[發明專利]數據驅動的特定駕駛場景車輛篩選以及里程核查方法

有效

• 申請號: 202110602199.5
• 申請日: 2021-05-31
• 公開（公告）號: CN113280830B
• 公開（公告）日: 2022-12-13
• 發明（設計）人: 王震坡;賈子潤;劉鵬;張照生;武燁;林倪
• 申請（專利權）人: 北京理工大學
• 主分類號: G01C22/00
• 分類號: G01C22/00;G01C25/00
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 岳東升;楊帥峰

本發明提供了一種數據驅動的特定駕駛場景車輛篩選以及里程核查方法，利用新能源汽車車載大數據從多種車輛運行狀態與信息加以考慮，實現了從包含了海量非教學用車輛的大數據中對特定駕駛場景(例如駕校中專門用于練習倒庫的新能源車輛)的分層次精確篩選，結合車輛儀表顯示的車速、里程信息以及由其他角度計算得到的車速和里程，對篩選出的車輛里程實現了全面而精確的核查，從而具有了現有技術中所不具備的諸多有益效果。

技術領域

本發明屬于新能源汽車大數據技術領域，尤其涉及一種基于新能源汽車大數據實現對駕校倒庫車輛篩選以及里程核查的方法。

背景技術

在某些特定駕駛場景中(例如駕校等教學場景下專門用于倒庫訓練的新能源車輛)，由于其運動范圍小以及GPS精度誤差的存在，現有的基于GPS定位信息來核算其駕駛里程的方法并不適用。倒庫在使用場景中占有相當高的比重，是影響車輛性能與壽命的重要考慮因素之一，因此對教學用車輛的累計里程進行及時監測與統計并保證正常教學訓練十分必要。新能源汽車相對于傳統燃油車輛在車載數據收集與處理方面具有顯著的優勢，更有利于上述倒庫車輛篩選與里程核查的批量處理，避免了需要定期重復進行從全部車輛中篩選出轉用于倒庫訓練的車輛，再對單車分別核查里程的繁重工作。然而，現有的新能源汽車里程核查方法大多為通過上線里程(如儀表盤里程)去除異常數據并與車輛定位信息的GPS里程進行比較，得到車輛的有效里程。然而對于駕校訓練倒庫的新能源汽車來說，受其相對較小的運動有效范圍和相對較大的GPS誤差精度限制，尚無法精確地完成上述篩選和核查工作。

發明內容

有鑒于此，本發明旨在解決本領域缺乏針對在特定駕駛場景下的新能源汽車的篩選及里程核查手段的技術問題，提供了一種數據驅動的特定駕駛場景車輛篩選以及里程核查方法，通過執行步驟S1-S5完成對倒庫車輛的篩選，并通過執行步驟S6-S8對篩選出的車輛實現里程核查，該方法具體基于以下步驟：

S1、數據庫平臺收集在特殊駕駛場景下的新能源汽車在內的以下新能源車輛數據：的電機轉速、電機轉矩、儀表盤速度、電池組電流、車輛的位置信息(經度、緯度)，并形成車輛數據集Q1；

S2、對Q1中數據進行初選，根據數據幀中倒退幀數所占比例對車輛進行篩選得到車輛數據集Q2；

S3、從Q2中根據電池組電流篩選出處于運行狀態的車輛數據集Q3，并從中基于儀表盤速度篩選得到車輛數據集Q4；

S4、從Q4中基于電機轉矩選擇出在特殊駕駛場景下的車輛所對應的數據得到車輛數據集Q5；

S5、從Q5中基于車輛活動范圍篩選得到車輛數據集Q6

S6、數據庫平臺收集Q6所對應車輛的相關數據，并根據電機轉速、電機轉矩計算里程，考慮結果與儀表盤里程確定初始核算里程；

S7、根據車輛運行中的異常情況計算由異常所導致的里程變化；

S8、在所述初始核算里程中排除所述異常所導致的里程變化，完成最終的里程核查。

進一步地，步驟S2中得到車輛數據集Q2的過程具體包括：

從Q1中確定各車輛處于倒退狀態的歷史幀數n_倒退與歷史總幀n數n_倒退之間的比例i_n：

篩選出i_n大于預定值的車輛所對應的數據組成Q2。

進一步地，步驟S3中得到車輛數據集Q3和Q4的過程具體包括：

a)根據電池組電流信息i，篩選出處于正常運行狀態即放電狀態的數據集合Q3；其中，i0為充電狀態，i0為放電狀態，i＝0為靜止狀態；