【技术实现步骤摘要】
本专利技术主要涉及智慧交通及智能驾驶，特指一种智能网联无人清扫车系统能力综合评价方法。
技术介绍
1、车路协同系统作为集合了先进信息技术、数据通信传输技术、自动控制技术以及计算机处理技术的智能化人车路协调系统，具有层次结构复杂、子系统数量大且相互关联、相互制约的特性，且具有高度的非线性、动态性、不确定性的特点，因此对整体系统评价有着很大的困难。以智能网联无人清扫车为例，从技术层面上来说对智能网联无人清扫车整体系统不仅包括车路协同系统，也包括清扫作业系统效果的评价，也必须纳入到综合评价系统中来，因此提供一套合理的、从技术层面上对智能网联无人清扫车协同系统进行评价的方法具有非常重要意义。
2、目前，还未有从整体系统级别对智能网联无人清扫车系统功能及清扫效果检测等相关综合测试评价方法的相关技术。而且，现有单一检测方式还是采用仿真测试。该测试评价方法不够严谨，置信度存疑且场景覆盖度问题较少，拟合现实场景较为困难，导致置系统级评价方法的置信度存疑。
技术实现思路
1、本专利技术要解决的技术问题就在于：针对现有技术存在的技术问题，本专利技术提供一种原理简单、易实现、评价准确性高的智能网联无人清扫车系统能力综合评价方法。
2、一种智能网联无人清扫车系统能力综合评价方法，其包括：
3、步骤s1：搭建测试场景；根据实际运行的场景来设计进行评价的测试场景；
4、步骤s2：分析系统结构层次，构建系统层次分析结构模型，并进行模型划分；
5、步骤s
6、步骤s4：确定层次判断矩阵得到指标和同层与层间的权重系数；
7、步骤s5：结合步骤s4得到的权重系统对模糊评价模型进行评价处理，形成评价结果。
8、作为本专利技术方法的进一步改进：所述步骤s2中智能网联无人清扫车协同系统层次分析结构模型采用四层构建综合评价模型。
9、作为本专利技术方法的进一步改进：所述四层构建综合评价模型包括：
10、第一层(a)是综合系统评价；
11、第二层(b)是子系统层，即智能网联无人清扫协同系统子系统；
12、第三层(c)是功能模块层，对应智能网联无人清扫协同系统子系统下各部分功能模块；
13、第四层(d)是由功能模块下对应的具体评价因素组成。
14、作为本专利技术方法的进一步改进：所述第一层(a)为a＝{b1,b2，b3,b4,b5}，有5个评价指标；所述5个评价指标分别为：车人交互系统、车车交互系统、车路交互系统、车云交互系统及清扫作业控制及检测系统。
15、作为本专利技术方法的进一步改进：所述第二层(b)为b1＝{c11.c12}，有2个评价指标；所述2个评价指标分别为：车载传感器检测、车人预警及决策控制。
16、作为本专利技术方法的进一步改进：所述步骤s5中的模糊评价模型为模糊综合评价模型(u,v,r)，其中：
17、u是因素集：即上表1中对智能网联无人清扫车协同系统的影响因素的拆分集；
18、v是评语得分矩阵：模糊评价中的重要部分模糊评语集；
19、r是评价矩阵。
20、作为本专利技术方法的进一步改进：所述u由三层因素组成，uijk，第i层下第j个因素集里包含的第k个因素；
21、第一层(a)的元素是u＝{u1,u2,u3,u4,u5}；
22、第二层(b)的元素是u1＝{u11，u12},u2＝{u21，u22}，u3＝{u31}，u4＝{u41}，u5＝{u51，u52}；
23、第三层(c)的元素是u11＝{u111，u112,u112,u114,u115,……}，u12＝{u121，u122,u123,u124,u125,u126,u127,……}，……，。
24、作为本专利技术方法的进一步改进：所述r是评价矩阵，对于中间层第i个因素，对应的评价矩阵为：
25、
26、作为本专利技术方法的进一步改进：在所述第三层(c层)综合模糊评判中，根据层次分析法得到的权重系数向量wk与指标层判断矩阵rk进行运算：
27、uj＝wk·rk
28、在第二层(b层)综合模糊评判中，下一层的输出即为本层输入的评价矩阵：
29、uj＝rj
30、ui＝wj·uj
31、在第一层(a层)最终综合模糊评判中，下一层的输出即为本层输入的评价矩阵：
32、ui＝ri
33、u＝wi·ui＝{u1,u2,u3,u4,u5,}。
34、作为本专利技术方法的进一步改进：所述步骤s1中，搭建测试场景包括车人交互场景、车车交互场景、车路交互场景、车云交互场景中的一种或多种。
35、与现有技术相比，本专利技术的优点就在于：
36、1、本专利技术的智能网联无人清扫车系统能力综合评价方法，原理简单、易实现、评价准确性高，能够从技术层面多维度对系统进行综合评价。本专利技术通过建立实际测试场景，并通过设计智能网联无人清扫车协同系统典型场景及功能测试内容，对测试内容进行层次分析结构划分，建立本系统综合评价层次结构模型，通过确定层次间及同层间的因素重要程度对比计算出层间权重系数和同层中因素的权重系数，建立层次判断矩阵。结合模糊综合评价模型计算下一层对上一层的影响形成评价矩阵，对最上层评价集进行最大隶属度处理，即可得到最终评价结果。
37、2、本专利技术的智能网联无人清扫车系统能力综合评价方法，基于实际测试数据和专家经验相结合，从系统层面进行较为有效的系统能力综合评价方法，弥补了目前单一评价和仿真评价方法的不足。
38、3、本专利技术的智能网联无人清扫车系统能力综合评价方法，能够从复杂系统各层面综合评价智能网联无人清扫车协同系统的能力，从理论和实测数据相结合，能有效反映本系统各方面性能，随着测试数据样本增加，反过来修正模型数据参数，让综合评价模型能力更加准确，同时针对故障问题，还能从功能需求出发，顺着梳理出的层次结构为系统级故障诊断提供方向引导。
本文档来自技高网...【技术保护点】
1.一种智能网联无人清扫车系统能力综合评价方法，其特征在于，包括：
2.根据权利要求1所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述步骤S2中智能网联无人清扫车协同系统层次分析结构模型采用四层构建综合评价模型。
3.根据权利要求2所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述四层构建综合评价模型包括：
4.根据权利要求3所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述第一层(A)为A＝{B1,B2，B3,B4,B5}，有5个评价指标；所述5个评价指标分别为：车人交互系统、车车交互系统、车路交互系统、车云交互系统及清扫作业控制及检测系统。
5.根据权利要求3所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述第二层(B)为B1＝{C11.C12}，有2个评价指标；所述2个评价指标分别为：车载传感器检测、车人预警及决策控制。
6.根据权利要求1-5中任意一项所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述步骤S5中的模糊评价模型为模糊综合评价模型(U,V,
7.根据权利要求6所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述U由三层因素组成，Uijk，第i层下第j个因素集里包含的第k个因素；
8.根据权利要求6所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述R是评价矩阵，对于中间层第i个因素，对应的评价矩阵为：
9.根据权利要求6所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：在所述第三层(C层)综合模糊评判中，根据层次分析法得到的权重系数向量Wk与指标层判断矩阵Rk进行运算：
10.根据权利要求1-5中任意一项所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述步骤S1中，搭建测试场景包括车人交互场景、车车交互场景、车路交互场景、车云交互场景中的一种或多种。
...【技术特征摘要】
1.一种智能网联无人清扫车系统能力综合评价方法，其特征在于，包括：
2.根据权利要求1所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述步骤s2中智能网联无人清扫车协同系统层次分析结构模型采用四层构建综合评价模型。
3.根据权利要求2所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述四层构建综合评价模型包括：
4.根据权利要求3所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述第一层(a)为a＝{b1,b2，b3,b4,b5}，有5个评价指标；所述5个评价指标分别为：车人交互系统、车车交互系统、车路交互系统、车云交互系统及清扫作业控制及检测系统。
5.根据权利要求3所述的智能网联无人清扫车系统能力综合评价方法，其特征在于：所述第二层(b)为b1＝{c11.c12}，有2个评价指标；所述2个评价指标分别为：车载传感器检测、车人预警及决策控制。
6.根据权...
【专利技术属性】
技术研发人员：雷朝凯，龙腾蛟，刘凯，孟潮，赵帅，董俊逸，陈本庆，
申请(专利权)人：湖南湘江智车出行科技有限公司，
类型：发明
国别省市：
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。