[發明專利]一種智能車輛駕駛性評價指標體系創建方法、裝置及介質

在審

• 申請號: 202010894327.3
• 申請日: 2020-08-31
• 公開（公告）號: CN112036746A
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 夏佳磊;嚴軍;孟斌;周維;過學迅
• 申請（專利權）人: 東風汽車集團有限公司;武漢理工大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06F30/15;G06F17/16
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 鐘鋒

1.一種智能車輛駕駛性評價指標體系創建方法，其特征在于，包括：

建立多層次駕駛性評價模型，識別智能車輛特定工況的駕駛性評價數據指標，篩選和優化主觀評價工程師評估結果；

分析所述智能車輛特定工況的駕駛性評價數據指標，并結合所述多層次駕駛性評價模型創建特定工況的評價指標體系；

基于所述特定工況的評價指標體系及所述主觀評價工程師評估結果，采用主客觀組合賦權法計算多層次指標權重，獲得所述智能車輛特定工況的駕駛性評價結果。

2.根據權利要求1所述的方法，其特征在于，所述建立多層次駕駛性評價模型，包括：

采用主成分分析法找到智能車輛擬人性、響應性、舒適性和暈動性主要性能指標駕駛性的相關分析的顯著性影響因素，從所述顯著性影響因素中剔除對駕駛性影響較小的部分因素，以降低指標體系的維度，構建智能車輛客觀的多層次駕駛性評價模型。

3.根據權利要求1或2所述的方法，其特征在于，所述建立多層次駕駛性評價模型，包括：

根據專業駕駛員的主觀評價實驗和客觀特征指標建立原始分析矩陣X，X中的每個行向量對應一個客觀特征指標，每個行向量中的各數據表示客觀特征指標對應的評價對象，對于第i個客觀特征指標，將矩陣X的第i行中的每個元素減去第i行向量的均值，使得新行向量的均值為0，得到數據集矩陣A；

求所述數據集矩陣A的協方差矩陣B，并通過求解所述協方差矩陣B的特征值與特征向量E得到主成分矩陣；

采用所述特征值計算第k個主成分的方差占總方差的比例，得到方差貢獻率和前k個主成分的方差累計貢獻率；

取所述方差累計貢獻率超過預設值的主成分作為影響智能車輛駕駛性分析的主成分，以剔除駕駛性影響較小的因素降低指標體系的維度，構建智能車輛客觀的多層次駕駛性評價模型。

4.根據權利要求3所述的方法，其特征在于，所述識別智能車輛特定工況的駕駛性評價數據指標，包括：

采用統一時間維度對車輛加速度、車速、發動機轉速、發動機轉矩、檔位、加速踏板和制動信號進行多數據融合，結合智能車輛特定工況的客觀信號特征，采用機器學習根據所述智能車輛特定工況的客觀信號特征，識別智能車輛特定工況的駕駛性評價數據指標，其中，所述智能車輛特定工況包括StopGo工況、爬行工況、起步工況、Tip-in工況、勻速工況、Tip-out工況、滑行減速工況和制動減速工況。

5.根據權利要求4所述的方法，其特征在于，所述篩選和優化主觀評價工程師評估結果，包括：

使用德爾菲法檢驗主觀測試工程師的評價能力，并對主觀評價實驗結果的可靠性進行檢驗，通過篩選和優化獲得最優主觀評價工程師評估結果。

6.根據權利要求5所述的方法，其特征在于，所述篩選和優化主觀評價工程師評估結果，包括：

確定評價對象為主觀測試評價工程師對車輛駕駛性的評價能力；

實車測試，收集并匯總所有主觀測試評價工程師對于單一工況的評價意見；

匯總所有參與的主觀測試評價工程師對各所述評價意見修改后的目標評定結果；

求取所有主觀測試評價工程師的目標評定結果的平均值作為主觀評價的借鑒值，并分析各主觀測試評價工程師第一次的評價意見與所述借鑒值的差別，篩選出滿足要求的主觀評價工程師的評價意見。

7.根據權利要求6所述的方法，其特征在于，所述分析所述智能車輛特定工況的駕駛性評價數據指標，并結合所述多層次駕駛性評價模型創建特定工況的評價指標體系，包括：

將識別的所述智能車輛特定工況的駕駛性評價數據指標與所述主觀評價工程師的評價意見的時序片段保持一致，并結合所述多層次駕駛性評價模型形成特定工況的評價指標體系。