[发明专利]一种车辆行驶工况的识别方法及系统

说明书

本发明涉及数据分析领域，尤其涉及一种车辆行驶工况的识别方法及系统。本发明通过采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度；根据所述车辆行驶的速度，得到怠速工况片段；根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度；根据所述垂直加速度方向的变化情况，得到坡道工况片段；所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段；聚类预设的车辆行驶工况片段样本集合，得到最佳聚类结果；根据所述最佳聚类结果识别所述待怠速工况片段或所述坡道工况片段。有利于提高车辆行驶工况的可辨识度。

技术领域

本发明涉及数据分析领域，尤其涉及一种车辆行驶工况的识别方法及系统。

背景技术

随着经济、科技的飞速发展与社会环保意识的不断增强，新能源汽车、车联网技术在国内外受到广泛热捧、应用以及大力推广。汽车用户行车中往往会担忧剩余的能量是否足够驱动车辆抵达目的地，其中以纯电动为主的新能源汽车用户的焦虑表现尤为突出。当前，新能源汽车、车联网技术这两大汽车技术研究领域方兴未艾，续驶里程估计更是备受研究人员关注，也是相关领域人员的研究热点。对于续驶里程的估计，通常会选择采用工况法或等速法，若是考虑估计的准确程度一般又以工况法为首选，例如，申请号为CN201310151533.5、CN201310237344.X和CN201510458873.1的专利文献均使用工况法估计续驶里程。显然，车辆行驶工况分类的合理性和识别待分类的车辆行驶工况的准确性，都会直接影响到续驶里程估计结果的准确程度。

现有技术常使用模糊C均值方法聚类，其主要的考量是可直接根据聚类后所得到的聚类中心对待分类对象归类。但是，在聚类之前需要事先规定类别数，才能通过不断校正聚类中心完成聚类。由于车辆工况行驶的特征参数间的差异性并不容易分辨，因此最佳聚类的类别数难以直接由人工确定。此外，无量纲化处理通常会涉及样本各特征参数的均值、标准差、最大值、最小值等统计量，这也就要求具有较大数量的聚类样本，才能准确地进行无量纲化处理。而C均值聚类方法的聚类中心是由迭代方式得到的，当样本数量较大时，迭代的成本也就相对较高，并且还难以很好地收敛到最优解，而车辆工况行驶的特征参数种类多，必须对不同特征参数进行无量纲化处理才能够得到合理的聚类结果。因此，现有技术中常用的模糊C均值方法不适用于聚类车辆行驶工况，使用模糊C均值方法所得的聚类中心进行车辆行驶工况识别时，很难利用新辨识的片段对聚类中心进行有效更新。

发明内容

本发明所要解决的技术问题是：提供一种车辆行驶工况的识别方法及系统，提高车辆行驶工况的可辨识度。

为了解决上述技术问题，本发明采用的技术方案为：

本发明提供一种车辆行驶工况的识别方法，包括：

S1、采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度；

S2、根据所述车辆行驶的速度，得到怠速工况片段；

S3、根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度；

S4、根据所述垂直加速度方向的变化情况，得到坡道工况片段；所述坡道工况片段包括上坡路段工况片段、下坡路段工况片段、平缓路段工况片段和坡道转变工况片段；

S5、聚类预设的车辆行驶工况片段样本集合，得到最佳聚类结果；

S6、根据所述最佳聚类结果识别所述怠速工况片段或所述坡道工况片段。

本发明还提供一种车辆行驶工况的识别系统，包括：

采集模块，用于采集车辆行驶的速度、横滚角速度、俯仰角速度和偏航角速度；

获取模块，用于根据所述车辆行驶的速度，得到怠速工况片段；

计算模块，用于根据所述横滚角速度、俯仰角速度和偏航角速度计算车辆行驶的垂直加速度；