一种驾驶模式实时切换方法、系统、电子设备及介质技术方案

本发明专利技术公开了一种驾驶模式实时切换方法、系统、电子设备及介质，涉及车辆控制技术领域，该方法包括：采集当前的自然驾驶工况下的实车数据；基于所述实车数据，采用K

【技术实现步骤摘要】
一种驾驶模式实时切换方法、系统、电子设备及介质


[0001]本专利技术涉及车辆控制
，特别涉及一种驾驶模式实时切换方法、系统、电子设备及介质。

技术介绍

[0002]随着汽车智能化技术的不断发展，为了更好地适应驾驶员对于驾驶的个性化需求，当前大部分车辆都具备驾驶模式选择功能，如：运动、舒适、经济模式，驾驶员可以根据自身的需求选择驾驶模式。后来出现可以自动切换驾驶模式的车辆，这些自动切换技术主要采用制定相关阈值和规则的方式来实现，但这种方法无法适应多变的道路环境和驾驶风格。

技术实现思路

[0003]基于此，本专利技术提供了一种驾驶模式实时切换方法、系统、电子设备及介质，结合道路工况对短时驾驶风格进行识别，根据识别的短时驾驶风格进行驾驶模式的切换。
[0004]为实现上述目的，本专利技术提供了如下方案。
[0005]一种驾驶模式实时切换方法，包括：采集当前的自然驾驶工况下的实车数据。
[0006]基于所述实车数据，采用K
‑
means聚类算法识别当前的道路工况；所述道路工况包括拥堵工况、城市工况、城郊工况和高速工况。
[0007]基于不同的道路工况，采用主成分分析法和K
‑
means聚类算法识别当前的短时驾驶风格；所述短时驾驶风格包括激进驾驶、正常驾驶和温和驾驶。
[0008]根据当前的短时驾驶风格实时切换驾驶模式；所述驾驶模式包括：运动模式、舒适模式和经济模式。
[0009]可选地，基于所述实车数据，采用K/>‑
means聚类算法识别当前的道路工况，具体包括：获取自然驾驶工况下的历史实车数据。
[0010]采用大小为T的时间窗口对所述历史实车数据进行短片段划分。
[0011]选取每个短片段中不同速度区间占比作为特征参数，构建特征参数数据集。
[0012]基于所述特征参数数据集，采用K
‑
means聚类算法进行聚类分析，得到多个第一聚类中心；多个所述第一聚类中心对应不同的道路工况。
[0013]计算所述实车数据的特征参数与各所述第一聚类中心的距离，距离最小的第一聚类中心对应的道路工况为当前的道路工况。
[0014]可选地，基于不同的道路工况，采用主成分分析法和K
‑
means聚类算法识别当前的短时驾驶风格，具体包括：计算不同的道路工况下表征驾驶风格特征参数的统计量；所述表征驾驶风格特征参数包括车辆状态参数及驾驶操纵参数；所述车辆状态参数包括车速、纵向加速度、横向加速度和横摆率；所述驾驶操纵参数包括加速踏板开度变化率和加速踏板开度；所述统计量包括最大值、平均值和标准差。
[0015]采用主成分分析法对所述统计量进行降维，得到不同的道路工况下的主成分分数
矩阵。
[0016]基于所述主成分分数矩阵，采用K
‑
means聚类算法进行聚类分析，得到多个第二聚类中心；多个所述第二聚类中心对应不同的短时驾驶风格。
[0017]计算当前的道路工况下的主成分分数矩阵与各所述第二聚类中心的距离，距离最小的第二聚类中心对应的短时驾驶风格为当前的短时驾驶风格。
[0018]可选地，根据当前的短时驾驶风格实时切换驾驶模式，具体包括：当当前的短时驾驶风格为激进驾驶时，切换驾驶模式为运动模式。
[0019]当当前的短时驾驶风格为正常驾驶时，切换驾驶模式为舒适模式。
[0020]当当前的短时驾驶风格为温和驾驶时，切换驾驶模式为经济模式。
[0021]本专利技术还提供了一种驾驶模式实时切换系统，包括：实车数据采集模块，用于采集当前的自然驾驶工况下的实车数据。
[0022]道路工况识别模块，用于基于所述实车数据，采用K
‑
means聚类算法识别当前的道路工况；所述道路工况包括拥堵工况、城市工况、城郊工况和高速工况。
[0023]短时驾驶风格识别模块，用于基于不同的道路工况，采用主成分分析法和K
‑
means聚类算法识别当前的短时驾驶风格；所述短时驾驶风格包括激进驾驶、正常驾驶和温和驾驶。
[0024]驾驶模式切换模块，用于根据当前的短时驾驶风格实时切换驾驶模式；所述驾驶模式包括：运动模式、舒适模式和经济模式。
[0025]可选地，所述道路工况识别模块具体包括：历史实车数据获取单元，用于获取自然驾驶工况下的历史实车数据。
[0026]划分单元，用于采用大小为T的时间窗口对所述历史实车数据进行短片段划分。
[0027]特征参数数据集构建单元，用于选取每个短片段中不同速度区间占比作为特征参数，构建特征参数数据集。
[0028]第一聚类分析单元，用于基于所述特征参数数据集，采用K
‑
means聚类算法进行聚类分析，得到多个第一聚类中心；多个所述第一聚类中心对应不同的道路工况。
[0029]道路工况识别单元，用于计算所述实车数据的特征参数与各所述第一聚类中心的距离，距离最小的第一聚类中心对应的道路工况为当前的道路工况。
[0030]可选地，所述短时驾驶风格识别模块具体包括：统计量计算单元，用于计算不同的道路工况下表征驾驶风格特征参数的统计量；所述表征驾驶风格特征参数包括车辆状态参数及驾驶操纵参数；所述车辆状态参数包括车速、纵向加速度、横向加速度和横摆率；所述驾驶操纵参数包括加速踏板开度变化率和加速踏板开度；所述统计量包括最大值、平均值和标准差。
[0031]降维单元，用于采用主成分分析法对所述统计量进行降维，得到不同的道路工况下的主成分分数矩阵。
[0032]第二聚类分析单元，用于基于所述主成分分数矩阵，采用K
‑
means聚类算法进行聚类分析，得到多个第二聚类中心；多个所述第二聚类中心对应不同的短时驾驶风格。
[0033]短时驾驶风格识别单元，用于计算当前的道路工况下的主成分分数矩阵与各所述第二聚类中心的距离，距离最小的第二聚类中心对应的短时驾驶风格为当前的短时驾驶风格。
[0034]可选地，所述驾驶模式切换模块具体包括：第一驾驶模式切换单元，用于当当前的短时驾驶风格为激进驾驶时，切换驾驶模式为运动模式。
[0035]第二驾驶模式切换单元，用于当当前的短时驾驶风格为正常驾驶时，切换驾驶模式为舒适模式。
[0036]第三驾驶模式切换单元，用于当当前的短时驾驶风格为温和驾驶时，切换驾驶模式为经济模式。
[0037]本专利技术还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述的驾驶模式实时切换方法。
[0038]本专利技术还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述的驾驶模式实时切换方法。
[0039]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术针对驾驶风格在短期内具有一定变化性的问题，根据实车数据识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶模式实时切换方法，其特征在于，包括：采集当前的自然驾驶工况下的实车数据；基于所述实车数据，采用K
‑
means聚类算法识别当前的道路工况；所述道路工况包括拥堵工况、城市工况、城郊工况和高速工况；基于不同的道路工况，采用主成分分析法和K
‑
means聚类算法识别当前的短时驾驶风格；所述短时驾驶风格包括激进驾驶、正常驾驶和温和驾驶；根据当前的短时驾驶风格实时切换驾驶模式；所述驾驶模式包括：运动模式、舒适模式和经济模式。2.根据权利要求1所述的驾驶模式实时切换方法，其特征在于，基于所述实车数据，采用K
‑
means聚类算法识别当前的道路工况，具体包括：获取自然驾驶工况下的历史实车数据；采用大小为T的时间窗口对所述历史实车数据进行短片段划分；选取每个短片段中不同速度区间占比作为特征参数，构建特征参数数据集；基于所述特征参数数据集，采用K
‑
means聚类算法进行聚类分析，得到多个第一聚类中心；多个所述第一聚类中心对应不同的道路工况；计算所述实车数据的特征参数与各所述第一聚类中心的距离，距离最小的第一聚类中心对应的道路工况为当前的道路工况。3.根据权利要求1所述的驾驶模式实时切换方法，其特征在于，基于不同的道路工况，采用主成分分析法和K
‑
means聚类算法识别当前的短时驾驶风格，具体包括：计算不同的道路工况下表征驾驶风格特征参数的统计量；所述表征驾驶风格特征参数包括车辆状态参数及驾驶操纵参数；所述车辆状态参数包括车速、纵向加速度、横向加速度和横摆率；所述驾驶操纵参数包括加速踏板开度变化率和加速踏板开度；所述统计量包括最大值、平均值和标准差；采用主成分分析法对所述统计量进行降维，得到不同的道路工况下的主成分分数矩阵；基于所述主成分分数矩阵，采用K
‑
means聚类算法进行聚类分析，得到多个第二聚类中心；多个所述第二聚类中心对应不同的短时驾驶风格；计算当前的道路工况下的主成分分数矩阵与各所述第二聚类中心的距离，距离最小的第二聚类中心对应的短时驾驶风格为当前的短时驾驶风格。4.根据权利要求1所述的驾驶模式实时切换方法，其特征在于，根据当前的短时驾驶风格实时切换驾驶模式，具体包括：当当前的短时驾驶风格为激进驾驶时，切换驾驶模式为运动模式；当当前的短时驾驶风格为正常驾驶时，切换驾驶模式为舒适模式；当当前的短时驾驶风格为温和驾驶时，切换驾驶模式为经济模式。5.一种驾驶模式实时切换系统，其特征在于，包括：实车数据采集模块，用于采集当前的自然驾驶工况下的实车数据；道路工况识别模块，用于基于所述实车数据，采用K
‑
means聚类算法识别当前的道路工况；所述道路工况包括拥堵工况、城市工况、城郊工况和高速工况；短时驾驶风格识别模块...

【专利技术属性】
技术研发人员：席军强，陈炤锟，王文硕，张超朋，魏瑶，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：