一种针对不同出行方式的模式识别技术制造技术

本发明专利技术公开了一种针对不同出行方式的模式识别技术，所述模式识别技术以电动车的绿色出行为背景，通过对运动过程中输入端提供的能量消耗、行驶载体状态、运动特征三类实时监控的数据预处理后，将大量的时间、经纬度、电压、电流、航向、三维加速度信息，按照运动特征将连续数据进行数据分片切割成轨迹列表，对其进行电源功率与行驶参数特征的特征提取与向量计算，输入经过实测构成的C4.5分类器进行计算，输出轨迹的生成载体类别；旨在以轨迹为单位将出行的绿色部分筛选出来，为碳减排测算等绿色出行提供数据源。

【技术实现步骤摘要】

本专利技术涉及一种模式识别技术，具体是一种针对不同出行方式的模式识别技术。
技术介绍
《HEV行驶模式特征和车辆特征》的方案是基于对混合动力车辆的车载储能系统仿真结果的定性分析，得出电量维持型混合动力模式和电量消耗型混合动力模式的燃料消耗及与电池SOC变化关系；现有技术局限于能量消耗的定性关系分析，对于大量数据在能量消耗与行驶特征的多维度关联分析方面不足，在估算电池SOC信息与能量输出模式的匹配不够，导致对于车辆的行驶载体与特征的甄别存在困难；
技术实现思路
本专利技术的目的在于提供一种细粒度分析现有技术在能量消耗方面的定性原则，尽可能结合样本分析屏蔽储能装置的SOC、能量转化效率与实际运动环境等不确定因素，进行判定规则库的处理分析与相关系数研究，通过C4.5决策树增益处理，提升判定结果的可靠率，从而实现对于绿色出行载体类别的判定的针对不同出行方式的模式识别技术，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种针对不同出行方式的模式识别技术，其特征在于，包括以下步骤：(1)通过行驶特征参数将数据进行分片处理行驶特征的数据判别模型为：行驶特征＝<T，V，C，A>a.读入数据 V → = < v 1 , v 2 , . . . , v t > C → = < c 1 , c 2 , . . . , c t > A → = < a 1 , a 2 , . . . , a t > ]]>其中，V为速度向量，C为航向向量，A为加速度向量b.基于时间序列的位置信息切割为不同行驶特性的轨迹所述行驶轨迹包括启动轨迹、加速轨迹、类匀速轨迹、减速轨迹和拐弯轨迹；(2)基于能量转换与行驶参数特征的模式识别a.针对加速场景下的电能转换关系如下： P = P 1 + P 2 P = U * I P 3 = P 2 * η P 3 = F * V ]]>其中，P为电瓶输出功率，P1为损耗功率，P2电机运行功率，P3为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率；根据电能转换公式得出： P = P 1 + F * V η ]]>b.加速场景下的牵引力情况为：设给定的ts≤ti＜tj≤tf，[ti，tj]区间为极小，即默认电机输出功率不变，对于速度的实时速度vi，vj，存在如下关系： F - μ * m * g = m * a v j - v i = a * ( t j - t i ) ]]>其中m为车载重量，a为[ti，tj]的加速度，μ为摩擦因子；根据以上公式得出加速场景下的实时功率计算值： P = P 1 + 本文档来自技高网...

【技术保护点】
一种针对不同出行方式的模式识别技术，其特征在于，包括以下步骤：(1)通过行驶特征参数将数据进行分片处理行驶特征的数据判别模型为：行驶特征＝<T，V，C，A>a.读入数据V→=<v1,v2,...vt>C→=<c1,c2,...,ct>A→=<a1,a2,...,at>]]>其中，V为速度向量，C为航向向量，A为加速度向量b.基于时间序列的位置信息切割为不同行驶特性的轨迹所述行驶轨迹包括启动轨迹、加速轨迹、类匀速轨迹、减速轨迹和拐弯轨迹；(2)基于能量转换与行驶参数特征的模式识别a.针对加速场景下的电能转换关系如下：P=P1+P2P=U*IP3=P2*ηP3=F*V]]>其中，P为电瓶输出功率，P1为损耗功率，P2电机运行功率，P3为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率；根据电能转换公式得出：P=P1+F*Vη]]>b.加速场景下的牵引力情况为：设给定的ts≤ti＜tj≤tf，[ti，tj]区间为极小，即默认电机输出功率不变，对于速度V的实时速度vi，vj，存在如下关系：F-μ*m*g=m*avj-vi=a*(tj-ti)]]>其中m为车载重量，a为[ti，tj]的加速度，μ为摩擦因子；根据以上公式得出加速场景下的实时功率计算值：P=P1+u*m*g+m*vj*vj-vitj-tiη]]>能量转换特征＝<P，Pin>，P为根据动能计算出的功率，Pin为输入功率；设给定的存在ts，tf，在ts≤ti≤tj≤tf下的实测功率向量为Pin，与模型下计算所得的功率进行皮尔逊相关系数的计算；c.行驶参数特征行驶参数特征＝<U，I，V，Dis(L)>其中，Dis(L)为对该数据分片的经纬度序列进行累计计算得出的里程，即Dis(L)=Σt=ijDis(Lt(longitude),Lt(latitude))]]>电压与速度正向变化关系判定的相关系数，设给定的存在ts，tf，在ts≤ti≤tj≤tf，且Vt＜Vj的加速场景下，计算的皮尔逊相关系数；动能消耗基准差额判定的相关系数，设给定的存在ts，tf，在ts≤ti≤tj≤tf，计算时间序列下里程与能量消耗的的皮尔逊相关系数，其中Pt为输出功率，Tt持续运行时间差；行驶特征及参数判定的相关系数，设给定的存在ts，tf，在ts≤ti≤tf下，按照采样数据区间，计算驱动电压与行驶速度的皮尔逊相关系数；(3)行驶载体模式识别的特征向量行驶载体特征向量＝＜P，Pin，U，I，V，Dis(L)>其中，行驶特征向量的值域范围为：电动自行车、电动汽车及其他，所述电动汽车包括混合动力车EV‑mode；通过计算完成的电源功率特征和行驶参数特征，进行C4.5监督式决策树计算，对行驶载体的类别进行确认。...

【技术特征摘要】
1.一种针对不同出行方式的模式识别技术，其特征在于，包括以下步骤：(1)通过行驶特征参数将数据进行分片处理行驶特征的数据判别模型为：行驶特征＝<T，V，C，A>a.读入数据 V → = < v 1 , v 2 , . . . v t > C → = < c 1 , c 2 , . . . , c t > A → = < a 1 , a 2 , . . . , a t > ]]>其中，V为速度向量，C为航向向量，A为加速度向量b.基于时间序列的位置信息切割为不同行驶特性的轨迹所述行驶轨迹包括启动轨迹、加速轨迹、类匀速轨迹、减速轨迹和拐弯轨迹；(2)基于能量转换与行驶参数特征的模式识别a.针对加速场景下的电能转换关系如下： P = P 1 + P 2 P = U * I P 3 = P 2 * η P 3 = F * V ]]>其中，P为电瓶输出功率，P1为损耗功率，P2电机运行功率，P3为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率；根据电能转换公式得出： P = P 1 + F * V η ]]>b.加速场景下的牵引力情况为：设给定的ts≤ti＜tj≤tf，[ti，tj]区间为极小，即默认电机输出功率不变，对于速度V的实时速度vi，vj，存在如下关系： F - μ * m * g = m * a v j - v i = a * ( t j - t i ) ]]>其中m为车载重量，a为[ti，tj]的加速度，μ为摩擦因子；根据以上公式得出加速场景下的实时功率计算值： P = P 1 + u * m * g + ...

【专利技术属性】
技术研发人员：吴兴龙，
申请(专利权)人：南京乐行天下智能科技有限公司，
类型：发明
国别省市：江苏;32