车辆行驶工况确定方法、设备和存储介质技术

本发明专利技术涉及汽车领域，公开了一种车辆行驶工况确定方法、设备和存储介质。该方法包括：通过地图应用获取从预设起点到预设终点的规划路径以及目标信息；基于设定距离间隔根据所述规划路径确定车辆行驶距离的坐标；根据样本数据以及目标信息预测预设车辆按照所述规划路径行驶时的停车位置和停车时间；至少基于停车位置、所述停车时间以及驾驶员的驾驶风格特征通过神经网络模型预测所述预设车辆在各交通片段行驶时的目标行驶车速；以车辆行驶距离的坐标为横坐标，分别以停车时间和目标行驶车速为纵坐标确定车辆行驶工况曲线。本实施例构建了更能反应车辆实际行驶状态的仿真工况，为车辆控制策略的优化与仿真测试提供了参考依据。辆控制策略的优化与仿真测试提供了参考依据。辆控制策略的优化与仿真测试提供了参考依据。

Method, equipment and storage medium for determining vehicle driving conditions

【技术实现步骤摘要】
车辆行驶工况确定方法、设备和存储介质


[0001]本专利技术涉及汽车
，尤其涉及一种车辆行驶工况确定方法、设备和存储介质。

技术介绍

[0002]工况是车辆性能提升的共性基础，对于车辆能耗优化、控制策略标定及新技术的开发具有重要意义。当前在汽车领域广泛应用的车辆工况是标准循环工况，如WLTC（World Light Vehicle Test Cycle，世界轻型汽车测试循环工况）、WLTP（World Light Vehicle Test Procedure，世界轻量型汽车测试程序）、CLTC（China Light
‑
dutyvehicleTestCycle
‑
passenger，中国轻型乘用车工况）等。
[0003]但由于地域差异、道路差异、驾驶风格差异等原因，造成车辆实时工况与标准工况差异较大。
[0004]有鉴于此，特提出本专利技术。

技术实现思路

[0005]为了解决上述技术问题，本专利技术提供了一种车辆行驶工况确定方法、设备和存储介质，构建了更能反应车辆实际行驶状态的仿真工况，为车辆控制策略的优化与仿真测试提供了参考依据。
[0006]本专利技术实施例提供了一种车辆行驶工况确定方法，该方法包括：通过地图应用获取从预设起点到预设终点的规划路径以及与所述规划路径关联的目标信息；基于设定距离间隔根据所述规划路径确定车辆行驶距离的坐标；根据样本数据确定特征参数矩阵；其中，所述样本数据包括包含交通信号灯的交通片段和不包含交通信号灯的交通片段；对所述特征参数矩阵中的特征参数进行降维处理，获得标准化矩阵；基于所述标准化矩阵进行主成分分析，获得多个第一主成分；对所述多个第一主成分进行聚类运算，获得两个聚类中心；对所述目标信息中的交通片段进行主成分分析，获得多个第二主成分；根据所述多个第二主成分和所述两个聚类中心确定所述目标信息中包含交通信号灯的目标交通片段；根据所述目标交通片段的拥堵系数以及交通信号灯的设定周期预测预设车辆按照所述规划路径行驶时的停车位置和停车时间；结合历史统计数据确定各交通片段的第一平均加速度和第一平均减速度；根据驾驶员的驾驶风格特征对所述第一平均加速度和第一平均减速度进行修正，获得第二平均加速度和第二平均减速度，其中，所述驾驶风格特征用于表征驾驶员驾驶车辆时速度的快慢；
至少基于所述停车位置、所述停车时间、所述第二平均加速度和所述第二平均减速度通过神经网络模型预测所述预设车辆在各交通片段行驶时的目标行驶车速；以所述车辆行驶距离的坐标为横坐标，分别以停车时间和目标行驶车速为纵坐标确定车辆行驶工况曲线。
[0007]本专利技术实施例提供了一种电子设备，所述电子设备包括：处理器和存储器；所述处理器通过调用所述存储器存储的程序或指令，用于执行任一实施例所述的车辆行驶工况确定方法的步骤。
[0008]本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行任一实施例所述的车辆行驶工况确定方法的步骤。
[0009]本专利技术实施例具有以下技术效果：通过地图应用获取从预设起点到预设终点的规划路径以及与所述规划路径关联的目标信息；基于设定距离间隔根据所述规划路径确定车辆行驶距离的坐标；根据样本数据以及所述目标信息预测预设车辆按照所述规划路径行驶时的停车位置和停车时间，其中，所述样本数据包括包含交通信号灯的交通片段和不包含交通信号灯的交通片段；至少基于所述停车位置、所述停车时间以及驾驶员的驾驶风格特征通过神经网络模型预测所述预设车辆在各交通片段行驶时的目标行驶车速；以所述车辆行驶距离的坐标为横坐标，分别以停车时间和目标行驶车速为纵坐标确定车辆行驶工况曲线。能够在地图应用提供有限目标信息的情况下，还原交通场景，自动化构建出反应实际交通的仿真工况，为汽车能耗优化与仿真测试提供依据。
附图说明
[0010]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1是本专利技术实施例提供的一种车辆行驶工况确定方法的流程图；图2是本专利技术实施例提供的一种规划路径、交通段和交通片段之间关系的示意图；图3是本专利技术实施例提供的一种距离横坐标的示意图；图4为本专利技术实施例提供的一种电子设备的结构示意图。
具体实施方式
[0012]为使本专利技术的目的、技术方案和优点更加清楚，下面将对本专利技术的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本专利技术所保护的范围。
[0013]本专利技术实施例提供了一种车辆行驶工况确定方法，融合了驾驶员的驾驶风格特征与实时的交通数据，从而实现了车辆实时行驶工况的构建。一定程度上解决了车辆实时行
驶工况与构建的标准工况之间差异较大的问题。
[0014]本专利技术实施例提供的车辆行驶工况确定方法可以由车辆行驶工况确定装置执行，该装置可集成在电子设备中。
[0015]图1是本专利技术实施例提供的一种车辆行驶工况确定方法的流程图。参见图1，该车辆行驶工况确定方法具体包括：S110、通过地图应用获取从预设起点到预设终点的规划路径以及与所述规划路径关联的目标信息。
[0016]具体的，通过地图应用的输入界面输入起点（该起点即为所述预设起点）和终点（该终点即为所述预设终点），地图应用根据当前的实时路况给出一条最优的规划路径，例如是花费时间最短的规划路径或者距离最短的规划路径等，用户可根据自己的实际需求从中选择一条。或者，地图应用只给出一条默认的最优规划路径。
[0017]除了能获得从预设起点到预设终点的规划路径，还能从地图应用的API（ApplicationProgrammingInterface，应用程序接口）获取与规划路径关联的目标信息。
[0018]示例性的，所述目标信息包括：所述规划路径的总长度、通过所述规划路径所需要的总通过时间、所述规划路径所包括的各交通段的第一长度与对应的第一通过时间、所述规划路径所包括的各交通片段的第二长度、各交通片段对应的拥堵系数、各交通片段的道路属性、各交通片段对应的车辆行驶动作以及所述规划路径所包括的交通信号灯的数量中的一种或多种，其中，所述规划路径包括一个或者多个交通段，一个交通段包括一个或者多个交通片段。参考如图2所示的一种规划路径、交通段和交通片段之间关系的示意图，其中，规划路径A包括一个或多个交通段B，每个交通段B包括一个或者多个交通片段C。地图应用根据当前的交通路况预估的车辆通过交通段B所花费的时间为交通段B对应的第一通过时间，交通段B的总长度为对应的第一长度，地图应用根据当前的交通路况预估的车辆通过交通片段C所花费的时间为交通片段C对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆行驶工况确定方法，其特征在于，包括：通过地图应用获取从预设起点到预设终点的规划路径以及与所述规划路径关联的目标信息；基于设定距离间隔根据所述规划路径确定车辆行驶距离的坐标；根据样本数据确定特征参数矩阵；其中，所述样本数据包括包含交通信号灯的交通片段和不包含交通信号灯的交通片段；对所述特征参数矩阵中的特征参数进行降维处理，获得标准化矩阵；基于所述标准化矩阵进行主成分分析，获得多个第一主成分；对所述多个第一主成分进行聚类运算，获得两个聚类中心；对所述目标信息中的交通片段进行主成分分析，获得多个第二主成分；根据所述多个第二主成分和所述两个聚类中心确定所述目标信息中包含交通信号灯的目标交通片段；根据所述目标交通片段的拥堵系数以及交通信号灯的设定周期预测预设车辆按照所述规划路径行驶时的停车位置和停车时间；结合历史统计数据确定各交通片段的第一平均加速度和第一平均减速度；根据驾驶员的驾驶风格特征对所述第一平均加速度和第一平均减速度进行修正，获得第二平均加速度和第二平均减速度，其中，所述驾驶风格特征用于表征驾驶员驾驶车辆时速度的快慢；至少基于所述停车位置、所述停车时间、所述第二平均加速度和所述第二平均减速度通过神经网络模型预测所述预设车辆在各交通片段行驶时的目标行驶车速；以所述车辆行驶距离的坐标为横坐标，分别以停车时间和目标行驶车速为纵坐标确定车辆行驶工况曲线。2.根据权利要求1所述的方法，其特征在于，所述根据所述样本数据确定特征参数矩阵，包括：根据所述样本数据中交通片段的长度以及对应的拥堵系数确定对应交通片段的第二通过时间；根据交通片段的长度以及对应的第二通过时间确定对应交通片段的平均车速；至少将交通片段的平均车速作为对应交通片段的特征参数；基于所述特征参数构建所述样本数据中所有交通片段的特征参数矩阵。3.根据权利要求1所述的方法，其特征在于，所述至少基于所述停车位置、所述停车时间、所述第二平均加速度和所述第二平均减速度通过神经网络模型预测所述预设车辆在各交通片段行驶时的目标行驶车速，包括：将所述停车位置、所述停车时间、所述第二平均加速度、所述第二平均减速度、各交通片段的第二通过时间、各交通片段的第二长度、各交通片段的平均车速、各交通片段的道路属性以及各交通片段对应的车辆驾驶动作输入至所述神经网络模型，获得所述预设车辆在各交通片段行驶时的目标行驶车速。4.根据权利要求1所述的方法，其特征在于，所述结合历史统计数据确定各交通片段的第一平均加速度和第一平均减速度，包括：结合历史统计数据确定各交通片段的平均加速度的第一取值范围以及平均减速度的
第二取值范围...

【专利技术属性】
技术研发人员：王伟，郑宏，曲辅凡，李文博，李飞，王长青，张晓辉，刘乐，
申请(专利权)人：中汽研汽车检验中心天津有限公司，
类型：发明
国别省市：