CN109895714A - 一种挡位值的确定方法及装置 - Google Patents

Abstract

本发明提供了一种挡位值的确定方法及装置，该方法包括：获取目标车辆的车辆数据，根据车辆数据，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，若是，获取预设挡位值计算模型，基于预设挡位值计算模型以及车辆数据，确定目标车辆的挡位值。通过本发明提供的挡位值的确定方法及装置，可以对车辆数据进行数据处理进而确定出挡位值，不再需要额外安装挡位值传感器，进而也不会增加成本。

Description

一种挡位值的确定方法及装置

技术领域

本发明涉及数据处理领域，更具体的说，涉及一种挡位值的确定方法及装置。

背景技术

手动挡车辆的驾驶员在驾驶车辆的过程中，通过操作变速杆来控制发动机和驱动轮的动力传输，以达到提高车速或者提高动力的目的。变速杆的挡位信息可以作为分析车辆运行的动力性和经济性的数据来源。

现有技术中，手动挡车辆上并没有安装有采集挡位信息的设备，若想采集到挡位信息，只能是在车辆上额外安装挡位传感器来采集挡位信息，但是额外安装挡位传感器会提高成本。

发明内容

有鉴于此，本发明提供一种挡位值的确定方法及装置，以解决只能是在车辆上额外安装挡位传感器来采集挡位信息，但是额外安装挡位传感器会提高成本的问题。

为解决上述技术问题，本发明采用了如下技术方案：

一种挡位值的确定方法，包括：

获取目标车辆的车辆数据；

根据所述车辆数据，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；

若所述目标车辆未处于所述怠速停车状态且未处于所述空挡行驶状态，获取预设挡位值计算模型；所述预设挡位值计算模型用于确定所述目标车辆的挡位值；

基于所述预设挡位值计算模型以及所述车辆数据，确定所述目标车辆的挡位值。

优选地，所述预设挡位值计算模型的构建过程包括：

获取样本车辆的车辆数据样本；

对所述车辆数据样本进行数据清洗，得到第一目标车辆数据样本；所述第一目标车辆数据样本表征所述样本车辆既未处于所述怠速停车状态且未处于空挡行驶状态；

基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型。

优选地，基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型，包括：

计算所述第一目标车辆数据样本对应的目标样本车辆的车轮半径；

根据所述第一目标车辆数据样本以及所述车轮半径，计算所述目标样本车辆的传动比估计值；

基于所述第一目标车辆数据样本以及所述传动比估计值，计算所述目标样本车辆的样本挡位值以及挡位值置信度；

基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型。

优选地，基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型，包括：

基于所述第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本；

基于所述第二目标车辆数据样本，计算得到置信度区间；

基于所述第二目标车辆数据样本，筛选出对应的挡位值置信度位于所述置信度区间的数据样本，并作为第三目标车辆数据样本；

基于所述第三目标车辆数据样本以及所述第三目标车辆数据样本对应的样本挡位值，确定所述预设挡位值计算模型。

优选地，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，包括：

获取怠速停车判断条件以及空挡行驶判断条件；

基于所述怠速停车判断条件，判断所述目标车辆是否未处于怠速停车状态；

基于所述空挡行驶判断条件，判断所述目标车辆是否未处于空挡行驶状态。

优选地，获取目标车辆的车辆数据之后，还包括：

若所述目标车辆处于所述空挡行驶状态，将所述目标车辆的挡位值设置为空挡。

一种挡位值的确定装置，包括：

数据获取模块，用于获取目标车辆的车辆数据；

状态确定模块，用于根据所述车辆数据，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；

模型获取模块，用于若所述状态确定模块确定出所述目标车辆未处于所述怠速停车状态且未处于所述空挡行驶状态，获取预设挡位值计算模型；所述预设挡位值计算模型用于确定所述目标车辆的挡位值；

挡位确定模块，用于基于所述预设挡位值计算模型以及所述车辆数据，确定所述目标车辆的挡位值。

优选地，还包括模型构建模块，所述模型构建模块包括：

数据获取子模块，用于获取样本车辆的车辆数据样本；

数据清洗子模块，用于对所述车辆数据样本进行数据清洗，得到第一目标车辆数据样本；所述第一目标车辆数据样本表征所述样本车辆既未处于所述怠速停车状态且未处于空挡行驶状态；

模型生成子模块，用于基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型。

优选地，所述模型生成子模块包括：

半径计算单元，用于计算所述第一目标车辆数据样本对应的目标样本车辆的车轮半径；

传动比计算单元，用于根据所述第一目标车辆数据样本以及所述车轮半径，计算所述目标样本车辆的传动比估计值；

置信度计算单元，用于基于所述第一目标车辆数据样本以及所述传动比估计值，计算所述目标样本车辆的样本挡位值以及挡位值置信度；

模型确定单元，用于基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型。

优选地，所述模型确定单元包括：

第一筛选子单元，用于基于所述第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本；

区间计算子单元，用于基于所述第二目标车辆数据样本，计算得到置信度区间；

第二筛选子单元，用于基于所述第二目标车辆数据样本，筛选出对应的挡位值置信度位于所述置信度区间的数据样本，并作为第三目标车辆数据样本；

模型确定子单元，用于基于所述第三目标车辆数据样本以及所述第三目标车辆数据样本对应的样本挡位值，确定所述预设挡位值计算模型。

相较于现有技术，本发明具有以下有益效果：

本发明提供了一种挡位值的确定方法及装置，获取目标车辆的车辆数据，根据所述车辆数据，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，若是，获取预设挡位值计算模型，基于所述预设挡位值计算模型以及所述车辆数据，确定所述目标车辆的挡位值。通过本发明提供的挡位值的确定方法及装置，可以对车辆数据进行数据处理进而确定出挡位值，不再需要额外安装挡位值传感器，进而也不会增加成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种挡位值的确定方法的方法流程图；

图2为本发明实施例提供的另一种挡位值的确定方法的方法流程图；

图3为本发明实施例提供的再一种挡位值的确定方法的方法流程图；

图4为本发明实施例提供的又一种挡位值的确定方法的方法流程图；

图5为本发明实施例提供的第五种挡位值的确定方法的方法流程图；

图6为本发明实施例提供的一种挡位值的确定装置的结构示意图。

具体实施方式

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，都属于本发明保护的范围。

本发明实施例提供了一种挡位值的确定方法，该挡位值的确定方法可以应用于车辆上的控制器，如电子控制单元ECU。

参照图1，挡位值的确定方法可以包括：

S11、获取目标车辆的车辆数据。

其中，车辆数据包括车辆配置信息以及车辆行驶数据。

车辆配置数据为识别挡位所需的车辆静态信息。该车辆静态信息为车辆的固有属性，在出厂时已配置好。

可以从车厂、司机、汽车配置说明书等渠道获取车辆静态信息，车辆静态信息可以包括配装变速器型号、各挡传动比i_gh、配装主减速器型号及其传动比i₀、轮胎型号、车轮自由半径r₀、空载静力半径r_s、滚动半径标定值r_r，传动系机械效率η_T、稳定怠速转速EngSpd_thr，车重M，标称满载车重M_full。

其中，各挡传动比i_gh的具体内容如下：

表1各挡传动比数值

其中，m代表目标车辆变速器配置最高前进挡位，h代表任意挡位，1≤h≤m。

车辆行驶数据是车辆在行驶过程中产生的数据，可以通过车辆上安装的传感器采集得到，车辆行驶数据可以包括：

车速信号：VhlSpd，单位km/h；

转速信号：EngSpd，单位rpm；

扭矩信号：EngTrq，单位N·m，若无实际扭矩，可使用扭矩百分比代替，即EngTrqPct，单位％；

加速踏板信号：AccPad，单位％，指踏板深度百分比；

ABS介入信号：ABSIntrvn；

辅助制动状态：Re tarder；

在数据采集时，应不低于每1s进行一次车辆行驶数据采样，若不用识别车辆的空挡状态，可将采样频率要求降低为至少每30s进行一次采样，车辆配置信息以及车辆行驶数据构成一个信号向量X：

X＝(VhlSpd,EngSpd,EngTrq,η_T,AccPad,ABSIntrvn,

Re tarder,i_gh,i₀,r₀,r_s,r_r,M,M_full)

S12、确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；若未处于怠速停车状态且未处于空挡行驶状态，执行步骤S13；若处于空挡行驶状态，执行步骤S15。

具体的，根据车辆数据，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态。

其中，目标车辆处于怠速停车状态是指车辆在怠速停车，在怠速停车时，可以以任何挡位停车，所以不对挡位进行识别。

目标车辆处于空挡行驶状态是指目标车辆正在行驶时切换空挡，让车靠惯性滑行，这时候发动机转速和车速没有关系，车辆处于真正的空挡。

S13、获取预设挡位值计算模型。

预设挡位值计算模型用于确定目标车辆的挡位值。

其中，预设挡位值计算模型是依据大量的车辆数据样本通过机器学习算法建立及学习得到。

S14、基于预设挡位值计算模型以及车辆数据，确定目标车辆的挡位值。

当得到预设挡位值计算模型以及车辆数据后，可以直接将信号向量X输入到预设挡位值计算模型中，就可以输出得到目标车辆的挡位值。

需要说明的是，若目标车辆与构建预设挡位值计算模型时使用的样本车辆为同车型且配置相同变速器及主减速器时，X可降维为：

X＝(VhlSpd,EngSpd,EngTrq,η_T,AccPad,ABSIntrvn,Re tarder)

即将降维后的X输入到预设挡位值计算模型中，就可以得到目标车辆的挡位值。

S15、将目标车辆的挡位值设置为空挡。

具体的，若目标车辆处于空挡行驶状态，说明车辆处于真正的空挡，此时挡位值为0挡或N挡。

本实施例中，获取目标车辆的车辆数据，根据车辆数据，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，若是，获取预设挡位值计算模型，基于预设挡位值计算模型以及车辆数据，确定目标车辆的挡位值。实时挡位值对于车辆动力性分析、车辆经济性分析、驾驶行为分析、载重分析等研究方向具有重要意义，为车辆数据研究增加了重要维度。通过本发明实施例，可以仅利用从车联网数据平台获取到的低频且有限的信号数据精准识别出实时挡位值，不再需要额外安装挡位值传感器，进而也不会增加成本。

可选的，在上述任一实施例的基础上，参照图2，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，包括：

S21、获取怠速停车判断条件以及空挡行驶判断条件。

S22、基于怠速停车判断条件，判断目标车辆是否未处于怠速停车状态。

具体的，怠速停车判断条件包括：

.1)车辆静止，即车速满足VhlSpd≈0。

式中≈指代VhlSpd受信号采集局限，可允许在0附近存在波动，但建议不超过3km/h。

需要说明的是，本方案中的建议值均为实际应用中某种情形的范围，在其他应用环境中根据实际情形进行设定。

2)发动机转速接近怠速转速，即转速满足EngSpd≈EngSpd_thr。

其中，EngSpd_thr为稳定怠速转速，单位rpm，式中≈指EngSpd可允许在EngSpd_thr邻域区间内存在波动，但建议不超过±100rpm。

当满足上述1)和2)条件时，即判定为目标车辆处于怠速停车状态，此时车辆停止，不对挡位进行识别，即此时的信号向量X对应的挡位识别结果为：

X—停车怠速

S23、基于空挡行驶判断条件，判断目标车辆是否未处于空挡行驶状态。

具体的，当车辆状态不满足怠速停车判断条件时，即认为目标车辆在行驶中。行驶中的目标车辆，根据信号向量X确定目标车辆是否空挡行驶状态。

空挡行驶判断条件包括：

1)车速值是否超过限定阈值，即车速需满足VhlSpd＞VhlSpd_thr。

其中VhlSpd_thr为车速阈值，单位km/h。

2)发动机转速接近怠速转速，即转速满足EngSpd≈EngSpd_thr。

其中，EngSpd_thr为稳定怠速转速，单位rpm，式中≈指代EngSpd可允许在EngSpd_thr邻域区间内取值。

3)发动机扭矩不为较大负值，并且不为较大正值，即扭矩满足

EngTrq_{thr_low}＜＜EngTrq＜＜EngTrq_{thr_hi}。

其中，EngTrq_{thr_low}为负扭矩阈值，单位N·m，为负值，EngTrq_{thr_hi}为正扭矩阈值，单位N·m，为正值，＜＜为数值对比标志，代表远小于，建议将至少相差500rpm定义为远小于。

4)加速踏板处于非踩下状态，即加速踏板信号满足AccPad≈0。

式中≈指代AccPad受信号采集局限，可允许在0附近存在波动，但建议不超过3。当在非怠速停车(即不满足怠速停车判断条件)状态下，满足上述四个条件即判定车辆处于行驶空挡状态，即此时的信号向量X对应的挡位识别结果为：

X—0挡(N挡)

本实施例中，给出了判断车辆是否处于怠速停车状态或空挡行驶状态的判断条件，进而可以根据本实施例提供的条件确定车辆状态。

可选的，在上述任一实施例的基础上，参照图2，预设挡位值计算模型的构建过程包括：

S21、获取样本车辆的车辆数据样本。

其中，对样本车辆的数量以及型号不做限定，可以是各种型号的车辆，也可以是同一型号但是配置有不同的变速器或主减速器的车辆。车辆的型号越多，则构建的预设挡位值计算模型能够适应更多型号的车辆。

可以从车联网数据平台获取车辆数据样本，车辆数据样本包括的内容可以参考目标车辆的车辆数据包括的内容。优选地，车辆数据样本中的车辆行驶数据需要每种变速器型号达到至少采样6万条或样本车辆行驶5000km的数据。

S22、对车辆数据样本进行数据清洗，得到第一目标车辆数据样本。

其中，第一目标车辆数据样本表征样本车辆既未处于怠速停车状态且未处于空挡行驶状态；

具体的，步骤S22可以包括：

1)从车辆数据样本中确定出待剔除车辆数据样本。

待剔除车辆数据样本表征样本车辆处于怠速停车状态或空挡行驶状态。

具体的，获取上述实施例中的怠速停车判断条件以及空挡行驶判断条件，判断每一车辆数据样本是否满足怠速停车判断条件或空挡行驶判断条件，若满足，则认为是待剔除车辆数据样本。

2)将车辆数据样本中除待剔除车辆数据样本之外的车辆数据样本作为第一目标车辆数据样本。

将车辆数据样本中的待剔除车辆数据样本删除，剩余车辆数据样本组成第一目标车辆数据样本。第一目标车辆数据样本表征该第一目标车辆数据样本对应的样本车辆未处于怠速停车状态且未处于空挡行驶状态。

S23、基于第一目标车辆数据样本，生成预设挡位值计算模型。

可选的，在本实施例的基础上，参照图4，步骤S23可以包括：

S41、计算第一目标车辆数据样本对应的目标样本车辆的车轮半径。

具体的，车轮半径r，单位m，由车轮自由半径r₀、空载静力半径r_s、滚动半径标定值r_r、车重M，标称满载车重M_full、车速信号VhlSpd计算得到。具体车轮半径计算公式如下：

公式中所有半径参数单位均为m，式中M和M_full单位均为kg。

若上述车重M、标称满载车重M_full无法获取，可使用r≈r_s≈r_r进行近似，但r会受载重状态及车速影响。

S42、根据第一目标车辆数据样本以及车轮半径，计算目标样本车辆的传动比估计值。

具体的，由当前车速信号VhlSpd、转速信号EngSpd、主减速器传动比i₀和车轮半径r计算传动比估计值

S43、基于第一目标车辆数据样本以及传动比估计值，计算目标样本车辆的样本挡位值以及挡位值置信度。

具体的，求得的传动比估计值与i_gh对应的表1中的数值进行对比，样本挡位值计算公式为：

公式中，k即为估算的样本挡位值，k为自然数，且k＝1,2,....,m，上述公式含义为，将样本挡位值估算为使有最小值的i_gk所对应的k挡，同时输出挡位值置信度k_C：

即对于每个第一目标车辆数据样本，得到一组输出结果(k挡，挡位值置信度k_C)。

S44、基于第一目标车辆数据样本、样本挡位值以及挡位值置信度，确定预设挡位值计算模型。

可选的，在本实施例的基础上，参照图5，步骤S44可以包括：

S51、基于第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本。

具体的，预设阈值可以设定为1，即步骤S51为筛查出满足k_C＜1的k_C，并确定出筛选出的k_C所对应的第一目标车辆数据样本，并作为第二目标车辆数据样本。

S52、基于第二目标车辆数据样本，计算得到置信度区间。

具体的，在步骤S51筛选出的k_C符合正态分布的假设下，求k_C分布的3σ区间，得到置信度区间(k_{C_low},k_{C_hi})。

S53、基于第二目标车辆数据样本，筛选出对应的挡位值置信度位于置信度区间的数据样本，并作为第三目标车辆数据样本。

具体的，将从步骤S51筛选出的k_C中再次筛选出介于置信度区间(k_{C_low},k_{C_hi})中的k_C，再次筛选出的k_C对应的第二目标车辆数据样本可以作为第三目标车辆数据样本。

S54、基于第三目标车辆数据样本以及第三目标车辆数据样本对应的样本挡位值，确定预设挡位值计算模型。

使用步骤S53中筛选得到的第三目标车辆数据样本以及每一第三目标车辆数据样本对应的样本挡位值k，利用机器学习构建预设挡位值计算模型。

具体的，将每一第三目标车辆数据样本设置为信号向量X，选取逻辑回归算法，输入变量为X：

X＝(VhlSpd,EngSpd,EngTrq,η_T,AccPad,ABSIntrvn,

Re tarder,(i_gh),i₀,r₀,r_s,r_r,M,M_full)

需要说明的是，当所适用车辆为同车型且配置相同变速器及主减速器时，X可降维为：

X＝(VhlSpd,EngSpd,EngTrq,η_T,AccPad,ABSIntrvn,Re tarder)

所求样本挡位值为训练机器学习算法所需标签y，即y＝k。

通过机器学习算法建立及学习，求得y＝f(X)的函数对应关系，获得的f(·)即为非空挡状态挡位值精准识别函数，也即预设挡位值计算模型。

本实施例中，给出了具体构建预设挡位值计算模型的过程，进而可以根据通过本发明实施例构建的预设挡位值计算模型来确定车辆的实时挡位值。

可选的，在上述挡位值的确定方法的实施例的基础上，本发明的另一实施例提供了一种挡位值的确定装置，参照图6，可以包括：

数据获取模块101，用于获取目标车辆的车辆数据；

状态确定模块102，用于根据车辆数据，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；

模型获取模块103，用于若所述状态确定模块确定出所述目标车辆未处于所述怠速停车状态且未处于所述空挡行驶状态，获取预设挡位值计算模型；预设挡位值计算模型用于确定目标车辆的挡位值；

挡位确定模块104，用于基于预设挡位值计算模型以及车辆数据，确定目标车辆的挡位值。

进一步，还包括：

挡位设置模块，用于若目标车辆处于空挡行驶状态，将目标车辆的挡位值设置为空挡。

本实施例中，获取目标车辆的车辆数据，根据车辆数据，确定目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，若是，获取预设挡位值计算模型，基于预设挡位值计算模型以及车辆数据，确定目标车辆的挡位值。实时挡位值对于车辆动力性分析、车辆经济性分析、驾驶行为分析、载重分析等研究方向具有重要意义，为车辆数据研究增加了重要维度。通过本发明实施例，可以仅利用从车联网数据平台获取到的低频且有限的信号数据精准识别出实时挡位值，不再需要额外安装挡位值传感器，进而也不会增加成本。

需要说明的是，本实施例中的各个模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

可选的，在上述任一挡位值的确定装置的实施例的基础上，状态确定模块102可以包括：

条件获取子模块，用于获取怠速停车判断条件以及空挡行驶判断条件；

第一判断子模块，用于基于怠速停车判断条件，判断目标车辆是否未处于怠速停车状态；

第二判断子模块，用于基于空挡行驶判断条件，判断目标车辆是否未处于空挡行驶状态。

本实施例中，给出了判断车辆是否处于怠速停车状态或空挡行驶状态的判断条件，进而可以根据本实施例提供的条件确定车辆状态。

需要说明的是，本实施例中的各个模块和子模块的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

可选的，在上述任一挡位值的确定装置的实施例的基础上，还包括模型构建模块，模型构建模块包括：

数据获取子模块，用于获取样本车辆的车辆数据样本；

数据清洗子模块，用于对车辆数据样本进行数据清洗，得到第一目标车辆数据样本；第一目标车辆数据样本表征样本车辆既未处于怠速停车状态且未处于空挡行驶状态；

模型生成子模块，用于基于第一目标车辆数据样本，生成预设挡位值计算模型。

进一步，模型生成子模块包括：

半径计算单元，用于计算第一目标车辆数据样本对应的目标样本车辆的车轮半径；

传动比计算单元，用于根据第一目标车辆数据样本以及车轮半径，计算目标样本车辆的传动比估计值；

置信度计算单元，用于基于第一目标车辆数据样本以及传动比估计值，计算目标样本车辆的样本挡位值以及挡位值置信度；

模型确定单元，用于基于第一目标车辆数据样本、样本挡位值以及挡位值置信度，确定预设挡位值计算模型。

进一步，模型确定单元包括：

第一筛选子单元，用于基于第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本；

区间计算子单元，用于基于第二目标车辆数据样本，计算得到置信度区间；

第二筛选子单元，用于基于第二目标车辆数据样本，筛选出对应的挡位值置信度位于置信度区间的数据样本，并作为第三目标车辆数据样本；

模型确定子单元，用于基于第三目标车辆数据样本以及第三目标车辆数据样本对应的样本挡位值，确定预设挡位值计算模型。

本实施例中，给出了具体构建预设挡位值计算模型的过程，进而可以根据通过本发明实施例构建的预设挡位值计算模型来确定车辆的实时挡位值。

需要说明的是，本实施例中的各个模块、子模块、单元和子单元的工作过程，请参照上述实施例中的相应说明，在此不再赘述。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种挡位值的确定方法，其特征在于，包括：

获取目标车辆的车辆数据；

根据所述车辆数据，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；

若所述目标车辆未处于所述怠速停车状态且未处于所述空挡行驶状态，获取预设挡位值计算模型；所述预设挡位值计算模型用于确定所述目标车辆的挡位值；

基于所述预设挡位值计算模型以及所述车辆数据，确定所述目标车辆的挡位值。

2.根据权利要求1所述的确定方法，其特征在于，所述预设挡位值计算模型的构建过程包括：

获取样本车辆的车辆数据样本；

对所述车辆数据样本进行数据清洗，得到第一目标车辆数据样本；所述第一目标车辆数据样本表征所述样本车辆既未处于所述怠速停车状态且未处于空挡行驶状态；

基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型。

3.根据权利要求2所述的确定方法，其特征在于，基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型，包括：

计算所述第一目标车辆数据样本对应的目标样本车辆的车轮半径；

根据所述第一目标车辆数据样本以及所述车轮半径，计算所述目标样本车辆的传动比估计值；

基于所述第一目标车辆数据样本以及所述传动比估计值，计算所述目标样本车辆的样本挡位值以及挡位值置信度；

基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型。

4.根据权利要求3所述的确定方法，其特征在于，基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型，包括：

基于所述第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本；

基于所述第二目标车辆数据样本，计算得到置信度区间；

基于所述第二目标车辆数据样本，筛选出对应的挡位值置信度位于所述置信度区间的数据样本，并作为第三目标车辆数据样本；

基于所述第三目标车辆数据样本以及所述第三目标车辆数据样本对应的样本挡位值，确定所述预设挡位值计算模型。

5.根据权利要求1所述的确定方法，其特征在于，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态，包括：

获取怠速停车判断条件以及空挡行驶判断条件；

基于所述怠速停车判断条件，判断所述目标车辆是否未处于怠速停车状态；

基于所述空挡行驶判断条件，判断所述目标车辆是否未处于空挡行驶状态。

6.根据权利要求1所述的确定方法，其特征在于，获取目标车辆的车辆数据之后，还包括：

若所述目标车辆处于所述空挡行驶状态，将所述目标车辆的挡位值设置为空挡。

7.一种挡位值的确定装置，其特征在于，包括：

数据获取模块，用于获取目标车辆的车辆数据；

状态确定模块，用于根据所述车辆数据，确定所述目标车辆是否未处于怠速停车状态且未处于空挡行驶状态；

模型获取模块，用于若所述状态确定模块确定出所述目标车辆未处于所述怠速停车状态且未处于所述空挡行驶状态，获取预设挡位值计算模型；所述预设挡位值计算模型用于确定所述目标车辆的挡位值；

挡位确定模块，用于基于所述预设挡位值计算模型以及所述车辆数据，确定所述目标车辆的挡位值。

8.根据权利要求7所述的确定装置，其特征在于，还包括模型构建模块，所述模型构建模块包括：

数据获取子模块，用于获取样本车辆的车辆数据样本；

数据清洗子模块，用于对所述车辆数据样本进行数据清洗，得到第一目标车辆数据样本；所述第一目标车辆数据样本表征所述样本车辆既未处于所述怠速停车状态且未处于空挡行驶状态；

模型生成子模块，用于基于所述第一目标车辆数据样本，生成所述预设挡位值计算模型。

9.根据权利要求8所述的确定装置，其特征在于，所述模型生成子模块包括：

半径计算单元，用于计算所述第一目标车辆数据样本对应的目标样本车辆的车轮半径；

传动比计算单元，用于根据所述第一目标车辆数据样本以及所述车轮半径，计算所述目标样本车辆的传动比估计值；

置信度计算单元，用于基于所述第一目标车辆数据样本以及所述传动比估计值，计算所述目标样本车辆的样本挡位值以及挡位值置信度；

模型确定单元，用于基于所述第一目标车辆数据样本、所述样本挡位值以及所述挡位值置信度，确定所述预设挡位值计算模型。

10.根据权利要求9所述的确定装置，其特征在于，所述模型确定单元包括：

第一筛选子单元，用于基于所述第一目标车辆数据样本，筛选出对应的挡位值置信度小于预设阈值的数据样本，并作为第二目标车辆数据样本；

区间计算子单元，用于基于所述第二目标车辆数据样本，计算得到置信度区间；

第二筛选子单元，用于基于所述第二目标车辆数据样本，筛选出对应的挡位值置信度位于所述置信度区间的数据样本，并作为第三目标车辆数据样本；

模型确定子单元，用于基于所述第三目标车辆数据样本以及所述第三目标车辆数据样本对应的样本挡位值，确定所述预设挡位值计算模型。