本發明涉及數據采集，特別是一種數據采集系統及方法。

背景技術：

1、在現代智能交通系統和自動駕駛技術快速發展的背景下，車輛的數據采集系統已成為車輛運行狀態監測、路況識別及行駛安全控制的關鍵技術之一。現有的數據采集系統主要依賴于固定采樣頻率對車輛狀態參數（如速度、加速度、發動機轉速等）和路況信息（如坡度、濕滑度、交通流量等）進行采集。該類系統普遍采用傳感器陣列對目標信息進行周期性采樣，并結合信號處理算法對采集數據進行特征提取。然而，傳統固定頻率采集方法存在以下問題：一方面，較低的采樣頻率可能導致數據精度不足，影響對突發路況和緊急狀態的快速響應；另一方面，盲目提高采樣頻率雖可增強數據的時效性和完整性，但同時會大幅增加數據傳輸和處理的壓力，導致計算資源浪費，甚至影響系統的實時性。

2、現有技術中，部分研究嘗試通過機器學習模型或專家系統對車輛狀態和路況特征進行分析，并在一定程度上引入動態采樣機制，以優化數據采集過程。例如，有研究提出基于時序預測模型的方法，利用歷史數據對未來路況變化趨勢進行預測，并基于預測結果調整采樣頻率。然而，該類方法存在明顯不足：首先，時序預測模型的性能依賴于大量高質量的歷史數據，一旦面臨突發狀況（如車輛突發故障、極端天氣或突發交通事件），模型的預測準確度往往難以滿足實際需求；其次，部分方法在參數調整時僅依賴于單一變量（如速度或加速度），未能充分考慮車輛狀態、路況特征及其關聯性的綜合影響，導致在復雜工況下易產生誤判；此外，現有方法在采樣頻率調整過程中多采用固定閾值或靜態調整策略，缺乏對頻率變化幅度的自適應控制機制，難以在數據精度與系統開銷之間取得最佳平衡。

3、因此，如何根據車輛狀態和路況特征的動態變化，合理調整采樣頻率，以提高數據采集的有效性和系統的穩定性，已成為該領域的重要研究方向。

技術實現思路

1、鑒于上述傳統固定頻率采集方法存在的問題，提出了本發明。

2、因此，本發明所要解決的問題在于如何提升數據采集系統的時效性、穩定性和精度。

3、為解決上述技術問題，本發明提供如下技術方案：

4、第一方面，本發明提供了一種數據采集系統，其包括，車輛狀態動態編碼生成模塊，基于車輛狀態構建三維狀態空間，將實時車輛狀態映射為車輛狀態編碼；路況特征矩陣建模模塊，采集路況特征構建路況特征矩陣；采集頻率調整模塊，將所述車輛狀態編碼向量降維至二維向量，與所述路況特征矩陣進行克羅內克積運算，生成策略矩陣；對所述策略矩陣進行奇異值分解后保留前n個主成分，形成壓縮策略向量，并動態確認采集頻率；灰度圖譜驅動采集模塊，將所述策略矩陣元素值線性映射生成灰度圖譜，利用灰度值變化趨勢確定采集頻率的調整幅度。

5、作為本發明所述一種數據采集系統的一種優選方案，其中：所述車輛狀態包括電池soc值、車速和驅動模式；所述路況特征包括路面坡度、顛簸指數和彎道曲率半徑參數。

6、作為本發明所述一種數據采集系統的一種優選方案，其中：獲取車輛狀態后，按設定值進行分級，形成分類索引；根據所述分類索引構建三維狀態空間后，通過狀態向量表示車輛狀態，其中分別對應soc區間、車速分級和驅動模式。

7、作為本發明所述一種數據采集系統的一種優選方案，其中：將所述狀態向量映射為6位二進制的車輛狀態編碼，其中前2位表示soc區間，中間2位表示車速分級，后2位表示驅動模式。

8、作為本發明所述一種數據采集系統的一種優選方案，其中：將所述車輛狀態編碼向量輸入自適應投影矩陣生成二維向量；其中，投影矩陣的首行權重根據soc值動態調整。

9、作為本發明所述一種數據采集系統的一種優選方案，其中：所述自適應投影矩陣的構建包括：根據車輛狀態編碼向量的各個分量，計算不同狀態參數之間的影響程度，形成狀態特征梯度矩陣；所述狀態特征梯度矩陣的每個元素表示兩個狀態參數之間的相對變化程度；根據所述狀態特征梯度矩陣的變化趨勢，提取變化最顯著的方向作為主要投影方向，并選取前兩個主方向構建投影矩陣。

10、作為本發明所述一種數據采集系統的一種優選方案，其中：所述根據soc值動態調整包括：計算車輛狀態投影向量在soc值變化時的調整幅度，根據投影向量的變化幅度調整投影矩陣的主要方向。

11、作為本發明所述一種數據采集系統的一種優選方案，其中：所述動態確認采集頻率包括：根據所述壓縮策略向量計算特征均值，若特征均值在設定的閾值范圍內，則保持當前采集頻率；若特征均值低于最低閾值則降低采集頻率；若特征均值高于最高閾值則提升采集頻率。

12、作為本發明所述一種數據采集系統的一種優選方案，其中：所述利用灰度值變化趨勢確定采集頻率的調整幅度包括：計算灰度圖譜的區域紋理復雜度，分析局部灰度變化模式，并依據灰度圖譜的紋理方向特征，將采集參數調整為不同維度的采樣模式。

13、第二方面，本發明提供了一種數據采集方法，其包括：基于車輛狀態構建三維狀態空間，將實時車輛狀態映射為車輛狀態編碼；采集路況特征構建路況特征矩陣；將所述車輛狀態編碼向量降維至二維向量，與所述路況特征矩陣進行克羅內克積運算，生成策略矩陣；對所述策略矩陣進行奇異值分解后保留前n個主成分，形成壓縮策略向量，并動態確認采集頻率；將所述策略矩陣元素值線性映射生成灰度圖譜，利用灰度值變化趨勢確定采集頻率的調整幅度。

14、第三方面，本發明提供了一種計算機設備，包括存儲器和處理器，所述存儲器存儲有計算機程序，其中：所述計算機程序指令被處理器執行時實現如本發明第一方面所述的一種數據采集系統。

15、第四方面，本發明提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其中：所述計算機程序指令被處理器執行時實現如本發明第一方面所述的一種數據采集系統。

16、本發明有益效果為：本發明通過構建車輛狀態動態編碼生成模塊和路況特征矩陣建模模塊，將車輛狀態和路況特征映射至高維狀態空間，并利用編碼向量與路況特征矩陣的克羅內克積運算，實現數據特征的高效壓縮。通過引入灰度圖譜驅動機制，利用灰度值變化趨勢動態確定采樣頻率的調整幅度，進一步提高了系統對突發事件及復雜路況的響應能力。本發明提升了一種數據采集系統的時效性、穩定性和精度，為智能交通系統及自動駕駛領域提供更加高效可靠的數據支持。

技術特征：

1.一種數據采集系統，其特征在于：包括：

2.如權利要求1所述的一種數據采集系統，其特征在于：所述車輛狀態包括電池soc值、車速和驅動模式；所述路況特征包括路面坡度、顛簸指數和彎道曲率半徑參數。

3.如權利要求2所述的一種數據采集系統，其特征在于：獲取車輛狀態后，按設定值進行分級，形成分類索引；根據所述分類索引構建三維狀態空間后，通過狀態向量表示車輛狀態，其中分別對應soc區間、車速分級和驅動模式。

4.如權利要求3所述的一種數據采集系統，其特征在于：將所述狀態向量映射為6位二進制的車輛狀態編碼，其中前2位表示soc區間，中間2位表示車速分級，后2位表示驅動模式。

5.如權利要求1所述的一種數據采集系統，其特征在于：將所述車輛狀態編碼向量輸入自適應投影矩陣生成二維向量；其中，投影矩陣的首行權重根據soc值動態調整。

6.如權利要求5所述的一種數據采集系統，其特征在于：所述自適應投影矩陣的構建包括：根據車輛狀態編碼向量的各個分量，計算不同狀態參數之間的影響程度，形成狀態特征梯度矩陣；所述狀態特征梯度矩陣的每個元素表示兩個狀態參數之間的相對變化程度；根據所述狀態特征梯度矩陣的變化趨勢，提取變化最顯著的方向作為主要投影方向，并選取前兩個主方向構建投影矩陣。

7.如權利要求5所述的一種數據采集系統，其特征在于：所述根據soc值動態調整包括：計算車輛狀態投影向量在soc值變化時的調整幅度，根據投影向量的變化幅度調整投影矩陣的主要方向。

8.如權利要求1所述的一種數據采集系統，其特征在于：所述動態確認采集頻率包括：根據所述壓縮策略向量計算特征均值，若特征均值在設定的閾值范圍內，則保持當前采集頻率；若特征均值低于最低閾值則降低采集頻率；若特征均值高于最高閾值則提升采集頻率。

9.如權利要求1所述的一種數據采集系統，其特征在于：所述利用灰度值變化趨勢確定采集頻率的調整幅度包括：計算灰度圖譜的區域紋理復雜度，分析局部灰度變化模式，并依據灰度圖譜的紋理方向特征，將采集參數調整為不同維度的采樣模式。

10.一種數據采集方法，基于權利要求1~9任一所述的一種數據采集系統，其特征在于：還包括：

技術總結
本發明公開了一種數據采集系統及方法，涉及數據采集技術領域。包括基于車輛狀態構建三維狀態空間，將實時車輛狀態映射為車輛狀態編碼；采集路況特征構建路況特征矩陣；將所述車輛狀態編碼向量降維至二維向量，與所述路況特征矩陣進行克羅內克積運算，生成策略矩陣；對所述策略矩陣進行奇異值分解后保留前n個主成分，形成壓縮策略向量，并動態確認采集頻率；將所述策略矩陣元素值線性映射生成灰度圖譜，利用灰度值變化趨勢確定采集頻率的調整幅度。本發明提升了數據采集系統的時效性、穩定性和精度，為智能交通系統及自動駕駛領域提供更加高效可靠的數據支持。

技術研發人員：白譽平,秦玉,蔣正豪
受保護的技術使用者：南京八明電子科技有限公司
技術研發日：
技術公布日：2025/4/28