【技术实现步骤摘要】
车辆行驶路况识别方法、装置、设备及存储介质
本专利技术涉及车辆
，尤其涉及一种车辆行驶路况识别方法、装置、设备及存储介质。
技术介绍
在科技和经济日新月异发展的今天，居民对混合动力等新能源汽车的保有量大幅增加，社会对新能源汽车也提出了更多实用性的需求。当下新能源汽车一系列技术的改进为了更适合实际情况，多会考虑对车辆实际行驶路况进行识别的方法。现有技术中，对车辆的实际行驶路况进行识别的方法有K均值聚类算法、和自组织映射神经网络等多种识别方法，但K均值聚类算法和自组织映射神经网络的路况识别准确度并不高，还需要对路况识别结果进行验证，使得路况识别过程较为繁琐，因此，如何在提高路况识别效率的同时，精准地获取车辆路况识别结果是亟待解决的技术问题。上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
本专利技术的主要目的在于提供一种车辆行驶路况识别方法、装置、设备及存储介质，旨在解决如何在提高路况识别效率的同时，精准地获取车辆路况识别结果的技术问题。...
【技术保护点】
1.一种车辆行驶路况识别方法，其特征在于，所述方法包括以下步骤：/n获取当前车辆行驶信息；/n对所述当前车辆行驶信息进行降维处理，获得目标特征参数；/n将所述目标特征参数输入至预先训练的路况识别神经网络模型，以获得行驶路况结果；/n判断所述行驶路况结果是否满足预设路况条件；/n在所述行驶路况结果满足所述预设路况条件时，将所述行驶路况结果作为车辆行驶路况识别结果。/n
【技术特征摘要】 【专利技术属性】
1.一种车辆行驶路况识别方法，其特征在于，所述方法包括以下步骤：
获取当前车辆行驶信息；
对所述当前车辆行驶信息进行降维处理，获得目标特征参数；
将所述目标特征参数输入至预先训练的路况识别神经网络模型，以获得行驶路况结果；
判断所述行驶路况结果是否满足预设路况条件；
在所述行驶路况结果满足所述预设路况条件时，将所述行驶路况结果作为车辆行驶路况识别结果。
2.如权利要求1所述的方法，其特征在于，所述获取当前车辆行驶信息的步骤之前，还包括：
获取综合行驶路况下的当前车辆特征参数；
获取预先设定的综合行驶路况对应的模型数据；
根据所述当前车辆特征参数及所述模型数据确定车辆行驶路况特征的实际输出值；
计算所述实际输出值与车辆行驶特征期望输出值之间的输出差值，并判断所述输出差值是否小于预设期望阈值；
在所述输出差值小于所述预设期望阈值时，根据所述模型数据及所述输出差值，获得所述综合行驶路况对应的初始模型数据；
根据所述初始模型数据确定初始输出差值；
判断所述初始输出差值是否大于或等于所述预设期望阈值；
若所述初始输出差值大于或等于所述预设期望阈值，则根据所述输出差值、所述预设期望阈值及所述初始输出差值确定所述综合行驶路况对应的目标模型数据；
获取所述当前车辆特征参数对应的行驶路况识别结果；
根据所述当前车辆特征参数、所述目标模型数据及所述行驶路况识别结果构建路况识别神经网络模型。
3.如权利要求2所述的方法，其特征在于，所述获取综合行驶路况下的当前车辆特征参数的步骤之前，还包括：
获取标定行驶路况下对应的样本特征参数；
对所述样本特征参数进行降维处理，获得目标样本特征参数；
根据所述目标样本特征参数对所述样本特征参数进行聚类分析，以确定多个样本子路况；
将各样本子路况进行拼接处理，得到综合行驶路况。
4.如权利要求2所述的方法，其特征在于，所述模型数据包括隐藏阈值、隐藏权值、输出阈值和输出权值；
所述根据所述当前车辆特征参数及所述模型数据确定车辆行驶路况特征的实际输出值的步骤，包括：
通过预设隐藏层公式对所述当前车辆特征参数、所述隐藏阈值及所述隐藏权值进行计算，获得隐藏输出值；
所述预设隐藏层公式为：
式中，f(x)为隐藏层的激励函数，x为输入变量，xi为所述当前车辆特征参数，n为输入层神经元个数，j为隐藏层神经元个数，Hj为隐藏输出值，aj为所述隐藏阈值和wij为所述隐藏权值；
通过预设输出层公式对所述隐藏输出值、所述输出阈值及所述输出权值进行计算，获得车辆行驶路况特征的实际输出值；
所述预设输出层公式为：
式中，p为输出层神经元个数，Op为实际输出值，wjp为所述输出权值和bp为所述输出阈值。
5.如权利要求4所述的方法，其特征在于，所述计算所述实际输出值与车辆行驶特征期望输出值之间的输出差值的步骤，包括：
通过预设误差公式对所述实际输出值与期望输出值进行计算，获得输出差值；
所述预设误差公式为：
技术研发人员：石大排，李世程，汪云，刘瑞军，罗婷，刘祯，程清思，刘一鸣，
申请(专利权)人：湖北文理学院，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。