试验数据处理方法、装置、云端、存储介质和系统与流程

1.本技术实施例涉及车辆技术领域，尤其涉及一种试验数据处理方法、装置、云端、存储介质和系统。


背景技术：

2.基于发动机电控系统的控制逻辑，在车辆出厂前，通过标定试验采集数据，并进行功能模式匹配及数据优化，不仅是提升整车性能的关键，也是使整车的运行满足行业法规、企业内控标准及用户需求的关键。
3.传统电控系统标定流程，通常是由工程师制定试验任务，并将试验任务下发给司机，由司机根据试验任务中的要求驾驶车辆完成试验数据的采集。由于电控系统中一个参量的改变往往会引起发动机一系列运行状态指标的变化，所以，针对同一种工况可能需要反复进行多次试验，其中，若司机操作不规范导致试验失败，则需要反复的次数更多，是一项极其耗时耗力的工作。
4.因此，如何规范司机的驾驶行为，提高标定试验效率和减少人力成本，成为现有技术亟需解决的技术问题。


技术实现要素：

5.本技术实施例提供一种试验数据处理方法、装置、云端、存储介质和系统，能够提醒司机及时调整不当的驾驶行为，提高标定效率，从而减少人力成本。
6.第一方面，本技术实施例提供一种试验数据处理方法，应用于标定辅助系统中的云端，所述标定辅助系统中还包括标定辅助设备、远程设备和用户设备，所述云端与所述标定辅助设备、所述远程设备、所述用户设备分别连接，所述标定辅助设备和所述远程设备均设置在车上，所述方法包括：
7.通过所述用户设备获取目标试验的工况配置数据；
8.通过所述远程设备获取所述目标试验实施过程中产生的试验数据；
9.根据所述工况配置数据和所述试验数据，对司机的驾驶行为进行评分；
10.通过所述标定辅助设备对评分结果进行显示。
11.第二方面，本技术实施例提供一种试验数据处理装置，集成于标定辅助系统中的云端，所述标定辅助系统中还包括标定辅助设备、远程设备和用户设备，所述云端与所述标定辅助设备、所述远程设备、所述用户设备分别连接，所述标定辅助设备和所述远程设备均设置在车上，所述装置包括：
12.获取模块，用于通过所述用户设备获取目标试验的工况配置数据；通过所述远程设备获取所述目标试验实施过程中产生的试验数据；
13.处理模块，用于根据所述工况配置数据和所述试验数据，对司机的驾驶行为进行评分；通过所述标定辅助设备对评分结果进行显示。
14.第三方面，本技术实施例提供一种云端，包括存储器、处理器及存储在存储器上并
可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述的试验数据处理方法。
15.第四方面，本技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的试验数据处理方法。
16.第五方面，本技术实施例提供一种标定辅助系统，包括标定辅助设备、远程设备、用户设备和如上述第三方面所述云端，所述云端与所述标定辅助设备、所述远程设备、所述用户设备分别连接，所述标定辅助设备和所述远程设备均设置在车上。
17.本技术实施例提供的试验数据处理方法、装置、云端、存储介质和系统，通过设置标定辅助系统包括云端、标定辅助设备、远程设备和用户设备，并设置云端与标定辅助设备、远程设备、用户设备分别连接，由云端通过用户设备获取目标试验的工况配置数据，通过远程设备获取目标试验实施过程中产生的试验数据，根据工况配置数据和试验数据，对司机的驾驶行为进行评分，通过标定辅助设备对评分结果进行显示，能够提醒司机及时调整不当的驾驶行为，提高标定效率，从而减少人力成本。
18.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
19.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1为本技术实施例一提供的一种标定辅助系统的结构示意图；
21.图2为本技术实施例一提供的一种标定试验的流程示意图；
22.图3为本技术实施例一提供的一种试验报告生成内部逻辑示意图；
23.图4为本技术实施例一提供的一种试验数据处理方法的流程示意图；
24.图5为本技术实施例二提供的一种工况分区示意图；
25.图6为本技术实施例二提供的一种工况参数示意图；
26.图7为本技术实施例三提供的一种试验数据处理装置的结构示意图；
27.图8为本技术实施例四提供的一种云端的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、目标等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里
图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.本技术技术方案的主要思路：现有技术中存在的技术问题，本技术实施例构建了的一种标定辅助系统，该系统包括标定辅助设备、远程设备、用户设备和云端，由云端与标定辅助设备、远程设备、用户设备分别连接，并基于该标定辅助系统提供一种数据处理方法，由云端通过用户设备获取工程师设置工况配置数据，通过远程设备获取试验实施过程中产生的试验数据，从而基于工况配置数据，对试验实施过程中产生的试验数据进行分析，根据预设的评分规则对司机驾驶行为进行评分，并通过标定辅助设备对评分结果进行显示，从而提醒司机及时发现驾驶中存在的问题，并进行调整和优化，从而提高后续试验效率，缩短整个标定试验周期，进而达到节省人力成本的目的。
31.实施例一
32.示例性地，图1为本技术实施例一提供的一种标定辅助系统的结构示意图，如图1所示，如图1所示，本实施提供的标定辅助系统100包括：云端110、用户设备120、标定辅助设备130和远程设备140。
33.其中，云端110即本技术实施例提供的试验数据处理方案的执行主体，是具备运算、数据处理、逻辑控制等功能的服务器，与用户设备120、标定辅助设备130和远程设备140分别连接。
34.用户设备120对应的是工程师侧的终端设备，可与云端110进行远程通信。本实施例中，根据需要，工程师可通过用户设备120向云端110下达指令和进行试验参数配置等，用户设备120可以为计算机、智能手机、笔记本电脑等。
35.标定辅助设备130，对应的司机侧的终端设备，设置在标定用的车辆上，可与云端110进行远程通信。本实施例中，根据需求，司机可以在标定辅助设备130进行试验任务的调取、查看标定进度、接收云端110发送的控制指令并执行对应的操作等。在一种可能的实施方式中，标定辅助设备130为具备显示功能和语音播报功能的智能终端设备。
36.远程设备140，也设置在标定用的车辆上，可以同时与云端110及车辆进行通信。在一种可能的实施方式中，一方面，远程设备140可以通过物联网，按消息队列遥测传输(message queuing telemetry transport，mqtt)协议，实现与云端110链接，进行数据传输；另一方面，远程设备140可以通过统一诊断服务(unified diagnostic services，uds)协议、控制器局域网(controller area network，can)协议及can数据库(data base can，dbc)文件，实现与车端110的通讯，可以进行控制器内部信号的采集、刷写、标定等。
37.本实施例提供的标定辅助系统100具有以下功能：
38.(1)试验路线制定
39.工程师通过用户设备120提供的配置页面进行试验路线配置(即本次标定试验中车辆的行驶路线)，并由用户设备120将试验路线上传至云端110。在试验开始之前，由通过标定辅助设备130向云端110发送请求(可由司机的操作触发)，调取试验路线，当标定辅助设备130从云端110获取到试验路线之后，按该路线进行实时导航，以便于司机开展试验。
40.(2)试验工况制定
41.工程师通过用户设备120提供的配置页面进行试验工况配置(如本次试验要求的车速、加速踏板、制动踏板、行驶时间、行驶里程等)，并由用户设备120将试验工况上传至云端110。在试验开始之前，由标定辅助设备端130向云端110发送请求(可由司机的操作触发)，调取试验工况，当标定辅助设备130从云端110获取到试验工况之后，通过其显示屏对试验工况进行显示。试验过程中，云端110通过远程设备140实时进行试验数据的获取，通过对试验数据进行分析，确定试验完成进度并发送给标定辅助设备130，由标定辅助设备130实时显示试验完成进度，并在一次试验结束后，结合工程师通过用户设备120上传到云端110的工况覆盖度、工况参数、参数权重、约束条件及标准等生成驾驶评分及驾驶行为分析报告(具体实施过程参见实施例二中的描述)，同时，将驾驶评分及驾驶行为分析报告映射到标定辅助设备130，以便于司机参考，从而提升驾驶行为。
42.(3)试验数据优化
43.试验完成后，云端110依据标定专家经验提取标定领域的特征因素，通过特征参数对比，判断车辆的可靠性、平顺性、振动噪音等是否满足预设试验标准，其中，预设试验标准可以是客户、专家或行业内定义或要求的标准，若满足，根据试验数据生成试验报告，并将试验报告及试验数据通过邮件方式发送到工程师邮箱；若不满足，基于数据库管理系统针对发动机、变速器等特征要素进行对比，通过众数、中值、平均值、拟合等手段进行数据预设，并判定寻优方向，对单一关联的标定map、cruve以预设步长(如5％)进行标定数据调整，调整后生成试验任务，重新进行试验；对多个关联的标定map、cruve通过短信及邮件的方式提醒工程师在用户设备120上进行优化数据确认，确认后生成试验任务，重新进行试验。示例性地，图2为本技术实施例一提供的一种标定试验的流程示意图。
44.(4)试验报告自动生成
45.试验结束后，云端110依据标定专家经验提取标定领域的特征因素，对特征因素进行分解，结合数据挖掘算法(通过内嵌函数、触发条件、特征提取、数学计算、逻辑编程等)实现专家经验、标准及客户抱怨显性化的可视化报告，并将云端110生成可视化报表发送给用户设备120，通过红绿灯机制展现标定试验是否满足行业标准。示例性地，图3为本技术实施例一提供的一种试验报告生成内部逻辑示意图。
46.本技术实施例提供的标定辅助系统具有试验路线制定、试验工况制定、试验数据优化、报告自动生成等功能，且可通过试验方案标准库进行模块化试验方案调取，同时通过云端与标定辅助设备进行映射。一方面，由于试验路线制定、试验工况制定和试验任务的下发等过程均可通过系统实现，而不需要工程师与司机进行面对面沟通，打破了时间、空间的局限，使得沟通更加顺畅、便利和高效，同时，也工程师生争取到了更多的时间，以处理、分析试验数据和进行试验方案的制定；另一方面，可以及时地将试验进度、试验过程中存在的问题以及试验结果等反馈给司机，以便于司机及时对不当的行为进行调整，提高试验的成功率；再一方面，还可以根据试验的实际情况对标定数据进行优化，提高制定的试验任务的可操作和合理性，从而有利于保证标定试验的顺利进行。基于以上三个方面，采用本技术实施例提供的标定辅助系统进行标定试验，实现了智能化标定，大大提高了标定效率，从而起到节省人力成本的作用。
47.实施例二
48.图4为本技术实施例一提供的一种试验数据处理方法的流程示意图，本实施例的
方法可以由本技术实施例所提供的试验数据处理装置执行，该装置可以由软件和/或硬件的方式来实现，并可集成于如图1所示的云端中。如图4所示，本实施例的试验数据处理方法，包括：
49.s201、通过用户设备获取目标试验的工况配置数据。
50.其中，目标试验即本次将要进行的标定试验，可以通过工程师在用户设备上的选择操作确定，示例性地，当选中某个特定的标定试验时，用户设备向云端发送携带有该标定试验标识的消息，实现目标试验的确定。
51.本实施例中，当工程师选定一个标定试验之后，就可以进入到该标定试验的配置页面，进行试验路线及试验工况等的配置。相应地，本步骤中，当工程师完成目标试验的配置操作之后，云端就可以从用户设备上获取相关的工况配置数据。
52.在一种可能的实施方式中，当工程师在配置页面点击“确认”或“提交”按钮时，用户终端向云端发送配置完成消息，云端向用户设备发送携带有目标试验标识的工况配置数据获取请求，以使用户设备将对应的工况配置数据发送给云端。
53.s202、通过远程设备获取目标试验实施过程中产生的试验数据。
54.本实施例中，在目标试验实施过程中，远程设备实时采集预设工况参数的试验数据，并将采集到的试验数据发送给云端，其中，预设工况参数为车速、加速踏板开度、制动踏板开度、变速器挡位、发动机转速等中的一种或多种。
55.在一种可能的实施方式中，远程设备以预设周期将采集到的目标试验的试验数据发送给云端。
56.s203、根据工况配置数据和试验数据，对司机的驾驶行为进行评分。
57.本步骤中，根据s201中获取到的工况配置数据，对s202中获取到的试验数据进行分析，并按约束条件及预设评分规则，对司机的驾驶行为进行评分。
58.在一种可能的实施方式中，根据试验是否为需要覆盖部分或全部发动机运转的工况，将试验类型划分为扫点型和非扫点型，具体地，将需要覆盖部分或全部发动机运转的试验为扫点型试验，而将扫点型以外的试验定义为非扫点型试验。下面将针对扫点型试验和非扫点型试验，对本步骤中确定驾驶行为评分的具体实施方式加以描述。
59.(1)扫点型
60.在一种可能的实施方式中，针对扫点型试验，本实施例中，根据发动机转速、发动机负荷将所有工况点区分为多个区间，示例性地，图5为本技术实施例二提供的一种工况分区示意图，如图5所示，假设目标试验的发动机转速范围为0-7000r/min、发动机负荷范围为0-180％，通过以1000r/min为发动机转速步长、以20％为发动机负荷步长，将目标试验划分为7
×
9＝63个工况区间。
61.在一种可能的实施方式中，在扫点型试验中，工程师可以通过用户设备配置需要进行试验的目标工况区间(如图5中虚线框中的工况区间)、完成目标工况区间对应的试验所需的时间(即目标周期)、目标周期的允许波动范围(即目标周期范围)、期望工况参数在目标工况区间中达到的大小(即目标值)、期望工况参数在目标工况区间中达到目标值的次数(即目标次数)。为便于区分，本实施例中，将扫点型试验中设置的目标周期、目标周期范围和目标值，分别叫做第一目标周期、第一目标周期范围和第一目标值。
62.由于扫点型试验是针对某一种工况参数进行的试验，因此，获取到的试验数据都
为该工况参数的数据，在一种可能的实施方式中，在一次扫点型试验结束之后，本实施例中可通过如下步骤，对司机的驾驶行为进行评分：
63.a、可以根据试验数据的采集时间，确定完成目标试验的实际周期。
64.为便于区分，这里将完成目标试验的实际周期，叫做第一实际周期。
65.在一种可能的实施方式中，远程设备在向云端发送试验数据时，可以将试验数据的采集时间一起发送给云端，例如，以采集时间和目标试验标识作为数据头，以试验数据作为数据体，生成数据包并发送给云端。相应地，本步骤中，可以根据接收到的目标试验的最后一个数据包的时间与第一个数据包的时间的差值，确定第一实际周期。
66.b、将试验数据与工况配置数据中的第一目标值进行比对，确定工况参数值达到第一目标值的实际次数。
67.其中，实际次数即试验数据中工况参数值大于或等于第一目标值的次数。由于一个扫点型试验通常是针对一种工况参数的试验，因此，得到的试验数据通常为一种工况参数的数据。本步骤中，通过将各工况参数的数值分别与第一目标值进行比对，确定实际次数。
68.c、根据第一实际周期、实际次数、第一目标周期、第一目标周期范围和目标次数，确定司机的驾驶行为评分。
69.根据第一实际周期、第一目标周期和第一目标周期范围，确定司机驾驶行为的第一评价参数。根据实际次数和目标次数，确定司机驾驶行为的第二评价参数。根据第一评价参数和第二评价参数，确定司机的驾驶行为评分。
70.可选地，第一评价参数＝(∣第一实际周期-第一目标周期∣)/第一目标周期范围，其中，第一目标周期范围即允许第一实际周期超出第一目标周期的范围，例如，若第一目标周期为t，允许第一实际周期的波动量为
±
δt，则第一目标周期范围取值为δt。不难看出，第一实际周期越接近第一目标周期，第一评价参数的值越小。
71.可选地，第二评价参数＝实际次数/目标次数，实际次数越接近目标次数，第二评价参数的值越大。
72.可选地，驾驶行为评分＝(1-第一评价参数)
×
第二评价参数
×
100。
73.不难看出，第一评价参数越小、第二评价参数越大，驾驶行为评分越高。通过该方式计算得到的驾驶行为评分，不仅能够反应出司机在实施目标试验过程中的耗时情况，还能反映工况参数值的达表情况，从而能够综合反映司机的在标定试验中的驾驶情况。
74.(2)非扫点型
75.在一种可能的实施方式中，在非扫点型试验中，工程师可以通过用户设备配置至少两个工况参数的目标值、容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、目标周期和目标周期范围。为便于区分，本实施例中，将非扫点型试验中设置的目标周期、目标周期范围和目标值，分别叫做第二目标周期、第二目标周期范围和第二目标值。
76.其中，容错幅值、容错次数、容错时间分别是指允许工况参数值超过第二目标值的幅度、次数和时长。剧烈程度用于反映下一时刻的工况参数值相对于上一时刻的工况参数值的变化情况。
77.由于非扫点型实验通常是针对多个工况参数同时进行的试验，在工程师进行参数配置时，需要为不同的工况参数设置不同的第二目标值、容错幅值、容错次数、容错时间、目
标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围。相应地，在进行驾驶行为评分时，需要同时考虑多个工况参数的情况，以对司机驾驶行为进行综合评价。在一种可能的实施方式中，在一次非扫点型试验结束之后，本实施例中可通过如下步骤，对司机的驾驶行为进行评分：
78.a、根据试验数据的采集时间，分别确定目标试验实施过程中至少两个工况参数的第二实际周期。
79.本步骤中，根据目标试验的实施情况，需要分别获取各工况参数的实际周期，可以理解的是，不同工况参数的实际周期可以相同，也可以不同。b、根据各工况参数的试验数据和其第二目标值，确定至少两个工况参数的最大幅值、超出幅值次数、超出幅值时间和实际剧烈程度。
80.在非扫点型试验中，需要根据不同工况参数的试验数据和第二目标值，分别确定不同工况参数的最大幅值、超出幅值次数、超出幅值时间和实际剧烈程度。
81.示例性地，图6为本技术实施例二提供的一种工况参数示意图，如图6所示，波浪线上的数值为采集到的目标工况参数的实际工况参数值，如k
t1
表示t1时刻的工况参数值，k
t2
表示t2时刻(t1时刻的下一时刻)的工况参数值，中间的水平直线表示目标值，a表示容错幅值，t表示实际周期，t表示超出幅值时间，n表示超出幅值次数。
82.其中，最大幅值，即一个周期内的目标工况参数的最大值，如图6中的amax，通过从目标工况参数的试验数据中筛选最大值即可确定。
83.t可通过计算超出容错幅值a的截止点时刻与起始点时刻的差值进行确定。实际工况参数值每超过容错幅值a一次，超出幅值次数n计数一次。
84.假设剧烈程度用α表示，以图6为例，可通过公式m
t2
＝k
t1
×
α k
t2
×
(1-α)，计算目标工况参数在t2时刻的实际剧烈程度，其中，m
t2
表示t2时刻的第二目标值，可以从工况配置参数确定，k
t1
和k
t2
可通过试验数据确定。依次类推就可以计算出目标工况参数在各个时刻的实际剧烈程度。
85.可以理解的是，其他各工况参数的最大幅值、超出幅值次数、超出幅值时间和实际剧烈程度均可采用上述方法进行确定。
86.c、根据各工况参数的第二实际周期、最大幅值、超出幅值次数、超出幅值时间、实际剧烈程度、容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围，分别确定至少两个工况参数的工况参数评分。
87.以目标工况参数为例，在确定出的其第二实际周期、最大幅值、超出幅值次数、超出幅值时间、实际剧烈程度之后，通过结合工程师为目标工况参数配置的容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围，确定目标工况参数对应的驾驶行为评分，即工况参数评分。
88.在一种可能的实施方式中，可以先分别确定目标工况参数的幅值最大值分数、超出幅值次数分数、超出幅值时间分数、实际周期分数、剧烈程度分数，再基于各评分项的实际分数，根据预设算法，计算目标工况参数的工况参数评分。
89.在一种可能的实施方式中，根据最大幅值和容错幅值，通过如下公式，确定目标工况参数的幅值最大值分数：幅值最大值分数＝(1-最大幅值/容错幅值)
×
100。在容错幅值为0的情况下(即不允许超过第二目标值)，则当最大幅值为0时，幅值最大值分数为100分，
当工况参数幅值不为0时，幅值最大值分数为0分。当最大幅值大于或等于容错幅值时，幅值最大值分数为0分。
90.在一种可能的实施试中，根据超出幅值次数和容错次数，通过如下公式，确定目标工况参数的超出幅值次数分数：超出幅值次数分数＝(1-超出幅值次数/容错次数)
×
100，当超出幅值次数大于或等于容错次数时，超出幅值次数分数为0分。
91.在一种可能的实施试中，根据超出幅值时间和容错时间，通过如下公式，确定目标工况参数的超出幅值时间分数：超出幅值时间分数＝(1-超出幅值时间/容错时间)
×
100，当超出幅值时间大于或等于容错时间时，超出时间次数分数为0分。
92.在一种可能的实施试中，根据第二实际周期、第二目标周期和第二目标周期范围，通过如下公式，确定目标工况参数的实际周期分数：实际周期分数＝{1-∣第二实际周期-第二目标周期∣)/第二目标周期范围}
×
100。其中，第二目标周期范围的确定方式与第一目标周期范围的确定方式类似，此处不再赘述。当第二实际周期与第二目标周期的差值的绝对值大于或等于第二目标周期范围时，实际周期分数为0分。
93.在一种可能的实施试中，根据实际剧烈程度、目标剧烈程度和目标剧烈程度范围，通过如下公式，确定目标工况参数的剧烈程度分数：剧烈程度分数＝{1-∣实际剧烈程度-目标剧烈程度∣)/目标剧烈程度范围}
×
100。其中，目标剧烈程度范围即允许实际剧烈程度超出目标剧烈程度的范围，例如，若目标剧烈程度为α，允许实际剧烈程度的波动量为
±
δα，则目标剧烈程度范围为δα。当实际剧烈程度与目标剧烈程度的差值的绝对值大于或等于目标剧烈程度范围时，实际周期分数为0分。
94.需要说明的是，在计算剧烈程度分数时，实际剧烈程度可以取目标工况参数试验周期内各个时刻实际剧烈程度的平均值，也可以取试验周期内各个时刻实际剧烈程度的最大值，具体可根据实际情况进行设置，此处不做限制。
95.在一种可能的实施试中，根据幅值最大值分数、超出幅值次数分数、超出幅值时间分数、实际周期分数和剧烈程度分数，通过如下公式，确定目标工况参数的工况参数评分：工况参数评分＝幅值最大值分数
×
第一约束项权重 超出幅值次数分数
×
第二约束项权重 超出幅值时间分数
×
第三约束项权重 实际周期分数
×
第四约束项权重 剧烈程度分数
×
第五约束项权重，其中，第一约束项权重、第二约束项权重、第三约束项权重、第四约束项权重和第五约束项权重分别为幅值最大值分数项、超出幅值次数分数项、超出幅值时间分数项、实际周期分数项和剧烈程度分数项的预设权重，可以由工程师在配置工况参数时设定。若其中一个评分项的分数为0分，则目标工况参数的工况参数评分0分，例如，若超出幅值时间分数为0分，则工况参数评分直接为0分。
96.其他各工况参数的工况参数评分均可参照该方法进行计算，需要说明的是，若某个工况参数只通过其中的一项或几项进行约束，则本步骤中只需要计算这一项或几项的分数，并且在计算工况参数评分时只考虑这一项或几项，即将不参与评分的分数项从工况参数评分的公式中去掉。示例性地，若某工况参数仅通过幅值最大值、周期和剧烈程度对司机的驾驶行为进行约束，则可通过以下公式计算工况参数评分：工况参数评分＝幅值最大值分数
×
第一约束项权重 实际周期分数
×
第四约束项权重 剧烈程度分数
×
第五约束项权重。
97.d、根据至少两个工况参数的工况参数评分和预设权重，确定司机的驾驶行为评
分。
98.在工程师对非扫点型试验进行工况参数配置时，也可以为不同的工况参数设置不同的权重，在通过c步骤计算出各工况参数的工况参数评分后，通过计算各工况参数评分与预设权重的加权和，确定司机的驾驶行为评分。
99.示例性地，假设参与某次试验的工况参数有四个，分别为第一工况参数、第二工况参数、第三工况参数和第四工况参数，且各工况参数对应的预设权重分别为第一参数项权重、第二参数项权重、第三参数项权重和第四参数项权重，则可通过如下公式计算该试验过程中司机的驾驶行为评分：驾驶行为分数＝第一工况参数评分
×
第一参数项权重 第二工况参数评分
×
第二参数项权重 第三工况参数评分
×
第三参数项权重 第四工况参数评分
×
第四参数项权重，其中一个工况参数评分的值为0，则司机该次试验驾驶行为分数为0。通过先单独确定各工况参数的评分，再根据基于预设权重，将所有工况参数的综合得分确定为司机的驾驶行为评分，从标定试验的各个方面和各个维度对司机的驾驶行为进行约束，实现了的司机驾驶行为的精细化分析。
100.本实施方式中，通过基于不同的试验类型，采用不同的评分方式，确定司机驾驶行为评分，从而使得到的驾驶行为评分能够反映出司机在标定试验过程中的真实驾驶水平，能够满足不同场景下的应用需求。
101.s204、通过标定辅助设备对评分结果进行显示。
102.在s203之后，云端将评分结果发送给标定辅助设备，以使标定辅助设备按照预设的显示逻辑进行显示。本实施例中，评分结果中不仅可以驾驶行为评分，还可以包括具体的扣分项内容，从而将评分结果一目了然地呈现给司机，使司机能够及时对存在问题的地方进行定位和调整。
103.可选地，本实施例中，在试验过程中，还可以实时获取车辆的状态数据，在实验结束之后，通过按照预设格式对车辆的状态数据进行整理和统计，生成驾驶行为报告，并将驾驶行为报告作为评分结果的一部分，通过标定辅助设进行展示，有利于司机结合车辆状态数据，更深入地对扣分项对应问题的定位和调整，提高后续试验的效率。
104.本实施例中，通过设置标定辅助系统包括云端、标定辅助设备、远程设备和用户设备，并设置云端与标定辅助设备、远程设备、用户设备分别连接，由云端通过用户设备获取目标试验的工况配置数据，通过远程设备获取目标试验实施过程中产生的试验数据，根据工况配置数据和试验数据，对司机的驾驶行为进行评分，通过标定辅助设备对评分结果进行显示，以提醒司机及时发现驾驶中存在的问题，并进行调整和优化，从而提高后续试验效率，缩短整个标定试验的周期，进而达到节省人力成本的目的。
105.可选地，针对扫点型试验，在试验过程中，本实施例中还可以基于工况配置数据，对采集到的试验数据进行实时地分析，如确定已完成试验的工况区间覆盖度、试验周期覆盖度和工况参数值达标情况，并基于工况区间覆盖度、试验周期覆盖度或工况参数值达标情况，通过标定辅助设备对司机进行工况进度提醒。
106.其中，工况区间覆盖度是指已完成工况区间的数量占目标工况区间的数量的比值，试验周期覆盖度是指已进行试验的时长占第一目标周期的比值，工况参数值达标情况是指工况参数值是否达到第一目标值的情况或工况参数值达到第一目标值的次数。
107.示例性地，试验过程中，在检测到试验的实际周期达到30％、50％、80％或100％和
工况参数值每达到第一目标值一次时，通过标定辅助设备对司机进行试验进度提醒。
108.示例性地，试验过程中，在检测到试验周期覆盖度达到100％，且工况参数值达到第一目标值的实际次数为目标次数时，通过标定辅助设备对司机进行试验完成提醒。
109.示例性地，试验过程中，在检测到试验的第一实际周期超出第一目标周期范围时，通过标定辅助设备对司机进行试验失败提醒。
110.在一种可能的实施方式中，在试验过程中，针对非扫点型试验，本实施例中还可以基于工况配置数据，对采集到的试验数据进行实时地分析，如通过比较，确定目标工况参数的实际试验值是否超出对应的目标容错值，若超出，则通过标定辅助设备对司机进行工况进度提醒。
111.其中，实际试验，值即试验数据中目标工况参数的工况参数值。目标容错值，工程师为目标工况参数设置的配置数据的具体数值，包括第二目标值、容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围中的一种或多种。
112.示例性地，试验过程中，在检测到的采集到的工况参数值超出容错幅值a，且超出幅值次数n超出容错次数或超出幅值时间t超出容错时间，通过标定辅助设备对司机进行试验失败提醒，以提醒司机重新进行试验；在检测到的采集到的工况参数值超出容错幅值a，但超出幅值次数n未超出容错次数且超出幅值时间t未超出容错时间，通过标定辅助设备对司机进行规范操作提醒，以避免试验失败；试验过程中，在检测到的采集到的工况参数值未超出容错幅值a，通过标定辅助设备对司机进行试验成功提醒，以提醒司机断续进行其他试验。
113.示例性地，试验过程中，在检测到第二实际周期超出第二目标周期范围时，通过标定辅助设备对司机进行试验失败提醒，以提醒司机重新进行试验；在检测到第二实际周期未超出第二目标周期范围时，通过标定辅助设备对司机进行试验成功提醒，以提醒司机断续进行其他的试验。
114.示例性地，试验过程中，在检测到实际剧烈程度超出目标剧烈程度范围时，通过标定辅助设备对司机进行试验失败提醒，以提醒司机重新进行试验；在检测到实际剧烈程度未超出目标剧烈程度范围，通过标定辅助设备对司机进行试验成功提醒，以提醒司机断续进行其他的试验。
115.本实施例中，可以通过标定辅助设备的语音播报功能和/或显示功能，具体采用哪种提示方式及不同提示方式下对应的模式(如提示音、显示的位置等)可根据实际情况进行设置，此处不做限制。
116.本实施例中，通过在试验过程中，根据试验的具体实施情况，对司机进行试验进度提醒，使司机能够实时掌握试验的进展和接下来具体要执行的操作等，在规范司机驾驶行为和提高标定效率、加快标定进度等方面都具有积极的作用。
117.实施例三
118.图7为本技术实施例三提供的一种试验数据处理装置的结构示意图，该装置可以由软件和/或硬件的方式来实现，并可集成于如图1所示的云端中。如图7所示，本实施例中试验数据处理装置700包括：
119.获取模块710和处理模块720。
120.获取模块710，用于通过用户设备获取目标试验的工况配置数据；通过远程设备获取目标试验实施过程中产生的试验数据；
121.处理模块720，用于根据工况配置数据和试验数据，对司机的驾驶行为进行评分；通过标定辅助设备对评分结果进行显示。
122.可选地，若目标试验的试验类型为扫点型，工况配置数据包括第一目标周期、第一目标周期范围、第一目标值和目标次数，处理模块720具体用于：
123.根据试验数据的采集时间，确定完成目标试验的第一实际周期；
124.将试验数据与第一目标值进行比对，确定工况参数值达到第一目标值的实际次数；
125.根据第一实际周期、实际次数、第一目标周期、第一目标周期范围和目标次数，确定司机的驾驶行为评分。
126.可选地，处理模块720具体用于：
127.根据第一实际周期、第一目标周期和第一目标周期范围，确定司机驾驶行为的第一评价参数；
128.根据实际次数和目标次数，确定司机驾驶行为的第二评价参数；
129.根据第一评价参数和第二评价参数，确定司机的驾驶行为评分。
130.可选地，若目标试验的试验类型为非扫点型，工况配置数据包括至少两个工况参数的第二目标值、容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围，处理模块720具体用于：
131.根据试验数据的采集时间，分别确定目标试验实施过程中至少两个工况参数的第二实际周期；
132.根据各工况参数的试验数据和其第二目标值，确定至少两个工况参数的最大幅值、超出幅值次数、超出幅值时间和实际剧烈程度；
133.根据各工况参数的第二实际周期、最大幅值、超出幅值次数、超出幅值时间、实际剧烈程度、容错幅值、容错次数、容错时间、目标剧烈程度、目标剧烈程度范围、第二目标周期和第二目标周期范围，分别确定至少两个工况参数的工况参数评分；
134.根据至少两个工况参数的工况参数评分和预设权重，确定司机的驾驶行为评分。
135.可选地，处理模块720具体用于：
136.根据最大幅值和容错幅值，确定目标工况参数的幅值最大值分数；
137.根据超出幅值次数和容错次数，确定目标工况参数的超出幅值次数分数；
138.根据超出幅值时间和容错时间，确定目标工况参数的超出幅值时间分数；
139.根据第二实际周期、第二目标周期和第二目标周期范围，确定目标工况参数的实际周期分数；
140.根据实际剧烈程度、目标剧烈程度和目标剧烈程度范围，确定目标工况参数的剧烈程度分数；
141.根据幅值最大值分数、超出幅值次数分数、超出幅值时间分数、实际周期分数和剧烈程度分数，确定目标工况参数的工况参数评分。
142.可选地，工况配置数据还包括目标工况区间，处理模块720还用于：
143.基于工况配置数据，对试验数据进行分析，确定已完成试验的工况区间覆盖度、试
验周期覆盖度和工况参数值达标情况；
144.基于工况区间覆盖度、试验周期覆盖度或工况参数值达标情况，通过标定辅助设备对司机进行工况进度提醒。
145.可选地，处理模块720还用于：
146.基于工况配置数据，对试验数据进行分析，确定目标工况参数的实际试验值是否超出对应的目标容错值；
147.若超出，则通过标定辅助设备对司机进行工况进度提醒。
148.可选地，处理模块720还用于：
149.根据试验数据和预设试验标准，对标定数据进行优化。
150.本实施例所提供的试验数据处理装置可执行上述方法实施例所提供的试验数据处理方法，具备执行方法相应的功能模块和有益效果。本实施例的实现原理和技术效果与上述方法实施例类似，此处不再一一赘述。
151.实施例四
152.图8为本技术实施例四提供的一种云端的结构示意图，如图8所示，该云端110包括存储器111、处理器112及存储在存储器上并可在处理器上运行的计算机程序；云端110处理器112的数量可以是一个或多个，图8中以一个处理器112为例；云端110中的处理器112、存储器111可以通过总线或其他方式连接，图8中以通过总线连接为例。
153.存储器111作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本技术实施例中的获取模块710和处理模块720对应的程序指令/模块。处理器112通过运行存储在存储器111中的软件程序、指令以及模块，从而执行云端的各种功能应用以及数据处理，即实现上述的试验数据处理方法。
154.存储器111可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器111可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器111可进一步包括相对于处理器112远程设置的存储器，这些远程存储器可以通过网格连接至云端。上述网格的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
155.实施例五
156.本技术实施例五还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在由计算机处理器执行时用于执行一种试验数据处理方法，该方法包括：
157.通过用户设备获取目标试验的工况配置数据；
158.通过远程设备获取目标试验实施过程中产生的试验数据；
159.根据工况配置数据和试验数据，对司机的驾驶行为进行评分；
160.通过标定辅助设备对评分结果进行显示。
161.当然，本技术实施例所提供的一种包计算机可读存储介质，其计算机程序不限于如上所述的方法操作，还可以执行本技术任意实施例所提供的试验数据处理方法中的相关操作。
162.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本技术可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更
佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网格设备等)执行本技术各个实施例所述的方法。
163.值得注意的是，上述试验数据处理装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。
164.注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，而本技术的范围由所附的权利要求范围决定。