路况识别模型训练方法、装置、电子设备和存储介质制造方法及图纸

本申请实施例公开了一种路况识别模型训练方法、装置、电子设备和存储介质。获取车辆在不同道路上行驶时生成的发动机运行数据；对发动机运行数据进行特征提取，得到运行特征数据；根据运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。本申请实施例提高了路况识别模型对路况识别的准确性。型对路况识别的准确性。型对路况识别的准确性。

【技术实现步骤摘要】
路况识别模型训练方法、装置、电子设备和存储介质


[0001]本申请实施例涉及数据处理技术，尤其涉及一种路况识别模型训练方法、装置、电子设备和存储介质。

技术介绍

[0002]车辆行驶道路路况的分类研究是车辆研究的重要基础，可以分路况对车辆性能、油耗等指标进行更加合理的评价。
[0003]现有技术中，通常基于经纬度对路况识别模型进行训练。但是，基于经纬度的路况识别模型对路况识别的准确率低。

技术实现思路

[0004]本申请提供一种路况识别模型训练方法、装置、电子设备和存储介质，以提高路况识别模型对路况识别的准确性。
[0005]第一方面，本申请实施例提供了一种路况识别模型训练方法，该路况识别模型训练方法包括：
[0006]获取车辆在不同道路上行驶时生成的发动机运行数据；
[0007]对发动机运行数据进行特征提取，得到运行特征数据；
[0008]根据运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。
[0009]第二方面，本申请实施例还提供了一种路况识别模型训练装置，该路况识别模型训练装置包括：
[0010]数据获取模块，用于获取车辆在不同道路上行驶时生成的发动机运行数据；
[0011]特征提取模块，用于对发动机运行数据进行特征提取，得到运行特征数据；
[0012]模型训练模块，用于根据运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。
[0013]第三方面，本申请实施例还提供了电子设备，该电子设备包括：
[0014]一个或多个处理器；
[0015]存储装置，用于存储一个或多个程序；
[0016]当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本申请实施例提供的任意一种路况识别模型训练方法。
[0017]第四方面，本申请实施例还提供了一种包括计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行如本申请实施例提供的任意一种路况识别模型训练方法。
[0018]本申请通过获取车辆在不同道路上行驶时生成的发动机运行数据，对发动机运行数据进行特征提取，得到运行特征数据，根据运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。发动机运行数据是表征车辆行驶特
征的重要数据，车辆在不同的道路上行驶时，发动机运行数据对应不同的特征。通过对发动机运行数据进行特征提取，提取发动机运行数据中的有效特征，可以提高对预先构建的分类模型进行训练的速度，以及分类模型的准确性，使得得到的目标路况识别模型的准确率更高。因此通过本申请的技术方案，解决了基于经纬度的路况识别模型对路况识别的准确率低的问题，达到了提高路况识别模型对路况识别准确性的效果。
附图说明
[0019]图1是本申请实施例一中的一种路况识别模型训练方法的流程图；
[0020]图2是本申请实施例二中的一种路况识别模型训练方法的流程图；
[0021]图3是本申请实施例三中的一种路况识别模型训练方法的流程图；
[0022]图4是本申请实施例四中的一种路况识别模型训练装置的结构示意图；
[0023]图5是本申请实施例五中的一种电子设备的结构示意图。
具体实施方式
[0024]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
[0025]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0026]实施例一
[0027]图1为本申请实施例一提供的一种路况识别模型训练方法的流程图，本实施例可适用于对路况识别模型进行训练的情况，该方法可以由路况识别模型训练装置执行，该装置可以采用软件和/或硬件实现，并具体配置于电子设备中。
[0028]参见图1所示的路况识别模型训练方法，具体包括如下步骤：
[0029]S110、获取车辆在不同道路上行驶时生成的发动机运行数据。
[0030]不同道路可以为车辆行驶的道路类别，用于对发动机运行数据进行标记。示例性的，不同道路可以为高速、国道和山区等，本申请对此不做具体限定。不同道路可以为不同类型的道路。道路为路况中的重要参数，可以根据对不同的道路中车辆的发动机运行数据参数的分析，得到车辆在不同道路上行驶的特征，进而对车辆行驶道路进行识别。
[0031]发动机运行数据可以为车辆运行过程中发动机相关参数的数据，用于为后续路况识别模型的训练提供数据基础。发动机为车辆中的动力装置，可以为车辆的行驶提供动力。不同的道路上的行驶方式具有不同的特征，需要发动机提供的动力不同。因此，根据发动机
运行数据可以区分车辆所行驶的道路。近年来，随着车联网技术的普及与发展，发动机大数据平台积累了大量发动机运行数据。因此可以从发动机大数据平台获取发动机运行数据。
[0032]S120、对发动机运行数据进行特征提取，得到运行特征数据。
[0033]特征提取可以为基于发动机专业知识对发动机运行数据进行特征提取，得到可以表征车辆在不同道路上行驶时发动机运行特征的数据，也即得到运行特征数据，以便于通过运行特征数据训练路况识别模型。示例性的，发动机运行数据可以包括转速、扭矩和档位等。示例性的，特征提取可以为对发动机运行数据的概率分布的统计、标准差的计算和均值的计算等，本申请对此不做具体限定。示例性的，不同的发动机运行数据可以分别进行不同种类的特征提取。例如，提取转速的概率分布，提取扭矩的标准差。示例性的，不同的发动机运行数据也可以进行相同种类的特征提取。例如，分别提取转速和扭矩的概率分布和标准差。也即，运行特征数据可以是对不同发动机运行数据进行同一特征提取得到的，也可以是对不同发动机运行数据进行不同特征提取得到的，本申请对此不做具体限定。
[0034]S130、根据运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。
[0035]路况标签可以为对道路类型进行标记的标签，用于对预先构建的分类模型进行有监督训练。具体的，路况标签可以是通过车辆行驶仪记录的视频、经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路况识别模型训练方法，其特征在于，包括：获取车辆在不同道路上行驶时生成的发动机运行数据；对所述发动机运行数据进行特征提取，得到运行特征数据；根据所述运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型。2.根据权利要求1所述的方法，其特征在于，所述对所述发动机运行数据进行特征提取，得到运行特征数据，包括：根据所述发动机运行数据的统计数据，确定所述运行特征数据。3.根据权利要求2所述的方法，其特征在于，所述发动机运行数据包括速度关联数据和发动机基础数据；相应的，根据所述发动机运行数据的统计数据，确定所述运行特征数据，包括：根据所述速度关联数据的统计数据，确定第一单参数特征；以及，根据所述发动机基础数据的统计数据，确定第二单参数特征；根据所述第一单参数特征和所述第二单参数特征，确定所述运行特征数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一单参数特征和所述第二单参数特征，确定所述运行特征数据，包括：将所述第一单参数特征中的至少部分特征和第二单参数特征中的至少部分特征进行组合，得到多参数特征数据；对所述第一单参数特征、所述第二单参数特征和所述多参数特征进行归一化处理，得到所述运行特征数据。5.根据权利要求4所述的方法，其特征在于，所述根据所述运行特征数据和所行驶道路的路况标签，对预先构建的分类模型进行训练，得到目标路况识别模型，包括：将不同类型的所述运行特征数...

【专利技术属性】
技术研发人员：夏叶，段志辉，苏欣，
申请(专利权)人：一汽解放汽车有限公司，
类型：发明
国别省市：