[发明专利]一种自动驾驶路线分类统计评分的方法及系统

说明书

一种自动驾驶路线分类统计评分的方法及系统，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。本发明通过多指标综合评分的方式，量化分析自动驾驶规划路线，逻辑简单，易实现。

技术领域

本发明涉及车联网技术和自动驾驶领域，具体涉及一种自动驾驶路线分类统计评分的方法及系统。

背景技术

随着自动驾驶技术的发展和应用,越来越多的车企和自动驾驶服务供应商，在北京深圳长沙武汉等城市部署了robotaxi车辆，提供固定起终点叫车服务。相同起终点，同一个供应商的不同车辆或不同供应商的不同车辆无人驾驶规划路线不同,不同路线路况不同，导致车辆自动驾驶稳定性不同，时长、距离和能耗也不同。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种自动驾驶路线分类统计评分的方法，具体方案如下：

作为本发明的第一方面，提高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。

进一步地：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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。