CN115649183A - 车辆质量估计方法、装置、电子设备及存储介质 - Google Patents
车辆质量估计方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115649183A CN115649183A CN202211679447.7A CN202211679447A CN115649183A CN 115649183 A CN115649183 A CN 115649183A CN 202211679447 A CN202211679447 A CN 202211679447A CN 115649183 A CN115649183 A CN 115649183A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- driving
- running
- driving data
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004590 computer program Methods 0.000 claims description 20
- 238000009499 grossing Methods 0.000 claims description 18
- 230000001133 acceleration Effects 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 7
- 239000012634 fragment Substances 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims 1
- 238000005096 rolling process Methods 0.000 abstract description 16
- 238000001914 filtration Methods 0.000 description 22
- 230000008569 process Effects 0.000 description 20
- 230000006870 function Effects 0.000 description 14
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 229960001948 caffeine Drugs 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- RYYVLZVUVIJVGH-UHFFFAOYSA-N trimethylxanthine Natural products CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 101100352902 Dictyostelium discoideum canA gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000994 depressogenic effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 101150033714 mtcA1 gene Proteins 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种车辆质量估计方法、装置、电子设备及存储介质。该方法包括：根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算得到每个行驶数据片段对应的多个车辆质量初始值；根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。本发明能够无需要获取风阻/空气阻力以及滚动阻力等参数信息即可获得车辆质量估计值，且本发明的车辆质量估计方法的适用性和准确性更高。
Description
技术领域
本发明涉及车重估计技术领域，尤其涉及一种车辆质量估计方法、装置、电子设备及存储介质。
背景技术
整车质量是车辆动力系统和整车控制中的一项重要参数，车辆可依据整车质量辅助评估车辆制动性能是否正常、车辆控制技术是否合理等，进而提高车辆的动力性、经济性和安全性。
目前，通常采用车重估计算法来获得车辆的质量估计值。然而，无论是基于运动学的车重估计算法还是基于动力学的车重估计算法，都依赖于车辆纵向动力学模型中的风阻/空气阻力以及滚动阻力等参数信息。但这些参数信息通常需要提前由固定路段的试验测定，且车辆行驶过程中的实际风阻/实际空气阻力以及实际滚动阻力也会随着道路环境以及车型变化。因此传统的车重估计算法需要足够多的参数信息，且适用性不高，获得的车重估计值的准确度也不稳定。
发明内容
本发明实施例提供了一种车辆质量估计方法、装置、电子设备及存储介质，以解决传统的车重估计算法需要足够多的参数信息，且适用性不高，获得的车重估计值的准确度也不稳定的问题。
第一方面，本发明实施例提供了一种车辆质量估计方法，包括：
根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；
基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；
根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
在一种可能的实现方式中，所述根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段，包括：
判断所述行驶数据集中每相邻两帧行驶数据的采集时间差的绝对值是否大于所述第一预设时间差阈值；
在某一所述采集时间差的绝对值大于所述第一预设时间差阈值时，将该采集时间差对应的两帧行驶数据中的后一帧行驶数据之前所有未进行行驶数据片段划分的行驶数据划分为一个行驶数据片段；
在行驶数据片段划分之后，或者某一所述采集时间差的绝对值小于或等于所述第一预设时间差阈值时，继续判断该采集时间差之后的采集时间差的绝对值是否大于所述第一预设时间差阈值，直到所述行驶数据集中的所有帧行驶数据均进行行驶数据划分，获得多个表征车辆从行驶到停止的行驶数据片段。
在一种可能的实现方式中，在将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段之后，还包括：
统计每个行驶数据片段内包含的行驶数据的帧数；
在某个行驶数据片段内包含的所述帧数小于第一预设数量阈值时，删除该行驶数据片段；
在某个行驶数据片段内包含的所述帧数大于或等于所述第一预设数量阈值时，判断该行驶数据片段内每相邻两帧行驶数据的采集时间差的绝对值是否小于第二预设时间差阈值；其中，第二预设时间差阈值小于第一预设时间差阈值；
在该行驶数据片段内某相邻两帧行驶数据的采集时间差的绝对值小于所述第二预设时间差阈值时，删除该采集时间差对应的相邻两帧行驶数据中的后一帧行驶数据。
在一种可能的实现方式中，所述根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，包括：
针对每个行驶数据片段内的每相邻两帧行驶数据，根据该相邻两帧行驶数据中分别对应的车速数据及采集时刻，计算该相邻两帧行驶数据对应的车辆的加速度差值；
根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值；
根据所述加速度差值和所述轮胎驱动力差值，计算该相邻两帧行驶数据对应的车辆质量初始值。
在一种可能的实现方式中，所述根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值，包括：
根据该相邻两帧行驶数据中分别对应的车速数据，确定该相邻两帧行驶数据分别对应的采集时刻的总传动比；
根据该相邻两帧行驶数据中分别对应的发动机输出扭矩百分比数据及采集时刻的总传动比，计算该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力；
根据该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
在一种可能的实现方式中，所述根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值，包括：
对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选，得到每个行驶数据片段对应的车辆质量有效值；
对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理，根据平滑处理后的车辆质量有效值，确定每个行驶数据片段对应的车辆质量估计值。
在一种可能的实现方式中，在对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理之前，还包括：
统计每个行驶数据片段对应的各个车辆质量有效值的数量；
在某一行驶数据片段对应的所述数量小于第二预设数量阈值时，将该行驶数据片段的前一行驶数据片段对应的车辆质量估计值作为该行驶数据片段的车辆质量估计值；其中，第二预设数量阈值小于第一预设数量阈值；
在某一行驶数据片段对应的所述数量大于或等于所述第二预设数量阈值时，则对该行驶数据片段对应的各个车辆质量有效值进行平滑处理。
第二方面，本发明实施例提供了一种车辆质量估计装置，包括：
划分模块，用于根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；
质量计算模块，用于基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；
质量估计模块，用于根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明实施例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存储有计算机程序，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种车辆质量估计方法、装置、电子设备及存储介质，通过根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；便于基于车辆每次从行驶到停止的过程中质量几乎不变的特性，根据后续计算获得能够准确有效表征车辆在相应行驶数据片段的质量的车辆质量估计值，从而有利于基于车辆在每个行驶数据片段的车辆质量估计值进行后续车辆制动性能及车辆控制技术的辅助评估。通过基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；并根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。可以基于每个行驶数据片段内的每相邻两帧行驶数据分别对应的采集时刻的风阻/空气阻力以及滚动阻力等参数信息几乎不变的特性，无需风阻/空气阻力以及滚动阻力等参数信息，仅基于相邻两帧行驶数据即可计算车辆质量初始值。而且由于无需考虑实际风阻/实际空气阻力以及实际滚动阻力随道路环境以及车型的变化的情况，因而本发明实施例中计算车辆质量初始值的方法可以适用于各种道路环境及各种车型。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的车辆质量估计方法的实现流程图；
图2是本发明实施例提供的将行驶数据集划分为多个行驶数据片段的实现流程图；
图3是本发明实施例提供的车辆质量估计装置的结构示意图；
图4是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
参见图1，其示出了本发明实施例提供的车辆质量估计方法的实现流程图，详述如下：
在步骤101中，根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段。
本实施例中，车辆正常行驶过程中会按照一定采样间隔采集行驶数据，并将采集的行驶数据上传到云端、后台或服务器端等。在车辆停止时，会暂停行驶数据的采集及上传。也即车辆正常行驶时采集行驶数据的采样间隔与车辆从停止到再次行驶的时间间隔有明显差异，因此，第一预设时间差阈值可以设置为能够区分车辆正常行驶过程中相邻两帧行驶数据的采集时间差与车辆从停止到再次行驶的时间差的值，以将云端、后台或服务器端等存储的车辆在较长时间段的行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段。
其中，云端、后台或服务器端等获取不同车辆上传的行驶数据后，可以先对这些行驶数据进行读取、预处理和再存储等。示例性的，云端、后台或服务器端等读取不同车辆发送的行驶数据后，可以先根据车辆标识（Identity，ID）将行驶数据划分为不同的行驶数据文件（即每辆车对应一个行驶数据文件），然后对每个行驶数据文件中的每帧行驶数据按照采集时间升序或降序排列后再存储，作为对应车辆的行驶数据集。
在此基础上，由于车辆从行驶到停止的过程中的质量几乎不变，因此将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段后再针对车辆每次从行驶到停止的过程进行质量估计，可以使获得的车辆质量估计值更加准确，从而有利于基于车辆在每个行驶数据片段的车辆质量估计值进行后续车辆制动性能及车辆控制技术的辅助评估。
可选的，结合图2，根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段，可以包括：
在步骤201中，判断行驶数据集中每相邻两帧行驶数据的采集时间差的绝对值是否大于第一预设时间差阈值。
在步骤202中，在某一采集时间差的绝对值大于第一预设时间差阈值时，将该采集时间差对应的两帧行驶数据中的后一帧行驶数据之前所有未进行行驶数据片段划分的行驶数据划分为一个行驶数据片段。
在步骤203中，在行驶数据片段划分之后，或者在某一采集时间差的绝对值小于或等于第一预设时间差阈值时，继续判断该采集时间差之后的采集时间差的绝对值是否大于第一预设时间差阈值，直到行驶数据集中的所有帧行驶数据均进行行驶数据划分，获得多个表征车辆从行驶到停止的行驶数据片段。
本实施例中，针对每辆车的行驶数据集，依次计算每相邻两帧行驶数据的采集时间差的绝对值，并依据每个采集时间差的绝对值和第一预设时间差阈值将行驶数据集划分为多个行驶数据片段。例如，车辆正常行驶时通常每隔100ms采集一次行驶数据，车辆在辅助驾驶触发碰撞预警或制动等情况时通常每隔20ms采集一次行驶数据，然而车辆从停止到再次行驶的时间间隔可能为几分钟、十几分钟甚至几小时，因此可以设置第一预设时间差阈值大于车辆正常行驶时的采样间隔，例如设置第一预设时间差阈值为300s，进而依次判断相邻两帧行驶数据的采集时间差的绝对值是否大于300s。若第1帧行驶数据、第2帧行驶数据……第10帧行驶数据的采集时间差的绝对值均小于或等于300s，第10帧行驶数据和第11帧行驶数据的采集时间差的绝对值为10min（即大于300s），则将第1帧行驶数据-第10帧行驶数据划分为一个行驶数据片段，并继续判断第11帧行驶数据及之后的行驶数据的采集时间差的绝对值，直到行驶数据集中的所有帧行驶数据划分完成。
可选的，在将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段之后，还可以包括：
统计每个行驶数据片段内包含的行驶数据的帧数。
在某个行驶数据片段内包含的帧数小于第一预设数量阈值时，删除该行驶数据片段。
在某个行驶数据片段内包含的帧数大于或等于第一预设数量阈值时，判断该行驶数据片段内每相邻两帧行驶数据的采集时间差的绝对值是否小于第二预设时间差阈值。
在该行驶数据片段内某相邻两帧行驶数据的采集时间差的绝对值小于第二预设时间差阈值时，删除该采集时间差对应的相邻两帧行驶数据中的后一帧行驶数据。
本实施例中，在对车辆的行驶数据集进行行驶数据片段划分之后，还可以统计每个行驶数据片段内包括的行驶数据的帧数，若某一行驶数据片段内包括的行驶数据的帧数小于第一预设数量阈值，则可以丢弃该行驶数据片段，以减少不必要的计算。
在此基础上，若某个行驶数据片段内包含的帧数大于或等于第一预设数量阈值，则需要对该行驶数据片段对应的车辆质量进行估计，然而，由于车辆的辅助驾驶功能触发前方碰撞预警系统（Forward Collision Warning，FCW）、自动制动系统（AutonomousEmergency Braking，AEB）等功能时车辆采集行驶数据的采集频率一般高于车辆正常行驶时的采集频率，且比车辆正常行驶时的采集频率高一个量级，因此可以先剔除车辆的辅助驾驶功能触发FCW、AEB等功能时车辆采集的行驶数据，以便于计算。而由于车辆的辅助驾驶功能触发FCW、AEB等功能时车辆采集行驶数据的采集频率较高，也即采样间隔较小，因而可以利用较小的第二预设时间差阈值区分是否为车辆的辅助驾驶功能触发FCW、AEB等功能时采集的行驶数据。
在步骤102中，基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值。
其中，车辆行驶的纵向动力学方程可以为：
。
其中，
为车辆的整车质量，
为
时刻车辆的加速度，
为
时刻车辆的轮胎驱
动力，
为空气阻力，
为滚动阻力，
为坡道阻力。由于可以认为车辆在每个行驶数据片
段内的质量稳定，且针对每个行驶数据片段内相邻两帧行驶数据对应的采样时刻，可以认
为其对应的空气阻力、滚动阻力和坡道阻力几乎不变。
因此，基于上述车辆行驶的纵向动力学方程，可以根据下式计算车辆的整车质量：
也即根据每个行驶数据片段内的相邻两帧行驶数据，可以将几乎不变的空气阻力、滚动阻力和坡道阻力消除，进而根据相邻两帧行驶数据分别对应的采样时刻的轮胎驱动力和加速度，计算得到车辆质量，作为车辆质量估计的车辆质量初始值。从而无需空气阻力、滚动阻力和坡道阻力等参数信息即可获得车辆质量估计值，而且由于无需空气阻力、滚动阻力和坡道阻力等参数信息，也即不用考虑空气阻力、滚动阻力和坡道阻力随道路环境及车型的变化，因而可以提高车辆质量估计方法的适用性，也有利于在不影响车辆质量估计精度的同时提高车辆质量估计值的准确性。
可选的，根据每个行驶数据片段内的每相邻两帧行驶数据，计算对应的车辆质量初始值，可以包括：
针对每个行驶数据片段内的每相邻两帧行驶数据，根据该相邻两帧行驶数据中分别对应的车速数据及采集时刻，计算该相邻两帧行驶数据对应的车辆的加速度差值。
根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
根据加速度差值和轮胎驱动力差值，计算该相邻两帧行驶数据对应的车辆质量初始值。
其中，每帧行驶数据可以包括车辆在该采集时刻对应的车速数据、发动机输出扭矩百分比数据等有关车辆的发动机出力情况及行驶速度的数据。
其中，针对每个行驶数据片段内的相邻的第
帧行驶数据和第
行驶数据，可以
根据下式计算第
行驶数据的采集时刻
的加速度
：
其中，
为第
行驶数据的采集时刻
的车速数据，
为第
帧行驶数据的采
集时刻
的车速数据。进而可以根据相邻两帧行驶数据中分别对应的车速数据及采集时
刻，计算该相邻两帧行驶数据对应的车辆的加速度差值。
其中，对于第1帧行驶数据对应的采集时刻的加速度
，可以根据该行驶数据片段
的上一行驶数据片段确定，或者基于预设初始值确定。本实施例对行驶数据片段中第1帧行
驶数据对应的采集时刻的加速度
的确定方式不做限定，只要根据实际情况合乎逻辑即
可。
在此基础上，可以基于车辆对应的目标车型发动机扭矩最大值、发动机输出扭矩
百分比数据、发动机到车轮齿轮的总传动比、轮胎有效半径、车辆整个传动系统的传动效率
等计算车辆的轮胎驱动力。其中，发动机到车轮齿轮的总传动比可以基于车速数据确定。进
而可以计算第
行驶数据的采集时刻
的轮胎驱动力和第
帧行驶数据的采集时刻
的
轮胎驱动力，以得到该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
可选的，根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值，可以包括：根据该相邻两帧行驶数据中分别对应的车速数据，确定该相邻两帧行驶数据分别对应的采集时刻的总传动比。根据该相邻两帧行驶数据中分别对应的发动机输出扭矩百分比数据及采集时刻的总传动比，计算该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力。根据该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
其中，可以根据：
计算第
帧行驶数据对应的采集时刻
的
轮胎驱动力
。
式中，
为目标车型发动机扭矩最大值，
为第
帧行驶数据对应的采集
时刻
的发动机输出扭矩百分比，
为发动机到车轮齿轮的总传动比，
为轮胎有效半
径，
为车辆整个传动系统的传动效率，可以根据经验和车型确定
。
一般情况下，可以基于发动机转速和车速确定发动机到车轮齿轮的总传动比。在不便获取发动机转速时，也可以结合经验、车型、总速比表（传动比也称为速比）以及车速来确定总传动比。
其中，在结合经验、车型、总速比表以及车速来确定总传动比时，可以先根据每帧行驶数据中的车速数据为每帧行驶数据添加变速器挡位信息，例如结合表1所示的车辆对应的目标车型的速度与档位的对应关系为车辆的每帧行驶数据添加变速器档位信息。然后根据经验和车型确定对应的总速比表，进而基于总速比表确定对应挡位的总传动比。
表1 速度和挡位的对应关系表
| 车速v：km/h | 档位 |
| V<20 | 5 |
| 20≤v＜25 | 7 |
| 25≤v＜30 | 8 |
| 30≤v＜40 | 9 |
| 40≤v＜50 | 10 |
| 50≤v＜60 | 11 |
| 60≤v | 12 |
在计算出每帧行驶数据对应的采集时刻的轮胎驱动力后，可以根据每帧行驶数据对应的采集时刻的轮胎驱动力，计算相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
在步骤103中，根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
本实施例中，利用每个行驶数据片段内的相邻两帧行驶数据计算得到的车辆质量初始值只能代表相邻两帧行驶数据对应的采集时间段的车辆质量，为了表征车辆在每个行驶数据片段内对应车辆质量，可以根据该行驶数据片段对应的多个车辆质量初始值，确定该行驶数据片段对应的车辆质量估计值。
例如，可以通过对该行驶数据片段对应的多个车辆质量初始值进行平均、加权平均、先去噪再平均等方法获得能够表征该行驶数据片段对应的车辆质量，也即该行驶数据片段对应的车辆质量估计值。
可选的，根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值，可以包括：
对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选，得到每个行驶数据片段对应的车辆质量有效值。
对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理，根据平滑处理后的车辆质量有效值，确定每个行驶数据片段对应的车辆质量估计值。
其中，在一个行驶数据片段内直接通过相邻两帧行驶数据得到的车辆质量初始值中包含了匀速、加速、减速情况下对应的车辆质量，因而这些车辆质量初始值包含一些冗余数据。因而可以对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选，得到每个行驶数据片段对应的车辆质量有效值，以利用车辆质量有效值获得更能表征该行驶数据片段对应的车辆质量估计值，进而提高获得的车辆质量估计值的准确度，提高车辆质量估计精度。
其中，每帧行驶数据还可以包括表征制动踏板是否被踩下的信号。
示例性的，基于表征制动踏板是否被踩下的信号，对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选的规则可以如下所示：
（1）加速度变化率绝对值大于0.05m/s3；
（2）非辅助驾驶触发FCW、AEB等的制动过程；
（3）限制加速度在0.25m/s2~10m/s2之间，防止通过车速计算的加速度值太大；
（4）车速在20km/h~75km/h之间；
（5）限制车辆质量初始值大于车辆对应的目标车型的空载质量。
本实施例中，在计算得到车辆质量初始值之后，再基于每帧行驶数据中表征制动踏板是否被踩下的信号剔除非辅助驾驶触发FCW、AEB等的制动过程对应的车辆质量初始值，可以避免先剔除非辅助驾驶触发FCW、AEB等的制动过程对应的行驶数据再计算车辆质量初始值时，无法保证相邻两帧行驶数据对应的风阻/空气阻力以及滚动阻力等参数信息几乎不变，进而影响计算结果的准确度的问题。在此基础上，按照如上规则对车辆质量初始值进行有效筛选，可以筛选出一定车速范围内有效的加速行驶片段，并剔除车辆质量异常小的值。
完成有效质量筛选后，可以再对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理以去噪/减少失真，进而基于平滑处理后的车辆质量有效值确定对应的车辆质量估计值，以进一步提高获得的车辆质量估计值的准确度，提高车辆质量估计精度。
可选的，对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理，可以包括：对每个行驶数据片段对应的每个车辆质量有效值进行均值滤波，将均值滤波结果作为每个车辆质量有效值对应的平滑处理后的车辆质量有效值。
本实施例中，可以基于均值滤波、中值滤波、高斯滤波等平滑处理方法对个行驶数据片段对应的各个车辆质量有效值进行平滑处理，以进一步提高获得的车辆质量估计值的准确度，提高车辆质量估计精度。
以均值滤波为例：首先可以选择合适的均值滤波窗口长度
（
为偶数）；然后按照
步长为1依次确定每个行驶数据片段对应的每个车辆质量有效值的均值滤波窗口；然后根
据每个车辆质量有效值的均值滤波窗口内的各个值确定该车辆质量有效值对应的均值滤
波结果，也即该车辆质量有效值对应的平滑处理后的车辆质量有效值。
示例性的，对于每个行驶数据片段对应的第
个车辆质量有效值，可以令
作为该车辆质量有效值的均值滤波窗口的起始值，令
作为该车辆
质量有效值的均值滤波窗口的终止值。也即将第
个车辆质量有效值、第
个车
辆质量有效值…第
个车辆质量有效值、第
个车辆质量有效值…第
个车辆质量有
效值作为第
个车辆质量有效值的均值滤波窗口所包含的范围。对于
的情况，则可以
将
作为该车辆质量有效值的均值滤波窗口的起始值，该车辆质量有效值的均值滤
波窗口的终止值仍为
。对于
的情况，则可以将
作为该车辆质量
有效值的均值滤波窗口的终止值，该车辆质量有效值的均值滤波窗口的起始值仍为
，其中，
为该行驶数据片段对应的车辆质量有效值的总数量。
在此基础上，可以过滤每个车辆质量有效值的均值滤波窗口内的车辆质量有效值最大值和车辆质量有效值最小值，并计算过滤后均值滤波窗口内的剩下的车辆质量有效值的平均值，作为该车辆质量有效值的均值滤波结果。
也即根据如下公式计算第
个车辆质量有效值
的均值滤波结果
：
其中，
为该行驶数据片段对应的第
个车辆质量有效值的均值滤波窗口内的
车辆质量有效值的起始值，也即该行驶数据片段对应的第
个车辆质量有效值，
为
该行驶数据片段对应的第
个车辆质量有效值的均值滤波窗口内的车辆质量有效值的终
止值，也即该行驶数据片段对应的第
个车辆质量有效值，
为第
个车辆质量有效
值的均值滤波窗口内的车辆质量有效值中的最大值，
为第
个车辆质量有效值的均
值滤波窗口内的车辆质量有效值中的最小值。
需要说明的是，上述对车辆质量有效值进行均值滤波处理的过程仅用于示例。按照实际要求，还可以直接对某个车辆质量有效值的均值滤波窗口内的所有车辆质量有效值进行平均以获得对应的均值滤波结果，或者采用其他合乎逻辑的处理方式获得均值滤波结果。本实施例并不对具体的均值滤波处理过程进行限定。
在获得行驶数据片段对应的每个车辆质量有效值的均值滤波结果（也即平滑处理
后的车辆质量有效值）后，可以计算该行驶数据片段对应的
个车辆质量有效值的均值滤
波结果的平均值，以表征该行驶数据片段对应的车辆质量估计值。
即根据
计算该行驶数据片段对应的车辆质量估计值
。
可选的，在对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理之前，还可以包括：
统计每个行驶数据片段对应的各个车辆质量有效值的数量。
在某一行驶数据片段对应的数量小于第二预设数量阈值时，将该行驶数据片段的前一行驶数据片段对应的车辆质量估计值作为该行驶数据片段的车辆质量估计值。
在某一行驶数据片段对应的数量大于或等于第二预设数量阈值时，对该行驶数据片段对应的各个车辆质量有效值进行平滑处理。
其中，第二预设数量阈值小于第一预设数量阈值。
本实施例中，由于第一预设数量阈值是对每个行驶数据片段内包含的行驶数据的
帧数进行判断，而第二预设数量阈值是对每个行驶数据片段对应的车辆质量有效值进行判
断，这之间经过了车辆质量初始值的计算以及车辆质量初始值的有效筛选，因而，可以令第
二预设数量阈值小于第一预设数量阈值。在此基础上，在对行驶数据片段对应的车辆质量
初始值完成有效质量筛选后，可以先对行驶数据片段对应的车辆质量有效值的总数量
进
行判断，然后在某一行驶数据片段对应的车辆质量有效值的总数量
小于第二预设数量阈
值时，可以直接使用上一行驶数据片段对应的车辆质量估计值作为当前行驶数据片段对应
的车辆质量估计值，以降低计算量；在某一行驶数据片段对应的车辆质量有效值的总数量
大于或等于预设数量阈值时，再对该行驶数据片段对应的各个车辆质量有效值进行平滑
处理。
本实施例中，对车辆的行驶数据集中每个行驶数据片段，均可以利用上述方法进行车辆质量估计值的计算，以完成车辆的所有车辆质量估计值的计算，该方法克服了传统车辆质量估计方法需要获取足够多的车辆信息和其他参数信息的缺点，仅需要利用有限的数据作为整个车辆质量估计算法输入，从而实现对车辆质量的有效估计，为车辆制动性能的识别和车辆控制技术提供辅助手段。
本发明实施例通过根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；便于基于车辆每次从行驶到停止的过程中质量几乎不变的特性，根据后续计算获得能够准确有效表征车辆在相应行驶数据片段的质量的车辆质量估计值，从而有利于基于车辆在每个行驶数据片段的车辆质量估计值进行后续车辆制动性能及车辆控制技术的辅助评估。通过基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值，并根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。可以基于每个行驶数据片段内的每相邻两帧行驶数据分别对应的采集时刻的风阻/空气阻力以及滚动阻力等参数信息几乎不变的特性，无需风阻/空气阻力以及滚动阻力等参数信息，仅基于相邻两帧行驶数据即可计算车辆质量初始值。而且由于无需考虑实际风阻/实际空气阻力以及实际滚动阻力随道路环境以及车型的变化的情况，因而本发明实施例中计算车辆质量初始值的方法可以适用于各种道路环境及各种车型。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
以下为本发明的装置实施例，对于其中未详尽描述的细节，可以参考上述对应的方法实施例。
图3示出了本发明实施例提供的车辆质量估计装置的结构示意图，为了便于说明，仅示出了与本发明实施例相关的部分，详述如下：
如图3所示，车辆质量估计装置包括：划分模块31、质量计算模块32和质量估计模块33。
划分模块31，用于根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；
质量计算模块32，用于基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；
质量估计模块33，用于根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
本发明实施例通过根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；便于基于车辆每次从行驶到停止的过程中质量几乎不变的特性，根据后续计算获得能够准确有效表征车辆在相应行驶数据片段的质量的车辆质量估计值，从而有利于基于车辆在每个行驶数据片段的车辆质量估计值进行后续车辆制动性能及车辆控制技术的辅助评估。通过基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；并根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。可以基于每个行驶数据片段内的每相邻两帧行驶数据分别对应的采集时刻的风阻/空气阻力以及滚动阻力等参数信息几乎不变的特性，无需风阻/空气阻力以及滚动阻力等参数信息，仅基于相邻两帧行驶数据即可计算车辆质量初始值。而且由于无需考虑实际风阻/实际空气阻力以及实际滚动阻力随道路环境以及车型的变化的情况，因而本发明实施例中计算车辆质量初始值的方法可以适用于各种道路环境及各种车型。
在一种可能的实现方式中，划分模块31，可以用于：
判断所述行驶数据集中每相邻两帧行驶数据的采集时间差的绝对值是否大于所述第一预设时间差阈值；
在某一所述采集时间差的绝对值大于所述第一预设时间差阈值时，将该采集时间差对应的两帧行驶数据中的后一帧行驶数据之前所有未进行行驶数据片段划分的行驶数据划分为一个行驶数据片段；
在行驶数据片段划分之后，或者在某一所述采集时间差的绝对值小于或等于所述第一预设时间差阈值时，继续判断该采集时间差之后的采集时间差的绝对值是否大于所述第一预设时间差阈值，直到所述行驶数据集中的所有帧行驶数据均进行行驶数据划分，获得多个表征车辆从行驶到停止的行驶数据片段。
在一种可能的实现方式中，划分模块31，还可以用于统计每个行驶数据片段内包含的行驶数据的帧数；
在某个行驶数据片段内包含的所述帧数小于第一预设数量阈值时，删除该行驶数据片段；
在某个行驶数据片段内包含的所述帧数大于或等于所述第一预设数量阈值时，判断该行驶数据片段内每相邻两帧行驶数据的采集时间差的绝对值是否小于第二预设时间差阈值；其中，第二预设时间差阈值小于第一预设时间差阈值；
在该行驶数据片段内某相邻两帧行驶数据的采集时间差的绝对值小于所述第二预设时间差阈值时，删除该采集时间差对应的相邻两帧行驶数据中的后一帧行驶数据。
在一种可能的实现方式中，质量计算模块32，可以用于针对每个行驶数据片段内的每相邻两帧行驶数据，根据该相邻两帧行驶数据中分别对应的车速数据及采集时刻，计算该相邻两帧行驶数据对应的车辆的加速度差值；
根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值；
根据所述加速度差值和所述轮胎驱动力差值，计算该相邻两帧行驶数据对应的车辆质量初始值。
在一种可能的实现方式中，质量计算模块32，可以用于根据该相邻两帧行驶数据中分别对应的车速数据，确定该相邻两帧行驶数据分别对应的采集时刻的总传动比；
根据该相邻两帧行驶数据中分别对应的发动机输出扭矩百分比数据及采集时刻的总传动比，计算该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力；
根据该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
在一种可能的实现方式中，质量估计模块33，可以用于对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选，得到每个行驶数据片段对应的车辆质量有效值；
对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理，根据平滑处理后的车辆质量有效值，确定每个行驶数据片段对应的车辆质量估计值。
在一种可能的实现方式中，质量估计模块33，还可以用于统计每个行驶数据片段对应的各个车辆质量有效值的数量；
在某一行驶数据片段对应的所述数量小于第二预设数量阈值时，将该行驶数据片段的前一行驶数据片段对应的车辆质量估计值作为该行驶数据片段的车辆质量估计值；其中，第二预设数量阈值小于第一预设数量阈值；
在某一行驶数据片段对应的所述数量大于或等于所述第二预设数量阈值，对该行驶数据片段对应的各个车辆质量有效值进行平滑处理。
图4是本发明实施例提供的电子设备的示意图。如图4所示，该实施例的电子设备4包括：处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个车辆质量估计方法实施例中的步骤，例如图1所示的步骤101至步骤103，步骤图2所示的步骤201至步骤203。或者，处理器40执行计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块/单元31至33的功能。
示例性的，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在电子设备4中的执行过程。例如，计算机程序42可以被分割成图3所示的模块/单元31至33。
电子设备4可以是监控车辆的后台、云端、服务器等。电子设备4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是电子设备4的示例，并不构成对电子设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是电子设备4的内部存储单元，例如电子设备4的硬盘或内存。存储器41也可以是电子设备4的外部存储设备，例如电子设备4上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，存储器41还可以既包括电子设备4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及电子设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个车辆质量估计方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种车辆质量估计方法，其特征在于，包括：
根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；
基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；
根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
2.根据权利要求1所述的车辆质量估计方法，其特征在于，所述根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段，包括：
判断所述行驶数据集中每相邻两帧行驶数据的采集时间差的绝对值是否大于所述第一预设时间差阈值；
在某一所述采集时间差的绝对值大于所述第一预设时间差阈值时，将该采集时间差对应的两帧行驶数据中的后一帧行驶数据之前所有未进行行驶数据片段划分的行驶数据划分为一个行驶数据片段；
在行驶数据片段划分之后，或者在某一所述采集时间差的绝对值小于或等于所述第一预设时间差阈值时，继续判断该采集时间差之后的采集时间差的绝对值是否大于所述第一预设时间差阈值，直到所述行驶数据集中的所有帧行驶数据均进行行驶数据划分，获得多个表征车辆从行驶到停止的行驶数据片段。
3.根据权利要求1或2所述的车辆质量估计方法，其特征在于，在将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段之后，还包括：
统计每个行驶数据片段内包含的行驶数据的帧数；
在某个行驶数据片段内包含的所述帧数小于第一预设数量阈值时，删除该行驶数据片段；
在某个行驶数据片段内包含的所述帧数大于或等于所述第一预设数量阈值时，判断该行驶数据片段内每相邻两帧行驶数据的采集时间差的绝对值是否小于第二预设时间差阈值；其中，第二预设时间差阈值小于第一预设时间差阈值；
在该行驶数据片段内某相邻两帧行驶数据的采集时间差的绝对值小于所述第二预设时间差阈值时，删除该采集时间差对应的相邻两帧行驶数据中的后一帧行驶数据。
4.根据权利要求1所述的车辆质量估计方法，其特征在于，所述根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，包括：
针对每个行驶数据片段内的每相邻两帧行驶数据，根据该相邻两帧行驶数据中分别对应的车速数据及采集时刻，计算该相邻两帧行驶数据对应的车辆的加速度差值；
根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值；
根据所述加速度差值和所述轮胎驱动力差值，计算该相邻两帧行驶数据对应的车辆质量初始值。
5.根据权利要求4所述的车辆质量估计方法，其特征在于，所述根据该相邻两帧行驶数据中分别对应的车速数据及发动机输出扭矩百分比数据，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值，包括：
根据该相邻两帧行驶数据中分别对应的车速数据，确定该相邻两帧行驶数据分别对应的采集时刻的总传动比；
根据该相邻两帧行驶数据中分别对应的发动机输出扭矩百分比数据及采集时刻的总传动比，计算该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力；
根据该相邻两帧行驶数据分别对应的采集时刻的轮胎驱动力，计算该相邻两帧行驶数据对应的车辆的轮胎驱动力差值。
6.根据权利要求1所述的车辆质量估计方法，其特征在于，所述根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值，包括：
对每个行驶数据片段对应的多个车辆质量初始值进行有效筛选，得到每个行驶数据片段对应的车辆质量有效值；
对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理，根据平滑处理后的车辆质量有效值，确定每个行驶数据片段对应的车辆质量估计值。
7.根据权利要求6所述的车辆质量估计方法，其特征在于，在对每个行驶数据片段对应的各个车辆质量有效值进行平滑处理之前，还包括：
统计每个行驶数据片段对应的各个车辆质量有效值的数量；
在某一行驶数据片段对应的所述数量小于第二预设数量阈值时，将该行驶数据片段的前一行驶数据片段对应的车辆质量估计值作为该行驶数据片段的车辆质量估计值；其中，第二预设数量阈值小于第一预设数量阈值；
在某一行驶数据片段对应的所述数量大于或等于所述第二预设数量阈值时，对该行驶数据片段对应的各个车辆质量有效值进行平滑处理。
8.一种车辆质量估计装置，其特征在于，包括：
划分模块，用于根据车辆对应的行驶数据集中每相邻两帧行驶数据的采集时间差和第一预设时间差阈值，将所述行驶数据集划分为多个表征车辆从行驶到停止的行驶数据片段；
质量计算模块，用于基于车辆行驶的纵向动力学方程，根据每个行驶数据片段内的每相邻两帧行驶数据，计算该相邻两帧行驶数据对应的车辆质量初始值，得到每个行驶数据片段对应的多个车辆质量初始值；
质量估计模块，用于根据每个行驶数据片段对应的多个车辆质量初始值，确定每个行驶数据片段对应的车辆质量估计值。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211679447.7A CN115649183B (zh) | 2022-12-27 | 2022-12-27 | 车辆质量估计方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211679447.7A CN115649183B (zh) | 2022-12-27 | 2022-12-27 | 车辆质量估计方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115649183A true CN115649183A (zh) | 2023-01-31 |
| CN115649183B CN115649183B (zh) | 2023-04-18 |
Family
ID=85022385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211679447.7A Active CN115649183B (zh) | 2022-12-27 | 2022-12-27 | 车辆质量估计方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115649183B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116499772A (zh) * | 2023-06-28 | 2023-07-28 | 天津所托瑞安汽车科技有限公司 | 车辆制动性能评估方法、装置、电子设备及存储介质 |
| CN117077029A (zh) * | 2023-10-13 | 2023-11-17 | 中国汽车技术研究中心有限公司 | 一种车辆碰撞识别方法、电子设备及存储介质 |
| CN117851731A (zh) * | 2024-03-06 | 2024-04-09 | 质子汽车科技有限公司 | 基于行驶车辆的质量估计方法、装置、介质和计算设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014126523A1 (en) * | 2013-02-14 | 2014-08-21 | Scania Cv Ab | Simultaneous estimation of at least mass and rolling resistance |
| CN107310558A (zh) * | 2017-05-12 | 2017-11-03 | 北汽福田汽车股份有限公司 | 车辆质量的测量方法、装置和车辆 |
| CN112046493A (zh) * | 2019-06-05 | 2020-12-08 | 陕西汽车集团有限责任公司 | 一种电动汽车的载重识别方法 |
| EP3835161A1 (en) * | 2019-12-10 | 2021-06-16 | Sumitomo Rubber Industries, Ltd. | Vehicle mass estimation device |
| CN113173175A (zh) * | 2021-06-09 | 2021-07-27 | 一汽解放汽车有限公司 | 一种车辆重量确定方法及装置 |
| CN113954851A (zh) * | 2021-12-17 | 2022-01-21 | 天津大学 | 基于高精度定位的车辆质量估算方法 |
| CN115503737A (zh) * | 2022-11-01 | 2022-12-23 | 驭势（上海）汽车科技有限公司 | 车辆的质量估算方法、装置、介质、设备及车辆 |
-
2022
- 2022-12-27 CN CN202211679447.7A patent/CN115649183B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014126523A1 (en) * | 2013-02-14 | 2014-08-21 | Scania Cv Ab | Simultaneous estimation of at least mass and rolling resistance |
| CN107310558A (zh) * | 2017-05-12 | 2017-11-03 | 北汽福田汽车股份有限公司 | 车辆质量的测量方法、装置和车辆 |
| CN112046493A (zh) * | 2019-06-05 | 2020-12-08 | 陕西汽车集团有限责任公司 | 一种电动汽车的载重识别方法 |
| EP3835161A1 (en) * | 2019-12-10 | 2021-06-16 | Sumitomo Rubber Industries, Ltd. | Vehicle mass estimation device |
| CN113173175A (zh) * | 2021-06-09 | 2021-07-27 | 一汽解放汽车有限公司 | 一种车辆重量确定方法及装置 |
| CN113954851A (zh) * | 2021-12-17 | 2022-01-21 | 天津大学 | 基于高精度定位的车辆质量估算方法 |
| CN115503737A (zh) * | 2022-11-01 | 2022-12-23 | 驭势（上海）汽车科技有限公司 | 车辆的质量估算方法、装置、介质、设备及车辆 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116499772A (zh) * | 2023-06-28 | 2023-07-28 | 天津所托瑞安汽车科技有限公司 | 车辆制动性能评估方法、装置、电子设备及存储介质 |
| CN116499772B (zh) * | 2023-06-28 | 2023-10-03 | 天津所托瑞安汽车科技有限公司 | 车辆制动性能评估方法、装置、电子设备及存储介质 |
| CN117077029A (zh) * | 2023-10-13 | 2023-11-17 | 中国汽车技术研究中心有限公司 | 一种车辆碰撞识别方法、电子设备及存储介质 |
| CN117077029B (zh) * | 2023-10-13 | 2024-02-23 | 中国汽车技术研究中心有限公司 | 一种车辆碰撞识别方法、电子设备及存储介质 |
| CN117851731A (zh) * | 2024-03-06 | 2024-04-09 | 质子汽车科技有限公司 | 基于行驶车辆的质量估计方法、装置、介质和计算设备 |
| CN117851731B (zh) * | 2024-03-06 | 2024-06-11 | 质子汽车科技有限公司 | 基于行驶车辆的质量估计方法、装置、介质和计算设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115649183B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115649183B (zh) | 车辆质量估计方法、装置、电子设备及存储介质 | |
| CN107977476B (zh) | 一种估算汽车剩余续航里程的方法 | |
| CN107878464B (zh) | 车速的测量方法和装置 | |
| CN111452799B (zh) | 驾驶行为评价方法及系统 | |
| CN111912506A (zh) | 一种确定机动车载重状态的方法和设备 | |
| CN110968839A (zh) | 驾驶风险评估方法、装置、设备及存储介质 | |
| DE102010038971A1 (de) | Verfahren und Vorrichtung zum Bewerten eines Zustands eines Fahrwerks eines Fahrzeugs | |
| CN106683227A (zh) | 车辆行程划分方法及装置 | |
| CN109649399B (zh) | 一种基于横向行车速度的驾驶员分心判别方法 | |
| CN113377662A (zh) | 一种基于势场法和信息熵的自动驾驶安全性评价方法 | |
| Yao et al. | The smart black box: A value-driven automotive event data recorder | |
| CN113505524A (zh) | 轨道交通噪声贡献量确定方法、系统、装置及存储介质 | |
| CN116910552A (zh) | 一种车辆故障的检测方法、装置、车载终端及存储介质 | |
| CN108268678A (zh) | 驾驶行为分析方法、装置及系统 | |
| CN115131895B (zh) | 一种获取车辆里程数据的方法、装置和电子设备 | |
| CN113658426B (zh) | 一种车辆事故识别方法及装置 | |
| KR20140119596A (ko) | 운전 위험 지수관련 이벤트 등록을 위한 관찰 기준 임계값 추정 장치 및 방법 | |
| CN116381500A (zh) | 基于大数据分析的纯电动汽车动力电池评价指标构建方法 | |
| EP1948454A1 (de) | Verfahren zur indirekten reifendrucküberwachung | |
| CN116067359A (zh) | 基于delaunay三角网的低精度轨迹数据处理方法及系统 | |
| DE102022111116A1 (de) | Verfahren, Vorrichtungen und Computerprogrammprodukte zum Bestimmen des Schweregrades eines Luftverlustes in einem Reifen | |
| CN115371801A (zh) | 一种车辆制动系统用蠕动噪声分析方法、测试方法及装置 | |
| CN116499772B (zh) | 车辆制动性能评估方法、装置、电子设备及存储介质 | |
| CN114750765B (zh) | 一种车辆的路谱数据确定方法、装置、设备、介质及产品 | |
| DE102019008443A1 (de) | Verfahren zum Erkennen elner Fahrbahnbeschaffenheit anhand von Abrollgeräuschen |
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 |