[发明专利]车辆行驶工况构建方法

权利要求书

1.一种车辆行驶工况构建方法，其特征在于，包括如下步骤：

步骤S1、建立训练样本集，所述训练样本集包括：多个训练样本，每一个训练样本均包括一目标车速值及与所述目标车速值对应行驶特征变量；

步骤S2、提供一车辆行驶工况构建模型，所述车辆行驶工况构建模型为依据XGboost算法构建的机器学习模型；

步骤S3、利用所述训练样本集对所述车辆行驶工况构建模型进行训练，使得所述车辆行驶工况构建模型接收到行驶特征变量时，其输出的结果车速值与目标车速值的差异最小；

步骤S4、获取目标车辆的行驶特征变量，将目标车辆的行驶特征变量输入训练后的车辆行驶工况构建模型，得到目标车辆的结果车速值，并依据目标车辆的结果车速值的变化的建立目标车辆的工况曲线。

2.如权利要求1所述的车辆行驶工况构建方法，其特征在于，所述步骤S1具体包括：

步骤S11、获取原始训练数据集，所述原始训练数据集包括多条原始训练数据，每一条原始训练数据均包括一原始车速值及与所述原始车速值对应的n种行驶特征值，n为正整数且n大于2；

步骤S12、按照预设的预处理规则对原始训练数据集进行预处理，得到目标训练数据集，所述目标训练数据集包括多条目标训练数据，每一条目标训练数据包括一目标车速值及与所述目标车速值对应的n种行驶特征值；

步骤S13、提供相关性分析工具，利用所述相关性分析工具分析目标训练数据集中的多条目标训练数据，得到目标车速值分别与所述n种行驶特征值之间的相关度；

步骤S14、从n种行驶特征值中筛选出与所述目标车速值相关度最高的m种行驶特征值，对所述m种行驶特征值进行归一化处理，得到行驶特征变量；

步骤S15、将每一个目标车速值及与该目标车速值对应行驶特征变量组合成训练样本，集合多个训练样本建立训练样本集。

3.如权利要求1所述的车辆行驶工况构建方法，其特征在于，所述步骤S4获取目标车辆的行驶特征变量的步骤具体包括：获取目标车辆的m种行驶特征值，并对所述m种行驶特征值进行归一化处理，得到目标车辆的行驶特征变量。

4.如权利要求2所述的车辆行驶工况构建方法，其特征在于，所述相关性分析工具为spearman分析工具。

5.如权利要求2所述的车辆行驶工况构建方法，其特征在于，所述步骤S11中，原始车速值通过预设的汽车行驶数据采集设备获得；

所述n种行驶特征值包括：通过汽车行驶数据采集设备获得的X轴加速度、Y轴加速度、Z轴加速度、经度、纬度、发动机转速、扭矩百分比、瞬时油耗、油门踏板开度、空燃比、发动机负荷百分比和进气流量。

6.如权利要求5所述的车辆行驶工况构建方法，其特征在于，所述步骤S14中，所述m种行驶特征值包括：进气流量、油门踏板开度、瞬时油耗、发动机负荷百分比和扭矩百分比。

7.如权利要求2所述的车辆行驶工况构建方法，其特征在于，所述步骤S12具体包括：

步骤S121、筛选出原始训练数据集中的不良的原始训练数据；

步骤S122、对原始训练数据集中的不良的原始训练数据进行异常消除处理，得到第一过渡训练数据集；

步骤S123、对第一过渡训练数据集进行速度修正处理，得到第二过渡训练数据集；

步骤S124、对第二过渡训练数据集进行平滑降噪处理，得到目标训练数据集。