【技术实现步骤摘要】
用于确定行驶变化过程的方法
本专利技术涉及用于借助于机器学习系统生成或评估车辆的行驶变化过程(Fahrverlauf)的计算机实现的方法,用于教导这种机器学习系统的计算机实现的方法以及为此而设计的计算机程序和学习系统。
技术介绍
DE102017107271A1公开了一种用于确定主导行驶循环(Leitfahrzyklus)的方法,该主导行驶循环用于进行行驶测试以确定来自机动车辆的废气排放。在此,基于参数组推导出针对不同行驶循环的速度曲线。目标是确定主导循环,所述主导循环尽可能地反映给定边界条件内的“最大”排放情况。在一些国家,法律规定对借助于内燃机驱动的新机动车辆的许可取决于在实际行驶运行中产生的排放。实际行驶排放的英文名称realdrivingemissions也用于此。这样的机动车辆包括例如仅由内燃机驱动的机动车辆,但也包括具有混合动力传动系的机动车辆。为此规定,检查人员利用所述机动车辆驶过一个或多个行驶循环并且测量在此过程中产生的排放。然后对所述机动车辆的许可取决于这些测量的排放。在此,检查人员可以在很宽的限制内自由选择所述行驶循环。在此,一个行驶循环的典型持续时间可以是例如90-120分钟。因此,对于机动车辆的制造商而言,在机动车辆的开发中面临着必须在新机动车辆的开发过程中就已经及早预见该机动车辆的排放是否在每个允许的行驶循环中都保持在法律规定的限制内的挑战。因此,重要的是提供方法和设备,所述方法和设备在机动车辆的开发阶段中就已经能够可靠地预测所述机动车辆的预期排放,以便能够在 ...
【技术保护点】
1.一种用于训练机器学习系统(4)的计算机实现的方法,所述机器学习系统用于生成车辆的行驶变化过程,特别是速度变化过程、油门踏板位置的变化过程或传动比的变化过程,其特征在于以下步骤:/n从具有行驶路线的第一数据库(1)中选择第一行驶路线,/n所述机器学习系统(4)的生成器(41)获得所述第一行驶路线作为输入变量,并针对所述第一行驶路线分别生成所属的第一行驶变化过程,/n在第二数据库(2)中存储行驶路线和分别所属的在行驶运行中检测的行驶变化过程,/n从所述第二数据库(2)中选择第二行驶路线和分别所属的在行驶运行中检测的第二行驶变化过程,/n所述机器学习系统(4)的判别器(42)获得所述第一行驶路线之一与分别所属的第一生成的行驶变化过程的配对以及第二行驶路线与分别所属的在行驶运行中检测的第二行驶变化过程的配对作为输入变量,/n所述判别器(42)根据所述输入变量计算输出,所述输出针对作为输入变量获得的每个配对表征这是具有第一生成的行驶变化过程的配对还是具有在行驶运行中检测的第二行驶变化过程的配对,/n根据所述判别器(42)的输出优化目标函数(5),所述目标函数表示在具有第一生成的行驶变化过程的 ...
【技术特征摘要】
20190416 DE 102019205519.21.一种用于训练机器学习系统(4)的计算机实现的方法,所述机器学习系统用于生成车辆的行驶变化过程,特别是速度变化过程、油门踏板位置的变化过程或传动比的变化过程,其特征在于以下步骤:
从具有行驶路线的第一数据库(1)中选择第一行驶路线,
所述机器学习系统(4)的生成器(41)获得所述第一行驶路线作为输入变量,并针对所述第一行驶路线分别生成所属的第一行驶变化过程,
在第二数据库(2)中存储行驶路线和分别所属的在行驶运行中检测的行驶变化过程,
从所述第二数据库(2)中选择第二行驶路线和分别所属的在行驶运行中检测的第二行驶变化过程,
所述机器学习系统(4)的判别器(42)获得所述第一行驶路线之一与分别所属的第一生成的行驶变化过程的配对以及第二行驶路线与分别所属的在行驶运行中检测的第二行驶变化过程的配对作为输入变量,
所述判别器(42)根据所述输入变量计算输出,所述输出针对作为输入变量获得的每个配对表征这是具有第一生成的行驶变化过程的配对还是具有在行驶运行中检测的第二行驶变化过程的配对,
根据所述判别器(42)的输出优化目标函数(5),所述目标函数表示在具有第一生成的行驶变化过程的配对的分布与具有在行驶运行中检测的第二行驶变化过程的配对的分布之间的距离。
2.根据权利要求1所述的方法,其特征在于,根据所述目标函数(5)的优化来适配所述机器学习系统(4)的参数,使得
所述判别器(42)被优化为将第一生成的行驶变化过程区别于在行驶运行中检测的第二行驶变化过程,
所述生成器(41)被优化为在第一分布中生成第一生成的行驶路线,所述第一生成的行驶路线尽可能难以通过所述判别器(42)区别于存在于第二分布中的在行驶运行中检测的第二行驶变化过程。
3.根据权利要求2所述的方法,其特征在于,根据所述目标函数(5)的梯度来适配所述机器学习系统(4)的参数。
4.根据前述权利要求中任一项所述的方法,其特征在于,将所述第一行驶变化过程的第一分布与所述第二行驶变化过程的第二分布之间的统计距离实现为所述目标函数(5)。
5.根据权利要求4所述的方法,其特征在于,将所述目标函数(5)作为简森-香农距离或作为Wasserstein度量实现,特别是作为所述第一行驶变化过程的第一分布与所述第二行驶变化过程的第二分布之间的Wasserstein距离。
6.根据权利要求5所述的方法,其特征在于,给所述目标函数(5)扩展正则化项,或进行权重裁剪。
7.根据前述权利要求中任一项所述的方法,其特征在于,第一和第二行驶路线是在时间或空间离散化步骤中存储的数据,其中针对每个路线在每个离散化步骤中存储路线特性。
8.根据权利要求7所述的方法,其特征在于,所述路线特性包括地理特性、交通流的特性、行驶道路特性、交通管理的特性和/或路线的气候特性。
9.根据权利要求7或8中任一项所述的方法,其特征在于,所述第一行驶路线的路线特性至少部分地由所述机器学习系统生成,特别是由神经网络生成。
1...
【专利技术属性】
技术研发人员:M席格,MB扎法尔,S安格迈尔,
申请(专利权)人:罗伯特·博世有限公司,
类型:发明
国别省市:德国;DE
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。