一种自动驾驶的定位系统有效性评估方法技术方案

本发明专利技术公开了一种自动驾驶的定位系统有效性评估方法，包括获取车辆定位数据，对所述车辆定位数据进行预处理，对预处理后的所述车辆定位数据进行分类，获得分类数据，根据所述分类数据计算定位性能评价，将所述定位性能评价与所述性能标准进行比对，获得比对结果，根据所述比对结果构建定位系统评估模型，根据所述比对结果对所述车辆定位数据进行差异分析，根据所述差异分析优化所述定位系统评估模型，将所述比对结果输入优化后的所述定位系统评估模型，输出评估结果

【技术实现步骤摘要】
一种自动驾驶的定位系统有效性评估方法


[0001]本专利技术涉及定位领域，尤其涉及一种自动驾驶的定位系统有效性评估方法
。

技术介绍

[0002]有效性评价技术在定位领域的应用越来越广泛，可以帮助自动驾驶的定位系统的管理者及时
、
高效地评估自动驾驶的定位，实现自动驾驶的定位系统的有效性评估
。
目前，自动驾驶的定位系统具有信息量庞大
、
数据种类多样
、
信息密度大等特点，有效性评估方法存在较多的不确定因素，导致有效性评估方法存在较大的不确定性
。
虽然已经专利技术了一些定位系统的有效性评估方法，但是仍不能有效解决定位有效性评估方法的不确定问题
。

技术实现思路

[0003]本专利技术的目的是要提供一种自动驾驶的定位系统有效性评估方法
。
[0004]为达到上述目的，本专利技术是按照以下技术方案实施的：本专利技术包括以下步骤：
A
获取车辆定位数据，对所述车辆定位数据进行预处理，对预处理后的所述车辆定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自动驾驶的定位系统有效性评估方法，其特征在于，包括以下步骤：
A
获取车辆定位数据，对所述车辆定位数据进行预处理，对预处理后的所述车辆定位数据进行分类，获得分类数据；
B
根据所述分类数据计算定位性能评价，将所述定位性能评价与所述性能标准进行比对，获得比对结果；将所述定位性能评价与所述性能标准进行比对的方法，包括：
a
计算所述定位性能评价与所述性能标准的系统不确定度： ；其中第
i
个定位性能指标评价为，第
i
个性能标准为，性能标准的个数为
K
，计算定位性能评价与性能标准的随机不确定度： ；其中第
i
个性能标准的随机不确定度为；
b、
对系统不确定度和随机不确定度进行加权计算系统不确定度和随机不确定度的变异系数： ；其中因变量系统不确定度和随机不确定度为，因变量
u
的变异系数为，标准化的因变量为，计算系统不确定度和随机不确定度的权重： ；其中系统不确定度的变异系数为，随机不确定度的变异系数为，因变量系统不确定度和随机不确定度的权重为；
c、
计算定位性能评价与性能标准的综合不确定度： ；其中第
i
个性能标准的综合不确定度为，系统不确定度的权重为，随机不确定度的权重为，输出综合不确定度；
C
根据所述比对结果构建定位系统评估模型，根据所述比对结果对所述车辆定位数据进行差异分析；
D
根据所述差异分析优化所述定位系统评估模型，将所述比对结果输入优化后的所述定位系统评估模型，输出评估结果
。
2.
根据权利要求1所述的一种自动驾驶的定位系统有效性评估方法，其特征在于，步骤
A
中所述预处理包括去除所述车辆定位数据中的异常值
、
缺失值和错误值
、
平滑处理
、
滤波
。3.
根据权利要求1所述的一种自动驾驶的定位系统有效性评估方法，其特征在于，对预处理后的所述车辆定位数据进行分类的方法，包括：
a、
将所述车辆定位数据输入分类算法作为原始的训练数据集，使用引导聚集算法进行有放回的随机取样生成数据子集；
b、
对数据子集采用决策树生成算法训练生成决策树，得到随机森林模型；计算随机森林模型中决策树的数据子集的
ROC
曲线与横轴围成的面积，根据面积对决策树进行降序排序，选择排序后的前4个数据子集的
ROC
曲线与横轴围成的面积的决策树，计算决策树的相似度，将决策树转换为规则集： ； ； ；其中规则
i
和规则
j
的相似度为，子规则的数量为
n
，规则
i
和规则
j
中具有相同节点数的两条子规则的相似度为，设定值为
t
，实际节点相差数为
x
，计算决策树的相似度： ；其中决策树和决策树的相似度为；
c、
第
k
条子规则包含的节点数为
m
；将决策树之间的相似度组成一个相似矩阵，根据相似度矩阵对决策树进行聚类，获得分类数据
。4.
...

【专利技术属性】
技术研发人员：张一鹏，李振华，范青蓝，张卓敏，刘砚玥，吴梦怡，
申请(专利权)人：交通运输部公路科学研究所，
类型：发明
国别省市：