CN109018184B - 自行车智能变速方法、智能变速装置及智能变速自行车 - Google Patents

Abstract

本发明揭示一种自行车智能变速方法包括以下步骤：主控制器中形成决策树模型；传感器采集实时骑行数据并输入至主控制器；主控制器判断实时骑行数据与多组样本骑行数据的对应关系，并根据决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位；主控制器根据变速器采集实时车速档位智能控制车速档位与调节档位一致；本发明还公开了一种智能变速装置和一种智能变速自行车。本申请中通过传感器采集实时骑行数据经过主控制器内的决策树模型后，输出骑行者在当前骑行数据下能达到最舒适骑行状态的调节档位，控制器控制变速器实时调节车速档位与调节档位保持一致，实现智能变速。

Description

自行车智能变速方法、智能变速装置及智能变速自行车

技术领域

本发明涉及变速自行车技术领域，具体地，涉及一种自行车智能变速方法、智能变速装置及智能变速自行车。

背景技术

变速自行车，是一种通过自行车变速系统配合车速、踏频进行变档，以使得骑手根据不同的路段、路况调整自行车的车速。现有技术中有一种智能变速系统，其是由霍尔传感器检测自行车的车速数据，然后传递至主控电路板，主控电路板再根据接收车速数据相应控制变速器调速；此种变速系统的换挡变速的依据只有车速数据，判断数据单一，导致变速时刻不准确，无法及时根据路段或路况的不同的进行变速，导致骑手的变速体验低，舒适度不高，尤其是对于老人和小孩来说，变速时刻不准确会使他们感觉到变速困惑，无法及时进行踏频调整，反而不如普通自行车的体感舒适。

发明内容

针对现有技术的不足，本发明提供一种自行车智能变速方法、智能变速装置及智能变速自行车。

本发明公开的一种自行车智能变速方法包括以下步骤：主控制器中形成决策树模型，其中，决策树模型设置有多组样本骑行数据与调节档位的映射关系；

传感器采集实时骑行数据并输入至主控制器；

主控制器判断实时骑行数据与多组样本骑行数据的对应关系，若实时骑行数据与其中一组样本骑行数据对应一致，则主控制器根据决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位；

变速器采集实时车速档位并输入至主控制器；

主控制器判断实时车速档位与输出的调节档位是否一致，如为否，主控制器控制变速器调节车速档位与调节档位一致，如为是，车速档位不变。

根据本发明一实施方式，主控制器判断实时骑行数据与多组样本骑行数据的对应关系的步骤之前，还包括以下步骤：

主控制器判断实时骑行数据是否为预设违规骑行数据，如为否，主控制器判断实时骑行数据与多组样本骑行数据的对应关系，如为是，传感器重新采集实时骑行数据并输入至主控制器。

根据本发明一实施方式，主控制器中形成决策树模型的步骤包括以下子步骤：主控制器根据多组样本骑行数据构建出训练数据集，其中，样本骑行数据包括骑行者重量、骑行者平均踏力、骑行速度以及自行车所处路面坡度；

训练数据集以调节档位为分类结果训练出决策树；

通过后剪枝方法对决策树剪枝，获得决策树模型，使决策树模型形成多组样本骑行数据与调节档位的映射关系；

决策树模型存储至主控制器内。

根据本发明一实施方式，通过后剪枝方法对决策树剪枝的步骤之前，还包括以下步骤：主控制器根据多组样本骑行数据构建出测试数据集，测试数据集用于对决策树剪枝。

一种自行车智能变速装置包括主控制器、踏力检测器、车速检测器、坡度检测器、变速器以及电源；主控制器分别与踏力检测器、车速检测器、坡度检测器、变速器以及电源连接；其中，电源用于给其余器件提供电力；踏力检测器、车速检测器以及坡度检测器用于采集实时骑行数据并传递至主控制器；变速器用于采集实时车速档位并传递至主控制器；主控制器中形成有决策树模型，决策树模型设置有多组样本骑行数据与调节档位的映射关系，主控制器根据实时骑行数据与样本骑行数据的对应关系输出相对应的调节档位，并控制变速器调节实时车速档位与调节档位一致。

根据本发明一实施方式，其还包括驱动控制器；主控制器通过驱动控制器与变速器连接。

根据本发明一实施方式，踏力检测器为压力传感器，其数量为三个，两个踏力检测器分别设于自行车的脚踏板，其余一踏力检测器设于自行车的车座，三个压力传感器分别用于检测骑行者重量数据和骑行者平均踏力数据并传递至主控制器。

根据本发明一实施方式，车速检测器为霍尔传感器，其用于检测自行车的骑行速度数据并传递至主控制器。

根据本发明一实施方式，坡度检测器为陀螺仪，其用于检测自行车所处路面坡度数据并传递至主控制器。

一种智能变速自行车包括自行车以及上述智能变速装置。

本申请通过传感器采集的骑行数据经过主控制器内的决策树模型后，输出骑行者在当前骑行数据下能达到最舒适骑行状态的调节档位，控制器控制变速器实时调节车速档位与调节档位保持一致，实现智能变速。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为实施例1中自行车智能变速方法的流程图；

图2为实施例1中主控制器中形成决策树模型的流程图；

图3为实施例1中骑行者在50kg重量以下决策树模型示例；

图4为实施例1中骑行者在50-75kg重量之间决策树模型示例；

图5为实施例1中骑行者在75kg重量以上决策树模型示例；

图6为实施例2中智能变速装置控制框图；

图7为实施例2中自行车和智能变速装置的结构示意图；

图8为实施例2中自行车和智能变速装置另一视角的结构示意图。

具体实施方式

以下将以图式揭露本发明的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制本发明。也就是说，在本发明的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。

需要说明，本发明实施例中所有方向性指示诸如上、下、左、右、前、后……仅用于解释在某一特定姿态如附图所示下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，在本发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定本发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：

实施例1：

参照图1，图1为实施例1中自行车智能变速方法的流程图。本实施例中自行车智能变速方法包括以下步骤：主控制器中形成决策树模型，其中，决策树模型设置有多组样本骑行数据与调节档位的映射关系。

传感器采集实时骑行数据并输入至主控制器。

主控制器判断实时骑行数据与多组样本骑行数据的对应关系，若实时骑行数据与其中一组样本骑行数据对应一致，则主控制器根据决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位。

变速器采集实时车速档位并输入至主控制器。

主控制器判断实时车速档位与输出的调节档位是否一致，如为否，主控制器控制变速器调节车速档位与调节档位一致，如为是，车速档位不变。

骑行者在自行车上骑行，车载的多种传感器获取骑行者在骑行时的骑行数据并传递至主控制器，变速器获取骑行者当前骑行时的车速档位并传递至主控制器；主控制器判断实时骑行数据与已经在主控制器内形成的多组样本骑行数据的对应关系，当实时骑行数据属于其中一种样本骑行数据时，主控制器根据决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位，此处的调节档位即为骑行者在样本骑行数据状态下获得的最舒适骑行档位，而决策树模型即为样本通过骑行实验获得的样本骑行数据与最舒适骑行档位对应关系；主控制器在确认实时骑行数据与样本骑行数据的对应关系后，会对应控制变速器调节自行车的车速档位与调节档位时刻保持一致，使得骑行者始终处于和实时骑行数据相对应的最舒适的车速档位上，实现自行车变速器的车速档位的智能调节，进而实现自行车的智能变速，给骑行者舒适的骑行体验。

继续参照图1和图2，图2为实施例1中主控制器中形成决策树模型的流程图。本实施例中，主控制器中要形成决策树模型，首先需要构建出决策模型，再把决策树模型存储在主控制器中，当实时骑行数据输入至主控制器时，主控制器再调用已经录入的决策树模型进行与实时骑行数据相对应的决策分类，进而获得调节档位，主控制器再通过控制变速器使得车速档位始终与调节档位保持一致。

决策树模型的构建，是需要大量的实验人员提供样本数据，也即是骑行者以骑行舒适度作为变档的判决条件进行骑行；当骑行环境的变化导致骑行舒适度改变时，骑行者则手动调节变速器档位，直至调节到骑行者自身感觉的当前骑行环境下的骑行最舒适时的档位，此时获得的档位即为调节档位，而骑行者在当前骑行环境下的骑行数据即为样本骑行数据，如此即可形成了样本骑行数据与调节档位的对应关系，在决策树模型中即为多组样本骑行数据与调节档位的映射关系。

具体的，主控制器中形成决策树模型包括以下步骤：主控制器根据多组样本骑行数据构建出训练数据集，其中，骑行数据包括骑行者重量、骑行者平均踏力、骑行速度以及自行车所处路面坡度。

训练数据集以调节档位为分类结果训练出决策树。

主控制器根据多组样本骑行数据构建出测试数据集。

测试数据集通过后剪枝方法对决策树剪枝，并获得决策模型，决策树模型形成有多组样本骑行数据与调节档位的映射关系。

决策树模型存储至主控制器内。此处要要说明的是，决策树的模型也可在外界设备形成之后再存储至主控制内，例如电脑。

首先需要通过多组样本骑行数据构建出训练数据集，本实施例中的骑行数据包括骑行者重量、骑行者平均踏力、骑行速度以及自行车所处路面坡度。骑行者是骑行自行车的自然人；骑行者具有不同体质、不同年龄、不同状态以及不同性别的分别，例如，不同体质包括强壮、瘦弱、均衡以及肥胖等，不同年龄包括小孩、青少年、青年、中年以及老年等，不同状态包括体力充足以及体力不足等，不同性别分为女性和男性。骑行者的体质、年龄、状态以及性别不同，导致他们的力量、耐力、踏频以及踏力也是千差万别，骑行数据自然也是不同的，具体体现在骑行者重量和骑行者平均踏力这连个骑行数据上。骑行者的数据必须要考虑到的决策树学习的因素，在具体骑行实验时需要足够多的骑行者样本进行数据采集，且需要对不同体质、年龄、状态以及性别的骑行者分别进行其余骑行数据采集。

骑行环境变化主要是路段路况的变化，路段路况一般包括四种，分别为上坡路、平路、下坡路和凹凸不平的路面，路段路况的变化会导致自行车所处路面的坡度不同，这些路段路况的情况的变化同时也会引起骑行者骑行速度，对自行车踏板的踏力的变化，也即是骑行数据的变化。骑行者在骑行环境变化之后，需要手动调节车速档位，以使得自己在骑行环境变化后重新处于最舒适的骑行档位，此处最舒适的骑行档位即为调节档位，对应骑行环境变化而形成的新的骑行数据即为样本骑行数据。也就是说，路况变化引起骑行者平均踏力、骑行速度以及自行车所处路面坡度的变化，形成新的骑行数据，骑行者以自身骑行舒适度为基准调节自行车的变速器至最优的档位，此时车速档位、骑行者平均踏力、骑行速度以及自行车所处路面坡度是相匹配的，车速档位为调节档位，其余为样本骑行数据，两者彼此之间形成相对应的映射关系。例如，初始时，骑行者以3档的车速档位在平面路上行驶，其骑行速度是15km/h，骑行者平均踏力为100N；骑行者骑行自行车至下坡路，路面与地平面的夹角为4度，此时骑行者平均踏力相应减少至80N，小于平面路上行驶时的100N，骑行速度为16 km/h，此时骑行者以自身骑行舒适度为准则，手动调节车速档位，得到在2档的车速档位下，在4度倾斜的下坡路上，以16 km/h骑行速度和80N的踏力骑行最为舒适，则在上述骑行数据即为样本骑行数据，2档即为调节档位。通过不断更换骑行者、骑行环境以及初始档位，则可不断获得骑行者最舒适状态下车速档位；此外，在进行样本测试时，四种路段的设置长度需保持一样，以保证样本的平均分配，每种路况与其余三种路况之间变化均要包括在内，而且必须要由不同的骑行者分别在不同的骑行环境的变化下进行，才能保证采集数据的完整性。

决策树模型主要是为了得到骑行环境变化时的输出，在根据骑行者和骑行环境的不同分类采集骑行数据时，骑行环境不变的情况会占据大多数情况，例如，平路转变为下坡，骑行者是先在平路上骑行一段距离，平路转变下坡路，然后在下坡路骑行一段距离，平路转变至下坡路的过程是非常短的；在骑行过程中，骑行环境改变导致骑行档位变化的数据只是占据总数据中的少数，在档位未发生变化情况的骑行数据较多，在数据采集时，只采集部分档位未发生变化情况下的骑行数据即可，其余部分档位未发生变化下的数据则为冗余部分的数据，需要剔除出去，骑行数据刷筛选预处理，即使剔除这些冗余部分；增加骑行环境变化导致变速器变档数据的数据样本，而减少骑行环境未变化、变速器未变档数据的数据样本，便于训练出决策树。

通过上述方法获得训练数据集，并依此进行决策树学习，即训练数据集以调节档位为分类结果训练出决策树。同样的，也可通过上述方法获得测试数据集，即多组样本骑行数据构建出测试数据集。测试数据集通过后剪枝方法对决策树剪枝，并获得决策模型，具体的，可采用EMP最小错误剪枝方法对决策树进行剪枝，避免决策树过拟合，导致对测试数据的分类错误，此外，对于骑行者来说，虽然在数据采集是对不同体质、年龄、状态以及性别的骑行者分别进行了骑行数据采集，而在构建决策树的过程中则根据实际情况选择了骑行者重量作为骑行者的分类条件，避免了训练数据集和测试数据集的臃肿，使得决策树模型更为简洁，而且也更能应用到实际产品中。

剪枝完成的决策树模型，即为最优的决策树模型即可存储在主控制器内，决策树模型中形成了多组样本骑行数据与调节档位的映射关系，在主控器获得实时骑行数据之后，主控制器在判断实时骑行数据对应的样本骑行数据之后，即可根据映射关系输出调节档位。

继续参照图3至图5，图3为实施例1中骑行者在50kg重量以下决策树模型示例，图4为实施例1中骑行者在50-75kg重量之间决策树模型示例，图5为实施例1中骑行者在75kg重量以上决策树模型示例。为了更易理解本实施例中决策树模型，现以骑行者重量为50kg以下，50-75kg之间、75kg以上这三种情况下决策树模型，此处的骑行者重量数据可作为决策树模型的前置条件进行设置，即骑行者的重量不同，则可使用不同的决策树模型，通过对应重量的决策树模型中样本骑行数据的条件节点，对应输出调节档位；此外，在实际应用时，骑行者重量也通过事先手动录入主控制器内或者通过压力传感器的检测方式获取。

在图3至图5中，坡度范围为骑行数据中自行车所处路面坡度的数值范围，自行车所处路面坡度的数值为负，代表下坡路时自行车所处路面的坡度，自行车所处路面坡度的数值为正，代表上坡路时自行车所处路面的坡度。速度范围为骑行数据中骑行速度的数值范围，骑行速度为骑行者骑行自行车的当前速度数值。是否重踏踏板为骑行数据中骑行者平均踏力与骑行时的实时踏力值对比后状态，即踏板受到的压力值大于骑行者平均踏力值时则为重踏踏板，不同分类重量的骑行者的平均踏力值不同。1档代表自行车变速器中的低档位，2档代表自行车变速器中的中档位，3档代表自行车变速器中的高档位。通过图3和图5所示的决策树模型，在实时骑行数据输入至主控制器后，主控制器对应调取相应的决策树模型，对应实时骑行数据与里面样本骑行数据的归属，最终可获得一调节档位的分类结果。

本实施例中，主控制器可采用具有存储以及逻辑运算功能的微处理器或单片机。传感器采集实时骑行数据并输入至主控制器，传感器用于实时骑行数据的采集，骑行数据包括骑行者重量、骑行者平均踏力、骑行速度以及自行车所处路面坡度，则传感器对应具有三种，一是用于检测骑行者平均踏力和骑行者重量的传感器，例如压力传感器，其中用于检测平均踏力的传感器设于脚踏板上，用于测量骑行者重量的传感器设于自行车这座上，二是用于检测骑行速度的传感器，例如霍尔传感器，三是用于检测自行车所处路面坡度的传感器，例如陀螺仪，三种传感器可实时采集骑行者的骑行数据并传递至主控制器。变速器采集实时车速档位并输入至主控制器，主控制器获取变速器的车速档位数值，并与获得的调节档位数值进行对比，若两者数值一致，则保持变速器的车速档位不变，若不一致，则调节当前的车速档位至调节档位，骑行者即可获得当前骑行数据下的最舒适的骑行档位。通过传感器不断采集实时骑行数据，决策树模型不断输出调节档位，主控制器即可不断的调节变速器维持在最舒适的骑行档位，使得骑行者骑行自行车在不同的骑行环境下可实现变速器的自动调节车速档位，进而实现自行车的智能变速，使得骑行者获得最优的骑行体验。

复参照图1，进一步，本实施例中的自行车智能变速方法中，主控制器判断实时骑行数据与多组样本骑行数据的对应关系的步骤之前，还包括以下步骤：

主控制器判断实时骑行数据是否为预设违规骑行数据，如为否，主控制器判断实时骑行数据与多组样本骑行数据的对应关系，如为是，传感器重新采集实时骑行数据并输入至主控制器。

骑行数据中骑行者重量、骑行者平均踏力、自行车所处路面坡度以及骑行速度需要是合理的，当实时骑行数据不合理时，则表明实时骑行数据是非法的，也就是预设违规骑行数据，而当实时骑行数据不合理时，则需要重新采集实时骑行数据。例如，骑行者平均踏力值为0，则表明骑行者已停止骑行，再例如，自行车所处路面坡度为90度，则表明自行车竖立放置，可能处于其他交通工具的运输状态，再例如，骑行速度极大，超过了常规的骑行速度，例如30km/h ,则表明自行车的轮毂处于高速的空转状态，可能在对轮毂硬件进行检测。

实施例2：

参照图6和图8，图6为实施例2中智能变速装置控制框图，图7为实施例2中自行车和智能变速装置的结构示意图，图8为实施例2中自行车和智能变速装置另一视角的结构示意图。本实施例中自行车智能变速装置包括主控制器1、踏力检测器2、车速检测器3、坡度检测器4、变速器5、电源6以及驱动控制器7。主控制器1分别与踏力检测器2、车速检测器3、坡度检测器4、电源6以及驱动控制器7连接，驱动控制器7与变速器5连接连接，主控制器1通过驱动控制器7对变速器5进行控制，并能获得变速器5的车速档位信息，电源6还分别与踏力检测器2、车速检测器3、坡度检测器4、变速器5以及驱动控制器7连接，其用于各个器件的供电。

主控制器1为单片机，具体的可采用stm32单片机，单片机内可进行逻辑编程，可实现数据的分析、计算，并进行简单的逻辑控制和数据存储，在具体装配在自行车10上时，主控制器1、坡度检测器4以及驱动控制器7一同设于装配盒内，再安装于自行车10的车架上，其中坡度检测器4以水平状态安装，此外，电源6可通过单独的电源盒装配于自行车10的车架上，其用于其余部件的电源支持，具体可采用锂离子可充电电池。

踏力检测器2的数量为三个，两个踏力检器2分别设于自行车10的两个脚踏板，其余一踏力检测器2设于自行车10的车座上，踏力检测器2具体为压力传感器。骑行者的脚掌压于自行车10脚踏板上，压力传感器会把受到的压力转化为相应电信号传递至主控制器1，主控制器1根据获得的两个数据计算出骑行者平均踏力，同样的，车座上的压力传感器把压力转化为电信号传递至主控制器1，主控制器1根据此数据计算出骑行者的重量，如此通过三个踏力检测器2的数据采集，主控制器1即可获得骑行者平均踏力和骑行者重量的数值。

车速检测器3为霍尔传感器，其用于检测自行车10的实时车速数据并传递至主控制器1，具体的，车速检测器3包括设于在自行车10后轮辐射条上的磁铁31以及设于自行车10后轮架上的霍尔传感器电路板模块32，自行车10行驶中，滚轮转动带动磁铁转动，引发磁场变化，霍尔传感器把磁铁的磁场变化转化为电信号传递至主控制器1，主控制器1根据获得的数据计算出自行车10行驶速度，即骑行速度。

坡度检测器4为陀螺仪，其用于检测自行车所处路面坡度的角度数据，具体的，陀螺仪把自身的角度变化通过转化电路转化为电信号并传递至主控制器1，主控制器1根据获得的数据计算出自行车所处路面坡度。

变速器5为内变速器，例如可采用喜玛诺的内三速变速器，其具有电机、与电机输出端连接齿轮以及与齿轮连接的变速线，电机通过齿轮控制变速线的调整，变速线用于自行车的变速。驱动控制器7用于驱动变速器5，具体的，驱动控制器6为驱动电路芯片，其与变速器5内的电机连接，用于控制变速器5的电机的转动，进而实现变速器5的档位变换。

在具体应用时，决策树模型可存储于主控制器1的存储器内，主控制器1先把获得的骑行数据进行分析计算，然后判断实时骑行数据是否为预设违规骑行数据，若否，主控制器1根据获取的骑行者重量的数值选择对应的决策树模型，而后主控制器1判断实时骑行数据与选择的决策树模型对应归属关系，并根据决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位，而后主控制器1对变速器5的车速档位和输出的调节档位进行对比，若两者不一致，则主控制器1通过驱动控制器7控制变速器5进行车速档位调节，使得车速档位与调节档位一致，实现变速。

上仅为本发明的实施方式而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理的内所作的任何修改、等同替换、改进等，均应包括在本发明的权利要求范围之内。

Claims (7)

1.一种自行车智能变速方法，其特征在于，包括以下步骤：

主控制器中形成决策树模型，其中，所述决策树模型设置有多组样本骑行数据与调节档位的映射关系；

传感器采集实时骑行数据并输入至所述主控制器；

所述主控制器判断所述实时骑行数据是否为预设违规骑行数据，如为否，所述主控制器判断所述实时骑行数据与多组所述样本骑行数据的对应关系，如为是，传感器重新采集实时骑行数据并输入至所述主控制器；

所述主控制器判断所述实时骑行数据与多组所述样本骑行数据的对应关系，若所述实时骑行数据与其中一组样本骑行数据对应一致，则所述主控制器根据所述决策树模型中样本骑行数据与调节档位的映射关系输出相对应的调节档位；

变速器采集实时车速档位并输入至所述主控制器；

所述主控制器判断实时车速档位与输出的所述调节档位是否一致，如为否，所述主控制器控制变速器调节所述车速档位与所述调节档位一致，如为是，所述车速档位不变；

其中，所述主控制器中形成决策树模型的步骤包括以下子步骤：

主控制器根据多组样本骑行数据构建出训练数据集，其中，样本骑行数据包括骑行者重量、骑行者平均踏力、骑行速度以及自行车所处路面坡度；

所述训练数据集以调节档位为分类结果训练出决策树；

通过后剪枝方法对所述决策树剪枝，获得决策树模型，使所述决策树模型形成多组样本骑行数据与调节档位的映射关系；

所述决策树模型存储至所述主控制器内；

其中，骑行者重量数据作为决策树模型的前置条件进行设置。

2.根据权利要求1所述的自行车智能变速方法，其特征在于，通过后剪枝方法对所述决策树剪枝的步骤之前，还包括以下步骤：

主控制器根据多组样本骑行数据构建出测试数据集，所述测试数据集用于对所述决策树剪枝。

3.一种智能变速装置，其特征在于，包括：主控制器、踏力检测器、车速检测器、坡度检测器、变速器以及电源；所述主控制器分别与所述踏力检测器、车速检测器、坡度检测器、变速器以及电源连接；其中，所述电源用于给其余器件提供电力；所述踏力检测器、车速检测器以及坡度检测器用于采集实时骑行数据并传递至所述主控制器；所述变速器用于采集实时车速档位并传递至所述主控制器；所述主控制器中形成有决策树模型，所述决策树模型设置有多组样本骑行数据与调节档位的映射关系，所述主控制器根据实时骑行数据与样本骑行数据的对应关系输出相对应的调节档位，并控制变速器调节实时车速档位与所述调节档位一致；所述主控制器判断所述实时骑行数据是否为预设违规骑行数据；所述踏力检测器为压力传感器，其数量为三个，两个所述踏力检测器分别设于自行车的脚踏板，其余一所述踏力检测器设于自行车的车座，三个所述压力传感器分别用于检测骑行者重量数据和骑行者平均踏力数据并传递至所述主控制器；其中，骑行者重量数据作为决策树模型的前置条件进行设置。

4.根据权利要求3所述的智能变速装置，其特征在于，其还包括驱动控制器；所述主控制器通过所述驱动控制器与所述变速器连接。

5.根据权利要求3所述的智能变速装置，其特征在于，所述车速检测器为霍尔传感器，其用于检测自行车的骑行速度数据并传递至所述主控制器。

6.根据权利要求3所述的智能变速装置，其特征在于，所述坡度检测器为陀螺仪，其用于检测自行车所处路面坡度数据并传递至所述主控制器。

7.一种智能变速自行车，其特征在于，包括自行车以及上述权利要求3至6任一项所述的智能变速装置。

Images