CN111951430B - 一种车辆驾驶性评价方法及其*** - Google Patents
一种车辆驾驶性评价方法及其*** Download PDFInfo
- Publication number
- CN111951430B CN111951430B CN201910359008.XA CN201910359008A CN111951430B CN 111951430 B CN111951430 B CN 111951430B CN 201910359008 A CN201910359008 A CN 201910359008A CN 111951430 B CN111951430 B CN 111951430B
- Authority
- CN
- China
- Prior art keywords
- sub
- evaluation
- condition
- drivability
- vehicle
- 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
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Combined Controls Of Internal Combustion Engines (AREA)
Abstract
本发明提供一种车辆驾驶性评价方法及其***,其中,该方法包括如下步骤:获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,所述工况参数集由属于同一子操作工况的所有工况参数形成;根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立。本发明的评价方法可以提高车辆驾驶性评价结果的客观性和准确性,减少主观驾驶性评价由于重复性低和对测试驾驶员的个体感受依赖性强以及车辆驾驶性评价结果不准确、不一致的问题。此外,本发明的评价方法还可以实时准确、客观地优化车辆的驾驶性,实现动态性能实时调节。
Description
技术领域
本发明涉及车辆驾驶性评价技术领域,尤其涉及一种车辆驾驶性评价方法及其***。
背景技术
随着市场竞争加剧、消费者对于车辆驾驶感受的要求不断提升,各主流车厂越加重视其车辆在不同驾驶工况下的驾驶性表现,同时对应制定的工况指标也越来越详细。因而,对于车辆驾驶性评价方法的研究不仅有助于全面而准确地提升消费者的驾驶体验而且也符合汽车行业的发展方向。
车辆驾驶性一般用于评价驾驶员在汽车纵向行驶过程中的主观驾驶感觉。目前国内外相关汽车企业与汽车咨询服务公司对于车辆驾驶性评价***的开发方式已经开展了一些研究和讨论,其主要以专业驾驶员的主观驾驶性评价数据作为被触发驾驶性指标评价分数的唯一参考依据。然而,主观驾驶性评价存在重复性低和对测试驾驶员的个体感受依赖性强等特点。从而导致专业驾驶员的主观驾驶性评价的结果也并非总是一致并且准确可信。如果直接将主观驾驶性评价数据用于建立驾驶性评价体系,其主观驾驶性评价的数据结果与客观测试数据量化关系中的相关性容易因为驾驶员的主观差异产生不一致的结果。
发明内容
本发明所要解决的技术问题在于,提供一种驾驶性评价方法及其***,以解决现有技术中主、客观驾驶性评价不一致的问题。
为了解决上述技术问题,本发明提供一种车辆驾驶性评价方法,该方法包括如下步骤:
获取车辆当前驾驶工况下的子操作工况对应的工况参数集,其中,所述工况参数集由属于同一子操作工况的所有工况参数形成;
根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立。
其中,根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立所述评价模型具体包括:
获取不同驾驶工况下车辆主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集;
建立用于评价车辆子操作工况的驾驶性的初始模型;
利用所述主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集训练所述初始评价模型,获得评价模型。
其中,在获取所述主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集前还包括:
采集与车辆驾驶性评价相关的车辆信号,对所述车辆信号进行评价处理,获得处理后的车辆信号;
根据处理后的车辆信号计算车辆在不同驾驶工况下各子操作工况对应的工况参数,形成所述子操作工况对应的工况参数集;
根据所述子操作工况对应的工况参数集获得所述各子操作工况的客观驾驶性评价结果;
获取车辆不同驾驶工况下各子操作工况的主观驾驶性评价结果;
筛选主观驾驶性评价结果与客观性驾驶性评价结果一致的子操作工况对应的工况参数集。
其中,所述根据所述子操作工况对应的工况参数集获得所述各子操作工况的客观驾驶性评价结果具体包括:
设置主观驾驶性评价中每一驾驶工况下每一子操作工况的每一评价等级对应的参考参数集,将所述参考参数集作为聚类中心的中心点;
选择车辆在同一驾驶工况下的不同子操作工况的多个工况参数集作为样本数据的样本点,对所述样本数据进行聚类评价,获得每一所述子操作工况的客观性驾驶评价结果。
其中,所述对所述样本数据进行聚类评价,获得每一所述子操作工况的客观性驾驶评价结果具体包括:
计算所述样本数据中的每一样本点到聚类中心的各中心点的欧几里得距离,根据所述欧几里得距离定义目标函数和约束条件;
根据所述约束条件求解所述目标函数,获得所述各样本点隶属于每一个聚类中心的置信水平;
选取所述置信水平最大的聚类中心对应的评价等级作为所述样本点对应的子操作工况的客观驾驶性评价结果。
其中,所述目标函数和约束条件具体为:
其中,J为目标函数,xki为样本数据中的第k个样本点Xk的第i个工况参数;rji为主观驾驶评价过程中设置的各子操作工况的评价等级Rj的第i个工况参数,ωkj为样本点Xk隶属于聚类中心点Rj的置信水平,m为该子操作工况的评价等级的总个数,l为样本点个数,n为所述子操作工况对应的工况参数集中的工况参数的个数,λj为拉格朗日乘子,
其中,所述建立用于评价车辆驾驶性的初始模型具体为:采用单隐层的前馈人工神经网络建立的初始评价模型为:
其中,f(z)为驾驶性的评价结果,z为对应的子操作工况的工况参数集,βq为输出权重,hq为隐藏层节点输出,L为隐藏层节点数。
其中,所述方法还包括:
利用所述评价模型在线评价车辆驾驶性表现,将所述评价模型输出的驾驶性评价结果与所述车辆主观驾驶性评价与客观驾驶性评价一致的子操作工况中的主观驾驶性评价结果进行对比,验证所述评价模型的准确性。
其中,所述方法还包括
获取同一驾驶工况下各子操作工况的驾驶性评价结果;
根据所述各子操作工况的驾驶性评价计算所述驾驶工况的驾驶性评价结果,根据所述驾驶工况的驾驶性评价结果计算获得发动机的请求力矩;
根据所述发动机的请求力矩调整车辆发动机力矩。
其中,所述根据所述各子操作工况的驾驶性评价计算所述驾驶工况的驾驶性评价结果,根据所述驾驶工况的驾驶性评价结果计算获得发动机的请求力矩具体包括:
获取车辆当前的发动机期待力矩、同一驾驶工况下的各子操作工况的权重系数;
根据所述权重系数和所述各子操作工况的驾驶性评价计算所述驾驶工况的驾驶性评价;
根据权重系数关系和所述驾驶工况的驾驶性评价对发动机的请求力矩的调整因子进行标定;
通过所述调整因子以及所述发动机期待力矩计算获得发动机的请求力矩。
其中,根据所述权重系数和所述驾驶性评价计算所述驾驶工况的驾驶性评价具体为:
P=diag(p1 p2 … pt)
其中,U为驾驶工况的驾驶性评价,t为所述驾驶工况中考虑的子操作工况的个数,pt为某个操作子工况的权重系数,st为子操作工况的驾驶评价结果;
所述通过所述调整因子以及所述发动机期待力矩计算获得发动机的请求力矩具体为:
Treq=μTexp
其中,Texp为发动机期待力矩,Treq为发动机的请求力矩,μ为调整因子。
本发明还提供一种车辆驾驶性评价***,包括:
工况参数集获取单元,用于获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,工况参数集由属于同一子操作工况的多个工况参数形成;
评价结果分析单元,用于根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立。
本发明实施例的有益效果在于:本发明实施例的车辆驾驶性评价方法,通过选择主观驾驶性评价和客观驾驶性评价一致的子操作工况对应的参数集用于训练模型获得驾驶性评价模型,本发明的评价方法可以提高车辆驾驶性评价结果的客观性和准确性,可以减少主观驾驶性评价由于重复性低和对测试驾驶员的个体感受依赖性强以及车辆驾驶性评价结果不准确、不一致的问题。此外,本发明的评价方法还可以实时准确、客观地优化车辆的驾驶性,实现动态性能实时调节。
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是本发明实施例的一种车辆驾驶性评价方法的流程示意图。
图2是本发明实施例的一种车辆驾驶性评价方法的建立驾驶性评价模型的流程示意图。
图3是本发明实施例的一种车辆驾驶性评价方法的获取客观驾驶性评价结果的分析示意图。
具体实施方式
以下各实施例的说明是参考附图,用以示例本发明可以用以实施的特定实施例。
以下参照图1进行说明,本发明实施例一提供一种车辆驾驶性评价方法,该方法包括如下步骤:
S1、获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,工况参数集由属于同一子操作工况的所有工况参数形成。
S2、根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立。
以下参照图2具体说明评价模型的建立方法:
S21、获取不同驾驶工况下车辆主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集。
具体地,获取不同驾驶工况下不同子操作工况的主观驾驶性评价结果。所述主观驾驶性评价结果源自于专业驾驶员在不同驾驶工况下、不同子操作工况下的主观驾驶感受评价,通过不同的年龄段、不同性别的专业驾驶员对不同级别、不同厂商的汽车进行多次驾驶体验,以报告的形式对不同驾驶工况下不同子操作工况的驾驶性进行评价打分。具体地,驾驶性评价按“非常好”、“很好”、“好”、“满意”、“不合意”、“烦扰”、“不足”、“差”、“非常差”、“无法接受”依次分为十级。
具体地,采集车辆与驾驶性评价有关的车辆信息,该车辆信息涵盖各种与车辆驾驶性能相关的传感器信号反馈和其他信号,其中发动机转速、车速、踏板位置等大部分信号可以直接从车辆CAN总线上读取。为了配合不同工况指标对信号特征侧重部分不同的要求,需要选择性地抑制或增强车辆纵向加速度信号中特定部分以突显关注部分的特征。因此,车辆纵向加速度方面需要单独通过外接车辆加、减速传感器以获得原始的信号数据,然后对应不同工况指标对其原始的信号数据进行处理。此外,在对采集的车辆加减速传感器信号数据进行评价处理后,还应充分评估相关的数据滤波、平滑等算法的使用对测量精度和线性度的影响。在获得了与车辆驾驶性相关的车辆信息后,以不同驾驶工况为切入点,考虑同一驾驶工况下不同的操作子工况并细分不同操作子工况对应的多个工况指标参数,对于不同的工况指标,当且仅当满足其触发条件时,工况指标才会被激活进行相关的计算,并输出相应的工况指标参数。而没有被触发的工况指标则保持静默不做输出。以加速驾驶工况中的全油门操作子工况为例,全油门操作子工况中涉及期待力矩、参考加速度、转速限制、喘振、力矩平滑度等11个工况参数。对应每一个工况指标都有相应的细则及对应的不同的计算方式和触发条件。该11个工况参数形成了该全油门操作子工况的工况参数集。在获得了各子操作工况对应的工况参数集后,为了对参数集对应的子操作工况的驾驶性进行量化,将同一驾驶工况下的各个工况参数集作为样本数据的样本点,设置主观驾驶评价中每一驾驶工况下的各子操作工况的各评价等级对应的参考工况参数集,并将所各参考工况参数集作为初始聚类中心,计算样本数据中的各样本点到各聚类中心的欧几里得距离,根据所述欧几里得距离建立目标函数,求解所述目标函数获得每一样本点隶属于每一个聚类中心的置信水平,根据所述置信水平获得每一样本点的客观评价结果。
举例说明,如图3所示,假设某一驾驶工况包括子操作工况S1、子操作工况S2……,而每一子操作工况的评价又分为10个等级,假设分别为R00-R09一共 10个等级,每一等级的参考工况参数集为rji,其中,j为该子操作工况的评价等级个数,i为该子操作工况的工况参数集中的工况参数的个数。选取同一驾驶工况下不同子操作工况的多个参数集形成样本数据,例如样本点为X1, X2,…Xk…;每一个样本点对应的工况参数集为xki,其中,计算每一样本数据中的每一样本点到每一聚类中心的欧几里得距离,并根据欧几里得距离定义目标函数,具体为:
其中,J为目标函数,l为样本数据中样本点的个数,n为所述子操作工况对应的参考参数集中参考参数的个数,j为该子操作工况的评价等级个数,xki为样本数据中点Xk的第i个工况指标参数;rji为子操作工况评价中点Rj的第i个工况指标参数,其中,为欧几里得距离。
引入拉更朗日式子,目标函数转换为:
为了求解目标函数极值,需要分别对其中的变量ωkj和rji求导如下:
所以,ωkf和rji的解析解分别为:
式中,通过多次迭代计算得到ωkj和rji。比较点(Xk)隶属于各个中心点(Rj)的置信水平ωkj,j=1,2,...,m。选择置信水平高的相关子操作工况评价等级作为该点(Xk)客观数据量化后的子操作工况评价结果。
S22、建立用于评价车辆子操作工况的驾驶性评价结果的初始模型。
采用单隐层的前馈人工神经网络对驾驶性评价模型进行建模,所述初始模型为:
其中,f(z)为神经网络的输出,βq为输出权重,hq为隐藏层节点输出,L为隐藏层节点数;z为神经网络的输入。
S23、利用所述主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集训练所述初始模型,获得评价模型。
将客观驾驶性评价结果和主观驾驶性评价结果一致的子操作工况对应的工况参数集输入所述初始模型中,对所述初始模型进行训练,获得评价模型。
其中,所述方法还包括利用所述最终模型在线评价驾驶性,将所述评价模型获得的驾驶性表现与所述车辆主观驾驶性评价与客观驾驶性评价一致的子操作工况中的主观驾驶性评价的结果进行对比,验证所述评价模型的准确性。
在一具体实施方式中,该评价方法还包括:获取车辆在不同子操作工况下的驾驶性评价,根据所述不同子操作工况下的驾驶性评价计算车辆的所述驾驶工况的驾驶性评价结果,根据所述驾驶工况的驾驶性评价结果计算获得发动机的请求力矩,根据所述发动机的请求力矩调整车辆发动机力矩。
具体地,为了表示不同子操作工况之间的相对重要程度,引入权重参数P:
P=diag(p1 p2 … pt)
其中,t为某个驾驶工况下考虑的子操作工况个数;pt为某个子操作工况的权重系数。
则该驾驶工况的驾驶性评价U定义为:
最后,对于不同的权重系数关系和该驾驶工况的驾驶性评价结果,通过实验的方式(如下表1)对调整因子进行标定。
表1调整因子标定
其中,关系1:p1>p2>p3…,关系2:p2>p1>p3…,关系3:p2>p1>p3…。
将标定好的调整因子用于在线力矩请求Treq的计算:
Treq=μTexp
式中,Texp为发动机期待力矩,由油门开度决定,μ为调整因子。
本发明实施例的车辆驾驶性评价方法,通过选择主观驾驶性评价和客观驾驶性评价一致的子操作工况对应的参数集用于训练模型获得驾驶性评价模型,本发明的评价方法可以提高车辆驾驶性评价结果的客观性和准确性,减少主观驾驶性评价由于重复性低和对测试驾驶员的个体感受依赖性强以及车辆驾驶性评价结果不准确、不一致的问题。此外,本发明的评价方法还可以实时准确、客观地优化车辆的驾驶性,实现动态性能实时调节。
基于本发明实施例一,本发明实施例二提供一种车辆驾驶性评价***,包括:
工况参数集获取单元,用于获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,工况参数集由属于同一子操作工况的多个工况参数形成;
评价结果分析单元,用于根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种车辆驾驶性评价方法,其特征在于,包括如下步骤:
获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,所述工况参数集由属于同一子操作工况的所有工况参数形成;
根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型为根据车辆主观驾驶性评价结果和客观驾驶性评价结果而建立的模型;
根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立所述评价模型具体包括:
采集与车辆驾驶性评价相关的车辆信号,对所述车辆信号进行评价处理,获得处理后的车辆信号;
根据处理后的车辆信号计算车辆在不同驾驶工况下各子操作工况对应的工况参数,形成所述子操作工况对应的工况参数集;
根据所述子操作工况对应的工况参数集获得所述各子操作工况的客观驾驶性评价结果;
获取车辆不同驾驶工况下各子操作工况的主观驾驶性评价结果;
筛选主观驾驶性评价结果与客观性驾驶性评价结果一致的子操作工况对应的工况参数集;
获取不同驾驶工况下车辆主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集;
建立用于评价车辆子操作工况的驾驶性评价结果的初始模型;
利用所述主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集训练所述初始模型,获得所述评价模型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述子操作工况对应的工况参数集获得所述各子操作工况的客观驾驶性评价结果具体包括:
设置主观驾驶性评价中每一驾驶工况下每一子操作工况的每一评价等级对应的参考参数集,将所述参考参数集作为聚类中心的中心点;
选择车辆在同一驾驶工况下的不同子操作工况的多个工况参数集作为样本数据的样本点,对所述样本数据进行聚类评价,获得每一所述子操作工况的客观性驾驶评价结果。
3.根据权利要求2所述的方法,其特征在于,所述对所述样本数据进行聚类评价,获得每一所述子操作工况的客观性驾驶评价结果具体包括:
计算所述样本数据中的每一样本点到聚类中心的各中心点的欧几里得距离,根据所述欧几里得距离定义目标函数和约束条件;
根据所述约束条件求解所述目标函数,获得所述各样本点隶属于每一个聚类中心的置信水平;
选取所述置信水平最大的聚类中心对应的评价等级作为所述样本点对应的子操作工况的客观驾驶性评价结果。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
利用所述评价模型在线评价车辆驾驶性表现,将所述评价模型输出的驾驶性评价结果与所述车辆主观驾驶性评价与客观驾驶性评价一致的子操作工况中的主观驾驶性评价结果进行对比,验证所述评价模型的准确性。
7.根据权利要求1-6任一项所述的方法,其特征在于,所述方法还包括
获取同一驾驶工况下各子操作工况的驾驶性评价结果;
根据所述各子操作工况的驾驶性评价结果计算所述驾驶工况的驾驶性评价结果,根据所述驾驶工况的驾驶性评价结果计算获得发动机的请求力矩;
根据所述发动机的请求力矩调整车辆发动机力矩。
8.根据权利要求7所述的方法,其特征在于,所述根据所述各子操作工况的驾驶性评价结果计算所述驾驶工况的驾驶性评价结果,根据所述驾驶工况的驾驶性评价结果计算获得发动机的请求力矩具体包括:
获取车辆当前的发动机期待力矩、同一驾驶工况下的各子操作工况的权重系数;
根据所述权重系数和所述各子操作工况的驾驶性评价计算所述驾驶工况的驾驶性评价;
根据权重系数关系和所述驾驶工况的驾驶性评价对发动机的请求力矩的调整因子进行标定;
通过所述调整因子以及所述发动机期待力矩计算获得发动机的请求力矩。
10.一种车辆驾驶性评价***,其特征在于,包括:
工况参数集获取单元,用于获取车辆当前驾驶工况的子操作工况对应的工况参数集,其中,工况参数集由属于同一子操作工况的多个工况参数形成;
评价结果分析单元,用于根据所述工况参数集和车辆驾驶性评价模型获得当前子操作工况的驾驶性评价结果,其中,所述评价模型根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立;
根据车辆主观驾驶性评价结果和客观驾驶性评价结果建立所述评价模型具体包括:
采集与车辆驾驶性评价相关的车辆信号,对所述车辆信号进行评价处理,获得处理后的车辆信号;
根据处理后的车辆信号计算车辆在不同驾驶工况下各子操作工况对应的工况参数,形成所述子操作工况对应的工况参数集;
根据所述子操作工况对应的工况参数集获得所述各子操作工况的客观驾驶性评价结果;
获取车辆不同驾驶工况下各子操作工况的主观驾驶性评价结果;
筛选主观驾驶性评价结果与客观性驾驶性评价结果一致的子操作工况对应的工况参数集;
获取不同驾驶工况下车辆主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集;
建立用于评价车辆子操作工况的驾驶性评价结果的初始模型;
利用所述主观驾驶性评价与客观驾驶性评价一致的各子操作工况对应的工况参数集训练所述初始模型,获得所述评价模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910359008.XA CN111951430B (zh) | 2019-04-30 | 2019-04-30 | 一种车辆驾驶性评价方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910359008.XA CN111951430B (zh) | 2019-04-30 | 2019-04-30 | 一种车辆驾驶性评价方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951430A CN111951430A (zh) | 2020-11-17 |
CN111951430B true CN111951430B (zh) | 2022-04-29 |
Family
ID=73335456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910359008.XA Active CN111951430B (zh) | 2019-04-30 | 2019-04-30 | 一种车辆驾驶性评价方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951430B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029593A (zh) * | 2021-03-26 | 2021-06-25 | 奇瑞新能源汽车股份有限公司 | 汽车驾驶性的评价方法及装置 |
CN113291315A (zh) * | 2021-05-28 | 2021-08-24 | 中汽研(天津)汽车工程研究院有限公司 | 一种针对多源动力总成车型的整车驾驶性工况自动识别方法 |
CN113987753A (zh) * | 2021-09-29 | 2022-01-28 | 华为技术有限公司 | 参数标定的方法及装置 |
CN114103927B (zh) * | 2021-12-09 | 2024-06-28 | 安徽江淮汽车集团股份有限公司 | 一种双电机串并联混动汽车的控制方法 |
CN115406670A (zh) * | 2022-08-16 | 2022-11-29 | 中国第一汽车股份有限公司 | 车辆性能的测试方法、装置、电子设备以及一种车辆 |
CN117387967A (zh) * | 2023-10-26 | 2024-01-12 | 麦格纳动力总成(江西)有限公司 | 一种汽车驾驶性能测试方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1498717A2 (de) * | 2003-07-15 | 2005-01-19 | Universität Stuttgart | Verfahren und Vorrichtung zur Ermittlung des Seitenwindverhaltens eines Fahrzeugs |
CN101579232A (zh) * | 2008-05-14 | 2009-11-18 | 横滨橡胶株式会社 | 车辆的行驶条件评价方法及其评价装置 |
WO2017099689A1 (en) * | 2015-12-10 | 2017-06-15 | Tofas Turk Otomobil Fabrikasi Anonim Sirketi | A vehicle drivability evaluation system and method |
CN107192560A (zh) * | 2017-05-17 | 2017-09-22 | 重庆长安汽车股份有限公司 | 一种车辆加速动力客观评价方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100593416B1 (ko) * | 2003-07-31 | 2006-06-28 | 김승한 | 동적 승차감 분석 방법 및 동적 승차감 분석장치 |
US8483904B2 (en) * | 2011-09-23 | 2013-07-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Drivability evaluation target levels |
CN108072530A (zh) * | 2016-11-17 | 2018-05-25 | 南京依维柯汽车有限公司 | 一种汽车驾乘性能的评价方法 |
CN108388730A (zh) * | 2018-02-24 | 2018-08-10 | 北京车和家信息技术有限公司 | 车辆开发的方法 |
CN109100157A (zh) * | 2018-08-20 | 2018-12-28 | 中国汽车技术研究中心有限公司 | 一种用于p2构型混合动力汽车驾驶性测试装置及方法 |
-
2019
- 2019-04-30 CN CN201910359008.XA patent/CN111951430B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1498717A2 (de) * | 2003-07-15 | 2005-01-19 | Universität Stuttgart | Verfahren und Vorrichtung zur Ermittlung des Seitenwindverhaltens eines Fahrzeugs |
CN101579232A (zh) * | 2008-05-14 | 2009-11-18 | 横滨橡胶株式会社 | 车辆的行驶条件评价方法及其评价装置 |
WO2017099689A1 (en) * | 2015-12-10 | 2017-06-15 | Tofas Turk Otomobil Fabrikasi Anonim Sirketi | A vehicle drivability evaluation system and method |
CN107192560A (zh) * | 2017-05-17 | 2017-09-22 | 重庆长安汽车股份有限公司 | 一种车辆加速动力客观评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111951430A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111951430B (zh) | 一种车辆驾驶性评价方法及其*** | |
CN107346460B (zh) | 基于智能网联***下前车运行信息的未来工况预测方法 | |
CN113159435B (zh) | 一种新能源车辆剩余驾驶里程预测方法及*** | |
CN116229607B (zh) | 一种机动车行驶碳排放的预测方法、电子设备及存储介质 | |
CN111582586B (zh) | 用于减少抖动的多车队驾驶危险预测***与方法 | |
CN111191824B (zh) | 一种动力电池容量衰减预测方法及*** | |
CN108920854A (zh) | 一种基于无线互联和便携式客户端的噪声在线诊断和声品质评价方法和*** | |
CN112115555B (zh) | 一种智能网联环境下汽车瞬时油耗监测方法 | |
CN102567782A (zh) | 一种基于神经网络的汽车发动机转矩的估算方法 | |
JP7318076B1 (ja) | 作業条件の切り替えの車両の燃料消費量に対する影響の評価方法 | |
CN116702096B (zh) | 车辆高原环境道路滑行阻力测算方法及装置 | |
CN113222385A (zh) | 一种电动汽车行驶工况构建与评价方法 | |
CN114781245B (zh) | 基于油耗强相关参数修正的瞬态汽车油耗估计方法及*** | |
CN110851784A (zh) | 一种现场运行电能表的预警方法 | |
CN116538286A (zh) | 一种计及nvh特性的商用车换挡***及方法 | |
CN114970698B (zh) | 一种基于改进lwpls的计量设备运行性能预测方法 | |
CN116662925A (zh) | 一种基于加权稀疏神经网络工业过程软测量方法 | |
CN110909492A (zh) | 一种基于极端梯度提升算法的污水处理过程软测量方法 | |
CN115526276A (zh) | 一种具有鲁棒性的风洞天平校准载荷预测方法 | |
CN110210711B (zh) | 一种电动汽车电能计量准确度评估方法 | |
CN114254498A (zh) | 一种基于bp神经网络的发动机动态油耗预测方法、*** | |
CN111507003A (zh) | 基于质量相关动态特性提取的脱丁烷塔关键变量预测方法 | |
CN114626234B (zh) | 一种装备数字孪生组合模型可信度评估方法及*** | |
CN114065402B (zh) | 基于hssa-bpnn模型的车辆全态声品质预报方法 | |
Lobato et al. | Quantifying Repeatability of Real-World On-Road Driving Using Dynamic Time Warping |
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 |