CN109767023A - 一种车辆载重状态的预估方法及*** - Google Patents
一种车辆载重状态的预估方法及*** Download PDFInfo
- Publication number
- CN109767023A CN109767023A CN201910039360.5A CN201910039360A CN109767023A CN 109767023 A CN109767023 A CN 109767023A CN 201910039360 A CN201910039360 A CN 201910039360A CN 109767023 A CN109767023 A CN 109767023A
- Authority
- CN
- China
- Prior art keywords
- data
- target vehicle
- running data
- training sample
- load condition
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012549 training Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 21
- 230000001133 acceleration Effects 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000003064 k means clustering Methods 0.000 claims description 2
- 241000736199 Paeonia Species 0.000 claims 1
- 235000006484 Paeonia officinalis Nutrition 0.000 claims 1
- 238000009434 installation Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000006855 networking Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种车辆载重状态的预估方法,包括:获取目标车辆的行驶数据;对所述行驶数据进行预处理,得到有效行驶数据;依据所述有效行驶数据,划分训练样本;计算所述训练样本内与载重状态相关的特征参数;依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。上述的预估方法可基于车辆自身安装的车载智能终端的行驶数据进行载重状态估计,不需要安装载重传感器。
Description
技术领域
本发明涉及汽车电子技术领域,尤其涉及一种车辆载重状态的预估方法及***。
背景技术
目前中国各类运输车辆保有量不断提高,对运载能力的要求也不断增强。需要快速及时掌握运输车辆的载货情况,这样才能减少空载率,提高市场运载能力。目前车辆载重状态的获取方式一般是在车辆底盘上加装载重传感器,在行驶过程中可实时检测车辆货物空载和满载情况。
发明人对现有的车辆载重状态的获取方法进行研究发现,载重传感器在使用中容易损坏并且维修成本高。
发明内容
有鉴于此,本发明提供了一种车辆载重状态的预估方法及***,用以解决现有技术中载重传感器在使用中容易损坏并且维修成本高的问题。具体方案如下:
一种车辆载重状态的预估方法,包括:
获取目标车辆的行驶数据;
对所述行驶数据进行预处理,得到有效行驶数据;
依据所述有效行驶数据,划分训练样本;
计算所述训练样本内与载重状态相关的特征参数;
依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
上述的方法,可选的,所述依据所述有效行驶数据,划分训练样本,包括:
依据所述有效行驶数据判断所述目标车辆是否处于停车状态;
若处于所述停车状态,判断停车时长是否达到预设的时间阈值,若达到,则将停车前后的数据划分成两个训练样本;若未达到,则将所述停车前后及短暂停车阶段的数据归入同一个训练样本中。
上述的方法,可选的,所述判断车辆是否处于停车状态,包括:
获取所述目标车辆的车速、里程变化量和发动机转速;
若所述车速为零、所述里程变化量小于预设限值、所述发动机转速小于预设转速限值,则判断所述目标车辆处于停止状态。
上述的方法,可选的,所述计算所述训练样本内与载重状态相关的特征参数,包括:
获取所述目标车辆的车速;
根据所述车速,筛选所述目标车辆在加速行驶状态的行驶时间和瞬时油耗;
依据所述车速,计算动能因子;
依据所述瞬时油耗和所述行驶时间,计算耗油量;
依据所述车速和所述行驶时间计算加速度。
上述的方法,可选的,所述依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果,包括:
确定所需的聚类类别个数;
采用K-meas聚类算法,依据所述聚类类别个数对所述特征参数进行聚类,得到所述目标车辆的载重状态预估结果。
上述的方法,可选的,所述聚类类别个数为2。
上述的方法,可选的,依据所述聚类类别个数对所述特征参数进行聚类,得到所述目标车辆的载重状态预估结果,包括:
根据聚类结果,为所述加速行驶状态的数据样本添加数据标签;
依据所述加速行驶状态的数据标签,确定同一训练样本中匀速行驶、减速行驶和停车状态的数据标签;
统计所述同一训练样本中不同类型的所述数据标签出现的次数,将出现次数最多的数据标签作为所述同一训练样本的目标标签;
依据所述目标标签,确定所述目标车辆的载重状态预估结果。
上述的方法,可选的,所述依据所述目标标签,确定所述目标车辆的载重状态预估结果,包括:
依据已知载重状态的所述目标车辆的所述数据标签,确定各个所述数据标签代表的所述载重状态类型。
一种车辆载重状态的预估***,包括:
获取模块,用于获取目标车辆的行驶数据;
预处理模块,用于对所述行驶数据进行预处理,得到有效行驶数据;
划分模块,用于依据所述有效行驶数据,划分训练样本;
计算模块,用于计算所述训练样本内与载重状态相关的特征参数;
聚类模块,用于依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
上述的***,可选的,所述划分模块包括:
第一判断模块,用于依据所述有效行驶数据判断车辆是否处于停车状态;
第二判断模块,用于在所述第一判断模块判断结果为是时,判断停车时长是否达到预设的时间阈值,若达到,则将停车前后的数据划分成两个训练样本;若未达到,则将所述停车前后及短暂停车阶段的数据归入同一个所述训练样本中。
与现有技术相比,本发明包括以下优点:
本发明公开了一种车辆载重状态的预估方法,包括:获取目标车辆的行驶数据,将行驶数据进行预处理得到有效行驶数据,将所述有效行驶数据划分为不同的训练样本,计算各个训练样本中与载重状态相关的特征参数,对特征参数进行聚类算法,得到所述目标车辆的载重状态的预估结果,不再需要安装载重传感器对载重状态进行估计。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例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为本申请实施例公开的一种车辆载重状态的预估方法流程图;
图2为本申请实施例公开的一种车辆载重状态的预估方法另一流程图;
图3为本申请实施例公开的一种车辆载重状态的预估方法又一流程图;
图4为本申请实施例公开的一种车辆载重状态的预估方法又一流程图;
图5为本申请实施例公开的一种车辆载重状态的预估***结构框图。
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。
本发明公开了一种车辆载重状态的预估方法,所述预估方法应用在各类运输车辆载重状态的估计过程中,所述预估方法的执行流程如图1所示,包括步骤:
S101、获取目标车辆的行驶数据;
本发明实施例中,行驶数据是通过安装在所述目标车辆的车载智能终端设备(例如TBOX)上传到车联网服务后台的,其中,所述行驶数据为一段时间的行驶数据,每一个时刻对应一组行驶数据参数,行驶数据反映车辆的实时行驶状态,例如每组行驶数据参数可至少包括:时间(t)、车速(VhlSpd)、发动机转速(EngSpd)、里程(ODO)和瞬时油耗(FuelRate),数据采样频率为每30秒上传一次(也可用于频率小于1次/30s的数据传输环境下,依据用户需求设定)。
S102、对所述行驶数据进行预处理,得到有效行驶数据;
本发明实施例中,当GPS信号强度低或者发动机熄火/启动时所述标行驶数据都有可能产生异常数据,这就会造成车联网数据存在信号质量问题,首先需要对所述行驶数据进行预处理,预处理主要目的是剔除问题数据。常见的数据质量问题包含如下几种:
(1)同一时间戳上传多条行驶数据;
本发明实施例中,当同一时间戳上传多条行驶数据时,通过窗口函数筛选同一时间上传的车驶数据,选择最后一条数据作为当前时间戳的上传目标行驶数据。
(2)里程数据或车速数据等信号丢失;
本发明实施例中,当里程数据或者车速数据等信号丢失时,通过窗口函数提取丢失的里程数据或车速数据等信号,选择距离最近的一个非空行驶数据进行填充。
(3)里程信号跳变;
本发明实施例中,里程信号的数值呈现递增的特性,跳变分两种情况,一种是跳变出正常合理范围,一种是跳变为负值(当前里程小于上一时刻里程)。处理方式如下:按照上传数据的频率为1次/30s,车辆最大限速100km/h,前后两个时刻行驶里程跳变量限值约为833m,以当前时刻为例,如果当前里程距离上一个里程的跳变范围过大(833m以上),则认为此次里程上传的过程出错,直接过滤掉当前时刻的数据;如果跳变范围为负值(里程值减小),则采用上一个和下一个时刻的里程求取平均值的方式替换当前时刻里程。
本发明实施例中,通过窗口函数设置提取所述行驶数据的条件对上述几种问题数据采取合并、填充或删除的操作。
S103、依据所述有效行驶数据,划分训练样本;
本发明实施例中,一般认为,车辆在连续行驶或者在加油、司机休息等短暂停车过程内,载重状态不会变化,载重状态会变化的情况是车辆长时间停车前后。因此,依据车辆停车的时间长短对所述有效行驶数据进行划分,即依据所述目标车辆的停车时间确定所述目标行驶数据样本包含的训练样本个数,当停车过程较短,将短暂停车以及停车前后的数据归入同一个训练样本中,若停车时间过长,将停车前后的数据划分为两个训练样本,对于两个训练样本之间的停车状态的数据可以划归与其相邻的任意一个训练样本用于进行后续机器学习算法。
S104、计算所述训练样本内与载重状态相关的特征参数;
本发明实施例中,每一个训练样本中包含短暂停车状态、匀速行驶状态和加速行驶状态、减速行驶状态的数据样本,对其进行筛选,获取其中包含的加速行驶状态的数据样本,计算每一个加速行驶状态数据样本中与载重状态存在关联的加速度数据、动能因子数据和耗油量数据,需要说明的是,载重状态不止仅与上述几个特征参数相关,其余可以反映载重状态的参数都可以作为特征参数提取,本发明对参数的类型不做限定。
S105、依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
本发明实施例中,将所述加速度数据、所述动能因子数据和所述耗油量数据采用聚类算法进行聚类,得到所述目标车辆的载重状态预估结果,其中,所述聚类类别的个数可以依据实际情况进行设定,所述聚类算法可以为K-means、K-MEDOIDS、Clara和Clarans等。
本发明公开了一种车辆载重状态的预估方法,包括:获取目标车辆的行驶数据,将行驶数据进行预处理得到有效行驶数据,将所述有效行驶数据划分为不同的训练样本,计算各个训练样本中与载重状态相关的特征参数,对特征参数进行聚类算法,得到所述目标车辆的载重状态的预估结果,不再需要安装载重传感器对载重状态进行估计。
本发明实施例中,在进行聚类分析的过程中,将加速度数据,动能因子数据和耗油量数据作为输入,载重状态预估结果作为输出。聚类分析过程如图2所示,包括步骤:
S201、划分训练样本,筛选出所述训练样本中的加速行驶状态数据;
本发明实施例中,采用S101-S103所述的方法将有效行驶数据划分为不同的训练样本,筛选出所述训练样本中包含的各个加速行驶状态的数据样本,计算每一个加速行驶状态数据样本中与载重状态存在关联的加速度数据、动能因子数据和耗油量数据。
S202、确定聚类类别,将所述训练样本中的加速行驶状态数据进行聚类;
本发明实施例中,因实际中运载车辆大多处于满载和空载两种状态,因此以聚类类别为2类为例进行说明(聚类类别个数可依据实际情况而定),采用K-means聚类算法将所述各个加速行驶状态数据样本中所有数据聚合为两类,得到0和1的数据标签,0和1代表着满载和空载两种不同的状态,需要后续操作判定具体的对应关系。
S203、为所述训练样本中的匀速行驶,减速行驶和停车状态确定数据标签;
根据就近原则,将同一训练样本中未分类的行驶数据(包括匀速行驶状态数据样本、减速行驶状态以及停车状态数据样本或其他行驶状态数据样本)也添加与相邻的上一段已分类的(或下一段已分类的,根据实际情况选择)行驶数据标签相同的数据标签。至此,训练样本T中的所有行驶数据都标记上了数据标签。
另外,在本发明实施例中,同一训练样本中的行驶数据标签采用投票表决的原则,选取0和1中权重大(可以出现次数的多少来定义)的标签作为该训练样本的唯一目标标签。
举例说明如下:若划分的某个训练样本T中包含如下数据参数:
其中,t1~ti和tj~tn对应的是加速行驶状态数据样本,则根据此时间段内的数据提取特征参数,并进行聚类算法分析,得到0或1的数据标签;ti+1~tj-1对应的是匀速、减速或停车状态,因此,该阶段的行驶数据不进行聚类算法,而是标记上与上一行驶数据标签相同的标签。最后,根据此训练样本T内的数据标签0和1标签个数的多少,将出现次数多的标签设置为此训练样本T的目标标签。
S204、确定数据标签的载重状态。
本发明实施例中,并未明确0和1具体对应哪种载重状态(空载或满载),依据已知载重状态的所述目标车辆的所述数据标签,确定各个所述数据标签代表的载重状态类型。例如,假设聚类类别个数为2(满载和空载),已知目标车辆处于满载状态,经过聚类算法得出的目标车辆此时间段的数据标签为1,即可将1代表满载状态,0代表空载状态。这仅是一种示例性的方法,具体对于数据标签所代表的载重状态的确定过程不局限于上述方法。
最终得到所述目标车辆各个时刻的空满载状态。所述预设的状态预估模型可部署于离线环境,对大量历史车联网数据进行载重状态识别,另一方面也可部署于车联网服务平台,在线查询各运输车辆的载重状态。
本发明公开了一种车辆载重状态的预估方法,包括:获取目标车辆的行驶数据,将行驶数据进行预处理得到有效行驶数据,将所述有效行驶数据划分为不同的训练样本,计算所述训练样本中与载重状态相关的特征参数,对所述特征参数进行聚类算法,得到所述目标车辆的载重状态的预估结果,不再需要安装载重传感器对载重状态进行估计。
本发明实施例中,所述依据所述有效行驶数据,划分训练样本的方法流程如图3所示,包括步骤:
S301、依据所述有效行驶数据判断所述目标车辆是否处于停车状态;
本发明实施例中,在车联网服务后台获取所述有效行驶数据样本中各个时刻车速VhlSpd(km/h)、里程ODO(km)、发动机转速EngSpd(rpm)。其中,依据各个时刻的里程ODO(km),确定对应时间段的里程ODO(km)变化量。根据所述车速VhlSpd(km/h)、所述里程ODO(km)的变化量、发动机转速EngSpd(rpm)信号判断停车状态。
判断每一个时刻的车速、里程变化量和发动机转速是否满足对应的阈值。本发明实施例中,若所述车速为零、所述里程变化量小于0.1和所述发动机转速小于怠速转速或者为0均满足要求,则判断所述目标车辆处于停止状态。若三者中任一条件不满足要求,则执行步骤S305。
S302、若是,判断停车时长是否达到预设的时间阈值;
当车辆处于停止状态时,判断停车时间是否达到预设的时间阈值c,其中,c依据经验值或者实际情况进行设定,具体可以设置为1小时。
S303、若达到,则将停车前后的数据划分成两个训练样本。
本发明实施例中,若所述停车时间达到所述预设的时间阈值,有可能发生卸货或装货,即:
tend-tini>c (1)
其中,tend表示停车结束时间,tini表示停车开始时间,c表示预设的时间阈值。
则将停车前后的数据划分成两个训练样本。
S304、若未达到,则将停车前后以及短暂停车阶段的数据归入同一个训练样本中;
本发明实施例中,若所述停车时间达到所述预设的时间阈值c,则将所述停车前后的数据以及短暂停车的数据归入同一个训练样本中。
S305、所述目标车辆处于行驶状态。
本发明实施例中,计算所述训练样本内与载重状态相关的特征参数的方法流程图如图4所示,其中,所述特征参数可以依据具体情况进行选取。本发明实施例中,以所述特征参数为加速度、动能因子和耗油量进行说明。计算包括步骤:
S401、获取所述目标车辆的车速;
本发明实施例中,依据速度传感器或者其它优选的实现方式获取所述目标车辆的在对应的训练样本中各个时刻的车速。
S402、根据所述车速,筛选所述目标车辆在加速行驶状态的行驶时间和瞬时油耗;
本发明实施例中,依据所述各个时刻的车速,确定所述目标车辆在对应的训练样本中的加速行驶状态数据样本,对所述加速行驶数据样本进行筛选,确定其对应行驶时间和瞬时油耗。
S403、依据所述车速,计算动能因子;
本发明实施例中,根据动能计算公式:
可知:相同速度条件下,质量不同产生的动能不同。这里定义一个新的特征量——动能因子Δe,计算公式如下:
其中,Vini-加速段初始车速,Vend-加速结束末速度。
S404、依据所述瞬时油耗和所述行驶时间,计算耗油量;
本发明实施例中,依据耗油量计算公式(4)计算耗油量。
FuelCon=FuelRate×3600×Δt (4)
其中,FuelCon为耗油量,单位为L,FuelRate为耗油率,单位为L/h,Δt为加速时间,单位为s。
S405、依据所述车速和所述行驶时间计算加速度。
获取加速行驶状态数据样本的初始车速和末速度依据对应的初始时间和结束时间,依据加速度计算公式(5)计算加速度。
其中,Vini-初始车速,Vend-末速度,Vini-初始时间,Vend-结束时间。
基于上述的一种车辆载重状态的预估方法,本发明实施例中,还提供了一种载重状态的预估***,所述预估***的结构框图如图5所示,包括:
获取模块501、预处理模块502、划分模块503、计算模块504和聚类模块505。
其中,
所述获取模块501,用于获取目标车辆的行驶数据;
所述预处理模块502,用于对所述行驶数据进行预处理,得到有效行驶数据;
所述划分模块503,用于依据所述有效行驶数据,划分训练样本;
所述计算模块504,用于计算所述训练样本内与载重状态相关的特征参数;
所述聚类模块505,用于依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
本发明公开了一种车辆载重状态的预估***,包括:获取目标车辆的行驶数据,将行驶数据进行预处理得到有效行驶数据,将所述有效行驶数据划分为不同的训练样本,计算各个训练样本中与载重状态相关的特征参数,对特征参数进行聚类算法,得到所述目标车辆的载重状态的预估结果,不再需要安装载重传感器对载重状态进行估计。
本发明实施例中,所述划分模块503包括:
第一判断模块和第二判断模块。
第一判断模块,用于依据所述有效行驶数据判断车辆是否处于停车状态;
第二判断模块,用于若处于所述停车状态,判断停车时长是否达到预设的时间阈值,若达到,则将停车前后的数据划分成两个训练样本;若未达到,则将所述停车前后及短暂停车状态的数据归入同一个所述训练样本中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种车辆载重状态的预估方法及***进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种车辆载重状态的预估方法,其特征在于,包括:
获取目标车辆的行驶数据;
对所述行驶数据进行预处理,得到有效行驶数据;
依据所述有效行驶数据,划分训练样本;
计算所述训练样本内与载重状态相关的特征参数;
依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
2.根据权利要求1所述的方法,其特征在于,所述依据所述有效行驶数据,划分训练样本,包括:
依据所述有效行驶数据判断所述目标车辆是否处于停车状态;
若处于停车状态,判断停车时长是否达到预设的时间阈值,若达到,则将停车前后的所述有效行驶数据划分成两个训练样本;若未达到,则将停车前后以及短暂停车阶段的所述有效行驶数据归入同一个训练样本中。
3.根据权利要求2所述的方法,其特征在于,所述判断车辆是否处于停车状态,包括:
获取所述目标车辆的车速、里程变化量和发动机转速;
若所述车速为零、所述里程变化量小于预设限值、所述发动机转速小于预设转速限值,则判断所述目标车辆处于所述停止状态。
4.根据权利要求1所述的方法,其特征在于,所述计算所述训练样本内与载重状态相关的特征参数,包括:
获取所述目标车辆的车速;
根据所述车速,筛选所述目标车辆在加速行驶状态的行驶时间和瞬时油耗;
依据所述车速,计算动能因子;
依据所述瞬时油耗和所述行驶时间,计算耗油量;
依据所述车速和所述行驶时间计算加速度。
5.根据权利要求1所述的方法,其特征在于,所述依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果,包括:
确定所需的聚类类别个数;
采用K-means聚类算法,依据所述聚类类别个数对所述特征参数进行聚类,得到所述目标车辆的载重状态预估结果。
6.根据权利要求5所述的方法,其特征在于,所述聚类类别个数为2。
7.根据权利要求5所述的方法,其特征在于,所述依据所述聚类类别个数对所述特征参数进行聚类,得到所述目标车辆的载重状态预估结果,包括:
根据聚类结果,为所述加速行驶状态的数据样本添加数据标签;
依据所述加速行驶状态的数据标签,确定同一训练样本中匀速行驶、减速行驶和停车状态的数据标签;
统计所述同一训练样本中不同类型的所述数据标签出现的次数,将出现次数最多的数据标签作为所述同一训练样本的目标标签;
依据所述目标标签,确定所述目标车辆的载重状态预估结果。
8.根据权利要求7所述的方法,其特征在于,所述依据所述目标标签,确定所述目标车辆的载重状态预估结果,包括:
依据已知载重状态的所述目标车辆的所述数据标签,确定各个所述数据标签代表的载重状态类型。
9.一种车辆载重状态的预估***,其特征在于,包括:
获取模块,用于获取目标车辆的行驶数据;
预处理模块,用于对所述行驶数据进行预处理,得到有效行驶数据;
划分模块,用于依据所述有效行驶数据,划分训练样本;
计算模块,用于计算所述训练样本内与载重状态相关的特征参数;
聚类模块,用于依据所述特征参数进行聚类算法,得到所述目标车辆的载重状态预估结果。
10.根据权利要求9所述的***,其特征在于,所述划分模块包括:
第一判断模块,用于依据所述有效行驶数据判断所述目标车辆是否处于停车状态;
第二判断模块,用于在所述第一判断模块判断结果为是时,判断停车时长是否达到预设的时间阈值,若达到,则将停车前后的数据划分成两个训练样本;若未达到,则将所述停车前后及短暂停车阶段的数据归入同一个训练样本中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039360.5A CN109767023A (zh) | 2019-01-16 | 2019-01-16 | 一种车辆载重状态的预估方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910039360.5A CN109767023A (zh) | 2019-01-16 | 2019-01-16 | 一种车辆载重状态的预估方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109767023A true CN109767023A (zh) | 2019-05-17 |
Family
ID=66454070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910039360.5A Pending CN109767023A (zh) | 2019-01-16 | 2019-01-16 | 一种车辆载重状态的预估方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109767023A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223139A (zh) * | 2019-05-24 | 2019-09-10 | 深圳市轱辘汽车维修技术有限公司 | 车辆后备箱的使用管理方法、装置、服务器及存储介质 |
CN110406539A (zh) * | 2019-07-22 | 2019-11-05 | 杭州鸿泉物联网技术股份有限公司 | 一种识别车辆载重状态的方法及装置 |
CN110779607A (zh) * | 2019-09-29 | 2020-02-11 | 成都亿盟恒信科技有限公司 | 一种基于油耗计算的渣土车空重载识别方法 |
CN111060153A (zh) * | 2019-12-23 | 2020-04-24 | 北京中交兴路车联网科技有限公司 | 货车载货状态的检测方法、装置及存储介质 |
CN111252019A (zh) * | 2020-01-07 | 2020-06-09 | 吴金凤 | 电动车安全行驶检测方法、车载检测器及车载检测*** |
CN112309113A (zh) * | 2020-09-22 | 2021-02-02 | 北京智科车联科技有限公司 | 车辆载重监测方法、装置、***、介质及设备 |
CN113128929A (zh) * | 2021-04-02 | 2021-07-16 | 北京知藏云道科技有限公司 | 车辆载重状态的识别方法、装置、计算机设备和介质 |
CN113280901A (zh) * | 2021-05-20 | 2021-08-20 | 北京海博思创科技股份有限公司 | 车辆载重的确定方法和装置 |
CN114220191A (zh) * | 2021-12-13 | 2022-03-22 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114735015A (zh) * | 2022-04-14 | 2022-07-12 | 广西玉柴机器股份有限公司 | 一种柴油机商用车载重评估方法 |
CN115879230A (zh) * | 2023-02-16 | 2023-03-31 | 中汽信息科技(天津)有限公司 | 基于深度学习的汽车载重分析模型构建和分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718956A (zh) * | 2016-01-26 | 2016-06-29 | 上海经达信息科技股份有限公司 | 基于支持向量机的超载判断方法 |
CN107680375A (zh) * | 2017-09-29 | 2018-02-09 | 深圳市易成自动驾驶技术有限公司 | 一种车辆载重计算方法、装置及存储介质 |
KR20180031439A (ko) * | 2016-09-20 | 2018-03-28 | 현대자동차주식회사 | 차량의 주행데이터에 기반하여 주행 패턴을 인지하는 방법 및 장치 |
CN107901916A (zh) * | 2017-11-15 | 2018-04-13 | 康明斯天远(河北)科技有限公司 | 一种无需增装传感器的车辆载重获取方法 |
CN108734963A (zh) * | 2018-06-29 | 2018-11-02 | 上海经达信息科技股份有限公司 | 一种基于多元非线性回归的车辆超载判定方法 |
CN109017797A (zh) * | 2018-08-17 | 2018-12-18 | 大陆汽车投资(上海)有限公司 | 驾驶员情绪识别方法和实施该方法的车载控制单元 |
-
2019
- 2019-01-16 CN CN201910039360.5A patent/CN109767023A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718956A (zh) * | 2016-01-26 | 2016-06-29 | 上海经达信息科技股份有限公司 | 基于支持向量机的超载判断方法 |
KR20180031439A (ko) * | 2016-09-20 | 2018-03-28 | 현대자동차주식회사 | 차량의 주행데이터에 기반하여 주행 패턴을 인지하는 방법 및 장치 |
CN107680375A (zh) * | 2017-09-29 | 2018-02-09 | 深圳市易成自动驾驶技术有限公司 | 一种车辆载重计算方法、装置及存储介质 |
CN107901916A (zh) * | 2017-11-15 | 2018-04-13 | 康明斯天远(河北)科技有限公司 | 一种无需增装传感器的车辆载重获取方法 |
CN108734963A (zh) * | 2018-06-29 | 2018-11-02 | 上海经达信息科技股份有限公司 | 一种基于多元非线性回归的车辆超载判定方法 |
CN109017797A (zh) * | 2018-08-17 | 2018-12-18 | 大陆汽车投资(上海)有限公司 | 驾驶员情绪识别方法和实施该方法的车载控制单元 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110223139A (zh) * | 2019-05-24 | 2019-09-10 | 深圳市轱辘汽车维修技术有限公司 | 车辆后备箱的使用管理方法、装置、服务器及存储介质 |
CN110406539A (zh) * | 2019-07-22 | 2019-11-05 | 杭州鸿泉物联网技术股份有限公司 | 一种识别车辆载重状态的方法及装置 |
CN110779607B (zh) * | 2019-09-29 | 2021-11-16 | 成都亿盟恒信科技有限公司 | 一种基于油耗计算的渣土车空重载识别方法 |
CN110779607A (zh) * | 2019-09-29 | 2020-02-11 | 成都亿盟恒信科技有限公司 | 一种基于油耗计算的渣土车空重载识别方法 |
CN111060153A (zh) * | 2019-12-23 | 2020-04-24 | 北京中交兴路车联网科技有限公司 | 货车载货状态的检测方法、装置及存储介质 |
CN111252019A (zh) * | 2020-01-07 | 2020-06-09 | 吴金凤 | 电动车安全行驶检测方法、车载检测器及车载检测*** |
CN112309113A (zh) * | 2020-09-22 | 2021-02-02 | 北京智科车联科技有限公司 | 车辆载重监测方法、装置、***、介质及设备 |
CN113128929A (zh) * | 2021-04-02 | 2021-07-16 | 北京知藏云道科技有限公司 | 车辆载重状态的识别方法、装置、计算机设备和介质 |
CN113280901A (zh) * | 2021-05-20 | 2021-08-20 | 北京海博思创科技股份有限公司 | 车辆载重的确定方法和装置 |
CN113280901B (zh) * | 2021-05-20 | 2023-08-15 | 北京海博思创科技股份有限公司 | 车辆载重的确定方法和装置 |
CN114220191A (zh) * | 2021-12-13 | 2022-03-22 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114220191B (zh) * | 2021-12-13 | 2023-11-21 | 平安国际融资租赁有限公司 | 行车状态识别方法、装置、计算机设备及可读存储介质 |
CN114735015A (zh) * | 2022-04-14 | 2022-07-12 | 广西玉柴机器股份有限公司 | 一种柴油机商用车载重评估方法 |
CN114735015B (zh) * | 2022-04-14 | 2024-03-29 | 广西玉柴机器股份有限公司 | 一种柴油机商用车载重评估方法 |
CN115879230A (zh) * | 2023-02-16 | 2023-03-31 | 中汽信息科技(天津)有限公司 | 基于深度学习的汽车载重分析模型构建和分析方法 |
CN115879230B (zh) * | 2023-02-16 | 2023-05-05 | 中汽信息科技(天津)有限公司 | 基于深度学习的汽车载重分析模型构建和分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109767023A (zh) | 一种车辆载重状态的预估方法及*** | |
EP3525180A1 (en) | Telematically monitoring and predicting a vehicle battery state | |
CN106097709B (zh) | 基于智能车载终端的驾驶行为识别方法 | |
CN102881057B (zh) | 基于iOBD的车辆管理***及其车辆管理方法 | |
CN101590832B (zh) | 行驶能量学习装置以及方法 | |
CN105814583B (zh) | 用于监测部件运行的方法 | |
CN104590275A (zh) | 一种驾驶行为分析方法 | |
CN107444404B (zh) | 一种驾驶行为规范度的评价方法和装置 | |
CN111912506A (zh) | 一种确定机动车载重状态的方法和设备 | |
CN108269325A (zh) | 一种驾驶行为油耗经济性的分析方法及装置 | |
CN111016917B (zh) | 车辆载重量检测方法、装置、计算机可读存储介质及车辆 | |
CN105438178A (zh) | 一种车辆负载预估方法及*** | |
WO2019207882A1 (ja) | 予兆診断装置及び方法 | |
EP3391304B1 (en) | Method and system for assessing the trip performance of a driver | |
CN106980313B (zh) | 一种汽车驾驶方式优化***及优化方法 | |
CN113944536B (zh) | 颗粒捕集器再生的预警方法和装置 | |
CN111997709B (zh) | 一种车载发动机油在线监测方法及*** | |
CN106875677A (zh) | 用于分析驾驶行为的方法、分析平台和*** | |
CN102410936A (zh) | 一种电动汽车整车经济性测试***及其测试方法 | |
CN111707476A (zh) | 一种面向自动驾驶汽车的纵向驾驶能力检测方法 | |
CN117392855B (zh) | 基于卫星定位数据的车辆超限超载概率识别方法及*** | |
CN114526930A (zh) | 一种智能网联汽车故障检测方法及*** | |
EP3891512A1 (en) | System and method for providing an indication of driving performance | |
CN113918890A (zh) | 一种基于移动窗口库的低负荷工况构建方法 | |
CN114136390A (zh) | 一种包含道路坡度的汽车行驶工况开发装置及开发方法 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 4 / F, building 1, No.14 Jiuxianqiao Road, Chaoyang District, Beijing 100020 Applicant after: Beijing Jingwei Hirain Technologies Co.,Inc. Address before: 8 / F, block B, No. 11, Anxiang Beili, Chaoyang District, Beijing 100101 Applicant before: Beijing Jingwei HiRain Technologies Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |