CN114228722B - 驾驶风格划分方法、装置、设备、存储介质和程序产品 - Google Patents
驾驶风格划分方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN114228722B CN114228722B CN202111479605.XA CN202111479605A CN114228722B CN 114228722 B CN114228722 B CN 114228722B CN 202111479605 A CN202111479605 A CN 202111479605A CN 114228722 B CN114228722 B CN 114228722B
- Authority
- CN
- China
- Prior art keywords
- control information
- vehicle
- working condition
- fixed working
- actual
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000009826 distribution Methods 0.000 claims abstract description 83
- 238000004590 computer program Methods 0.000 claims description 41
- 230000003993 interaction Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Mathematical Physics (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Control Of Transmission Device (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
本申请涉及一种驾驶风格划分方法、装置、设备、存储介质和程序产品。所述方法包括:获取驾驶员基于固定工况驾驶车辆所产生的控制信息;将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据;获取预先标定的控制信息的参考分布数据;计算所述实际分布数据与所述参考分布数据的差异;基于所述差异得到驾驶风格类型。采用本方法能够全面准确的对驾驶员的驾驶风格进行划分。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种驾驶风格划分方法、装置、设备、存储介质和程序产品。
背景技术
随着汽车智能化的发展,出现了关于驾驶风格的分析技术,可以对驾驶员的驾驶风格进行分析。
传统的对驾驶风格进行分析的技术包括:将驾驶员的相对超速时间比例作为驾驶风格评估特征指标对驾驶人的驾驶风格进行分析,或者将违章次数比例作为驾驶风格评估特征指标对驾驶人的驾驶风格进行分析。
然而,目前的驾驶风格分析方法,只能体现驾驶员的一部分驾驶风格,针对驾驶员的驾驶风格的确定不够全面准确。
发明内容
基于此,有必要针对上述技术问题,提供一种能够全面准确的对驾驶员的驾驶风格进行划分的驾驶风格划分方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种驾驶风格划分方法,应用于终端,所述方法包括:
获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据;
获取预先标定的控制信息的参考分布数据;
计算所述实际分布数据与所述参考分布数据的差异;
基于所述差异得到驾驶风格类型。
在其中一个实施例中,所述获取汽车的控制信息,包括:
接收人机交互平台发送的控制信息,所述控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
在其中一个实施例中,所述将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据,包括:
将所述控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,所述预设层级为预先根据被控部件的输出信号划分得到的;
根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
在其中一个实施例中,所述获取驾驶员基于固定工况驾驶车辆所产生的控制信息之后,还包括:
对所述控制信息进行格式转换和/或去噪处理。
在其中一个实施例中,所述方法还包括:
获取所述固定工况中各个位置对应的参考车辆参数;
获取各个位置对应的实际车辆参数;
根据所述实际车辆参数和所述参考车辆参数判断所述车辆是否处于固定工况;
当所述车辆处于所述固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
当所述车辆不处于所述固定工况时,输出提示信息。
在其中一个实施例中,所述根据所述实际车辆参数和所述参考车辆参数判断所述车辆是否处于固定工况,包括:
判断车辆的实际速度与对应的所述固定工况的参考速度差值是否小于预设值;
当所述差值小于预设值时,判定所述车辆处于固定工况,否则所述车辆不处于所述固定工况。
第二方面,本申请还提供了一种车辆部件控制方法,所述车辆部件控制方法包括:
根据所述的驾驶风格划分方法获取驾驶员驾驶风格;
根据所述驾驶员驾驶风格对车辆部件的控制参数进行调整。
第三方面,本申请还提供了一种驾驶风格划分装置,所述装置包括:
控制信息获取模块,用于获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
实际数据获得模块,用于将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据;
参考数据获取模块,用于获取预先标定的控制信息的参考分布数据;
计算模块,用于计算所述实际分布数据与所述参考分布数据的差异;
类型确定模块,用于基于所述差异得到驾驶风格类型。
第四方面,本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时用于执行上述任意一个实施例中所述的方法的步骤。
第五方面,本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时用于执行上述任意一个实施例中所述的方法的步骤。
第六方面,本申请还提供了一种计算机程序产品。所述计算机程序产品,包括计算机程序,该计算机程序被处理器执行时用于执行上述任意一个实施例中所述的方法的步骤。
上述驾驶风格划分方法、装置、设备、存储介质和程序产品,通过获取驾驶员基于固定工况驾驶车辆所产生的控制信息和预先标定的控制信息的参考分布数据,将控制信息按照预设层级进行分组以得到控制信息的实际分布数据后,计算实际分布数据与参考分布数据的差异;基于差异得到驾驶风格类型。获取的基于固定工况的控制信息,包括面对多个加速、减速等固定工况的不同行驶要求下的对车辆的控制信息,将这些控制信息与标定的控制信息进行差异计算,可以获得驾驶员在面对多个加速、减速等固定工况的不同行驶要求下与标定的控制信息的差异,从而获得更全面的划分驾驶风格的信息,进而更准确的对驾驶员的驾驶风格进行划分。
附图说明
图1为一个实施例中驾驶风格划分方法的应用环境图;
图2为一个实施例中驾驶风格划分方法的流程示意图;
图3为一个实施例中固定工况的速度时间示例图;
图4为另一个实施例中驾驶风格划分方法的流程示意图;
图5为一个实施例中车辆部件控制方法的流程示意图;
图6为一个实施例中驾驶风格划分装置的结构框图;
图7为一个实施例中车辆部件控制装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的驾驶风格划分方法,可以应用于如图1所示的应用环境中。其中,终端102通过网络与人机交互平台104进行通信。终端102在固定工况下,获取人机交互平台104获取的驾驶员驾驶车辆所产生的控制信息。终端102将控制信息按照预设层级进行分组以得到控制信息的实际分布数据,获取预先标定的控制信息的参考分布数据,计算实际分布数据与参考分布数据的差异,基于差异得到驾驶风格类型。其中,终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备,物联网设备可为智能车载设备等。人机交互平台104可以位于车辆上。
在一个实施例中,如图2所示,提供了一种驾驶风格划分方法,以该方法应用于图1中的终端为例进行说明,包括以下步骤:
步骤202:获取驾驶员基于固定工况驾驶车辆所产生的控制信息。
其中,固定工况可以为行驶工况即在特定交通环境下车辆的行驶的速度-时间符合预设的速度-时间曲线时,则车辆处于固定工况。其中此处的固定工况并不是至车辆的行驶的状态一直不变,而是所有的被测驾驶员在驾驶车辆时相同时间所对应的车辆的状态处于相同的范围内。
控制信息包括符合预设的速度-时间曲线时,加速踏板和/或制动踏板的操作信息。在其他的实施例中,控制信息还可以包括车辆上的其他部件的操作信息,例如方向盘的操作信息等,在此不做具体的限制。
具体地,终端获取驾驶员在特定交通环境下,车辆按照预设的速度-时间曲线行驶所产生的控制信息。
步骤204:将控制信息按照预设层级进行分组以得到控制信息的实际分布数据。
其中,预设层级是指人为设定的车辆部件的操作层级,例如根据车辆部件的最小操作动作和最大操作动作获取到车辆部件的操作范围,并基于该范围进行分级,其中对于层级的划分可以是均匀划分或者是不均匀划分,例如在不均匀划分的时候,可以将最常控制范围进行高密度划分,而对于其他的不常操作范围进行低密度划分,以便于能更精确地进行驾驶员类型的划分。在实际应用中,终端预先将加速踏板的踩踏深度和/或制动踏板的踩踏深度,按照0到100的踩踏深度划分层级。
具体地,终端将控制信息中的加速踏板和/或制动踏板的操作信息按照0到100的踩踏深度层级进行分组,得到加速踏板和/或制动踏板的操作信息在固定工况下的实际分布数据,也就是说控制信息在各个层级的数量。
步骤206:获取预先标定的控制信息的参考分布数据。
其中,参考分布数据为基于固定工况获取的控制信息中的加速踏板和/或制动踏板的各层级的参考分布数据。本实施例并不对参考分布数据的标定方法做限定。可选地,参考分布数据的标定方法为根据多次固定工况下的实际分布数据进行分析或根据经验进行制定。
具体地,终端基于固定工况获取预先标定的控制信息中加速踏板和/或制动踏板在各层级的参考概率分布数据。
步骤208:计算实际分布数据与参考分布数据的差异。
具体地,差异可以是通过差值的方式计算,且为了保证准确性,此处采用对比熵值。可选地,终端计算实际概率分布数据与参考概率分布数据的对比熵值。
步骤210:基于差异得到驾驶风格类型。
具体地,终端基于对比熵值的数值对驾驶员的驾驶风格类型进行划分。可选地,预先将对比熵值按梯度划分相应的范围,每一梯度范围对应一类驾驶风格类型。终端基于所得到的对比熵值查询预先配置的梯度范围得到对应的驾驶风格类型。
上述驾驶风格划分方法中,终端获取驾驶员基于固定工况驾驶车辆所产生的控制信息和预先标定的控制信息的参考分布数据。终端将控制信息按照预设层级进行分组以得到控制信息的实际分布数据后,计算实际分布数据与参考分布数据的差异;基于差异得到驾驶风格类型。终端获取的基于固定工况的控制信息,包括面对多个加速、减速等固定工况的不同行驶要求下的对车辆的控制信息,将这些控制信息与标定的控制信息进行差异计算,可以获得驾驶员在面对多个加速、减速等固定工况的不同行驶要求下与标定的控制信息的差异,从而获得更全面的划分驾驶风格的信息,进而更准确的对驾驶员的驾驶风格进行划分。
在一个实施例中,获取汽车的控制信息,包括:接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
其中,人机交互平台位于车辆上,用于获取驾驶员对车辆的控制操作所产生的控制信息。人机交互
具体地,终端接收人机交互平台发送其获取的,驾驶员在驾驶车辆的过程中,基于固定工况至少对车辆的制动踏板和/或加速踏板进行操作,产生对应的控制信号,构成控制信息。
可选地,人机交互平台将上述获取的控制信息转化为UDP数据格式后由车辆的CAN总线进行传输,以将上述控制信息发送至终端的车辆数据接收器端。
在具体地实施过程中,在特定交通环境下,例如在某一特定路段中,将中国城市客车行驶工况(CHTC)中的车辆加速部分工况及车辆减速部分工况进行拼接生成固定工况,如图3所示。驾驶员在上述特定路段中,按照如图3所示的固定工况控制车辆,例如在0~1秒,控制车辆的车速由0km/h增加值1.8km/h,在1~2秒,控制车辆的车速由增加1.8km/h至3.6km/h。人机交互平台获取驾驶员基于固定工况对车辆的制动踏板和/或加速踏板进行操作,产生的制动踏板和/或加速踏板与载具的电机产生的控制信号,构成的控制信息。
上述驾驶风格划分方法中,终端接收人机交互平台发送的在固定工况下驾驶员面对多个加速、减速等固定工况的不同行驶要求下的对车辆的控制信息,使终端获取的关于驾驶员的驾驶信息更全面。
在一个实施例中,将控制信息按照预设层级进行分组以得到控制信息的实际分布数据,包括:
将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,预设层级为预先根据被控部件的输出信号划分得到的。
具体地,终端将控制信息中的制动踏板和/或加速踏板的踩踏深度按照预设层级进行分组,以得到不同层级的控制信息的实际数量。例如,驾驶员根据固定工况在1~2秒,控制车辆的车速由增加1.8km/h至3.6km/h对车辆进加速操作,使得加速踏板的踩踏深度为52,持续时间为50ms,则将上述控制信息划分至踏板深度50~60的层级,并记录相应的操作时间作为实际数量。
根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
具体地,终端根据每一分组中的控制信息的实际数量制作得到实际控制信息概率分布数据。
上述驾驶风格划分方法中,将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,并以此制作得到实际控制信息分布数据,实现了将驾驶员基于固定工况驾驶车辆所产生的控制信息的可视化操作及计算,便于量化分析。
在一个实施例中,获取驾驶员基于固定工况驾驶车辆所产生的控制信息在固定工况下,获取驾驶员驾驶车辆所产生的控制信息之后,还包括:
对控制信息进行格式转换和/或去噪处理。
具体地,终端将控制信息的格式转换为可分析性数据格式,需要说明的是可分析性数据格式包括但不限于字典及浮点数数组数据格式。
具体地,终端对控制信息进行去噪处理,需要说明的是去噪处理包括但不限于设置数据区间阈值,移除离群值或增加可适应性滤波。
上述驾驶风格划分方法中,对控制信息进行格式转换和/或去噪处理,使得处理后的控制信息便于终端进行处理。
在一个实施例中,方法还包括:获取固定工况中各个位置对应的参考车辆参数;获取各个位置对应的实际车辆参数;根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,继续在固定工况下,获取驾驶员驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息。
其中,实际车辆参数为车辆的实际速度-时间。
具体地,终端获取车辆基于特定交通环境下的各位置的参考时间速度参数,以及基于相同的特定交通环境下,驾驶员在各位置的实际时间速度参数,根据参考时间速度参数与实际时间速度参数判断车辆的是否处于固定工况。
示例地,在一实施例中,根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况,包括:判断车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值;当差值小于预设值时,判定车辆处于固定工况,否则车辆不处于固定工况。
其中,预设值为预先设定的特定交通环境下的各位置的实际时间速度参数与参考时间速度参数的差值不得超过5%。
具体地,终端判断车辆在特定交通环境下的各位置的实际速度与对应的固定工况中的参考速度差值是否小于5%;当差值小于5%时,判定车辆处于固定工况,否则车辆不处于固定工况。
在具体的实施过程中,某一固定工况,在3秒时车辆速度应为5km/h,终端需判断驾驶员在特定交通环境下,在3秒时车辆速度是否处于4.75km/h至5.25km/h之间。若驾驶员驾驶速度超出工况速度阈值百分之五,则判定其不处于该固定工况。终端将不能准确分析驾驶员的驾驶风格或对驾驶风格的分析产生误差。
上述驾驶风格划分方法中,终端通过对车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值来判断车辆是否处于固定工况,以此,控制终端在获取确定驾驶风格的划分因素的范围,更准确的划分驾驶员的驾驶风格。
当终端确定车辆处于固定工况时,继续在固定工况下,获取驾驶员驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息,以提示无法获取有效信息。
上述驾驶风格划分方法中,终端通过实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,获取驾驶员驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息,使得用户可以及时通知驾驶员及时根据提示信息进行调整,增加划分驾驶员的驾驶风格的效率。
在一个实施例中,如图4所示,不同的驾驶员驾驶同一辆汽车,在同一路段,以基于固定工况的预设速度进行行驶,真实速度要求与预设速度的差异小于5%。
人机交互平台,安装在汽车上,在本方案的作用为探测踩踏信号。驾驶员驾驶汽车时对制动和/或加速踏板的操作将产生对应的踩踏信号。人机交互平台将探测到的踩踏信号转换成UDP格式的控制数据,并将上述数据发送至终端的车辆数据接收器。终端通过车辆数据接收器接收上述UDP格式的控制数据,并将其进行格式转换,转换为可分析性数据格式后,通过设置数据区间阈值,移除离群值或增加可适应性滤波对可分析性数据进行噪声及无用数据的过滤。将过滤后的数据进行解析,以将驾驶员的踩踏操作产生的信号解析为对应的踩踏深度,计算当前踩踏深度的概率分布与标准概率分布的对比熵值,根据对比熵值划分驾驶风格。标准概率分布为标定驾驶员的概率分布。其中,踩踏深度的概率分布及熵值计算可以量化施行,达到驾驶风格的定量化分析。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的驾驶风格划分方法的车辆部件控制方法。该车辆部件控制方法所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供车辆部件控制方法实施例中的具体限定可以参见上文中对于驾驶风格划分方法的限定,在此不再赘述。
在一个实施例中,如图5所示,提供了一种车辆部件控制方法,车辆部件控制方法包括以下步骤:
步骤302:根据驾驶风格划分方法获取驾驶员驾驶风格;
步骤342:根据驾驶员驾驶风格对车辆部件的控制参数进行调整。
具体地,终端将根据驾驶风格划分方法确定用户的驾驶风格,从而根据用户的驾驶风格对其控制的车辆的油门或制动踏板的参数进行调整。
在具体的实施过程中,终端根据驾驶风格划分方法确定用户的驾驶风格,以确定用户的驾驶风格是激进驾驶风格或柔和驾驶风格为例,对激进的驾驶员踏板参数与柔和驾驶风格的驾驶员踏板参数调整不同,从而达到对不同用户的车辆的油门和/或制动踏板参数进行调整。
上述车辆部件控制方法中,通过根据驾驶员驾驶风格对车辆部件的控制参数进行调整,使得对车辆参数的调整达到的结果减少噪声及其他人为干扰因素。例如:做零至百公里加速时间测试时,若司机A开出5秒的时间,在对车辆的参数优化后,司机A开出4秒9的时间。通过使用驾驶风格分析方法判断司机A的驾驶风格前后是否一致,以达到减少噪声及其他人为干扰因素,提高开发效率目的。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的驾驶风格划分方法的驾驶风格划分装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个驾驶风格划分装置实施例中的具体限定可以参见上文中对于驾驶风格划分方法的限定,在此不再赘述。
在一个实施例中,如图6所示,提供了一种驾驶风格划分装置,包括:控制信息获取模块100、实际数据获得模块200、参考数据获取模块300、计算模块400、类型确定模块500,其中:
控制信息获取模块100,用于获取驾驶员基于固定工况驾驶车辆所产生的控制信息。
实际数据获得模块200,用于将控制信息按照预设层级进行分组以得到控制信息的实际分布数据。
参考数据获取模块300,用于获取预先标定的控制信息的参考分布数据。
计算模块400,用于计算实际分布数据与参考分布数据的差异。
类型确定模块500,用于基于差异得到驾驶风格类型。
在一个实施例中,控制信息获取模块100,包括:接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
在一个实施例中,实际数据获得模块200,包括:
分组子模块,用于将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,预设层级为预先根据被控部件的输出信号划分得到的;
分布数据制作模块,用于根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
在一个实施例中,还包括:去噪模块,用于对控制信息进行格式转换和/或去噪处理。
在一个实施例中,还包括:参考参数获取模块,用于获取固定工况中各个位置对应的参考车辆参数;
实际参数获取模块,用于获取各个位置对应的实际车辆参数;
判断模块,用于根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息。
在一个实施例中,判断模块,包括:判断车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值;当差值小于预设值时,判定车辆处于固定工况,否则车辆不处于固定工况。
在一个实施例中,如图7所示,提供了一种车辆部件控制装置,车辆部件控制装置包括:风格划分模块600和参数调整模块700,其中:
风格划分模块600,用于根据驾驶风格划分方法获取驾驶员驾驶风格;参数调整模块700,用于根据驾驶员驾驶风格对车辆部件的控制参数进行调整。
上述驾驶风格划分装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储控制信息该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种驾驶风格划分方法。
本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
将控制信息按照预设层级进行分组以得到控制信息的实际分布数据;
获取预先标定的控制信息的参考分布数据;
计算实际分布数据与参考分布数据的差异;
基于差异得到驾驶风格类型。
在一个实施例中,处理器执行计算机程序时所实现的获取汽车的控制信息,包括:接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
在一个实施例中,处理器执行计算机程序时所实现的将控制信息按照预设层级进行分组以得到控制信息的实际分布数据,包括:将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,预设层级为预先根据被控部件的输出信号划分得到的;根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
在一个实施例中,处理器执行计算机程序时所实现的获取驾驶员基于固定工况驾驶车辆所产生的控制信息之后,还包括:对控制信息进行格式转换和/或去噪处理。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:获取固定工况中各个位置对应的参考车辆参数;获取各个位置对应的实际车辆参数;根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息。
在一个实施例中,处理器执行计算机程序时所实现的根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况,包括:判断车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值;当差值小于预设值时,判定车辆处于固定工况,否则车辆不处于固定工况。
在一个实施例中,处理器执行计算机程序时所实现的车辆部件控制方法包括:根据驾驶风格划分方法获取驾驶员驾驶风格;根据驾驶员驾驶风格对车辆部件的控制参数进行调整。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
将控制信息按照预设层级进行分组以得到控制信息的实际分布数据;
获取预先标定的控制信息的参考分布数据;
计算实际分布数据与参考分布数据的差异;
基于差异得到驾驶风格类型。
在一个实施例中,计算机程序被处理器执行时所实现的获取汽车的控制信息,包括:接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
在一个实施例中,计算机程序被处理器执行时所实现的将控制信息按照预设层级进行分组以得到控制信息的实际分布数据,包括:将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,预设层级为预先根据被控部件的输出信号划分得到的;根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
在一个实施例中,计算机程序被处理器执行时所实现的获取驾驶员基于固定工况驾驶车辆所产生的控制信息之后,还包括:对控制信息进行格式转换和/或去噪处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取固定工况中各个位置对应的参考车辆参数;获取各个位置对应的实际车辆参数;根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息。
在一个实施例中,计算机程序被处理器执行时所实现的根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况,包括:判断车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值;当差值小于预设值时,判定车辆处于固定工况,否则车辆不处于固定工况。
在一个实施例中,计算机程序被处理器执行时所实现的车辆部件控制方法包括:根据驾驶风格划分方法获取驾驶员驾驶风格;根据驾驶员驾驶风格对车辆部件的控制参数进行调整。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
将控制信息按照预设层级进行分组以得到控制信息的实际分布数据;
获取预先标定的控制信息的参考分布数据;
计算实际分布数据与参考分布数据的差异;
基于差异得到驾驶风格类型。
在一个实施例中,计算机程序被处理器执行时所实现的获取汽车的控制信息,包括:接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
在一个实施例中,计算机程序被处理器执行时所实现的将控制信息按照预设层级进行分组以得到控制信息的实际分布数据,包括:将控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,预设层级为预先根据被控部件的输出信号划分得到的;根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
在一个实施例中,计算机程序被处理器执行时所实现的获取驾驶员基于固定工况驾驶车辆所产生的控制信息之后,还包括:对控制信息进行格式转换和/或去噪处理。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:获取固定工况中各个位置对应的参考车辆参数;获取各个位置对应的实际车辆参数;根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况;当车辆处于固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;当车辆不处于固定工况时,输出提示信息。
在一个实施例中,计算机程序被处理器执行时所实现的根据实际车辆参数和参考车辆参数判断车辆是否处于固定工况,包括:判断车辆的实际速度与对应的固定工况的参考速度差值是否小于预设值;当差值小于预设值时,判定车辆处于固定工况,否则车辆不处于固定工况。
在一个实施例中,计算机程序被处理器执行时所实现的车辆部件控制方法包括:根据驾驶风格划分方法获取驾驶员驾驶风格;根据驾驶员驾驶风格对车辆部件的控制参数进行调整。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种驾驶风格划分方法,其特征在于,应用于终端,所述驾驶风格划分方法包括:
获取驾驶员基于固定工况驾驶车辆所产生的控制信息;其中,固定工况为行驶工况即在特定交通环境下车辆的行驶的速度-时间符合预设的速度-时间曲线时,则车辆处于固定工况;
将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据;
获取预先标定的控制信息的参考分布数据;
计算所述实际分布数据与所述参考分布数据的差异;
基于所述差异得到驾驶风格类型;
所述驾驶风格划分方法还包括:
获取所述固定工况中各个位置对应的参考车辆参数;
获取各个位置对应的实际车辆参数;
根据所述实际车辆参数和所述参考车辆参数判断所述车辆是否处于固定工况;
当所述车辆处于所述固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;
当所述车辆不处于所述固定工况时,输出提示信息;
所述根据所述实际车辆参数和所述参考车辆参数判断所述车辆是否处于固定工况,包括:
判断车辆的实际速度与对应的所述固定工况的参考速度差值是否小于预设值;
当所述差值小于预设值时,判定所述车辆处于固定工况,否则所述车辆不处于所述固定工况。
2.根据权利要求1所述的驾驶风格划分方法,其特征在于,所述获取车辆的控制信息,包括:
接收人机交互平台发送的控制信息,所述控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
3.根据权利要求1所述的驾驶风格划分方法,其特征在于,所述将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据,包括:
将所述控制信息按照预设层级进行分组得到不同层级的控制信息的实际数量,所述预设层级为预先根据被控部件的输出信号划分得到的;
根据每一分组中的控制信息的实际数量制作得到实际控制信息分布数据。
4.根据权利要求1所述的驾驶风格划分方法,其特征在于,所述获取驾驶员基于固定工况驾驶车辆所产生的控制信息之后,还包括:
对所述控制信息进行格式转换和/或去噪处理。
5.一种车辆部件控制方法,其特征在于,所述车辆部件控制方法包括:
根据权利要求1至4任意一项所述的驾驶风格划分方法获取驾驶员驾驶风格;
根据所述驾驶员驾驶风格对车辆部件的控制参数进行调整。
6.一种驾驶风格划分装置,其特征在于,所述装置包括:
控制信息获取模块,用于获取驾驶员基于固定工况驾驶车辆所产生的控制信息;其中,固定工况为行驶工况即在特定交通环境下车辆的行驶的速度-时间符合预设的速度-时间曲线时,则车辆处于固定工况;
实际数据获得模块,用于将所述控制信息按照预设层级进行分组以得到所述控制信息的实际分布数据;
参考数据获取模块,用于获取预先标定的控制信息的参考分布数据;
计算模块,用于计算所述实际分布数据与所述参考分布数据的差异;
类型确定模块,用于基于所述差异得到驾驶风格类型;
参考参数获取模块,用于获取所述固定工况中各个位置对应的参考车辆参数;
实际参数获取模块,用于获取各个位置对应的实际车辆参数;
判断模块,用于判断车辆的实际速度与对应的所述固定工况的参考速度差值是否小于预设值;当所述差值小于预设值时,判定所述车辆处于固定工况,否则所述车辆不处于所述固定工况;当所述车辆处于所述固定工况时,继续获取驾驶员基于固定工况驾驶车辆所产生的控制信息;当所述车辆不处于所述固定工况时,输出提示信息。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括:
控制信息获取模块,用于接收人机交互平台发送的控制信息,控制信息包括在固定工况下驾驶员控制制动踏板和/或加速踏板所产生的控制信号。
8.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111479605.XA CN114228722B (zh) | 2021-12-06 | 2021-12-06 | 驾驶风格划分方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111479605.XA CN114228722B (zh) | 2021-12-06 | 2021-12-06 | 驾驶风格划分方法、装置、设备、存储介质和程序产品 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114228722A CN114228722A (zh) | 2022-03-25 |
CN114228722B true CN114228722B (zh) | 2023-10-24 |
Family
ID=80753481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111479605.XA Active CN114228722B (zh) | 2021-12-06 | 2021-12-06 | 驾驶风格划分方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114228722B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9500872D0 (en) * | 1994-01-19 | 1995-03-08 | Daimler Benz Ag | Method for gradually classifying driving styles and motor vehicleusing this method |
CN108995653A (zh) * | 2018-07-06 | 2018-12-14 | 北京理工大学 | 一种驾驶员驾驶风格识别方法及系统 |
CN110304068A (zh) * | 2019-06-24 | 2019-10-08 | 中国第一汽车股份有限公司 | 汽车行驶环境信息的采集方法、装置、设备和存储介质 |
KR20190134906A (ko) * | 2018-05-10 | 2019-12-05 | 한국전자통신연구원 | 사용자의 운전 스타일을 반영한 자율 주행 장치 및 방법 |
CN112686294A (zh) * | 2020-12-28 | 2021-04-20 | 华北科技学院 | 基于机器学习的驾驶风格辨识模型构建方法、装置、介质和设备 |
CN112829758A (zh) * | 2021-01-08 | 2021-05-25 | 广西宁达汽车科技有限公司 | 一种汽车驾驶风格自学习方法、装置、设备及存储介质 |
CN113002545A (zh) * | 2021-02-26 | 2021-06-22 | 北京汽车股份有限公司 | 一种车辆控制方法、装置及车辆 |
CN113401130A (zh) * | 2021-06-25 | 2021-09-17 | 华人运通(江苏)动力电池系统有限公司 | 基于环境信息的驾驶风格识别方法、设备及存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9171409B2 (en) * | 2011-05-04 | 2015-10-27 | GM Global Technology Operations LLC | System and method for vehicle driving style determination |
KR102545110B1 (ko) * | 2018-12-14 | 2023-06-20 | 현대자동차주식회사 | 주행 경로 별 최적 연비 운전 패턴 제공 시스템 및 방법 |
KR20210073686A (ko) * | 2019-12-10 | 2021-06-21 | 현대자동차주식회사 | 운전자 인증 기반 개인화 주행모드 제어 장치, 그를 포함한 시스템 및 그 방법 |
-
2021
- 2021-12-06 CN CN202111479605.XA patent/CN114228722B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9500872D0 (en) * | 1994-01-19 | 1995-03-08 | Daimler Benz Ag | Method for gradually classifying driving styles and motor vehicleusing this method |
KR20190134906A (ko) * | 2018-05-10 | 2019-12-05 | 한국전자통신연구원 | 사용자의 운전 스타일을 반영한 자율 주행 장치 및 방법 |
CN108995653A (zh) * | 2018-07-06 | 2018-12-14 | 北京理工大学 | 一种驾驶员驾驶风格识别方法及系统 |
CN110304068A (zh) * | 2019-06-24 | 2019-10-08 | 中国第一汽车股份有限公司 | 汽车行驶环境信息的采集方法、装置、设备和存储介质 |
CN112686294A (zh) * | 2020-12-28 | 2021-04-20 | 华北科技学院 | 基于机器学习的驾驶风格辨识模型构建方法、装置、介质和设备 |
CN112829758A (zh) * | 2021-01-08 | 2021-05-25 | 广西宁达汽车科技有限公司 | 一种汽车驾驶风格自学习方法、装置、设备及存储介质 |
CN113002545A (zh) * | 2021-02-26 | 2021-06-22 | 北京汽车股份有限公司 | 一种车辆控制方法、装置及车辆 |
CN113401130A (zh) * | 2021-06-25 | 2021-09-17 | 华人运通(江苏)动力电池系统有限公司 | 基于环境信息的驾驶风格识别方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114228722A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170268948A1 (en) | System and method for analysing the energy efficiency of a vehicle | |
CN110525234B (zh) | 电机输出扭矩的控制方法、装置及整车控制器 | |
CN111994084A (zh) | 一种驾驶员驾驶风格识别方法及其系统、存储介质 | |
CN113219962A (zh) | 一种面向混行队列跟驰安全的控制方法、系统及存储介质 | |
CN112758088A (zh) | 危险源的提醒方法及高级驾驶辅助系统 | |
CN112802227A (zh) | 车辆adas行驶数据的采集方法、装置、人机交互装置及车辆 | |
CN112966818A (zh) | 一种定向引导模型剪枝方法、系统、设备及存储介质 | |
CN112466118A (zh) | 车辆驾驶行为识别方法、系统、电子设备及存储介质 | |
US20230219576A1 (en) | Target slip estimation | |
CN114228722B (zh) | 驾驶风格划分方法、装置、设备、存储介质和程序产品 | |
US20210390802A1 (en) | Method, Computer Program And Device For Processing Signals | |
CN116438434A (zh) | 用于基于概率对车辆进行速度预测的计算机辅助的方法和装置 | |
CN112345869A (zh) | 一种汽车电子设备测试方法、系统、电子设备及存储介质 | |
Feng et al. | Modelling and simulation for safe following distance based on vehicle braking process | |
CN111976633A (zh) | 应用于车联网的数据检测方法及系统 | |
CN114906141A (zh) | 自适应巡航控制方法及装置 | |
Xie et al. | DeepCF: A Deep Feature Learning‐Based Car‐Following Model Using Online Ride‐Hailing Trajectory Data | |
CN114889598B (zh) | 停车控制方法、装置、计算机设备和存储介质 | |
CN116499772B (zh) | 车辆制动性能评估方法、装置、电子设备及存储介质 | |
CN116881796B (zh) | 基于卡尔曼滤波的燃油车续航里程预测方法 | |
KR20210073357A (ko) | 차량 abs 제어기의 모델링 시스템 및 방법 | |
CN113044046B (zh) | 驾驶员风格识别方法、系统、电子设备及可读存储介质 | |
CN115857479B (zh) | Nedc测试方法、装置、计算机设备和存储介质 | |
CN114564110B (zh) | 基于脑电数据的驾驶学习能力检测方法及系统 | |
CN116776204B (zh) | 驾驶人风险敏感度差异化表征方法、装置、设备及介质 |
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 |