CN115798074A - 一种车辆工况数据生成方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种车辆工况数据生成方法、装置、设备及存储介质。该方法包括：对原始车速数据进行滤波处理，得到有效车速数据，并依据有效车速数据，对第一高程数据进行修正，得到第二高程数据；第一高程数据由原始高程数据进行数据清洗得到；第二高程数据进行滤波处理，得到第三高程数据；有效车速数据，确定加速度数据，并加速度数据，对第三高程数据进行修正，得到第四高程数据；依据第四高程数据和有效车速数据，确定初始坡度数据，依据初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据目标高程数据生成车辆工况数据。本发明实施例的技术方案，可以还原车辆行驶过程中的工况数据。

Description

一种车辆工况数据生成方法、装置、设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种车辆工况数据生成方法、装置、设备及存储介质。

背景技术

经济性指标是车辆开发过程中最重要的性能指标之一，目前用于评价整车经济性优劣的方法主要以车辆行驶工况经济性指标为主。

车辆行驶工况是反映在特定交通环境下车辆行驶的运动学特征，车辆工况以速度-时间、高程值-时间以及坡度-时间等作为表现形式。为了发挥整车经济性优势，需要具体工况具体分析，因此，基于特定用户行驶数据生成特定工况下的车辆工况数据对于整车开发环节十分重要。

发明内容

本发明提供了一种车辆工况数据生成方法、装置、设备及存储介质，可以根据原始车速和高程数据生成车辆工况数据，还原车辆行驶过程中的工况数据，在车辆性能开发过程起到辅助作用。

根据本发明的一方面，提供了一种车辆工况数据生成方法，包括：

对原始车速数据进行滤波处理，得到有效车速数据，并依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据；所述第一高程数据由原始高程数据进行数据清洗得到；

对所述第二高程数据进行滤波处理，得到第三高程数据；

基于所述有效车速数据，确定加速度数据，并基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据；

依据第四高程数据和所述有效车速数据，确定初始坡度数据，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据所述目标高程数据生成车辆工况数据。

根据本发明的另一方面，提供了一种车辆工况数据生成装置，包括：

第二高程数据确定模块，用于对原始车速数据进行滤波处理，得到有效车速数据，并依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据；所述第一高程数据由原始高程数据进行数据清洗得到；

第三高程数据确定模块，用于对所述第二高程数据进行滤波处理，得到第三高程数据；

第四高程数据确定模块，用于基于所述有效车速数据，确定加速度数据，并基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据；

车辆工况数据生成模块，用于依据第四高程数据和所述有效车速数据，确定初始坡度数据，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据所述目标高程数据生成车辆工况数据。

根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆工况数据生成方法。

根据本发明的另一方面，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指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆工况数据生成方法。

本发明实施例的技术方案，分别通过车辆的有效车速数据、滤波处理、加速度数据以及坡度数据，对车辆行驶路线的高程数据进行多轮修正，并依据修正得到的目标高程数据生成车辆工况数据，可以依据车辆在特定工况下行驶的车辆工况数据，辅助进行整车开发。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

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的前提下，还可以根据这些附图获得其他的附图。

图1是根据本发明实施例一提供的一种车辆工况数据生成方法的流程图；

图2a是根据本发明实施例二提供的一种车辆工况数据生成方法的流程图；

图2b是根据本发明实施例二提供的车辆工况数据生成的场景图；

图3是根据本发明实施例三提供的一种车辆工况数据生成装置的结构示意图；

图4是实现本发明实施例的车辆工况数据生成方法的电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例一

图1为本发明实施例一提供了一种车辆工况数据生成方法的流程图，本实施例可适用于将车辆相识路线的车速和高程值进行修正处理，还原车辆工况数据的情况，该方法可以用于能够获取车辆行驶数据的大数据平台。

本实施例中涉及到的方法可以由车辆工况数据生成装置来执行，该车辆工况数据生成装置可以采用硬件和/或软件的形式实现，该车辆工况数据生成装置可配置于各种通用计算设备中。如图1所示，该方法包括：

S110、对原始车速数据进行滤波处理，得到有效车速数据，并依据有效车速数据，对第一高程数据进行修正，得到第二高程数据；第一高程数据由原始高程数据进行数据清洗得到。

原始车速数据是车辆按照设定采样周期采集并上传至大数据平台的车辆速度数据。示例性的，由部署在车辆上的车速传感器在车辆行驶过程中每2秒采集一次车速，由车辆行驶全程中采集到的车速集合构成原始车速数据。

原始高程数据是按照设定采样周期采集并上传至大数据平台的车辆所行驶道路的高程值。示例性的，在车辆行驶过程中每5秒采集一次车辆当前所在道路的高程值，最终由车辆行驶全称中采集到的高程值集合构成原始高程数据。

第一高程数据是由原始高程数据进行数据清洗得到。示例性的，依据有效高程值范围，在原始高程数据中筛选出有效高程数据和无效高程数据，并去除无效高程数据。

本发明实施例中，为了避免因车速数据在采集过程或者传输过程中部分丢失导致的异常，首先对原始车速数据进行滤波处理，得到有效车速数据，进而根据有效车速数据对第一高程数据进行修正，得到第二高程数据。具体的，可以通过移动平均方法对原始车速数据进行滤波，得到有效车速数据。进一步的，可以依据车辆的配置信息，对滤波后的有效车速进行判定，若最高车速、最大加速度以及最大制动减速度满足车辆技术参数，则可以依据有效车速数据，对第一高程数据进行修正。否则，修改车速滤波参数，重新进行车速滤波处理，直至得到的有效车速数据中最高车速、最大加速度以及最大制动减速度满足车辆技术参数后，进行第一高程数据修正。

其中，依据有效车速数据对第一高程数据进行修正具体可以是：在车速为0的时间区间中，采集到的高程值为定值；车辆在路段中行驶速度低于设定阈值，则该路段的高程变化率低于变化率阈值。

在一个具体的例子中，首先依据车辆参数中的车辆最大速度限值，对原始车速数据进行数据清洗，去除无效车速数据。进而通过移动平均值方法对清洗后的原始车速数据进行滤波处理，防止车速部分信号修饰导致的异常，具体的车速滤波公式如下：

其中，V_t+1是在t+1时刻采集的车速，N为移动平均项数，V_t+i是t+i时刻采集的车速。

值得注意的是，移动平均项数N可以依据车辆工况进行调整，例如，在城市或山区工况下，将N设置为偏大数值以提高数据质量。在高速或者平原工况下，将N值设置为偏小数值以避免过度修正。

在完成原始数据的滤波处理后，得到有效车速数据。依据有效车速数据，对第一高程数据进行修正，得到第二高程数据。例如，车辆在行驶至第1小时到1小时5分钟的时间区间内，速度为0，则在该时间区间内采集到的高程值应为定值，若不为定值，则需要将该时间区间内的高程值修正为定值。又示例性的，若在车辆行驶至1小时5分钟到1小时15分钟的时间区间内，速度小于20千米/小时，则在该时间区间内采集到的高程值变化率小于2％，若高程值变化率大于2％，则需要按照变化率2％对该时间区间内采集到的高程值进行修正。

S120、对第二高程数据进行滤波处理，得到第三高程数据。

本发明实施例中，在依据有效车速数据对第一高程数据进行修正，得到第二高程数据后，为提高高程数据的准确度，进一步对第二高程数据进行滤波处理，得到第三高程数据。

具体的，对第二高程数据进行滤波处理可以包括对第二高程数据进行异常值检测，例如，检测在行驶过程中突变为0的高程值，以及与相邻采样点的高程值的差值大于变化阈值的高程值，并将这些检测到的高程值作为异常高程值。针对这些异常高程值，可以选取包含上述异常值的修正区间，并通过修正区间中首位采样点和末位采样点的高程值，构建等差数列，最终依据等差数列中的数值对异常高程值进行修正。

在进行异常值修正后，可以进一步通过标准差滤波来确定有效高程数据，并将无效高程数据补0。在完成标准差滤波后，进一步通过移动平均低通滤波，其中，移动平均项数依据车辆当前所处工况确定。例如，在城市或山区工况下，将N设置为偏大数值以提高数据质量。在高速或者平原工况下，将N值设置为偏小数值以避免过度修正。

S130、基于有效车速数据，确定加速度数据，并基于加速度数据，对第三高程数据进行修正，得到第四高程数据。

本发明实施例中，得到第三高程数据之后，进一步基于有效车速数据，计算车辆的加速度数据，进而基于加速度数据对第三高程数据进一步修正，得到第四高程数据。具体的，高程传感器在车辆起步、急刹车或者频繁起停等加速度数据波动较大区间的数据波动较大，会引入一些错误高程值。本实施例中，判断车辆加速度数据分布范围，提取加速度百分位数，针对加速度绝对值大于设定阈值的区间，进行高程值修正，具体的，可以将加速度绝对值大于设定阈值的区间中高程值设置为0。

S140、依据第四高程数据和有效车速数据，确定初始坡度数据，依据初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据目标高程数据生成车辆工况数据。

本发明实施例中，在对第一高程数据分别进行基于车速修正、滤波处理修正以及基于加速度修正后，得到第四高程数据，一步的，可以基于坡度数据再次，对第四高程数据进行修正。具体的，首先依据有效车速数据和车速数据的采集时间计算距离信息，进一步的，基于距离信息和第四高程数据计算车辆行驶路线中的初始坡度数据。进而查询初始坡度数据中坡度值正负波动大于设定阈值的时间区间，并将该时间区间内的高程数据进行修正，例如，可以通过该时间区间内首位采样点和末位采样点的高程值，构建等差数列，并依据等差数列中的数值来修正该时间区间内各采样点的高程值。在高程值修正后，依据修正后的高程值再次计算坡度数据，并根据预先设定的有效坡度判定条件判断各采样点的坡度值是否有效。在坡度值有效的情况下，依据该坡度值还原高程数据，并输出还原得到的高程数据、有效车速数据以及有效的坡度数据，作为车辆工况数据。在坡度值无效的情况下，可以返回至S120，重复执行对高程数据进行滤波处理的操作。

本发明实施例的技术方案，分别通过车辆的有效车速数据、滤波处理、加速度数据以及坡度数据，对车辆行驶路线的高程数据进行多轮修正，并依据修正得到的目标高程数据生成车辆工况数据，可以依据车辆在特定工况下行驶的车辆工况数据，辅助进行整车开发。

实施例二

图2a为本发明实施例二提供的一种车辆工况数据生成方法的流程图在上述实施例的基础上进一步细化，提供了依据有效车速数据，对第一高程数据进行修正的具体步骤，对第二高程数据进行滤波处理，得到第三高程数据的具体步骤，基于加速度数据，对第三高程数据进行修正，得到第四高程数据的具体步骤，以及依据初始坡度数据对第四高程数据进行修正，得到目标高程数据的具体步骤。如图2a所示，该方法包括：

S210、根据车辆定位信息，确定与车辆所在位置关联的第一异常高程值判定条件。

第一异常高程值判定条件是用于判断第一高程数据中包含的高程值是否属于异常高程值，第一异常高程值判定条件是与车辆所在位置关联的判断条件，车辆行驶在不同位置时，对应的第一异常高程值判定条件不同。第一异常高程值判定条件可以包括有效高程值范围和有效高程变化率范围。示例性的，车辆行驶在平原工况下和车辆行驶在山区工况下，对应的第一异常高程值判定条件不同。

本发明实施例中，在车辆行驶过程中，可以通过全球定位系统(GlobalPositioning System，简称GPS)获取车辆定位信息，并依据车辆定为信息，在数据库查询与车辆当前所在位置关联的第一异常高程值判定条件。示例性的，根据车辆定位信息，可以确定车辆所在位置属于丘陵，则可以获取与丘陵工况所匹配的第一异常高程值判定条件。

S220、依据第一异常高程值判定条件，对原始高程数据进行数据清洗，得到第一高程数据。

本发明实施例中，在获取到与车辆所在位置关联的第一异常高程值判定条件后，依据第一异常高程值判定条件，对车辆上传的原始高程数据进行数据清洗，修正其中的异常高程值。具体的，可以根据第一异常高程值判定条件中的有效高程值范围，确定原始高程数据中的异常高程值，并通过异常高程值两侧相邻高程值的平均值来替换该异常高程值。还可以是根据第一异常高程值判定条件中的有效高程变化率范围，确定变化率超出该范围的异常高程值，并依据有效高程变化率范围中的边界值，来修正变化率超出范围的异常高程值。

可选的，第一异常高程值判定条件包括有效高程值范围以及有效高程变化率范围；

依据第一异常高程值判定条件，对原始高程数据进行数据清洗，得到第一高程数据，包括：

依据有效高程值范围，在原始高程数据中确定第一异常高程值，并依据第一异常高程值两侧相邻的设定数量的高程值，对第一异常高程值进行修正；

依据有效高程变化率范围，在经过第一异常高程值修正后的高程数据中，确定第二异常高程值，并依据有效高程变化率范围的边界值，对第二异常高程值进行修正，得到第一高程数据。

本可选的实施例中，第一异常高程值判定条件包括有效高程值范围以及有效高程变化率范围。进一步的，本可选的实施例提供了依据第一异常高程值判定条件，对原始高程数据进行数据清洗，得到第一高程数据的具体方式：首先依据有效高程值范围，在原始高程数据中确定第一异常高程值，并依据第一异常高程值两侧相邻的设定数量的高程值，对第一异常高程值进行修正。进一步的，依据有效高程变化率范围，在经过第一异常高程值修正后的高程数据中，确定第二异常高程值，并依据有效高程变化率范围的边界值，对第二异常高程值进行修正，得到第一高程数据。

在一个具体的例子中，第一异常高程值判定条件中包括有效高程值范围是[150,200]，有效高程变化率范围是5％。首先，在原始高程数据中包含采样点A、B、C、D和E，其对应的高程值分别是170、170、240、180和180。显然，C点的高程值不在有效高程值范围内，即可确定C点对应的高程值为第一异常高程值。进一步的，可以计算第一异常高程值两侧相邻高程值的平均值来替换该第一异常高程值，也就是说可以在C点左右两侧分别取2个采样点，即A、B、D和E，求取这4个点对应高程值的平均值，并用平均值来替换C点原始的高程值。

进一步的，在经过第一异常高程值修正后的高程数据中，查找高程变化率超过5％的采样点，并将这些采样点关联的高程值作为第二异常高程值。并将第二异常高程值关联采样点的变化率设置为5％(即范围边界数据值)，重新确定高程值，最终将经过第二异常高程值修正后的高程数据作为第一高程数据。

值得注意的是，为了减少依据第一异常高程值判定条件进行数据清洗的工作量，如图2b所示，在S210之前，对原始高程数据进行初步数据清洗，具体的，可以依据国内高程值合理范围，来筛选原始高程数据中的异常高程值，并将异常高程值进行补0。

在进行初步数据清洗后，可以依据高程数据平均值以及国内高程值合理范围，进一步缩小有效范围，并依据缩小后的有效范围再次对高程数据进行二次数据清洗。具体有效范围计算方式如下：

其中，h_high是缩小后的有效范围上限，h_low是缩小后的有效范围下限，h_hlimt是国内高程值合理范围上限，h_llimt是国内高程值合理范围下限，h_i是在i时刻的高程值。

S230、对原始车速数据进行滤波处理，得到有效车速数据，并依据有效车速数据，对第一高程数据进行修正，得到第二高程数据。

本发明实施例中，通过移动平均法对原始车速数据进行滤波处理，在滤波处理后可以依据车辆的技术参数，判断滤波后的车速数据是否有效。例如，依据车辆允许的最高车速、最大加速度和最大制动减速度确定滤波后的车速数据是否有效。在有效的情况下，依据车速数据对第一高程数据进行修正，否则，返回执行对原始车速数据进行滤波处理的操作。

可选的，依据有效车速数据，对第一高程数据进行修正，得到第二高程数据，包括：

在有效车速数据中，确定车速为0的第一时间区间，并将第一时间区间内的高程值设置为固定值；

在有效车速数据中，确定车速小于速度阈值的第二时间区间，并依据预设高程变化阈值，对第二时间区间内的高程值进行修正，得到第二高程数据。

本可选的实施例中，提供一种依据有效车速数据，对第一高程数据进行修正，得到第二高程数据的具体方式：在有效车速数据中，确定车速为0的第一时间区间，将第一时间区间内的高程值设定为固定值。进一步的，在有效车速数据中，确定车速小于速度阈值的第二时间区间，并依据预设高程变化阈值，对第二时间区间内的高程值进行修正，得到第二高程数据。示例性的，确定车速小于20千米/小时的第二时间区间，判断第二时间区间内，采样点的高程变化率是否超过高程变化阈值，若超过阈值，则按照高程变化阈值对高程值进行修正，使得第二时间区间内个采样点的高程变化率小于高程变化阈值。

S240、依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正。

本发明实施例中，在得到第二高程数据后，进一步依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，进而依据第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正。具体的，第二异常高程值判定条件是从高程值的数值角度来考虑的，示例性的，第二异常高程值判定条件包括将从较大高程值突变为0的高程值确定为第三异常高程值。还可以是将与相邻高程值相差较大的高程值确定为第三异常高程值。

进一步的，可以依据第三异常高程值相邻的高程值对第三异常高程值进行修正。示例性的，可以在第三异常高程值两侧分别取相邻设定数量(例如，两侧分别取相邻的2个)高程值，并求取获取到的高程值的平均值，最终采用平均值替换第三异常高程值。还可以获取包含第三异常高程值的路线区间，并在该路线区间中获得首位采样点和末位采样点的高程值，并利用首位采样点和末位采样点的高程值构成等差数列，最终依据等差数列中的数值替换第三异常高程值。

可选的，依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正，包括：

在第二高程数据中查询突变为0的异常高程值，以及与相邻高程值的差值大于设定阈值的异常高程值，作为第三异常高程值；

依据第三异常高程值所在路线区间内首位采样点以及末位采样点的高程值，以及路线区间内采样点的数量，构建等差数列，并依据等差数列中的数据，对第三异常高程值进行修正。

本可选的实施例中，提供一种依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正的具体方式：首先在第二高程数据中查询突变为0的异常高程值，以及与相邻高程值的差值大于设定阈值的异常高程值，作为第三异常高程值。进一步的，依据第三异常高程值所在路线区间内首位采样点以及末位采样点的高程值，以及路线区间内采样点的数量，构建等差数列，并依据等差数列中的数据，对第三异常高程值进行修正。

S250、对经过第三异常高程值修正后的高程数据进行标准差滤波，得到有效高程数据。

本发明实施例中，得到第三异常高程值修正后的高程数据后，进一步对修正后的高程数据进行标注差滤波，得到有效高程数据，滤波公式如下：

|x_i-h_i|>B＊l_i

其中，x_i是第i时刻的高程值；h_i是分别在x_i两侧取k个高程值计算得到的平均值，k为计算项数；l_i为高程标准差；B为基于公开变化的高程阈值判定条件。

根据上述公式可以得到，当第i时刻的高程值满足|x_i-h_i|>B＊l_i时，确定该时刻的高程值满足有效判定条件，否则认为i时刻的高程值为无效高程值，此时可以将高程值补0，得到修正后的有效高程数据。

S260、对有效高程数据进行移动平均低通滤波，得到第三高程数据。

本发明实施例中，在得到有效高程数据后，进一步对有效高程数据进行移动平均低通滤波，得到第三高程数据。具体的，针对有效高程数据中的每一个高程值，计算该高程值与其两侧相邻设定数据量的高程值的平均值，并用平均值替换该高程值，得到第三高程数据。

S270、基于有效车速数据，确定加速度数据，并基于加速度数据，对第三高程数据进行修正，得到第四高程数据。

可选的，基于加速度数据，对第三高程数据进行修正，得到第四高程数据，包括：

在加速度数据中，确定绝对值大于加速度阈值的异常加速度值；

将异常加速度值关联采样点的高程值修正为设定数值，得到第四高程数据。

本可选的实施例中，提供一种基于加速度数据，对第三高程数据进行修正，得到第四高程数据的具体方式：首先，在加速数据中，确定绝对值大于加速度阈值的异常加速度值，进而将异常加速度值关联采样点的高程值修正为设定数据值，例如，将该采样点的高程值补0，得到第四高程值。

S280、依据第四高程数据和有效车速数据，确定初始坡度数据，依据初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据目标高程数据生成车辆工况数据。

本发明实施例中，首先依据有效车速数据，计算设定时间段内的距离，并依据距离和该时间段内的第四高程数据，计算初始坡度数据。进一步的，依据初始坡度数据对第四高程数据进行修正，得到目标高程数据。最终依据目标高程数据、有效车速数据和目标高程数据关联的坡度数据作为车辆工况数据。

可选的，依据初始坡度数据对第四高程数据进行修正，得到目标高程数据，包括：

依据预设修正时长，将第四高程数据划分为多个修正周期；

在修正周期中初始坡度数据的正负变化次数超过设定阈值的情况下，依据修正周期中首位采样点和末位采样点的高程值，对修正周期中各采样点的高程值进行修正；

依据修正后的高程数据和有效车速数据，确定过渡坡度数据，并依据与车辆所在位置关联的有效坡度范围，在过渡坡度数据中确定目标坡度数据；

依据目标坡度数据和有效车速数据，确定目标高程数据。

本可选的实施例中，提供一种依据初始坡度数据对第四高程数据进行修正，得到目标高程数据的具体方式：首先依据预先设定的修正时长，将第四高程数据划分为多个修正周期。在每个修正周期中，确定初始坡度数据正负变化次数，若变化次数超过设定阈值，则确定该修正周期中包含异常高程值。此时，需要依据该修正周期中首位采样点的高程值、末位采样点的高程值，以及修正周期中采样点的数量，构建等差数列，并使用等差数列中的数值替换修正周期中的异常高程值。

在对高程值进行修正后，依据有效车速数据，计算设定时间段内的距离，并依据修正后的高程数据和距离，重新确定过渡坡度数据。进一步的，依据车辆所在位置关联的有效坡度范围，在过渡坡度数据中确定目标坡度数据。最终依据目标坡度数据，还原目标高程数据，并将目标坡度数据、目标高程数据以及有效车速数据作为车辆工况数据。

本发明实施例的技术方案，分别通过车辆的有效车速数据、滤波处理、加速度数据以及坡度数据，对车辆行驶路线的高程数据进行多轮修正，并依据修正得到的目标高程数据生成车辆工况数据，可以依据车辆在特定工况下行驶的车辆工况数据，辅助进行整车开发。

实施例三

图3为本发明实施例三提供的一种车辆工况数据生成装置的结构示意图。如图3所示，该装置包括：

第二高程数据确定模块310，用于对原始车速数据进行滤波处理，得到有效车速数据，并依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据；所述第一高程数据由原始高程数据进行数据清洗得到；

第三高程数据确定模块320，用于对所述第二高程数据进行滤波处理，得到第三高程数据；

第四高程数据确定模块330，用于基于所述有效车速数据，确定加速度数据，并基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据；

车辆工况数据生成模块340，用于依据第四高程数据和所述有效车速数据，确定初始坡度数据，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据所述目标高程数据生成车辆工况数据。

本发明实施例的技术方案，分别通过车辆的有效车速数据、滤波处理、加速度数据以及坡度数据，对车辆行驶路线的高程数据进行多轮修正，并依据修正得到的目标高程数据生成车辆工况数据，可以依据车辆在特定工况下行驶的车辆工况数据，辅助进行整车开发。

可选的，车辆工况数据生成装置，还包括：

判定条件确定模块，用于根据车辆定位信息，确定与车辆所在位置关联的第一异常高程值判定条件；

第一高程数据获取模块，用于依据所述第一异常高程值判定条件，对原始高程数据进行数据清洗，得到所述第一高程数据。

可选的，所述第一异常高程值判定条件包括有效高程值范围以及有效高程变化率范围；

第一高程数据获取模块，具体用于：

依据所述有效高程值范围，在所述原始高程数据中确定第一异常高程值，并依据所述第一异常高程值两侧相邻的设定数量的高程值，对所述第一异常高程值进行修正；

依据所述有效高程变化率范围，在经过第一异常高程值修正后的高程数据中，确定第二异常高程值，并依据所述有效高程变化率范围的边界值，对所述第二异常高程值进行修正，得到第一高程数据。

可选的，第二高程数据确定模块310，具体用于：

在有效车速数据中，确定车速为0的第一时间区间，并将所述第一时间区间内的高程值设置为固定值；

在有效车速数据中，确定车速小于速度阈值的第二时间区间，并依据预设高程变化阈值，对所述第二时间区间内的高程值进行修正，得到第二高程数据。

可选的，第三高程数据确定模块320，包括：

第一修正单元，用于依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据所述第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正；

标准差滤波单元，用于对经过第三异常高程值修正后的高程数据进行标准差滤波，得到有效高程数据；

第三高程数据确定单元，用于对所述有效高程数据进行移动平均低通滤波，得到所述第三高程数据。

可选的，第一修正单元，具体用于：

在第二高程数据中查询突变为0的异常高程值，以及与相邻高程值的差值大于设定阈值的异常高程值，作为第三异常高程值；

依据第三异常高程值所在路线区间内首位采样点以及末位采样点的高程值，以及所述路线区间内采样点的数量，构建等差数列，并依据等差数列中的数据，对所述第三异常高程值进行修正。

可选的，第四高程数据确定模块330，具体用于；

在所述加速度数据中，确定绝对值大于加速度阈值的异常加速度值；

将异常加速度值关联采样点的高程值修正为设定数值，得到第四高程数据。

可选的，车辆工况数据生成模块340，具体用于：

依据预设修正时长，将所述第四高程数据划分为多个修正周期；

在修正周期中初始坡度数据的正负变化次数超过设定阈值的情况下，依据所述修正周期中首位采样点和末位采样点的高程值，对所述修正周期中各采样点的高程值进行修正；

依据修正后的高程数据和所述有效车速数据，确定过渡坡度数据，并依据与车辆所在位置关联的有效坡度范围，在所述过渡坡度数据中确定目标坡度数据；

依据所述目标坡度数据和所述有效车速数据，确定目标高程数据。

本发明实施例所提供的车辆工况数据生成装置可执行本发明任意实施例所提供的车辆工况数据生成方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。

如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。

电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车辆工况数据生成方法。

在一些实施例中，车辆工况数据生成方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的车辆工况数据生成方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆工况数据生成方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。

计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (11)

1.一种车辆工况数据生成方法，其特征在于，包括：

对原始车速数据进行滤波处理，得到有效车速数据，并依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据；所述第一高程数据由原始高程数据进行数据清洗得到；

对所述第二高程数据进行滤波处理，得到第三高程数据；

基于所述有效车速数据，确定加速度数据，并基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据；

依据第四高程数据和所述有效车速数据，确定初始坡度数据，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据所述目标高程数据生成车辆工况数据。

2.根据权利要求1所述的方法，其特征在于，在依据所述有效车速数据，对第一高程数据进行修正之前，还包括：

根据车辆定位信息，确定与车辆所在位置关联的第一异常高程值判定条件；

依据所述第一异常高程值判定条件，对原始高程数据进行数据清洗，得到所述第一高程数据。

3.根据权利要求2所述的方法，其特征在于，所述第一异常高程值判定条件包括有效高程值范围以及有效高程变化率范围；

依据所述第一异常高程值判定条件，对原始高程数据进行数据清洗，得到所述第一高程数据，包括：

依据所述有效高程值范围，在所述原始高程数据中确定第一异常高程值，并依据所述第一异常高程值两侧相邻的设定数量的高程值，对所述第一异常高程值进行修正；

依据所述有效高程变化率范围，在经过第一异常高程值修正后的高程数据中，确定第二异常高程值，并依据所述有效高程变化率范围的边界值，对所述第二异常高程值进行修正，得到第一高程数据。

4.根据权利要求1所述的方法，其特征在于，依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据，包括：

在有效车速数据中，确定车速为0的第一时间区间，并将所述第一时间区间内的高程值设置为固定值；

在有效车速数据中，确定车速小于速度阈值的第二时间区间，并依据预设高程变化阈值，对所述第二时间区间内的高程值进行修正，得到第二高程数据。

5.根据权利要求1所述的方法，其特征在于，对所述第二高程数据进行滤波处理，得到第三高程数据，包括：

依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据所述第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正；

对经过第三异常高程值修正后的高程数据进行标准差滤波，得到有效高程数据；

对所述有效高程数据进行移动平均低通滤波，得到所述第三高程数据。

6.根据权利要求5所述的方法，其特征在于，依据第二异常高程值判定条件，在第二高程数据中确定第三异常高程值，并依据所述第三异常高程值所在路线区间首位采样点以及末位采样点的高程值，对第三异常高程值进行修正，包括：

在第二高程数据中查询突变为0的异常高程值，以及与相邻高程值的差值大于设定阈值的异常高程值，作为第三异常高程值；

依据第三异常高程值所在路线区间内首位采样点以及末位采样点的高程值，以及所述路线区间内采样点的数量，构建等差数列，并依据等差数列中的数据，对所述第三异常高程值进行修正。

7.根据权利要求1所述的方法，其特征在于，基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据，包括：

在所述加速度数据中，确定绝对值大于加速度阈值的异常加速度值；

将异常加速度值关联采样点的高程值修正为设定数值，得到第四高程数据。

8.根据权利要求1所述的方法，其特征在于，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，包括：

依据预设修正时长，将所述第四高程数据划分为多个修正周期；

在修正周期中初始坡度数据的正负变化次数超过设定阈值的情况下，依据所述修正周期中首位采样点和末位采样点的高程值，对所述修正周期中各采样点的高程值进行修正；

依据修正后的高程数据和所述有效车速数据，确定过渡坡度数据，并依据与车辆所在位置关联的有效坡度范围，在所述过渡坡度数据中确定目标坡度数据；

依据所述目标坡度数据和所述有效车速数据，确定目标高程数据。

9.一种车辆工况数据生成装置，其特征在于，包括：

第二高程数据确定模块，用于对原始车速数据进行滤波处理，得到有效车速数据，并依据所述有效车速数据，对第一高程数据进行修正，得到第二高程数据；所述第一高程数据由原始高程数据进行数据清洗得到；

第三高程数据确定模块，用于对所述第二高程数据进行滤波处理，得到第三高程数据；

第四高程数据确定模块，用于基于所述有效车速数据，确定加速度数据，并基于所述加速度数据，对所述第三高程数据进行修正，得到第四高程数据；

车辆工况数据生成模块，用于依据第四高程数据和所述有效车速数据，确定初始坡度数据，依据所述初始坡度数据对第四高程数据进行修正，得到目标高程数据，并依据所述目标高程数据生成车辆工况数据。

10.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的车辆工况数据生成方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-8中任一项所述的车辆工况数据生成方法。

Images