[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

本發明公開了一種智能車輛駕駛性評價指標體系創建方法、裝置及介質，屬于智能駕駛領域，其中，方法的實現包括：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；分析智能車輛特定工況的駕駛性評價數據指標，并結合多層次駕駛性評價模型創建特定工況的評價指標體系；基于特定工況的評價指標體系及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，獲得智能車輛特定工況的駕駛性評價結果。通過本發明可準確、快速的評價智能車輛駕駛性，挖掘駕駛性主要影響指標，為優化智能駕駛規劃決策算法和跟蹤控制算法提供客觀值參考。

技術領域

本發明屬于智能駕駛領域，更具體地，涉及一種智能車輛駕駛性評價指標體系創建方法、裝置及介質。

背景技術

現代消費者對汽車的追求已不僅僅是簡單的代步工具，而是汽車的品質和駕乘愉悅。汽車的舒適性、操控性、動力性、經濟性及駕駛性等因素都直接影響消費者對車輛的選擇，為提高智能車輛駕駛性需要創建一套行之有效的評價指標體系。

通過集成攝像頭、毫米波雷達、激光雷達、GPS/INS組合導航傳感器和先進的執行器與高效的控制器，智能車輛將朝向擬人化發展，并極大的減小駕駛員因疲勞駕駛而產生的交通事故。但因智能車輛在決策規劃算法和跟蹤控制算法均以車輛和行人的安全為主要約束，使得人們在駕乘智能車輛時，舒適度和乘坐體驗不佳，甚至出現暈眩感。

因智能車輛相對于傳統車輛具有多個環境傳感器，可以精確測試障礙物與車輛的距離和相對速度，所以使用傳統車輛的駕駛性評價指標體系和評估方法難以表征智能車輛駕駛性好壞。智能車輛決策規劃算法和跟蹤控制算法的優化需要提供客觀值，合理的評價指標體系有利于顯著性影響因素的提出，可保證智能車輛在滿足安全性的同時具有較好的駕駛性，保證滿意的駕乘體驗。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提出了一種智能車輛駕駛性評價指標體系創建方法、裝置及介質，可準確、快速的評價智能車輛駕駛性，挖掘駕駛性主要影響指標，為優化智能駕駛規劃決策算法和跟蹤控制算法提供客觀值參考。

為實現上述目的，按照本發明的一個方面，提供了一種智能車輛駕駛性評價指標體系創建方法，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。

在一些可選的實施方案中，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。

在一些可選的實施方案中，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；