一种基于图分析的电动汽车驾驶意图分析方法

1.本发明属于数据分析技术领域，具体涉及一种基于图分析的电动汽车驾驶意图分析方法。


背景技术：

2.据相关研究表明：电动汽车的能耗和燃油效率除了受到坡度和交通状况等驾驶环境影响外,驾驶人员的驾驶意图(或者说驾驶风格)对其也有重大影响。因此，在电动汽车的全球份额逐渐上升的背景下，准确地分析电动汽车驾驶人员驾驶意图以优化能源消耗并扩大电动汽车的行驶里程是非常有意义的。
3.现有技术中，驾驶意图分析和识别多通过模拟驾驶或车辆台架实验方式实现。其中，模拟驾驶的路况(包括道路坡度与道路交通状况等)和真实驾驶路况存在较大差异，而且模拟驾驶所采集的数据过于理想化，这使得拟合出来的模型在应用到真实场景时存在较大的误差。虽然台架实验相比模拟驾驶在驾驶行为仿真度上有所提升，但是仍然无法很好地模拟真实驾驶路况。另外，模拟驾驶与车辆台架实验最终都是以车辆的某些物理特性的数值(如速度、能耗或加速度等)作为驾驶意图的表征，很不直观。


技术实现要素：

4.有鉴于此，本发明的目的是提供一种基于图分析的电动汽车驾驶意图分析方法，能够使用真实驾驶路况下的实时驾驶数据，将驾驶操作逐帧投影在多因素等高线图上，直观展示驾驶人员的操作在图上的分布及所代表的驾驶意图。
5.一种基于图分析的电动汽车驾驶意图分析方法，包括如下步骤：
6.步骤s1：采集不同地理环境下的同一型号电动汽车运行数据，所述运行数据包括驱动电机输入端瞬时线电压u
mi
、驱动电机输入端瞬时线电流i
mi
、驱动电机瞬时转矩t、驱动电机瞬时转速ω以及车辆瞬时速度v；
7.步骤s2：根据所述运行数据，计算驱动电机瞬时输出功率p，根据驱动电机瞬时输出功率p和车辆瞬时轮上功率pw的关系，以及车辆瞬时轮上功率pw与车辆理论加速度a的关系，获得车辆理论加速度a；
8.步骤s3：根据所述运行数据，计算驱动电机效率ieoe；
9.步骤s4：以车辆瞬时速度v为x轴，驱动电机输入端瞬时线电流i
mi
为y轴，车辆理论加速度a、驱动电机瞬时输出功率p、驱动电机效率ieoe为z轴绘制多因素等高线图；
10.步骤s5：对车辆理论加速度a进行聚类，根据聚类结果将所述多因素等高线图划分为至少两个区域，每个区域代表一种驾驶意图；
11.步骤s6：将实时驾驶行为实时逐帧投影至所述多因素等高线图，根据投影分布情况与所划分区域的位置关系分析驾驶员的驾驶意图。
12.进一步地，步骤s2获得车辆理论加速度a的方式为：
13.驱动电机瞬时输出功率p和车辆瞬时轮上功率pw的关系为：
[0014][0015]
并且，
[0016][0017][0018]
其中：
[0019]
为驱动电机瞬时输出功率p至车辆瞬时轮上功率pw的传递损失系数，i
mi
是驱动电机输入端瞬时线电流，u
mi
是驱动电机输入端瞬时线电压，m为车辆整备质量与驾驶员质量之和，a为车辆理论加速度，θ为计算坡道角度，f为路面摩擦阻力系数，ρ为空气密度常数，cd为空气阻力指数，a为车辆有效撞风横截面积，v为车辆瞬时速度；
[0020]
利用公式(1)(2)(3)获得车辆理论加速度a。
[0021]
进一步地，步骤s3中，计算驱动电机效率ieoe的方式为：
[0022][0023]
其中：
[0024]
t是驱动电机的瞬时转矩，ω是驱动电机的瞬时转速。
[0025]
进一步地，所述计算坡道角度θ为：
[0026]
θ＝∑ωi·
θiꢀꢀꢀ
(5)
[0027]
其中：
[0028]
i为大于等于1的整数，其最大值为数据采集区域地形的类型总数；θi为数据采集区域中第i种地形所对应的坡道角度；ωi为数据采集区域中对于坡道角度为θi地形所占的比例。
[0029]
进一步地，有效撞风面积a的确定方式为：
[0030]
a＝ρa·a*
ꢀꢀꢀ
(6)
[0031]
其中：
[0032]a*
为车辆高度与宽度的乘积；
[0033]
ρa为结合横截面纠正系数，其计算公式为：
[0034][0035]
其中：
[0036]hcar
与h
oth
代表不同车辆的高度。
[0037]
进一步地，根据电动汽车加速踏板开度与驱动电机输入端瞬时线电流i
mi
成正比关系，将步骤s4中“驱动电机输入端瞬时线电流i
mi
为y轴”转换为“加速踏板开度为y轴”。
[0038]
进一步地，所述步骤s5中对车辆理论加速度a进行聚类的方式为：
[0039]
将所述多因素等高线图进行网格划分；
[0040]
计算每个网格区域内的所有有记录的操作点对应的车辆理论加速度a；
[0041]
计算每个网格区域内车辆理论加速度a的极值；
[0042]
将每个网格的车辆理论加速度a的极值进行统计聚类。
[0043]
进一步地，所述统计聚类指聚类为三类，从而将所述多因素等高线图划分为三个区域，并根据所述三个区域中驱动电机瞬时输出功率p从小到大的顺序将所述三个区域依次分别命名为：节能区、过渡区与性能区。
[0044]
进一步地，步骤s6中所述投影分布情况为投影的密度。
[0045]
进一步地，针对步骤s1获得的电动汽车运行数据，使用三次样条插值方法对缺失值进行填充后再进行步骤s2。
[0046]
本发明具有如下有益效果：
[0047]
1、本发明采集不同真实地理环境下的同一车型真实运行数据制作以车辆瞬时速度为x轴，驱动电机输入端瞬时线电流为y轴，理论加速度、驱动电机瞬时输出功率、驱动电机效率为z轴的多因素等高线图，确保了真实的驾驶路况，并充分考虑到了不同道路的坡度、不同道路对电动汽车的摩擦系数、不同车型的风阻等因素的影响，保证了驾驶行为与运行数据的真实性、准确性以及全面性；
[0048]
对车辆理论加速度进行聚类，根据聚类结果将多因素等高线图划分为至少两个区域，并将实时驾驶行为实时投影至该划分好区域的多因素等高线图，使得驾驶员的驾驶操作在图中能直观反映，解决了传统的模拟驾驶与车辆台架实验对驾驶意图不能直观展示的问题，从而为优化电动汽车能耗与扩大电动汽车里程奠定了基础。
[0049]
2、本发明将多因素等高线图划分为节能区、过渡区与性能区这三个区域，区域划分合理且直观，使得驾驶人员所有的驾驶意图都有合适的区域对应，使驾驶意图的分析结论更加可靠。
[0050]
3、本发明在计算坡道角度时充分考虑到了采样车辆具有不同地形，使坡道角度的计算更加合理准确，进一步提高了驾驶意图分析结论的准确性。
[0051]
4、本发明在计算有效撞风面积时，充分考虑不同类型车辆风阻的差异，利用不同的横截面纠正系数进行计算，使有效撞风面积的计算更加合理准确，进一步提高了驾驶意图分析结论的准确性。
[0052]
5、本发明将“驱动电机输入端瞬时电流为y轴”转化为“加速踏板开度为y轴”，使多因素等高线图的纵坐标直接与驾驶行为映射，便于理解，从而使该多因素等高线图更加直观。
附图说明
[0053]
图1为本发明一种基于图分析的电动汽车驾驶意图分析方法的流程图；
[0054]
图2为本发明实施例提供的一种多因素等高线图(图中填充颜色代表驱动电机瞬时功率的大小，黑色实线代表驱动电机瞬时功率分界线，白色实线代表驱动电机效率ieoe分布状态，黑色细虚线代表对应位置的加速度)；
[0055]
图3为图2划分为三个区域后的示意图；
[0056]
图4为不同驾驶人员的驾驶行为在图3中的投影示意图。
具体实施方式
[0057]
下面结合附图并举实施例，对本发明进行详细描述。
[0058]
本发明提供了一种基于图分析的电动汽车驾驶意图分析方法，其基本思想是：采集不同地理环境下的同一型号电动汽车的驱动电机电压、驱动电机电流、驱动电机转矩、驱动电机转速以及车辆速度等数据，建立以车辆瞬时速度为x轴，驱动电机输入端瞬时线电流为y轴，车辆理论加速度、驱动电机瞬时输出功率、驱动电机效率为z轴的可划分为多个区域的多因素等高线图，并将实时驾驶操作投影至该多因素等高线图，以直观展示与分析驾驶人员的驾驶意图。
[0059]
基于此基本思想，参照图1，本发明提出了以下

技术实现要素：

[0060]
一种基于图分析的电动汽车驾驶意图分析方法，包括：
[0061]
步骤一：采集不同地理环境下的同一型号电动汽车运行数据
[0062]
在本实施例中的车型选择北汽ev150型轻型小客车，其运行数据包括驱动电机输入端线瞬时电压u
mi
、驱动电机输入端瞬时线电流i
mi
、驱动电机瞬时转矩t、驱动电机瞬时转速ω以及车辆瞬时速度v，这些参数均可直接监测获得，而且，对于获得的电动汽车运行数据，可以使用三次样条插值方法对缺失值进行填充。
[0063]
步骤二：根据所述运行数据，计算驱动电机瞬时输出功率p，根据驱动电机瞬时输出功率p和车辆瞬时轮上功率pw的关系，以及车辆瞬时轮上功率pw与车辆理论加速度a的关系，获得车辆理论加速度a。
[0064]
具体地，北汽ev150型轻型小客车的电机形式为无刷三相电机，驱动电机瞬时输出功率p和车辆瞬时轮上功率pw(使用运动学方程表达)的关系为
[0065][0066]
并且满足：
[0067][0068][0069]
其中，为驱动电机瞬时输出功率p至车辆瞬时轮上功率pw的传递损失系数，根据传递损失系数＝电机输出效率(90-95％)
×
变速箱传动效率(90％)，本实施例按照92.5％
×
90％＝83.25％计算；g为重力加速度，本实施例按照9.8m/s2取值；f为路面摩擦阻力系数，本实施例按照普通柏油公路通常的摩擦系数0.015取值；ρ为空气密度常数，本实施例选用平原地区常用值1.21；cd为空气阻力指数，本实施例选用一般情况下的通用值0.15；m为车辆整备质量与驾驶员质量之和，本实施例按照1370kg 70kg＝1440kg计算；θ为计算坡道角度，本实施例根据采样车辆所在地的地理情况和道路基建设计标准，按照以下公式计算：
[0070]
θ＝∑ωi·
θi[0071]
其中，i为大于等于1的整数，其最大值为采样车辆所在地的地形的类型总数(地形的类型可以参考采样车辆所在地的地理情况和道路基建设计标准)；θi为数据采集区域中第i种地形所对应的坡道角度；ωi为数据采集区域中对于坡道角度为θi地形所占的比例。
[0072]
a为车辆有效撞风横截面积，利用以下公式计算：
[0073]
a＝ρa·a*
[0074]
其中，a
*
为车辆高度与宽度参数的乘积，在本实例中按照1720mm(宽)
×
1503mm(高)计算；ρa为横截面纠正系数，按照以下公式计算：
[0075][0076]
其中，h
car
与h
othe
代表不同车辆的高度参数，本实施例中按照轿车类型且h
car
＝1503mm计算。
[0077]
步骤三：根据所述运行数据，计算驱动电机效率ieoe。
[0078]
具体地，驱动电机效率ieoe的计算公式为：
[0079][0080]
步骤四：以车辆瞬时速度v为x轴，驱动电机输入端瞬时线电流i
mi
为y轴，车辆理论加速度a、驱动电机瞬时输出功率p、驱动电机效率ieoe为z轴绘制多因素等高线图。
[0081]
通过上述步骤一至步骤四得到了如图2所示的一种多因素等高线图，需要指出的是：由于加速踏板直接控制驱动电机输入端电流i
mi
大小，且加速踏板的开度与驱动电机输入端电流i
mi
成正比关系，故在在绘图时为便于直接和驾驶行为映射，将y轴电流值i
mi
转化成了加速踏板开度。
[0082]
步骤五：对车辆理论加速度a进行聚类，根据聚类结果将上述多因素等高线图划分为至少两个区域，每个区域代表一种驾驶意图。
[0083]
具体地，在本实施例中，将车辆瞬时速度和加速踏板开度进行网格划分，(例如x轴以每5km/h为网格密度，y轴以5％踏板开度为网格密度，将图形划分为若干小格子)然后计算在当前格子区域内所有有记录的操作点对应的车辆理论加速度a,并计算当前网格车辆理论加速度a的极值(最大值与最小值之差)，极值越大代表当前网格车辆理论加速度a的斜率越平缓，反之则代表斜率越陡峭；最后，将所有网格的车辆理论加速度a的极值数据通过聚类，而非通过人为观察的方式，划分为3类，得到3个不同的区域，并划分出相应的范围，根据三个区域中驱动电机瞬时输出功率p从小到大的顺序将上述三个区域分别命名为节能区(区域一)、过渡区(区域二)与性能区(区域三)，具体可参照图3所示。
[0084]
步骤六：将驾驶行为实时逐帧投影至所述多因素等高线图，根据投影分布情况与所划分区域的位置关系分析驾驶员的驾驶意图。
[0085]
具体地，在本实施例中，利用欧氏距离计算多种指标，包括但不限于平均速度、最大速度、片段里程、片段时长等，根据欧氏距离度量最小即为最相似的片段；分别计算统计驾驶员在当前片段中分布于不同区域的操作记录占比(所有操作记录落在不同分区的占比，也即投影密度)，根据不同占比数量确定驾驶员可能的驾驶意图。参照图4，例如a驾驶员在区域1占比70％，区域2占比20％，区域3占比10％，则a驾驶员更加倾向于节能区域，对比的b驾驶员在区域1占比40％，区域2占比40％，区域3占比20％，b驾驶员更加倾向于过渡区域的驾驶意图，并且b相对于a驾驶意图更加的激进一些。
[0086]
可以看出，本发明在采集不同真实地理环境下的同一车型真实运行数据制作以车辆瞬时速度为x轴，驱动电机输入端瞬时线电流为y轴，理论加速度、驱动电机瞬时输出功率、驱动电机效率为z轴的多因素等高线图时，确保了真实的驾驶路况，保证了驾驶行为与运行数据的真实性、准确性以及全面性；同时，按照车辆理论加速度的斜率、驱动电机瞬时
输出功率范围与驱动电机效率分布区域，将多因素等高线图划分为节能区、过渡区与性能区这三个区域，区域划分合理且直观，使得驾驶人员所有的驾驶意图都有合适的区域对应，进而可以直观展示并分析驾驶人员的驾驶意图，为优化电动汽车能耗与扩大电动汽车里程奠定基础。
[0087]
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。