CN117104161B - 基于车辆传感器的智能座舱环境感知及控制方法及系统 - Google Patents
基于车辆传感器的智能座舱环境感知及控制方法及系统 Download PDFInfo
- Publication number
- CN117104161B CN117104161B CN202311210005.2A CN202311210005A CN117104161B CN 117104161 B CN117104161 B CN 117104161B CN 202311210005 A CN202311210005 A CN 202311210005A CN 117104161 B CN117104161 B CN 117104161B
- Authority
- CN
- China
- Prior art keywords
- driving state
- decision
- variable
- determining
- target
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 87
- 230000008569 process Effects 0.000 claims abstract description 62
- 230000008447 perception Effects 0.000 claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000012512 characterization method Methods 0.000 claims description 55
- 230000008859 change Effects 0.000 claims description 38
- 230000007613 environmental effect Effects 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 4
- 238000000265 homogenisation Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013066 combination product Substances 0.000 description 1
- 229940127555 combination product Drugs 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
- B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
- B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
- B60R16/023—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for transmission of signals between vehicle parts or subsystems
- B60R16/0231—Circuits relating to the driving or the functioning of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了基于车辆传感器的智能座舱环境感知及控制方法及系统，属于车辆控制技术领域，其方法包括：基于控制决策目的的大量驾驶状态记录实例，确定出驾驶状态的目标分析维度；基于目标分析维度对车辆的当前驾驶状态数据进行预分析确定出目标分析维度下的当前驾驶状态；基于当前驾驶状态确定出车辆传感器的数据获取策略；基于数据获取策略获得目标环境感知信息；基于目标环境感知信息和控制决策目的的决策策略获得智能座舱的优化控制计划；基于优化控制计划对智能座舱进行优化控制获得优化控制结果；用以提高车辆传感器的数据获取效率、智能座舱的智能控制决策过程的决策准确度、智能座舱的优化控制的准确度。
Description
技术领域
本发明涉及测量控制技术领域，特别涉及基于车辆传感器的智能座舱环境感知及控制方法及系统。
背景技术
目前，智慧座舱为智能化技术和车辆控制系统的结合产物，现存的智能座舱包括操控系统、娱乐系统、空调系统、通信系统、座椅系统、交互系统、感知系统等。
但是，现有技术中没有根据决策目的决策计算过程中的实际数据所需，对车辆传感器获取环境感知信息的过程进行优化，而是采用固定采集周期或者固定的采集控制算法控制车辆传感器获取环境感知信息，不仅使得后续决策控制过程中的数据存在大量噪音，且由于车辆传感器的数据获取过程同质化固定流程化，导致其数据获取效率低，也可能会影响后续决策结果的准确度。
因此，本发明提出了基于车辆传感器的智能座舱环境感知及控制方法及系统。
发明内容
本发明提供基于车辆传感器的智能座舱环境感知及控制方法及系统，用以提高车辆传感器的数据获取效率、智能座舱的智能控制决策过程的决策准确度、智能座舱的优化控制的准确度。
本发明提供一种基于车辆传感器的智能座舱环境感知及控制方法，包括：
S1：基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度；
S2：基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态；
S3：基于当前驾驶状态确定出车辆传感器的数据获取策略；
S4：控制车辆传感器基于数据获取策略对智能座舱的环境信息进行感知，获得目标环境感知信息；
S5：基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划；
S6：基于优化控制计划对智能座舱进行优化控制，获得优化控制结果。
优选的，S1：基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度，包括：
S101：获取控制决策目的的大量驾驶状态记录实例，确定出驾驶状态记录实例中的所有驾驶状态变量，并确定出每个驾驶状态变量在驾驶状态记录实例中的时序变化记录数据；
S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度；
S103：将在当前计算的决策过程记录实例中的状态表征度超出表征度阈值的所有驾驶状态变量汇总，当作当前计算的决策过程记录实例的驾驶状态表征变量集合；
S104：基于每个驾驶状态表征变量集合在控制决策目的下的综合表征度，在所有驾驶状态表征变量集合中筛选出驾驶状态的目标分析维度；
其中，目标分析维度由筛选出的驾驶状态表征变量集合中的所有驾驶状态表征变量表示。
优选的，S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度，包括：
确定出驾驶状态变量在单个决策过程记录实例中的时序变化记录数据中每个时刻的具体数值与驾驶状态变量的所有时序变化记录数据中相同时刻的具体数值的均值之间的差值与对应均值的比值，当作驾驶状态变量在当前时序变化记录数据中对应时刻的局部特异度；
将驾驶状态变量在当前时序变化记录数据中所有时刻的局部特异度的均值，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度。
优选的，S2：基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态，包括：
在车辆的当前驾驶状态数据中，提取出目标分析维度对应的驾驶状态表征变量集合中包含的驾驶状态表征变量的具体数值；
基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级；
基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态。
优选的，基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级，包括：
基于驾驶状态表征变量集合中每个驾驶状态表征变量对应的驾驶状态的分析维度-等级划分方式列表，确定出驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式；
基于驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式中不同等级对应的数值区间，确定出每个驾驶状态表征变量的具体数值所属的数值区间对应的等级，当作每个驾驶状态表征变量在目标分析维度下的状态等级。
优选的，基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态，包括：
将驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级值和当前驾驶状态表征变量的最大状态等级值的比值，当作对应驾驶状态表征变量的状态等级相对值；
将驾驶状态表征变量集合中所有驾驶状态表征变量的状态等级相对值的均值，当作驾驶状态表征变量集合的综合状态等级相对值，并将综合状态等级相对值当作目标分析维度下的当前驾驶状态。
优选的，S3：基于当前驾驶状态确定出车辆传感器的数据获取策略，包括：
获取控制决策目的的大量决策实例；
将每种环境感知信息在所有决策实例中的被采用次数和所有决策实例中的决策计算步骤总数的比值，当作对应种类的环境感知信息在控制决策目的下的被采用权重；
将被采用权重超出权重阈值的环境感知信息种类，当作控制决策目的对应的目标环境感知信息组；
基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，并将每个环境感知信息种类的数据获取策略当作对应车辆传感器的数据获取策略。
优选的，基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，包括：
将当前驾驶状态对应的综合状态等级相对值和最大综合状态等级相对值的比值，当作状态量化比；
基于状态量化比，检索状态量化比-每个环境感知信息种类的数据获取周期列表，获得目标环境感知信息组中每个环境感知信息种类在当前驾驶状态下的目标数据获取周期，将每个环境感知信息种类的目标数据获取周期当作对应环境感知信息种类的数据获取策略。
优选的，S5：基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划，包括：
将目标环境感知信息作为输入，并基于控制决策目的的决策策略，确定出智能座舱的所有优化控制变量和对应的优化控制参数；
基于所有优化控制变量和对应的优化控制参数，生成智能座舱的优化控制计划。
本发明提出基于车辆传感器的智能座舱环境感知及控制系统，包括：
维度确定模块，用于基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度；
状态确定模块，用于基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态；
测量确定模块，用于基于当前驾驶状态确定出车辆传感器的数据获取策略；
信息感知模块，用于控制车辆传感器基于数据获取策略对智能座舱的环境信息进行感知，获得目标环境感知信息；
计划确定模块，用于基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划；
优化控制模块，用于基于优化控制计划对智能座舱进行优化控制，获得优化控制结果。
本发明区别于现有技术的有益效果为：本发明通过对车辆的驾驶状态的预分析以及当前决策目的的数据需求情况，制定车辆传感器的数据获取策略，克服了传统方法的车辆传感器的数据获取过程的同质化和固定流程化，控制车辆传感器基于该数据获取策略对智能座舱的环境信息进行感知，进而提高了数据获取效率，以供完成后续决策过程，实现对智能座舱的优化控制等，提高了智能座舱的智能控制决策过程的决策准确度。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中的一种基于车辆传感器的智能座舱环境感知及控制方法流程图；
图2为本发明实施例中的另一种基于车辆传感器的智能座舱环境感知及控制方法流程图；
图3为本发明实施例中的又一种基于车辆传感器的智能座舱环境感知及控制。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供了一种基于车辆传感器的智能座舱环境感知及控制方法，参考图1，包括：
S1：基于控制决策目的(决策目的例如有：为了实现智能座舱的座椅姿态调整、智能座舱内的舒适恒温控制等)的大量驾驶状态记录实例(即为记录有多个表征驾驶状态的驾驶状态变量的具体数值随时间变化的记录数据，例如：随时间变化的实时车速、实时转向角度、舱内温度等)，确定出控制决策目的对应的驾驶状态的目标分析维度(即为表征车辆驾驶状态的变量维度，目标分析维度由多个驾驶状态表征变量表示)；
S2：基于目标分析维度对车辆的当前驾驶状态数据(即为表征驾驶员当前驾驶车辆的驾驶状态的数据，例如在最新获取周期内的车速变化值、转向角度值等)进行预分析，确定出目标分析维度下的当前驾驶状态(即为基于目标分析维度中包含的驾驶状态表征表面在当前驾驶状态数据中的具体数值，分析出当前驾驶状态，该当前驾驶状态用每个驾驶状态表征变量的状态等级相对值的均值表示)；
S3：基于目标分析维度和当前驾驶状态确定出车辆传感器(例如车速传感器、转向角度传感器等)的数据获取策略(即为车辆传感器获取对应种类的环境感知信息的获取周期，使得车辆传感器的数据获取过程可以与驾驶状态的目标分析维度以及当前驾驶状态相适应，克服了传统方法的车辆传感器的数据获取过程的同质化和固定流程化，不仅减少了车辆传感器的数据获取量，也提高了后续决策输入的环境感知信息的有效率)；
S4：控制车辆传感器基于数据获取策略对智能座舱的环境信息(即为表征智能座舱内环境的信息，环境信息又车辆传感器获得，例如智能座舱内的实时温度等)进行感知，获得目标环境感知信息(即为车辆传感器基于数据获取策略对智能座舱进行环境信息感知后获得的环境感知信息)；
S5：基于目标环境感知信息和控制决策目的的决策策略(即为基于目标环境感知信息确定出优化控制计划以实现对应控制决策目的的决策方法，例如：当监测到智能座舱内的温度低于预设舒适温度时，则对智能座舱进行升温，直至智能座舱内的温度等于预设舒适温度等)，获得智能座舱的优化控制计划(与前述举例的智能座舱内的舒适恒温控制例子对应的优化控制计划为：对智能座舱进行升温，直至智能座舱内的温度等于预设舒适温度)；
S6：基于优化控制计划对智能座舱进行优化控制，获得优化控制结果(即为使得智能座舱的相关状态变量(例如舱内温度)达到控制鞠策目的这一结果)。
上述步骤S4至S6控制车辆传感器基于该数据获取策略对智能座舱的环境信息进行感知，进而提高了数据获取效率，以供完成后续决策过程，实现对智能座舱的优化控制等，提高了智能座舱的智能控制决策过程的决策准确度。
实施例2：
在实施例1的基础上，S1：基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度，参考图2，包括：
S101：获取控制决策目的的大量驾驶状态记录实例，确定出驾驶状态记录实例中的所有驾驶状态变量(表征驾驶状态的参数变量，例如：实时车速、实时转向角度、舱内温度等)，并确定出每个驾驶状态变量在驾驶状态记录实例中的时序变化记录数据(即为表征驾驶状态的驾驶状态变量的具体数值随时间变化的记录数据)；
S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度(表征驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据中的特异程度的数值)，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度(当驾驶状态变量在当前计算的决策过程记录实例中的特异度较高，即表征驾驶状态变量在当前计算的决策过程记录实例中的数值与其他决策过程记录实例中的数值较为不同，即可判定该驾驶状态变量可作为表征当前进计算的决策过程记录实例的特别的驾驶状态变量的概率就越大(即状态表征度)，因此，状态表征度表征该驾驶状态变量可作为表征当前进计算的决策过程记录实例的特别的驾驶状态变量的概率)；
该步骤利用驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度这一数值(即状态表征度)，来表示驾驶状态变量可作为表征当前进计算的决策过程记录实例的特别的驾驶状态变量的概率，实现驾驶状态变量可作为表征当前进计算的决策过程记录实例的特别的驾驶状态变量的概率的具体量化；
S103：将在当前计算的决策过程记录实例中的状态表征度超出表征度阈值(即为预设的用于筛选出决策过程记录实例的驾驶状态表征变量集合时所依据的状态表征度的筛选阈值)的所有驾驶状态变量汇总，当作当前计算的决策过程记录实例的驾驶状态表征变量集合(即为包含可作为表征当前进计算的决策过程记录实例的特别的驾驶状态变量所构成的集合)；
S104：基于每个驾驶状态表征变量集合在控制决策目的下的综合表征度(即为驾驶状态表征变量集合中所有驾驶状态表征变量的状态表征度的均值)，在所有驾驶状态表征变量集合中筛选出驾驶状态的目标分析维度(例如：将最大综合表征度的驾驶状态表征变量集合当作驾驶状态的目标分析维度)；
其中，目标分析维度由筛选出的驾驶状态表征变量集合中的所有驾驶状态表征变量表示。
步骤S103至S104以状态表征度为筛选依据，对驾驶状态表征变量进行筛选组合，并基于组合的综合表征度进行进一步筛选，确定出可以表征为实现控制决策目的时，对驾驶状态进行分析时需要考虑的合理变量维度，以实现对驾驶状态的合理分析表示。
实施例3：
在实施例2的基础上，S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度，包括：
确定出驾驶状态变量在单个决策过程记录实例中的时序变化记录数据中每个时刻的具体数值A1与驾驶状态变量的所有时序变化记录数据中相同时刻的具体数值A2的均值(A1+A1)/2之间的差值A1-(A1+A1)/2与对应均值(A1+A1)/2的比值[A1-(A1+A1)/2]/[(A1+A1)/2]，当作驾驶状态变量在当前时序变化记录数据中对应时刻的局部特异度(即为表征驾驶状态变量在单个决策过程记录实例中的时序变化记录数据中单个时刻的数值，在所有时序变化记录数据中相同时刻的具体数值中的特异度，特异度即表征驾驶状态变量在当前计算的决策过程记录实例中的数值与其他决策过程记录实例中的数值较为不同)；
将驾驶状态变量在当前时序变化记录数据中所有时刻的局部特异度的均值，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度。
基于上述过程，以求取驾驶状态变量在单个决策过程记录实例中的时序变化记录数据中每个时刻的具体数值与驾驶状态变量的所有时序变化记录数据中相同时刻的具体数值的均值之间的差值与对应均值的比值的方式，合理表示出驾驶状态变量在当前时序变化记录数据中对应时刻的局部特异度，并进一步对所有时刻的局部特异度进行求均值，实现对驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度的准确计算。
实施例4：
在实施例2的基础上，S2：基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态，包括：
在车辆的当前驾驶状态数据中，提取出目标分析维度对应的驾驶状态表征变量集合中包含的驾驶状态表征变量(例如舱内温度)的具体数值(例如舱内温度为20度)；
基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级(即为表征驾驶状态表征变量在目标分析维度下对应的所属等级)；
基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态。
上述过程实现了从目标分析维度对应驾驶状态表征变量集合中包含的驾驶状态表征变量，分析当前驾驶状态数据，实现对驾驶状态数据的有效提取，并进一步基于目标分析维度对提取出的驾驶状态表征变量的具体数值进行等级划分，确定出每个驾驶状态表征变量在目标分析维度下的状态等级，基于状态等级确定目标分析维度下的当前驾驶状态，实现了在诸多驾驶状态变量和对应数据中提取出对控制决策目的的决策过程有影响的驾驶状态数据。
实施例5：
在实施例4的基础上，基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级，包括：
基于驾驶状态表征变量集合中每个驾驶状态表征变量对应的驾驶状态的分析维度-等级划分方式列表(即为包含每个驾驶状态表征变量在不同驾驶状态的分析维度下对应的等级划分方式的列表)，确定出驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式(等级划分方式用不同等级对应的数值区间表示)；
基于驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式中不同等级对应的数值区间，确定出每个驾驶状态表征变量的具体数值所属的数值区间对应的等级，当作每个驾驶状态表征变量在目标分析维度下的状态等级。
上述过程基于每个驾驶状态表征变量对应的驾驶状态的分析维度-等级划分方式列表，确定出的等级划分方式，确定出个驾驶状态表征变量在目标分析维度下的状态等级。
实施例6：
在实施例4的基础上，基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态，包括：
将驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级值(即状态等级对应的数值)和当前驾驶状态表征变量的最大状态等级值(即当前驾驶状态表征变量的状态等级的数值预设的可达到的最大值)的比值，当作对应驾驶状态表征变量的状态等级相对值(表征驾驶状态表征变量在最大状态等级值中的相对占比)；
将驾驶状态表征变量集合中所有驾驶状态表征变量的状态等级相对值的均值，当作驾驶状态表征变量集合的综合状态等级相对值(即表征驾驶状态表征变量集合中所有驾驶状态表征变量在最大状态等级值中的综合相对占比)，并将综合状态等级相对值当作目标分析维度下的当前驾驶状态。
通过求取状态等级相对值实现对驾驶状态表征变量的归一化，并通过对驾驶状态表征变量集合中所有驾驶状态表征变量的状态等级相对值求均值，实现对驾驶状态表征变量集合的与最大状态等级值的相对占比的综合表征，实现驾驶状态表征变量集合对应的实际数值表征的驾驶状态的准确等级量化。
实施例7：
在实施例6的基础上，S3：基于当前驾驶状态确定出车辆传感器的数据获取策略，包括：
获取控制决策目的的大量决策实例(即为记录有曾经为实现对应控制决策目的的利用大量环境感知信息进行决策计算，以获得可以实现对应控制决策目的的优化控制计划的决策计算过程的记录实例)；
将每种环境感知信息在所有决策实例中的被采用次数(即为所有决策实例中采用了对应种类的环境感知信息的决策计算步骤总数，其中，决策计算步骤可按需预设划分，例如按照计算公式划分或者人为划分)和所有决策实例中的决策计算步骤总数的比值，当作对应种类的环境感知信息在控制决策目的下的被采用权重(即为表征单个环境感知信息种类在当前获得的所有决策实例中被采用的频繁程度的权重值)；
将被采用权重超出权重阈值(即为预设的用于筛选出控制决策目的的目标环境感知信息组的被采用权重的筛选阈值)的环境感知信息种类，当作控制决策目的对应的目标环境感知信息组；
上述过程通过对不同环境感知信息在控制决策目的的大量决策实例中的被采用次数，筛选出被大量用于确定可实现对应控制决策目的优化控制计划过程中的计算鞠策步骤的对应的目标环境感知信息组，以采用频次控制其环境感知信息组的数据获取策略，以通过对环境感知信息的选择性获取的方式，提高车辆传感器的数据获取效率；
基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，并将每个环境感知信息种类的数据获取策略当作对应车辆传感器的数据获取策略，进而实现基于当前驾驶状态对前述步骤筛选出的目标环境感知信息种类的数据获取策略的进一步细化。
实施例8：
在实施例7的基础上，基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，包括：
将当前驾驶状态对应的综合状态等级相对值和最大综合状态等级相对值(即为驾驶状态表征变量集合预设的可以达到的综合状态相对值的最大值)的比值，当作状态量化比(即为表征将当前驾驶状态对应的综合状态等级相对值进行比值量化后的数值，即用比值表示其综合状态等级相对值的大小)；
基于状态量化比，检索状态量化比-每个环境感知信息种类的数据获取周期列表(即为包含不同状态量化比下，每个环境感知信息种类对应的预设的数据获取周期)，获得目标环境感知信息组中每个环境感知信息种类在当前驾驶状态下的目标数据获取周期(即为单个目标环境感知信息种类的数据获取周期)，将每个环境感知信息种类的目标数据获取周期当作对应环境感知信息种类的数据获取策略。
上述过程通过将当前状态的综合状态等级相对值进行比值量化后，用统一比值表示其综合状态等级相对值的相对大小，即获得状态量化比，基于状态量化比，检索对应关系表，准确确定出不同环境感知信息种类的数据获取周期，以实现环境感知信息种类的数据获取周期的按规律确定，克服传统传感器数据获取方式的固定流程化和单一化。
实施例9：
在实施例1的基础上，S5：基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划，包括：
将目标环境感知信息作为输入，并基于控制决策目的的决策策略，确定出智能座舱的所有优化控制变量和对应的优化控制参数(例如被控制的变量、被控制的时间、被控制的变量的调整值等，例如：在一分钟之后将智能座舱的舱内温度调节至27度)；
基于所有优化控制变量和对应的优化控制参数，生成智能座舱的优化控制计划(即为包含被控制的变量、被控制的时间、被控制的变量的调整值等与优化控制执行的相关参数的计划)。
上述基于目标环境感知信息和控制决策目的的决策策略，高效确定出可以实现对应控制决策目的的智能座舱的优化控制计划。
实施例10：
本发明提供了基于车辆传感器的智能座舱环境感知及控制系统，参考图3，包括：
维度确定模块，用于基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度；
状态确定模块，用于基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态；
测量确定模块，用于基于当前驾驶状态确定出车辆传感器的数据获取策略；
信息感知模块，用于控制车辆传感器基于数据获取策略对智能座舱的环境信息进行感知，获得目标环境感知信息；
计划确定模块，用于基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划；
优化控制模块，用于基于优化控制计划对智能座舱进行优化控制，获得优化控制结果。
本发明通过对车辆的驾驶状态的预分析以及当前决策目的的数据需求情况，制定车辆传感器的数据获取策略，克服了传统方法的车辆传感器的数据获取过程的同质化和固定流程化，控制车辆传感器基于该数据获取策略对智能座舱的环境信息进行感知，进而提高了数据获取效率，以供完成后续决策过程，实现对智能座舱的优化控制等，提高了智能座舱的智能控制决策过程的决策准确度。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (8)
1.基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，包括：
S1：基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度；
S2：基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态；
S3：基于当前驾驶状态确定出车辆传感器的数据获取策略；
S4：控制车辆传感器基于数据获取策略对智能座舱的环境信息进行感知，获得目标环境感知信息；
S5：基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划；
S6：基于优化控制计划对智能座舱进行优化控制，获得优化控制结果；
其中，步骤S1：基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度，包括：
S101：获取控制决策目的的大量驾驶状态记录实例，确定出驾驶状态记录实例中的所有驾驶状态变量，并确定出每个驾驶状态变量在驾驶状态记录实例中的时序变化记录数据；
S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度；
S103：将在当前计算的决策过程记录实例中的状态表征度超出表征度阈值的所有驾驶状态变量汇总，当作当前计算的决策过程记录实例的驾驶状态表征变量集合；
S104：基于每个驾驶状态表征变量集合在控制决策目的下的综合表征度，在所有驾驶状态表征变量集合中筛选出驾驶状态的目标分析维度；
其中，目标分析维度由筛选出的驾驶状态表征变量集合中的所有驾驶状态表征变量表示；
其中，步骤S102：将驾驶状态变量在单个决策过程记录实例中的时序变化记录数据在驾驶状态变量的所有时序变化记录数据的特异度，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度，包括：
确定出驾驶状态变量在单个决策过程记录实例中的时序变化记录数据中每个时刻的具体数值与驾驶状态变量的所有时序变化记录数据中相同时刻的具体数值的均值之间的差值与对应均值的比值，当作驾驶状态变量在当前时序变化记录数据中对应时刻的局部特异度；
将驾驶状态变量在当前时序变化记录数据中所有时刻的局部特异度的均值，当作驾驶状态变量在当前计算的决策过程记录实例中的状态表征度。
2.根据权利要求1所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，S2：基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态，包括：
在车辆的当前驾驶状态数据中，提取出目标分析维度对应的驾驶状态表征变量集合中包含的驾驶状态表征变量的具体数值；
基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级；
基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态。
3.根据权利要求2所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，基于目标分析维度对驾驶状态表征变量集合中的每个驾驶状态表征变量的具体数值进行等级划分，获得驾驶状态表征变量集合中的每个驾驶状态表征变量在目标分析维度下的状态等级，包括：
基于驾驶状态表征变量集合中每个驾驶状态表征变量对应的驾驶状态的分析维度-等级划分方式列表，确定出驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式；
基于驾驶状态表征变量集合中每个驾驶状态表征变量在目标分析维度下的等级划分方式中不同等级对应的数值区间，确定出每个驾驶状态表征变量的具体数值所属的数值区间对应的等级，当作每个驾驶状态表征变量在目标分析维度下的状态等级。
4.根据权利要求2所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，基于驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级，确定出目标分析维度下的当前驾驶状态，包括：
将驾驶状态表征变量集合中每个驾驶状态表征变量的状态等级值和当前驾驶状态表征变量的最大状态等级值的比值，当作对应驾驶状态表征变量的状态等级相对值；
将驾驶状态表征变量集合中所有驾驶状态表征变量的状态等级相对值的均值，当作驾驶状态表征变量集合的综合状态等级相对值，并将综合状态等级相对值当作目标分析维度下的当前驾驶状态。
5.根据权利要求4所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，S3：基于当前驾驶状态确定出车辆传感器的数据获取策略，包括：
获取控制决策目的的大量决策实例；
将每种环境感知信息在所有决策实例中的被采用次数和所有决策实例中的决策计算步骤总数的比值，当作对应种类的环境感知信息在控制决策目的下的被采用权重；
将被采用权重超出权重阈值的环境感知信息种类，当作控制决策目的对应的目标环境感知信息组；
基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，并将每个环境感知信息种类的数据获取策略当作对应车辆传感器的数据获取策略。
6.根据权利要求5所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，基于当前驾驶状态，确定出目标环境感知信息组中每个环境感知信息种类的数据获取策略，包括：
将当前驾驶状态对应的综合状态等级相对值和最大综合状态等级相对值的比值，当作状态量化比；
基于状态量化比，检索状态量化比-每个环境感知信息种类的数据获取周期列表，获得目标环境感知信息组中每个环境感知信息种类在当前驾驶状态下的目标数据获取周期，将每个环境感知信息种类的目标数据获取周期当作对应环境感知信息种类的数据获取策略。
7.根据权利要求1所述的基于车辆传感器的智能座舱环境感知及控制方法，其特征在于，S5：基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划，包括：
将目标环境感知信息作为输入，并基于控制决策目的的决策策略，确定出智能座舱的所有优化控制变量和对应的优化控制参数；
基于所有优化控制变量和对应的优化控制参数，生成智能座舱的优化控制计划。
8.基于车辆传感器的智能座舱环境感知及控制系统，其特征在于，用于执行权利要求1至7中任一所述的基于车辆传感器的智能座舱环境感知及控制方法，包括：
维度确定模块，用于基于控制决策目的的大量驾驶状态记录实例，确定出控制决策目的对应的驾驶状态的目标分析维度；
状态确定模块，用于基于目标分析维度对车辆的当前驾驶状态数据进行预分析，确定出目标分析维度下的当前驾驶状态；
测量确定模块，用于基于当前驾驶状态确定出车辆传感器的数据获取策略；
信息感知模块，用于控制车辆传感器基于数据获取策略对智能座舱的环境信息进行感知，获得目标环境感知信息；
计划确定模块，用于基于目标环境感知信息和控制决策目的的决策策略，获得智能座舱的优化控制计划；
优化控制模块，用于基于优化控制计划对智能座舱进行优化控制，获得优化控制结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311210005.2A CN117104161B (zh) | 2023-09-19 | 2023-09-19 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311210005.2A CN117104161B (zh) | 2023-09-19 | 2023-09-19 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117104161A CN117104161A (zh) | 2023-11-24 |
| CN117104161B true CN117104161B (zh) | 2024-04-16 |
Family
ID=88802217
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311210005.2A Active CN117104161B (zh) | 2023-09-19 | 2023-09-19 | 基于车辆传感器的智能座舱环境感知及控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117104161B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119751A (zh) * | 2015-09-08 | 2015-12-02 | 浙江工业大学 | 一种基于环境实时感知的服务评估及选取方法 |
| DE102017006260A1 (de) * | 2017-07-01 | 2018-01-04 | Daimler Ag | Verfahren zum Bestimmen von Detektionseigenschaften wenigstens eines Umgebungssensors in einem Fahrzeug und Fahrzeug, eingerichtet zur Durchführung eines solchen Verfahrens |
| DE102018002955A1 (de) * | 2017-04-20 | 2018-10-25 | Scania Cv Ab | Verfahren und steueranordnung zur umgebungswahrnehmung |
| CN111967753A (zh) * | 2020-08-10 | 2020-11-20 | 成都信息工程大学 | 面向制造任务执行的云制造环境信息感知系统和方法 |
| CN112896176A (zh) * | 2021-01-25 | 2021-06-04 | 广汽蔚来新能源汽车科技有限公司 | 车辆使用环境感知方法、系统、计算机设备和存储介质 |
| CN113593221A (zh) * | 2021-07-05 | 2021-11-02 | 哈尔滨工业大学（深圳） | 信息价值评估式驾驶系统、网联车辆系统和数据传输方法 |
| CN115782921A (zh) * | 2022-12-08 | 2023-03-14 | 阿里云计算有限公司 | 用于自动驾驶的环境感知方法、装置及电子设备 |
| WO2023083620A1 (de) * | 2021-11-10 | 2023-05-19 | Robert Bosch Gmbh | Prüfung der umfeldsensorik und/oder umfeldperzeption eines fahrzeugs |
-
2023
- 2023-09-19 CN CN202311210005.2A patent/CN117104161B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105119751A (zh) * | 2015-09-08 | 2015-12-02 | 浙江工业大学 | 一种基于环境实时感知的服务评估及选取方法 |
| DE102018002955A1 (de) * | 2017-04-20 | 2018-10-25 | Scania Cv Ab | Verfahren und steueranordnung zur umgebungswahrnehmung |
| DE102017006260A1 (de) * | 2017-07-01 | 2018-01-04 | Daimler Ag | Verfahren zum Bestimmen von Detektionseigenschaften wenigstens eines Umgebungssensors in einem Fahrzeug und Fahrzeug, eingerichtet zur Durchführung eines solchen Verfahrens |
| CN111967753A (zh) * | 2020-08-10 | 2020-11-20 | 成都信息工程大学 | 面向制造任务执行的云制造环境信息感知系统和方法 |
| CN112896176A (zh) * | 2021-01-25 | 2021-06-04 | 广汽蔚来新能源汽车科技有限公司 | 车辆使用环境感知方法、系统、计算机设备和存储介质 |
| CN113593221A (zh) * | 2021-07-05 | 2021-11-02 | 哈尔滨工业大学（深圳） | 信息价值评估式驾驶系统、网联车辆系统和数据传输方法 |
| WO2023083620A1 (de) * | 2021-11-10 | 2023-05-19 | Robert Bosch Gmbh | Prüfung der umfeldsensorik und/oder umfeldperzeption eines fahrzeugs |
| CN115782921A (zh) * | 2022-12-08 | 2023-03-14 | 阿里云计算有限公司 | 用于自动驾驶的环境感知方法、装置及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117104161A (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110610260A (zh) | 行车能耗预测系统、方法、存储介质和设备 | |
| CN110188797B (zh) | 一种基于贝叶斯优化的智能汽车快速测试方法 | |
| CN1652051A (zh) | 利用模型切换和属性插值的自适应多变量过程控制器 | |
| CN110395245B (zh) | 一种基于固定路线驾驶信息的混动汽车能量管理系统 | |
| CN110194041B (zh) | 多源信息融合的自适应车身高度调节方法 | |
| CN111951430A (zh) | 一种车辆驾驶性评价方法及其系统 | |
| Hunt et al. | Speed control design for an experimental vehicle using a generalized gain scheduling approach | |
| CN117104161B (zh) | 基于车辆传感器的智能座舱环境感知及控制方法及系统 | |
| CN114463868A (zh) | 面向交通流管控的收费站交通流组合预测方法及系统 | |
| CN113401123B (zh) | 融合驾驶模式信息的汽车预测巡航参数自整定控制系统 | |
| JP6968282B2 (ja) | パワートレイン管理の因果分析 | |
| CN112035536A (zh) | 一种考虑动态路网交通流的电动汽车能耗预测方法 | |
| CN109249933B (zh) | 一种驾驶员加速意图识别方法及其装置 | |
| CN115327942A (zh) | 一种环境智能监测系统 | |
| CN111933226B (zh) | 一种基于分级分类模型的人工智能筛选材料方法 | |
| Cheng et al. | Intelligent gear decision method for automatic vehicles based on data mining under uphill conditions | |
| CN113196345A (zh) | 用于对机动车辆进行分类的方法以及系统 | |
| CN116901650A (zh) | 基于环境、can信号和乘员习惯的汽车空调控制方法和系统 | |
| CN117002221B (zh) | 一种可信息互通的汽车空调智能控制方法及系统 | |
| CN112668239B (zh) | 一种基于对抗学习的混合动力卡车队列经验传授方法 | |
| CN115966037B (zh) | 一种燃料电池汽车驾驶行为经济性的评价方法及装置 | |
| CN113435061B (zh) | 一种电驱动系统可靠性目标载荷快速构建方法 | |
| CN114627654B (zh) | 一种基于时空特性的公交车载客量量化方法 | |
| CN115826544B (zh) | 一种汽车配件的生产调参系统 | |
| Hou et al. | Research on Adaptive Cruise Control Strategy Considering Driving Style |
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 |