CN115223356A - 一种获取汽车载荷谱的方法及系统 - Google Patents

Abstract

本发明提供一种获取汽车载荷谱的方法及系统，包括，步骤S1，通过实车的采集传感器采集实车车联网数据；步骤S2，根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；步骤S3，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；步骤S4，根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。本发明实现对用户使用大数据低成本、简便、短时高可靠性的分析，可覆盖国内95％用户使用情况。

Description

一种获取汽车载荷谱的方法及系统

技术领域

本发明涉及电力系统自动化技术领域，特别是涉及一种获取汽车载荷谱的方法及系统。

背景技术

目前国内自主品牌车企，在新能源车的动力总成耐久试验规范制定时往往是参考传统燃油车的试验方法或直接引用国外试验方法，较少研究或采集实际用户扭矩谱数据。由于受限人力物力财力的原因，在整车试验领域通常采用小样本进行随机采集，其获取的扭矩谱较难代表国内一般用户使用，关联度有限；由于新能源车三电系统的工作特性与传统燃油机存在明显差异，具有电机低转速大扭矩的运行特性，因此造成传动系统的损伤相对更大，因此有必要开发一套关联用户使用的扭矩谱采集方法，解析国内用户实际使用特征，获取传动系统目标载荷谱。

汽车动力传动系统正向耐久试验开发要以市场上客户的实际使用状况为重要参考依据。而对于客户的实际使用情况，现有方法多是，通过实地市场调查进行确定，具体可通过以下诸多数据进行确定：①用户目标里程百分比；②不同路面条件下的典型车速；③载荷量；④汽车行驶的地理区域信息，如地形、路面坡度以及行驶条件；⑤每日或者每月行驶的里程或时间等。在此基础上进行统计，最终确定试验道路的种类、不同路况的比例、各路面试验距离、行车速度等。但是，由于实际用户分布范围广，用户实地调查难度大，地域的差异，路段的选取、测试里程、驾驶员驾驶习惯差异等因素较为复杂，调查数据的准确性难以保证，获得较为全面的用户载荷信息所需的工作量大、投入较多、覆盖度不够等不足。另外，由于国内道路条件、车辆动力参数、驾驶习惯及法规等因素变化将影响用户实车的运行状况从而造成动力传动系统的载荷谱的变化，而传统市场调研方法无法追踪适应用户使用条件变化。

发明内容

本发明的目的在于，提出一种获取汽车载荷谱的方法及系统，解决现有获取调查数据的准确性差、难度高及实时性差的技术问题。

一方面，提供一种获取汽车载荷谱的方法，包括以下步骤：

步骤S1，通过实车的采集传感器采集实车车联网数据；

步骤S2，根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；

步骤S3，根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；

步骤S4，根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。

优选地，所述步骤S1还包括：对采集到的实车车联网数据进行解码，并对解码后的实车车联网数据进行异常清洗，用以删除定位数据中的信号异常跳变信息。

优选地，在步骤S2中，所述预先建立的城市选取模型建立的具体过程为：

获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；

获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；

将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市。

优选地，在步骤S2中，所述预先建立的路况选取模型建立的具体过程为：

获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；

根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，纳入第二路谱采集候选方案的行驶路线；

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；

其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线。

优选地，在步骤S2中，所述确定路谱采集的城市、路谱采集的行驶路线，具体过程包括：

调取所述实车车联网数据中的车型信息、实车行驶环境信息，将所述车型信息和实车行驶环境信息输入预先建立的城市选取模型，获得对应的路谱采集的城市；

将获得的路谱采集的城市输入路况选取模型，获得路谱采集的行驶路线。

优选地，在步骤S3中，所述通过预先训练的驾驶风格模型的具体过程为：

将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值。

优选地，在步骤S3中，所述确定驾驶员风格，具体过程包括：

根据实车车联网数据提取驾驶员对应的驾驶行为特征信息，输入预先训练的驾驶风格模型，获得驾驶员的驾驶风格得分；

将驾驶员的驾驶风格得分与各风格对应的阈值比较，获得对应的驾驶风格类型并进行标记。

优选地，在步骤S3中，所述根据驾驶员风格确定图谱采集的驾驶员，具体过程包括：

根据获得的驾驶员的驾驶风格类型，选取标记为激进型的驾驶员，筛选其中95％分位的驾驶员，输出为图谱采集的驾驶员。

另一方面，还提供一种获取汽车载荷谱的系统，用以实现所述的获取汽车载荷谱的方法，包括：

数据采集模块，用于通过实车的采集传感器采集实车车联网数据；

图谱预处理模块，用于根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；并根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；

图谱采集模块，用于根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。

优选地，还包括：模型建立模块，用于获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；

获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；

将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市；

还用于，获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；

根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，在选取的山区路段中确定与地图统计数据中高程线密集交叉的道路，纳入第二路谱采集候选方案的行驶路线；

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；

其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线；

以及用于，将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的获取汽车载荷谱的方法及系统，针对用户实地调查周期长、难度大、结果不可靠等缺点设计了用户车联网数据与地图数据融合分析，实现对用户使用大数据低成本、简便、短时高可靠性的分析，由此建立的路谱采集方法可覆盖国内95％用户使用情况。随着接入用户车联网数据的更新，可以针对市场上客户使用状况的变化进行适应性调整。

确保整车厂动力传动系统目标载荷谱覆盖95％用户使用的同时不发生过度设计，为整车厂设计零部件时提供用户目标谱，节约零件成本并满足用户对质量可靠性的要求。可以及时了解实际用户对汽车的真实使用情况，定期对汽车动力传动系统耐久试验方法进行适应性调整。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明实施例中一种获取汽车载荷谱的方法的主流程示意图。

图2为本发明实施例中一种获取汽车载荷谱的方法的逻辑示意图。

图3为本发明实施例中一种获取汽车载荷谱的系统的示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。

如图1和图2所示，为本发明提供的一种获取汽车载荷谱的方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：

步骤S1，通过实车的采集传感器采集实车车联网(Telematics BOX，简称车载T-BOX)数据；具体地，对采集到的实车车联网数据进行解码，并对解码后的实车车联网数据进行异常清洗，用以删除定位数据中的信号异常跳变信息。

步骤S2，根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；可以理解的是，通过建立用户轨迹识别分析系统(路况选取模型)，通过地图数据API(Application Programming Interface，应用程序接口)接口解析用户GPS点位信息完成行驶轨迹纠偏与路网识别；通过完成全国特定车型(如纯电车型)用户车辆分布信息统计(城市选取模型)，制定实采地区及城市；确定各城市实采道路等级比例与采集道路明细。

具体实施例中，预先建立的城市选取模型建立的具体过程为：获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市。可以理解的是，城市选取的主要影响因素是：市场保有量、典型地形与环境；具体来说，根据某自主品牌的全国销售车辆保有量数据，可得到各城市用户保有量的占比，选取保有量占比大于1％的城市作为Ⅰ类目标城市；结合我国地理特征与城市分布情况，可选出具有典型地形与环境的城市，如：具有高原、山地、常温、湿润特征的重庆、成都、贵阳、昆明，具有丘陵、高温、湿润特征的南宁、广州、深圳、汕头、福州，具有平原、高温、湿润特征的苏州、上海、杭州、南京，具有平原、低温、干燥特征的北京、天津、石家庄、太原，具有平原、寒冷、干燥特征的沈阳、长春、哈尔滨。将该类城市作为Ⅱ类目标城市；通过取Ⅰ类城市与第二类城市的并集，记为集合A，作为路谱采集的城市。

具体地，可以确定的路况选取的主要影响因素是：道路等级、特殊路况。由此确定预先建立的路况选取模型建立的具体过程为：获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，可以理解为结合用户T-BOX数据和某地图软件统计数据，得到集合A内各城市中不同等级的道路上的车流量数据；根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；也就是，将车流量占比较高的道路纳入路谱采集方案的行驶路线中，将道路等级高的道路纳入路谱采集方案的行驶路线中。

针对特殊路况的因素，根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，在选取的山区路段中确定与地图统计数据中高程线密集交叉的道路，纳入第二路谱采集候选方案的行驶路线；可以理解的是，对动力传动系统影响较大的特殊路况有：山区连续弯路、长坡路；特殊路况一般集中在山区，通过地图数据可确定集合A中各城市中的山区分布，选取车流量占所在城市车流量之比较高的山区，在此类山区中选取与地图中高程线密集交叉的道路，将此类道路纳入路谱采集方案的行驶路线中。

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；可以理解的是，虑到当前阶段城市拥堵现状，在进行路谱采集时应适当增加拥堵时段采集时间；考虑到城市待修缮道路、施工道路等坏路对车辆动力传动系统影响较大，在进行路谱采集时，若该城市存在坏路，则应当选取部分坏路纳入路谱采集方案的行驶路线中。

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；可以理解的是，将道路等级因素和特殊路况因素综合考虑就可以得到某一个城市中路谱采集方案的行驶路线，只要确定路谱采集的城市就可以通过该模型确定对应的行驶路线；其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线。

具体实施例中，确定路谱采集的城市、路谱采集的行驶路线，具体过程包括：调取所述实车车联网数据中的车型信息、实车行驶环境信息，将所述车型信息和实车行驶环境信息输入预先建立的城市选取模型，获得对应的路谱采集的城市；将获得的路谱采集的城市输入路况选取模型，获得路谱采集的行驶路线。

步骤S3，根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；可以理解的是，此过程为确定车辆行驶工况的过程，主要包括驾驶行为特征提取，确定驾驶风格模型，通过监视风格模型进行驾驶员选取。在车辆使用的典型工况中，对驾驶行为有影响的主要因素包含但不限于以下：①变载工况中的加速踏板开度及速率、驾驶模式设置、制动踏板开度及速率、能量回收强度设置、档位切换频次；②匀速工况中的车速；③启动工况中的操作频次；④驻坡工况中的操作频次；⑤爬坡工况中的车速；⑥蠕动工况中的里程、车速；⑦倒车工况中的里程、车速；⑧转向工况中的转向角度及速率。由此可以确定影响因素对应的影响驾驶行为的特征为：加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次。

具体实施例中，通过预先训练的驾驶风格模型的具体过程为：将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；可以理解的是，结合实际用户T-BOX数据，对驾驶行为特征进行大数据统计，选取驾驶行为特征相关参数作为输入信号，通过主成分分析算法计算各主成分得分，并将可成分得分利用线性回归算法进行权重修正，结合驾驶风格标签数据进行验证，最终获取驾驶风格模型，模型输出得分越高驾驶行为越激烈，通过模型获取所有用户的驾驶风格分布情况，可定位覆盖95％用户驾驶风格得分。

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值，其中：0＜a＜b＜c＜d＜100。

再具体地，根据实车车联网数据提取驾驶员对应的驾驶行为特征信息，输入预先训练的驾驶风格模型，获得驾驶员的驾驶风格得分；将驾驶员的驾驶风格得分与各风格对应的阈值比较，获得对应的驾驶风格类型并进行标记。根据获得的驾驶员的驾驶风格类型，选取标记为激进型的驾驶员，筛选其中95％分位的驾驶员，输出为图谱采集的驾驶员。可以理解的是，通过征集一定数量的驾驶员，模拟用户实际使用场景驾驶车辆，通过驾驶风格模型可以得到每位驾驶员的总分，将总分为(0，a]的标记为冷静型驾驶员，将总分为(a，b]的标记为普通型驾驶员，将总分为(b，c]的标记为较激进型驾驶员，将总分为(c，100)的标记为激进型驾驶员，从激烈驾驶员中选取超95％分位驾驶员进行路谱采集工作可以确保实现谱采集的目标，即获得全国95％用户动力传动系统载荷数据。

步骤S4，根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。具体地，为确保扭矩谱的覆盖度，路谱采集工作全程，车辆按满载装配进行路谱数据采集后完成数据处理并归档。

如图3所示，为本发明提供的一种获取汽车载荷谱的系统的一个实施例的示意图。在该实施例中，包括：

数据采集模块，用于通过实车的采集传感器采集实车车联网数据；

图谱预处理模块，用于根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；并根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；

图谱采集模块，用于根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。

模型建立模块，用于获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；

获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；

将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市；

模型建立模块还用于，获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；

根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，在选取的山区路段中确定与地图统计数据中高程线密集交叉的道路，纳入第二路谱采集候选方案的行驶路线；

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；

其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线；

模型建立模块还用于，将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值。

关于获取汽车载荷谱的系统具体的实现过程，可参考上述获取汽车载荷谱的方法的过程，在此不再赘述。

综上，实施本发明的实施例，具有如下的有益效果：

本发明提供的获取汽车载荷谱的方法及系统，针对用户实地调查周期长、难度大、结果不可靠等缺点设计了用户车联网数据与地图数据融合分析，实现对用户使用大数据低成本、简便、短时高可靠性的分析，由此建立的路谱采集方法可覆盖国内95％用户使用情况。随着接入用户车联网数据的更新，可以针对市场上客户使用状况的变化进行适应性调整。确保整车厂动力传动系统目标载荷谱覆盖95％用户使用的同时不发生过度设计，为整车厂设计零部件时提供用户目标谱，节约零件成本并满足用户对质量可靠性的要求。可以及时了解实际用户对汽车的真实使用情况，定期对汽车动力传动系统耐久试验方法进行适应性调整。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种获取汽车载荷谱的方法，其特征在于，包括以下步骤：

步骤S1，通过实车的采集传感器采集实车车联网数据；

步骤S2，根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；

步骤S3，根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；

步骤S4，根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。

2.如权利要求1所述的方法，其特征在于，所述步骤S1还包括：对采集到的实车车联网数据进行解码，并对解码后的实车车联网数据进行异常清洗，用以删除定位数据中的信号异常跳变信息。

3.如权利要求2所述的方法，其特征在于，在步骤S2中，所述预先建立的城市选取模型建立的具体过程为：

获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；

获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；

将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市。

4.如权利要求3所述的方法，其特征在于，在步骤S2中，所述预先建立的路况选取模型建立的具体过程为：

获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；

根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，纳入第二路谱采集候选方案的行驶路线；

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；

其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线。

5.如权利要求4所述的方法，其特征在于，在步骤S2中，所述确定路谱采集的城市、路谱采集的行驶路线，具体过程包括：

调取所述实车车联网数据中的车型信息、实车行驶环境信息，将所述车型信息和实车行驶环境信息输入预先建立的城市选取模型，获得对应的路谱采集的城市；

将获得的路谱采集的城市输入路况选取模型，获得路谱采集的行驶路线。

6.如权利要求5所述的方法，其特征在于，在步骤S3中，所述通过预先训练的驾驶风格模型的具体过程为：

将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值。

7.如权利要求6所述的方法，其特征在于，在步骤S3中，所述确定驾驶员风格，具体过程包括：

根据实车车联网数据提取驾驶员对应的驾驶行为特征信息，输入预先训练的驾驶风格模型，获得驾驶员的驾驶风格得分；

将驾驶员的驾驶风格得分与各风格对应的阈值比较，获得对应的驾驶风格类型并进行标记。

8.如权利要求7所述的方法，其特征在于，在步骤S3中，所述根据驾驶员风格确定图谱采集的驾驶员，具体过程包括：

根据获得的驾驶员的驾驶风格类型，选取标记为激进型的驾驶员，筛选其中95％分位的驾驶员，输出为图谱采集的驾驶员。

9.一种获取汽车载荷谱的系统，用以实现如权利要求1-8任一项所述的方法，其特征在于，包括：

数据采集模块，用于通过实车的采集传感器采集实车车联网数据；

图谱预处理模块，用于根据所述实车车联网数据，通过预先建立的城市选取模型和路况选取模型，确定路谱采集的城市、路谱采集的行驶路线；并根据所述实车车联网数据确定驾驶行为特征信息，将驾驶行为特征信息输入预先训练的驾驶风格模型，确定驾驶员风格类型；根据驾驶员风格确定图谱采集的驾驶员；

图谱采集模块，用于根据所述路谱采集的城市、路谱采集的行驶路线及图谱采集的驾驶员，在车辆满载装配情况下进行全国典型城市道路扭矩谱采集，获得对应的实际使用时汽车动力传动系统载荷谱。

10.如权利要求9所述的系统，其特征在于，还包括：

模型建立模块，用于获取某品牌车辆的全国销售车辆保有量数据，根据全国销售车辆保有量数据计算各城市的用户保有量的占比，选取车辆保有量占比大于预设阈值的城市作为第一类目标城市；

获取各城市对应的地理特征数据，选出具有典型地形与环境的城市作为第二类目标城市；

将第一类城市与第二类城市的并集，组成城市选取模型；所述城市选取模型的输入量为车型信息、行驶环境信息，所述城市选取模型的输出量为城市；

还用于，获取各城市的地图统计数据，根据地图统计数据确定所述城市选取模型输出量的各城市中不同等级的道路上的车流量数据，根据不同道路等级的车流量占比确定不同道路等级的行驶里程占比；并统计各城市同一道路等级中各道路上的车流量占比，将车流量占大于预设阈值的道路纳入第一路谱采集方案的候选行驶路线；

根据各城市的地图统计数据确定所述城市选取模型输出量的各城市中的山区分布，选取车流量占所在城市车流量之比高于预设阈值的山区路段，在选取的山区路段中确定与地图统计数据中高程线密集交叉的道路，纳入第二路谱采集候选方案的行驶路线；

根据各城市地图统计数据，确定各城市中的拥堵状况、拥堵时间及坏路路段信息，纳入第三路谱采集候选方案的行驶路线；

将所述第一路谱采集候选方案的行驶路线、所述第二路谱采集候选方案的行驶路线及第三路谱采集候选方案的行驶路线相关联，组成路况选取模型；

其中，所述路况选取模型的输入量为城市，所述路况选取模型的输出量为行驶路线；

以及用于，将用户的驾驶行为特征相关参数通过主成分分析算法计算对应得分，结合驾驶风格标签数据进行验证，获得驾驶风格模型；所述驾驶风格模型输入量为驾驶行为特征相关参数，所述驾驶风格模型输出量为各用户的驾驶风格得分；其中，所述驾驶行为特征相关参数包括加速踏板、制动踏板、急动度、能耗、车速、转向、操作频次；

根据历史车联网数据提取各用户的驾驶行为的特征相关参数，输入所述驾驶风格模型进行训练，获得所有用户的驾驶风格得分，将所有用户的驾驶风格得分按升序排列，选取前20％用户的驾驶风格标定为冷静型，取最高分a为冷静型驾驶风格的上阈值，0为冷静型驾驶风格的下阈值；选取前20～60％用户的驾驶风格标定为普通型，取最高分b为普通型驾驶风格的上阈值，a为普通型驾驶风格的下阈值；选取前60～85％用户的驾驶风格标定为较激进型，取最高分c为较激进型驾驶风格的上阈值，b为较激进型驾驶风格的下阈值；选取前85～100％用户的驾驶风格标定为激进型，取最高分d为激进型驾驶风格的上阈值，c为激进型驾驶风格的下阈值。

Images