CN115188205B - 一种基于道路信息的汽车行驶工况修正方法 - Google Patents
一种基于道路信息的汽车行驶工况修正方法 Download PDFInfo
- Publication number
- CN115188205B CN115188205B CN202210786937.0A CN202210786937A CN115188205B CN 115188205 B CN115188205 B CN 115188205B CN 202210786937 A CN202210786937 A CN 202210786937A CN 115188205 B CN115188205 B CN 115188205B
- Authority
- CN
- China
- Prior art keywords
- speed limit
- speed
- kinematic
- automobile
- short
- 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 53
- 238000012937 correction Methods 0.000 title claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000001133 acceleration Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 16
- 230000009191 jumping Effects 0.000 claims description 6
- 239000012634 fragment Substances 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000010924 continuous production Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于道路信息的汽车行驶工况修正方法,包括以下步骤:1)获取汽车行驶的原始数据信息;2)对获取的数据采集时间和车辆信息数据进行预处理;3)采用短行程划分方法对预处理后的数据进行运动学片段划分;4)对运动学片段的特征参数进行聚类,将运动学片段拼接成初级行驶工况曲线;5)识别存在的限速标志和限速值;6)将限速信息进行融合,为初级工况中短行程的不同时段设定限速值;7)获得修正后的汽车行驶工况曲线。本发明通过限速信息来修正最终构成工况的超速情况,获得更准确的实际行驶工况。
Description
技术领域
本发明涉及汽车行驶工况构建技术,尤其涉及一种基于道路信息的汽车行驶工况修正方法。
背景技术
汽车行驶工况是描述车辆行驶特征的速度-时间曲线,也是汽车各项性能指标优化的主要基准。汽车的实际行驶工况直接决定了其燃油经济性和续驶里程,特别是对于车载能量有限的纯电动汽车和混合动力汽车。研究汽车行驶工况与分析某地区交通拥堵情况、车辆运行情况,设计合理交通网络,计算汽车有害物质排放情况、油耗情况、能源利用率,制定汽车能效、环保、动力性能标准,评定车辆各类性能指标等级,研发和检验新型汽车等环节关系紧密,是汽车行业乃至道路规划行业的共性基础技术。
对于同一车型,同一区域,考虑到不同驾驶员由于驾驶习惯的不同,并且驾驶的时段不同,行驶的车速容易超过该路段的最高限速,不符合该道路上的限速规范,在这种情况下构建的工况,也就不能代表某区域的实际行驶工况。
随着智能网联技术的发展,交通规则的规范,可以通过高精地图和环境感知技术对车辆行驶的道路类型进行识别以及对周围车辆信息进行探测。但是,如何选取将道路信息和行车周围环境信息来辅助构建工况,是目前需要研究的问题。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于道路信息的汽车行驶工况修正方法。
本发明解决其技术问题所采用的技术方案是:一种基于道路信息的汽车行驶工况修正方法,包括以下步骤:
1)获取汽车行驶的原始数据信息,包括数据采集时间、车辆信息、行驶过程图像以及汽车行驶的道路类型和车道数;所述车辆信息包括车速和加速度;
2)对获取的数据采集时间和车辆信息数据进行预处理,包括对异常数据的处理和缺失数据的修复;
3)采用短行程划分方法对预处理后的数据进行运动学片段划分;
4)对运动学片段的特征参数进行聚类,将运动学片段分为超高速段、高速段、中速段、低速段;根据四个类别所占比例将运动学片段拼接成初级行驶工况曲线;
5)从原始采集的图像数据中调取构成初级工况的短行程对应的图像信息以及现实时间序列上此短行程的上一个运动学片段所对应的图像信息;
根据导航信息获取工况修正需要的信息:包括汽车行驶的道路类型和车道数、以及根据图像信息识别存在的限速标志和限速值;
6)将限速信息进行融合,设定判别解除限速的条件,共同为初级工况中短行程的不同时段设定限速值;
6.1)将限速标志牌得到的限速值与道路本身的规定限速值进行融合,得到初级工况中每个短行程的限速值;
6.2)判断车辆是否满足限速解除条件,具体如下:
6.2.1)识别汽车行驶过程中是否检测到解除限速标志或者新的限速标志,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.2)识别汽车行驶过程中是否经过道路交叉口,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.3)若识别汽车行驶过程中从检测到标识牌限速时刻后汽车行驶距离达到了限速标志对应的最小距离,则上一限速标志牌的限速值;
6.3)根据限速值和解除限速时刻,获取初级工况上每个短行程不同时刻对应的限速值;
7)根据步骤6)的结果,在步骤4)的初级工况曲线的每个运动学片段中搜索超过了限速值的曲线,在超速区域对车速进行修正获得修正后的曲线取代之前的超速曲线,获得修正后的汽车行驶工况曲线。
按上述方案,所述步骤2)中的预处理包括:对丢失区间的数据进行插值拟合;2)利用Epanechnikov核密度函数对原始数据去噪处理;3)剔除怠速时间超过180s的速度片段。
按上述方案,所述步骤3)中对预处理后的数据进行运动学片段划分,具体如下:
3.1)根据短行程的定义,从行驶片段中提取短行程并进行运动状态划分,获得运动学片段;
3.2)对运动学片段进行特征分析,得到运动学片段的特征参数;
3.3)计算出上述提取的每个运动学片段的p个特征参数值;
按上述方案,所述步骤3.1)中根据短行程的定义,从行驶片段中提取短行程并进行运动状态划分,获得运动学片段;具体如下:
对预处理后的数据进行短行程划分,包括:先判断每个行驶片段的行驶时长是否大于20s,若小于20s,则剔除该条行驶片段;若大于20s,则根据短行程的定义从该行驶片段中寻找短行程,所述短行程是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间;一个短行程一般包括四个运动状态:加速、减速、匀速和怠速;根据运动状态对短行程进行运动状态划分,获得运动学片段。
按上述方案,所述步骤3.2)中还包括主成分分析降维的步骤,所述运动学片段的特征参数用于表征汽车行驶工况,其中描述性特征参数有13个,包括片段时长T、平均速度Vmean、速度标准差Vsd、加速度标准差Asd、加速段平均加速度Amean、减速段平均减速度amean、最大加速度Amax、最大减速度amin、最大速度Vmax、加速时间Ta、减速时间Td、匀速时间Tc、怠速时间Ti;统计性特征参数有4个,包括加速时间比Pa、减速时间比Pd、匀速时间比Pc、怠速时间比Pi;
采用主成分分析法将特征参数进行降维,选择贡献率满足80%的p个特征参数。
按上述方案,所述步骤4)具体如下:
4.1)根据n个运动学片段中得到的n×p的特征矩阵,采用k-means聚类将运动学片段聚类成四类;
4.2)计算每类运动学片段所包含的运动学片段的总时长在实际行驶数据总时长中所占的比例,根据所占比例和目标时长获得每个运动学片段类别的总时长;
根据各个运动学片段的特征参数离各自聚类中心的距离来选择构成工况的运动学片段,直到每个类别中挑选出的运动学片段总时长为该类别的总时长;
4.3)构建工况时按照低速、中速、高速、超高速的顺序,将运动学片段首尾相连,得到该车速-时间曲线对应的行驶工况曲线。
按上述方案,所述步骤4.3)中将运动学片段首尾相连,得到该车速-时间曲线对应的行驶工况曲线为根据欧式距离最近原则,选择离聚类中心最近的若干段短行程,首尾相连,构成初级行驶工况曲线。
按上述方案,所述步骤6.1)将限速标志牌得到的限速值与道路本身的规定限速值进行融合,得到初级工况中每个短行程的限速值;
具体如下:
设定短行程在时间序列上的上一运动学片段中的标志牌限速值为一级限速,短行程中的标志牌限速值为二级限速,道路本身的规定要求限速为三级限速;
检测到一级限速的时间为时刻1,检测到二级限速的时间为时刻2,标志牌限速即一级限速和二级限速,其数值永远以最新的数值为准确,出现新的限速标志后就立即用新数值替换旧数值,则在某一时刻,一级限速与二级限速只存在一个;
融合规则是一级或二级限速优先级高于三级限速,即检测出存在一级或二级限速时,就以一级或二级限速为限速值;若一级或二级限速值不存在,则以三级限速为限速值。
按上述方案,所述步骤7)中车速修正如下:
7.1)计算出初级工况中超过限速值的每个时间区域内的车速四分位数统计值;
7.2)在限速值和上分位数值之间的区间内,取超速区域相同时间的符合均匀分布的随机数;
7.3)用随机数取代超速区域的车速值。
本发明产生的有益效果是:
在采集行驶数据的过程中由于道路环境的畅通程度不同以及驾驶员驾驶习惯的差异导致有数据中存在大量超速情况,本发明通过限速信息来修正最终构成工况的超速情况,获得更准确的实际行驶工况。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图;
图2是本发明实施例的数据预处理过程图;
图3是本发明实施例的工况修正阶段的信息处理流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1,一种基于限速标志识别的工况构建的方法,包括以下步骤:
步骤1,获取汽车行驶的原始数据,包括数据采集时间、车速、加速度、摄像头采集的行驶过程图像以及由导航信息得到的道路类型和车道数。
步骤2,对数据进行预处理。数据的异常和缺失,主要是因为:
(1)受高层建筑或隧道等不利地理位置影响,位置信息信号丢失,造成采集数据时间不连续。
(2)长时间停车但采集设备仍处于运行状态。
如图2,数据预处理的具体步骤:
(1)采用三次样条插值对丢失区间的数据进行拟合;
(2)利用Epanechnikov核密度函数对原始数据进行去噪处理;
(3)剔除掉怠速时间超过180s的速度片段;
步骤3,采用短行程划分方法对预处理后的数据进行运动学片段划分,并利用主成分分降维。
短行程是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间。一个短行程一般包括四个运动状态:加速、减速、匀速和怠速,具体定义为:
(1)怠速:汽车停止运动,但发动机保持最低转速运转的连续过程;(2)加速:汽车加速度a>0.1m/s2的连续过程;(3)减速:汽车加速度a<-0.1m/s2的连续过程;(4)匀速:汽车加速度|a|<0.1m/s2且车速V≠0的连续过程。
通常一个运动学片段时长不少于20s,且加速度一般处于-4~4m/s2,将不符合以上条件的片段做剔除处理。
步骤3.1,根据短行程的定义,从行驶片段中提取短行程和运动学片段。
对预处理后的数据进行短行程划分,包括:先判断每个行驶片段的行驶时长是否大于20s,若小于20s,则剔除该条行驶片段;若大于20s,则根据短行程的定义从该行驶片段中寻找短行程,所述短行程是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间。一个短行程一般包括四个运动状态:加速、减速、匀速和怠速。根据运动状态对短行程进行运动状态划分,获得运动学片段。通常一个运动学片段时长不少于20s,且加速度一般处于-4~4m/s2,将不符合以上条件的片段做剔除处理。
步骤3.2,根据运动学片段的特征参数计算公式对运动学片段进行特征计算,得到运动学片段的特征参数。
特征参数用于表征汽车行驶工况,其中描述性特征参数有13个,包括片段时长T、平均速度Vmean、速度标准差Vsd、加速度标准差Asd、加速段平均加速度Amean、减速段平均减速度amean、最大加速度Amax、最大减速度amin、最大速度Vmax、加速时间Ta、减速时间Td、匀速时间Tc、怠速时间Ti;统计性特征参数有4个,包括加速时间比Pa、减速时间比Pd、匀速时间比Pc、怠速时间比Pi。
步骤3.3,为了降低分析问题的复杂度,并且同时尽可能多的反映原变量的信息,采用主成分分析法将特征参数进行降维,选择贡献率满足80%的p个特征参数。
计算出上述提取的每个运动学片段的p个特征参数。
步骤4,本发明假设通过k-measn方法进行聚类,对运动学片段的特征参数聚类成四类,根据四个类别所占比例将运动学片段拼接成初级行驶工况曲线。
步骤4.1,根据n个运动学片段中得到的n×p的特征矩阵,采用k-means聚类将运动学片段聚类成四类。分别是超高速段、高速段、中速段、低速段。
循环工况合成,所构建的汽车行驶工况曲线时间长度为1200s~1300s。
步骤4.2,计算每类运动学片段所包含的运动学片段的总时长在实际行驶数据总时长中所占的比例,根据所占比例和目标时长获得每个运动学片段类别的总时长。根据各个运动学片段的特征参数离各自聚类中心的距离来选择构成工况的运动学片段,直到每个类别中挑选出的运动学片段总时长为该类别的总时长。
步骤4.3,构建工况时按照低速、中速、高速、超高速的顺序,将运动学片段首尾相连,得到该车速-时间曲线对应的行驶工况曲线。
步骤4.3)中将运动学片段首尾相连,得到该车速-时间曲线对应的行驶工况曲线为根据欧式距离最近原则,选择离聚类中心最近的若干段短行程,首尾相连,构成初级行驶工况曲线。
开始基于道路信息识别的工况曲线修正过程
步骤5,获取工况修正需要的信息,具体步骤如下:
步骤5.1,从原始采集的所有摄像头图像数据中调取构成初级工况的短行程对应的图像信息以及现实时间序列上此短行程的上一个运动学片段所对应的图像信息。
具体的:根据目标短行程对应的开始时刻与结束时刻,在短行程划分后的短行程数据库中寻找上一个运动学片段所对应的开始时刻与结束时刻。根据短行程和运动学片段的开始时刻与结束时刻,在采集到的原始视频中截取所需的两段视频,再利用python将视频逐帧转化为图像。
步骤5.2,从采集数据过程中存储的导航信息中判断短行程中行驶的道路类型,其中道路类型包括高速公路、普通公路、城市公路。
具体的:通过高精地图记录下的行驶工程中的道路类型信息,调取短行程时间内所处的道路类型。
步骤5.3,根据步骤5.2的导航信息,识别短行程所在道路的车道线数量。
通过短行程具体时刻的定位信息,再结合车道线级别的高精地图确定行驶路段的车道情况。判断有无道路中心线以及同向车道的个数。
步骤5.4,根据步骤5.1采集到的运动学片段和短行程图像,识别在运动学片段和短行程中是否存在限速标志,若有,则识别出其限速值。
通过事先训练好的交通标志检测的深度学习网络逐帧对运动学片段和短行程的图像进行检测。若有限速标志,深度学习网络输出的是交通标志的边界框以及限速标志的具体数值。所有解除限速标志,深度学习网络输出的是交通标志的边界框以及解除限速标志的解除限速值。
步骤6,将限速信息进行融合,设定判别解除限速的条件,共同为初级工况中短行程的不同时段设定了限速值。
步骤6.1,将通过摄像头识别的限速标志得到的限速值与道路本身的规定限速值进行融合,得到最终的限速值,流程如图3所示。
以下描述中运动学片段中的标志牌限速值为一级限速,短行程中的标志牌限速值为二级限速,道路本身的规定要求限速为三级限速。检测到一级限速的时间为时刻1,检测到二级限速的时间为时刻2。标志牌限速即一级限速和二级限速,其数值永远以最新的数值为准确,出现新的限速标志后就立即用新数值替换旧数值。
具体的:
若运动学片段对应图像得到了一级限速,而在短行程中未检测到限速标志,则最终限速值为一级限速值。从短行程开始至解除限速时刻或者短行程结束都是一级限速值。从解除限速时刻至短行程结束是道路规定的三级限速值。
若运动学片段对应图像得到了一级限速,在短行程的时刻2检测到了二级限速,则在短行程的开始时间到时刻2之间是一级限速值,从时刻2至解除限速时刻或者短行程的终点是二级限速值。从解除限速时刻至短行程结束是道路规定的三级限速值。
若运动学片段中未检测到限速标志,在短行程的时刻2检测到了二级限速,则在短行程的开始时间到时刻2之间是二级限速,从时刻2至解除限速时刻或者短行程的终点是二级限速值。从解除限速时刻至短行程结束是道路规定的三级限速值。
若运动学片段中未检测到限速标志,在短行程中也未检测到限速标识,则在短行程中以道路规定的三级限速为限速值。
根据道路类型的三级限速的限速信息如下:
a.若所属当前行驶道路为普通公路,且未检测到所述限速标志牌:
(1)若当前行驶道路无道路中心线,则控制显示的汽车限速值为40km/h;
(2)若当前行驶道路存在道路中心线,且检测到同方向仅有一条机动车道,则控制显示的汽车限速值为70km/h;
(3)若当前行驶道路存在道路中心线,且检测到同方向至少有两条机动车道,则控制显示的汽车限速值为80km/h。
b.若所属当前行驶道路为城市公路,且未检测到所述限速标志牌:
(1)若当前行驶道路无道路中心线,则控制显示的汽车限速值为30km/h;
(2)若当前行驶道路存在道路中心线,且检测到同方向仅有一条机动车道,则控制显示的汽车限速值为50km/h;
(3)若当前行驶道路存在道路中心线,且检测到同方向至少有两条机动车道,则控制显示的汽车限速值为70km/h。
c.若所属当前行驶道路为高速公路,且未检测到所述限速标志牌:
高速公路小型载客汽车最高车速不得超过120km/h。
步骤6.2,判断车辆是否满足限速解除条件,具体如下:
限速解除条件仅针对解除限速标志牌的限速值,即针对一级限速和二级限速。
6.2.1)识别汽车行驶过程中是否检测到解除限速标志或者新的限速标志,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.2)识别汽车行驶过程中是否经过道路交叉口,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.3)若识别汽车行驶过程中从检测到标识牌限速时刻后汽车行驶距离达到了限速标志对应的最小距离,则上一限速标志牌的限速值;
需要说明的是,限速区的最小距离是参照国家标准GB5768道路交通标志和标线规定中的限速距离,如表1所示。
表1限速区的最小距离
具体的,(1)通过导航系统确定行驶的道路类型,是城市道路、普通公路还是高速公路;(2)每检测到一个限速标志牌就触发一个测距装置;(3)当记录的距离达到在某一道路类型上限速标志对应的最小长度时,则解除限速。
步骤6.3,在步骤6.1中得到构成初级工况的所有短行程不同时段内的限速值,以及确定识别到的限速标志牌的解除限速时刻。根据限速值和解除限速时刻,共同决定初级工况上每个短行程不同时刻对应的限速值。
步骤7,开始对初级工况进行修正,将初级工况修正为考虑到限速值的工况。具体的:
步骤7.1,计算出初级工况中超过限速值的每个时间区域内的车速四分位数统计值。
步骤7.2,在(限速值,上分位数)的区间内,取超速区域相同时间的符合均匀分布的随机数。
步骤7.3,用随机数取代超速区域的车速值。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (8)
1.一种基于道路信息的汽车行驶工况修正方法,其特征在于,包括以下步骤:
1)获取汽车行驶的原始数据信息,包括数据采集时间、车辆信息、行驶过程图像以及汽车行驶的道路类型和车道数;所述车辆信息包括车速和加速度;
2)对获取的数据采集时间和车辆信息数据进行预处理,包括对异常数据的处理和缺失数据的修复;
3)采用短行程划分方法对预处理后的数据进行运动学片段划分;
所述步骤3)中对预处理后的数据进行运动学片段划分,具体如下:
3.1)根据短行程的定义,从行驶片段中提取短行程并进行运动状态划分,获得运动学片段;所述短行程是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间;
3.2)对运动学片段进行特征分析,得到运动学片段的特征参数;
3.3)计算出提取的每个运动学片段的p个特征参数值;
4)对运动学片段的特征参数进行聚类,将运动学片段分为超高速段、高速段、中速段、低速段;根据四个类别所占比例将运动学片段拼接成初级行驶工况曲线;
5)从原始采集的图像数据中调取构成初级工况的短行程对应的图像信息以及现实时间序列上此短行程的上一个运动学片段所对应的图像信息;
根据导航信息获取工况修正需要的信息:包括汽车行驶的道路类型和车道数、以及根据图像信息识别存在的限速标志和限速值;
6)将限速信息进行融合,设定判别解除限速的条件,共同为初级工况中短行程的不同时段设定限速值;
6.1)将限速标志牌得到的限速值与道路本身的规定限速值进行融合,得到初级工况中每个短行程的限速值;
6.2)判断车辆是否满足限速解除条件,具体如下:
6.2.1)识别汽车行驶过程中是否检测到解除限速标志或者新的限速标志,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.2)识别汽车行驶过程中是否经过道路交叉口,若有,则解除上一限速标志牌的限速值;若没有,则跳到下一步;
6.2.3)若识别汽车行驶过程中从检测到标识牌限速时刻后汽车行驶距离达到了限速标志对应的最小距离,则解除上一限速标志牌的限速值;
6.3)根据限速值和解除限速时刻,获取初级工况上每个短行程不同时刻对应的限速值;
7)根据步骤6)的结果,在步骤4)的初级工况曲线的每个运动学片段中搜索超过了限速值的曲线,在超速区域对车速进行修正获得修正后的曲线取代之前的超速曲线,获得修正后的汽车行驶工况曲线。
2.根据权利要求1所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤2)中的预处理包括:对丢失区间的数据进行插值拟合;2)利用Epanechnikov核密度函数对原始数据去噪处理;3)剔除怠速时间超过180s的速度片段。
3.根据权利要求1所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤3.1)中根据短行程的定义,从行驶片段中提取短行程并进行运动状态划分,获得运动学片段;具体如下:
对预处理后的数据进行短行程划分,包括:先判断每个行驶片段的行驶时长是否大于20s,若小于20s,则剔除该行驶片段;若大于20s,则根据短行程的定义从该行驶片段中寻找短行程,所述短行程是指汽车从怠速状态开始至下一个怠速状态开始之间的车速区间;一个短行程包括四个运动状态:加速、减速、匀速和怠速;根据运动状态对短行程进行运动状态划分,获得运动学片段。
4.根据权利要求1所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤3.2)中还包括主成分分析降维的步骤,所述运动学片段的特征参数用于表征汽车行驶工况,其中描述性特征参数有13个,包括片段时长T、平均速度Vmean、速度标准差Vsd、加速度标准差Asd、加速段平均加速度Amean、减速段平均减速度amean、最大加速度Amax、最大减速度amin、最大速度Vmax、加速时间Ta、减速时间Td、匀速时间Tc、怠速时间Ti;统计性特征参数有4个,包括加速时间比Pa、减速时间比Pd、匀速时间比Pc、怠速时间比Pi;采用主成分分析法将特征参数进行降维,选择贡献率满足80%的p个特征参数。
5.根据权利要求3所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤4)具体如下:
4.1)根据n个运动学片段中得到的n×p的特征矩阵,采用聚类方法将运动学片段聚类成四类;
4.2)计算每类运动学片段所包含的运动学片段的总时长在实际行驶数据总时长中所占的比例,根据所占比例和目标时长获得每个运动学片段类别的总时长;
根据各个运动学片段的特征参数离各自聚类中心的距离来选择构成工况的运动学片段,直到每个类别中挑选出的运动学片段总时长为该类别的总时长;
4.3)构建工况时按照低速、中速、高速、超高速的顺序,将运动学片段首尾相连,得到车速-时间曲线对应的行驶工况曲线。
6.根据权利要求5所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤4.3)中将运动学片段首尾相连,得到该车速-时间曲线对应的行驶工况曲线为根据欧式距离最近原则,选择离聚类中心最近的若干段短行程,首尾相连,构成初级行驶工况曲线。
7.根据权利要求1所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤6.1)将限速标志牌得到的限速值与道路本身的规定限速值进行融合,得到初级工况中每个短行程的限速值;
具体如下:
设定短行程在时间序列上的上一运动学片段中的标志牌限速值为一级限速,短行程中的标志牌限速值为二级限速,道路本身的规定要求限速为三级限速;
检测到一级限速的时间为时刻1,检测到二级限速的时间为时刻2,标志牌限速即一级限速和二级限速,其数值永远以最新的数值为准确,出现新的限速标志后就立即用新数值替换旧数值,则在某一时刻,一级限速与二级限速只存在一个;
融合规则是一级或二级限速优先级高于三级限速,即检测出存在一级或二级限速时,就以一级或二级限速为限速值;若一级或二级限速值不存在,则以三级限速为限速值。
8.根据权利要求1所述的基于道路信息的汽车行驶工况修正方法,其特征在于,所述步骤7)中车速修正如下:
7.1)计算出初级工况中超过限速值的每个时间区域内的车速四分位数统计值;
7.2)在限速值和上分位数值之间的区间内,取超速区域相同时间的符合均匀分布的随机数;
7.3)用随机数取代超速区域的车速值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786937.0A CN115188205B (zh) | 2022-07-04 | 2022-07-04 | 一种基于道路信息的汽车行驶工况修正方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210786937.0A CN115188205B (zh) | 2022-07-04 | 2022-07-04 | 一种基于道路信息的汽车行驶工况修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115188205A CN115188205A (zh) | 2022-10-14 |
CN115188205B true CN115188205B (zh) | 2024-03-29 |
Family
ID=83517348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210786937.0A Active CN115188205B (zh) | 2022-07-04 | 2022-07-04 | 一种基于道路信息的汽车行驶工况修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115188205B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106004864A (zh) * | 2016-05-30 | 2016-10-12 | 广州汽车集团股份有限公司 | 一种车辆行驶控制方法及系统 |
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 |
CN111310280A (zh) * | 2020-02-27 | 2020-06-19 | 杭州电子科技大学 | 汽车运动学片段提取及工况图合成方法 |
CN111547035A (zh) * | 2020-04-17 | 2020-08-18 | 中国第一汽车股份有限公司 | 车辆减速控制方法、装置、存储介质及车辆 |
CN111815948A (zh) * | 2020-06-12 | 2020-10-23 | 南京航空航天大学 | 基于工况特征的车辆行驶工况预测方法 |
CN111806240A (zh) * | 2020-07-24 | 2020-10-23 | 江淮大众汽车有限公司 | 一种基于中国工况的电动汽车续驶里程预测方法 |
CN111832225A (zh) * | 2020-07-07 | 2020-10-27 | 重庆邮电大学 | 一种构建汽车行驶工况的方法 |
WO2021056895A1 (zh) * | 2019-09-23 | 2021-04-01 | 厦门金龙联合汽车工业有限公司 | 多目标检测识别方法和辅助驾驶方法、系统 |
CN112950974A (zh) * | 2021-04-12 | 2021-06-11 | 东风柳州汽车有限公司 | 车辆限速提示方法、装置、设备及存储介质 |
CN113052196A (zh) * | 2019-12-27 | 2021-06-29 | 南京理工大学 | 一种基于贪心算法的汽车工况构建方法 |
CN113222385A (zh) * | 2021-05-06 | 2021-08-06 | 吉林大学 | 一种电动汽车行驶工况构建与评价方法 |
CN113689594A (zh) * | 2021-08-10 | 2021-11-23 | 南通大学 | 一种新的汽车行驶工况构造方法 |
WO2021244632A1 (zh) * | 2020-06-05 | 2021-12-09 | 北京理工大学 | 一种电动汽车能耗预测方法及系统 |
CN113928108A (zh) * | 2021-11-02 | 2022-01-14 | 一汽解放汽车有限公司 | 车辆主动格栅的控制方法、装置、车载终端、存储介质 |
WO2022021700A1 (zh) * | 2020-07-28 | 2022-02-03 | 株洲中车时代电气股份有限公司 | 一种机车运行速度曲线规划方法、装置及相关组件 |
-
2022
- 2022-07-04 CN CN202210786937.0A patent/CN115188205B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106004864A (zh) * | 2016-05-30 | 2016-10-12 | 广州汽车集团股份有限公司 | 一种车辆行驶控制方法及系统 |
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 |
WO2021056895A1 (zh) * | 2019-09-23 | 2021-04-01 | 厦门金龙联合汽车工业有限公司 | 多目标检测识别方法和辅助驾驶方法、系统 |
CN113052196A (zh) * | 2019-12-27 | 2021-06-29 | 南京理工大学 | 一种基于贪心算法的汽车工况构建方法 |
CN111310280A (zh) * | 2020-02-27 | 2020-06-19 | 杭州电子科技大学 | 汽车运动学片段提取及工况图合成方法 |
CN111547035A (zh) * | 2020-04-17 | 2020-08-18 | 中国第一汽车股份有限公司 | 车辆减速控制方法、装置、存储介质及车辆 |
WO2021208940A1 (zh) * | 2020-04-17 | 2021-10-21 | 中国第一汽车股份有限公司 | 车辆减速控制方法和装置、存储介质及车辆 |
WO2021244632A1 (zh) * | 2020-06-05 | 2021-12-09 | 北京理工大学 | 一种电动汽车能耗预测方法及系统 |
CN111815948A (zh) * | 2020-06-12 | 2020-10-23 | 南京航空航天大学 | 基于工况特征的车辆行驶工况预测方法 |
CN111832225A (zh) * | 2020-07-07 | 2020-10-27 | 重庆邮电大学 | 一种构建汽车行驶工况的方法 |
CN111806240A (zh) * | 2020-07-24 | 2020-10-23 | 江淮大众汽车有限公司 | 一种基于中国工况的电动汽车续驶里程预测方法 |
WO2022021700A1 (zh) * | 2020-07-28 | 2022-02-03 | 株洲中车时代电气股份有限公司 | 一种机车运行速度曲线规划方法、装置及相关组件 |
CN112950974A (zh) * | 2021-04-12 | 2021-06-11 | 东风柳州汽车有限公司 | 车辆限速提示方法、装置、设备及存储介质 |
CN113222385A (zh) * | 2021-05-06 | 2021-08-06 | 吉林大学 | 一种电动汽车行驶工况构建与评价方法 |
CN113689594A (zh) * | 2021-08-10 | 2021-11-23 | 南通大学 | 一种新的汽车行驶工况构造方法 |
CN113928108A (zh) * | 2021-11-02 | 2022-01-14 | 一汽解放汽车有限公司 | 车辆主动格栅的控制方法、装置、车载终端、存储介质 |
Non-Patent Citations (5)
Title |
---|
中国乘用车工况构建;刘昱;吴志新;李孟良;于晗正男;汪洋;贺可勋;安晓盼;;交通运输系统工程与信息;20200615(第03期);全文 * |
基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究;王沛;陈劲杰;;软件工程;20200305(第03期);全文 * |
基于驾驶员行为模拟的ACC控制算法;管欣, 王景武, 高振海, 张立存;汽车工程;20040430(第02期);全文 * |
汽车节能驾驶实时控制模型的构建与实验方法研究;何彬;尹念东;;机械设计与制造;20130908(第09期);全文 * |
汽车运行工况的构建方法;汪雯琦;高广阔;王子鉴;梁易鑫;;公路交通科技;20200907(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115188205A (zh) | 2022-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111599183B (zh) | 一种自动驾驶场景分类识别系统及方法 | |
CN110606093A (zh) | 车辆性能评测方法、装置、设备和存储介质 | |
CN106956680B (zh) | 一种电动汽车驾驶行为识别分析方法 | |
CN110610153A (zh) | 一种用于自动驾驶的车道识别方法及系统 | |
CN114435138A (zh) | 一种车辆能耗预测方法、装置、车辆及存储介质 | |
CN111368879A (zh) | 一种基于深半监督神经网络的轨迹数据挖掘方法 | |
CN114896325A (zh) | 一种用于预期功能安全的场景测试评价方法与系统 | |
CN113928333B (zh) | 基于辅助驾驶的降能耗方法及系统 | |
CN108665084B (zh) | 一种对驾驶风险的预测方法及系统 | |
CN114999181A (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
CN110796374A (zh) | 具有典型变道和转弯工况的城市综合行驶工况的构建方法 | |
CN115221234A (zh) | 一种基于动力总成数据对用户进行画像的方法及系统 | |
CN115188205B (zh) | 一种基于道路信息的汽车行驶工况修正方法 | |
CN109670085B (zh) | 一种车辆碰撞事故等级的判别方法 | |
CN107657814B (zh) | 一种路况信息生成方法和装置 | |
CN116307699A (zh) | 基于多源数据的道路隐患点段分级方法、装置及存储介质 | |
CN112927497B (zh) | 一种浮动车识别方法、相关方法和装置 | |
CN110341701B (zh) | 一种基于空间位置信息的车辆自动启停优化方法 | |
CN113147781A (zh) | 一种汽车智能驾驶信息展示系统 | |
CN114166520A (zh) | 汽车adas场景识别功能的测试方法 | |
CN112686127A (zh) | 基于gm-hmm的驾驶员超车意图识别方法 | |
CN112373482A (zh) | 一种基于驾驶模拟器的驾驶习惯建模方法 | |
CN112948965A (zh) | 一种基于机器学习和统计验证的汽车行驶工况的构建方法 | |
CN116186570B (zh) | 一种考虑不同交通场景的生态驾驶评估方法 | |
CN116311952B (zh) | 基于gps定位分析的摩托车事故预测系统 |
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 |