CN105989224A - 一种针对不同出行方式的模式识别技术 - Google Patents

Abstract

本发明公开了一种针对不同出行方式的模式识别技术，所述模式识别技术以电动车的绿色出行为背景，通过对运动过程中输入端提供的能量消耗、行驶载体状态、运动特征三类实时监控的数据预处理后，将大量的时间、经纬度、电压、电流、航向、三维加速度信息，按照运动特征将连续数据进行数据分片切割成轨迹列表，对其进行电源功率与行驶参数特征的特征提取与向量计算，输入经过实测构成的C4.5分类器进行计算，输出轨迹的生成载体类别；旨在以轨迹为单位将出行的绿色部分筛选出来，为碳减排测算等绿色出行提供数据源。

Description

一种针对不同出行方式的模式识别技术

技术领域

本发明涉及一种模式识别技术，具体是一种针对不同出行方式的模式识别技术。

背景技术

《HEV行驶模式特征和车辆特征》的方案是基于对混合动力车辆的车载储能系统仿真结果的定性分析，得出电量维持型混合动力模式和电量消耗型混合动力模式的燃料消耗及与电池SOC变化关系；现有技术局限于能量消耗的定性关系分析，对于大量数据在能量消耗与行驶特征的多维度关联分析方面不足，在估算电池SOC信息与能量输出模式的匹配不够，导致对于车辆的行驶载体与特征的甄别存在困难；

发明内容

本发明的目的在于提供一种细粒度分析现有技术在能量消耗方面的定性原则，尽可能结合样本分析屏蔽储能装置的SOC、能量转化效率与实际运动环境等不确定因素，进行判定规则库的处理分析与相关系数研究，通过C4.5决策树增益处理，提升判定结果的可靠率，从而实现对于绿色出行载体类别的判定的针对不同出行方式的模式识别技术，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种针对不同出行方式的模式识别技术，其特征在于，包括以下步骤：

(1)通过行驶特征参数将数据进行分片处理

行驶特征的数据判别模型为：行驶特征＝<T，V，C，A>

a.读入数据

$\left\{\begin{array}{c}\stackrel{\&RightArrow;}{V}=<v_1,v_2,...,v_t>\\ \stackrel{\&RightArrow;}{C}=<c_1,c_2,...,c_t>\\ \stackrel{\&RightArrow;}{A}=<a_1,a_2,...,a_t>\end{array}\right.$

其中，V为速度向量，C为航向向量，A为加速度向量

b.基于时间序列的位置信息切割为不同行驶特性的轨迹

所述行驶轨迹包括启动轨迹、加速轨迹、类匀速轨迹、减速轨迹和拐弯轨迹；

(2)基于能量转换与行驶参数特征的模式识别

a.针对加速场景下的电能转换关系如下：

$\left\{\begin{array}{c}P=P_1+P_2\\ P=U*I\\ P_3=P_2*\mathrm{\&eta;}\\ P_3=F*V\end{array}\right.$

其中，P为电瓶输出功率，P₁为损耗功率，P₂电机运行功率，P₃为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率；

根据电能转换公式得出：

$P=P1+\frac{F*V}{\mathrm{\&eta;}}$

b.加速场景下的牵引力情况为：

设给定的ts≤ti＜tj≤tf，[t_i，t_j]区间为极小，即默认电机输出功率不变，对于速度的实时速度vi，vj，存在如下关系：

$\left\{\begin{array}{c}F-\mathrm{\&mu;}*m*g=m*a\\ v_j-v_i=a*(t_j-t_i)\end{array}\right.$

其中m为车载重量，a为[t_i，t_j]的加速度，μ为摩擦因子；

根据以上公式得出加速场景下的实时功率计算值：

$P=P_1+\frac{u*m*g+m*v_j*\frac{v_j-v_i}{t_j-t_i}}{\mathrm{\&eta;}}$

能量转换特征＝＜P，P_m>，P为根据动能计算出的功率，P_in为输入功率；设给定的 存在t_s，t_f，在t_s≤t_i≤t_j≤t_f下的实测功率向量为P_in，与模型下计算所得的功率进行皮尔逊相关系数的计算；

c.行驶参数特征

行驶参数特征＝<U，I，V，Dis(L)>

其中，Dis(L)为对该数据分片的经纬度序列进行累计计算得出的里程，即

$\mathrm{Dis}\left(L\right)=\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Dis}(L_t\left(\mathrm{longitude}\right),L_t\left(\mathrm{latitude}\right))$

电压与速度正向变化关系判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，且V_i＜V_j的加速场景下，计算的皮尔逊相关系数；

动能消耗基准差额判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，计算时间序列下里程 $\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Dis}(L_t\left(\mathrm{longitude}\right),L_t\left(\mathrm{latitude}\right))$ 与能量消耗 $\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Energy}(P_t*T_t)$ 的的皮尔逊相关系数，其中P_t为输出功率，T_t持续运行时间差；

行驶特征及参数判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_f下，按照采样数据区间，计算驱动电压与行驶速度的皮尔逊相关系数；

(3)行驶载体模式识别的特征向量

行驶载体特征向量＝<P，P_in，U，I，V，Dis(L)>

其中，行驶特征向量的值域范围为：电动自行车、电动汽车及其他，所述电动汽车包括混合动力车EV-mode；通过计算完成的电源功率特征和行驶参数特征，进行C4.5监督式决策树计算，对行驶载体的类别进行确认。

作为本发明进一步的方案：所述启动轨迹的特征为：速度从零开始上升；加速度从零上升，逐渐下降为零；其判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_k≤t_f，对于v_i＝0，有v_i≤v_j≤v_k；

2)对于给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_k≤t_f，存在a_i＝0，a_j＞0，a_k＜μ，其中μ为正向变化的极小正值；

[t_i，t_k]内分割为启动轨迹。

作为本发明再进一步的方案：所述加速轨迹的特征为：速度从某非零值开始上升；加速度为非负数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，v_i＞0，v_i＜v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≥0；

[t_i，t_j]内分割为加速轨迹。

作为本发明再进一步的方案：所述类匀速轨迹的特征为：速度的波动不大于3km/h；数据队列中，加速度在零值上下波动；

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，有该时间区间内的速度方差D(V)≤2.25；

[t_i，t_f)内分割为类匀速轨迹。

作为本发明再进一步的方案：所述减速轨迹的特征为：速度从某非零值开始下降；加速度为非正数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，v_i＞0，v_i＞v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≤0；

[t_i，t_j]内分割为减速轨迹。

作为本发明再进一步的方案：所述拐弯轨迹的特征：位置点航向的二维角度偏离单向差值的累计值不小于45°，且持续某时间区间段；判定规则如下：

1)根据不同定位坐标系的标准，将地球坐标航向C转化成可识别的二维角度f(c)；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，求得短期稳定航向二维角度的标准值 $\stackrel{\&OverBar;}{f\left(c\right)}=\frac{\underset{t=t_i}{\overset{t_j}{\mathrm{\&Sigma;}}}f\left(c_t\right)}{j-i+1};$

3)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，存在航向与稳定航向在二维空间的向量偏离和不小于45°，即

[t_i，t_j]内分割为拐弯轨迹。

与现有技术相比，本发明的有益效果是：本发明以电动车的绿色出行为背景，通过对运动过程中输入端提供的能量消耗、行驶载体状态、运动特征三类实时监控的数据预处理后，将大量的时间、经纬度、电压、电流、航向、三维加速度信息，按照运动特征将连续数据进行数据分片切割成轨迹列表，对其进行电源功率与行驶参数特征的特征提取与向量计算，输入经过实测构成的C4.5分类器进行计算，输出轨迹的生成载体类别；本发明的关键点是，对于从驱动车辆的储能装置出发，结合能量转换规律与样本影响因子，分析能量消耗、行驶载体状态、运动特征之间的关系，在电动自行车、电动汽车、混合动力汽车进行实例样本训练后，将未标记的实例输入C4.5分类器，对行驶载体的类别进行判定；增强了多维度分析数据之间的关联关系，并且对不确定因素进行了基于样本采样方式的屏蔽，进行判定规则库的处理分析与相关系数研究，通过C4.5决策树增益处理，提升了判定结果的可靠率。

附图说明

图1为本发明的处理流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中，一种针对不同出行方式的模式识别技术，包括以下步骤：

(1)通过行驶特征参数将数据进行分片处理

依据行驶载体的运动特征数据时间、经纬度、航向和三维加速度的变化率，进行行驶特征的识别，将行驶载体的运动特征数据按照时间序列和运动特征进行轨迹分段，定义行驶特征的数据判别模型如下：

行驶特征＝<T，V，C，A>

1.1读入数据

$\left\{\begin{array}{c}\stackrel{\&RightArrow;}{V}=<v_1,v_2,...,v_t>\\ \stackrel{\&RightArrow;}{C}=<c_1,c_2,...,c_t>\\ \stackrel{\&RightArrow;}{A}=<a_1,a_2,...,a_t>\end{array}\right.$

其中，V为速度向量，C为航向向量，A为加速度向量

1.2基于时间序列的位置信息切割为不同行驶特性的轨迹

a.启动轨迹的特征为：速度从零开始上升；加速度从零上升，逐渐下降为零；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_k≤t_f，对于v_i＝0，有v_i≤v_j≤v_k；

2)对于给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_k≤t_f，存在a_i＝0，a_j＞0，a_k＜μ，其中μ为正向变化的极小正值；

满足上述条件，将[t_i，t_k]内分割为启动轨迹；

b.加速轨迹的特征为：速度从某非零值开始上升；加速度为非负数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，v_i＞0，v_i＜v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≥0；

满足上述条件，将[t_i，t_j]内分割为加速轨迹。

c.类匀速轨迹的特征为：速度的波动不大于3km/h；数据队列中，加速度在零值上下波动；

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，有该时间区间内的速度方差D(V)≤2.25；

满足上述条件，将[t_i，t_f)内分割为类匀速轨迹。

d.减速轨迹的特征为：速度从某非零值开始下降；加速度为非正数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，v_i＞0，v_i＞v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≤0；

满足上述条件，将[t_i，t_j]内分割为减速轨迹；

e.拐弯轨迹的特征：位置点航向的二维角度偏离单向差值的累计值不小于45°，且持续某时间区间段；判定规则如下：

1)根据不同定位坐标系的标准，将地球坐标航向C转化成可识别的二维角度f(c)；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，求得短期稳定航向二维角度的标准值 $\stackrel{\&OverBar;}{f\left(c\right)}=\frac{\underset{t=t_i}{\overset{t_j}{\mathrm{\&Sigma;}}}f\left(c_t\right)}{j-i+1};$

3)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，存在航向与稳定航向在二维空间的向量偏离和不小于45°，即

满足上述条件，将[t_i，t_j]内分割为拐弯轨迹；

(2)基于能量转换与行驶参数特征的模式识别

2.1能量转换特征

绿色出行的动力为电力储能系统来提供，因此，从能量的输出作为切入点是必要的，基于速度正向变化场景下的能量转换过程中的电压U与速度V的变化关系较突出，以此行驶特征进行能量转换的计算，有定量的价值。针对加速场景下的电能转换关系如下：

$\left\{\begin{array}{c}P=P_1+P_2\\ P=U*I\\ P_3=P_2*\mathrm{\&eta;}\\ P_3=F*V\end{array}\right.$

其中，P为电瓶输出功率，P₁为损耗功率，P₂电机运行功率，P₃为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率。

根据上述电能转换公式可以得出：

$P=P1+\frac{F*V}{\mathrm{\&eta;}}$

加速场景下的牵引力情况为：

设给定的ts≤ti＜tj≤tf，[t_i，t_j]区间为极小，即默认电机输出功率不变，对于速度V的实时速度vi，vj，存在如下关系：

$\left\{\begin{array}{c}F-\mathrm{\&mu;}*m*g=m*a\\ v_j-v_i=a*(t_j-t_i)\end{array}\right.$

其中m为车载重量，a为[t_i，t_j]的加速度，μ为摩擦因子。

根据以上公式可以得出加速场景下的实时功率计算值与：

$P=P_1+\frac{u*m*g+m*v_j*\frac{v_j-v_i}{t_j-t_i}}{\mathrm{\&eta;}}$

对电动自行车、电动汽车来说，如上参数进行大量样本采样，得出如下配置数据：

	电动自行车	电动汽车
			摩擦系数μ	(0.25，0.6)	(0.28，0.7)
车载重m	(120，300)	(1000，2200)
			损耗功率P1	(10，60)	(400，500)

能量转换特征＝<P，P_in>，P为根据动能计算出的功率，P_in为输入功率；设给定的 存在t_s，t_f，在t_s≤t_i≤t_j≤t_f下的实测功率向量为P_in，与模型下计算所得的功率进行皮尔逊相关系数的计算。

2.2行驶参数特征

行驶参数特征＝<U，I，V，Dis(L)>

其中，Dis(L)为对该数据分片的经纬度序列进行累计计算得出的里程，即

$\mathrm{Dis}\left(L\right)=\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Dis}(L_t\left(\mathrm{longitude}\right),L_t\left(\mathrm{latitude}\right))$

电压与速度正向变化关系判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，且V_i＜V_j的加速场景下，计算的皮尔逊相关系数。

动能消耗基准差额判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，计算时间序列下里程 $\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Dis}(L_t\left(\mathrm{longitude}\right),L_t\left(\mathrm{latitude}\right))$ 与能量消耗 $\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Energy}(P_t*T_t)$ 的的皮尔逊相关系数，其中P_t为输出功率，T_t持续运行时间差。

行驶特征及参数判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_f下，按照采样数据区间，计算驱动电压与行驶速度的皮尔逊相关系数。下表列出了大量样本采样后统计电动自行车、电动汽车的驱动电压与行驶速度的值域：

(3)行驶载体模式识别的特征向量

行驶载体特征向量＝<P，P_in，U，I，V，Dis(L)>，行驶特征向量的值域范围为：电动自行车、电动汽车(含混合动力车EV-mode)、其他；通过以上计算完成的电源功率特征和行驶参数特征，进行C4.5监督式决策树计算，对行驶载体的类别进行确认。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种针对不同出行方式的模式识别技术，其特征在于，包括以下步骤：

(1)通过行驶特征参数将数据进行分片处理

行驶特征的数据判别模型为：行驶特征＝<T，V，C，A>

a.读入数据

$\left\{\begin{array}{c}\stackrel{\&RightArrow;}{V}=<v_1,v_2,...v_t>\\ \stackrel{\&RightArrow;}{C}=<c_1,c_2,...,c_t>\\ \stackrel{\&RightArrow;}{A}=<a_1,a_2,...,a_t>\end{array}\right.$

其中，V为速度向量，C为航向向量，A为加速度向量

b.基于时间序列的位置信息切割为不同行驶特性的轨迹

所述行驶轨迹包括启动轨迹、加速轨迹、类匀速轨迹、减速轨迹和拐弯轨迹；

(2)基于能量转换与行驶参数特征的模式识别

a.针对加速场景下的电能转换关系如下：

$\left\{\begin{array}{c}P=P_1+P_2\\ P=U*I\\ P_3=P_2*\mathrm{\&eta;}\\ P_3=F*V\end{array}\right.$

其中，P为电瓶输出功率，P₁为损耗功率，P₂电机运行功率，P₃为电机输出功率，U为输出电压，I为输出电流，F为输出牵引力，V为实时运动速度，η为电机能量输出效率；

根据电能转换公式得出：

$P=P1+\frac{F*V}{\mathrm{\&eta;}}$

b.加速场景下的牵引力情况为：

设给定的ts≤ti＜tj≤tf，[t_i，t_j]区间为极小，即默认电机输出功率不变，对于速度V的实时速度vi，vj，存在如下关系：

$\left\{\begin{array}{c}F-\mathrm{\&mu;}*m*g=m*a\\ v_j-v_i=a*(t_j-t_i)\end{array}\right.$

其中m为车载重量，a为[t_i，t_j]的加速度，μ为摩擦因子；

根据以上公式得出加速场景下的实时功率计算值：

$P=P_1+\frac{u*m*g+m*v_j*\frac{v_j-v_i}{t_j{-t}_i}}{\mathrm{\&eta;}}$

能量转换特征＝<P，P_in>，P为根据动能计算出的功率，P_in为输入功率；设给定的 存在t_s，t_f，在t_s≤t_i≤t_j≤t_f下的实测功率向量为P_in，与模型下计算所得的功率进行皮尔逊相关系数的计算；

c.行驶参数特征

行驶参数特征＝<U，I，V，Dis(L)>

其中，Dis(L)为对该数据分片的经纬度序列进行累计计算得出的里程，即

$\mathrm{Dis}\left(L\right)=\underset{t=i}{\overset{j}{\mathrm{\&Sigma;}}}\mathrm{Dis}(L_t\left(\mathrm{longitude}\right),L_t\left(\mathrm{latitude}\right))$

电压与速度正向变化关系判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，且V_t＜V_j的加速场景下，计算的皮尔逊相关系数；

动能消耗基准差额判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_j≤t_f，计算时间序列下里程与能量消耗的的皮尔逊相关系数，其中P_t为输出功率，T_t持续运行时间差；

行驶特征及参数判定的相关系数，设给定的存在t_s，t_f，在t_s≤t_i≤t_f下，按照采样数据区间，计算驱动电压与行驶速度的皮尔逊相关系数；

(3)行驶载体模式识别的特征向量

行驶载体特征向量＝＜P，P_in，U，I，V，Dis(L)>

其中，行驶特征向量的值域范围为：电动自行车、电动汽车及其他，所述电动汽车包括混合动力车EV-mode；通过计算完成的电源功率特征和行驶参数特征，进行C4.5监督式决策树计算，对行驶载体的类别进行确认。

2.根据权利要求1所述的针对不同出行方式的模式识别技术，其特征在于，所述启动轨迹的特征为：速度从零开始上升；加速度从零上升，逐渐下降为零；其判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_k≤t_f，对于v_i＝0，有v_i≤v_j≤v_k；

2)对于给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤tx≤t_f，存在a_i＝0，a_j＞0，a_k＜μ，其中μ为正向变化的极小正值；

[t_i，t_k]内分割为启动轨迹。

3.根据权利要求1所述的针对不同出行方式的模式识别技术，其特征在于，所述加速轨迹的特征为：速度从某非零值开始上升；加速度为非负数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，v_i＞0，v_i＜v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≥0；

[t_i，t_j]内分割为加速轨迹。

4.根据权利要求1所述的针对不同出行方式的模式识别技术，其特征在于，所述类匀速轨迹的特征为：速度的波动不大于3km/h；数据队列中，加速度在零值上下波动；

1)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，有该时间区间内的速度方差D(V)≤2.25；

[t_i，t_f)内分割为类匀速轨迹。

5.根据权利要求1所述的针对不同出行方式的模式识别技术，其特征在于，所述减速轨迹的特征为：速度从某非零值开始下降；加速度为非正数；判定规则如下：

1)设给定的存在t_s，t_f，使得t_s≤tx≤t_j≤t_f，v_i＞0，v_i＞v_j；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_f，a_i≤0；

[t_i，t_j]内分割为减速轨迹。

6.根据权利要求1所述的针对不同出行方式的模式识别技术，其特征在于，所述拐弯轨迹的特征：位置点航向的二维角度偏离单向差值的累计值不小于45°，且持续某时间区间段；判定规则如下：

1)根据不同定位坐标系的标准，将地球坐标航向C转化成可识别的二维角度f(c)；

2)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，求得短期稳定航向二维角度的标准值 $\stackrel{\&OverBar;}{f\left(c\right)}=\frac{\underset{t=t_i}{\overset{t_j}{\mathrm{\&Sigma;}}}f\left(c_t\right)}{j-i+1};$

3)设给定的存在t_s，t_f，使得t_s≤t_i≤t_j≤t_f，存在航向与稳定航向在二维空间的向量偏离和不小于45°，即

[t_i，t_j]内分割为拐弯轨迹。