基于4G网络与多源信息融合的车辆防盗系统研究

林可春



基于4G网络与多源信息融合的车辆防盗系统研究

林可春

（福建船政交通职业学院，福建福州 350007）

为了准确实现对车辆安全状态进行实时监测及防盗报警，设计了基于4G网络与信息融合的车辆安全状态监测系统。根据系统的数据分析需求，本文提出利用模糊神经网络算法融合多种传感器监测数据以判断车辆安全状态。通过对现场数据分析，结果表明该算法可以准确地判定车辆的安全状况。

车辆防盗；4G无线通讯；信息融合；模糊神经网络

伴随私家车数量的不断增加，汽车偷窃案的发生频率也在不断增加，甚至已经成为城市犯罪数目最多的行为之一。每辆汽车价格不菲，一旦丢失将会带来巨大的经济损失，同样为社会带来了不稳定因素。因此，关于汽车防盗的设计已经日益迫切。

文章基于目前主要的盗窃方式，采用监控模块，该监控模块由传感器组成，并可对车体状态进行实时监控；不仅如此，监控模块可依据传感器性能的不同之处取长补短，对汽车的实时状态信息进行完善。由于各安装检测传感器种类多，位置分散，因此采用成熟的4G网络技术将各传感器的采集的数据传送至中央处理器。中央处理器选择的算法为数据融合法，选择数据融合法可对汽车的安全状态进行准确判断。选择多传感器融合技术的优势在于增加判断可信度，判断更加准确，效率更高。

1 基于4G网络技术的数据采集系统设计

4G网络与多源信息融合的车辆防盗系统设计包括检测模块，中央处理模块，执行模块，通信模块，基于 4G网络技术的数据传输网络是数据通讯系统的关键，本文 4G通信模块是4G无线通信的基础硬件，其控制器的设计方式较为新颖，即选择核心板与接口板互相结合的方式，外观结构确定为机笼式，这种设计方式的优势在于具有良好的扩展性[1]。

1.1 4G 通信接口模块电路设计

（1）SIM5218通信模块简介。控制器网关设备之间依靠USB线进行连接，设计方式选择核心板与接口板互相结合的方式。其中，4G 通信接口板所选模块，完美支持USB 2.0 和 UART 通信，可以完全满足三频/四频网络的无线通信和数据传输速度的要求。

（2）SIM5218模块的接口电路设计。SIM5218模块接口电路原理即为将SIM5218芯片的基本功能引脚引出，涵盖四方面内容：第一方面为UART_TXD 发送引脚；第二方面为UART_RXD 接收引脚；第三方面为USB_D+引脚；第四方面为USB_D-引脚。SIM卡的通信引脚又包含CARD_CLK、音频输入输出引脚等等。

（3）复位监控电路设计。复位监控电路采用美国 CATALYST公司生产的CAT1023器件，如图4所示。CAT1023器件主要是由两部分集成，分别为：①EERPROM；②看门狗输入引脚 PIN7。CAT1023器件的主要功能在于监控，第一大监控功能对电源、电源内部固件程序的运行状态进行实时监控；第二大监控功能为对SIM5218 接口板进行监控，若内部固件程序出现跑飞现象，CAT1023 器件形成可设定宽度的复位信号，纠正问题设备迅速恢复正常运行状态。

1.2 4G通信程序设计

本平台使用厦门才茂工业级TD-SCDMA+ZIGBEE网格终端TD-SCDMAZTU CM2591，该装置的串行接口为RS485 串行接口，并可根据其他接口（RS232、RS422）进行相应的通讯连接。所以，4G模块的显著优势在于可以迅速达到接收、发送以及管理的目标。

2 模糊系统与神经网络融合决策

文章基于模糊控制系统和神经网络相互结合的先进技术，并融合了多传感器结合技术，大幅度降低误报率，确保汽车安全状态监测过程中所具有的准确性以及可靠性[2]。

在车辆防盗检测中很多参数都能反映车辆盗窃形成的过程，比如座椅检测到的压力、人体感应、车辆移动距离、车辆振动强度等等，通过分析可知这些参数值或它们的变化率与车辆安全状态各个阶段都有一定的映射关系。本文车辆防盗监测系统结构分为三层，即信息层、融合处理层和决策层。

（1）信息层的主要功能为采集。对不同传感器的数据进行采集；

（2）融合处理层的主要功能是整合、分析。整合、分析不同传感器数据，并确定分析安全结果的概率，以及危险结果的概率；

（3）决策层的主要功能是判定与输出。通过分析判定，确定最终结果并输出。

车辆防盗监测算法系统结构如图1所示

图1车辆安全监测算法结构图

本系统中决策层的主要任务时分居模糊神经网络融合算法对上一层的输出结果做出最终判断。本算法设定神经网络输入层的输出车辆状态安全概率为 Q1、车辆状态危险概率为Q2，模糊推理系统输出的车辆状态安全概率为G，两个子系统的输出会有一定的矛盾性。对此，应将基础的决策层确定如下：神经网络、模糊系统的输出，并采取融合处理，基于模糊神经网络推理系统，对汽车是否被盗进行综合判定。

3 仿真实验结果及分析

本文使用 MATLAB7 的模糊神经网络工具箱对所设计的模糊神经网络融合算法的车辆安全监控系统进行仿真，仿真结果表明模糊神经网络融合算法的车辆安全状态判定结果准确性更高。图2为模糊神经网络训练后的收敛结果，从图中可以看出训练后达到收敛，收敛速度较快，精度达到了0.07。

图2模糊神经网络训练结果

4 结论

综上所述，文章设计的汽车防盗系统采用了现代电子技术，大幅度降低误报率，可以准确监控车辆的实时状态，对于提升汽车的安全性能是有利的。因为当汽车出现被盗情形时，中央处理单元可迅速通过4G无线网络通知车主。这相对于普通的声音警报，不仅时间短、效率高，还解决了扰民的困扰。

[1]陈晓琴. 基于多传感器信息融合技术的汽车防盗系统设计[J]. 制造业自动化. 2010(15):43-45.

[2]滕峻林,龙永红,贺理. 基于RFID技术的智能汽车安全防盗系统设计[J]. 湖南工业大学学报. 2010(06):20-23.

Research on vehicle anti theft system based on 4G network and multi source information fusion

(Fujian chuanzheng communications Career Academy, Fuzhou Fujian 350007)

In order to accurately state of the vehicle safety of real-time monitoring and anti-theft alarm design 4G network and information fusion of vehicle safety monitoring system based on. According to the data of the system needs analysis, is proposed in this paper by using fuzzy neural network algorithm to fuse multiple sensors monitoring data to determine the vehicle safety status. Through the analysis of field data. The results show that the algorithm can accurately determine the safety condition of the vehicle.

Vehicle anti theft; 4G wireless communication; Information fusion; Fuzzy neural network

（责任编辑：吴湘银）

N945.2

A

10.3969/j.issn.1672-7304.2016.06.039

1672–7304(2016)06–0089–02

林可春（1975-），男，副教授，研究方向：汽车运用工程。