[发明专利]一种基于决策树生成规则的道路类型识别车载装置

说明书

一种基于决策树生成规则的道路类型识别车载装置，包括信号采集模块、车辆CAN总线、中央处理单元、数据存储单元和信号输出单元；数据存储单元存储有已知道路类型的车辆行驶数据；中央处理单元用于将已知道路类型的车辆行驶数据利用k折交叉验证对决策树模型进行训练，得到车辆行驶道路类型的识别模型；信号采集模块用于通过车辆CAN总线实时获取当前车辆的行驶数据；中央处理单元还用于将信号采集模块采集的当前车辆的行车信号进行预处理，提取对应的行驶相关指标，将该行驶相关指标输入得到的识别模型中，输出对应的道路类型标签，即识别出车辆行驶道路类型；信号输出模块用于输出中央处理单元识别出的车辆行驶道路类型到云端。

技术领域

本发明涉及车载装置领域，具体涉及一种基于决策树生成规则的道路类型识别车载装置。

背景技术

车辆行驶道路的识别，对于汽车研发领域进行车辆优化或者新车型开发时，需要了解用户在不同道路类型下的发动机工况、载荷分布情况、能源消耗情况以及尾气排放情况，从而进行汽车零部件的选型、标定参数的优化。传统的利用车联网方式，仅能数据采集到的车辆GPS经纬度，无法进一步定位到车辆的行驶道路类型。另一方面，基于国GB 17691-2018给出的实际道路行驶测量方法，一方面仅利用行驶速度来判定车辆道路工况，识别准确率很低，从而严重研发设计与用户习惯的关联程度，另一方面识别类型只有市区-市郊-高速三种，没有覆盖山地等道路类型。

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基于决策树生成规则的道路类型识别车载装置，具体方案如下：

一种基于决策树生成规则的道路类型识别车载装置，所述装置包括信号采集模块、车辆CAN总线、中央处理单元、数据存储单元和信号输出单元；所述数据存储单元存储有已知道路类型的车辆行驶数据；

所述中央处理单元用于从数据存储单元获取已知道路类型的车辆行驶数据，将已知道路类型的车辆行驶数据利用k折交叉验证对决策树模型进行训练，得到车辆行驶道路类型的识别模型；

所述信号采集模块用于通过车辆CAN总线实时获取当前车辆的行驶数据；

所述中央处理单元还用于将信号采集模块采集的当前车辆的行车信号进行预处理，提取对应的行驶相关指标，将该行驶相关指标输入得到的识别模型中，输出对应的道路类型标签，即识别出车辆行驶道路类型；

所述信号输出模块用于输出中央处理单元识别出的车辆行驶道路类型到云端。

进一步地，所述装置还包括速度传感器、方向盘转角传感器以及引擎传感器，所述车辆CAN总线通过速度传感器、方向盘转角传感器以及引擎传感器实时采集车辆运动过程中的行车信号。

进一步地，所述装置还包括速度传感器、方向盘转角传感器以及引擎传感器，所述车辆CAN总线通过速度传感器、方向盘转角传感器以及引擎传感器实时采集车辆运动过程中的行车信号。

进一步地，所述中央处理单元将已知道路类型的车辆行驶数据利用k折交叉验证对决策树模型进行训练，得到车辆行驶道路类型的识别模型具体包括：

将所述车辆行驶数据按照ΔT时间切分为多个数据集，给每个数据集标记对应的道路类型标签，将划分好道路类型的数据集进行预处理，获取数据集中的行驶相关指标，作为数据模型样本，并将数据模型样本利用k折交叉验证对决策树模型进行训练，得到模型指标评分，根据模型指标评分对决策树模型进行最优化，从而得到车辆行驶道路类型的识别模型。

进一步地，将所述车辆行驶数据按照ΔT时间切分为多个数据集，给每个数据集标记对应的道路类型标签，将划分好道路类型的数据集进行预处理，获取数据集中的行驶相关指标，作为数据模型样本具体包括：

从车辆行驶数据中先确定相关的七个行车信号，包括，车速、档位、制动踏板开度、加速踏板开度、方向盘转角速度、纵向加速度和横向加速度；