效并提供批评值，帮助决策现实网络学习策略的梯度；

状态网络，定义旧版本的决策网络，用于生成训练决策估计网络的目标值；包括状态现实网络和状态估计网络；状态网络的输入来自重播记忆体的下一个状态，输出是训练状态估计网络的批评值；重播记忆体存储经验元组，包括当前状态，当前决策，奖励值和下一个状态；对存储在重播记忆体中的经验元组进行随机采样训练决策网络和状态网络。

4.如权利要求3所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述决策网络和状态网络强化学习的过程的状态、决策，奖励三个关键要素；

状态，反映的状态环境；

决策，由两部分组成：xij和bij，D＝(xij，bij)，其中xij是二进制值，0表示无效，1表示有效；bij是警报方式；

奖励，根据当前的状态和决策，重播记忆体从环境中获得相应的奖励值。

5.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法的基于智能云平台存储的海量车况数据处理方法采用Pycharm IDE以及Pyecharts package，对数据从多个角度进行统计分析与可视化展示；Pyecharts是用于生成Echarts图表的类库；Echarts是百度开源的一个数据可视化JS库。

6.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法的人体红外检测模块开始初始化，输出低电平，当检测到人进入汽车室后，输出高电平；短暂的延时后再检测有没有人，如果有，将继续保持输出高电平，并将此信号发送到协调器，经过信号处理，协调器将再次初始化人体红外检测模块。

7.如权利要求1所述的基于云服务与深度神经网络的车内环境监测预警方法，其特征在于，所述基于云服务与深度神经网络的车内环境监测预警方法人进入汽车室，红外人体检测模块检测到人，当且仅当加速度传感模块输出ON信号时，启动计时器功能；

若计时器连续计时超过2个小时，便开启现场语音提示功能，防止疲劳驾驶；若车主此时停车休息，则加速度传感模块输出OFF信号，计时器清零并停止工作；

若汽车行驶状态未达2个小时，则计时器继续正常工作。