【技术实现步骤摘要】
基于安全等级标准来评定和改进驾驶员的驾驶风格的方法
[0001]本专利技术涉及评定和改进驾驶员的驾驶风格安全等级的领域。
技术介绍
[0002]监控驾驶时间和提供关于驾驶员所需休息的反馈是众所周知的。
[0003]因此,需要一种解决方案来评定和改进驾驶员的驾驶风格安全等级。
技术实现思路
[0004]为此,本专利技术提供了一种基于安全等级标准来估计和改进车辆中驾驶员的驾驶风格的方法,该车辆包括电子控制单元、传感器和通信总线,通信总线被配置为将传感器测量的数据传输到电子控制单元,电子控制单元被配置为运行车辆模拟模块、神经网络模块、反馈模块和基于物理的处理模块,方法包括由电子控制单元实施的以下步骤:
[0005]‑
收集由传感器在一段时间内测量的测量传感器数据,所测量的传感器数据包括环境数据、驾驶员信号和车辆状态信号;
[0006]‑
由基于物理的处理模块处理频域中的所测量的传感器数据,从而以基于物理的模型为基础来生成被处理传感器数据,被处理传感器数据包括基于物理的路线分类 ...
【技术保护点】
【技术特征摘要】
1.一种用于基于安全等级标准来估计并且改进车辆中的驾驶员(DRI)的驾驶风格的方法(100),所述车辆包括电子控制单元(ECU)、传感器(S)和通信总线(CB),所述通信总线被配置为将由所述传感器(S)测量的数据传输到所述电子控制单元(ECU),所述电子控制单元被配置为运行车辆模拟模块(VSM)、神经网络模块(NNM)、反馈模块(FM)以及基于物理的处理模块(PPM),所述方法(100)包括由所述电子控制单元(ECU)实施的以下步骤:
‑
收集(101)由所述传感器(S)在一段时间内测量出的被测量传感器数据(MSD),所述被测量传感器数据(MSD)包括环境数据(ED)、驾驶员信号(DS)和车辆状态信号(VSS);
‑
由所述基于物理的处理模块(PPM)在频域中处理(102)所述被测量传感器数据(MSD),以便在基于物理的模型的基础上,生成被处理传感器数据(PSD),所述被处理传感器数据(PSD)包括基于物理的路线分类(PRC)和基于物理的驾驶员的驾驶风格分类(PDSC);
‑
将所述被测量传感器数据(MSD)作为输入馈送(103)给所述神经网络模块(NNM),所述神经网络模块(NNM)被训练用于预测神经网络输出(NNO),所述神经网络输出(NNO)包括机器学习路线分类(MLRC)和机器学习驾驶员的驾驶风格分类(MLDSC);
‑
将所述基于物理的路线分类(PRC)和所述基于物理的驾驶员的驾驶风格分类(PDSC)以及所述机器学习路线分类(MLRC)和所述机器学习驾驶员的驾驶风格分类(MLDSC)作为输入提供(104)给所述反馈模块(FM),所述反馈模块(FM)被配置为估计针对所述驾驶员的驾驶建议(DR),
‑
将所述驾驶建议(DR)输入(105)到仿真模块(EM),所述仿真模块(EM)被配置为基于所述驾驶建议(RD)来提供仿真的驾驶员信号(EDS),
‑
将所述仿真的驾驶员信号(EDS)和所述环境数据(ED)输入(106)到所述车辆模拟模块(VSM),所述车辆模拟模块(VSM)被配置为基于所述仿真的驾驶员信号(EDS)和所述环境数据(ED)来模拟所述车辆,以提供模拟的车辆状态信号(SVSS),
‑
由所述基于物理的处理模块(PPM)在频域中处理(108)所述仿真的驾驶员信号(EDS)和所述模拟的车辆状态信号(SVSS)以及所述环境数据(ED),以生成被处理模拟传感器数据(PSSD),所述被处理模拟传感器数据(PSSD)包括模拟的基于物理的路线分类(SPRC)和模拟的基于物理的驾驶员的驾驶风格分类(SPDSC);
‑
由所述神经网络模块(NNM)处理(109)所述仿真的驾驶员信号(EDS)和所述模...
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。