CN117808349A - 一种v2x场景下乘客满意度的影响因素识别方法及装置 - Google Patents

Abstract

本发明涉及自动驾驶技术领域，公开了一种V2X场景下乘客满意度的影响因素识别方法及装置。本发明获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、分项满意度评分，以及车辆客观指标数据；基于预设影响度分析算法对不同测试编号对应的分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；基于预设影响度分析算法，对不同测试编号对应的车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，作为乘客满意度客观影响因素项；通过结合客观指标和乘客评价，实现了从客观指标到关键分项满意度再到总体满意度的映射，提高了判断影响乘客主观舒适度的客观因素的准确性。

Description

一种V2X场景下乘客满意度的影响因素识别方法及装置

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种V2X场景下乘客满意度的影响因素识别方法及装置。

背景技术

近年来，在全球新一轮科技和产业革新的背景下，汽车与能源、通信、交通等产业加速融合，智能网联汽车(Intelligent and Connected Vehicles)作为交能融合的重要载体，推动了交通出行方式和消费产业链的深刻变革。智能网联汽车旨在实现车与路、人、车、环境之间的交互感知，有效解决单车智能的长尾问题、超视距感知和设备配置冗余等问题。V2X通过无线通信技术实现车辆(Vehicle)与周围万物(X)的交互感知。随着5G通信系统的发展，新一代的无线通信技术结合传统汽车行业在自动驾驶领域的发展，逐渐成为智能网联汽车的发展方向。

V2X场景指采用V2X技术的自动驾驶应用场景，如Robotaxi、无人配送、港口水平运输、干线物流等典型场景。在V2X由测试、示范向商业化运营的转变进程中，Robotaxi、Robobus等特定场景的乘客满意度问题逐渐凸显，如急刹、转弯离心力等问题。在这些V2X场景下乘客满意度的影响因素识别方法亟待研究，这不仅影响到出行者对自动驾驶车的选择偏好，是自动驾驶商业化运营成功落地的关键因素，也为自动驾驶技术的改进带来有效的着力点。

作为技术发展的导向，提升主观舒适度在V2X场景发展中至关重要。然而现有研究大多将主观指标是客观指标的直接映射，认为提高主观指标满意度的方法是提升其对应的客观指标，例如提高旅客的感知速度的方法是提升实际的车辆平均行驶速度。有研究表明，主观指标和客观指标并非严格的映射关系。主观指标受多种内部因素的影响，包括乘客年龄、性别、教育水平的差异，此外地域之间的差异也会影响乘客的感知习惯。因此，上述方法并不能准确的分析影响乘坐自动驾驶车辆的乘客主观舒适度的客观因素。

发明内容

有鉴于此，本发明提供了一种V2X场景下乘客满意度的影响因素识别方法及装置，以解决如何提高在乘客乘坐自动驾驶车辆时，判断影响乘客主观舒适度的客观因素的准确性。

第一方面，本发明提供了一种V2X场景下乘客满意度的影响因素识别方法，方法包括：获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据；基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，所述目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分；基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，所述目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

本发明实施例通过V2X测试场景下自动驾驶车辆的测试项目，获取测试乘客对整个测试过程的总体满意度以及分项满意度，并且记录测试过程中车辆的不同客观指标；对总体满意度进行分项影响程度的分析，确定对总体满意度影响程度最高的分项满意度；对分项满意度再次进行车辆客观指标影响程度分析，确定最能影响分项满意度的车辆客观指标；通过结合客观指标和乘客感知评价，实现了从客观指标到关键分项满意度再到总体满意度的映射，提高了判断影响乘客主观舒适度的客观因素的准确性，也有助于分析不同乘客的不同感知程度，为不同V2X场景下提供定制化服务，还能有效提升乘客出行的满意度。

在一种可选的实施方式中，所述预设V2X测试场景，至少包括：前方车辆行驶状态识别及响应场景、障碍物识别及响应场景、行人和非机动车识别及避让场景、跟车行驶场景、并道场景、交叉路口通行场景以及自动紧急制动场景；所述分项满意度评分，至少包括：感知行程速度满意度评分、行程时间满意度评分、转弯平稳度满意度评分、速度平稳度满意度评分、刹车频率满意度评分以及急刹感满意度评分；所述车辆客观指标数据，至少包括：平均速度数据、速度标准差数据、行程时间数据、转弯半径数据、刹车加速度数据、超车加速度数据、点刹频率数据；所述测试编号与所述总体满意度评分为一对一的关系；所述总体满意度评分与所述分项满意度评分为一对多的关系；所述测试编号与所述车辆客观指标数据为一对多的关系。

本发明实施例通过包括多种V2X测试场景和分项满意度评分，以及涵盖多项车辆客观指标数据的设计，将测试编号与总体满意度评分、分项满意度评分以及车辆客观指标数据进行关联，有助于全面地评估自动驾驶车辆在不同场景下的性能表现，能够为乘客的感知舒适度提供客观的量化评估，从而为后续识别影响乘客满意度的关键因素提供数据基础。

在一种可选的实施方式中，所述获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据的步骤之前，还包括：基于预设V2X测试场景、实际道路条件信息以及预设车辆测试方法进行路段筛选，获取不同V2X测试场景对应的测试路段；在所述不同V2X测试场景对应的测试路段中对承载有测试乘客的自动驾驶车辆进行测试。

本发明实施例综合考虑对现状交通流的影响、道路测试的连续性、便捷性和高效性，对各路段进行筛选，是为了消除测试环境的差异，确保测试结果的可比性。

在一种可选的实施方式中，所述基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分，包括：基于信息增益原理构建第一增益计算公式；基于第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为多个分项评分影响权重；其中，所述多个分项评分影响权重用于表征不同的分项满意度评分对总体满意度评分的影响程度；选取所述多个分项评分影响权重中的最高权重作为第一权重，并基于所述第一权重获取对应的分项满意度评分作为目标分项满意度评分。

本发明实施例通过构建了第一增益计算公式，利用第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为各个分项评分的影响权重，从多个分项评分影响权重中选取最高权重作为第一权重，并基于该权重获取对应的分项满意度评分作为目标分项满意度评分，通过综合计算不同分项满意度评分对总体满意度的影响程度并选择最有影响力的分项评分作为目标分项满意度评分，可以更准确地评估自动驾驶系统在不同测试场景下，对于乘客感知影响较大的选项，为后续进一步准确识别车辆客观指标提供数据基础。

在一种可选的实施方式中，所述基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项，包括：基于信息增益原理构建第二增益计算公式；基于第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为多个客观指标影响权重；其中，所述多个客观指标影响权重用于表征不同的车辆客观指标数据对目标分项满意度评分的影响程度；选取所述多个客观指标影响权重中的最高权重作为第二权重，并基于所述第二权重获取对应的车辆客观指标作为测试乘客满意度影响因素项。

本发明实施例通过构建了第二增益计算公式，利用第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为各个客观指标的影响权重，从多个客观指标影响权重中选取最高权重作为第二权重，并基于该权重获取对应的车辆客观指标作为测试乘客满意度影响因素项，通过综合计算不同车辆客观指标数据对目标分项满意度评分的贡献程度并选择最有影响力的客观指标作为测试乘客满意度影响因素项，有助于确定各个指标对乘客满意度的影响，为改进和优化自动驾驶技术提供定制化的方向，进一步提高乘客乘坐车辆的满意度。

在一种可选的实施方式中，所述第一增益计算公式如下所示：

其中，gain(C，A_k)表示不同的分项满意度A_k的评分对总体满意度C的评分的第一增益权重；c_i表示第i个测试编号对应的总体满意度评分；a_j表示第i个测试编号对应的第j个分项满意度评分；p(c_i)表示不同测试编号对应的总体满意度评分中取值为c_i的概率；p(c_i，a_j)表示总体满意度评分取值为c_i的且分项满意度评分取值为a_j的概率；p(c_i，a_j)表示分项满意度评分取值为a_j的情况下，总体满意度评分取值为c_i的概率；

所述p(c_i)、p(c_i，a_j)、p(c_i|a_j)均为基于概率计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行概率计算得到的。

在一种可选的实施方式中，所述第二增益计算公式如下所示：

其中，gain(T，S_k)表示不同的车辆客观指标S_k的数据对目标分项满意度T的评分的第二增益权重；t_i表示第i个测试编号对应的目标分项满意度评分；s_j表示第i个测试编号对应的第j个车辆客观指标数据；p(t_i)表示不同测试编号对应的目标分项满意度评分中取值为t_j的概率；p(t_i，s_j)表示目标分项满意度评分取值为t_i的且车辆客观指标数据取值为s_j的概率；p(t_i|s_j)表示车辆客观指标数据取值为s_j的情况下，总体满意度评分取值为t_i的概率；

所述p(t_i)、p(t_i，s_j)、p(t_i|s_j)均为基于概率计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行概率计算得到的。

本发明实施例通过计算第一增益和第二增益，将一级指标(分项满意度评分)和二级指标(车辆客观指标数据)相关联，综合考虑多个指标对总体满意度的影响。这样可以更全面地了解不同指标之间的相互作用和综合效果，避免仅仅依赖单一指标的评估结果。

在一种可选的实施方式中，所述方法，还包括：基于自动驾驶车辆的车载交互模块获取当前承载的目标乘客的感知需求信息；基于所述感知需求信息以及乘客满意度客观影响因素项生成控制指令；基于所述控制指令控制所述自动驾驶车辆的客观指标调整模块，以满足目标乘客的感知需求。

本发明实施例通过获取目标乘客的感知需求信息，通过感知需求信息生成控制指令，自动调整车辆的客观指标，可以更好地满足目标乘客的需求，增加乘客对自动驾驶车辆的满意度，从而提升乘车体验，还优化了自动驾驶车辆的性能。

第二方面，本发明提供了一种V2X场景下乘客满意度的影响因素识别装置，所述装置包括：

数据获取模块，用于获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据；

目标分项满意度分析模块，用于基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，所述目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分；

满意度影响因素分析模块，用于基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，所述目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

第三方面，本发明提供了一种计算机设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的V2X场景下乘客满意度的影响因素识别方法。

第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的V2X场景下乘客满意度的影响因素识别方法。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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的V2X场景下乘客满意度的影响因素识别方法的流程示意图；

图2是根据本发明实施例的V2X场景下乘客满意度的影响因素识别方法的问卷信息示意图；

图3是根据本发明实施例的另一V2X场景下乘客满意度的影响因素识别方法的流程示意图；

图4是根据本发明实施例的另一V2X场景下乘客满意度的影响因素识别方法的流程示意图；

图5是根据本发明实施例的V2X场景下乘客满意度的影响因素识别装置的模块组成示意图；

图6是本发明实施例的计算机设备的硬件结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。

本发明实施例提供的一种V2X场景下乘客满意度的影响因素识别方法，应用于各种自动驾驶车辆的出行的场景，随着V2X技术的提升和自动驾驶车辆的设备迭代，各类车辆客观指标将越来越多，而乘客的感知舒适度、满意度等指标相对有限，因此自动驾驶的技术改进方向尚不明确。本发明实施例针对V2X场景，设计测试项目和测试场景，进而提出乘客满意度的影响因素识别方法，形成客观指标到关键分项满意度，再到总体满意度的映射，为自动驾驶技术的改进方向提出有效的建议和指导。此外，本发明实施例具有可拓展性和可完善性，在车路云一体化由测试示范向商业化运营的阶段，为如何提高乘客的满意度提供有效的指导，助推车路云一体化的落地。最终希望有效分析不同乘客的异质性，在不同的V2X场景为乘客提供定制化服务，提升出行满意度。

根据本发明实施例，提供了一种V2X场景下乘客满意度的影响因素识别方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中提供了一种V2X场景下乘客满意度的影响因素识别方法，可用于上述的计算机设备，图1是根据本发明实施例的V2X场景下乘客满意度的影响因素识别方法的流程图，如图1所示，该流程包括如下步骤：

步骤S101，获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据。

需要说明的是，V2X场景也可以指智能网联汽车测试场景。在测试场景中，乘客满意度问题逐渐凸显。例如，在早高峰时段，乘客因工作需要往往需要缩短旅行时间；在周末及节假日，乘客的目的大多是体验自动驾驶车，倾向于更稳定的驾驶状态。然而，现有的V2X场景问题有：(1)系统设置单一化。不同用户群体对ICV(智能网联汽车)的期望和需求的差异导致用户体验的多样性，而现有的ICV在各种场景中的自动驾驶参数是单一的，不会根据乘客的需求和行为习惯而改变，无法提供定制化服务。(2)驾驶行为偏保守。现有的ICV技术对安全性要求极高，在很多场景中无法完成超车和快速变道等行为，在检测到异常情况时通常会触发急刹，导致ICV在实际运营过程中乘坐体验仍无法达到经验丰富的司机，在行驶速度和行驶稳定性方面有较大改进空间。因此，将乘客满意度引入V2X场景，将有助于认知各个客观指标对满意度的影响，进而对客观指标进行改进。乘客满意度调查目前在公交、网约车等领域用的不少，但是在V2X领域还很少。对公交、网约车等调查难以覆盖很多情况，但是本发明实施例的V2X场景可以直接设计复杂场景进行测试，条件更完善。

示例性的，本发明实施例中V2X场景的测试项目和具体测试场景如表1所示：

表1

需要说明的是，测试乘客会在预设的V2X测试场景下乘坐自动驾驶车辆，体验自动驾驶技术，并提供关于他们的乘坐体验和满意度的反馈，用以分析影响乘客满意度的重要因。测试乘客的满意度评估可以通过各种方式进行，例如填写调查问卷、车内监控监测等。

本发明实施例中，预设V2X测试场景，至少包括：前方车辆行驶状态识别及响应场景、障碍物识别及响应场景、行人和非机动车识别及避让场景、跟车行驶场景、并道场景、交叉路口通行场景以及自动紧急制动场景；分项满意度评分，至少包括：感知行程速度满意度评分、行程时间满意度评分、转弯平稳度满意度评分、速度平稳度满意度评分、刹车频率满意度评分以及急刹感满意度评分；车辆客观指标数据，至少包括：平均速度数据、速度标准差数据、行程时间数据、转弯半径数据、刹车加速度数据、超车加速度数据、点刹频率数据；测试编号与总体满意度评分为一对一的关系；总体满意度评分与分项满意度评分为一对多的关系；测试编号与车辆客观指标数据为一对多的关系。

可以理解的是，通过包括多种V2X测试场景和分项满意度评分，以及涵盖多项车辆客观指标数据的设计，将测试编号与总体满意度评分、分项满意度评分以及车辆客观指标数据进行关联，有助于全面地评估自动驾驶车辆在不同场景下的性能表现，能够为乘客的感知舒适度提供量化评估，从而为后续识别影响乘客满意度的关键因素提供数据基础。

示例性的，在某智能网联示范区设计若干场景，包括前方车辆行驶状态识别及响应、障碍物识别及响应、行人和非机动车识别及避让、跟车行驶、并道、交叉路口通行、自动紧急制动等。在测试结束后，由乘客填写手机问卷(参照图2)，问卷至少包括个人基本信息、分项满意度、总体满意度、行程ID等，问卷的行程ID默认为该次测试的测试ID(测试编号)，ID唯一且不重复。其中，分项满意度包括感知行程速度、行程时间、转弯平稳度、速度平稳度、刹车频率、急刹感的满意度；测试车辆安装有智能网联通信设备，并与云控平台连接，实时上报测试车辆的身份信息、位置、速度、轨迹等信息。收集到的车辆数据经统一处理，去除噪声和无效数据，得到指标项，指标项与单次的行程ID相对应，指标总结为7项：平均速度、速度标准差、行程时间、转弯半径、刹车加速度、超车加速度、点刹频率等。

本发明实施例中，V2X场景设计、问卷设计内容和车端信息采集均可以根据实际需求进行延伸和拓展，本实施例不以此为限。V2X场景设计可以进一步扩展，完善各类典型测试场景，增加测试项目，以获得更具有代表性的乘客感知数据。问卷设计中分项满意度可进行拓展和更改，对不同的测试场景和测试项目采用更具有针对性的评价方法，以此对客户提供更加细致的定制化服务。车端信息采集可随技术的改进提取更多有效信息，如路面平整度、恶劣天气下的驾驶行为等。

步骤S102，基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分。

需要说明的是，预设影响度分析算法指的是用于评估分享满意度对总体满意度的影响程度的分析算法；例如层次分析法、信息增益、相关性分析、主成分分析等，通过预设影响度分析算法，可以得到目标分项满意度评分，评分表征了对总体满意度评分影响程度最高的分项满意度评分，关注对总体满意度影响最大的方面，从而有效提高乘客的整体满意度，也为后续进一步分析车辆客观指标提供数据基础。

步骤S103，基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

可以理解的是，本发明实施例在两次映射(分项满意度-总体满意度，客观指标-分项满意度)之后，计算权重进行排序，得到影响总体满意度的关键车辆客观指标，能有效指导实际自动驾驶车辆的改进方向；而并非是现有技术中把满意度的各项值进行加权平均作为总体满意度，现有技术中满意度的评估方式不能体现二级指标对总体结果的影响，对实际自动驾驶车辆的指导意义不大。

本发明实施例通过设计V2X测试场景下自动驾驶车辆的测试项目，获取测试乘客对整个测试过程的总体满意度以及分项满意度，并且记录测试过程中车辆的不同客观指标；对总体满意度进行分项影响程度的分析，确定对总体满意度影响程度最高的分项满意度；对分项满意度再次进行车辆客观指标影响程度分析，确定最能影响分项满意度的车辆客观指标；通过结合客观指标和乘客感知评价，实现了从客观指标到关键分项满意度再到总体满意度的映射，提高了判断影响乘客主观舒适度的客观因素的准确性，也有助于分析不同乘客的不同感知程度，为不同V2X场景下提供定制化服务，还能有效提升乘客出行的满意度。

在本实施例中提供了一种V2X场景下乘客满意度的影响因素识别方法，可用于上述的计算机，图3是根据本发明实施例的V2X场景下乘客满意度的影响因素识别方法的流程图，如图3所示，该流程包括如下步骤：

步骤S301，基于预设V2X测试场景、实际道路条件信息以及预设车辆测试方法进行路段筛选，获取不同V2X测试场景对应的测试路段。

步骤S302，在不同V2X测试场景对应的测试路段中对承载有测试乘客的自动驾驶车辆进行测试。

示例性的，先采集所选测试区域的实际道路条件信息，至少包括道路类型、道路宽度、车道数、交通流量等。再选取预设的车辆测试方法，例如具体的测试速度、测试时间、车辆行为等；当实际道路条件以及预设车辆测试方法都确定之后，可以基于预设V2X测试场景筛选路段，例如交叉路口通行场景可以选择有信号灯或者无信号灯的多种交叉路段。在确定测试路段后，将承载有测试乘客的自动驾驶车辆引入测试路段进行测试。根据预设的车辆测试方法，设置车辆的测试速度、测试时间和车辆行为，记录自动驾驶车辆在不同测试场景下的各种车辆状态信息，提取过滤以及预处理后得到。

可以理解的是，综合考虑对现状交通流的影响、道路测试的连续性、便捷性和高效性，对各路段进行筛选，是为了消除测试环境的差异，确保测试结果的可比性。

步骤S303，获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据。详细请参见图1所示实施例的步骤S101，在此不再赘述。

步骤S304，基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分。详细请参见图1所示实施例的步骤S102，在此不再赘述。

步骤S305，基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。详细请参见图1所示实施例的步骤S103，在此不再赘述。

步骤S306，基于自动驾驶车辆的车载交互模块获取当前承载的目标乘客的感知需求信息。

需要说明的是，目标乘客指的是在进行乘客满意度客观影响因素项的分析后，自动驾驶车辆已经投入应用过程中所承载的乘客；感知需求信息是指自动驾驶车辆通过车载交互模块获取的目标乘客的对行驶过程中车辆性能、是否舒适、驾驶安全等方面的要求信息，可以基于自动驾驶车辆的车载交互模块或者专门为自动驾驶车辆开发的打车APP上进行需求信息的传输。

步骤S307，基于感知需求信息以及乘客满意度客观影响因素项生成控制指令。

示例性的，如果目标乘客的感知需求信息是感知行程时间太慢，而通过本发明实施例计算出影响感知行程时间的乘客满意度客观影响因素项实际上是转弯半径和行程时间，则生成控制指令调整车辆的速度，并且生成控制指令调整车辆的转弯半径。相较于传统方法认为行程时间直接关联车辆速度的这种判定方式，本实施例计算出了转弯半径也作为其中一项影响因素，从而保证影响乘客满意度的因素判断的准确性。

步骤S308，基于控制指令控制自动驾驶车辆的客观指标调整模块，以满足目标乘客的感知需求。

示例性的，基于生成的控制指令，通过控制自动驾驶车辆的客观指标调整模块，以满足目标乘客的感知需求；根据控制指令调整车辆的速度和转弯半径，以确保行程时间更短，从而满足乘客对行程时间的要求。

在一中可选的实施方式中，若目标乘客为已经参加过测试阶段的测试乘客，则可以调取历史问卷；基于历史问卷中的各个分项满意度生成影响对应分项满意度的各个车辆客观指标，并生成控制指令；来控制自动驾驶车辆的客观指标调整模块。通过调取历史问卷，可以根据乘客个体的反馈数据进行个性化满意度分析，根据历史问卷中的信息，针对性地生成控制指令，以满足目标乘客的个性化需求。

示例性的，目标乘客在专门为自动驾驶车辆开发的APP上注册账号，录入个人信息。在每次乘坐自动驾驶车辆后，由乘客填写调查问卷，包括该旅程的各分项满意度和总体满意度(感知需求信息)。在下一次旅程开始前，云控平台会调取该目标乘客的信息，包括其历史问卷记录，在服务过程中将根据该乘客的历史问卷中的分项满意度，依据学习到的分项满意度影响因素，动态调整车辆行驶的客观指标，以此提高乘客的总体满意度。

本发明实施例通过获取目标乘客的感知需求信息，通过感知需求信息生成控制指令，自动调整车辆的客观指标，可以更好地满足目标乘客的需求，增加乘客对自动驾驶车辆的满意度，从而提升乘车体验，还优化了自动驾驶车辆的性能。

在本实施例中提供了一种V2X场景下乘客满意度的影响因素识别方法，可用于上述的计算机，图4是根据本发明实施例的V2X场景下乘客满意度的影响因素识别方法的流程图，如图4所示，该流程包括如下步骤：

步骤S401，获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据。详细请参见图1所示实施例的步骤S101，在此不再赘述。

步骤S402，基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分。具体的，上述步骤S402，包括：

步骤S4021，基于信息增益原理构建第一增益计算公式。

需要说明的是，信息增益原理指的是一种基于信息熵和条件熵的计算方法，用于评估某个属性在分类任务中的重要性。信息增益是信息熵与条件熵之差，表示在给定某个属性条件下，由于该属性的引入而导致的信息不确定性减少的程度；信息增益越大，表示该属性对分类任务的贡献越大，因此在属性加权时应该赋予较大的权重。通过计算每个属性的信息增益，并进行比较，可以确定各个属性的重要性，从而进行属性选择和加权。

本发明实施例基于信息增益原理构建的第一增益计算公式如下：

其中，gain(C，A_k)表示不同的分项满意度A_k的评分对总体满意度C的评分的第一增益权重；c_i表示第i个测试编号对应的总体满意度评分；a_j表示第i个测试编号对应的第j个分项满意度评分；p(c_i)表示不同测试编号对应的总体满意度评分中取值为c_i的概率；p(c_i，a_j)表示总体满意度评分取值为c_i的且分项满意度评分取值为a_j的概率；p(c_i，a_j)表示分项满意度评分取值为a_j的情况下，总体满意度评分取值为c_i的概率；

p(c_i)、p(c_i，a_j)、p(c_i|a_j)均为基于概率计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行概率计算(例如贝叶斯概率计算、条件概率分布计算等)得到的。

步骤S4022，基于第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为多个分项评分影响权重；其中，多个分项评分影响权重用于表征不同的分项满意度评分对总体满意度评分的影响程度。

步骤S4023，选取多个分项评分影响权重中的最高权重作为第一权重，并基于第一权重获取对应的分项满意度评分作为目标分项满意度评分。

示例性的，假设问卷中包含六个分享满意度的评分项，以及一个总的满意度评分项，则采集的影响总体满意度的关键分项满意度识别数据示例如表2所示；

表2

本发明实施例中，可以根据第一增益计算公式编写python程序，并基于上述表2中采集的数据进行计算，得到各分项满意度对总体满意度的信息增益权重；python程序的示例代码可以如下所示：

#定义计算信息熵的函数：计算Infor(D)

def infor(data):

a＝pd.value_counts(data)/len(data)

return sum(np.log2(a)*a*(-1))

#定义计算信息增益的函数：计算g(D|A)

def g(data,str1,str2):

e1＝data.groupby(str1).apply(lambda x:infor(x[str2]))

p1＝pd.value_counts(data[str1])/len(data[str1])

e2＝sum(e1*p1)

return infor(data[str2])-e2

示例性的，各分项满意度对总体满意度的信息增益权重信息，如表3所示；

表3

本发明实施例中，基于上述表3提供的信息增益权重选取权重值最高的数据对应的分项作为目标分项，例如权重为1.58对应的分项为分项满意度2和分项满意度5，将这两个分项满意度作为目标分项满意度，保存对应的评分，为后续的二次分析提供数据基础。

本发明实施例通过构建了第一增益计算公式，利用第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为各个分项评分的影响权重，从多个分项评分影响权重中选取最高权重作为第一权重，并基于该权重获取对应的分项满意度评分作为目标分项满意度评分，通过综合计算不同分项满意度评分对总体满意度的影响程度并选择最有影响力的分项评分作为目标分项满意度评分，可以更准确地评估自动驾驶系统在不同测试场景下，对于乘客感知影响较大的选项，为后续进一步准确识别车辆客观指标提供数据基础。

步骤S403，基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。具体的，上述步骤S403，包括：

步骤S4031，基于信息增益原理构建第二增益计算公式。需要说明的是，信息增益原理与上述步骤S4021的内容相同，在此不再赘述。

本发明实施例中，基于信息增益原理构建的第二增益计算公式如下所示：

其中，gain(T，S_k)表示不同的车辆客观指标S_k的数据对目标分项满意度T的评分的第二增益权重；t_i表示第i个测试编号对应的目标分项满意度评分；s_j表示第i个测试编号对应的第j个车辆客观指标数据；p(t_i)表示不同测试编号对应的目标分项满意度评分中取值为t_i的概率；p(t_i，s_j)表示目标分项满意度评分取值为t_i的且车辆客观指标数据取值为s_j的概率；p(t_i|s_j)表示车辆客观指标数据取值为s_j的情况下，总体满意度评分取值为t_i的概率；

p(t_i)、p(t_i，s_j)、p(t_i|s_j)均为基于概率计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行概率计算得到的。

步骤S4032，基于第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为多个客观指标影响权重；其中，多个客观指标影响权重用于表征不同的车辆客观指标数据对目标分项满意度评分的影响程度。

本发明实施例中，以分项满意度2作为目标分项满意度为例，采集到的影响目标分项满意度的关键车辆指标识别数据如表4所示；

表4

步骤S4033，选取多个客观指标影响权重中的最高权重作为第二权重，并基于第二权重获取对应的车辆客观指标作为测试乘客满意度影响因素项。

需要说明的是，基于第二增益公式编写python程序的过程与上述步骤S402中提到的内容相同，在此不再赘述。

示例性的，各车辆客观指标对目标分项满意度的信息增益权重信息，如表5所示；

表5

本发明实施例中，基于上述表3提供的信息增益权重选取权重值最高的数据对应的车辆客观指标项作为目标车辆客观指标项，例如权重为2.25对应的分项为车辆客观指标3和车辆客观指标4，将这两个车辆客观指标作为乘客满意度影响因素项。

本发明实施例通过构建了第二增益计算公式，利用第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为各个客观指标的影响权重，从多个客观指标影响权重中选取最高权重作为第二权重，并基于该权重获取对应的车辆客观指标作为测试乘客满意度影响因素项，通过综合计算不同车辆客观指标数据对目标分项满意度评分的贡献程度并选择最有影响力的客观指标作为测试乘客满意度影响因素项，有助于确定各个指标对乘客满意度的影响，为改进和优化自动驾驶技术提供定制化的方向，进一步提高乘客乘坐车辆的满意度。

本发明实施例通过计算第一增益和第二增益，将一级指标(分项满意度评分)和二级指标(车辆客观指标数据)相关联，综合考虑多个指标对总体满意度的影响。这样可以更全面地了解不同指标之间的相互作用和综合效果，避免仅仅依赖单一指标的评估结果。

在本实施例中还提供了一种V2X场景下乘客满意度的影响因素识别装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

本实施例提供一种V2X场景下乘客满意度的影响因素识别装置，如图5所示，包括：

数据获取模块501，用于获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据；

目标分项满意度分析模块502，用于基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分；

满意度影响因素分析模块503，用于基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

在一种可选的实施方式中，预设V2X测试场景，至少包括：前方车辆行驶状态识别及响应场景、障碍物识别及响应场景、行人和非机动车识别及避让场景、跟车行驶场景、并道场景、交叉路口通行场景以及自动紧急制动场景；分项满意度评分，至少包括：感知行程速度满意度评分、行程时间满意度评分、转弯平稳度满意度评分、速度平稳度满意度评分、刹车频率满意度评分以及急刹感满意度评分；车辆客观指标数据，至少包括：平均速度数据、速度标准差数据、行程时间数据、转弯半径数据、刹车加速度数据、超车加速度数据、点刹频率数据；测试编号与总体满意度评分为一对一的关系；总体满意度评分与分项满意度评分为一对多的关系；测试编号与车辆客观指标数据为一对多的关系。

在一种可选的实施方式中，上述装置还包括：

路段筛选模块，用于基于预设V2X测试场景、实际道路条件信息以及预设车辆测试方法进行路段筛选，获取不同V2X测试场景对应的测试路段。

实地测试模块，用于在不同V2X测试场景对应的测试路段中对承载有测试乘客的自动驾驶车辆进行测试。

在一种可选的实施方式中，目标分项满意度分析模块502，包括：

第一公式构建单元，用于基于信息增益原理构建第一增益计算公式；

第一权重计算单元，用于基于第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为多个分项评分影响权重；其中，多个分项评分影响权重用于表征不同的分项满意度评分对总体满意度评分的影响程度；

目标分项获取单元，用于选取多个分项评分影响权重中的最高权重作为第一权重，并基于第一权重获取对应的分项满意度评分作为目标分项满意度评分。

在一种可选的实施方式中，满意度影响因素分析模块503，包括：

第二公式构建单元，用于基于信息增益原理构建第二增益计算公式；

第二权重计算单元，用于基于第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为多个客观指标影响权重；其中，多个客观指标影响权重用于表征不同的车辆客观指标数据对目标分项满意度评分的影响程度；

影响因素获取单元，用于选取多个客观指标影响权重中的最高权重作为第二权重，并基于第二权重获取对应的车辆客观指标作为测试乘客满意度影响因素项。

在一种可选的实施方式中，第一增益计算公式如下所示：

其中，gain(C，A_k)表示不同的分项满意度A_k的评分对总体满意度C的评分的第一增益权重；c_i表示第i个测试编号对应的总体满意度评分；a_j表示第i个测试编号对应的第j个分项满意度评分；p(c_i)表示不同测试编号对应的总体满意度评分中取值为c_i的概率；p(c_i，a_j)表示总体满意度评分取值为c_j的且分项满意度评分取值为a_j的概率；p(c_i，a_j)表示分项满意度评分取值为a_j的情况下，总体满意度评分取值为c_i的概率；

p(c_i)、p(c_i，a_j)、p(c_i|a_j)均为基于概率计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行概率计算得到的。

在一种可选的实施方式中，第二增益计算公式如下所示：

其中，gain(T，S_k)表示不同的车辆客观指标S_k的数据对目标分项满意度T的评分的第二增益权重；t_i表示第i个测试编号对应的目标分项满意度评分；s_j表示第i个测试编号对应的第j个车辆客观指标数据；p(t_i)表示不同测试编号对应的目标分项满意度评分中取值为t_i的概率；p(t_i，s_j)表示目标分项满意度评分取值为t_i的且车辆客观指标数据取值为s_j的概率；p(t_i|s_j)表示车辆客观指标数据取值为s_j的情况下，总体满意度评分取值为t_i的概率；

p(t_i)、p(t_i，s_j)、p(t_i|s_j)均为基于概率计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行概率计算得到的。

在一种可选的实施方式中，上述装置，还包括：

感知获取模块，用于基于自动驾驶车辆的车载交互模块获取当前承载的目标乘客的感知需求信息；

指令生成模块，用于基于感知需求信息以及乘客满意度客观影响因素项生成控制指令；

车辆指标控制模块，用于基于控制指令控制自动驾驶车辆的客观指标调整模块，以满足目标乘客的感知需求。

上述各个模块和单元的更进一步的功能描述与上述对应实施例相同，在此不再赘述。

本发明实施例通过在V2X测试场景下进行自动驾驶车辆测试，获取测试乘客对整个测试过程的总体满意度以及分项满意度，并且记录测试过程中车辆的不同客观指标；对总体满意度进行分项影响程度的分析，确定对总体满意度影响程度最高的分项满意度；对分项满意度再次进行车辆客观指标影响程度分析，确定最能影响分项满意度的车辆客观指标；通过结合客观指标和乘客感知评价，实现了从客观指标到关键分项满意度再到总体满意度的映射，提高了判断影响乘客主观舒适度的客观因素的准确性，也有助于分析不同乘客的不同感知程度，为不同V2X场景下提供定制化服务，还能有效提升乘客出行的满意度。

本实施例中的V2X场景下乘客满意度的影响因素识别装置是以功能单元的形式来呈现，这里的单元是指ASIC(Application Specific Integrated Circuit，专用集成电路)电路，执行一个或多个软件或固定程序的处理器和存储器，和/或其他可以提供上述功能的器件。

本发明实施例还提供一种计算机设备，具有上述图5所示的V2X场景下乘客满意度的影响因素识别装置。

请参阅图6，图6是本发明可选实施例提供的一种计算机设备的结构示意图，如图6所示，该计算机设备包括：一个或多个处理器10、存储器20，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相通信连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在计算机设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在一些可选的实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个计算机设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器10为例。

处理器10可以是中央处理器，网络处理器或其组合。其中，处理器10还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路，可编程逻辑器件或其组合。上述可编程逻辑器件可以是复杂可编程逻辑器件，现场可编程逻辑门阵列，通用阵列逻辑或其任意组合。

其中，存储器20存储有可由至少一个处理器10执行的指令，以使至少一个处理器10执行实现上述实施例示出的方法。

存储器20可以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、至少一个功能所需要的应用程序；存储数据区可存储根据计算机设备的使用所创建的数据等。此外，存储器20可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些可选的实施方式中，存储器20可选包括相对于处理器10远程设置的存储器，这些远程存储器可以通过网络连接至该计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

存储器20可以包括易失性存储器，例如，随机存取存储器；存储器也可以包括非易失性存储器，例如，快闪存储器，硬盘或固态硬盘；存储器20还可以包括上述种类的存储器的组合。

该计算机设备还包括通信接口30，用于该计算机设备与其他设备或通信网络通信。

本发明实施例还提供了一种计算机可读存储介质，上述根据本发明实施例的方法可在硬件、固件中实现，或者被实现为可记录在存储介质，或者被实现通过网络下载的原始存储在远程存储介质或非暂时机器可读存储介质中并将被存储在本地存储介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件的存储介质上的这样的软件处理。其中，存储介质可为磁碟、光盘、只读存储记忆体、随机存储记忆体、快闪存储器、硬盘或固态硬盘等；进一步地，存储介质还可以包括上述种类的存储器的组合。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现上述实施例示出的方法。

虽然结合附图描述了本发明的实施例，但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入本发明限定的范围之内。

Claims (11)

1.一种V2X场景下乘客满意度的影响因素识别方法，其特征在于，所述方法包括：

获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据；

基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，所述目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分；

基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，所述目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

2.根据权利要求1所述的方法，其特征在于，所述预设V2X测试场景，至少包括：前方车辆行驶状态识别及响应场景、障碍物识别及响应场景、行人和非机动车识别及避让场景、跟车行驶场景、并道场景、交叉路口通行场景以及自动紧急制动场景；

所述分项满意度评分，至少包括：感知行程速度满意度评分、行程时间满意度评分、转弯平稳度满意度评分、速度平稳度满意度评分、刹车频率满意度评分以及急刹感满意度评分；

所述车辆客观指标数据，至少包括：平均速度数据、速度标准差数据、行程时间数据、转弯半径数据、刹车加速度数据、超车加速度数据、点刹频率数据；

所述测试编号与所述总体满意度评分为一对一的关系；

所述总体满意度评分与所述分项满意度评分为一对多的关系；

所述测试编号与所述车辆客观指标数据为一对多的关系。

3.根据权利要求1所述的方法，其特征在于，所述获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据的步骤之前，还包括：

基于预设V2X测试场景、实际道路条件信息以及预设车辆测试方法进行路段筛选，获取不同V2X测试场景对应的测试路段；

在所述不同V2X测试场景对应的测试路段中对承载有测试乘客的自动驾驶车辆进行测试。

4.根据权利要求1所述的方法，其特征在于，所述基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分，包括：

基于信息增益原理构建第一增益计算公式；

基于第一增益计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到多个第一增益权重作为多个分项评分影响权重；其中，所述多个分项评分影响权重用于表征不同的分项满意度评分对总体满意度评分的影响程度；

选取所述多个分项评分影响权重中的最高权重作为第一权重，并基于所述第一权重获取对应的分项满意度评分作为目标分项满意度评分。

5.根据权利要求1所述的方法，其特征在于，所述基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项，包括：

基于信息增益原理构建第二增益计算公式；

基于第二增益计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算，得到多个第二增益权重作为多个客观指标影响权重；其中，所述多个客观指标影响权重用于表征不同的车辆客观指标数据对目标分项满意度评分的影响程度；

选取所述多个客观指标影响权重中的最高权重作为第二权重，并基于所述第二权重获取对应的车辆客观指标作为测试乘客满意度影响因素项。

6.根据权利要求4所述的方法，其特征在于，所述第一增益计算公式如下所示：

其中，gain(C,A_k)表示不同的分项满意度A_k的评分对总体满意度C的评分的第一增益权重；c_i表示第i个测试编号对应的总体满意度评分；a_j表示第i个测试编号对应的第j个分项满意度评分；p(c_i)表示不同测试编号对应的总体满意度评分中取值为c_i的概率；p(c_i,a_j)表示总体满意度评分取值为c_i的且分项满意度评分取值为a_j的概率；p(c_i,a_j)表示分项满意度评分取值为a_j的情况下，总体满意度评分取值为c_i的概率；

所述p(c_i)、p(c_i,a_j)、p(c_i|a_j)均为基于概率计算公式对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行概率计算得到的。

7.根据权利要求5所述的方法，其特征在于，所述第二增益计算公式如下所示：

其中，gain(T,S_k)表示不同的车辆客观指标S_k的数据对目标分项满意度T的评分的第二增益权重；t_i表示第i个测试编号对应的目标分项满意度评分；s_j表示第i个测试编号对应的第j个车辆客观指标数据；p(t_i)表示不同测试编号对应的目标分项满意度评分中取值为t_i的概率；p(t_i,s_j)表示目标分项满意度评分取值为t_i的且车辆客观指标数据取值为s_j的概率；p(t_i|s_j)表示车辆客观指标数据取值为s_j的情况下，总体满意度评分取值为t_i的概率；

所述p(t_i)、p(t_i,s_j)、p(t_i|s_j)均为基于概率计算公式对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行概率计算得到的。

8.根据权利要求1所述的方法，其特征在于，所述方法，还包括：

基于自动驾驶车辆的车载交互模块获取当前承载的目标乘客的感知需求信息；

基于所述感知需求信息以及乘客满意度客观影响因素项生成控制指令；

基于所述控制指令控制所述自动驾驶车辆的客观指标调整模块，以满足目标乘客的感知需求。

9.一种V2X场景下乘客满意度的影响因素识别装置，其特征在于，所述装置包括：

数据获取模块，用于获取不同测试编号对应的测试乘客在预设V2X测试场景下乘坐自动驾驶车辆后的总体满意度评分、多个分项满意度评分，以及在预设V2X测试场景下测试自动驾驶车辆时的多个车辆客观指标数据；

目标分项满意度分析模块，用于基于预设影响度分析算法，对不同测试编号对应的多个分项满意度评分以及总体满意度评分进行计算，得到目标分项满意度评分；其中，所述目标分项满意度评分表征对总体满意度评分影响程度最高的分项满意度评分；

满意度影响因素分析模块，用于基于预设影响度分析算法，对不同测试编号对应的多个车辆客观指标数据以及目标分项满意度评分进行计算得到目标车辆客观指标，并将所述目标车辆客观指标作为最终的乘客满意度客观影响因素项；其中，所述目标车辆客观指表征对目标分项满意度评分影响程度最大的车辆客观指标。

10.一种计算机设备，其特征在于，包括：

存储器和处理器，所述存储器和所述处理器之间互相通信连接，所述存储器中存储有计算机指令，所述处理器通过执行所述计算机指令，从而执行权利要求1至8中任一项所述的V2X场景下乘客满意度的影响因素识别方法。

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上存储有计算机指令，所述计算机指令用于使计算机执行权利要求1至8中任一项所述的V2X场景下乘客满意度的影响因素识别方法。