(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110423665.3 (22)申请日 2021.04.20 (65)同一申请的已公布的文献号 申请公布号 CN 113076697 A (43)申请公布日 2021.07.0 6 (73)专利权人 潍柴动力股份有限公司 地址 261061 山东省潍坊市高新 技术产业 开发区福寿东 街197号甲 (72)发明人 孙翠迎　程博　王建伟　杨文凯　 朱汇龙　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 李慧引 (51)Int.Cl. G06F 30/27(2020.01)G06N 7/00(2006.01) G06F 111/08(2020.01) (56)对比文件 CN 111775925 A,2020.10.16 CN 102881060 A,2013.01.16 CN 106777625 A,2017.0 5.31 审查员 王艳涛 (54)发明名称 典型驾驶工况的构建方法、 相关装置及计算 机存储介质 (57)摘要 本申请提供了一种典型驾驶工况的构建方 法、 相关装置及计算机存储介质， 所述典型驾驶 工况的构建方法包括： 首先， 获取目标市场数据 集合； 然后， 对所述目标市场数据集合中的数据 进行预处理， 得到至少一个目标数据组； 最后， 针 对每一个所述目标数据组， 将所述目标数据组输 入至典型驾驶工况的构建模型中， 得到所述目标 数据组对应的典型驾驶工况； 其中， 所述典型驾 驶工况的构建模型由至少一个机型和训练样本 细分市场的组合， 以及所述训练样 本细分市场的 各类别指标对应的原始工况， 对基于非均匀网格 的马尔科夫 ‑蒙特卡洛模型进行训练得到。 从而 达到精确的构建典型驾驶工况的目的。 权利要求书3页 说明书12页 附图8页 CN 113076697 B 2022.11.29 CN 113076697 B 1.一种典型驾驶工况的构建方法， 其特 征在于， 包括： 获取目标市场数据集 合； 对所述目标市场数据集 合中的数据进行 预处理， 得到至少一个目标 数据组； 针对每一个所述目标数据组， 将所述目标数据组输入至典型驾驶工况的构建模型中， 得到所述 目标数据 组对应的典型驾驶工况； 其中， 所述典型驾驶工况 的构建模型 由至少一 个机型和训练样本细分市场的组合， 以及所述训练样本细分市场的各类别指标对应的原始 工况， 对基于非均匀网格的马尔科 夫‑蒙特卡洛模型进行训练得到； 其中， 所述典型驾驶工况的构建模型的训练方法， 包括： 获取目标机型以及细分市场的目标典型工况长度； 其中， 所述目标机型为用户需要提 取的机型； 所述目标典型工况长度为用户需要提取的典型工况长度； 根据速度的累计函数分布或加速度的累计函数分布， 在速度 ‑加速度分布密集区间自 动生成加密网格， 并在速度 ‑加速度分布稀疏区间进行稀疏划分， 从而得到速度 ‑加速度的 联合二维区间； 将所述速度 ‑加速度的联合二维区间按照预设的编解码方式进行一维编码， 得到一维 状态空间； 其中， 所述 一维状态空间中的每一个编码代 表一个状态； 将时间和车速以及加速度 序列， 与所述状态建立对应关系， 得到时间 ‑状态一维序列； 根据所述时间 ‑状态一维序列确定状态转移关系， 得到状态转移 矩阵； 采用蒙特卡洛模拟的方式对所述状态转移矩阵进行状态转移的模拟， 得到至少一个满 足所述目标典型工况长度的状态序列数据； 针对每一个所述状态序列 数据， 按照所述预设的编 解码方式对所述状态序列 数据进行 解码， 得到解码后的数据； 对所述解码后的数据， 进行对目标机型和细分市场大数据代表性指标的统计， 生成至 少一个对目标机型和细分 市场的原 始工况数据的代 表性评估的指标 结果集； 针对每一个所述代表性评估指标结果集， 分别计算所述指标结果集中的每一项与原始 工况对应项的偏 差值， 并计算所有偏差值的方差大小， 将所有偏差绝对值和方差值求和， 将 结果最小项对应的解码后的目标工况长度的数据作为输入的原始机型和细分市场的典型 驾驶工况； 将原始工况与典型驾驶工况在同种情况下进行油耗经济性测试， 得到所述典型驾驶工 况测试结果以及所述原 始工况的测试 结果； 判断所述典型驾驶工况的测试结果与所述原始工况的测试结果之间是否满足预设的 误差； 若判断出所述典型驾驶工况的测试结果与所述原始工况的测试结果之间不满足预设 的误差， 则对所述基于非均匀网格的马尔科夫 ‑蒙特卡洛模型进 行优化， 直至所述 典型驾驶 工况测试 结果与所述原 始工况的测试 结果之间满足预设的误差 。 2.根据权利要求1所述的构建方法， 其特征在于， 所述对所述目标市场数据集合中的数 据进行预处理， 得到至少一个目标 数据组， 包括： 对所述目标市场数据集 合中的数据按照预设的类别进行划分， 得到 至少一个数据组； 针对每一个所述数据组， 对数据组中的数据进行清洗， 得到第一类目标 数据组； 其中， 所述针对每一个所述目标数据组， 将所述目标数据组输入至典型驾驶工况的构权　利　要　求　书 1/3 页 2 CN 113076697 B 2建模型中， 得到所述目标 数据组对应的典型驾驶工况， 包括： 针对每一个所述第 一类目标数据组， 将所述第 一类目标数据组输入至典型驾驶工况的 构建模型中， 得到所述第一类目标 数据组对应的典型驾驶工况。 3.根据权利要求2所述的构建方法， 其特征在于， 所述针对每一个所述数据组， 对数据 组中的数据进行清洗， 得到第一类目标 数据组之后， 还 包括： 对所述第一类目标 数据组进行短行程划分， 得到短行程的第一类目标 数据组； 剔除所述短行程的第一类目标数据组中的异常值以及对所述短行程的第一类目标数 据组中的异常数据进行清洗， 得到清洗后的第一类目标 数据组； 提取所述清洗后的第 一类目标数据组 的特征， 并根据所述特征对所有所述清洗后的第 一类目标 数据组进行聚类， 得到第二类目标 数据组； 其中， 所述针对每一个所述目标数据组， 将所述目标数据组输入至典型驾驶工况的构 建模型中， 得到所述目标 数据组对应的典型驾驶工况， 包括： 针对每一个所述第 二类目标数据组， 将所述第 二类目标数据组输入至典型驾驶工况的 构建模型中， 得到所述第二类目标 数据组对应的典型驾驶工况。 4.一种典型驾驶工况的构建装置， 其特 征在于， 包括： 第一获取 单元， 用于获取目标市场数据集 合； 预处理单元， 用于对所述目标市场数据集合中的数据进行预处理， 得到至少一个目标 数据组； 输入单元， 用于针对每一个所述目标数据组， 将所述目标数据组输入至典型驾驶工况 的构建模 型中， 得到所述目标数据组对应的典型驾驶工况； 其中， 所述 典型驾驶工况的构建 模型由至少一个机型和训练样本细分市场的组合， 以及所述训练样本细分市场的各类别指 标对应的原 始工况， 对基于非均匀网格的马尔科 夫‑蒙特卡洛模型进行训练得到； 其中， 所述典型驾驶工况的构建模型的训练单 元， 包括： 第二获取单元， 用于获取目标机型以及细 分市场的目标典型工况长度； 其中， 所述目标 机型为用户需要提取的机型； 所述目标典型工况长度为用户需要提取的典型工况长度； 生成单元， 用于根据速度的累计函数分布或加速度的累计函数分布， 在速度 ‑加速度分 布密集区间自动生成加密网格， 并在速度 ‑加速度分布稀疏区间进 行稀疏划分， 从而得到速 度‑加速度的联合 二维区间； 编码单元， 用于将所述速度 ‑加速度的联合二维区间按照预设的编解码方式进行一维 编码， 得到一维状态空间； 其中， 所述 一维状态空间中的每一个编码代 表一个状态； 建立单元， 用于将时间和车速以及加速度序列， 与所述状态建立对应关系， 得到时间 ‑ 状态一维序列； 转移矩阵计算单元， 用于根据时间 ‑状态序列， 便可以确定状态转移关系， 得到状态转 移矩阵； 模拟单元， 用于采用蒙特卡洛模拟的方式对所述状态转移矩阵进行状态转移 的模拟， 得到至少一个满足所述目标典型工况长度的状态序列数据； 解码单元， 用于针对每一个所述状态序列数据， 按照所述预设的编解码方式对所述状 态序列数据进行解码， 得到解码后的数据； 统计单元， 用于对所述解码后的数据， 进行对目标机型和所述训练样本市场中细分市权　利　要　求　书 2/3 页 3 CN 113076697 B 3