CN104200267A - 一种车辆驾驶经济性评价系统及评价方法 - Google Patents

Abstract

本发明涉及一种车辆驾驶经济性评价系统及评价方法，其特征在于：它包括一数据中心与若干车载终端，数据中心与车载终端通过无线网络通讯技术交换信息；数据中心包括档案数据存储模块和评价模型修正模块；车载终端包括模式命令获取模块、档案数据获取模块、由GPS导航装置和行车记录仪构成的运行数据获取模块、理想油耗预测模块、评价参数存储模块、驾驶行为评价模块和驾驶建议输出模块。评价方法首先采集评价所需的各种数据，其次由理想油耗预测模块和驾驶行为评价模块计算相应评分并输出到驾驶建议输出模块进行显示，同时驾驶员的各种驾驶数据存储到数据中心用于对模型进行修正和训练。本发明可以广泛应用于各种路况和车型的驾驶经济性评价。

Description

一种车辆驾驶经济性评价系统及评价方法

技术领域

本发明涉及一种车辆驾驶经济性评价系统及评价方法，特别是关于一种基于车联网的车辆驾驶经济性评价系统及评价方法。

背景技术

车辆的燃油经济性与多种因素有关，其中，驾驶员的驾驶行为对油耗有着较大影响，合理的驾驶行为有利于节省能源、保护环境。对于营运车辆而言，督促并辅助驾驶员采用合理的驾驶行为有利于降低燃油消耗，提高企业的运输效率，降低经营成本；对于普通车主而言，了解驾驶行为的合理性和科学性能够指导驾驶员改善驾驶技巧，降低汽车的使用成本。国内外开发了许多驾驶评价系统，如中国发明专利申请201220002851.6公开的“驾驶员驾驶经济性评价系统”，其是通过获取的油耗值影响信息，利用MAP图等计算最经济瞬时油耗值，并与实际瞬时油耗值进行比较得到驾驶行为的经济性等级，并且反算出表征最经济驾驶行为的建议信息。又如中国发明专利申请201210025770.2公开的“一种驾驶评价系统及方法”，其是根据预先设置的评价参数种类和权重采集车辆信息，结合车辆运行数据、道路评价参数以及车辆信息对驾驶行为进行评价，提高评价结果的通用性。

目前的评价系统和方法存在的问题有：1、通过预先储存评价的权重和参数进行驾驶经济性的评价，准确性受到限制，缺乏根据道路环境和车辆状态进行实时动态变化的能力。2、使用的权重和阈值经过人为规定，带有主观色彩，不利于评价方法的准确性和客观性，限制了改善经济性驾驶行为的可能。3、考虑因素不全面，对驾驶员的考察大部分只局限在车速控制，驾驶建议的针对性不强。4、只能针对已经记录过的路段进行评价和建议，不能对未行驶过的路段提出建议，缺乏通用性。

发明内容

针对上述问题，本发明的目的是提供一种根据道路情况参数和车辆特征参数对权重和阈值进行修正、充分考虑各因素、具有动态适应能力的基于车联网的车辆驾驶经济性评价系统及评价方法。

为实现上述目的，本发明采取以下技术方案：一种车辆驾驶经济性评价系统，其特征在于：它包括一个数据中心与若干车载终端，所述数据中心与车载终端通过无线网络通讯技术交换信息；所述数据中心包括档案数据存储模块和评价模型修正模块；所述车载终端包括模式命令获取模块、档案数据获取模块、由GPS导航装置和行车记录仪构成的运行数据获取模块、理想油耗预测模块、评价参数存储模块、驾驶行为评价模块和驾驶建议输出模块；

驾驶员通过人机交互界面向所述模式命令获取模块输入命令，处于驾驶行为评价模式时：每隔一定里程，所述GPS导航装置采集当前车辆的地理位置信息发送至所述档案数据获取模块和评价参数存储模块；所述行车记录仪采集车辆运行数据和其他评价参数发送至所述档案数据获取模块、理想油耗预测模块和驾驶行为评价模块；所述评价参数存储模块利用获得的两次地理位置信息，获取车辆在待评价行驶路段的道路情况参数和评分修正系数，并将获取的道路情况参数发送至所述理想油耗预测模块和档案数据获取模块，将获取的评分修正系数、储存的指标阈值和指标权重发送到所述驾驶行为评价模块；所述理想油耗预测模块计算油耗绩效评分发送到所述档案数据获取模块和驾驶建议输出模块，同时将车辆特征参数发送到所述档案数据获取模块；所述驾驶行为评价模块计算单项驾驶行为评分和经济驾驶行为评分，得到的评分结果发送到所述档案数据获取模块和驾驶建议输出模块；所述驾驶建议输出模块分析得到的驾驶建议发送到所述档案数据获取模块，同时通过人机交互界面输出所述评分结果和驾驶建议；所述档案数据获取模块将驾驶员的个人信息结合以上收到的其他档案信息整理成驾驶行为档案，发送到所述档案数据存储模块作为历史数据；

处于训练模式时：所述数据中心的操作人员根据所述档案数据存储模块存储的历史数据对理想油耗预测模型进行训练；同时操作人员将历史数据中油耗绩效评分与经济驾驶行为评分的误差输入所述评价模型修正模块，通过所述评价模型修正模块内更改权重的接口对评价参数和理想油耗预测模型进行更改，并发送至所述评价参数存储模块。

一种车辆驾驶经济性评价方法，包括以下步骤：1)模式命令获取模块采集驾驶员输入的模式命令，判断评价系统所处的评价功能模式：当评价系统处于评价模式时，进入步骤2)；当评价系统处于训练模式时，进入步骤8)；2)每隔一定时间，GPS导航装置采集当前车辆的地理位置信息发送至档案数据获取模块和评价参数存储模块；行车记录仪采集车辆运行数据和其他评价参数发送至档案数据获取模块、评价参数存储模块和驾驶行为评价模块；3)评价参数存储模块根据存储的地图数据和输入的相邻两次地理位置信息，获得当前行驶路段的道路情况参数及当前驾驶环境等级对应的评分修正系数；并将道路情况参数发送至理想油耗预测模块和档案数据获取模块，将获取的评分修正系数、储存的指标阈值和指标权重发送至驾驶行为评价模块；4)驾驶行为评价模块根据指标阈值、指标权重和评分修正系数计算车辆运行数据的单项驾驶行为评分和经济驾驶行为评分，并将评分结果发送到驾驶建议输出模块和档案数据获取模块；5)理想油耗预测模块利用道路情况参数、其他评价参数和储存的车辆特征参数计算油耗绩效评分，并将油耗绩效评分发送至驾驶建议输出模块和档案数据获取模块；6)驾驶建议输出模块对历史数据和当前车辆在待评价行驶路段上的评价结果进行分析，通过人机交互界面输出理想油耗和实际油耗、经济驾驶行为评分、单项驾驶行为评分及驾驶建议，同时将驾驶建议输出到档案数据获取模块；7)档案数据获取模块通过驾驶员的个人信息标签，将该驾驶员在待评价行驶路段上的所有行驶记录及评价结果构成驾驶行为档案，发送到档案数据存储模块作为历史数据进行存储，评价模式结束；8)数据中心的操作人员根据档案数据存储模块存储的历史数据，以驾驶经济性优秀的驾驶员的行驶数据对理想油耗预测模型进行训练；9)数据中心的操作人员定期检查历史数据中经济驾驶行为评分和油耗绩效评分的误差，当误差超过设定值时，对评价参数和理想油耗预测模型进行修正。

所述步骤4)中，车辆驾驶行为的经济驾驶行为评分公式为：

$y={\mathrm{\Σ}}_{i=1}^n{\mathrm{\αw}}_i{y}_i,$

其中n是单项驾驶行为指标的个数，α是不同驾驶环境对应的评分修正系数，w_i和y_i分别是编号为i的单项驾驶指标的指标权重和指标阈值。

所述步骤5)中，油耗绩效评分的计算公式为：

$y_f=a-\frac{\mathrm{bF}}{S_f},$

式中，a和b是评分常数，由用户根据实际需要设置，S_f是理想油耗，F是实际油耗。

本发明由于采取以上技术方案，其具有以下优点：1、本发明由于能够根据道路情况参数和车辆特征参数，通过储存的预测模型计算当前路段理想的驾驶油耗和驾驶行为评价修正系数，从而能够在任何没有记录的驾驶路段预测理想的经济驾驶策略，提高了驾驶评价系统的通用性。2、本发明由于通过理想油耗预测模块对驾驶环境和车辆特性进行归一化处理，避免其干扰对驾驶行为的评价，提高了驾驶评价系统的准确性。3、本发明由于设置有评价模型修正模块，可以根据驾驶行为评分和油耗绩效评分的误差修正评价权重，具备动态适应的能力。因而本发明可以广泛应用于各种路况和车型的驾驶经济性评价。

附图说明

图1为本发明系统硬件框架图；

图2为本发明硬件具体结构示意图；

图3为本发明功能流程图；

图4为本发明驾驶行为档案数据的结构图；

图5为本发明理想油耗预测模型的神经网络训练结构图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1、图2所示，本发明评价系统包括一数据中心1与若干车载终端2，数据中心1与车载终端2通过无线网络通讯技术交换信息。数据中心1包括档案数据存储模块11和评价模型修正模块12。车载终端2包括模式命令获取模块21、档案数据获取模块22、由GPS导航装置231和行车记录仪232构成的运行数据获取模块23、理想油耗预测模块24、评价参数存储模块25、驾驶行为评价模块26和驾驶建议输出模块27。

驾驶员通过人机交互界面向模式命令获取模块21输入模式命令，选择本发明评价系统处于驾驶行为评价模式或样本训练模式。

处于驾驶行为评价模式时：每隔一定时间(或一段里程)，GPS导航装置231采集当前车辆的地理位置信息发送至档案数据获取模块22和评价参数存储模块25；行车记录仪232采集车辆运行数据和其他评价参数发送至档案数据获取模块22、理想油耗预测模块24和驾驶行为评价模块26；评价参数存储模块25利用获得的两次地理位置信息，根据存储的地图数据，获取车辆在待评价行驶路段的道路情况参数和评分修正系数，并将获取的道路情况参数发送至理想油耗预测模块24和档案数据获取模块22，将获取的评分修正系数、储存的指标阈值和指标权重发送到驾驶行为评价模块26；理想油耗预测模块24根据储存的车辆特征参数、获取的道路情况参数和其他评价参数计算得到的油耗绩效评分发送到档案数据获取模块22和驾驶建议输出模块27，同时将车辆特征参数发送到档案数据获取模块22；驾驶行为评价模块26根据指标阈值、指标权重和评分修正系数计算当前车辆在待评价行驶路段上行车数据的单项驾驶行为评分和经济驾驶行为评分，得到的评分结果发送到档案数据获取模块22和驾驶建议输出模块27；驾驶建议输出模块27分析得到针对当前单项驾驶行为评分的驾驶建议发送到档案数据获取模块22，同时通过人机交互界面输出理想油耗和实际油耗、经济驾驶行为评分、单项驾驶行为评分和驾驶建议；档案数据获取模块22将驾驶员的个人信息结合以上收到的其他档案信息整理成驾驶行为档案，发送到档案数据存储模块11；档案数据存储模块11存储驾驶员的驾驶行为档案构成历史数据。

处于训练模式时：

数据中心1的操作人员根据档案数据存储模块11存储的历史数据对理想油耗预测模型进行训练和修正；同时操作人员将历史数据中油耗绩效评分与经济驾驶行为评分的误差输入评价模型修正模块12，通过评价模型修正模块12内更改权重的接口对评价参数和理想油耗预测模型进行更改，并发送至评价参数存储模块25。

如图3所示，本发明提供一种基于车联网的车辆经济性驾驶行为评价方法，驾驶员向模式命令获取模块21输入模式命令，选择本发明评价系统所处模式。在驾驶评价模式中，运行数据获取模块23在行驶过程中按照特定的频率采集待评价路段的车辆运行数据和车辆地理位置信息。待评价路段结束后，驾驶行为评价模块26根据指标阈值、指标权重和评分修正系数计算车辆运行数据的经济驾驶行为评分；理想油耗预测模块24利用道路情况参数、车辆特征参数结合存储的理想油耗预测模型计算油耗绩效评分。驾驶建议输出模块27根据单项驾驶行为评分的情况进行针对性驾驶建议，并通过人机交互界面显示驾驶建议和评分结果。在样本训练模式中，数据中心1的操作人员根据档案数据存储模块11的历史数据训练和修正理想油耗预测模型，并定期检查档案数据存储模块11中经济驾驶行为评分和油耗绩效评分的误差，将误差输入评价模型修正模块12，调整驾驶行为评价参数和理想油耗预测模型，并更新评价参数存储模块25，由车载终端2下载数据中心1最新的评价参数和理想油耗预测模型。具体的，其包括以下步骤：

1)模式命令获取模块21采集驾驶员输入的模式命令，判断本发明评价系统所处的评价功能模式：

当评价系统处于驾驶行为评价模式时，进入步骤2)；

当评价系统处于训练模式时，进入步骤8)；

2)每隔一定时间(或里程)，例如10s(仅以此为例，但不限于此)，GPS导航装置231采集当前车辆的地理位置信息发送至档案数据获取模块22和评价参数存储模块25；行车记录仪232采集车辆运行数据和其他评价参数发送至档案数据获取模块22、理想油耗预测模块24和驾驶行为评价模块26；

GPS导航装置231从通用的全球定位系统获得当前车辆的实时位置信息。行车记录仪232通过CAN总线采集当前车辆的运行数据和其他评价参数，运行数据包括四类行为指标：①速度控制指标：最高车速、超速时长、车速波动(平稳车速下的速度标准均方值)和超经济区运行比例；②加速度控制指标：急加速次数、急加速时长、急减速次数和急减速时长；③发动机控制指标：超转时长、超长怠速时长和空档滑行时长；④附件控制指标：空调和暖风工作时长等。其他评价参数包括百公里油耗、行驶总里程、行驶总油耗、行驶总时长等。以上指标和参数可以根据用户实际需求以及数据采集能力进行增加和删减，其名称、定义或数量的非本质性变化不应限定本发明的保护范围。

3)评价参数存储模块25根据存储的地图数据和输入的相邻两次地理位置信息，获得待评价行驶路段的道路情况参数及当前驾驶环境等级对应的评分修正系数；并将道路情况参数发送至理想油耗预测模块24和档案数据获取模块22，将获取的评分修正系数、储存的指标阈值和指标权重发送至驾驶行为评价模块25。

评价参数存储模块25中存储有评价参数和地图数据，评价参数包括评价单项驾驶行为的指标阈值、各项驾驶行为的指标权重和不同的驾驶环境等级对应的评分修正系数。为评价方便，本发明将待评价行驶路段中的所有单项驾驶行为指标和道路情况参数均换算成单位距离数值，以百公里数值为例：

$x_i=\frac{X_i}{L}\×100$

$r_i=\frac{R_i}{L}\×100$

其中X_i和R_j表示待评价行驶路段中编号为i的单项驾驶行为指标和编号为j的道路情况参数，x_i和r_j表示对应的百公里换算值，L表示待评价行驶路段的总里程。例如，车辆在30km行程内急加速次数6次，则急加速次数指标的百公里换算值为20次/100公里。

①指标阈值S_i：评价单项驾驶行为的指标阈值S_i是通过对档案数据存储模块11中存储的历史数据进行分析而获得的，表征优秀驾驶行为的指标值。本发明中，单项行为指标数值越大、油耗越高，评分应越低，因此选择历史数据中所有单项驾驶行为指标的百公里换算值x_i最小的30％的数据，取其平均值作为S_i。

②指标权重：各项驾驶行为的指标权重可以用矩阵表示，指标权重矩阵W为：

$W=\left[\begin{array}{c}{w}_1\\ w_2\\ .\\ .\\ .\\ w_n\end{array}\right]$

其中w_i是单项驾驶行为指标的百公里换算值x_i对应的权重系数，其用来反映该驾驶行为指标对燃油经济性的影响大小，可以利用多元回归分析、主成分分析等方法由数据中心1的历史数据分析获得，也可以由用户根据实际法规和企业要求进行设定，还可以通过对汽车专家和有经验的驾驶员调研获得。指标权重矩阵可以是一个，也可以针对不同驾驶环境设计多个指标权重矩阵。

③地图数据：评价参数存储模块25储存的地图数据可以采用离线模式，每隔一段时间进行实时更新，也可以采用联网在线地图。当评价参数存储模块26得到相邻两次地理位置信息后，根据地图数据，即可获取当前车辆在待评价行驶路段所对应的道路情况参数R_j，包括红绿灯数量、车站数量、道路出入口数量和天气情况等。

④评分修正系数：道路情况不同对驾驶行为的影响不同，例如行驶中遇到较多的红绿灯和车站将增加急减速行为发生的概率，因此根据道路情况参数对驾驶环境进行分级，针对不同驾驶环境等级设置评分修正系数对单项驾驶行为指标评分进行适当地加分或扣分，以保证评分的科学性。将数据中心1中驾驶行为档案中所有行驶路段经过的交通基础设施的总数量R的平均值定义为普通驾驶环境，以普通驾驶环境为中间值将所有行驶路段对应的驾驶环境分为5个等级，R值越大，表示驾驶环境越困难，加分越高，每个驾驶环境等级设置不同的评分修正系数α。总数量R的计算公式为：

R＝Σr_j

根据待评价行驶路段经过的交通基础设施的总数量R确定其所属驾驶环境等级，进而确定评分修正系数。

4)驾驶行为评价模块26根据指标阈值、指标权重和评分修正系数计算车辆运行数据的单项驾驶行为评分和经济驾驶行为评分，并将评分结果发送到驾驶建议输出模块27和档案数据获取模块22。

首先，采用阈值法对单项驾驶行为评分进行计算。对于不同行驶路段中数量级比较接近的最高车速、速度波动和超经济区运行比例单项驾驶行为指标，本发明采用直线法计算其行为评分y_i：

$y_i=a-\frac{{\mathrm{bx}}_i}{S_i}$

其中a和b是评分常数，均可以根据用户需要进行设置，S_i是x_i的指标阈值。本发明中，设定x_i＝S_i时该驾驶行为可获得80分，x_i＝1.5S_i时该驾驶行为可获得60分，因此设定a＝120，b＝40。

对于不同行驶路段中数量级相差较大的驾驶行为指标，即运行数据的四类行为指标中除最高车速、速度波动和超经济区运行比例以外的其他行为指标，本发明采用指数法计算其行为评分y_i：

$y_i=100e^{-\frac{x_i}{{\mathrm{cS}}_i}}$

其中c是评分常数，由用户根据实际数据特点进行调试，最终获得满足正态分布的评分分布情况，本发明中设定c＝1000。评分常数a、b、c均存储在评价参数存储模块25中。

其次，采用评分修正系数对单项驾驶行为评分进行修正，并用各项驾驶行为的指标权重进行加权，最终得到的经济驾驶行为评分y为：

$y=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\αw}}_i{y}_i$

其中n是单项驾驶行为指标的个数，本发明中n＝12。

5)理想油耗预测模块24利用获得的道路情况参数、其他评价参数和储存的车辆特征参数计算油耗绩效评分，并将油耗绩效评分发送至驾驶建议输出模块27和档案数据获取模块22。

理想油耗预测模块24中预先存储有车辆特征参数，对于客车车辆特征参数包括整备质量、乘客数、发动机排量等，对于货车其包括整备质量、载重量、发动机排量等。具体的，理想油耗预测模块24在计算油耗绩效评分时，将当前行驶路段的道路情况参数r_j和车辆特征参数v_i输入到理想油耗预测模型，理想油耗预测模型根据经验学习估计优秀驾驶员在该行驶条件下驾驶的油耗S_f并作为理想油耗。将计算得到的理想油耗S_f与采集到的实际油耗进行比较，得到车辆在待评价行驶路段上的油耗绩效评分y_f：

$y_f=a-\frac{\mathrm{bF}}{S_f}$

式中，F是实际油耗。

6)驾驶建议输出模块27对历史数据和当前车辆在待评价行驶路段上的评价结果进行分析，通过人机交互界面输出理想油耗和实际油耗、经济驾驶行为评分、单项驾驶行为评分及驾驶建议，同时将驾驶建议输出到档案数据获取模块22。

驾驶建议输出模块27对驾驶员在待评价行驶路段上的经济驾驶行为评分和单项驾驶行为评分进行显示，同时根据当前单项驾驶行为评分的大小判断驾驶员需要改进的驾驶行为并提出针对性驾驶建议。例如驾驶员车速波动较大、该项指标评分较低，系统提示驾驶员保持平稳车速等等。驾驶建议输出模块27还可以对该驾驶员的历史评价结果和驾驶建议进行显示。

7)档案数据获取模块22通过驾驶员的个人信息标签，将该驾驶员在待评价行驶路段上的所有行驶记录及评价结果构成驾驶行为档案，发送到档案数据存储模块11作为历史数据进行存储，评价模式结束。

如图4所示，每个驾驶行为档案包含同一驾驶员的所有驾驶记录，每次从车辆起步到长时间停车(本发明中设置为30分钟以上)为一段行驶路段，每一路段的数据都包括该路段上的车辆行驶数据、道路情况参数、车辆特征参数和其它评价参数。同一个驾驶员在不同车辆和行驶路段上驾驶的数据，可以通过个人信息标签综合到同一个档案中，从而形成驾驶员的历史数据，描述驾驶员的驾驶模式变化情况。

8)数据中心1的操作人员根据档案数据存储模块11存储的历史数据，以驾驶经济性优秀的驾驶员的行驶数据对理想油耗预测模型进行训练。

如图5所示，理想油耗预测模型可以采用多种数学方法构建，本发明采用BP神经网络进行训练。数据中心1选择驾驶行为档案中所有路段油耗平均值最低的30％驾驶员为优秀驾驶员，以其档案中每一段驾驶路段的道路情况参数、车辆特征参数输入输入层神经元，通过隐含层多个神经元的运算，得到对应路段的百公里油耗为输出，对理想油耗预测模型进行训练。神经网络的学习速率、动量因子以及神经元个数等基本网络参数由用户调试确定。

9)数据中心1的操作人员定期检查历史数据中经济驾驶行为评分和油耗绩效评分的误差，当误差超过设定值时，对评价参数和理想油耗预测模型进行修正。

评价模型修正模块12为操作人员提供修改评价参数和理想油耗预测模型的接口，当油耗绩效评分和驾驶行为评分的误差超过设定值时，操作人员将误差输入评价模型修正模块12，调整驾驶行为评价参数和理想油耗预测模型，并更新评价参数存储模块25。操作人员也可以根据实际需求对评价参数进行设置，例如，操作人员可以根据对历史数据的统计分析按照对百公里油耗的影响大小进行权重设定，也可以按照企业要求和实际经验进行修改。

上述实施例和图示并未限定本发明的产品功能和构架，任何根据本发明的评价思路对评价方法的参数、公式和模型进行非根本性变化或修饰，皆不应排除在本发明的保护范围外。

Claims (4)

1.一种车辆驾驶经济性评价系统，其特征在于：它包括一数据中心与若干车载终端，所述数据中心与车载终端通过无线网络通讯技术交换信息；所述数据中心包括档案数据存储模块和评价模型修正模块；所述车载终端包括模式命令获取模块、档案数据获取模块、由GPS导航装置和行车记录仪构成的运行数据获取模块、理想油耗预测模块、评价参数存储模块、驾驶行为评价模块和驾驶建议输出模块；

驾驶员通过人机交互界面向所述模式命令获取模块输入命令，处于驾驶行为评价模式时：每隔一定里程，所述GPS导航装置采集当前车辆的地理位置信息发送至所述档案数据获取模块和评价参数存储模块；所述行车记录仪采集车辆运行数据和其他评价参数发送至所述档案数据获取模块、理想油耗预测模块和驾驶行为评价模块；所述评价参数存储模块利用获得的两次地理位置信息，获取车辆在待评价行驶路段的道路情况参数和评分修正系数，并将获取的道路情况参数发送至所述理想油耗预测模块和档案数据获取模块，将获取的评分修正系数、储存的指标阈值和指标权重发送到所述驾驶行为评价模块；所述理想油耗预测模块计算油耗绩效评分发送到所述档案数据获取模块和驾驶建议输出模块，同时将车辆特征参数发送到所述档案数据获取模块；所述驾驶行为评价模块计算单项驾驶行为评分和经济驾驶行为评分，得到的评分结果发送到所述档案数据获取模块和驾驶建议输出模块；所述驾驶建议输出模块分析得到的驾驶建议发送到所述档案数据获取模块，同时通过人机交互界面输出所述评分结果和驾驶建议；所述档案数据获取模块将驾驶员的个人信息结合以上收到的其他档案信息整理成驾驶行为档案，发送到所述档案数据存储模块作为历史数据；

处于训练模式时：所述数据中心的操作人员根据所述档案数据存储模块存储的历史数据对理想油耗预测模型进行训练；同时操作人员将历史数据中油耗绩效评分与经济驾驶行为评分的误差输入所述评价模型修正模块，通过所述评价模型修正模块内更改权重的接口对评价参数和理想油耗预测模型进行更改，并发送至所述评价参数存储模块。

2.一种适用于如权利要求1所述评价系统的车辆驾驶经济性评价方法，包括以下步骤：

1)模式命令获取模块采集驾驶员输入的模式命令，判断评价系统所处的评价功能模式：

当评价系统处于评价模式时，进入步骤2)；

当评价系统处于训练模式时，进入步骤8)；

2)每隔一定时间，GPS导航装置采集当前车辆的地理位置信息发送至档案数据获取模块和评价参数存储模块；行车记录仪采集车辆运行数据和其他评价参数发送至档案数据获取模块、评价参数存储模块和驾驶行为评价模块；

3)评价参数存储模块根据存储的地图数据和输入的相邻两次地理位置信息，获得当前行驶路段的道路情况参数及当前驾驶环境等级对应的评分修正系数；并将道路情况参数发送至理想油耗预测模块和档案数据获取模块，将获取的评分修正系数、储存的指标阈值和指标权重发送至驾驶行为评价模块；

4)驾驶行为评价模块根据指标阈值、指标权重和评分修正系数计算车辆运行数据的单项驾驶行为评分和经济驾驶行为评分，并将评分结果发送到驾驶建议输出模块和档案数据获取模块；

5)理想油耗预测模块利用道路情况参数、其他评价参数和储存的车辆特征参数计算油耗绩效评分，并将油耗绩效评分发送至驾驶建议输出模块和档案数据获取模块；

6)驾驶建议输出模块对历史数据和当前车辆在待评价行驶路段上的评价结果进行分析，通过人机交互界面输出理想油耗和实际油耗、经济驾驶行为评分、单项驾驶行为评分及驾驶建议，同时将驾驶建议输出到档案数据获取模块；

7)档案数据获取模块通过驾驶员的个人信息标签，将该驾驶员在待评价行驶路段上的所有行驶记录及评价结果构成驾驶行为档案，发送到档案数据存储模块作为历史数据进行存储，评价模式结束；

8)数据中心的操作人员根据档案数据存储模块存储的历史数据，以驾驶经济性优秀的驾驶员的行驶数据对理想油耗预测模型进行训练；

9)数据中心的操作人员定期检查历史数据中经济驾驶行为评分和油耗绩效评分的误差，当误差超过设定值时，对评价参数和理想油耗预测模型进行修正。

3.如权利要求2所述的一种车辆驾驶经济性评价方法，其特征在于：所述步骤4)中，车辆驾驶行为的经济驾驶行为评分公式为：

$y={\mathrm{\Σ}}_{i=1}^n{\mathrm{\αw}}_i{y}_i,$

其中n是单项驾驶行为指标的个数，α是不同驾驶环境对应的评分修正系数，w_i和y_i分别是编号为i的单项驾驶指标的指标权重和指标阈值。

4.如权利要求2所述的一种车辆驾驶经济性评价方法，其特征在于：所述步骤5)中，油耗绩效评分的计算公式为：

$y_f=a-\frac{\mathrm{bF}}{S_f},$

式中，a和b是评分常数，由用户根据实际需要设置，S_f是理想油耗，F是实际油耗。