CN117056746A - 一种基于大数据的汽车测试平台及方法 - Google Patents

一种基于大数据的汽车测试平台及方法 Download PDF

Info

Publication number
CN117056746A
CN117056746A CN202311309679.8A CN202311309679A CN117056746A CN 117056746 A CN117056746 A CN 117056746A CN 202311309679 A CN202311309679 A CN 202311309679A CN 117056746 A CN117056746 A CN 117056746A
Authority
CN
China
Prior art keywords
test
unit
determining
scene
data
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.)
Withdrawn
Application number
CN202311309679.8A
Other languages
English (en)
Inventor
孙铭蔚
兴树森
胡正乙
林琳
王黎
曹杨
单吉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Automobile Industry Institute
Original Assignee
Changchun Automobile Industry Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Automobile Industry Institute filed Critical Changchun Automobile Industry Institute
Priority to CN202311309679.8A priority Critical patent/CN117056746A/zh
Publication of CN117056746A publication Critical patent/CN117056746A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Computational Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Geometry (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Remote Sensing (AREA)
  • Algebra (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及汽车测试技术领域，具体公开了一种基于大数据的汽车测试平台及方法，所述方法包括接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；根据所述测试结果同步确定价值信息。本发明将基于实际运行数据的价值判定过程转移至测试参数的模拟数据，进而将价值判定过程转换为纯理论过程，计算效率高，准确度高。

Description

一种基于大数据的汽车测试平台及方法
技术领域
本发明涉及汽车测试技术领域，具体是一种基于大数据的汽车测试平台及方法。
背景技术
最准确的汽车测试过程就是对实际车辆进行测试，而现有技术中，缺少一个良好的测试交流平台，车主基本上不愿意让自己的车参与测试，哪怕是一些简单的常规测试，其中一个原因是透明度问题，另一个是测试价值问题，不同车辆在不同测试参数的价值是不同的。
对于透明度问题，属于各个平台的管理问题，而价值判定问题，可以通过技术手段进行限定，如何提供一种价值判定方案是本发明技术方案想要解决的技术问题。
发明内容
本发明的目的在于提供一种基于大数据的汽车测试平台及方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于大数据的汽车测试方法，所述方法包括：
接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
根据所述测试结果同步确定价值信息。
作为本发明进一步的方案：所述接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数的步骤包括：
接收用户发送的测试请求，向用户发送查询权限获取请求；
基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
根据所述额定数据量和历史平均数据量确定选取范围；
基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
作为本发明进一步的方案：所述基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位的步骤包括：
读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
根据所述时域轨迹和预设的环境类型构建测试场景；
根据所述测试场景递归更新随机确定的单位测试量及测试时长；
在所述测试场景中设定至少一个监测点位。
作为本发明进一步的方案：所述根据所述测试场景递归更新随机确定的单位测试量及测试时长的步骤包括：
依读取各个测试场景中时域轨迹对应的单位测试量及测试时长，在测试时长中对所述单位测试量进行极值点识别，定位极值点；
根据时间顺序排列极值点处的极值，得到极值数组；
拟合极值数组得到极值曲线，对所述极值曲线进行傅里叶变换，并提取首项幅值；
根据所述首项幅值对各项极值曲线进行尺寸匹配，并计算尺寸匹配后的极值曲线的相似度；
统计与各个极值曲线的相似度达到预设的数值的曲线数量，根据所述曲线数量对选取范围进行调节；其中，调节幅度与所述曲线数量呈反比；
其中，所述相似度的计算过程为：
；式中，S为相似度，/>为修正系数，/>和/>分别为待比对的两条曲线的重合段，/>为重合段的初始时刻，/>为重合段的尾时刻。
作为本发明进一步的方案：所述根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果的步骤包括：
根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合；
其中，根据异或运算结果验证测试过程的通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值。
作为本发明进一步的方案：所述根据所述测试结果同步确定价值信息的步骤包括：
读取测试参数和含有符号的匹配度，计算车辆的贡献度；
根据所述汽车信息确定基准价值，根据所述基准价值和贡献度确定价值信息。
本发明技术方案还提供了一种基于大数据的汽车测试平台，所述平台包括：
测试参数确定模块，用于接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
测试场景构建模块，用于基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
测试结果生成模块，用于根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
价值信息确定模块，用于根据所述测试结果同步确定价值信息。
作为本发明进一步的方案：所述测试参数确定模块包括：
权限获取单元，用于接收用户发送的测试请求，向用户发送查询权限获取请求；
数据获取单元，用于基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
范围确定单元，用于根据所述额定数据量和历史平均数据量确定选取范围；
随机确定单元，用于基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
作为本发明进一步的方案：所述测试场景构建模块包括：
轨迹模拟单元，用于读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
构建执行单元，用于根据所述时域轨迹和预设的环境类型构建测试场景；
递归调节单元，用于根据所述测试场景递归更新随机确定的单位测试量及测试时长；
设定执行单元，用于在所述测试场景中设定至少一个监测点位。
作为本发明进一步的方案：所述测试结果生成模块包括：
异或运算单元，用于根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
匹配度计算单元，用于读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
***统计单元，用于将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合；
其中，根据异或运算结果验证测试过程的通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值。
与现有技术相比，本发明的有益效果是：本发明根据汽车信息确定测试参数，根据所述测试参数构建测试场景，对测试场景进行监测，获取实际运行数据，比对实际运行数据和测试参数的模拟数据，可以完成测试过程，在此基础上，可以同步计算匹配度，此时，将基于实际运行数据的价值判定过程转移至测试参数的模拟数据，进而将价值判定过程转换为纯理论过程，计算效率高，准确度高。
附图说明
为了更清楚地说明本发明实施例中的技术方案，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。
图1为基于大数据的汽车测试方法的流程框图。
图2为基于大数据的汽车测试方法的第一子流程框图。
图3为基于大数据的汽车测试方法的第二子流程框图。
图4为基于大数据的汽车测试方法的第三子流程框图。
图5为基于大数据的汽车测试方法的第四子流程框图。
图6为基于大数据的汽车测试平台的组成结构框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1为基于大数据的汽车测试方法的流程框图，本发明实施例中，一种基于大数据的汽车测试方法，所述方法包括：
步骤S100：接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
当用户发送测试请求后，视为该用户想要参与测试；此时，本方法执行主体开放信息获取端口，基于所述信息获取端口获取汽车信息，所述汽车信息一般以汽车型号为基准，使用情况为辅助，比如，所述汽车信息可以是汽车型号+使用年限+使用公里数+配件更换情况；基于获取到的汽车信息可以确定不同测试类型下的多组测试参数，所述测试类型一般是运动测试，比如百公里加速、百公里刹车距离和某一速度下的过弯情况等，无论是何种测试类型，都会有一个输入，比如，百公里加速情况下（现有的试验车是地板油，但是在日常使用的车辆上，几乎不会采取此类极限测试），油门大小就是输入，百公里刹车距离情况下，刹车量就是输入，某一速度下的过弯情况，该速度就是输入；在以用户自用车辆作为测试车辆的情况下，这些测试参数很难进行一种标准化的度量，因此，采用多组数不同的测试参数，用于保证测试结果的全面性。
步骤S200：基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
当测试参数确定好后，再引入环境参数，获取同一测试参数在不同环境下的运动状态，举例来说，同一测试参数下，水泥路面和柏油路面不同，湿润路面和干燥路面也是不同的，因此，结合测试参数和环境参数两方面，即可得到测试场景，在所述测试场景中设定监测点位，用于对车辆的运动情况进行监测。
步骤S300：根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
在所述监测点位处获取车辆运行数据，由测试场景可以计算出一个理论运行数据，比对理论运行数据和车辆运行数据，可以得到测试结果。
需要说明的是，关于上述步骤S300的发生场景，它可以发生在仿真软件中，也即，根据测试场景创建一个虚拟场景，输入测试参数和环境参数，进行测试，这种测试属于模拟测试；还有一种方式就是实际测试过程，基于测试场景搭建现实场景，在这一过程中，有些环境参数难以模拟，因此，对测试场景也存在一个选取过程。
步骤S400：根据所述测试结果同步确定价值信息；
步骤S300是测试过程，这是汽车测试领域中的必有功能，在完成此功能的基础上，本方法根据测试结果还确定了价值信息，用于后续的回馈过程，从而吸引更多的用户进行测试，达到一个正向反馈过程，获取更多的测试数据。
图2为基于大数据的汽车测试方法的第一子流程框图，所述接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数的步骤包括：
步骤S101：接收用户发送的测试请求，向用户发送查询权限获取请求；
步骤S102：基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
步骤S103：根据所述额定数据量和历史平均数据量确定选取范围；
步骤S104：基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
上述内容对测试参数的确定过程进行了具体的限定，首先，接收到用户发送的测试请求时，向用户发送权限获取请求，获取到用户授予的查询权限后，才能够与用户的车机进行交互，获取不同测试类型下的额定数据与使用数据；然后，以使用数据为基准，在不超过额定数据的情况下，随机确定一些瞬时数据即可，测试时长可以由管理方自主设定。
其中，选取范围由额定数据与使用数据作差得到。
图3为基于大数据的汽车测试方法的第二子流程框图，所述基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位的步骤包括：
步骤S201：读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
步骤S202：根据所述时域轨迹和预设的环境类型构建测试场景；
步骤S203：根据所述测试场景递归更新随机确定的单位测试量及测试时长；
步骤S204：在所述测试场景中设定至少一个监测点位。
在本发明技术方案的一个实例中，读取确定好的单位测试量及测试时长，单位测试量本身是时间的函数，将其作为输入，可以对汽车的运动过程进行预测，预测结果称为时域轨迹，也即，汽车随时间的变化轨迹。
根据所述时域轨迹和环境类型构建测试场景，如果测试场景是实际场景，此一步骤的构建过程实际上是选取过程，这是因为实际场景的搭设周期较长，都是提前搭建完成的场地，选取过程的重点在于，根据时域轨迹在已有场景中选取尺寸。
在上述内容中，本申请还提供了一种基于本申请架构的创新方案，就是根据构建的测试场景再对测试场景进行递归调节，调节的内容是测试场景中时域轨迹的影响参数，包括单位测试量及测试时长。
关于递归调节过程，具体说明如下：
所述根据所述测试场景递归更新随机确定的单位测试量及测试时长的步骤包括：
依读取各个测试场景中时域轨迹对应的单位测试量及测试时长，在测试时长中对所述单位测试量进行极值点识别，定位极值点；
单位测试量是时间的函数，拟合测试时长内各时刻的单位测试量，可以得到一条曲线（也可以由模拟得到的时域轨迹进行求导得到）；对该曲线进行极值点识别，可以定位到极值点，极值点识别过程是常规数学问题，只需要点位两侧的变化程度不同即可，也可以借助导数特征分析得到。
根据时间顺序排列极值点处的极值，得到极值数组；
极值点是每个时刻，每个时刻对应的单位测试量就是极值，根据时间顺序统计极值，得到一个数组，称为极值数组。
拟合极值数组得到极值曲线，对所述极值曲线进行傅里叶变换，并提取首项幅值；
再对极值数组进行拟合，可以得到一条极值曲线，这相当于是对上述由单位测试量拟合得到的曲线的简化；对极值曲线进行傅里叶变换，可以得到多项三角函数和，首项占比最为重要，提取首项三角函数的幅值，称为首项幅值。
根据所述首项幅值对各项极值曲线进行尺寸匹配，并计算尺寸匹配后的极值曲线的相似度；
由于每个单位测试量的类型不同，在现有技术下，很难进行比对，而本发明技术方案通过首项幅值对各个极值曲线进行放大或缩小后，可以计算出不同极值曲线的相似度，从而反映了不同类型的测试过程的相似程度。
统计与各个极值曲线的相似度达到预设的数值的曲线数量，根据所述曲线数量对选取范围进行调节；其中，调节幅度与所述曲线数量呈反比；
当相似度计算完成后，依次对每条极值曲线进行分析，查询与其相似度较高的极值曲线的数量，数量越多，说明当前极值曲线对应的单位测试量是无效测试的概率越大（与其他测试重复），此时，就需要对选取范围进行扩大，从而选取到波动幅度更大的单位测试量，也即，其中，调节幅度与所述曲线数量呈反比。
其中，所述相似度的计算过程为：
；式中，S为相似度，/>为修正系数，/>和/>分别为待比对的两条曲线的重合段，/>为重合段的初始时刻，/>为重合段的尾时刻。
图4为基于大数据的汽车测试方法的第三子流程框图，所述根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果的步骤包括：
步骤S301：根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
步骤S302：读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
步骤S303：将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合。
在本发明技术方案的一个实例中，对测试过程进行了具体的限定，其原理非常简单，就是将理论情况（时域轨迹）与实际情况（车辆运行数据）进行比对，然后通过匹配度这一数值表示匹配情况；需要说明的是，所述匹配度有正有负，符号用于表征车辆运行数据比时域轨迹大还是小，这意味着，匹配度计算过程本质上是一个作差过程。
值得一提的是，关于上述异常运算的验证测试过程，其通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值；XOR为异或运算。
图5为基于大数据的汽车测试方法的第四子流程框图，所述根据所述测试结果同步确定价值信息的步骤包括：
步骤S401：读取测试参数和含有符号的匹配度，计算车辆的贡献度；
步骤S402：根据所述汽车信息确定基准价值，根据所述基准价值和贡献度确定价值信息。
步骤S401和步骤S402是对本申请的重点所在，提供了一种具体的价值信息计算过程，匹配度表示了实际与理论状态的差异情况，测试参数是理论数据（单位测试量及测试时长），将测试参数输入预设的评价模型，可以直接输出贡献度；所述评价模型可以是一个表格，由管理方直接统计得到，用于表征测试参数对应的贡献度，在此基础上，引入匹配度这一概念，对贡献度进行调节，更加契合于实际。
进一步的，不同车辆的基准价值是不同的，以极限情况为例，如果一辆车因为测试损坏，那么产生的价值需要以车辆当前的价值作为评价标准，而不同车辆的车价是不同的，因此，需要根据汽车信息确定一个基准价值（可以借鉴二手车定价规则），结合基准价值和贡献度，可以确定最终的价值信息。
图6为基于大数据的汽车测试平台的组成结构框图，本发明实施例中，一种基于大数据的汽车测试平台，所述平台10包括：
测试参数确定模块11，用于接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
测试场景构建模块12，用于基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
测试结果生成模块13，用于根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
价值信息确定模块14，用于根据所述测试结果同步确定价值信息。
进一步的，所述测试参数确定模块11包括：
权限获取单元，用于接收用户发送的测试请求，向用户发送查询权限获取请求；
数据获取单元，用于基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
范围确定单元，用于根据所述额定数据量和历史平均数据量确定选取范围；
随机确定单元，用于基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
具体的，所述测试场景构建模块12包括：
轨迹模拟单元，用于读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
构建执行单元，用于根据所述时域轨迹和预设的环境类型构建测试场景；
递归调节单元，用于根据所述测试场景递归更新随机确定的单位测试量及测试时长；
设定执行单元，用于在所述测试场景中设定至少一个监测点位。
此外，所述测试结果生成模块13包括：
异或运算单元，用于根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
匹配度计算单元，用于读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
***统计单元，用于将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合；
其中，根据异或运算结果验证测试过程的通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据的汽车测试方法，其特征在于，所述方法包括：
接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
根据所述测试结果同步确定价值信息。
2.根据权利要求1所述的基于大数据的汽车测试方法，其特征在于，所述接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数的步骤包括：
接收用户发送的测试请求，向用户发送查询权限获取请求；
基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
根据所述额定数据量和历史平均数据量确定选取范围；
基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
3.根据权利要求2所述的基于大数据的汽车测试方法，其特征在于，所述基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位的步骤包括：
读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
根据所述时域轨迹和预设的环境类型构建测试场景；
根据所述测试场景递归更新随机确定的单位测试量及测试时长；
在所述测试场景中设定至少一个监测点位。
4.根据权利要求3所述的基于大数据的汽车测试方法，其特征在于，所述根据所述测试场景递归更新随机确定的单位测试量及测试时长的步骤包括：
依读取各个测试场景中时域轨迹对应的单位测试量及测试时长，在测试时长中对所述单位测试量进行极值点识别，定位极值点；
根据时间顺序排列极值点处的极值，得到极值数组；
拟合极值数组得到极值曲线，对所述极值曲线进行傅里叶变换，并提取首项幅值；
根据所述首项幅值对各项极值曲线进行尺寸匹配，并计算尺寸匹配后的极值曲线的相似度；
统计与各个极值曲线的相似度达到预设的数值的曲线数量，根据所述曲线数量对选取范围进行调节；其中，调节幅度与所述曲线数量呈反比；
其中，所述相似度的计算过程为：
；式中，S为相似度，/>为修正系数，/>和/>分别为待比对的两条曲线的重合段，/>为重合段的初始时刻，/>为重合段的尾时刻。
5.根据权利要求3所述的基于大数据的汽车测试方法，其特征在于，所述根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果的步骤包括：
根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合；
其中，根据异或运算结果验证测试过程的通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值。
6.根据权利要求5所述的基于大数据的汽车测试方法，其特征在于，所述根据所述测试结果同步确定价值信息的步骤包括：
读取测试参数和含有符号的匹配度，计算车辆的贡献度；
根据所述汽车信息确定基准价值，根据所述基准价值和贡献度确定价值信息。
7.一种基于大数据的汽车测试平台，其特征在于，所述平台包括：
测试参数确定模块，用于接收用户发送的测试请求，获取用户的汽车信息，基于所述汽车信息确定预设的测试类型下的至少一组测试参数；所述测试参数包括单位测试量及其测试时长；
测试场景构建模块，用于基于所述测试参数构建测试场景，在所述测试场景中设定至少一个监测点位；
测试结果生成模块，用于根据所述监测点位获取车辆运行数据，根据所述车辆运行数据和测试场景确定测试结果；
价值信息确定模块，用于根据所述测试结果同步确定价值信息。
8.根据权利要求7所述的基于大数据的汽车测试平台，其特征在于，所述测试参数确定模块包括：
权限获取单元，用于接收用户发送的测试请求，向用户发送查询权限获取请求；
数据获取单元，用于基于获取到的查询权限获取用户在某一测试类型下的额定数据量和历史平均数据量；所述测试类型由管理方确定；
范围确定单元，用于根据所述额定数据量和历史平均数据量确定选取范围；
随机确定单元，用于基于所述选取范围随机确定单位测试量及测试时长；
其中，随机确定的规则为：，式中，L为历史平均数据量，D为单位测试量,所述单位测试量为时间的函数，/>为初始时刻，/>为尾时刻，/>-/>为测试时长。
9.根据权利要求8所述的基于大数据的汽车测试平台，其特征在于，所述测试场景构建模块包括：
轨迹模拟单元，用于读取单位测试量及测试时长，根据单位测试量及测试时长模拟时域轨迹；所述时域轨迹用于表征汽车随时间的变化情况；
构建执行单元，用于根据所述时域轨迹和预设的环境类型构建测试场景；
递归调节单元，用于根据所述测试场景递归更新随机确定的单位测试量及测试时长；
设定执行单元，用于在所述测试场景中设定至少一个监测点位。
10.根据权利要求9所述的基于大数据的汽车测试平台，其特征在于，所述测试结果生成模块包括：
异或运算单元，用于根据所述监测点位获取车辆运行数据，当监测点位不唯一时，对不同监测点位的获取结果进行异或运算，根据异或运算结果验证测试过程；
匹配度计算单元，用于读取测试场景对应的时域轨迹，基于时域轨迹计算车辆运行数据的匹配度；所述匹配度用于表征车辆运行数据与时域轨迹的匹配情况；其中，所述匹配度含有符号；
***统计单元，用于将匹配度***测试场景并统计，得到测试结果；其中，所述测试结果为含有匹配度的测试场景的集合；
其中，根据异或运算结果验证测试过程的通过条件为：
；式中，/>为异或结果之和，N为参与异或运算的数据元总量，U为预设的条件数值。
CN202311309679.8A 2023-10-11 2023-10-11 一种基于大数据的汽车测试平台及方法 Withdrawn CN117056746A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311309679.8A CN117056746A (zh) 2023-10-11 2023-10-11 一种基于大数据的汽车测试平台及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311309679.8A CN117056746A (zh) 2023-10-11 2023-10-11 一种基于大数据的汽车测试平台及方法

Publications (1)

Publication Number Publication Date
CN117056746A true CN117056746A (zh) 2023-11-14

Family

ID=88662995

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311309679.8A Withdrawn CN117056746A (zh) 2023-10-11 2023-10-11 一种基于大数据的汽车测试平台及方法

Country Status (1)

Country Link
CN (1) CN117056746A (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954040A (zh) * 2016-04-22 2016-09-21 百度在线网络技术（北京）有限公司 应用于无人驾驶汽车的测试方法和装置
CN110188797A (zh) * 2019-04-26 2019-08-30 同济大学 一种基于贝叶斯优化的智能汽车快速测试方法
CN112181698A (zh) * 2020-09-21 2021-01-05 东风柳州汽车有限公司 自动驾驶极限性能的测试方法、装置、设备及存储介质
CN113377663A (zh) * 2021-06-24 2021-09-10 吉林大学 一种基于去场景要素特征的自动驾驶仿真测试方法
CN113609016A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
CN114004113A (zh) * 2021-12-30 2022-02-01 佛山仙湖实验室 基于云服务的交互式智能车辆交通模拟测试方法及***
CN114707297A (zh) * 2022-02-28 2022-07-05 上海智能网联汽车技术中心有限公司 面向智能汽车测试的临界虚拟场景自动生成方法及***
CN114816980A (zh) * 2022-01-28 2022-07-29 陕西烽火电子股份有限公司 一种嵌入式通信***用自动测试装置及方法
CN114896176A (zh) * 2022-07-15 2022-08-12 北京宏景智驾科技有限公司 一种智能驾驶软/硬件在环自动化仿真测试***
CN115165398A (zh) * 2022-07-29 2022-10-11 上海商汤临港智能科技有限公司 车辆的行驶功能测试方法、装置、计算设备及介质
US20230043905A1 (en) * 2020-12-17 2023-02-09 Mobileye Vision Technologies Ltd. Vehicle operation safety model test system
CN116127604A (zh) * 2023-02-03 2023-05-16 中汽传媒(天津)有限公司 一种汽车防撞数据处理方法及***
CN116415202A (zh) * 2023-02-08 2023-07-11 岚图汽车科技有限公司 一种多源数据融合方法、***、电子设备及存储介质
CN116665174A (zh) * 2023-06-12 2023-08-29 中国科学院深圳先进技术研究院 面向视觉感知算法的危险测试用例生成方法及相关设备

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105954040A (zh) * 2016-04-22 2016-09-21 百度在线网络技术（北京）有限公司 应用于无人驾驶汽车的测试方法和装置
CN110188797A (zh) * 2019-04-26 2019-08-30 同济大学 一种基于贝叶斯优化的智能汽车快速测试方法
CN112181698A (zh) * 2020-09-21 2021-01-05 东风柳州汽车有限公司 自动驾驶极限性能的测试方法、装置、设备及存储介质
US20230043905A1 (en) * 2020-12-17 2023-02-09 Mobileye Vision Technologies Ltd. Vehicle operation safety model test system
CN113377663A (zh) * 2021-06-24 2021-09-10 吉林大学 一种基于去场景要素特征的自动驾驶仿真测试方法
CN113609016A (zh) * 2021-08-05 2021-11-05 北京赛目科技有限公司 车辆自动驾驶测试场景的构建方法、装置、设备及介质
CN114004113A (zh) * 2021-12-30 2022-02-01 佛山仙湖实验室 基于云服务的交互式智能车辆交通模拟测试方法及***
CN114816980A (zh) * 2022-01-28 2022-07-29 陕西烽火电子股份有限公司 一种嵌入式通信***用自动测试装置及方法
CN114707297A (zh) * 2022-02-28 2022-07-05 上海智能网联汽车技术中心有限公司 面向智能汽车测试的临界虚拟场景自动生成方法及***
CN114896176A (zh) * 2022-07-15 2022-08-12 北京宏景智驾科技有限公司 一种智能驾驶软/硬件在环自动化仿真测试***
CN115165398A (zh) * 2022-07-29 2022-10-11 上海商汤临港智能科技有限公司 车辆的行驶功能测试方法、装置、计算设备及介质
CN116127604A (zh) * 2023-02-03 2023-05-16 中汽传媒(天津)有限公司 一种汽车防撞数据处理方法及***
CN116415202A (zh) * 2023-02-08 2023-07-11 岚图汽车科技有限公司 一种多源数据融合方法、***、电子设备及存储介质
CN116665174A (zh) * 2023-06-12 2023-08-29 中国科学院深圳先进技术研究院 面向视觉感知算法的危险测试用例生成方法及相关设备

Similar Documents

Publication Publication Date Title
CN109949290B (zh) 路面裂缝检测方法、装置、设备及存储介质
CN111753426B (zh) 颗粒物污染的源解析方法和装置
CN111816936B (zh) 电池梯次利用配组方法、***、终端设备及存储介质
CN113485931B (zh) 测试方法、装置、电子设备及计算机可读存储介质
CN111984544B (zh) 设备性能测试方法、装置、电子设备及存储介质
CN116258420B (zh) 一种产品质量检测方法、装置、终端设备及介质
CN111339231A (zh) 众包更新结果的处理方法及装置
CN114879070A (zh) 一种电池状态评估方法及相关设备
CN111780799B (zh) 一种仪表数据验证方法及装置
CN113158589B (zh) 一种电池管理***的仿真模型校准方法以及装置
CN117056746A (zh) 一种基于大数据的汽车测试平台及方法
CN107150603B (zh) 一种快速获取与电动车匹配度高的充电桩的方法和装置
CN113391256A (zh) 一种现场作业终端的电能表计量故障分析方法及***
CN112277651A (zh) 一种电动车辆里程验证方法及相关设备
CN117147166A (zh) 一种发动机标定方法、装置、电子设备及存储介质
CN117291576A (zh) 一种基于工业场景数据趋势预测的方法、***、计算机设备及存储介质
Chu et al. Parameter identification and SOC estimation of lithium-ion batteries based on AGCOA-ASRCKF
CN116432908A (zh) 近零碳园区的碳核算方法、装置、终端及存储介质
CN115983329A (zh) 空气质量及气象条件的预测方法、装置、设备及存储介质
CN116151460A (zh) 车辆智能化产品的优化方法、装置、服务器及存储介质
CN114764600A (zh) 新能源车电池包的寿命预测方法、装置和电子设备
CN114697230A (zh) 一种基于零信任的能源站安全监控***及方法
CN116739827A (zh) 一种电力用量分摊方法、***和存储介质
CN111044813B (zh) 充电模式的识别方法、装置及终端设备
CN112800591B (zh) 一种预测发动机性能参数修改量的方法及相关装置

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20231114