CN116450705B - 基于车载数据采集设备的上下坡识别方法和系统 - Google Patents
基于车载数据采集设备的上下坡识别方法和系统 Download PDFInfo
- Publication number
- CN116450705B CN116450705B CN202310351889.7A CN202310351889A CN116450705B CN 116450705 B CN116450705 B CN 116450705B CN 202310351889 A CN202310351889 A CN 202310351889A CN 116450705 B CN116450705 B CN 116450705B
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- ramp
- uphill
- downhill
- 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 92
- 230000001174 ascending effect Effects 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000009499 grossing Methods 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 230000004931 aggregating effect Effects 0.000 claims abstract description 5
- 238000004590 computer program Methods 0.000 claims description 21
- 238000002372 labelling Methods 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 241001178520 Stomatepia mongo Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
- G06F16/24553—Query execution of query operations
- G06F16/24554—Unary operations; Data partitioning operations
- G06F16/24556—Aggregation; Duplicate elimination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Remote Sensing (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种基于车载数据采集设备的上下坡识别方法和系统，方法包括：通过车辆的车载数据采集设备采集行车过程数据；在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；通过中值过滤和预设时间窗口，对其中的海拔数据进行平滑处理、一阶差分处理并标注状态，获得状态数据；对连续的经过标注的状态数据进行分组聚合；根据时间窗口的加权平均数进行分组合并，获得第一上下坡识别结果。本发明申请通过车载数据采集设备采集车辆的行车过程数据，在识别到停车工况时进行调用，并对海拔数据标注状态后二次分组，无需额外安装设备，同时相比现有技术，不容易被建筑物、高架桥或隧道等影响，避免了误识别情况的发生。
Description
技术领域
本发明涉及斜坡识别领域，尤其涉及一种基于车载数据采集设备的上下坡识别方法、系统、终端设备和计算机可读存储介质。
背景技术
在商用车的日常运营管理过程中，车队管理人员或者车主需要掌握车辆运行燃油消耗的去向，再相应采取措施去节省油耗。而上下坡的过程中，驾驶行为的科学性、合理性，是对油耗大小的重要影响因素。
现有技术主要采用陀螺仪、加速度计或悬挂角度监测计等方式采集数据，然后通过相关算法实现上下坡的识别，但是这些设备需要额外加装，并且基于单一设备对上坡或者下坡进行识别的难度较大、精度较低。而如果单纯依靠GPS的海拔数据进行分析，又容易因为建筑物、高架桥或隧道等影响，而产生误识别，或影响识别的精度。
发明内容
本发明提供了一种基于车载数据采集设备的上下坡识别方法、系统、终端设备和计算机可读存储介质，以解决如何提高上下坡识别精度的技术问题。
为了解决上述技术问题，本发明实施例提供了一种基于车载数据采集设备的上下坡识别方法，包括：
通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；
在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；
通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；
对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。
作为优选方案，所述上下坡识别方法还包括：
根据所述第一时间范围的油门踏板开度数据和加速度数据，将所述第一上下坡识别结果中满足预设条件的误识别结果剔除，获得经过优化的第二上下坡识别结果。
作为优选方案，所述上下坡识别方法包括：
通过MongoDB建立空间索引，将每一第二上下坡识别结果与预设的坡道库内数据进行匹配，当匹配成功时，将所述第二上下坡识别结果中主坡和明细坡的坡道参数进行加权平均，并根据加权平均的处理结果修正所述坡道库内对应坡道的数据，实现对所述坡道库的更新。
作为优选方案，所述上下坡识别方法还包括：
响应接口调用指令，根据从所述接口获取的经纬度数据和坡道数据，通过MongoDB空间索引从所述坡道库中匹配所述接口对应的坡道，向所述接口返回对应匹配到的坡道和坡道参数。
作为优选方案，所述坡道参数包括坡长、坡度角、方向和范围。
作为优选方案，所述通过车辆的车载数据采集设备采集行车过程数据，具体为：通过车辆的车载数据采集设备，基于SAE J1939协议采集行车过程数据。
作为优选方案，在所述调取所述车辆在第一时间范围内的行车过程数据之前，还包括：以秒为单位，对所述行车过程数据进行行对齐；并对所述行车过程数据进行插值、补全和针对异常数据的纠正处理，获得经过预处理的行车过程数据。
相应的，本发明实施例还提供了一种基于车载数据采集设备的上下坡识别系统，包括采集模块、调取模块、标注模块和识别模块；其中，
所述采集模块，用于通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；
所述调取模块，用于在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；
所述标注模块，用于通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；
所述识别模块，用于对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。
相应的，本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种基于车载数据采集设备的上下坡识别方法。
相应的，本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种基于车载数据采集设备的上下坡识别方法。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种基于车载数据采集设备的上下坡识别方法、系统、终端和计算机可读存储介质，所述上下坡识别方法包括：通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。本发明申请通过车载数据采集设备采集车辆的经纬度、海拔、加速度数据、GPS速度、车速和油门踏板开度，在识别到停车工况时调用行车过程数据，并对海拔数据标注状态后二次分组，将第一时间范围各时间段分别识别为平路工况、上坡工况或下坡工况，无需额外安装陀螺仪、加速度计或悬挂角度监测计，同时相比现有技术单纯基于GPS的海拔数据进行分析的技术方案，不容易被建筑物、高架桥或隧道等影响，避免了误识别情况的发生，有效提高了识别的精度。
附图说明
图1：为本发明基于车载数据采集设备提供的上下坡识别方法的一种实施例的流程示意图。
图2：为本发明基于车载数据采集设备提供的上下坡识别方法的另一种实施例的流程示意图。
图3：为本发明基于车载数据采集设备提供的上下坡识别系统的一种实施例的结构示意图。
具体实施方式
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作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。
实施例一:
请参照图1，图1为本发明实施例提供的一种基于车载数据采集设备的上下坡识别方法，包括步骤S1至步骤S4，其中，
步骤S1，通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据。
在本实施例中，所述通过车辆的车载数据采集设备采集行车过程数据，具体为：通过车辆的车载数据采集设备(例如R-BOX)，基于SAE J1939协议采集行车过程数据。SAEJ1939协议是美国汽车工程协会(SAE)的推荐标准，用于车辆上电子部件之间的通信，其同时提供了一种标准的通讯体系结构。J1939基于德国Bosch公司开发的控制器局域网络，可以达到250Kbps的通讯速率，包括Can网络物理层定义、数据链路层定义、应用层定义、网络层定义、故障诊断和网络管理等。
本实施例通过SAE J1939协议进行采集，每个参数的采集频率为1秒，由于本实施例包含经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据等多个参数，所以对于车载数据采集设备来说，可能是每几十毫秒就会采集到一个这样的参数。因此，需要在步骤S2调取所述车辆在第一时间范围内的行车过程数据之前，把这些在同一秒里采集得到的参数归到同一秒里，也就是以秒为单位，对所述行车过程数据进行“行对齐”，进而对缺漏的参数进行插值、或者利用前1秒的数据进行补全，以及对异常数据进行纠正处理，获得经过预处理的行车过程数据。
步骤S2，在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围。
在本实施例中，可以利用现有的工况模型对车辆的启动工况以及停机工况进行识别。工况模型实时识别车辆所处工况，并将识别到的停机工况推送到其所监听的kafkaTopic中。
进一步地，本实施例还可以构建一个坡道识别模型，通过该坡道识别模型，在监听到停机工况时，调取所述车辆在第一时间范围内的经过预处理的行车过程数据用于模型计算。该第一时间范围指的是，该车辆从启动到停机工况的整段时间。
步骤S3，通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化。
在本实施例中，首先可以针对(GPS)海拔数据，使用中值过滤的方式，按照以5秒为单位的时间窗口进行平滑处理，然后对处理前后的数据进行一阶差分之后对其状态进行标注。标注结果包括海拔差值上状态、海拔差值下状态和无变化，具体是计算处理前后两条数据的height差值，例如差值计算结果对应：1为上，-1为下，0为没有变化。从而，实现了对海拔数据进行初步的划分。
步骤S4，对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。
在本实施例中，对连续的经过标注的状态数据进行分组聚合处理，这里的分组聚合就是以上述的“差值计算结果对应：1为上，-1为下，0为没有变化”为依据进行分组聚合(第一次分组)，可以分组聚合为1、-1和0分别对应的共计三组。然后，根据所述时间窗口的加权平均数进行分组合并处理(第二次分组)，获得所述第一时间范围的第一上下坡识别结果，例如，对第一次分组后的每一行数据进行加权求和，然后基于长度为5秒的时间窗口求出加权平均数，并根据该加权平均数进行所述第二次分组并合并，获得所述第一上下坡识别结果。
在本实施例中，进一步地，第二次分组后会形成3个类型的工况，例如，0为平路工况、1为上坡工况、2为下坡工况，然后根据连续性进行分组处理，包括：
(1)上坡工况或者下坡工况的数据量不超过10条，则纳入平路工况；
(2)平路工况连续不超过10条，则纳入下一个(上坡工况或者下坡工况)；
(3)如果相邻的两个工况一致，则将这两个工况合并。
基于上述的步骤S1至步骤S4，可以对车辆所处状态进行识别，判断其在第一时间范围内，某一时间段是处于平路工况、上坡工况还是下坡工况，例如在1至3秒，其可能是处于平路工况，在3至5秒是处于上坡工况等等。同时，可以获取主坡、明细坡的坡道参数，该坡道参数包括但不限于坡长、坡度角、方向和范围等。
进一步地，步骤S5，根据所述第一时间范围内的油门踏板开度数据和加速度数据，将所述第一上下坡识别结果中满足预设条件的误识别结果剔除，获得经过优化的第二上下坡识别结果。可以过滤掉因为GPS定位的误差造成的海拔变化，对上下坡识别结果进一步优化，进一步提高精确性。
作为进一步优选实施方式，考虑到模型得出的计算结果会随着每一辆车，以及各车每次经过而更新，相应的，计算数据量也会随之越来越大。而且，因为每次经过时的情况不同，其计算结果也会存在着一定的差异，所以可以考虑对明细数据进行合并处理，建立唯一的坡道数据库方便后续的应用。针对上述考虑的情形，本实施例还包括步骤S6，参照图2，即通过MongoDB建立空间索引，将每一第二上下坡识别结果与预设的坡道库内数据进行匹配，当匹配成功时，将所述第二上下坡识别结果中主坡和明细坡的坡道参数进行加权平均处理，并根据加权平均的处理结果修正所述坡道库内对应坡道的数据，同时将超出或者多余的GPS点进行增补或者移除，实现对所述坡道库内对应坡道的更新。实施本申请实施方式，通过MongoDB建立空间索引，在每次车辆经过时，通过识别该车辆的上下坡情况并获取其对应的坡道数据，利用这些坡道数据对坡道库内相应匹配到的坡道进行修正，随着车辆经过次数的增多，该匹配到的坡道数据不断得到更新，则会越来越准确，同时，该坡道库可以被调用，例如车辆的车载终端可以通过调用该坡道库以实现对油耗分配或油耗控制的指导，达到有效降低油耗的目的。
作为进一步优选实施方式，步骤S7，在具体的场景应用，需要调用该坡道库或者坡道数据时，可以通过匹配的接口输入实时位置(例如经纬度数据)和坡道参数(坡长、坡度角、方向和范围等，范围可以例如100米)，则响应接口调用的指令，根据从匹配接口获取的坡道数据，通过MongoDB空间索引从所述坡道库中匹配所述接口对应的坡道，向所述接口返回对应匹配到的坡道和坡道参数，从而用于驾驶行为分析或油耗取向分析等具体的应用场景。
相应的，参照图3，本发明实施例还提供了一种基于车载数据采集设备的上下坡识别系统，包括采集模块101、调取模块102、标注模块103和识别模块104；其中，
所述采集模块101，用于通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；
所述调取模块102，用于在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；
所述标注模块103，用于通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；
所述识别模块104，用于对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。
相应的，本发明实施例还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现所述的一种基于车载数据采集设备的上下坡识别方法。
所述处理器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)、现成可编程门阵列(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，所述处理器是所述终端的控制中心，利用各种接口和线路连接整个终端的各个部分。
所述存储器可用于存储所述计算机程序，所述处理器通过运行或执行存储在所述存储器内的计算机程序，以及调用存储在存储器内的数据，实现所述终端的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
相应的，本发明实施例还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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行所述的一种基于车载数据采集设备的上下坡识别方法。
其中，所述基于车载数据采集设备提供的上下坡识别系统集成的模块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，所述的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，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述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。所述计算机可读介质可以包括：能够携带所述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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
相比于现有技术，本发明实施例具有如下有益效果：
本发明实施例提供了一种基于车载数据采集设备的上下坡识别方法、系统、终端和计算机可读存储介质，所述上下坡识别方法包括：通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种。本发明申请通过车载数据采集设备采集车辆的经纬度、海拔、加速度数据、GPS速度、车速和油门踏板开度，在识别到停车工况时调用行车过程数据，并对海拔数据标注状态后二次分组，将第一时间范围各时间段分别识别为平路工况、上坡工况或下坡工况，无需额外安装陀螺仪、加速度计或悬挂角度监测计，同时相比现有技术单纯基于GPS的海拔数据进行分析的技术方案，不容易被建筑物、高架桥或隧道等影响，避免了误识别情况的发生，有效提高了识别的精度。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于车载数据采集设备的上下坡识别方法，其特征在于，包括：
通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；
在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；
通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；
对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种；所述坡道参数包括坡长、坡度角、方向和范围；
根据所述第一时间范围的油门踏板开度数据和加速度数据，将所述第一上下坡识别结果中满足预设条件的误识别结果剔除，获得经过优化的第二上下坡识别结果；通过MongoDB建立空间索引，将每一第二上下坡识别结果与预设的坡道库内数据进行匹配，当匹配成功时，将所述第二上下坡识别结果中主坡和明细坡的坡道参数进行加权平均，并根据加权平均的处理结果修正所述坡道库内对应坡道的数据，实现对所述坡道库的更新；
在所述调取所述车辆在第一时间范围内的行车过程数据之前，还包括：以秒为单位，对所述行车过程数据进行行对齐；并对所述行车过程数据进行插值、补全和针对异常数据的纠正处理，获得经过预处理的行车过程数据。
2.如权利要求1所述的一种基于车载数据采集设备的上下坡识别方法，其特征在于，所述上下坡识别方法还包括：
响应接口调用指令，根据从所述接口获取的经纬度数据和坡道数据，通过MongoDB空间索引从所述坡道库中匹配所述接口对应的坡道，向所述接口返回对应匹配到的坡道和坡道参数。
3.如权利要求1至2任意一项所述的一种基于车载数据采集设备的上下坡识别方法，其特征在于，所述通过车辆的车载数据采集设备采集行车过程数据，具体为：通过车辆的车载数据采集设备，基于SAE J1939协议采集行车过程数据。
4.一种基于车载数据采集设备的上下坡识别系统，其特征在于，包括采集模块、调取模块、标注模块和识别模块；其中，
所述采集模块，用于通过车辆的车载数据采集设备采集行车过程数据；其中，所述行车过程数据包括经纬度数据、海拔数据、加速度数据、GPS速度数据、车速数据和油门踏板开度数据；
所述调取模块，用于在识别到所述车辆进入停机工况时，调取所述车辆在第一时间范围内的行车过程数据；其中，所述第一时间范围为上一个启动工况到所述停机工况的时间范围；
所述标注模块，用于通过中值过滤和预设时间窗口，针对所述第一时间范围内的海拔数据进行平滑处理，对平滑处理前后的海拔数据进行一阶差分处理并标注状态，获得状态数据；其中，标注结果包括海拔差值上状态、海拔差值下状态和无变化；
所述识别模块，用于对连续的经过标注的状态数据进行分组聚合处理；根据所述时间窗口的加权平均数进行分组合并处理，获得所述第一时间范围的第一上下坡识别结果；所述第一上下坡识别结果包括主坡和明细坡的坡道参数；所述第一时间范围内的第一上下坡识别结果对应平路工况、上坡工况和下坡工况中的一种或多种; 所述坡道参数包括坡长、坡度角、方向和范围;
根据所述第一时间范围的油门踏板开度数据和加速度数据，将所述第一上下坡识别结果中满足预设条件的误识别结果剔除，获得经过优化的第二上下坡识别结果；通过MongoDB建立空间索引，将每一第二上下坡识别结果与预设的坡道库内数据进行匹配，当匹配成功时，将所述第二上下坡识别结果中主坡和明细坡的坡道参数进行加权平均，并根据加权平均的处理结果修正所述坡道库内对应坡道的数据，实现对所述坡道库的更新；
所述采集模块还用于在所述调取所述车辆在第一时间范围内的行车过程数据之前：以秒为单位，对所述行车过程数据进行行对齐；并对所述行车过程数据进行插值、补全和针对异常数据的纠正处理，获得经过预处理的行车过程数据。
5.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的一种基于车载数据采集设备的上下坡识别方法。
6.一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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的一种基于车载数据采集设备的上下坡识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310351889.7A CN116450705B (zh) | 2023-04-04 | 2023-04-04 | 基于车载数据采集设备的上下坡识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310351889.7A CN116450705B (zh) | 2023-04-04 | 2023-04-04 | 基于车载数据采集设备的上下坡识别方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116450705A CN116450705A (zh) | 2023-07-18 |
| CN116450705B true CN116450705B (zh) | 2023-12-29 |
Family
ID=87119531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310351889.7A Active CN116450705B (zh) | 2023-04-04 | 2023-04-04 | 基于车载数据采集设备的上下坡识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116450705B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10026102A1 (de) * | 1999-08-20 | 2001-02-22 | Continental Teves Ag & Co Ohg | Verfahren zur Erkennung einer Bergauf-oder Bergabfahrt eines Kraftfahrzeuges |
| GB201411122D0 (en) * | 2014-06-23 | 2014-08-06 | Jaguar Land Rover Ltd | Multi-speed automatic vehicle transmission |
| CN115257395A (zh) * | 2021-04-29 | 2022-11-01 | 广汽埃安新能源汽车有限公司 | 一种电动汽车爬行控制方法及装置 |
| CN115331430A (zh) * | 2022-07-14 | 2022-11-11 | 中通客车股份有限公司 | 一种智能网联车路谱采集分析方法及系统 |
| CN115392342A (zh) * | 2022-07-15 | 2022-11-25 | 深圳市广通远驰科技有限公司 | 一种目标车辆分类方法、装置、电子设备及存储介质 |
-
2023
- 2023-04-04 CN CN202310351889.7A patent/CN116450705B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10026102A1 (de) * | 1999-08-20 | 2001-02-22 | Continental Teves Ag & Co Ohg | Verfahren zur Erkennung einer Bergauf-oder Bergabfahrt eines Kraftfahrzeuges |
| GB201411122D0 (en) * | 2014-06-23 | 2014-08-06 | Jaguar Land Rover Ltd | Multi-speed automatic vehicle transmission |
| CN115257395A (zh) * | 2021-04-29 | 2022-11-01 | 广汽埃安新能源汽车有限公司 | 一种电动汽车爬行控制方法及装置 |
| CN115331430A (zh) * | 2022-07-14 | 2022-11-11 | 中通客车股份有限公司 | 一种智能网联车路谱采集分析方法及系统 |
| CN115392342A (zh) * | 2022-07-15 | 2022-11-25 | 深圳市广通远驰科技有限公司 | 一种目标车辆分类方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于差分法的道路上下坡识别;薛方 等;《汽车实用技术》(第21期);第95-97页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116450705A (zh) | 2023-07-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| DE112015006622T5 (de) | Fahrspurbestimmungsvorrichtung und Fahrspurbestimmungsverfahren | |
| CN112629524A (zh) | 出行路径推荐管理方法、装置和电子设备 | |
| CN113129596A (zh) | 行驶数据处理方法、装置、设备、存储介质及程序产品 | |
| CN102072735B (zh) | 一种快速计算里程的方法和系统 | |
| CN111739290A (zh) | 车辆预警方法及装置 | |
| CN111930874A (zh) | 一种数据采集方法及电子设备 | |
| CN112508228A (zh) | 一种驾驶行为风险预测方法及系统 | |
| CN111947669A (zh) | 用于将基于特征的定位地图用于车辆的方法 | |
| JP2019114039A (ja) | 異常検出装置 | |
| CN116450705B (zh) | 基于车载数据采集设备的上下坡识别方法和系统 | |
| JP7249551B2 (ja) | 車両異常検知装置、車両異常検知システム及びプログラム | |
| CN111695389B (zh) | 一种车道线聚类方法及装置 | |
| CN111739291A (zh) | 道路路况计算中的干扰识别方法及装置 | |
| CN115131895B (zh) | 一种获取车辆里程数据的方法、装置和电子设备 | |
| CN114199274B (zh) | 一种车辆行程确定方法、装置、设备及可读存储介质 | |
| CN113658426A (zh) | 一种车辆事故识别方法及装置 | |
| CN111369790B (zh) | 过车记录校正方法、装置、设备及存储介质 | |
| CN115346288A (zh) | 仿真行车记录采集方法、系统、电子设备及存储介质 | |
| CN111861498B (zh) | 出租车的监控方法、装置、设备和存储介质 | |
| CN113799715A (zh) | 车辆异常原因的确定方法、装置、通信设备及存储介质 | |
| CN110161544B (zh) | 一种车辆驾驶状态的识别方法、装置及存储介质 | |
| CN112287842A (zh) | 一种车道线的识别方法、装置及电子设备 | |
| CN115966100B (zh) | 一种行车安全控制方法及系统 | |
| CN116576880B (zh) | 一种车道级道路规划方法、装置、终端设备及存储介质 | |
| CN115830859A (zh) | 交通数据处理方法、装置、边缘云服务器和存储介质 |
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 |