CN115762572B - 一种用于汽车车内噪音模型的评估方法及系统 - Google Patents

一种用于汽车车内噪音模型的评估方法及系统 Download PDF

Info

Publication number
CN115762572B
CN115762572B CN202211445368.XA CN202211445368A CN115762572B CN 115762572 B CN115762572 B CN 115762572B CN 202211445368 A CN202211445368 A CN 202211445368A CN 115762572 B CN115762572 B CN 115762572B
Authority
CN
China
Prior art keywords
noise
driver
information
evaluation
automobile
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
Application number
CN202211445368.XA
Other languages
English (en)
Other versions
CN115762572A (zh
Inventor
孟繁恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunshan Model Technology Co ltd
Original Assignee
Kunshan Model Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kunshan Model Technology Co ltd filed Critical Kunshan Model Technology Co ltd
Priority to CN202211445368.XA priority Critical patent/CN115762572B/zh
Publication of CN115762572A publication Critical patent/CN115762572A/zh
Application granted granted Critical
Publication of CN115762572B publication Critical patent/CN115762572B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

本发明提供了一种用于汽车车内噪音模型的评估方法及系统,涉及数据处理技术领域,通过采用多种噪音对驾驶员进行噪音测试,获得噪音测试结果进行第一噪音评估模块的构建;根据多种噪音和噪音测试结果,构建第二噪音评估模块,第一噪音评估模块和第二噪音评估模块组成综合噪音评估模型;采集车内实时噪音输入综合噪音评估模型,获得对驾驶员进行警示提醒的第一噪音分析结果和对汽车进行控制的第二噪音分析结果。解决现有技术中对于驾驶员驾车安全提醒局限于统一化行驶道路规定进行驾驶车速限制,与驾驶员实际驾驶能力和驾驶状态结合度较低的技术问题。达到结合驾驶环境噪声对于驾驶员辨音能力影响进行限速适应性调整,提高驾车安全性的技术效果。

Description

一种用于汽车车内噪音模型的评估方法及系统
技术领域
本发明涉及数据处理技术领域,具体涉及一种用于汽车车内噪音模型的评估方法及系统。
背景技术
汽车在方便大众,节省通勤交通时间方面起到了重要作用,同时,驾驶员保持正常的驾驶能力,成为当前保障居民乘坐或驾驶交通工具安全的前提,通过合理的驾驶学习和规范化驾考获得驾驶证的汽车驾驶员往往具备正常驾驶能力。
但在汽车行驶过程中产生的发动机噪声,轮胎地面摩擦产生的路噪,汽车冲破空气幕产生的碰撞摩擦风噪经由车体传导进入车内,导致驾驶员长时间处于强噪声环境中时,存在影响驾驶员听音辨别能力,导致驾驶员正常驾驶能力受影响的风险。
现有技术中对于驾驶员驾车安全提醒局限于统一化行驶道路规定进行驾驶车速限制,无法基于车内噪音的情况进行辅助安全提醒和控制,存在与驾驶员实际驾驶能力和驾驶状态结合度较低的技术问题。
发明内容
本申请提供了一种用于汽车车内噪音模型的评估方法及系统,用于针对解决现有技术中对于驾驶员驾车安全提醒局限于统一化行驶道路规定进行驾驶车速限制,无法基于车内噪音的情况进行辅助安全提醒和控制,存在与驾驶员实际驾驶能力和驾驶状态结合度较低的技术问题。
鉴于上述问题,本申请提供了一种用于汽车车内噪音模型的评估方法及系统。
本申请的第一个方面,提供了一种用于汽车车内噪音模型的评估方法,所述方法包括:获取目标汽车内不同的多种噪音;采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;根据所述驾驶员噪音测试结果,构建第一噪音评估模块;根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;采集获取当前目标汽车车内的噪音,获得实时噪音信息;将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。
本申请的第二个方面,提供了一种用于汽车车内噪音模型的评估系统,所述系统包括:汽车噪声采集模块,用于获取目标汽车内不同的多种噪音;噪音测试执行模块,用于采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;评估模块构建模块,用于根据所述驾驶员噪音测试结果,构建第一噪音评估模块;评估模型生成模块,用于根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;实时噪音采集模块,用于采集获取当前目标汽车车内的噪音,获得实时噪音信息;实时噪音分析模块,用于将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;分析结果执行模块,用于根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获取目标汽车内不同的多种噪音,用于后续模拟汽车驾驶时的车内环境噪声,对驾驶员进行噪音测试;采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车,为后续基于目标驾驶员特征进行用于评估噪音对于驾驶员影响的噪声评估模型的构建提供数据基础;根据所述驾驶员噪音测试结果,构建第一噪音评估模块,实现了基于检测到的车内噪声分贝强度即可进行不同等级警示以保障驾驶员处于可正常分辨驾驶信息的安全驾驶噪声环境内;根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型,实现了基于车辆行驶时车内噪音自动调整车辆限速要求,实现避免车内噪音引起的驾驶员声音辨别力降低造成的安全事故发生的概率;采集获取当前目标汽车车内的噪音,获得实时噪音信息;将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。达到了结合驾驶环境噪声对于驾驶员辨音能力影响进行限速适应性调整,提高驾车安全性的技术效果。
附图说明
图1为本申请提供的一种用于汽车车内噪音模型的评估方法流程示意图;
图2为本申请提供的一种用于汽车车内噪音模型的评估方法中对目标驾驶员进行噪音测试的流程示意图;
图3为本申请提供的一种用于汽车车内噪音模型的评估方法中构建第一噪音评估模块的流程示意图;
图4为本申请提供的一种用于汽车车内噪音模型的评估系统的结构示意图。
附图标记说明:汽车噪声采集模块11,噪音测试执行模块12,评估模块构建模块13,评估模型生成模块14,实时噪音采集模块15,实时噪音分析模块16,分析结果执行模块17。
具体实施方式
本申请提供了一种用于汽车车内噪音模型的评估方法及系统,用于针对解决现有技术中对于驾驶员驾车安全提醒局限于统一化行驶道路规定进行驾驶车速限制,无法基于车内噪音的情况进行辅助安全提醒和控制,存在与驾驶员实际驾驶能力和驾驶状态结合度较低的技术问题。达到了结合驾驶环境噪声对于驾驶员辨音能力影响进行限速适应性调整,提高驾车安全性的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种用于汽车车内噪音模型的评估方法,所述方法包括:
S100:获取目标汽车内不同的多种噪音;
具体而言,应理解的,汽车车内噪声是汽车行驶过程中产生的包括由内燃机等机械部件产生的发动机噪声,轮胎地面摩擦产生的路噪,汽车冲破空气幕产生的碰撞摩擦风噪以及外部其他车辆产生的外环境噪声的总称。外环境噪声中部分噪声被车体吸收,部分噪声传导进入车内,可能会造成驾驶员短暂分神或耳鸣,存在影响驾驶员正常驾驶的风险。
在本实施例中,获取目标汽车在不同行驶速度及行驶环境下,汽车内分贝强度不同的多种噪音,分贝数不同的所述多种噪音用于后续模拟汽车驾驶时的车内环境噪声,对驾驶员进行噪音测试。
S200:采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;
进一步的,如图2所示,采用所述多种噪音对目标驾驶员进行噪音测试,本申请提供的方法步骤S200还包括:
S210:在所述多种噪音中,加入预设音源,获得多个测试音源;
S220:采用所述多个测试音源对所述目标驾驶员进行测试,测试所述目标驾驶员能够分辨所述预设音源的情况,获得多个测试结果;
S230:根据所述多个测试结果和所述预设音源进行比对,获得多个准确度测试结果;
S240:根据所述多个准确度测试结果,获得所述驾驶员噪音测试结果。
具体而言,在本实施例中,所述目标驾驶员为所述目标汽车车主等长期驾驶目标汽车的特定人。本实施例进行目标驾驶员噪音测试的方法为,将预设分贝强度且存在一定信息量的音频片段作为目标驾驶员需要进行内容识别的识别音源,将所述多种噪音作为干扰因素,根据识别音源和多种噪音夹杂播放过程中,目标驾驶员对于测试音源中信息内容的识别分辨能力进行目标驾驶员噪音测试的评价。
在本实施例中,所述预设音源优选由新闻广播、无规律数字构成的多个音频片段。将所述预设音源中的多个音频片段随机插入所述多种噪音中,获得多个测试音源。所述多种噪音在插入所述预设音源后,声音分贝强度发生小幅变化。
根据所述多个测试音源中所包含的信息内容建立测试题库,所述测试题库为选择题库包含若干个基于预设音源信息内容设置的选择题和对应的正确答案以及干扰选项。通过对所述目标驾驶员播放所述多个测试音源并在播放完成,后基于所述测试题库随机抽取题目进行测试,获得与多个测试音源具有映射关系的多个测试结果,所述测试结果反应了所述目标驾驶员对于所述预设音源的分辨能力情况。
根据所述多个测试结果的测试准确率量化所述多个测试结果和所述预设音源的比对,获得多个准确度测试结果,将所述多个准确度测试结果,作为所述驾驶员噪音测试结果。
本实施例通过基于测试音源进行测试题库的构建,并通过随机播放预设音源结合抽取题目组合进行驾驶员分辨能力测试,达到了基于音频播放测试,较为科学准确的获知在不同噪音分贝噪声环境下,目标驾驶员的听觉分辨状况,为后续基于目标驾驶员特征进行用于评估噪音对于驾驶员影响的噪声评估模型的构建提供数据基础的技术效果。
S300:根据所述驾驶员噪音测试结果,构建第一噪音评估模块;
进一步的,如图3所示,根据所述驾驶员噪音测试结果,构建第一噪音评估模块,本申请提供的方法步骤S300还包括:
S310:根据所述多种噪音,进行噪音大小区间划分,获得多个噪音大小区间;
S320:根据所述多个准确度测试结果,设置对应的多个警示方式;
S330:构建所述多个警示方式和所述多个噪音大小区间的映射关系,获得所述第一噪音评估模块。
具体而言,所述多种噪音为采集获取目标汽车在不同行驶速度及行驶环境下汽车内分贝强度不同的噪声获得。因而在本实施例中,基于声音分贝测试装置测试获得多种噪音的分贝强度信息,基于所述多种噪音分贝强度进行噪音大小区间划分,获得多个噪音分贝数据连续区间。
预设准确度测试结果与预警强度映射关系,并对于不同预警强度设定警示方式。示例性的,准确度测试结果为正确率在0~30%,设定高级预警,采用声光预警提醒驾驶员;准确度测试结果为正确率在30~60%设定中级预警,采用声音预警提醒驾驶员;准确度测试结果正确率在60~90%设定低级预警,采用光预警提醒驾驶员。
构建所述多个警示方式和所述多个噪音大小区间的映射关系,获得所述第一噪音评估模块,所述第一噪声评估模块对于车内噪声进行评估获得噪声分贝强度,基于噪声分贝强度区间对应的准确度测试结果信息生成对应的警示方式提醒驾驶员进行驾车控制。
本实施例通过获取不同分贝噪声环境下,驾驶目标汽车驾驶员对于音频信息的分辨能力进行预警等级以及警示方法的设定,构建第一噪声评估模型,实现了基于检测到的车内噪声分贝强度即可进行不同等级警示以保障驾驶员处于可正常分辨驾驶信息的安全驾驶噪声环境内的技术效果。
S400:根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;
进一步的,根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,本申请提供的方法步骤S400还包括:
S410:构建噪音危险程度评估单元;
S420:根据所述噪音危险程度评估单元,构建车辆控制评估分支;
S430:连接所述噪音危险程度评估单元和所述车辆控制评估分支,获得所述第二噪音评估模块。
进一步的,根据所述噪音危险程度评估单元,构建车辆控制评估分支,本申请提供的方法步骤S420还包括:
S421:根据所述多个危险程度信息,设置汽车行驶的多个速度阈值信息,所述多个速度阈值信息用以对汽车行驶速度进行不同的限制;
S422:根据所述多个危险程度信息,设置汽车行驶的多个辅助制动方案,所述多个辅助制动方案用以进行不同的汽车行驶辅助制动;
S423:根据所述多个速度阈值信息和多个辅助制动方案,组合获得多个样本第二噪音分析结果;
S424:构建所述多个危险程度信息与所述多个样本第二噪音分析结果的映射关系,获得所述车辆控制评估分支。
具体而言,在本实施例中,所述噪音危险程度评估单元为可根据车内噪音持续时长以及噪音分贝强度评估噪音对于驾驶员的驾驶安全性的影响程度,输出噪音危险程度评估结果的数据分析模块。本实施例对于噪音危险程度评估单元的构建方法不做限制,可通过包括但不限于前馈神经网络进行所述噪音危险程度评估单元的构建。
将所述多种噪音输入所述噪音危险程度评估单元,获得多个危险程度信息,所述危险程度信息通过危险等级进行具象化表达。根据所述多个危险程度信息,设置汽车行驶的多个速度阈值信息,所述多个速度阈值信息用以对汽车行驶速度进行不同的驾驶最高时速限制。示例性的,随着危险等级升高,对应的驾驶最高时速限制越低。
根据所述多个危险程度信息以及对应的速度限制,结合汽车制动流程和制动参数,设置汽车行驶的多个辅助制动方案,所述多个辅助制动方案用以进行不同的汽车行驶辅助制动。示例性地,辅助制动方案包括前方不同距离内存在车辆减速或刹停时,辅助控制目标汽车进行刹车减速,其中,危险等级越高,则辅助控制进行刹车减速的距离越长。
根据所述多个速度阈值信息和多个辅助制动方案,组合获得多个样本第二噪音分析结果,构建所述多个危险程度信息与所述多个样本第二噪音分析结果的映射关系,获得所述车辆控制评估分支,连接所述噪音危险程度评估单元和所述车辆控制评估分支,获得所述第二噪音评估模块。所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型。
本实施例通过根据噪音情况进行车辆制动限制的速度阈值信息,并根据目标汽车的车辆制动方法和制动参数生成多组速度阈值信息与辅助制动方案,获得第二噪音评估模块,实现了基于车辆行驶时车内噪音自动调整车辆限速要求,实现避免车内噪音引起的驾驶员声音辨别力降低造成的安全事故发生的概率的技术效果。
S500:采集获取当前目标汽车车内的噪音,获得实时噪音信息;
S600:将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;
具体而言,在本实施例中,在目标驾驶员驾驶目标汽车过程中,动态实时采集获得目标汽车的车内噪音,获得实时噪音信息,将所述实时噪音信息输入第一噪音评估模块,获得第一噪音分析结果,所述第一噪音分析结果为对应实时噪声信息的等级警示信息,用于提醒目标驾驶员当前噪声对于驾驶安全性的影响程度,以提高驾驶员的主观驾驶谨慎度。
将所述实时噪声信息输第二噪音评估模块,获得第二噪音分析结果,所述第二噪声分析结果用于给出当前车况下的目标汽车辅助制动方案。
S700:根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。
在本实施例中,根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制,以保障在不同车内噪声强度下,目标驾驶员始终处于安全驾驶状态。
本实施例提供的方法通过获取目标汽车内不同的多种噪音,用于后续模拟汽车驾驶时的车内环境噪声,对驾驶员进行噪音测试;采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车,为后续基于目标驾驶员特征进行用于评估噪音对于驾驶员影响的噪声评估模型的构建提供数据基础;根据所述驾驶员噪音测试结果,构建第一噪音评估模块,实现了基于检测到的车内噪声分贝强度即可进行不同等级警示以保障驾驶员处于可正常分辨驾驶信息的安全驾驶噪声环境内;根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型,实现了基于车辆行驶时车内噪音自动调整车辆限速要求,实现避免车内噪音引起的驾驶员声音辨别力降低造成的安全事故发生的概率;采集获取当前目标汽车车内的噪音,获得实时噪音信息;将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。达到了结合驾驶环境噪声对于驾驶员辨音能力影响进行限速适应性调整,提高驾车安全性的技术效果。
进一步的,所述构建噪音危险程度评估单元,本申请提供的方法步骤S410还包括:
S411:根据所述多种噪音,获取多个噪音大小信息和多个噪音长度信息;
S412:对所述多种噪音进行噪音危险程度分析,获得多个危险程度信息;
S413:采用所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息,构建所述噪音危险程度评估单元。
进一步的,采用所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息,构建所述噪音危险程度评估单元,本申请提供的方法步骤S413还包括:
S413-1:对所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息进行数据标识和划分,获得构建数据集;
S413-2:按照预设划分规则,对所述构建数据集进行划分,获得训练集、验证集和测试集;
S413-3:基于前馈神经网络,构建所述噪音危险程度评估单元的神经网络结构,所述噪音危险程度评估单元的输入数据为噪音大小信息和噪音长度信息,输出数据为危险程度信息;
S413-4:采用所述训练集对所述噪音危险程度评估单元进行迭代监督训练,直到所述噪音危险程度评估单元的准确率符合预设要求;
S413-5:采用所述验证集和测试集,对所述噪音危险程度评估单元进行验证和检测,判断所述噪音危险程度评估单元的准确率是否符合预设要求,若是,则获得构建完成的所述噪音危险程度评估单元,若否,则对所述噪音危险程度评估单元继续进行监督训练。
具体而言,在本实施例中,所述噪音危险程度评估单元为可根据车内噪音持续时长以及噪音分贝强度评估噪音对于驾驶员的驾驶安全性的影响程度,输出噪音危险程度评估结果的数据分析模块。所述噪音长度信息即噪音持续时间长度,所述噪音大小信息即在所述噪音长度信息内,车内噪音的平均分贝数据。
本实施例对于所述噪音危险程度评估单元的构建方法不作任何限制,优选的,基于所述多种噪音,提取获得获取多个噪音大小信息和多个噪音长度信息,所述多个噪音大小信息、多个噪音长度信息与所述多种噪音具有映射关系。
基于汽车降噪领域技术人员经验以及耳科领域专业人员经验,基于噪音大小和噪音长度对所述多种噪音进行噪音危险程度分析,获得多个危险程度信息,所述多个危险程度信息与多种噪音相对应,所述危险程度信息反映了噪音对于驾驶人员声音辨识能力的影响程度状况。
对所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息进行数据标识和划分,获得对所述噪音危险程度评估单元进行模型构建和训练的构建数据集。
按照预设划分规则,对所述构建数据集进行划分,具体的,将所述多个噪音大小信息、多个噪音长度信息划分为训练集,将所述多个危险程度信息划分为验证集,将部分噪音大小信息、噪音长度信息和危险程度信息划分为测试集,获得训练集、验证集和测试集。
基于前馈神经网络,构建所述噪音危险程度评估单元的神经网络结构,所述噪音危险程度评估单元的输入数据为噪音大小信息和噪音长度信息,输出数据为危险程度信息,采用所述训练集对所述噪音危险程度评估单元进行迭代监督训练,直到所述噪音危险程度评估单元输出危险程度信息的准确率符合预设输出准确率要求。
采用所述验证集和测试集,对所述噪音危险程度评估单元进行验证和检测,判断所述噪音危险程度评估单元的准确率是否符合预设要求,若是,则获得构建完成的所述噪音危险程度评估单元,若否,则对所述噪音危险程度评估单元继续进行监督训练。
本实施例通过获取多种噪音,并通过数据采集装置获得多种噪音的噪音持续时长和噪音平均分贝强度信息,基于人工经验进行多种噪音对于驾驶人员声音分辨能力影响程度评估,作为训练数据进行基于前馈神经网络构建的噪音危险程度评估单元的训练验证,达到了获得可基于噪声大小和噪声时长信息即可准确高效获知车内噪声对于驾驶员声音分辨能力的影响程度输出结果的技术效果。
实施例二
基于与前述实施例中一种用于汽车车内噪音模型的评估方法相同的发明构思,如图4所示,本申请提供了一种用于汽车车内噪音模型的评估系统,其中,所述系统包括:
汽车噪声采集模块11,用于获取目标汽车内不同的多种噪音;
噪音测试执行模块12,用于采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;
评估模块构建模块13,用于根据所述驾驶员噪音测试结果,构建第一噪音评估模块;
评估模型生成模块14,用于根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;
实时噪音采集模块15,用于采集获取当前目标汽车车内的噪音,获得实时噪音信息;
实时噪音分析模块16,用于将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果;
分析结果执行模块17,用于根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制。
进一步的,所述噪音测试执行模块12还包括:
测试音源获得单元,用于在所述多种噪音中,加入预设音源,获得多个测试音源;
测试音源应用单元,用于采用所述多个测试音源对所述目标驾驶员进行测试,测试所述目标驾驶员能够分辨所述预设音源的情况,获得多个测试结果;
测试结果比对单元,用于根据所述多个测试结果和所述预设音源进行比对,获得多个准确度测试结果;
测试结果获得单元,用于根据所述多个准确度测试结果,获得所述驾驶员噪音测试结果。
进一步的,所述评估模块构建模块13还包括:
噪音划分执行单元,用于根据所述多种噪音,进行噪音大小区间划分,获得多个噪音大小区间;
警示方式设定单元,用于根据所述多个准确度测试结果,设置对应的多个警示方式;
评估模块构建单元,用于构建所述多个警示方式和所述多个噪音大小区间的映射关系,获得所述第一噪音评估模块。
进一步的,所述评估模型生成模块14还包括:
噪音危险评估单元,用于构建噪音危险程度评估单元;
评估分支构建单元,用于根据所述噪音危险程度评估单元,构建车辆控制评估分支;
评估模块建立单元,用于连接所述噪音危险程度评估单元和所述车辆控制评估分支,获得所述第二噪音评估模块。
进一步的,所述噪音危险评估单元还包括:
噪音信息获得单元,用于根据所述多种噪音,获取多个噪音大小信息和多个噪音长度信息;
危险程度分析单元,用于对所述多种噪音进行噪音危险程度分析,获得多个危险程度信息;
危险程度评估单元,用于采用所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息,构建所述噪音危险程度评估单元。
进一步的,所述危险程度评估单元还包括:
数据处理执行单元,用于对所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息进行数据标识和划分,获得构建数据集;
数据标识划分单元,用于按照预设划分规则,对所述构建数据集进行划分,获得训练集、验证集和测试集;
数据模型构建单元,用于基于前馈神经网络,构建所述噪音危险程度评估单元的神经网络结构,所述噪音危险程度评估单元的输入数据为噪音大小信息和噪音长度信息,输出数据为危险程度信息;
模型训练执行单元,用于采用所述训练集对所述噪音危险程度评估单元进行迭代监督训练,直到所述噪音危险程度评估单元的准确率符合预设要求;
模型训练评估单元,用于采用所述验证集和测试集,对所述噪音危险程度评估单元进行验证和检测,判断所述噪音危险程度评估单元的准确率是否符合预设要求,若是,则获得构建完成的所述噪音危险程度评估单元,若否,则对所述噪音危险程度评估单元继续进行监督训练。
进一步的,所述评估分支构建单元还包括:
速度阈值设定单元,用于根据所述多个危险程度信息,设置汽车行驶的多个速度阈值信息,所述多个速度阈值信息用以对汽车行驶速度进行不同的限制;
制动方案设置单元,用于根据所述多个危险程度信息,设置汽车行驶的多个辅助制动方案,所述多个辅助制动方案用以进行不同的汽车行驶辅助制动;
分析结果获得单元,用于根据所述多个速度阈值信息和多个辅助制动方案,组合获得多个样本第二噪音分析结果;
评估分支生成单元,用于构建所述多个危险程度信息与所述多个样本第二噪音分析结果的映射关系,获得所述车辆控制评估分支。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。

Claims (4)

1.一种用于汽车车内的噪音评估方法,其特征在于,所述方法包括:
获取目标汽车内不同的多种噪音;
采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;
根据所述驾驶员噪音测试结果,构建第一噪音评估模块,所述第一噪声评估模块对于车内噪声进行评估获得噪声分贝强度,基于噪声分贝强度区间对应的准确度测试结果信息生成对应的警示方式提醒驾驶员进行驾车控制;
根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第二噪音评估模块是根据噪音情况进行车辆制动限制的速度阈值信息,并根据目标汽车的车辆制动方法和制动参数生成多组速度阈值信息与辅助制动方案获得的,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;
采集获取当前目标汽车车内的噪音,获得实时噪音信息;
将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果,所述第一噪音分析结果为对应实时噪声信息的等级警示信息,用于提醒目标驾驶员当前噪声对于驾驶安全性的影响程度,以提高驾驶员的主观驾驶谨慎度,所述第二噪声分析结果用于给出当前车况下的目标汽车辅助制动方案;
根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制;
其中,采用所述多种噪音对目标驾驶员进行噪音测试,包括:
在所述多种噪音中,加入预设音源,获得多个测试音源;
采用所述多个测试音源对所述目标驾驶员进行测试,测试所述目标驾驶员能够分辨所述预设音源的情况,获得多个测试结果;
根据所述多个测试结果和所述预设音源进行比对,获得多个准确度测试结果;
根据所述多个准确度测试结果,获得所述驾驶员噪音测试结果。
2.根据权利要求1所述的方法,其特征在于,根据所述驾驶员噪音测试结果,构建第一噪音评估模块,包括:
根据所述多种噪音,进行噪音大小区间划分,获得多个噪音大小区间;
根据所述多个准确度测试结果,设置对应的多个警示方式;
基于噪声分贝强度区间对应的准确度测试结果信息生成对应的警示方式;
构建所述多个警示方式和所述多个噪音大小区间的映射关系,获得所述第一噪音评估模块。
3.根据权利要求2所述的方法,其特征在于,根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,包括:
构建噪音危险程度评估单元,所述噪音危险程度评估单元为可根据车内噪音持续时长以及噪音分贝强度评估噪音对于驾驶员的驾驶安全性的影响程度,输出噪音危险程度评估结果的数据分析模块;
根据所述噪音危险程度评估单元,构建车辆控制评估分支,所述车辆控制评估分支为多个危险程度信息与所述多个样本第二噪音分析结果的映射关系结果;
连接所述噪音危险程度评估单元和所述车辆控制评估分支,获得所述第二噪音评估模块;
所述构建噪音危险程度评估单元,包括:
根据所述多种噪音,获取多个噪音大小信息和多个噪音长度信息;
对所述多种噪音进行噪音危险程度分析,获得多个危险程度信息;
采用所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息,构建所述噪音危险程度评估单元;
其中,采用所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息,构建所述噪音危险程度评估单元,包括:
对所述多个噪音大小信息、多个噪音长度信息和所述多个危险程度信息进行数据标识和划分,获得构建数据集;
按照预设划分规则,对所述构建数据集进行划分,获得训练集、验证集和测试集;
基于前馈神经网络,构建所述噪音危险程度评估单元的神经网络结构,所述噪音危险程度评估单元的输入数据为噪音大小信息和噪音长度信息,输出数据为危险程度信息;
采用所述训练集对所述噪音危险程度评估单元进行迭代监督训练,直到所述噪音危险程度评估单元的准确率符合预设要求;
采用所述验证集和测试集,对所述噪音危险程度评估单元进行验证和检测,判断所述噪音危险程度评估单元的准确率是否符合预设要求,若是,则获得构建完成的所述噪音危险程度评估单元,若否,则对所述噪音危险程度评估单元继续进行监督训练;
根据所述噪音危险程度评估单元,构建车辆控制评估分支,包括:
根据所述多个危险程度信息,设置汽车行驶的多个速度阈值信息,所述多个速度阈值信息用以对汽车行驶速度进行不同的限制;
根据所述多个危险程度信息,设置汽车行驶的多个辅助制动方案,所述多个辅助制动方案用以进行不同的汽车行驶辅助制动;
根据所述多个速度阈值信息和多个辅助制动方案,组合获得多个样本第二噪音分析结果;
构建所述多个危险程度信息与所述多个样本第二噪音分析结果的映射关系,获得所述车辆控制评估分支。
4.一种用于汽车车内噪音模型的评估系统,其特征在于,所述系统包括:
汽车噪声采集模块,用于获取目标汽车内不同的多种噪音;
噪音测试执行模块,用于采用所述多种噪音对目标驾驶员进行噪音测试,获得驾驶员噪音测试结果,其中,所述目标驾驶员驾驶所述目标汽车;
评估模块构建模块,用于根据所述驾驶员噪音测试结果,构建第一噪音评估模块,所述第一噪声评估模块对于车内噪声进行评估获得噪声分贝强度,基于噪声分贝强度区间对应的准确度测试结果信息生成对应的警示方式提醒驾驶员进行驾车控制;
评估模型生成模块,用于根据所述多种噪音和所述驾驶员噪音测试结果,构建第二噪音评估模块,所述第二噪音评估模块是根据噪音情况进行车辆制动限制的速度阈值信息,并根据目标汽车的车辆制动方法和制动参数生成多组速度阈值信息与辅助制动方案获得的,所述第一噪音评估模块和所述第二噪音评估模块组成综合噪音评估模型;
实时噪音采集模块,用于采集获取当前目标汽车车内的噪音,获得实时噪音信息;
实时噪音分析模块,用于将所述实时噪音信息输入所述综合噪音评估模型,获得第一噪音分析结果和第二噪音分析结果,所述第一噪音分析结果为对应实时噪声信息的等级警示信息,用于提醒目标驾驶员当前噪声对于驾驶安全性的影响程度,以提高驾驶员的主观驾驶谨慎度,所述第二噪声分析结果用于给出当前车况下的目标汽车辅助制动方案;
分析结果执行模块,用于根据所述第一噪音分析结果,对所述目标驾驶员进行警示提醒,根据所述第二噪音分析结果,对所述目标汽车进行控制;
所述噪音测试执行模块还包括:
测试音源获得单元,用于在所述多种噪音中,加入预设音源,获得多个测试音源;
测试音源应用单元,用于采用所述多个测试音源对所述目标驾驶员进行测试,测试所述目标驾驶员能够分辨所述预设音源的情况,获得多个测试结果;
测试结果比对单元,用于根据所述多个测试结果和所述预设音源进行比对,获得多个准确度测试结果;
测试结果获得单元,用于根据所述多个准确度测试结果,获得所述驾驶员噪音测试结果。
CN202211445368.XA 2022-11-18 2022-11-18 一种用于汽车车内噪音模型的评估方法及系统 Active CN115762572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211445368.XA CN115762572B (zh) 2022-11-18 2022-11-18 一种用于汽车车内噪音模型的评估方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211445368.XA CN115762572B (zh) 2022-11-18 2022-11-18 一种用于汽车车内噪音模型的评估方法及系统

Publications (2)

Publication Number Publication Date
CN115762572A CN115762572A (zh) 2023-03-07
CN115762572B true CN115762572B (zh) 2024-01-02

Family

ID=85373162

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211445368.XA Active CN115762572B (zh) 2022-11-18 2022-11-18 一种用于汽车车内噪音模型的评估方法及系统

Country Status (1)

Country Link
CN (1) CN115762572B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH092152A (ja) * 1995-06-16 1997-01-07 Fuji Heavy Ind Ltd 警報装置
JP2015230501A (ja) * 2014-06-03 2015-12-21 矢崎総業株式会社 制御装置
CN107054521A (zh) * 2017-05-19 2017-08-18 合肥工业大学 电动汽车遇行人或骑乘者的多级预警系统
CN110057441A (zh) * 2018-01-19 2019-07-26 Zf 腓德烈斯哈芬股份公司 危险噪声的检测
CN110310514A (zh) * 2018-03-20 2019-10-08 Zf 腓德烈斯哈芬股份公司 对听力受损的驾驶员的支持
CN111650557A (zh) * 2019-03-04 2020-09-11 丰田自动车株式会社 驾驶辅助系统
CN113460060A (zh) * 2021-08-20 2021-10-01 武汉霖汐科技有限公司 驾驶员疲劳程度评估系统、控制方法及存储介质
CN215374510U (zh) * 2021-04-02 2021-12-31 奇瑞新能源汽车股份有限公司 汽车制动噪音的路试系统
CN115112383A (zh) * 2021-03-17 2022-09-27 华晨宝马汽车有限公司 用于车辆噪声性能的评价系统和方法
CN115186000A (zh) * 2021-04-02 2022-10-14 华晨宝马汽车有限公司 基于客观测试确定车辆异响的主观评价的方法和设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9764689B2 (en) * 2014-10-08 2017-09-19 Livio, Inc. System and method for monitoring driving behavior
US11646049B2 (en) * 2021-05-04 2023-05-09 Verizon Connect Development Limited Systems and methods for utilizing models to predict hazardous driving conditions based on audio data

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH092152A (ja) * 1995-06-16 1997-01-07 Fuji Heavy Ind Ltd 警報装置
JP2015230501A (ja) * 2014-06-03 2015-12-21 矢崎総業株式会社 制御装置
CN107054521A (zh) * 2017-05-19 2017-08-18 合肥工业大学 电动汽车遇行人或骑乘者的多级预警系统
CN110057441A (zh) * 2018-01-19 2019-07-26 Zf 腓德烈斯哈芬股份公司 危险噪声的检测
CN110310514A (zh) * 2018-03-20 2019-10-08 Zf 腓德烈斯哈芬股份公司 对听力受损的驾驶员的支持
CN111650557A (zh) * 2019-03-04 2020-09-11 丰田自动车株式会社 驾驶辅助系统
CN115112383A (zh) * 2021-03-17 2022-09-27 华晨宝马汽车有限公司 用于车辆噪声性能的评价系统和方法
CN215374510U (zh) * 2021-04-02 2021-12-31 奇瑞新能源汽车股份有限公司 汽车制动噪音的路试系统
CN115186000A (zh) * 2021-04-02 2022-10-14 华晨宝马汽车有限公司 基于客观测试确定车辆异响的主观评价的方法和设备
CN113460060A (zh) * 2021-08-20 2021-10-01 武汉霖汐科技有限公司 驾驶员疲劳程度评估系统、控制方法及存储介质

Also Published As

Publication number Publication date
CN115762572A (zh) 2023-03-07

Similar Documents

Publication Publication Date Title
CN106933146B (zh) 电动轿车行人警示音控制方法
US7227472B1 (en) Multistage safety screening of equipment operators
Garay-Vega et al. Quieter Cars and the Safety of Blind Pedestrians: Phase 1.
CN107364446B (zh) 操作机动车辆的方法
CN113753059B (zh) 一种自动驾驶系统下的驾驶人接管能力预测方法
Lemaitre et al. A psychoacoustical study of wind buffeting noise
CN112071309B (zh) 网约车安全监测装置及系统
CN112986073B (zh) 一种颗粒物检测方法、装置和尾气检测系统
CN112937520A (zh) 车辆的紧急制动方法、装置、商用车及存储介质
CN115762572B (zh) 一种用于汽车车内噪音模型的评估方法及系统
CN106904122A (zh) 车辆语音警示方法和装置
CN114856363B (zh) 一种基于神经网络的车窗透气控制方法、装置及车辆
KR20150031051A (ko) 부주의 운전 판정 장치 및 그 방법
CN113722688A (zh) 一种驾驶员身份验证方法、系统
CN116461513B (zh) 车辆及其碰撞预警方法
Rossi et al. A comparative simulator study of reaction times to yellow traffic light under manual and automated driving
CN114155742B (zh) 一种网联车纵向行车风险评估和预警方法
KR20170039514A (ko) 운전 적성검사 시스템
CN114763097A (zh) 一种车外鸣笛智能警示控制方法和系统
Murray et al. Automated Identification of Vehicular Accidents from Acoustic Signals Using Artificial Neural Networks.
Steinbach et al. Evaluation of Multiple Electric Vehicle Sources and New Concepts Regarding Speed-Dependency
CN114544201B (zh) 车辆制动性能的测评方法、装置、车辆及存储介质
Genuit E-Mobility–The Silent Revolution
CN117370961B (zh) 一种车辆语音交互方法及系统
Effa et al. EVALUATING ACOUSTIC ALARM AUDIBILITY IN NOISY ENVIRONMENTS: AN AUTOMATIC APPROACH USING DEEP LEARNING

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