[发明专利]基于人工智能的融合型车载智能存储系统及方法

权利要求书

1.基于人工智能的融合型车载智能存储系统，其特征在于，包括：

数据采集模块，所述数据采集模块设置在车辆上，所述数据采集模块用于采集车载信息；

数据处理模块，所述数据处理模块与所述数据采集模块通讯连接，所述数据处理模块用于对所述数据采集模块所采集的车载信息进行处理和分析；

服务器，所述服务器与所述数据处理模块通讯连接，所述服务器用于对所述数据处理模块处理和分析后的车载信息进行上传；

人工智能模块，所述人工智能模块与所述服务器通讯连接，所述人工智能模块用于根据预设的融合规则对所述服务器上传的车载信息进行融合；

数据存储模块，所述数据存储模块与所述人工智能模块通讯连接，所述数据存储模块用于对所述人工智能模块融合后的车载信息进行存储。

2.根据权利要求1所述的基于人工智能的融合型车载智能存储系统，其特征在于：还包括管理中心，所述管理中心与所述数据存储模块通讯连接，所述管理中心用于对所述数据存储模块存储的数据进行管理。

3.根据权利要求1所述的基于人工智能的融合型车载智能存储系统，其特征在于：所述人工智能模块根据预设的融合规则对车载信息进行融合的具体步骤包括：

S1：选取每个不同车载信息种类至少一个样品，对样品的特征进行提取，并将提取的特征构建特征数据库，不同车载信息种类按照预定的车载信息种类序号进行排序，将特征数据库内样品的特征向量集合Fi＝{fi1，fi2，……，fin}，其中，Fi表示为第i类车载信息样品对应的特征向量集合；

S2：对特征数据库内样品的特征集合Fi按照基本特征和特殊特征进行融合，分别构成基本特征向量集合Ei＝{ei1，ei2，……，eik}，特殊特征向量集合Gi＝{gi1，gi2，……，giy}，其中，eik表示为第i类车载信息样品的第k个基本特征向量，giy表示为第i类车载信息样品的第y个特殊特征向量，且n＝k+y；

S3：对需融合的车载信息提取若干特征向量，对提取的特征向量进行分组，将基本特征向量集合标记为C＝{c1，c2，……，cx}，将特殊特征向量集合标记为D＝{d1，d2，……，dv}，其中k与x一一对应，y与v一一对应；

S4：将待融合车载信息的基本特征向量集合中的第一基本特征向量c1与特征数据库中存储的基本特征向量集合的第一基本特征向量ei1进行一一对比，从特征数据库中提取与待融合车载信息的第一基本特征向量相同的样品的基本特征向量集合和特殊特征向量集合；

S5：将待融合车载信息中的其余基本特征向量与提取的基本特征向量集合中的其余基本特征向量进行逐一比对，比对结果一致，则取对比值gaj＝1，否则，gaj＝0，得到基本特征向量对比值集合Ga＝{ga1，ga2，……，gaj}，Ga表示待融合车载信息与第a类车载信息样品基本特征向量的对比值集合，其中，j与k一一对应；

其中，基本特征向量具有不同的权重，分别为H1，H2，……，Hj，H1＞H2＞……＞Hj，且H1+H2+……+Hj＝1；

S6：将待融合的车载信息与提取的基本特征向量集合对应的车载信息样品种类进行相似度系数计算，利用相似度公式表示待融合车载信息与第a类车载信息样品对应的基本特征向量的相似度系数Qa；

S7：当Qa大于预设值时，提取第a类车载信息样品对应的特殊特征向量集合，并按照Qa从高到低的顺序依次输出该相似度系数对应的特殊特征向量集合，将待融合车载信息中的特殊特征向量与该相似度系数对应的特殊特征向量进行逐一比对，比对结果一致，则取对比值pau＝1，否则，pau＝0，得到特殊特征向量对比值集合Pa＝{pa1，pa2，……，pau}，Pa表示待融合车载信息与第a类车载信息样品特殊特征向量的对比值集合；

基本特征向量与特殊特征向量集合所占的权重分别为A1和A2，且A1+A2＝1；

S8：利用融合公式计算得出待融合车载信息的特征向量与对应车载信息种类样品特征向量的同类系数Ma，提取Ma数值最高对应的车载信息种类，并将该待融合车载信息融合于该车载信息种类。

4.根据权利要求3所述的基于人工智能的融合型车载智能存储系统，其特征在于：所述S6中相似度公式为：