CN114426025A - 驾驶辅助方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种驾驶辅助方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

Description

驾驶辅助方法、装置、计算机设备和存储介质

技术领域

本申请涉及商用车辅助驾驶技术领域，特别是涉及一种驾驶辅助方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

燃油消耗量在商用车总拥有成本中占比较大，车辆使用过程中也存在诸多燃油消耗量偏高但车辆却没有故障的问题；导致用户在购车时，除了选择满足运输工况和高可靠性的车辆以外，对燃油消耗量的关注度持续升高。

降低燃油消耗量，自然就成为了下一个商品竞争力增长点；众所周知，在车辆技术条件和运输特性相同的情况下，驾驶行为的差异是影响燃料消耗量的关键因素；而在目前国内主流主机厂的国六的技术路线相似，产品竞争力和产品成熟度相当的情况下，通过车联网对驾驶员的驾驶行为进行评价和指导，改善驾驶行为，进而降低燃油消耗量成为一种可行性方案。因此，亟需一种驾驶辅助方法，用于规范司机的驾驶行为从而降低燃油消耗量。

发明内容

基于此，有必要针对上述技术问题，提供一种能够规范司机的驾驶行为从而降低燃油消耗量的驾驶辅助方法、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辅助方法。所述方法包括：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

在其中一个实施例中，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

在其中一个实施例中，每一参数类型的驾驶行为评分标准中驾驶行为评分平均值的确定过程，包括：

根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在其中一个实施例中，历史车辆行驶数据的数量为多个；每一参数类型的驾驶行为评分标准中驾驶行为评分上限值和驾驶行为评分下限值的确定过程，包括：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

在其中一个实施例中，根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，包括：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

确定每一参数类型对驾驶行为的权重；

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

在其中一个实施例中，行驶特征数据还包括交通条件和天气信息。

第二方面，本申请还提供了一种驾驶辅助装置。所述装置包括：

第一确定模块，用于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

第二确定模块，用于确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

第三确定模块，用于根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

第四确定模块，用于根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

第五确定模块，用于根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

第三方面，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实现以下步骤：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

第四方面，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实现以下步骤：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

第五方面，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实现以下步骤：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

上述驾驶辅助方法、装置、计算机设备、存储介质和计算机程序产品，通过确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。由于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集时，匹配条件包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度，一方面，从而能够匹配到与目标车辆工况相符的车辆的历史数据，相应地，根据匹配到的历史数据集，确定的每一参数类型的驾驶行为评分标准精确性更高，更加接近真实评分标准，基于每一参数类型的驾驶行为评分标准，对目标车辆驾驶员的驾驶行为做出的评价准确度更高，进而最终所确定的每一参数类型的燃油经济性评分精确性更高，从而基于每一参数类型的燃油经济性评分指导目标车辆的驾驶员规范驾驶行为，实现节油驾驶，达到降低燃油消耗量的目的。

附图说明

图1为一个实施例中驾驶辅助方法的流程示意图；

图2为一个实施例中驾驶辅助方法中数据采集系统的结构框图；

图3为一个实施例中驾驶辅助装置的结构框图；

图4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。

燃油消耗量在商用车总拥有成本中占比较大，车辆使用过程中也存在诸多燃油消耗量偏高但车辆却没有故障的问题；导致用户在购车时，除了选择满足运输工况和高可靠性的车辆以外，对燃油消耗量的关注度持续升高。

降低燃油消耗量，自然就成为了下一个商品竞争力增长点；众所周知，在车辆技术条件和运输特性相同的情况下，驾驶行为的差异是影响燃料消耗量的关键因素；而在目前国内主流主机厂的国六的技术路线相似，产品竞争力和产品成熟度相当的情况下，通过车联网对驾驶员的驾驶行为进行评价和指导，改善驾驶行为，进而降低燃油消耗量成为一种可行性方案。因此，亟需一种驾驶辅助方法，用于规范司机的驾驶行为从而降低燃油消耗量。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种专业名词，但除非特别说明，这些专业名词不受这些术语限制。这些术语仅用于将一个专业名词与另一个专业名词区分。

针对上述相关技术中存在的问题，本发明实施例提供了一种驾驶辅助方法，该方法可以应用于服务器中，也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。终端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音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。需要说明的是，本申请各实施例中提及的“多个”等的数量均指代“至少两个”的数量，比如，“多个”指“至少两个”。

在一个实施例中，如图1所示，提供了一种驾驶辅助方法，本实施例以该方法应用于服务器进行举例说明，该方法包括以下步骤：

102、确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

其中，需要说明的是，车速分布、转速分布、档位分布可以使用柱状图表示，且数据均是一维数据。具体地，以车速分布为例，车速分布可以基于行程进行分布，例如，历史数据集中某条数据行程为100米，车辆以30m/s行驶了30m，以40m/s行驶了30m，以45m/s行驶了40m，则车速分布为：纵坐标分别为3/10，3/10，2/5，横坐标分别为30m/s，40m/s和45m/s的柱状图。扭矩-转速分布和油门-转速分布的数据均是二维的。具体地，以扭矩-转速分布为例，扭矩-转速分布为扭矩分布和转速分布的映射，例如，历史数据集中包含多条历史数据，其中，某一条历史数据的扭矩分布为200NM、220NM和260NM，则对应的转速为2100转/分、2300转/分和2700转/分。车辆发动机空挡运行时间与车辆发动机运行总时长之间的比值可以为怠速时间占比；车辆发动机空挡运行消耗的油量与车辆发动机运行总耗油量之间的比值可以为怠速油耗占比。

104、确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型。

需要说明的是，历史车辆行驶数据中各项数据的参数类型的种类与当前车辆行驶数据中各项数据的参数类型的种类相同，例如，历史车辆行驶数据中各项数据的参数类型的种类包括A、B和C三种，相应地，当前车辆行驶数据中各项数据的参数类型也包括A、B和C三种。

106、根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值。

108、根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对。

具体地，根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值可以包括：根据所述当前车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第四矩阵；根据每一参数类型对应的第四矩阵，得到每一参数类型对应的第四矩阵特征值，将每一参数类型对应的第四矩阵特征值作为每一参数类型的驾驶行为评分参考值。

例如，参数类型包括A、B和C三种，车速分布、转速分布和档位分布的参数类型均为A，扭矩-转速分布和油门-转速分布的参数类型均为B，车速分布、转速分布和档位分布均为一维数据，将参数类型为A的驾驶行为评分参考值分别与参数类型为A的驾驶行为的评分标准进行比对，具体地，可采用欧几里得相似度算法，扭矩-转速分布和油门-转速分布均为二维数据，将参数类型为B的驾驶行为评分参考值分别与参数类型为B的驾驶行为的评分标准进行比对，具体地，可采用使用主成分分析算法。

110、根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

需要说明的是，在实际应用场景中，用户终端可以为手机，也可以为T-BOX，本申请实施例对此不作具体限定。

上述驾驶辅助方法中，通过确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。由于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集时，匹配条件包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度，一方面，从而能够匹配到与目标车辆工况相符的车辆的历史数据，相应地，根据匹配到的历史数据集，确定的每一参数类型的驾驶行为评分标准精确性更高，更加接近真实评分标准，基于每一参数类型的驾驶行为评分标准，对目标车辆驾驶员的驾驶行为做出的评价准确度更高，进而最终所确定的每一参数类型的燃油经济性评分精确性更高，从而基于每一参数类型的燃油经济性评分指导目标车辆的驾驶员规范驾驶行为，实现节油驾驶，达到降低燃油消耗量的目的。

在一个实施例中，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

在一个实施例中，每一参数类型的驾驶行为评分标准中驾驶行为评分平均值的确定过程，包括：

根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

本实施例中，通过根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；根据每一参数类型对应的第一矩阵，从而得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在一个实施例中，历史车辆行驶数据的数量为多个；每一参数类型的驾驶行为评分标准中驾驶行为评分上限值和驾驶行为评分下限值的确定过程，包括：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序。

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵。

其中，第一预设阈值的取值可以根据实际情况而定。具体地，可以根据排序结果中前30％的所有历史车辆行驶数据，确定第一预设阈值，例如排序结果中前30％的每一历史车辆行驶数据的平均油耗均大于8L/100km，则第一预设阈值的取值可以为8L/100km。

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值。

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值。

根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵。

其中，第二预设阈值的取值可以根据实际情况而定。具体地，可以根据排序结果中后30％的所有历史车辆行驶数据，确定第二预设阈值，例如排序结果中后30％的每一历史车辆行驶数据的平均油耗均不大于4L/100km，则第二预设阈值的取值可以为4L/100km。

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值。

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

本实施例中，通过对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；从而得到每一参数类型的驾驶行为评分标准中驾驶行为评分上限值。根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；从而得到每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

在一个实施例中，根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，包括：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数。

在分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型之前，还包括：基于第一样本集对每一参数类型的初始模型进行训练，得到每一参数类型的预训练模型；基于第二样本集对每一参数类型的预训练模型进行再训练，得到每一参数类型的预设模型。其中，第一样本集中的样本总数量大于第二样本集中的样本总数量。具体地，每一参数类型的预设模型可以采用SVM分类器，本申请实施例对此不作限定。

确定每一参数类型对驾驶行为的权重。

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

具体地，对于任一参数类型的燃油经济性评分，可以获取任一参数类型的预测分数与任一参数类型对驾驶行为的权重之间的乘积，将乘积作为任一参数类型的燃油经济性评分。相应地，得到每一参数类型的燃油经济性评分的过程可参考如下公式(1)：

Scorei＝Di*Wi；(1)

需要说明的是，Scorei为任一参数类型的燃油经济性评分，Di为任一参数类型的预测分数，Wi为任一参数类型对驾驶行为的权重。

本实施例中，通过分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；确定每一参数类型对驾驶行为的权重；根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。由于不是直接将每一参数类型的预测分数作为每一参数类型的燃油经济性评分，而是确定每一参数类型对驾驶行为的权重，基于每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分，从而提高每一参数类型的燃油经济性评分的精确性，进而实现最大程度的降低燃油消耗量。

在一个实施例中，行驶特征数据还包括交通条件和天气信息。

需要说明的是，实际应用场景中，天气信息可以包括：天气种类、环境温度、风力等级、风向、大气压力。交通条件指的是道路的拥堵情况。

本实施例中，通过行驶特征数据还包括交通条件和天气信息，由于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集时，匹配条件包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度、道路坡度、交通条件和天气信息，针对驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度、道路坡度、交通条件和天气信息进行场景化详细的分析，一方面，从而匹配到的历史数据集与目标车辆的实际工况更加相符，相应地，根据匹配到的历史数据集，确定的每一参数类型的驾驶行为评分标准精确性更高，更加接近真实评分标准，基于每一参数类型的驾驶行为评分标准，对目标车辆驾驶员的驾驶行为做出的评价准确度更高，进而最终所确定的每一参数类型的燃油经济性评分精确性更高，从而基于每一参数类型的燃油经济性评分指导目标车辆的驾驶员规范驾驶行为，实现节油驾驶，达到降低燃油消耗量的目的。

结合上述实施例，在一个实施例中，历史数据库可以由数据采集系统建立并发送至服务器，具体地，如图2所示，数据采集系统可以包括can总线202，GPS模块204，T-BOX206，云平台208。其中，经纬度可以通过GPS模块采集，具体地，GPS模块与全球定位系统连接，实时发送速度、经纬度、高程、航向角、时间戳、定位状态和定位卫星数量等信号至T-BOX。can总线用于接受车辆上各个控制器输出的相关信号，其中，相关信号可以包括瞬时燃油消耗量、瞬时尿素消耗量、发动机转速、车速、油门开度，发动机实际扭矩，摩擦扭矩、制动信号、档位信号、加速度信号和轴荷信号等。并将相关信号发送至T-BOX，T-BOX用于对接收到的GPS模块采集的数据和can总线采集的数据进行编译、解析、清洗处理。其中，数据清洗能够除去噪点、异常数据、去重复、排序以及字段的修复，可使用大数据处理中的ETL方法实现，本申请实施例对此不作具体限定。需要说明的是，异常数据一部分是由于数据传输过程中由于信号传输、信号本身的精度，传感器的失效、车辆异常情况等产生的；另一部分数据是因为通讯中断，再次通讯的时候保证数据完整，多上传的冗余信息。T-BOX还用于将处理后的数据发送至云平台。需要说明的是，T-BOX和云平台接收、发送的数据是按照相关通讯协议格式执行的。具体的，传输协议和解析方法可以由主机厂制定，在此不再赘述。云平台用于接收T-BOX传输的数据，并转存至分布式数据库，利用生产制造系统的数据、路网接口，获取车辆基本配置信息、车辆运行姿态信息、路网信息和天气信息，并根据获取到的数据，建立历史数据库。其中，车辆基本配置信息可以包括：排放类型、车辆类型、车型号、驱动形式、底盘号、发动机型号、变速箱型号、变速箱各档位速比、驱动桥型号及主减速比、轮胎型号、轮胎滚动半径和发动机号。车辆运行姿态信息可以包括：时间戳、经纬度、车速、转速、加速度。路网信息可以包括：地理位置信息、道路类型、道路坡度、交通条件。天气信息可以包括：天气种类、环境温度、风力等级、风向和大气压力。需要说明的是，上述一种驾驶辅助方法也可以应用于云平台。目标车辆的当前行驶特征数据和目标车辆的当前车辆行驶数据的获取过程可参考历史行驶特征数据和历史车辆行驶数据的获取过程，在此不再赘述。

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辅助方法的驾驶辅助装置。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辅助装置实施例中的具体限定可以参见上文中对于驾驶辅助方法的限定，在此不再赘述。

在一个实施例中，如图3所示，提供了一种驾驶辅助装置，包括：第一确定模块302、第二确定模块304、第三确定模块306、第四确定模块308和第五确定模块310，其中：

第一确定模块302，用于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

第二确定模块304，用于确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

第三确定模块306，用于根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

第四确定模块308，用于根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

第五确定模块310，用于根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

在一个实施例中，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

在一个实施例中，第三确定模块306，包括：

第一建立单元，用于根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

第一确定单元，用于根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在一个实施例中，历史车辆行驶数据的数量为多个；第三确定模块306，还包括：

排序单元，用于对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

第二建立单元，用于根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

第二确定单元，用于根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

第四确定单元，用于将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

第三建立单元，用于根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

第五确定单元，用于根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

第六确定单元，用于将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

在一个实施例中，第五确定模块310，包括：

输出单元，用于分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

第七确定单元，用于确定每一参数类型对驾驶行为的权重；

第八确定单元，用于根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

在一个实施例中，行驶特征数据还包括交通条件和天气信息。

上述驾驶辅助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4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、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历史数据库、目标车辆的当前行驶特征数据和目标车辆的当前车辆行驶数据。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辅助方法。

本领域技术人员可以理解，图4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：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

在一个实施例中，处理器在执行计算机程序时，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

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：根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在一个实施例中，历史车辆行驶数据的数量为多个；处理器执行计算机程序时还实现以下步骤：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

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：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

确定每一参数类型对驾驶行为的权重；

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

在一个实施例中，处理器在执行计算机程序时，行驶特征数据还包括交通条件和天气信息。

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：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

在一个实施例中，计算机程序被处理器执行时，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

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：根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在一个实施例中，历史车辆行驶数据的数量为多个；计算机程序被处理器执行时还实现以下步骤：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

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：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

确定每一参数类型对驾驶行为的权重；

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

在一个实施例中，计算机程序被处理器执行时，行驶特征数据还包括交通条件和天气信息。

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：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；历史数据集包括历史行驶特征数据和历史车辆行驶数据；历史行驶特征数据和历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定历史车辆行驶数据中各项数据的参数类型和目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据当前车辆行驶数据，确定当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

在一个实施例中，计算机程序被处理器执行时，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

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：根据历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

在一个实施例中，历史车辆行驶数据的数量为多个；计算机程序被处理器执行时还实现以下步骤：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

根据排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

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：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

确定每一参数类型对驾驶行为的权重；

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

在一个实施例中，计算机程序被处理器执行时，行驶特征数据还包括交通条件和天气信息。

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、存储、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-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory，DRAM)等。

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发明专利范围的限制。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，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种驾驶辅助方法，其特征在于，所述方法包括：

确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；所述历史数据集包括历史行驶特征数据和历史车辆行驶数据；所述历史行驶特征数据和所述历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

确定所述历史车辆行驶数据中各项数据的参数类型和所述目标车辆的当前车辆行驶数据中各项数据的参数类型；

根据所述历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；所述每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

根据所述当前车辆行驶数据，确定所述当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

2.根据权利要求1所述的方法，其特征在于，所有参数类型包括驾驶合理性参数、扭矩使用参数、经济性参数和安全性参数；驾驶合理性参数包括车速分布、转速分布和档位分布；扭矩使用参数包括扭矩-转速分布和油门-转速分布；经济性参数包括平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间和运行里程；安全性参数包括紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行。

3.根据权利要求2所述的方法，其特征在于，每一参数类型的驾驶行为评分标准中驾驶行为评分平均值的确定过程，包括：

根据所述历史车辆行驶数据中每一参数类型下的各项数据建立每一参数类型对应的第一矩阵；

根据每一参数类型对应的第一矩阵，得到每一参数类型对应的第一矩阵特征值，将每一参数类型对应的第一矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分平均值。

4.根据权利要求3所述的方法，其特征在于，所述历史车辆行驶数据的数量为多个；每一参数类型的驾驶行为评分标准中驾驶行为评分上限值和驾驶行为评分下限值的确定过程，包括：

对多个历史车辆行驶数据中的每一历史车辆行驶数据根据平均油耗进行从高到低的排序；

根据排序结果中平均油耗大于第一预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第二矩阵；

根据每一参数类型对应的第二矩阵，得到每一参数类型对应的第二矩阵特征值；

将每一参数类型对应的第二矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分上限值；

根据所述排序结果中平均油耗小于第二预设阈值的所有历史车辆行驶数据，建立每一参数类型对应的第三矩阵；

根据每一参数类型对应的第三矩阵，得到每一参数类型对应的第三矩阵特征值；

将每一参数类型对应的第三矩阵特征值作为每一参数类型的驾驶行为评分标准中驾驶行为评分下限值。

5.根据权利要求1所述的方法，其特征在于，所述根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，包括：

分别将每一参数类型的比对结果和每一参数类型的驾驶行为评分标准输入至每一参数类型的预设模型，输出每一参数类型的预测分数；

确定每一参数类型对驾驶行为的权重；

根据每一参数类型的预测分数和每一参数类型对驾驶行为的权重，得到每一参数类型的燃油经济性评分。

6.根据权利要求1所述的方法，其特征在于，行驶特征数据还包括交通条件和天气信息。

7.一种驾驶辅助装置，其特征在于，所述装置包括：

第一确定模块，用于确定历史数据库中与目标车辆的当前行驶特征数据相匹配的历史数据集；所述历史数据集包括历史行驶特征数据和历史车辆行驶数据；所述历史行驶特征数据和所述历史车辆行驶数据之间具有对应关系；行驶特征数据包括驾驶特征行为、车辆类型、道路类型、车辆质量、经纬度和道路坡度；驾驶特征行为包括空挡滑行、急加速、急减速、急转弯和急刹车；车辆行驶数据包括车速分布、转速分布、档位分布、扭矩-转速分布、油门-转速分布、平均油耗、平均行驶油耗、平均车速、平均行驶车速、怠速时间占比、怠速油耗占比、运行时间、运行里程、紧急制动次数、急转弯次数、超车次数、超速次数、超速时间和长时间运行；

第二确定模块，用于确定所述历史车辆行驶数据中各项数据的参数类型和所述目标车辆的当前车辆行驶数据中各项数据的参数类型；

第三确定模块，用于根据所述历史车辆行驶数据，确定每一参数类型的驾驶行为评分标准；所述每一参数类型的驾驶行为评分标准包括驾驶行为评分平均值、驾驶行为评分上限值和驾驶行为评分下限值；

第四确定模块，用于根据所述当前车辆行驶数据，确定所述当前车辆行驶数据中每一参数类型的驾驶行为评分参考值，将每一参数类型的驾驶行为评分参考值分别与每一参数类型的驾驶行为的评分标准进行比对；

第五确定模块，用于根据每一参数类型的比对结果和每一参数类型的驾驶行为评分标准，确定每一参数类型的燃油经济性评分，并将每一参数类型的燃油经济性评分发送至用户终端。

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6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6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6中任一项所述的方法的步骤。

Images