一种基于XGBoost的车辆行驶工况识别方法技术

本发明专利技术涉及一种基于XGBoost的车辆行驶工况识别方法，首先通过车联网服务云平台数据库中获取车辆有效历史行车数据，并进行处理，形成适用XGBoost分类算法模型的车辆行驶数据样本；再对XGBoost分类识别模型进行训练数据集准备，经处理形成适用于无监督学习算法的初始数据集；分析确定出初始数据集中各样本数据行驶工况类型标签，形成分类识别模型训练数据集；利用带有行驶工况类别标签的数据集训练XGBoost分类识别模型，经超参数调整后，准确率达到最优；最终利用训练好的XGBoost车辆行驶工况识别模型对车辆行驶数据样本进行识别，并对行驶工况类型进行统计。本发明专利技术简单高效，具有较强的泛化能力，可在多种平台下进行部署应用，利于实际生产应用。利于实际生产应用。利于实际生产应用。

【技术实现步骤摘要】
一种基于XGBoost的车辆行驶工况识别方法


[0001]本专利技术涉及一种车辆行驶工况识别方法，尤其是一种基于XGBoost的车辆行驶工况识别方法，属于智能网联汽车数据分析


技术介绍

[0002]当前国内汽车保有量不断增长，车联网数据也正在爆发式增长，而这些数据犹如巨大的矿产资源，利用数据分析、机器学习、深度学习从大量的车联网数据中挖掘出有价值的信息，对于提高用户安全出行行为以及车辆节能环保具有重要的意义。
[0003]行驶工况反映汽车在行驶过程中速度随时间的变化曲线，通过该曲线可以看出汽车在运行过程中所处的道路环境类型，汽车的行驶工况影响着汽车的安全性与经济性能等，实时的分析汽车所处的工况，对各个汽车生产厂家在开发新能源汽车的过程中具有重要的参考意义，对无人驾驶等策略研究提供丰富的研究素材，同时通过研究汽车的行驶工况，有利于设计更为精准的能量管理策略，增强汽车的燃油利用率。
[0004]因而在汽车远程监控管理系统的功能开发和车辆控制器控制策略设计过程中，对汽车运行数据进行挖掘分析，将行驶工况这一信息引入到监控管理系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBoost的车辆行驶工况识别方法，其特征在于：包括如下具体步骤：步骤1，由现有车联网服务云平台数据库中获取车辆某一天24小时有效历史行车数据，所述行车历史数据至少包括数据采集时间、车辆行驶车速、经纬度位置信息；步骤2，对前述步骤中的历史行驶数据进行处理，形成适用XGBoost分类算法模型的车辆行驶数据样本；步骤3，对XGBoost分类识别模型进行训练数据集准备，通过采集某一地区道路或者采用车辆标准行驶循环工况数据，经处理形成适用于无监督学习算法的初始数据集；步骤4，前述步骤中形成的初始数据集经无监督学习算法学习后，分析确定出初始数据集中各样本数据行驶工况类型标签，形成分类识别模型训练数据集；步骤5，利用带有行驶工况类别标签的数据集训练XGBoost分类识别模型，经超参数调整后，准确率达到最优；步骤6，利用训练好的XGBoost车辆行驶工况识别模型对车辆行驶数据样本进行识别，并对行驶工况类型进行统计。2.根据权利要求1所述的基于XGBoost的车辆行驶工况识别方法，其特征在于：所述步骤2中，历史行驶数据的处理步骤具体为：步骤2.1，将步骤1获取的历史行车数据表示为Data＝[T Veh_v Lon Lat]，其中车辆数据采集时间T＝[t
1 t2ꢀ…ꢀ
t
n
]，间隔时间1s采集一次车辆状态信息；车辆运行状态信息为行驶车速Veh_v＝[v
1 v2ꢀ…ꢀ
v
n
]；位置信息为经度Lon＝[lon
1 lon2ꢀ…ꢀ
lon
n
]，纬度Lat＝[lat
1 lat2ꢀ…ꢀ
lat
n
]；步骤2.2，待识别行驶数据Data分块处理，将行驶数据Data从第一个速度不为0的时间点开始以固定行驶时间t进行窗口化划分，得到行驶数据工况块；步骤2.3，对每一个工况块的速度信息差值求取加速度信息；步骤2.4，计算各工况块的特征参数信息，所述特征参数信息为15种，包括平均车速、运行时平均车速、最大车速、速度标准差、平均加速度、最大加速度、平均减速度、最大减速度、加速度标准差、减速度标准差、加速时间比例、减速时间比例、怠速时间百分比、巡航时间百分比及高速时长占比；步骤2.5，各特征参数信息的计算公式分别为：平均车速：运行时平均车速：最大车速：v
max
＝max(v1,v2,v3,v4,
…
,v
n
)；速度标准差：平均加速度：
最大加速度：a
max
＝max(a1,a2,a3,a4,
…
,a
n
)；平均减速度：最大减速度：d
max
＝max(d1,d2,d3,d4,
…
,d
n
)；加速度标准差：减速度标准差：加速时间比例：减速时间比例：怠速时间百分比：巡航时间百分比：高速时长占比：步骤2.6，所有的工况块对步骤2.5中十五种特征参数进行计算，然后表示为：Pre_Data＝[v
ave v
av v
max v
m a
av a
max d
av d
max a
m d
m a
p d
p S
p V
p h
p
]。3.根据权利要求1所述的基于XGBoost的车辆行驶工况识别方法，其特征在于：所述步骤3中，XGBoost分类识别模型进行训练数据集准备的具体步骤为：步骤3.1，采集某一区域道路或者采用车辆标准行驶循环工况数据作为初始模型训练数据；步骤3.2，将模型训练数据经步骤2的窗口化处理，并进一步进行复合划分，增加数据集样本数目，以及降低训练数据的事件偶然性和随机性，得到训练数据Data
Training
；步骤3.3，对步骤3.2中获得的训练数据Data

【专利技术属性】
技术研发人员：石少健，宋伟，张明月，张平，陶鹤鸣，王陶，
申请(专利权)人：南京依维柯汽车有限公司，
类型：发明
国别省市：