[发明专利]一种相同起终点自动驾驶路线分类统计评分的方法

权利要求书

1.一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，包括：

S100.自动驾驶车辆车载终端周期性采集车载系统CAN数据，并实时发送给服务器；

S200.根据用户订单信息，获取用户起点和终点信息，服务器根据车辆位置信息，实时获取车辆到达起点和终点时间；

S300.根据获取的车辆到达起点终点的时间，加载车辆CAN数据，计算自动驾驶路线的里程，时长，能耗，接管次数，对原始路线抽稀，得到抽稀后的路线，计算路线间的DTW距离和相似度，根据相似度进行路线分类；

S400.根据路线统计的里程，时长，能耗，接管次数指标，并对这些指标进行最小最大标准化处理，然后进行熵权法量化评分。

2.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S100中，车载CAN数据包括：车架号、经纬度、速度、驾驶模式、总电流、总电压以及采集时间。

3.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S300中，计算自动驾驶路线的里程的方法为：定义路线上所有点为Pi，其中，i＝1,2,.....,k，.....M；M为路线上点的总个数，dis(P(k-1)，Pk)表示订单行程中相邻两个点的距离，longitude(Pk)当前点经度，latitude(Pk)当前点纬度，r为地球半径，则dis(P(k-1)，Pk)计算公式为：

dis(P(k-1)，Pk)＝2*Math.asin(Math.sqrt(Math.pow(Math.sin(a/2),2)+Math.cos(radLat1)*Math.cos(radLat2)*Math.pow(Math.sin(b/2),2)))*r；

其中，radLat1＝rad(latitude(Pk))，为点Pk处纬度的弧度，radLat2＝rad(latitude(P(k-1)))，为点P(k-1)处纬度的弧度，a＝radLat1-radLat2；b＝rad(longitude(Pk))-rad(longitude(P(k-1))。

4.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S300中，计算自动驾驶路线的时长的方法为：定义路线上所有点为Pi，其中，i＝1,2,.....,k，.....M；M为路线上点的总个数，time(P(k-1)，Pk)表示订单行程中相邻两个点的时长，collectTime(Pk)表示当前点采集时间，则：

time(P(k-1)，Pk)＝collectTime(Pk)-collectTime(P(k-1))。

5.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S300中，计算自动驾驶路线的能耗的方法为：定义路线上所有点为Pi，其中，i＝1,2,.....,k，.....M；M为路线上点的总个数，power(P(k-1)，Pk)表示相邻两个点能耗，voltage(Pk)车辆瞬时的总电压，current(Pk)车辆瞬时总电流,则：

power(P(k-1)，Pk)＝voltage(Pk)*current(Pk)*time(P(k-1)，Pk)。

6.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S300中，计算自动驾驶路线的接管次数的方法为：定义前一个点是自动驾驶，当前点是手动驾驶为一次接管次数，takeOver(P(k-1)，Pk)表示相邻两个点接管次数，RunMode(Pk)表示当前点的驾驶模式:runMode＝1手动驾驶；runMode＝2远程驾驶；runMode＝3自动驾驶；则：

7.如权利要求1所述的一种相同起终点自动驾驶路线分类统计评分的方法，其特征在于，S300中，通过道格拉斯·普克算法对原始路线抽稀，得到抽稀后的路线。