CN107331179A - 一种基于大数据云平台的经济性驾驶辅助系统及实现方法 - Google Patents

Abstract

一种基于大数据云平台的经济性驾驶辅助系统及实现方法，其中的系统包括云平台、数据传输终端、车辆内部总线网、车载控制器、车辆中控屏以及车载传感器；其中的实现方法包括以下步骤：车载传感器采集信息，由车载控制器收集处理这些信息后传输到车辆内部总线网、数据传输终端接入车辆内部总线网采集车辆位置信息及上述各种信息、数据传输终端将信息传输到云平台予以存储并用于驾驶行为分析、云平台对驾驶员进行驾驶行为指导。可科学的分析历史驾驶行为数据，并准确识别车辆的当前状态，正确引导司机的驾驶动作，改善司机驾驶行为。

Description

一种基于大数据云平台的经济性驾驶辅助系统及实现方法

技术领域

本发明涉及一种驾驶辅助系统及实现方法，更具体地说涉及一种基于大数据云平台的经济性驾驶辅助系统及实现方法，属于辅助驾驶技术领域。

背景技术

目前，传统的车辆运行通过驾驶员根据经验进行控制。但是，由于每个驾驶员的驾驶经验不同，各个驾驶员驾驶的车辆经济性水平也参差不平；有些驾驶员由于对车辆驾驶环境缺乏预见性，驾驶行为往往不能适应路况的变化，导致不必要的换挡、急加速或急减速等驾驶行为的增加，从而导致燃油经济性的恶化。

发明内容

本发明针对现有的车辆驾驶员由于对车辆驾驶环境缺乏预见性，导致燃油经济性的恶化等问题，提供一种基于大数据云平台的经济性驾驶辅助系统及实现方法。

为实现上述目的，本发明的技术解决方案是：一种基于大数据云平台的经济性驾驶辅助系统，包括云平台和控制传感系统，所述的云平台与车辆控制传感系统通过4G或5G网进行信息互联，云平台收集天气和交通信息、并采集来自车辆控制传感系统的信息，且云平台利用前述信息分析并形成以车辆燃油经济性最优为目的的最优驾驶行为集，同时将适合当前运行车辆的最优经济性驾驶行为反馈至车辆控制传感系统，车辆控制传感系统收集车辆基本信息和车辆周围环境信息，并接受来自云平台的驾驶行为指导信息，同时控制车辆按照该指导信息进行运行。

所述的控制传感系统包括数据传输终端、车辆内部总线网、车载控制器、车辆中控屏以及车载传感器，所述的云平台与数据传输终端通过4G或5G网相连接，所述的数据传输终端、车辆中控屏、车载控制器分别与车辆内部总线网相连接，所述的车载控制器与车载传感器相连接，所述的云平台收集天气和交通信息、采集来自车辆数据传输终端的信息，且云平台中形成以车辆燃油经济性最优为目的的最优驾驶行为集、并将优化后的最优经济性驾驶行为反馈至车辆传输终端，所述的数据传输终端收集车辆基本信息并接受来自云平台的驾驶行为指导信息，所述的车辆中控屏为人机交互组件。

所述的车载传感器包括地理位置传感器、车载摄像头、载荷传感器、车速传感器、油门传感器、油耗传感器、制动传感器和档位传感器。

一种基于大数据云平台的经济性驾驶辅助系统的实现方法，包括以下步骤：

步骤一、在车辆行驶过程中，车载摄像头采集车辆环境信息，其它传感器获取车辆载荷、速度、油门、实时油耗、档位及制动信息，地理位置传感器获取车辆实时位置信息，车载传感器并将上述信息传送给车载控制器，车载控制器收集处理这些信息后传输到车辆内部总线网；步骤二、数据传输终端接入车辆内部总线网，并由数据传输终端采集车辆位置信息及步骤一中的各种信息；步骤三、数据传输终端将步骤二中采集到的信息传输到云平台，同时云平台也根据车辆的实时位置，通过后台互联网获取车辆当前位置下的天气和交通信息，与前述信息一起予以存储并用于驾驶行为分析；步骤四、在进行步骤三的同时，云平台也将根据该车辆的实时地理位置信息、状态信息和环境信息对驾驶员进行驾驶行为指导。

所述的步骤三中具体包括以下步骤：

S1、云平台根据其存储的大量驾驶行为数据和车辆状态数据，通过大数据分析算法，从中分析出在不同驾驶环境和车辆状态下所对应的车辆经济性最优驾驶行为，形成经济性最优驾驶行为集，所述的经济性最优驾驶行为集为不同驾驶环境和车辆状态下的车辆速度和档位信息集，并将其存储于大数据云平台，作为经济性辅助驾驶所需要的信息；S2、云平台对接收的实时运行车辆按照车辆配置信息、载荷及运行场景进行快速匹配分析，在经济性最优驾驶行为集中找到适合该车辆特征的最优驾驶行为并反馈至数据传输终端。

所述的步骤S1中经济性最优驾驶行为集的形成具体包括下述步骤：

A、云平台根据存储的历史车辆数据，使用大数据分析算法，对平台中大量的历史驾驶行为数据、车辆环境信息和车辆状态按照车辆和环境特征进行分类；B、在每一类别中，利用人工智能算法、以燃油经济性最优为目的，对所有驾驶行为进行分析，从而得到在不同车辆环境、车辆状态下的经济性最优的驾驶行为，这些驾驶行为最终形成最优驾驶行为集；C、将得到的经济性最优驾驶行为集存储于大数据云平台，用于后续驾驶辅助系统的驾驶动作指导。

所述的步骤四中驾驶行为指导具体包括下述步骤：

S1、识别实时运行车辆的实时地理位置信息；S2、识别实时运行车辆的状态信息；S3、识别实时运行车辆的环境信息；S4、通过上述步骤一至三中识别到当前车辆的状态信息，根据大数据云平台存储的经济性最优驾驶行为集，匹配获取当前车辆状态下的实时最优驾驶行为；S5、云平台将上面步骤四中最优驾驶行为反馈给实时运行车辆的数据传输终端，该终端将最优驾驶行为通过车内网发送给车载中控屏并发布，车辆中控屏将优化后的驾驶行为以目标车速及挡位的形式对驾驶员进行驾驶提醒。

与现有技术相比较，本发明的有益效果是：

1、本发明中数据传输终端、车辆中控屏、车载控制器分别与车辆内部总线网相连接，车载控制器与车载传感器相连接。数据存储和分析在公有云平台实现，每辆车需要配备的硬件只有一个数据传输终端进行必要的信息传输，无需购买服务器硬件，硬件要求低，硬件成本少。

2、本发明中数据传输终端接收来自云平台对当前车辆特征下最优驾驶行为的分析结果，且数据传输终端将接收的最优驾驶行为分析结果通过车辆内部总线网传输到车辆中控屏，并指导司机完成驾驶行为。因此通过应用本系统可科学的分析历史驾驶行为数据，并准确识别车辆的当前状态，实时获取车辆当前最优的驾驶行为，正确引导司机的驾驶动作，改善司机驾驶行为，养成良好的驾驶习惯，有效降低车辆的驾驶油耗。

3、本发明中云平台根据其存储的大量驾驶行为数据和车辆状态数据，通过大数据分析算法，得到不同驾驶环境和不同车辆状态下的最优驾驶行为；且最优驾驶行为数据提前存储于云平台并能进行同步优化更新，根据当前车辆的状态信息与最优驾驶行为进行实时比对，获取当前最优驾驶行为，计算量小，运算效率高，保证系统运行的高实时性。

附图说明

图1是本发明中驾驶辅助系统结构框图。

图2 是本发明中云平台智能分析原理图。

具体实施方式

以下结合附图说明和具体实施方式对本发明作进一步的详细描述。

一、实施例一

一种基于大数据云平台的经济性驾驶辅助系统，包括云平台和控制传感系统，所述的云平台与车辆控制传感系统通过4G或5G网进行信息互联。云平台收集天气和交通信息、并采集来自车辆控制传感系统的信息，且云平台利用前述信息分析并形成以车辆燃油经济性最优为目的的最优驾驶行为集，同时将适合当前运行车辆的最优经济性驾驶行为反馈至车辆控制传感系统。车辆控制传感系统收集车辆基本信息和车辆周围环境信息，并接受来自云平台的驾驶行为指导信息，同时控制车辆按照该指导信息进行运行。

参见图1至图2，所述的控制传感系统包括数据传输终端、车辆内部总线网、车载控制器、车辆中控屏以及车载传感器。所述的云平台与数据传输终端通过4G或5G网相连接，所述的数据传输终端、车辆中控屏、车载控制器分别与车辆内部总线网相连接，所述的车载控制器与车载传感器相连接。

所述的云平台采集外部信息，将采集的不同车型及工况的车辆运行数据进行深度学习并存储，形成基于不同车型、载荷及驾驶环境的以燃油经济性最优为目的的最优驾驶行为集。当接入此系统的车辆开始运行时，云平台将按照车辆型号及载荷，针对车辆当前的驾驶环境及位置信息从前述最优驾驶行为集中匹配并反馈适合当前车辆运行工况的最优经济性驾驶行为。具体包括：1）云平台收集来自4G或5G网络的天气和交通信息，建立一个适用于当前车辆运行工况的驾驶环境；2）云平台采集来自车辆数据传输终端的信息，具体包括车辆位置信息、车辆配置信息、车辆运行工况、实时油耗及载荷信息等信息，并结合车辆运行场景对车辆的运行状态进行驾驶环境构建；3）云平台具有深度学习系统，同时其在运行过程中会不断积累车辆运行数据并以此持续优化深度学习的逻辑；4）云平台将积累的车辆运行数据按照车辆配置信息、载荷及运行场景进行分类，并对每一类中的驾驶行为进行深度学习，形成以车辆燃油经济性最优为目的的最优驾驶行为集；5）云平台对接入系统的实时运行车辆按照车辆配置信息、载荷及运行场景进行快速匹配分析，在最优驾驶行为集中找到适合该车辆特征的最优驾驶行为，该驾驶行为可转换为驾驶员可执行指令，包括车速、制动及挡位等；6）云平台将优化后的最优经济性驾驶行为通过4G或5G网络反馈至车辆传输终端。

所述的数据传输终端收集车辆基本信息，包括经济性驾驶相关的车辆运行工况数据，包括车型及载荷等信息、以及运行工况数据（比如实时油耗信息）；并连同车辆当前GPS位置信息一起通过4G或5G网络发送给云平台。同时该数据传输终端也接受来自云平台的驾驶行为指导信息。具体包括：1）数据传输终端发送车辆配置和载荷信息并通过4G或5G网络将以上信息传输至云平台，使云平台可以针对性的进行数据挖掘和分析；2）数据传输终端发送车辆位置信息、路况信息并通过4G或5G网络将以上信息传输至云平台，使云平台深度学习系统可以进行车辆驾驶环境的重建；3）数据传输终端发送驾驶员操作信息和实时油耗信息并通过4G或5G网络将以上信息传输至云平台，使云平台深度学习系统可以按照燃油经济性最优对驾驶员驾驶行为进行深度学习；4）数据传输终端通过4G或5G网络也接受云平台的驾驶指导信息。

所述的车辆内部总线网包含了车辆基本信息和运行工况的核心信息，例如车辆运行工况数据、车辆位置信息、路况信息等，为了避免数据传输量过大，本系统只读取与优化燃油经济性相关的数据。

所述的车辆中控屏为人机交互组件，云平台通过驾驶环境重建按照车辆配置信息获取最优驾驶行为后，将该行为通过数据传输终端由车内网发送至车辆中控屏，车辆中控屏将优化后的驾驶行为以目标车速及挡位的形式对驾驶员进行驾驶提醒。具体包括：1）车辆中控屏提醒当前场景下的最优车速，明确车型配置信息后，在相应的驾驶环境下存在一个燃油经济经济性最优车速，车辆中控屏接收由云计算深度学习得到的车速曲线并实时进行显示提醒；2）车辆中控屏实时显示最佳经济性驾驶车速曲线的同时，根据云平台预判的道路拥堵、急转弯及下坡信息，计算何时进入滑行工况可以最大限度减少制动行为以提升燃油经济性；3）车辆中控屏实时显示车辆最优挡位信息，最优挡位信息由云平台针对车辆配置信息并结合当前驾驶环境进行计算。

所述的车载传感器包括地理位置传感器、车载摄像头、载荷传感器、车速传感器、油门传感器、油耗传感器、制动传感器和档位传感器，所述的车载控制器采集并处理车载传感器信息，并发布到车辆内部总线网；所述的车载摄像头以采集车辆环境信息，比如路面状态等；其它传感器获取车辆位置信息、载荷、速度、油门、实时油耗、档位、转向及制动等车辆状态信息等。

二、实施例二

参见图1至图2，一种基于大数据云平台的经济性驾驶辅助系统的实现方法，包括以下步骤：

步骤一、在车辆行驶过程中，车载摄像头采集车辆环境信息，比如路面状态等；其它传感器获取车辆载荷、速度、油门、实时油耗、档位、转向及制动等等车辆状态信息；地理位置传感器（如GPS）获取车辆实时位置信息。车载传感器将上述信息传送给车载控制器，车载控制器收集处理这些信息后传输到车辆内部总线网。

步骤二、数据传输终端接入车辆内部总线网，并由数据传输终端采集车辆位置信息及步骤一中的各种信息。

步骤三、数据传输终端将步骤二中采集到的信息通过4G或5G网络传输到云平台，同时云平台也根据车辆的实时位置，通过后台互联网获取车辆当前位置下的天气和交通信息，与前述信息一起予以存储并用于驾驶行为分析。

具体的，上述步骤三中具体包括以下步骤：S1、云平台根据其存储的大量驾驶行为数据和车辆状态数据，通过大数据分析算法，从中分析出在不同驾驶环境（位置、路面状态、交通、天气等）和车辆状态（车型、载重等）下所对应的以降低车辆燃油消耗为目的车辆经济性最优驾驶行为，并形成经济性最优驾驶行为集，所述的经济性最优驾驶行为集为不同驾驶环境和车辆状态下的车辆速度和档位信息集（例如油门、制动、方向盘、挡位等动作）并将其存储于大数据云平台，作为经济性辅助驾驶所需要的信息；S2、云平台对接收的实时运行车辆按照车辆配置信息、载荷及运行场景进行快速匹配分析，在经济性最优驾驶行为集中找到适合该车辆特征的最优驾驶行为，该最优驾驶行为可转换为驾驶员可执行指令（包括车速、制动及挡位等）并通过4G或5G网络反馈至数据传输终端。

进一步的，所述的步骤S1中经济性最优驾驶行为集的形成具体包括下述步骤：A、云平台根据其存储的历史车辆数据，使用大数据分析算法，对平台中大量的历史驾驶行为数据、车辆环境信息和车辆状态按照车辆和环境特征进行分类；B、在每一类别中，利用人工智能算法（例如深度学习算法）、以燃油经济性最优为目的，对所有驾驶行为进行分析，从而得到在不同车辆环境、车辆状态下的经济性最优的驾驶行为，这些驾驶行为最终形成最优驾驶行为集；C、将得到的经济性最优驾驶行为集存储于大数据云平台，用于后续驾驶辅助系统的驾驶动作指导。

步骤四、在进行步骤三的同时，云平台也将根据该车辆的实时地理位置信息、状态信息和环境信息对驾驶员进行驾驶行为指导。

具体的，所述的步骤四中驾驶行为指导具体包括下述步骤：

步骤一、识别实时运行车辆的实时地理位置信息；步骤二、识别实时运行车辆的状态信息；步骤三、识别实时运行车辆的环境信息；步骤四、通过上述步骤一至三中识别到当前车辆的状态信息，根据大数据云平台存储的经济性最优驾驶行为集，匹配获取当前车辆状态下的实时最优驾驶行为；步骤五、云平台将上面步骤四中最优驾驶行为反馈给实时运行车辆的数据传输终端，该终端将最优驾驶行为通过车内网发送给车载中控屏并以语音、文字以及图形等形式发布，车辆中控屏将优化后的驾驶行为以目标车速及挡位的形式对驾驶员进行驾驶提醒用以指导司机完成驾驶行为。

参见图1至图2，本发明利用云平台持续收集所有接入的货运车辆终端的实时运行信息（包括位置、路段类型、驾驶员、车型、载重、实时油耗、速度、档位等），通过大数据的收集和挖掘，充分学习和提炼优秀驾驶员的驾驶经验，生成并持续优化车辆在特定运行工况下的最优驾驶行为，从而提供一种以燃油经济性最优为目的的驾驶行为作为参考依据的辅助驾驶系统及其实现方法，并以此指导驾驶员驾驶车辆，实现燃油经济性和运输效率的提升。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，上述结构都应当视为属于本发明的保护范围。

Claims (7)

1.一种基于大数据云平台的经济性驾驶辅助系统，其特征在于：包括云平台和控制传感系统，所述的云平台与车辆控制传感系统通过4G或5G网进行信息互联，云平台收集天气和交通信息、并采集来自车辆控制传感系统的信息，且云平台利用前述信息分析并形成以车辆燃油经济性最优为目的的最优驾驶行为集，同时将适合当前运行车辆的最优经济性驾驶行为反馈至车辆控制传感系统，车辆控制传感系统收集车辆基本信息和车辆周围环境信息，并接受来自云平台的驾驶行为指导信息，同时控制车辆按照该指导信息进行运行。

2.根据权利要求1所述的一种基于大数据云平台的经济性驾驶辅助系统，其特征在于：所述的控制传感系统包括数据传输终端、车辆内部总线网、车载控制器、车辆中控屏以及车载传感器，所述的云平台与数据传输终端通过4G或5G网相连接，所述的数据传输终端、车辆中控屏、车载控制器分别与车辆内部总线网相连接，所述的车载控制器与车载传感器相连接，所述的云平台收集天气和交通信息、采集来自车辆数据传输终端的信息，且云平台中形成以车辆燃油经济性最优为目的的最优驾驶行为集、并将优化后的最优经济性驾驶行为反馈至车辆传输终端，所述的数据传输终端收集车辆基本信息并接受来自云平台的驾驶行为指导信息，所述的车辆中控屏为人机交互组件。

3.根据权利要求2所述的一种基于大数据云平台的经济性驾驶辅助系统，其特征在于：所述的车载传感器包括地理位置传感器、车载摄像头、载荷传感器、车速传感器、油门传感器、油耗传感器、制动传感器和档位传感器。

4.一种基于大数据云平台的经济性驾驶辅助系统的实现方法，其特征在于，包括以下步骤：

步骤一、在车辆行驶过程中，车载摄像头采集车辆环境信息，其它传感器获取车辆载荷、速度、油门、实时油耗、档位及制动信息，地理位置传感器获取车辆实时位置信息，车载传感器并将上述信息传送给车载控制器，车载控制器收集处理这些信息后传输到车辆内部总线网；

步骤二、数据传输终端接入车辆内部总线网，并由数据传输终端采集车辆位置信息及步骤一中的各种信息；

步骤三、数据传输终端将步骤二中采集到的信息传输到云平台，同时云平台也根据车辆的实时位置，通过后台互联网获取车辆当前位置下的天气和交通信息，与前述信息一起予以存储并用于驾驶行为分析；

步骤四、在进行步骤三的同时，云平台也将根据该车辆的实时地理位置信息、状态信息和环境信息对驾驶员进行驾驶行为指导。

5.根据权利要求4所述的一种基于大数据云平台的经济性驾驶辅助系统的实现方法，其特征在于，所述的步骤三中具体包括以下步骤：

S1、云平台根据其存储的大量驾驶行为数据和车辆状态数据，通过大数据分析算法，从中分析出在不同驾驶环境和车辆状态下所对应的车辆经济性最优驾驶行为，形成经济性最优驾驶行为集，所述的经济性最优驾驶行为集为不同驾驶环境和车辆状态下的车辆速度和档位信息集，并将其存储于大数据云平台，作为经济性辅助驾驶所需要的信息；

S2、云平台对接收的实时运行车辆按照车辆配置信息、载荷及运行场景进行快速匹配分析，在经济性最优驾驶行为集中找到适合该车辆特征的最优驾驶行为并反馈至数据传输终端。

6.根据权利要求5所述的一种基于大数据云平台的经济性驾驶辅助系统的实现方法，其特征在于，所述的步骤S1中经济性最优驾驶行为集的形成具体包括下述步骤：

A、云平台根据存储的历史车辆数据，使用大数据分析算法，对平台中大量的历史驾驶行为数据、车辆环境信息和车辆状态按照车辆和环境特征进行分类；

B、在每一类别中，利用人工智能算法、以燃油经济性最优为目的，对所有驾驶行为进行分析，从而得到在不同车辆环境、车辆状态下的经济性最优的驾驶行为，这些驾驶行为最终形成最优驾驶行为集；

C、将得到的经济性最优驾驶行为集存储于大数据云平台，用于后续驾驶辅助系统的驾驶动作指导。

7.根据权利要求4所述的一种基于大数据云平台的经济性驾驶辅助系统的实现方法，其特征在于，所述的步骤四中驾驶行为指导具体包括下述步骤：

S1、识别实时运行车辆的实时地理位置信息；

S2、识别实时运行车辆的状态信息；

S3、识别实时运行车辆的环境信息；

S4、通过上述步骤一至三中识别到当前车辆的状态信息，根据大数据云平台存储的经济性最优驾驶行为集，匹配获取当前车辆状态下的实时最优驾驶行为；

S5、云平台将上面步骤四中最优驾驶行为反馈给实时运行车辆的数据传输终端，该终端将最优驾驶行为通过车内网发送给车载中控屏并发布，车辆中控屏将优化后的驾驶行为以目标车速及挡位的形式对驾驶员进行驾驶提醒。