买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中汽数据(天津)有限公司申请的专利一种车联网预期功能安全测试数据扩展方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118656308B 。

龙图腾网通过国家知识产权局官网在2025-02-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411136377.X，技术领域涉及：G06F11/3668；该发明授权一种车联网预期功能安全测试数据扩展方法是由于龙海;张亚楠;宁玉桥;郭振;于奇设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种车联网预期功能安全测试数据扩展方法在说明书摘要公布了：本发明提供一种车联网预期功能安全测试数据扩展方法，涉及车联网安全技术领域，本发明通过对原始数据集中突发情况和罕见驾驶行为的数据进行拓展，使得数据总量变大，所述一种在预期功能安全测试数据集中扩展数据的方法拓展的是数据集中突发情况和罕见驾驶行为的数据。与正常驾驶行为数据相比，突发情况和罕见驾驶行为数据在原始数据集中的所占比重较小，在进行数据拓展后突发情况和罕见驾驶行为数据增多，可以使得训练模型对突发情况和罕见驾驶行为感知更加灵敏。

本发明授权一种车联网预期功能安全测试数据扩展方法在权利要求书中公布了：1.一种车联网预期功能安全测试数据扩展方法，其特征在于，所述方法具体包括如下步骤：SA.检测车联网平台模型调用请求，若检测到所述调用请求，则执行SB，若未检测到所述调用请求，则继续监控所述车联网平台；SB.若检测到所述调用请求，则判定所述车联网平台是进一步完善已训练模型还是训练新的模型；SC.若训练新的模型，则执行开启训练新模型进程；SD.若进一步完善已训练模型，则确定所需训练的模型M所对应的驾驶场景M1；SE.查询所述驾驶场景M1对应的已训练模型中，是否存在训练完毕的模型X；SF.若存在所述训练完毕的模型X，则向所述车联网平台反馈所述训练完毕的模型X，以令所述平台确认所述模型X是否满足需求；SG.若所述模型X满足所述平台需求，则直接调用所述模型X并应用；SH.若所述模型X未能满足所述平台需求，则开启训练新模型进程；步骤SF具体包括如下步骤：所述向所述车联网平台反馈所述训练完毕的模型X，以令所述平台确认所述模型X是否能够满足需求，具体为：所述平台服务器在进行模型选取或模型训练前，被项目管理人员设置数据量阈值；若所述训练完毕的模型X的训练数据量达到所述数据量阈值，则判定为满足需求；否则为不满足需求；其中，判断所述训练完毕的模型X的训练数据量是否达到所述数据量阈值，具体包括如下步骤：SF1.获取所述训练完毕的模型X对应的训练样本集；SF2.提取所述训练样本集中标签为突发情况和罕见驾驶行为的样本；其中，所述训练样本集中每个训练样本均对应一个标签；SF3.统计所述训练样本集中标签为突发情况和罕见驾驶行为的样本总数，当所述样本总数在所述训练样本集样本总数的占比小于预设阈值时，判断所述训练完毕的模型X的训练数据量未达到数据量阈值，判定为不满足需求；当所述样本总数在所述训练样本集样本总数的占比大于等于预设阈值且小于等于预设阈值时，执行步骤SF4；当所述样本总数在所述训练样本集样本总数的占比大于预设阈值时，判断训练完毕的模型X的训练数据量达到所述数据量阈值，判定为满足需求；其中，所述预设阈值为30%，预设阈值为60%；SF4.对步骤SF2中提取出的突发情况和罕见驾驶行为的样本使用K-means算法进行聚类，形成多个突发情况和罕见驾驶行为样本聚类集合{}；其中，为多个突发情况和罕见驾驶行为样本聚类集合中的第h个突发情况和罕见驾驶行为样本聚类集合；u为多个突发情况和罕见驾驶行为样本聚类集合中聚类集合的总数；SF5.针对突发情况和罕见驾驶行为样本聚类集合中的所有样本，计算所有样本中任意两个样本点的距离，形成多个样本点距离；SF6.将步骤SF5中形成的多个样本点距离按照从小到大升序排序，形成由样本点距离组成的排序结果，按照从小到大的顺序获取所述排序结果中前20%的样本点距离对应的样本对；所述排序结果为将所述样本点距离按照由小到大排列形成的序列；所述样本点距离对应的样本对为形成该样本点距离的两个样本点；SF7.分别计算前20%的样本点距离对应的每组样本对的中心点，形成多个中心点；所述每组样本对的中心点为每组样本对中的两个样本点的中心点；SF8.分别计算步骤SF7中所述多个中心点中任意两个中心点的距离，形成多个中心点距离，将所述多个中心点距离按照从小到大排序，获取该排序结果中的最小值；SF9.当所述最小值大于预设阈值时，判断满足数据量需求；当所述最小值小于等于预设阈值时，判断不满足数据量需求；SF10.针对多个突发情况和罕见驾驶行为样本聚类集合{}中的每一个，重复执行步骤SF5至SF9，当u个突发情况和罕见驾驶行为样本聚类集合均被判断为满足数据量需求时，判断训练完毕的模型X的训练数据量达到所述数据量阈值，判定为满足需求；当u个突发情况和罕见驾驶行为样本聚类集合中存在任何一个突发情况和罕见驾驶行为样本聚类集合被判断为不满足数据量需求，则判断所述训练完毕的模型X的训练数据量未达到数据量阈值，判定为不满足需求；若所述模型X未能满足所述平台需求，则开启训练新模型进程的同时，删除所述模型X；其中，步骤SC中的所述训练新模型进程为：S1.对突发情况和罕见驾驶行为数据使用K-means算法聚类；S2.在每个所述聚类中分别进行样本拓展；S3.使用欧式距离，计算与xi距离最近的K个同类样本；xi代表一个聚类中第i个突发情况和罕见驾驶行为的数据；S4.在K个同类样本中进行线性差值；S5.插值生成的每个样本，加入高斯白噪声以增加随机性；S6.使用K-means聚类过程中最终得到的聚类中心的距离，过滤不同类中新增加的样本点，形成完成数据扩展的样本集；S7.根据所述完成数据扩展的样本集进行模型训练，完成新模型的训练；其中，步骤SE具体包括如下步骤：若所述驾驶场景M1对应的已训练模型中，不存在训练完毕的模型X，则忽略未训练完毕的模型W，并开启所述训练新模型进程。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中汽数据(天津)有限公司，其通讯地址为：300392 天津市西青区中北镇万卉路3号新城市中心B1座12-17室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。