摘要
本发明提供一种车载网络问题预判方法及系统,方法包括:在车辆运行中,分别对车载网络的应用层性能和物理层性能进行监测,得到应用层性能监测结果和物理层性能监测结果;建立训练样本集,并通过训练样本集对预先构建的梯度提升决策树模型和神经网络模型进行训练和整合,得到网络性能预判模型,其中,训练样本集包括应用层性能测试样本、物理层性能测试样本以及网络风险评估样本;将应用层性能监测结果和物理层性能监测结果均输入网络性能预判模型,得到网络性能预判模型输出的网络问题预判结果。本发明提供的方案,解决了传统车载网络性能测试方案应用场景有限且功能不完善的问题,取得了提高车载网络工作安全性和稳定性的有益效果。
技术关键词
梯度提升决策树
预判方法
车载网络单元
采样波形数据
训练样本集
神经网络模型
网络风险评估
抖动信息
预判系统
测试线束
控制中心
接收端
带标签
回波
时延
芯片
系统为您推荐了相关专利信息
节点
融合时序信息
接触面阵列
动作识别模型
数据
图像特征提取模型
人工智能模型
训练样本集
可读存储介质
特征值