[发明专利]一种自动驾驶路线分类统计评分的方法及系统

权利要求书

1.一种自动驾驶路线分类统计评分的方法，其特征在于，所述方法包括：

步骤1，获取相同起点和终点的所有车辆的每个订单，得到每个订单对应的车辆从所述起点到终点的路线；

步骤2，对步骤1获得的路线进行相似度分析，基于相似度分析，对路线进行分组；

步骤3，分组统计每条路线的相关指标数据，对所述相关指标数据进行min-max标准化处理，并通过熵权法量化评分，从而得到每组路线对应的评分。

2.根据权利要求1所述的自动驾驶路线分类统计评分的方法，其特征在于：步骤1具体包括：

加载已经结束的订单信息，根据车辆到达起点和终点的时间，加载对应时间内车辆上传的CAN数据，其中，所述CAN数据包括经纬度、速度、驾驶模式和采集时间数据；

根据加载的经纬度位置数据，按时间排列，即得到车辆的路线。

3.根据权利要求2所述的自动驾驶路线分类统计评分的方法，其特征在于，所述方法还包括：通过道格拉斯·普克算法对车辆的路线抽稀，得到抽稀后的路线，并作为对应订单对应的车辆从所述起点到终点的路线。

4.根据权利要求2所述的自动驾驶路线分类统计评分的方法，其特征在于，步骤1还包括：

周期性获取车辆车载终端上传的经纬度、速度、驾驶模式和采集时间数据；

当乘客通过打车APP下单后，获取派单的车辆，并实时标记车辆到达起点和终点的时间。

5.根据权利要求1所述的自动驾驶路线分类统计评分的方法，其特征在于，步骤2具体包括：

根据订单的起点A和终点B位置，加载相应起点A和终点B位置的路线集，其中，所述路线集中存储有已有的从起点A到终点B的路线；

依次将步骤1中每个订单对应的路线与路线集中已有的路线进行相似度计算，获得每个订单对应的路线与路线集中所有已有的路线的相似度；

令某一订单i对应的路线D与路线集中已有的某一路线T的相似度最大，判断路线D与路线T的相似度是否大于预设阈值，若大于等于预设阈值，将订单i对应的路线D加入所述路线集中并将所述路线D标记为路线T，若路线D与路线T的相似度小于预设阈值，将订单i对应的路线D加入所述路线集中，使路线集中新增路线D；依次遍历所有的订单对应的路线，具有相同标记的路线即表示为同一组，从而实现对路线的分组。

6.根据权利要求1所述的自动驾驶路线分类统计评分的方法，其特征在于，步骤3具体包括：

步骤301，按路线分组统计每条路线的上的车辆行驶里程、时长、能耗和接管次数，令某一分组有n条路线，相关指标数量为m,则x_ij为第i条路线的第j个指标，其中，i＝1,2,...,n；j＝1,2,...m。

步骤302，对统计后的每个指标进行min-max标准化处理，得到x_ij的标准化值y_ij，其中，标准化值y_ij包括正向指标y_ij和负向指标y_ij；

正向指标

负向指标

步骤303，计算各个相关指标的信息熵,先确定第i条路线的第j个指标占该指标的比重P_ij:

第j个相关指标的熵值:

其中k＝1/ln(n)0,满足ej≥0；

信息熵冗余度:d_j＝1-e_j，j＝1,2...,m；

步骤304：计算各项指标的权重如下：

步骤305：计算路线的综合评分如下:

7.根据权利要求1所述的自动驾驶路线分类统计评分的系统，其特征在于，所述相关指标数据包括车辆行驶里程、时长、能耗和接管次数。