[发明专利]一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法在审
申请号: | 201910820969.6 | 申请日: | 2019-09-02 |
公开(公告)号: | CN110727706A | 公开(公告)日: | 2020-01-24 |
发明(设计)人: | 孙川;马育林;郑四发;田欢;李茹 | 申请(专利权)人: | 清华大学苏州汽车研究院(相城) |
主分类号: | G06F16/2458 | 分类号: | G06F16/2458;G06Q10/06;G01M17/007 |
代理公司: | 32103 苏州创元专利商标事务所有限公司 | 代理人: | 郝彩华 |
地址: | 215134 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 智能网 快速提取 汽车测试 时间序列数据 驾驶 汽车驾驶 分级 场景 符号化处理 分级处理 降维处理 场景库 构建 正规化 提炼 支撑 汽车 优化 | ||
1.一种面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:所述方法包括:
(1)智能网联汽车驾驶时间序列数据正规化处理;
(2)智能网联汽车驾驶时间序列数据降维处理;
(3)智能网联汽车驾驶时间序列数据离散及符号化处理;
(4)智能网联汽车风险驾驶场景快速提取与分级处理。
2.根据权利要求1所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:步骤(1)中,对原始驾驶时间序列数值进行正规化处理时,把原始驾驶时间序列转换成均值为0,标准方差为1的标准化时间序列。
3.根据权利要求1所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:步骤(2)中,基于分段累积近似方法将标准化正规化处理后的时间序列进行降维处理。
4.根据权利要求1或3所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:经步骤(2)降维处理后的驾驶时间序列数据由初始的连续曲线变成多个分段折线段,通过某个区间内分段折线段替代初始该区间内的曲线段。
5.根据权利要求1所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:步骤(3)中,对降维处理后的时间序列数据进行K-S检验,若驾驶时间序列数据P值大于0.05,则认为通过分段累积近似方法降维处理后的驾驶时间序列数据(速度、加速度)近似服从正态分布。
6.根据权利要求5所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:将降维处理后的时间序列数据划分为多个等概率区间,划分区间的断点按照标准正态分布表计算具体取值,采用相同符号对位于同一概率区间的时间序列值进行编码处理,得出对应的符号序列。
7.根据权利要求1所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:步骤(4)具体包括以下步骤:
a.构建及划分风险驾驶场景工况;
b.对每一类风险驾驶场景工况进行符号化编码提取;
c.每一类风险驾驶场景工况进行释义;
d.对风险驾驶场景的等级进行分级。
8.根据权利要求7所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:所述风险驾驶场景的等级包括高风险、中风险和低风险三个等级。
9.根据权利要求1所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:所述时间序列数据至少包括速度-时间序列数据和加速度-时间序列数据。
10.根据权利要求9所述的面向智能网联汽车测试的风险驾驶场景快速提取与分级方法,其特征在于:所述时间序列数据还包括经纬度-时间、航向角-时间、三轴加速度-时间以及CAN数据-时间序列数据中的一种或多种。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学苏州汽车研究院(相城),未经清华大学苏州汽车研究院(相城)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910820969.6/1.html,转载请声明来源钻瓜专利网。