CN108909719A - 电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 - Google Patents
电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 Download PDFInfo
- Publication number
- CN108909719A CN108909719A CN201810841381.4A CN201810841381A CN108909719A CN 108909719 A CN108909719 A CN 108909719A CN 201810841381 A CN201810841381 A CN 201810841381A CN 108909719 A CN108909719 A CN 108909719A
- Authority
- CN
- China
- Prior art keywords
- driving habit
- electric car
- score value
- time period
- unit time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 239000011159 matrix material Substances 0.000 claims description 37
- 238000010586 diagram Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 5
- 230000002045 lasting effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 8
- 230000005611 electricity Effects 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000005096 rolling process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000001172 regenerating effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000003032 molecular docking Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003638 chemical reducing agent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000979 retarding effect Effects 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
- B60W40/09—Driving style or behaviour
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2540/00—Input parameters relating to occupants
- B60W2540/30—Driving style
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明公开了一种电动汽车的驾驶习惯识别方法、系统、设备以及存储介质,驾驶习惯识别方法包括:S100、以一预设的时间长度作为单位时段,获取当前时刻所处的单位时段之前的每一所述单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,所述历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的;S200、所述电动汽车包括一仪表,将所述当前驾驶习惯分值于所述仪表进行显示。
Description
技术领域
本发明涉及的是电动汽车领域,更具体的说,涉及一种电动汽车的驾驶习惯识别方法、系统、设备以及存储介质。
背景技术
开发和推广新能源汽车是解决当前大气污染和能源危机的重要举措,但是受限于电池技术的发展,电动汽车依然存在着续航里程短的问题,容易让驾驶员产生里程焦虑。利用控制系统,在减速过程中,将车辆动能有效的转化为电能回收更多能量,或者滑行更远的距离,都能够有效降低燃料消耗率(公里电耗)。
所谓制动能量回收就是汽车进行制动减速或停车过程中,在保证制动安全的前提下,将车的一部分动能转化为其他形式的能量存储起来,在减速制动的同时实现能量回收的目的后在汽车起步加速或上坡时将存储的能量释放出来,作为辅助能量驱动汽车前行。汽车制动能量回收技术的实质是在汽车实现减速或者制动时,电机进行反转从而提供制动力矩,此时电机以发电机的形式运行,在实现制动的同时提供电能来完成对蓄电池系统的充电,进行能量的存储。
但是减速过程依赖于驾驶员操作,急躁风格的驾驶员更喜欢急加速急踩刹车,导致机械制动过早介入,大部分动能的通过机械制动系统损失;温和风格的驾驶员喜欢缓加速多滑行,如果滑行过程的电回馈较大(回馈扭矩较大),在动能转化为电能,电能再转化为动能的过程中,又会产生一定充放电的效率损失。所以对于急躁风格的驾驶员而言,应尽量加大滑行回馈扭矩,避免因机械制动过早介入导致的能量损失;对于温和风格的驾驶员而言,应适度减小滑行回馈扭矩,避免能量回收再转换为动能过程中造成的效率损失。
发明内容
针对现有技术存在的问题,本发明的目的在于提供一种电动汽车的驾驶习惯识别方法、系统、设备以及存储介质,能够实时的获得驾驶员的驾驶习惯分值,能够将当前驾驶习惯分值于电动汽车的仪表处显示并通过用户的移动终端发出报警,从而使得用户能够及时的了解其驾驶习惯,进而改进其驾驶习惯。
根据本发明的一个方面,提供一种电动汽车的驾驶习惯识别方法,包括以下步骤:
S100、以一预设的时间长度作为单位时段,所述电动汽车获取当前时刻所处的单位时段之前的每一所述单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,所述历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的;
S200、所述电动汽车包括一仪表,将所述当前驾驶习惯分值于所述仪表进行显示;
所述道路工况类型通过一工况识别函数获得,所述工况识别函数的公式为:
其中:
cyleflg为道路工况类型;
cntstop为所述电动汽车的停车次数;
Vavg为所述电动汽车的平均速度;
cntstopcity为预设的城市停车次数阈值;
cntstopsuburb为预设的郊区停车次数阈值;
Vcity为预设的城市速度阈值;
Vsuburb为预设的郊区速度阈值;
“1”“2”“3”“4”“5”“6”“7”“8”“9”表示所述道路工况类型的种类;
所述历史驾驶习惯分值是根据所述道路工况类型和所述滑行系数在预设的一二维的分值矩阵中匹配得到;
所述分值矩阵为:所述分值矩阵中的每个元素的取值范围[60,100],所述分值矩阵中的每一行元素沿行方向从左至右增大,每一列元素沿列方向从上至下减少;
所述匹配过程包括:
根据所述滑行系数选择所述历史驾驶习惯分值在所述分值矩阵的列数:
若所述滑行系数位于(0,0.25]的区间内,则选择所述分值矩阵中的第一列,
若所述滑行系数位于(0.25,0.30]的区间内,则选择所述分值矩阵中的第二列,
若所述滑行系数位于(0.30,1)的区间内,则选择所述分值矩阵中的第三列;
根据所述工况识别函数获得所述道路工况类型cyleflg的值选择所述历史驾驶习惯分值在所述分值矩阵的行数。
优选的,在所述步骤S100中,所述历史驾驶习惯分值通过以下步骤获得:
S110、对所述电动汽车的行驶道路进行道路工况识别,获得所述单位时段内的行驶道路的所述道路工况类型;
S120、采集所述电动汽车的滑行时间和减速时间,并根据所述滑行时间和所述减速时间获得所述滑行系数,所述滑行系数为所述滑行时间与所述减速时间的比值;
S130、根据所述道路工况类型和所述滑行系数获得所述电动汽车的驾驶员的所述历史驾驶习惯分值。
优选的,,在所述步骤S110中,对所述电动汽车的行驶道路进行道路工况识别的具体步骤包括:
S111、获得单位时段内的所述电动汽车的平均速度;
S112、获得所述电动汽车在单位时段内的停车次数;
S113、根据所述平均速度和所述停车次数通过所述工况识别函数获得所述道路工况类型。
优选的,在所述步骤S110中,对所述电动汽车进行定位以获得所述电动汽车的位置信息,根据所述位置信息和一标注有所述道路工况类型的电子地图获得所述单位时段内的行驶道路的所述道路工况类型。
优选的,在所述步骤S100中,对当前时刻之前的每一所述单位时段内的所述历史驾驶习惯分值进行迭代的公式为:
Drivescorenow=kDrivescoren-2+(1-k)Drivescoren-1;
其中:
Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中;
Drivescoren-1为当前时刻之前一个单位时段的所述历史驾驶习惯分值;
Drivescoren-2为当前时刻之前二个单位时段的所述历史驾驶习惯分值;
k为一预设的迭代系数,k的取值范围为(0,1]。
优选的,在所述步骤S100中,对当前时刻之前的每一所述单位时段内的所述历史驾驶习惯分值进行迭代的公式为:
Drivescorenow=Drivescoren-1;
其中:
Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中;
Drivescoren-1为当前时刻所处的单位时段之前一个单位时段的所述历史驾驶习惯分值。
优选的,在所述步骤S200中,根据所述当前驾驶习惯分值生成一柱形图,并将所述柱形图显示于所述仪表。
优选的,在所述步骤S200之后,还包括步骤S300、提供一移动终端,将所述当前驾驶习惯分值发送至所述移动终端并于所述移动终端显示。
优选的,在所述步骤S300之后,在所述步骤S300之后,还包括:
S400、判断所述当前驾驶习惯分值是否小于一预设的报警阈值:
若是,则执行步骤S500;
若否,则执行步骤S600;
S500、所述移动终端持续的振动,并于所述移动终端的显示界面中闪烁显示一报警图标;
S600、在所述移动终端的显示界面中显示一安全图标。
根据本发明的一个方面,提供一种电动汽车的驾驶习惯识别系统,包括:
习惯识别模块,以一预设的时间长度作为单位时段,所述电动汽车获取当前时刻所处的单位时段之前的每一所述单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,所述历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的;和
分值显示模块,将所述当前驾驶习惯分值于电动汽车的仪表进行显示。
优选的,所述习惯识别模块包括:
工况识别单元,对所述电动汽车的行驶道路进行道路工况识别,获得所述单位时段内的行驶道路的所述道路工况类型;
系数获取单元,采集所述电动汽车的滑行时间和减速时间,并根据所述滑行时间和所述减速时间获得所述滑行系数,所述滑行系数为所述滑行时间与所述减速时间的比值;和
分值获取单元,根据所述道路工况类型和所述滑行系数通过一习惯评分策略获得所述电动汽车的驾驶员的所述历史驾驶习惯分值。
根据本发明的一个方面,提供一种电动汽车的驾驶习惯识别设备,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述电动汽车的驾驶习惯识别方法的步骤。
根据本发明的一个方面,提供一种计算机可读存储介质,用于存储程序,所述程序被执行时实现上述电动汽车的驾驶习惯识别方法的步骤。
上述技术方案的有益效果是:本发明的电动汽车的驾驶习惯识别方法、系统、设备以及存储介质,能够实时的获得驾驶员的驾驶习惯分值,能够将当前驾驶习惯分值于电动汽车的仪表处显示并通过用户的移动终端发出报警,从而使得用户能够及时的了解其驾驶习惯,进而改进其驾驶习惯,有效降低燃料消耗。
本发明的其它特征和优点以及本发明的各种实施例的结构和操作,将在以下参照附图进行详细的描述。应当注意,本发明不限于本文描述的具体实施例。在本文给出的这些实施例仅仅是为了说明的目的。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1为本发明的较佳的实施例中,电动汽车的结构框图;
图2为本发明的较佳的实施例中,电动汽车的能量转化示意图;
图3为本发明的较佳的实施例中,整车控制器的结构框图;
图4为本发明的较佳的实施例中,习惯识别模块的结构框图;
图5为本发明的较佳的实施例中,单位时段划分示意图;
图6为本发明的较佳的实施例中,滑行回馈扭矩的三维值表;
图7为本发明的较佳的实施例中,电动汽车的驾驶习惯识别方法流程示意图;
图8为本发明的较佳的实施例中,驾驶习惯分值获取流程示意图;以及
图9为本发明的较佳的实施例中,道路工况识别流程示意图;
图10为本发明的较佳的实施例中,移动终端的显示界面示意图;
图11为本发明的较佳的实施例中,电动汽车的驾驶习惯识别设备结构示意图;以及
图12为本发明的较佳的实施例中,一实施例的计算机可读存储介质的结构示意图。
从以下结合附图的详细描述中,本发明的特征和优点将变得更加明显。贯穿附图,相同的附图标识相应元素。在附图中,相同附图标记通常指示相同的、功能上相似的和/或结构上相似的元件。
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作出创造性劳动的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。
本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明,但不作为本发明的限定。
参考附图1,图1为本实施例中的一种电动汽车的结构框图。包含在电动汽车中的电动汽车的驾驶习惯识别系统设置于整车控制器102,整车控制器102用于对输入信号进行处理和运算,可以是模拟信号或数字信号;当用于对数字信号进行处理和运算时,整车控制器102内包含一模数转换模块,用于将模拟信号转换为数字信号。整车控制器102可以根据输入信号获得当前驾驶习惯分值,而后根据当前驾驶习惯分值得到相应的滑行回馈扭矩。
参考附图1,整车控制器102分别与油门踏板110和制动踏板109电连接,例如:整车控制器102和油门踏板110可以通过硬线相连,整车控制器102和制动踏板109可以通过硬线或软件相连。油门踏板110向整车控制器102传输加速信号。制动踏板109相整车控制器102传输制动信号,该制动信号可以是低电平信号,也可以是高电平信号。
整车控制器102通过CAN总线101与电机控制模块103相连,电机控制模块103与作为电动汽车的动力源的电动机108电连接,电机控制模块103根据从整车控制器102接收滑行回馈扭矩生成控制电动机108扭矩的电信号,以直接控制电动机108的滑行回馈扭矩,此时电动机108作为发电机回收动能,并将动能转化为电能存储于电动汽车的电池107中。电池107连有电池107管理系统,电池管理系统104通过CAN总线101与整车控制器102、电机控制模块103相连,实现对电池107中的电能的有效管理。
参考图1,本实施例中的电动汽车还包括仪表控制模块105,仪表控制模块105通过CAN总线101与整车控制器102、电池管理系统104以及电机控制模块103相连。仪表控制模块105与电动汽车的仪表106相连接,仪表控制模块105可以采集显示于仪表106的信号,或将信息于仪表106显示。例如,仪表控制模块105可以通过仪表106采集电动汽车的里程信息以及速度信息等。仪表控制模块105也可以根据整车控制器102生成滑行回馈扭矩生成能量回收强度,并将能量回收强度于仪表106显示,以提示驾驶员。
参考图2,图2为本实施例中的电动汽车的能量转化示意图。本发明的电动汽车可以应用于四轮驱动的电动汽车中,也可以应用于两轮驱动的电动汽车中。图2示出的为应用于两轮驱动的电动汽车的能量转化过程。图2中的电动汽车的驱动车轮201为电动汽车的前轮,驱动车轮201的连接轴的中部与电动汽车的机械传动装置202相连,电动汽车产生的制动能量以机械能的形式经过驱动车轮201再经机械传动装置202传递给与机械传动装置202相耦合的电动机108。电动机108的转轴与机械传动装置202相耦合,从而电动机108(此时作为为发电机)将机械传动装置202传递过来的机械能转化为电能。电动机108产生的电能需要经过一逆变器203转化,即逆变器203将电动机108的交流电转化为直流电。通过逆变器203产生的直流电为电动汽车的电池107进行充电,当逆变器203产生的直流电的电压大于电池107的输出电压时,即可以为电池107充电。
参考附图3,附图3为整车控制器102的结构框图。整车控制器102包括习惯识别模块301、能量回收模块302以及分值显示模块303。习惯识别模块301,用于获取当前时刻所处的单位时段之前的每一单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻所处的单位时段的当前驾驶习惯分值,单位时段为一预设的时间长度。能量回收模块302,获取一与当前时刻所处的单位时段的当前驾驶习惯分值相对应的滑行回馈扭矩,并输出至电动汽车的电机控制模块103,电机控制模块103根据滑行回馈扭矩控制电动机108进行实际扭矩的输出,以实现电机制动并通过电机进行制动能量的回收。分值显示模块303将当前驾驶习惯分值于仪表106进行显示,即将当前驾驶习惯分值以及显示指令通过CAN总线101发送至仪表控制模块105,仪表控制模块105根据接收到的显示指令和当前驾驶习惯分值在控制仪表106显示当前驾驶习惯分值。
较佳的实施例中,仪表控制模块105根据当前驾驶习惯分值生成一柱形图,并将柱形图显示于仪表106,即仪表控制模块105根据接收到的柱形图和显示指令将该柱形图于仪表106显示。
参考附图4,附图4为本实施例中的习惯识别模块301的结构框图。习惯识别模块301中包括工况识别单元401、系数获取单元402以及分值获取单元403。工况识别单元401,用于对电动汽车的各个单位时段中的行驶道路进行道路工况识别,获得单位时段内的行驶道路的道路工况类型。系数获取单元402,用于采集电动汽车的滑行时间和减速时间,并根据滑行时间和减速时间获得一滑行系数,滑行系数为滑行时间与减速时间的比值。分值获取单元403,用于根据道路工况类型和滑行系数通过一习惯评分策略获得电动汽车的驾驶员的历史驾驶习惯分值。习惯识别模块301根据获得的历史驾驶习惯分值获得当前驾驶习惯分值,习惯识别模块还包括一当前驾驶习惯分值获取单元(图中未示出),通过当前驾驶习惯分值获取单元对历史驾驶习惯分值进行迭代获得当前驾驶习惯分值。
参考附图5,以电动汽车启动时的时刻作为时间起点,以单位时段(dT)作为计算历史驾驶习惯分值的基本时间单位即在dT中获取历史驾驶习惯分值。当前时刻所在的单位时段901无法获得当前驾驶习惯分值,而是根据当前时刻之前的dT的历史驾驶习惯分值迭代后作为当前时刻的当前驾驶习惯分值。
较佳的实施例中,获得当前时刻的当前驾驶习惯分值的公式可以为:
Drivescorenow=kDrivescoren-2+(1-k)Drivescoren-1;
其中:Drivescoren-2和Drivescoren-1为当前时刻所处的单位时段之前的两个单位时段的历史驾驶习惯分值;Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中;k为一预设的迭代系数。当前时刻位于第1个单位时段中时,当前时刻的当前驾驶习惯分值取Drivescore0,Drivescore0为当前电动汽车上次下电前存储在存储器中的分值。当前时刻位于第2个单位时段时,习惯识别模块301计算获得了第1个单位时段的历史驾驶习惯分值Drivescore1,则以kDrivescore0+(1-k)Drivescore1作为当前时刻的当前驾驶习惯分值。迭代系数k的取值范围为(0,1],例如:迭代系数可以取0.3、0.5或0.8。
较佳的实施例中,获得当前时刻的当前驾驶习惯分值的公式可以为:
Drivescorenow=Drivescoren-1;
其中:Drivescoren-1为当前时刻所处的单位时段之前的单位时段的历史驾驶习惯分值;Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中。当前时刻位于第1个单位时段中时,当前时刻的当前驾驶习惯分值取Drivescore0,Drivescore0为当前电动汽车上次下电前存储在存储器中的分值。
习惯识别模块301在获得当前时刻之前的单位时段的历史驾驶习惯分值的过程为:工况识别单元401,用于对电动汽车的行驶道路进行道路工况识别,获得单位时段内的行驶道路的道路工况类型。系数获取单元402,用于采集电动汽车的滑行时间和减速时间,并根据滑行时间和减速时间获得一滑行系数,滑行系数为滑行时间与减速时间的比值。分值获取单元403,用于根据道路工况类型和滑行系数通过一习惯评分策略获得电动汽车的驾驶员的历史驾驶习惯分值。
工况识别单元401对电动汽车的行驶道路进行道路工况识别的具体过程为:首先获得单位时段内的电动汽车的平均速度,而后获得电动汽车在单位时段内的停车次数,最后根据平均速度和停车次数通过一工况识别函数获得道路工况类型。
电动汽车在单位时段中平均车速的计算公式为:Vavg=S/(dT-Tstop),其中:Vavg为电动汽车的平均速度,S为单位时段内电动汽车的行驶里程,Tstop为电动汽车的停车时间。仪表控制模块105可以直接从仪表106处提取行驶里程S并通过CAN总线101传送至习惯识别模块301。单位时段中,当电动汽车的时速开始降低并降低到一降速阈值时,判定汽车进入一个停车过程;当电动汽车的时速开始增加并增加到一升速阈值时,判定汽车的该停车过程结束。单位时段中的所有的停车过程的时间即为电动汽车的停车时间Tstop,停车车过车的次数即为cntstop。降速阈值和升速阈值可以相同,例如:降速阈值和升速阈值可以都为3km/h;降速阈值和升速阈值可以不相同,例如:降速阈值为4km/h,升速阈值为3km/h。
工况识别单元401根据工况识别函数获得单位时段的道路工况类型,公式为:
其中:
cyleflg为道路工况类型;
cntstop为电动汽车的停车次数;
Vavg为电动汽车的平均速度;
cntstopcity为预设的城市停车次数阈值;
cntstopsuburb为预设的郊区停车次数阈值;
Vcity为预设的城市速度阈值;
Vsuburb为预设的郊区速度阈值。
“1”“2”“3”“4”“5”“6”“7”“8”“9”表示道路工况类型的种类,“1”表示城市拥堵,“2”表示城市一般,“3”表示城市畅通,“4”表示郊区拥堵,“5”表示郊区一般,“6”表示郊区畅通,“7”表示高速拥堵,“8”表示高速一般,“9”表示高速畅通,即将道路分为了城市、郊区以及高速三种类型的道路,路况分为畅通、一般以及拥堵三种程度。
道路工况类型的具体判断范围可以参考表1。
表1
Vavg<Vcity | Vcity≤Vavg<Vsuburb | Vavg≥Vsuburb | |
cntstop>cntstopsuburb | 3 | 6 | 9 |
cntstopcity<cntstop≤cntstopsuburb | 2 | 5 | 8 |
cntstopcity≥cntstop | 1 | 4 | 7 |
较佳的实施例中,工况识别单元401可以对电动汽车进行定位以获得电动汽车的位置信息,根据位置信息和一标注有道路工况类型的电子地图获得单位时段内的行驶道路的道路工况类型。
系数获取单元402采集电动汽车的滑行时间和减速时间,并根据滑行时间和减速时间获得一滑行系数(coast_ratio),滑行系数为滑行时间与减速时间的比值。在车速大于0时,从驾驶员松开油门踏板110且未踩下制动踏板109开始到驾驶员踩下制动踏板109或油门踏板110为一滑行过程,单位时段中的所有的滑行过程的时间总和即为滑行时间。在电动汽车时速大于3km/h时,从驾驶员松开油门踏板110到车速不大于3km/h或驾驶员再次踩下油门踏板110为止为一减速过程,单位时段中的所有的减速过程的时间累加得到了该单位时段中的减速时间。
分值获取单元403根据道路工况类型和滑行系数通过一习惯评分策略获得电动汽车的驾驶员的历史驾驶习惯分值,历史驾驶习惯分值为60~100的实数。根据道路工况类型和滑行系数在预设的一二维的分值矩阵中匹配得到历史驾驶习惯分值。
分值矩阵为:分值矩阵中的每个元素的取值范围[60,100],分值矩阵中的每一行元素沿行方向从左至右增大,每一列元素沿列方向从上至下减少。匹配过程包括:根据滑行系数选择历史驾驶习惯分值在分值矩阵的列数:若滑行系数位于(0,0.25]的区间内,则选择分值矩阵中的第一列,若滑行系数位于(0.25,0.30]的区间内,则选择分值矩阵中的第二列,若滑行系数位于(0.30,1)的区间内,则选择分值矩阵中的第三列;根据工况识别函数获得道路工况类型cyleflg的值选择历史驾驶习惯分值在分值矩阵的行数。将该分值矩阵以表格的形式表示,即如表2所示,表中的滑行系数以百分比的形式表示。
表2
较佳的实施例中,分值矩阵中的历史驾驶习惯分值可以取不同的值以及维度,该分值矩阵还可以如表3所示(以表格的形式示出)。匹配过程包括:根据滑行系数选择历史驾驶习惯分值在分值矩阵的列数:若滑行系数位于(0,0.25]的区间内,则选择分值矩阵中的第一列,若滑行系数位于(0.25,0.28]的区间内,则选择分值矩阵中的第二列,若滑行系数位于(0.28,0.30]的区间内,则选择分值矩阵中的第三列,若滑行系数位于(0.30,0.35]的区间内,则选择分值矩阵中的第四列,若滑行系数位于(0.35,1)的区间内,则选择分值矩阵中的第五列;根据工况识别函数获得道路工况类型cyleflg的值选择历史驾驶习惯分值在分值矩阵的行数。
表3
能量回收模块302获取与当前时刻所处的单位时段的当前驾驶习惯分值相对应的滑行回馈扭矩即前时刻的滑行回馈扭矩,并输出至电动汽车的电机控制模块103。
当前时刻的滑行回馈扭矩计算公式为:
其中:
Tbase为基础扭矩;
a为0.05g-0.15g,(a表示期望的滑行减速度,一般设为0.12个重力加速度,即1.176m/s2),g为重力加速度,M为整车质量,f为滚动阻力系数,R为轮胎滚动半径,i0为主减速器速比,ig变速箱速比,V为当前时刻的车速,Cd为电动汽车的风阻系数,A为电动汽车的迎风面积;滚动阻力系数f的取值范围为[0.01,0.3],轮胎滚动半径R=S/2πn(n为车轮转动的圈数,S为在转动n圈时车轮滚动的距离),主减速器速比i0取值范围为[1,15],变速箱速比ig的取值范围为[1,15],迎风面积A的范围为[1.7,2.1],风阻系数Cd的取值范围为[0.2,0.6];
Tcoast为当前时刻的滑行回馈扭矩;
Drivescorenow当前时刻的当前驾驶习惯分值;
α为加权值,取值范围为(0,100]。
加权值α为一经过试验标定的常数,加权值α可以通过以下试验方法得到:选择一组不同驾驶水平的驾驶员作为试验样本;驾驶员驾驶获得各个驾驶员的驾驶习惯分值;去除最高值和最低值后的均值即为加权值α。
参考图6,图6为滑行回馈扭矩的三维值表。基础扭矩Tbase的数值与当前时刻的电动汽车的速度的线性相关,车速越高时基础扭矩Tbase的取值越低。在滑行回馈扭矩计算时,需要首先根据当前时刻的速度选择相对应的基础扭矩Tbase,而后根据公式Tcoast=[(100-Drivescorenow+α)/100]×Tbase获得基础扭矩。基础扭矩可以通过上述公式计算获得,还可以通过试验获得,也可以通过试验进行标定,获得若干个速度下的基础扭矩Tbase,在滑行回馈扭矩计算时,可以根据表4和表5按照线性插值查表法获得基础扭矩Tbase。电动汽车的不同的速度条件下的基础扭矩Tbase对应关系如表4和表5所示。
表4
车速(km/h) | 0 | 10 | 20 | 30 | 40 | 50 | 60 | 70 | 80 |
基础扭矩(Nm) | 0 | 0 | 80 | 80 | 79 | 77 | 76 | 74 | 72 |
表5
车速(km/h) | 90 | 100 | 110 | 120 | 130 | 140 | 150 | 160 |
基础扭矩(Nm) | 69 | 66 | 63 | 60 | 56 | 80 | 80 | 80 |
能量回收模块302获得滑行回馈扭矩值后,发送至电机控制模块103,由电机控制模块103控制发电机(电动机108)输出滑行回馈扭矩,同时将机械能转化为电能并存储于电动汽车的电池107中。仪表控制模块105还可以通过CAN总线101从整车控制器102处获得道路工况类型以及滑行回馈扭矩并通过电动汽车的仪表106显示,以为驾驶员提供更多的信息,改善自己的驾驶习惯。
本发明实施例提供一种电动汽车的驾驶习惯识别方法。电动汽车的驾驶习惯识别方法包括以下步骤S100、步骤S200、步骤S300以及步骤S400。
参考附图7,在步骤S100中,以一预设的时间长度作为单位时段,电动汽车获取当前时刻所处的单位时段之前的每一单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的。在步骤S200中,将当前驾驶习惯分值于仪表106进行显示。
参考附图10。在步骤S300中,提供一移动终端,将当前驾驶习惯分值发送至移动终端并于移动终端的显示界面501显示。在所述步骤S300之后,还包括:S400、判断所述当前驾驶习惯分值是否小于一预设的报警阈值:若是,则执行步骤S500;若否,则执行步骤S600;S500、所述移动终端持续的振动,并于所述移动终端的显示界面中闪烁显示一报警图标;S600、在所述移动终端的显示界面中显示一安全图标。判断当前驾驶习惯分值是否小于一预设的报警阈值:若是,则移动终端持续的振动,并于移动终端的显示界面501中闪烁显示一报警图标502;若否,则在移动终端的显示界面501中显示一安全图标503。移动终端通过网络与电动汽车中的CAN总线101相连,以接收当前驾驶习惯分值。报警阈值可以设置为60或70,报警阈值也可以由用户通过移动终端进行设置。
参考附图8,当前时刻所处的单位时段之前的单位时段的历史驾驶习惯分值通过以下步骤获得:
S110、对电动汽车的行驶道路进行道路工况识别,获得单位时段内的行驶道路的道路工况类型;
S120、采集电动汽车的滑行时间和减速时间,并根据滑行时间和减速时间获得滑行系数,滑行系数为滑行时间与减速时间的比值;
S130、根据道路工况类型和滑行系数获得电动汽车的驾驶员的历史驾驶习惯分值。
参考附图9,对电动汽车的行驶道路进行道路工况识别的具体步骤包括:
步骤S111,获得单位时段内的电动汽车的平均速度;
步骤S112,获得电动汽车在单位时段内的停车次数;
步骤S113,根据平均速度和停车次数通过工况识别函数获得道路工况类型。
本发明实施例提供一种电动汽车的驾驶习惯识别设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的电动汽车的驾驶习惯识别方法的步骤。
图11是本发明的电动汽车的驾驶习惯识别设备的结构示意图。下面参照图11来描述根据本发明的这种实施方式的电子设备600。图11显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图11所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同平台组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,存储单元存储有程序代码,程序代码可以被处理单元610执行,使得处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,处理单元610可以分别执行如图9或10中所示的步骤。
存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现电动汽车的驾驶习惯识别方法的步骤。在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在终端设备上运行时,程序代码用于使终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
如上所示,本发明的计算机可读存储介质中的程序被执行时能够以可视化的方式向司机展现前方实际的道路实景,解除后车司机的焦虑,提高人性化体验。图12是本发明的计算机可读存储介质的结构示意图。参考图12所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品800,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
综上,本发明的目的在于提供一种电动汽车的驾驶习惯识别方法、系统、设备以及存储介质,能够实时的获得驾驶员的驾驶习惯分值,能够将当前驾驶习惯分值于电动汽车的仪表处显示并通过用户的移动终端发出报警,从而使得用户能够及时的了解其驾驶习惯,进而改进其驾驶习惯。
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,都应当视为属于本发明的保护范围。
Claims (13)
1.一种电动汽车的驾驶习惯识别方法,其特征在于,包括以下步骤:
S100、以一预设的时间长度作为单位时段,获取当前时刻所处的单位时段之前的每一所述单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,所述历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的;
S200、所述电动汽车包括一仪表,将所述当前驾驶习惯分值于所述仪表进行显示;
所述道路工况类型通过一工况识别函数获得,所述工况识别函数的公式为:
其中:
cyleflg为道路工况类型;
cntstop为所述电动汽车的停车次数;
Vavg为所述电动汽车的平均速度;
cntstopcity为预设的城市停车次数阈值;
cntstopsuburb为预设的郊区停车次数阈值;
Vcity为预设的城市速度阈值;
Vsuburb为预设的郊区速度阈值;
“1”“2”“3”“4”“5”“6”“7”“8”“9”表示所述道路工况类型的种类;
所述历史驾驶习惯分值是根据所述道路工况类型和所述滑行系数在预设的一二维的分值矩阵中匹配得到;
所述分值矩阵为:所述分值矩阵中的每个元素的取值范围[60,100],所述分值矩阵中的每一行元素沿行方向从左至右增大,每一列元素沿列方向从上至下减少;
所述匹配过程包括:
根据所述滑行系数选择所述历史驾驶习惯分值在所述分值矩阵的列数:
若所述滑行系数位于(0,0.25]的区间内,则选择所述分值矩阵中的第一列,
若所述滑行系数位于(0.25,0.30]的区间内,则选择所述分值矩阵中的第二列,
若所述滑行系数位于(0.30,1)的区间内,则选择所述分值矩阵中的第三列;
根据所述工况识别函数获得所述道路工况类型cyleflg的值选择所述历史驾驶习惯分值在所述分值矩阵的行数。
2.根据权利要求1所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S100中,所述历史驾驶习惯分值通过以下步骤获得:
S110、对所述电动汽车的行驶道路进行道路工况识别,获得所述单位时段内的行驶道路的所述道路工况类型;
S120、采集所述电动汽车的滑行时间和减速时间,并根据所述滑行时间和所述减速时间获得所述滑行系数,所述滑行系数为所述滑行时间与所述减速时间的比值;
S130、根据所述道路工况类型和所述滑行系数获得所述电动汽车的驾驶员的所述历史驾驶习惯分值。
3.根据权利要求2所述的名称,其特征在于,在所述步骤S110中,对所述电动汽车的行驶道路进行道路工况识别的具体步骤包括:
S111、获得单位时段内的所述电动汽车的平均速度;
S112、获得所述电动汽车在单位时段内的停车次数;
S113、根据所述平均速度和所述停车次数通过所述工况识别函数获得所述道路工况类型。
4.根据权利要求2所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S110中,对所述电动汽车进行定位以获得所述电动汽车的位置信息,根据所述位置信息和一标注有所述道路工况类型的电子地图获得所述单位时段内的行驶道路的所述道路工况类型。
5.根据权利要求1所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S100中,对当前时刻之前的每一所述单位时段内的所述历史驾驶习惯分值进行迭代的公式为:
Drivescorenow=kDrivescoren-2+(1-k)Drivescoren-1;
其中:
Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中;
Drivescoren-1为当前时刻之前一个单位时段的所述历史驾驶习惯分值;
Drivescoren-2为当前时刻之前二个单位时段的所述历史驾驶习惯分值;
k为一预设的迭代系数,k的取值范围为(0,1]。
6.根据权利要求1所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S100中,对当前时刻之前的每一所述单位时段内的所述历史驾驶习惯分值进行迭代的公式为:
Drivescorenow=Drivescoren-1;
其中:
Drivescorenow当前时刻的当前驾驶习惯分值,当前时刻位于第n个单位时段中;
Drivescoren-1为当前时刻所处的单位时段之前一个单位时段的所述历史驾驶习惯分值。
7.根据权利要求1所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S200中,根据所述当前驾驶习惯分值生成一柱形图,并将所述柱形图显示于所述仪表。
8.根据权利要求1所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S200之后,还包括步骤S300、提供一移动终端,将所述当前驾驶习惯分值发送至所述移动终端并于所述移动终端显示。
9.根据权利要求8所述的电动汽车的驾驶习惯识别方法,其特征在于,在所述步骤S300之后,还包括:
S400、判断所述当前驾驶习惯分值是否小于一预设的报警阈值:
若是,则执行步骤S500;
若否,则执行步骤S600;
S500、所述移动终端持续的振动,并于所述移动终端的显示界面中闪烁显示一报警图标;
S600、在所述移动终端的显示界面中显示一安全图标。
10.一种电动汽车的驾驶习惯识别系统,其特征在于,包括:
习惯识别模块,以一预设的时间长度作为单位时段,获取当前时刻所处的单位时段之前的每一所述单位时段的历史驾驶习惯分值,并根据一迭代策略进行迭代获得当前时刻的当前驾驶习惯分值,所述历史驾驶习惯分值是根据行驶道路的道路工况类型和单位时段内的滑行系数获得的;和
分值显示模块,将所述当前驾驶习惯分值于电动汽车的仪表进行显示。
11.根据权利要求10所述的电动汽车的驾驶习惯识别系统,其特征在于,所述习惯识别模块包括:
工况识别单元,对所述电动汽车的行驶道路进行道路工况识别,获得所述单位时段内的行驶道路的所述道路工况类型;
系数获取单元,采集所述电动汽车的滑行时间和减速时间,并根据所述滑行时间和所述减速时间获得所述滑行系数,所述滑行系数为所述滑行时间与所述减速时间的比值;和
分值获取单元,根据所述道路工况类型和所述滑行系数通过一习惯评分策略获得所述电动汽车的驾驶员的所述历史驾驶习惯分值。
12.一种电动汽车的驾驶习惯识别设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至9中任意一项所述电动汽车的驾驶习惯识别方法的步骤。
13.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被执行时实现权利要求1至9中任意一项所述电动汽车的驾驶习惯识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810841381.4A CN108909719B (zh) | 2018-07-27 | 2018-07-27 | 电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810841381.4A CN108909719B (zh) | 2018-07-27 | 2018-07-27 | 电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108909719A true CN108909719A (zh) | 2018-11-30 |
CN108909719B CN108909719B (zh) | 2019-12-17 |
Family
ID=64417383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810841381.4A Active CN108909719B (zh) | 2018-07-27 | 2018-07-27 | 电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108909719B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634185A (zh) * | 2018-12-25 | 2019-04-16 | 福州大学 | 一种驾驶员风格识别数据采集系统 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 |
CN110901582A (zh) * | 2019-11-19 | 2020-03-24 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于驾驶行为相似度的被盗车辆追踪方法 |
CN111231972A (zh) * | 2019-09-27 | 2020-06-05 | 中国第一汽车股份有限公司 | 基于驾驶行为习惯的告警方法、系统、车辆及存储介质 |
CN112200235A (zh) * | 2020-09-30 | 2021-01-08 | 蜂巢能源科技有限公司 | 电动汽车驾驶行为习惯的分类方法、装置、介质和设备 |
CN112829756A (zh) * | 2019-11-22 | 2021-05-25 | 比亚迪股份有限公司 | 车辆及其能量回收方法、装置和存储介质 |
CN113247011A (zh) * | 2021-06-17 | 2021-08-13 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN114889438A (zh) * | 2022-05-17 | 2022-08-12 | 中国第一汽车股份有限公司 | 混合动力车辆的能量回收方法及混合动力车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103183031A (zh) * | 2011-12-30 | 2013-07-03 | 福特全球技术公司 | 驾驶行为反馈界面 |
CN106781581A (zh) * | 2016-11-29 | 2017-05-31 | 深圳职业技术学院 | 基于人车耦合的安全驾驶行为监测预警系统及方法 |
CN106956680A (zh) * | 2016-12-02 | 2017-07-18 | 广州数锐智能科技有限公司 | 一种电动汽车驾驶行为识别分析方法 |
CN107563423A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车生态驾驶行为的综合评价方法 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
-
2018
- 2018-07-27 CN CN201810841381.4A patent/CN108909719B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103183031A (zh) * | 2011-12-30 | 2013-07-03 | 福特全球技术公司 | 驾驶行为反馈界面 |
CN106781581A (zh) * | 2016-11-29 | 2017-05-31 | 深圳职业技术学院 | 基于人车耦合的安全驾驶行为监测预警系统及方法 |
CN106956680A (zh) * | 2016-12-02 | 2017-07-18 | 广州数锐智能科技有限公司 | 一种电动汽车驾驶行为识别分析方法 |
CN107563423A (zh) * | 2017-08-24 | 2018-01-09 | 北京交通发展研究院 | 一种轻型机动车生态驾驶行为的综合评价方法 |
CN108091133A (zh) * | 2017-11-27 | 2018-05-29 | 银江股份有限公司 | 一种基于海量交通数据分析的车辆安全驾驶行为分析方法 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109634185A (zh) * | 2018-12-25 | 2019-04-16 | 福州大学 | 一种驾驶员风格识别数据采集系统 |
CN110126841A (zh) * | 2019-05-09 | 2019-08-16 | 吉林大学 | 基于道路信息和驾驶风格的纯电动汽车能耗模型预测方法 |
CN111231972A (zh) * | 2019-09-27 | 2020-06-05 | 中国第一汽车股份有限公司 | 基于驾驶行为习惯的告警方法、系统、车辆及存储介质 |
CN111231972B (zh) * | 2019-09-27 | 2021-12-10 | 中国第一汽车股份有限公司 | 基于驾驶行为习惯的告警方法、车辆及存储介质 |
CN110901582A (zh) * | 2019-11-19 | 2020-03-24 | 惠州市德赛西威汽车电子股份有限公司 | 一种基于驾驶行为相似度的被盗车辆追踪方法 |
CN112829756A (zh) * | 2019-11-22 | 2021-05-25 | 比亚迪股份有限公司 | 车辆及其能量回收方法、装置和存储介质 |
CN112200235A (zh) * | 2020-09-30 | 2021-01-08 | 蜂巢能源科技有限公司 | 电动汽车驾驶行为习惯的分类方法、装置、介质和设备 |
CN112200235B (zh) * | 2020-09-30 | 2022-05-27 | 蜂巢能源科技有限公司 | 电动汽车驾驶行为习惯的分类方法、装置、介质和设备 |
CN113247011A (zh) * | 2021-06-17 | 2021-08-13 | 中国第一汽车股份有限公司 | 一种车辆控制方法、装置、电子设备及存储介质 |
CN114889438A (zh) * | 2022-05-17 | 2022-08-12 | 中国第一汽车股份有限公司 | 混合动力车辆的能量回收方法及混合动力车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN108909719B (zh) | 2019-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108909719A (zh) | 电动汽车的驾驶习惯识别方法、系统、设备以及存储介质 | |
CN108909459A (zh) | 电动汽车的能量回收方法、系统以及电动汽车 | |
CN111038334A (zh) | 一种电动汽车续驶里程预测方法及装置 | |
CN109840343B (zh) | 基于Visual Studio和Matlab混合编程的整车动力匹配及性能分析方法 | |
Baek et al. | Runtime power management of battery electric vehicles for extended range with consideration of driving time | |
CN110254285B (zh) | 一种基于车联网的对里程焦虑用户提供服务的方法及系统 | |
CN111546903B (zh) | 滑行扭矩的确定方法、装置、设备及存储介质 | |
CN104245455A (zh) | 车辆的发电装置以及车辆的发电控制方法 | |
CN107895501A (zh) | 基于海量驾驶视频数据训练的无人汽车驾驶决策方法 | |
Wager et al. | Performance evaluation of regenerative braking systems | |
CN115803216A (zh) | 一种滑行能量回收方法、装置、电子设备及存储介质 | |
CN106989752A (zh) | 对具有有限的车载能量的车辆规划旅程的方法和系统 | |
CN110015159B (zh) | 具有可充电储能单元的电气装置的范围的选择 | |
CN117416368A (zh) | 一种驾驶提示方法、装置、设备以及存储介质 | |
CN111806617B (zh) | 一种电动车的控制方法和装置 | |
CN112781886A (zh) | 一种纯电动汽车整车效率测试方法、电子设备、介质 | |
CN115027445A (zh) | 一种车辆电功率确定方法、装置、电子设备及存储介质 | |
Wang et al. | Development of Experimental Teaching Platform for In-Wheel Motor Electric Vehicle On-Board Testing | |
WO2019034233A1 (en) | SYSTEM AND METHOD FOR VEHICLE MODELING AND SIMULATION | |
Ebaid et al. | Feasibility studies of micro wind turbines installed on electric vehicles as range extenders using real-time analytical simulation with multi driving cycles scenarios | |
CN113191015A (zh) | 纯电动汽车阻力计算方法、装置及计算机可读存储介质 | |
CN114074672A (zh) | 辨识车辆的轮胎侧偏刚度的方法和相关装置 | |
CN111798717A (zh) | 一种支持vr驾驶培训的电动车控制系统和方法 | |
CN114056187B (zh) | 车辆续航里程计算方法、装置、设备及存储介质 | |
CN108928330B (zh) | 一种机动车制动器逻辑电路和制动器及制动方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20230131 Granted publication date: 20191217 |
|
PD01 | Discharge of preservation of patent | ||
PD01 | Discharge of preservation of patent |
Date of cancellation: 20240108 Granted publication date: 20191217 |
|
PP01 | Preservation of patent right | ||
PP01 | Preservation of patent right |
Effective date of registration: 20240227 Granted publication date: 20191217 |