一种驾驶行为油耗经济性的分析方法及装置制造方法及图纸

本发明专利技术公开了一种驾驶行为油耗经济性的分析方法及装置，由于首先通过对预先确定出的油耗经济性相关参数进行聚类分析，得到至少两类驾驶行为模式和各类驾驶行为模式对应的样本数据点集合；然后确定样本数据点集合对应的油耗经济性相关参数中的油耗参数的统计分布特性；最后基于驾驶行为模式与样本数据点集合之间的对应关系，以及样本数据点集合与油耗参数的统计分布特性之间的对应关系，建立了驾驶行为模式与油耗参数的统计分布特性之间的关联关系。因此，实现了对驾驶行为特征的油耗经济性的全面系统的分析。

【技术实现步骤摘要】
一种驾驶行为油耗经济性的分析方法及装置
本专利技术涉及智能交通
，尤其涉及一种驾驶行为油耗经济性的分析方法及装置。
技术介绍
急加速、急减速、档位切换时机选择不当等驾驶行为都会导致车辆油耗的增加。为了提升驾驶员驾驶行为的油耗经济性，可以基于通过车载诊断系统(On-BoardDiagnostics，OBD)或控制器局域网络(ControllerAreaNetwork，CAN)总线获取车辆运行状态、驾驶行为、油耗等相关信息，对驾驶行为特征进行分析，进而为驾驶行为进一步优化提出建议，以达到节省油耗的目的。现有油耗相关驾驶行为分析及优化的技术方案主要分为两类。第一类技术方案公开了基于OBD或CAN总线获取车辆运行状态、驾驶行为、油耗等相关信息的系统组成及硬件结构。但该类技术方案没有详细介绍对驾驶行为特征分析的具体方法。第二类技术方案公开了单一驾驶行为特征的油耗经济性，例如只分析驾驶行为中档位切换的时机对油耗的影响，但没有对驾驶行为特征的油耗经济性进行系统的分析。因此，如何对驾驶行为特征的油耗经济性进行全面系统的分析，是目前亟需解决的技术问题。
技术实现思路
本专利技术实施例提供一种驾驶行为油耗经济性的分析方法及装置，用以解决现有技术中存在的如何对驾驶行为特征的油耗经济性进行全面系统的分析的问题。本专利技术实施例提供了一种驾驶行为油耗经济性的分析方法，包括：对预先确定出的油耗经济性相关参数进行聚类分析，得到至少两类驾驶行为模式和各类所述驾驶行为模式对应的样本数据点集合；确定所述样本数据点集合对应的所述油耗经济性相关参数中的油耗参数的统计分布特性；基于所述驶行为模式与所述样本数据点集合之间的对应关系，以及所述样本数据点集合与所述油耗参数的统计分布特性之间的对应关系，建立所述驾驶行为模式与油耗参数的统计分布特性之间的关联关系。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，所述油耗参数的统计分布特性为以下之一或组合：概率密度函数估计，累计概率密度函数估计，直方图分析，均值，方差。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，在对预先确定出的油耗经济性相关参数进行聚类分析之前，还包括：确定油耗经济性相关参数，并对所述油耗经济性相关参数进行综合分析。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，所述确定油耗经济性相关参数，具体包括：通过车载诊断系统接口、控制器局域网络总线、重力感应器、全球定位系统、以及数据读取装置，直接读取得到车辆速度、车辆加速度、发动机转速、节气门位置、车辆位置、空气流量计数据、进气歧管绝对压力、进气温度、输出扭矩，并计算得到车辆平均速度、速度中值、最大速度、最小速度、速度方差、平均比功率、比功率中值、加速噪声、停车次数和油耗。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，所述对所述油耗经济性相关参数进行综合分析，具体包括：对所述油耗经济性相关参数进行预处理；对预处理后的油耗经济性相关参数进行降维处理或关键特征参数选取。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，所述对所述油耗经济性相关参数进行预处理，具体包括：对所述油耗经济性相关参数进行异常数据剔除，缺失数据补偿，以及车载诊断系统数据和全球定位系统数据的时间戳对齐。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，所述对预先确定出的油耗经济性相关参数进行聚类分析，具体包括：采用谱系聚类方法、快速聚类方法或两阶段聚类方法对预先确定出的油耗经济性相关参数进行聚类分析。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，还包括：按照建立出的所述驾驶行为模式与油耗参数的统计分布特性之间的关联关系，确定各类所述驾驶行为模式对应的以节省油耗为目标的优化建议。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，还包括：按照预先建立的驾驶行为模式分类模型，确定新增油耗经济性相关参数对应的驾驶行为模式.在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，还包括：按照建立出的所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系，确定各类所述驾驶行为模式对应的以节省油耗为目标的优化建议；按照确定出的所述新增油耗经济性相关参数对应的驾驶行为模式以及所述优化建议，确定所述驾驶行为模式对应的以节省油耗为目标的优化建议，并将所述优化建议通过车载终端或手机App进行推送。在一种可能的实现方式中，在本专利技术实施例提供的上述分析方法中，通过如下方式建立所述驾驶行为模式分类模型：以各类所述驾驶行为模式及各类所述驾驶行为模式对应的样本数据点集合作为测试样本集，进行BP神经网络的训练，得到所述驾驶行为模式分类模型。本专利技术实施例还提供了一种驾驶行为油耗经济性的分析装置，包括：聚类单元，用于对预先确定出的油耗经济性相关参数进行聚类分析，得到至少一类驾驶行为模式和各类所述驾驶行为模式对应的样本数据点集合；第一确定单元，用于确定所述样本数据点集合对应的油耗经济性相关参数中的油耗参数的统计分布特性；建立单元，用于基于所述驶行为模式与所述样本数据点集合之间的对应关系，以及所述样本数据点集合与所述油耗参数的统计分布特性之间的对应关系，建立所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，所述油耗参数的统计分布特性为以下之一或组合：概率密度函数估计，累计概率密度函数估计，直方图分析，均值，方差。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，还包括：分析单元，用于确定油耗经济性相关参数，并对所述油耗经济性相关参数进行综合分析。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，所述分析单元，包括第一分析子单元，用于通过车载诊断系统接口、控制器局域网络总线、重力感应器、全球定位系统、以及数据读取装置，直接读取得到速度、加速度、发动机转速、节气门位置、车辆位置、空气流量计数据、进气歧管绝对压力、进气温度、输出扭矩，并计算得到平均速度、速度中值、最大速度、最小速度、速度方差、平均比功率、比功率中值、加速噪声、停车次数和油耗。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，所述分析单元，还包括第二分析子单元，用于对所述油耗经济性相关参数进行预处理；对预处理后的油耗经济性相关参数进行降维处理或关键特征参数选取。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，所述第二分析子单元具体用于对所述油耗经济性相关参数进行异常数据剔除，缺失数据补偿，以及车载诊断系统数据和全球定位系统数据的时间戳对齐。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，所述聚类单元，具体用于采用谱系聚类方法、快速聚类方法或两阶段聚类方法对预先确定出的油耗经济性相关参数进行聚类分析。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，还包括：第二确定单元，用于按照建立出的所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系，确定各类所述驾驶行为模式对应的以节省油耗为目标的优化建议。在一种可能的实现方式中，在本专利技术实施例提供的上述分析装置中，还包括：第三确定单元，按照预先建立的驾驶行为模式分类模型，确定本文档来自技高网...

【技术保护点】
1.一种驾驶行为油耗经济性的分析方法，其特征在于，包括：对预先确定出的油耗经济性相关参数进行聚类分析，得到至少两类驾驶行为模式和各类所述驾驶行为模式对应的样本数据点集合；确定所述样本数据点集合对应的油耗经济性相关参数中的油耗参数的统计分布特性；基于所述驾驶行为模式与所述样本数据点集合之间的对应关系，以及所述样本数据点集合与所述油耗参数的统计分布特性之间的对应关系，建立所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系。

【技术特征摘要】
1.一种驾驶行为油耗经济性的分析方法，其特征在于，包括：对预先确定出的油耗经济性相关参数进行聚类分析，得到至少两类驾驶行为模式和各类所述驾驶行为模式对应的样本数据点集合；确定所述样本数据点集合对应的油耗经济性相关参数中的油耗参数的统计分布特性；基于所述驾驶行为模式与所述样本数据点集合之间的对应关系，以及所述样本数据点集合与所述油耗参数的统计分布特性之间的对应关系，建立所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系。2.如权利要求1所述的分析方法，其特征在于，所述油耗参数的统计分布特性为以下之一或组合：概率密度函数估计，累计概率密度函数估计，直方图分析，均值，方差。3.如权利要求1所述的分析方法，其特征在于，在对预先确定出的油耗经济性相关参数进行聚类分析之前，还包括：确定油耗经济性相关参数，并对所述油耗经济性相关参数进行综合分析。4.如权利要求3所述的分析方法，其特征在于，所述确定油耗经济性相关参数，具体包括：通过车载诊断系统接口、控制器局域网络总线、重力感应器、全球定位系统、以及数据读取装置，直接读取得到车辆速度、车辆加速度、发动机转速、节气门位置、车辆位置、空气流量计数据、进气歧管绝对压力、进气温度、输出扭矩，并计算得到车辆平均速度、速度中值、最大速度、最小速度、速度方差、平均比功率、比功率中值、加速噪声、停车次数和油耗。5.如权利要求3所述的分析方法，其特征在于，所述对所述油耗经济性相关参数进行综合分析，具体包括：对所述油耗经济性相关参数进行预处理；对预处理后的油耗经济性相关参数进行降维处理或关键特征参数选取。6.如权利要求5所述的分析方法，其特征在于，所述对所述油耗经济性相关参数进行预处理，具体包括：对所述油耗经济性相关参数进行异常数据剔除，缺失数据补偿，以及车载诊断系统数据和全球定位系统数据的时间戳对齐。7.如权利要求1-6任一项所述的分析方法，其特征在于，所述对预先确定出的油耗经济性相关参数进行聚类分析，具体包括：采用谱系聚类方法、快速聚类方法或两阶段聚类方法对预先确定出的油耗经济性相关参数进行聚类分析。8.如权利要求1-6任一项所述的分析方法，其特征在于，还包括：按照建立出的所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系，确定各类所述驾驶行为模式对应的以节省油耗为目标的优化建议。9.如权利要求1-6任一项所述的分析方法，其特征在于，还包括：按照预先建立的驾驶行为模式分类模型，确定新增油耗经济性相关参数对应的驾驶行为模式。10.如权利要求9所述的分析方法，其特征在于，还包括：按照建立出的所述驾驶行为模式与所述油耗参数的统计分布特性之间的关联关系，确定各类所述驾驶行为模式对应的以节省油耗为目标的优化建议；按照确定出的所述新增油耗经济性相关参数对应的驾驶行为模式以及所述优化建议，确定所述驾驶行为模式对应的以节省油耗为目标的优化建议，并将所述优化建议通过车载终端或手机App进行推送。11.如权利要求9所述的分析方法，其特征在于，通过如下方式建立所述驾驶行为模式分类模型：以各类所述驾驶行为模式及各类所述驾驶行为模式对应的样本数据点集合作为测试样本集，进行BP神经网络的训练，得到所述驾驶行为模式分类模型...

【专利技术属性】
技术研发人员：赵婷婷，张喆，
申请(专利权)人：中国移动通信有限公司研究院，中国移动通信集团公司，
类型：发明
国别省市：北京,11