乘员舒适度评价模型确定方法及应用方法

本申请涉及车辆乘坐舒适性评价，特别是涉及一种乘员舒适度评价模型确定方法及应用方法。

背景技术：

1、车辆乘坐舒适性是乘员对振动、噪声等客观外部环境在生理与心理层面的综合主观感知。在汽车产业向电动化与智能化转型的背景下，这一衡量驾乘品质的核心指标，正日益成为实现产品差异化与升级用户体验的关键技术。鉴于主观感知与车辆动力学响应之间存在复杂的非线性映射关系，如何对乘坐真实感受进行科学量化与精准评价，构成了当前汽车技术研究领域亟待解决的瓶颈问题。

2、现有乘员舒适度评估方法主要分为主观评估与客观评估两类。主观评估方法难以捕捉乘员在连续动态行车场景中舒适度的瞬时变化，无法准确有效反映受试者的真实体验；客观评估方法将舒适度评估泛用化的同时，忽视了不同乘员舒适感受差异，导致评估结果与特定群体的真实体验相悖。

3、因此，亟需设计一种乘员舒适度评价模型确定方法及应用方法，以实现精准的舒适度评估，有赖于将主客观深度融合的综合性架构。

技术实现思路

1、本申请的目的是提供一种乘员舒适度评价模型确定方法及应用方法，可精准评估乘员舒适度。

2、为实现上述目的，本申请提供了如下方案：

3、第一方面，本申请提供了一种乘员舒适度评价模型确定方法，包括：

4、采集多模态数据；所述多模态数据包括车辆动力学数据、个性化参数和舒适度评分。

5、对所述多模态数据进行多源信号预处理，得到车辆动力学时序序列。

6、基于所述车辆动力学时序序列，构建衍生特征；所述衍生特征包括感知舒适度特征和冲击舒适度特征。

7、基于所述衍生特征和所述舒适度评分进行相关性分析，筛选得到强相关特征。

8、构建乘员舒适度评价模型，并将所述强相关特征对应的所述车辆动力学时序序列和所述个性化参数输入所述乘员舒适度评价模型，结合所述舒适度评分对应的舒适度等级，对所述乘员舒适度评价模型进行训练，得到训练好的乘员舒适度评价模型；所述乘员舒适度评价模型是以所述强相关特征对应的所述车辆动力学时序序列和所述个性化参数为输入、所述舒适度评分对应的舒适度等级为监督标签、最终的舒适度等级预测结果为输出的模型。

9、第二方面，本申请提供了一种乘员舒适度评价模型应用方法，包括：

10、获取待测车辆的车辆动力学数据和对应的个性化参数。

11、对所述待测车辆的车辆动力学数据和对应的所述个性化参数进行多源信号预处理，得到待测车辆动力学时序序列。

12、基于所述待测车辆动力学时序序列，构建衍生特征，结合预先筛选的强相关特征，确定所述强相关特征对应的待测车辆动力学时序序列。

13、将所述强相关特征对应的待测车辆动力学时序序列和所述个性化参数输入前文所述的乘员舒适度评价模型确定方法得到的训练好的乘员舒适度评价模型，输出最终的舒适度等级预测结果。

14、根据本申请提供的具体实施例，本申请具有了以下技术效果：

15、本申请提供了一种乘员舒适度评价模型确定方法及应用方法，通过采集包含车辆动力学数据、个性化参数和舒适度评分的多模态数据，打破了传统舒适度评价主客观单一数据源的局限，解决了单一客观数据忽视乘员个体差异、单一主观数据无法匹配车辆真实运动工况的技术问题，实现了评价数据源的全面性与多维性支撑，为主客观融合评价架构搭建奠定数据基础；通过对多模态数据实施多源信号预处理并构建感知舒适度特征与冲击舒适度特征两类衍生特征，解决了原始车辆动力学时序数据特征单一、有效舒适度表征信息稀疏的问题，实现了车辆动态行驶过程中平稳性、冲击性两类核心舒适特性的精细化挖掘，丰富了舒适度评价的特征维度；通过衍生特征与舒适度评分开展相关性分析并筛选强相关特征，摒弃了传统泛化评价无差别利用全部特征的方式，解决了无效特征干扰评价精度、特征与乘员主观舒适感受匹配度低的问题，实现了核心有效评价特征的精准筛选，大幅提升后续模型评价的针对性与准确性；通过以强相关特征时序数据和个性化参数为输入、舒适度等级为监督标签训练乘员舒适度评价模型，解决了传统评价无法拟合动力学特征、个体参数与主观舒适度之间复杂非线性关系的瓶颈，实现了车辆客观工况与乘员主观感受的深度耦合，显著提升了车辆乘员舒适度动态评价的精准度与通用性。

1.一种乘员舒适度评价模型确定方法，其特征在于，包括：

2.根据权利要求1所述的乘员舒适度评价模型确定方法，其特征在于，对所述多模态数据进行多源信号预处理，得到车辆动力学时序序列，具体包括：

3.根据权利要求2所述的乘员舒适度评价模型确定方法，其特征在于，基于所述车辆动力学时序序列，构建衍生特征，具体包括：

4.根据权利要求1所述的乘员舒适度评价模型确定方法，其特征在于，基于所述衍生特征和所述舒适度评分进行相关性分析，筛选得到强相关特征，具体包括：

5.根据权利要求1所述的乘员舒适度评价模型确定方法，其特征在于，所述乘员舒适度评价模型包括：车辆时序特征提取模块、乘员个性化特征提取模块和跨模态特征融合注意力机制模块；

6.根据权利要求5所述的乘员舒适度评价模型确定方法，其特征在于，车辆时序特征提取模块包括时序卷积网络和长短期记忆网络；

7.根据权利要求5所述的乘员舒适度评价模型确定方法，其特征在于，所述乘员个性化特征提取模块采用多层感知单元；所述多层感知单元包括第一隐藏子单元和第二隐藏子单元；

8.根据权利要求5所述的乘员舒适度评价模型确定方法，其特征在于，将所述车辆时序特征向量和所述个性化特征嵌入向量输入所述跨模态特征融合注意力机制模块，输出最终的舒适度等级预测结果，具体包括：

9.根据权利要求1所述的乘员舒适度评价模型确定方法，其特征在于，在所述乘员舒适度评价模型训练过程中，采用多源评价指标对所述乘员舒适度评价模型进行评价；所述多源评价指标包括：准确率、精确率、召回率和f1分数。

10.一种乘员舒适度评价模型应用方法，其特征在于，包括：