[發(fā)明專利]一種駕駛行為油耗經(jīng)濟性的分析方法及裝置

在審

• 申請?zhí)枺?/td>: 201611261901.1
• 申請日: 2016-12-30
• 公開（公告）號: CN108269325A
• 公開（公告）日: 2018-07-10
• 發(fā)明（設計）人: 趙婷婷;張喆
• 申請（專利權）人: 中國移動通信有限公司研究院;中國移動通信集團公司
• 主分類號: G07C5/08
• 分類號: G07C5/08;G06K9/62;G06N3/08
• 代理公司: 北京同達信恒知識產(chǎn)權代理有限公司 11291
• 代理人: 朱琳愛義

1.一種駕駛行為油耗經(jīng)濟性的分析方法，其特征在于，包括：

對預先確定出的油耗經(jīng)濟性相關參數(shù)進行聚類分析，得到至少兩類駕駛行為模式和各類所述駕駛行為模式對應的樣本數(shù)據(jù)點集合；

確定所述樣本數(shù)據(jù)點集合對應的油耗經(jīng)濟性相關參數(shù)中的油耗參數(shù)的統(tǒng)計分布特性；

基于所述駕駛行為模式與所述樣本數(shù)據(jù)點集合之間的對應關系，以及所述樣本數(shù)據(jù)點集合與所述油耗參數(shù)的統(tǒng)計分布特性之間的對應關系，建立所述駕駛行為模式與所述油耗參數(shù)的統(tǒng)計分布特性之間的關聯(lián)關系。

2.如權利要求1所述的分析方法，其特征在于，所述油耗參數(shù)的統(tǒng)計分布特性為以下之一或組合：概率密度函數(shù)估計，累計概率密度函數(shù)估計，直方圖分析，均值，方差。

3.如權利要求1所述的分析方法，其特征在于，在對預先確定出的油耗經(jīng)濟性相關參數(shù)進行聚類分析之前，還包括：

確定油耗經(jīng)濟性相關參數(shù)，并對所述油耗經(jīng)濟性相關參數(shù)進行綜合分析。

4.如權利要求3所述的分析方法，其特征在于，所述確定油耗經(jīng)濟性相關參數(shù)，具體包括：

通過車載診斷系統(tǒng)接口、控制器局域網(wǎng)絡總線、重力感應器、全球定位系統(tǒng)、以及數(shù)據(jù)讀取裝置，直接讀取得到車輛速度、車輛加速度、發(fā)動機轉速、節(jié)氣門位置、車輛位置、空氣流量計數(shù)據(jù)、進氣歧管絕對壓力、進氣溫度、輸出扭矩，并計算得到車輛平均速度、速度中值、最大速度、最小速度、速度方差、平均比功率、比功率中值、加速噪聲、停車次數(shù)和油耗。

5.如權利要求3所述的分析方法，其特征在于，所述對所述油耗經(jīng)濟性相關參數(shù)進行綜合分析，具體包括：

對所述油耗經(jīng)濟性相關參數(shù)進行預處理；

對預處理后的油耗經(jīng)濟性相關參數(shù)進行降維處理或關鍵特征參數(shù)選取。

6.如權利要求5所述的分析方法，其特征在于，所述對所述油耗經(jīng)濟性相關參數(shù)進行預處理，具體包括：

對所述油耗經(jīng)濟性相關參數(shù)進行異常數(shù)據(jù)剔除，缺失數(shù)據(jù)補償，以及車載診斷系統(tǒng)數(shù)據(jù)和全球定位系統(tǒng)數(shù)據(jù)的時間戳對齊。

7.如權利要求1-6任一項所述的分析方法，其特征在于，所述對預先確定出的油耗經(jīng)濟性相關參數(shù)進行聚類分析，具體包括：

采用譜系聚類方法、快速聚類方法或兩階段聚類方法對預先確定出的油耗經(jīng)濟性相關參數(shù)進行聚類分析。

8.如權利要求1-6任一項所述的分析方法，其特征在于，還包括：

按照建立出的所述駕駛行為模式與所述油耗參數(shù)的統(tǒng)計分布特性之間的關聯(lián)關系，確定各類所述駕駛行為模式對應的以節(jié)省油耗為目標的優(yōu)化建議。

9.如權利要求1-6任一項所述的分析方法，其特征在于，還包括：

按照預先建立的駕駛行為模式分類模型，確定新增油耗經(jīng)濟性相關參數(shù)對應的駕駛行為模式。

10.如權利要求9所述的分析方法，其特征在于，還包括：

按照建立出的所述駕駛行為模式與所述油耗參數(shù)的統(tǒng)計分布特性之間的關聯(lián)關系，確定各類所述駕駛行為模式對應的以節(jié)省油耗為目標的優(yōu)化建議；

按照確定出的所述新增油耗經(jīng)濟性相關參數(shù)對應的駕駛行為模式以及所述優(yōu)化建議，確定所述駕駛行為模式對應的以節(jié)省油耗為目標的優(yōu)化建議，并將所述優(yōu)化建議通過車載終端或手機App進行推送。

11.如權利要求9所述的分析方法，其特征在于，通過如下方式建立所述駕駛行為模式分類模型：

以各類所述駕駛行為模式及各類所述駕駛行為模式對應的樣本數(shù)據(jù)點集合作為測試樣本集，進行BP神經(jīng)網(wǎng)絡的訓練，得到所述駕駛行為模式分類模型。