(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211033655.X (22)申请日 2022.08.26 (71)申请人 桂林电子科技大 学 地址 541004 广西壮 族自治区桂林市七 星 区金鸡路1号 申请人 东风柳州汽车有限公司 　 柳州职业 技术学院 (72)发明人 李霄　何水龙　邓益民　杨磊光　 陈善彪　施佳能　吴星　谭荣彬　 张宁　徐富水　盘佳狄　玉达泳　 石胜文　申富强　张海峰　李贝　 宁胜花　廖有　 (74)专利代理 机构 贵州派腾知识产权代理有限 公司 521 14 专利代理师 朱雪琼(51)Int.Cl. B60W 30/19(2012.01) B60W 40/00(2006.01) B60W 40/06(2012.01) B60W 40/105(2012.01) B60W 50/14(2020.01) G06V 20/56(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 一种基于自然驾驶数据控制换挡的方法和 装置 (57)摘要 本发明公开了一种基于自然驾驶数据控制 换挡的方法， 包括以下步骤： 获取行驶车辆所在 道路指定 范围内公路信息， 公路信息包括公路类 型、 车道类型； 根据公路信息生成路网信息， 从燃 油经济性最佳驾驶数据集中动态匹配最佳驾驶 行为， 生成换挡决策信息， 决策信息包括最优换 挡挡位； 将换挡决策信息输 出至驾驶端； 其中， 获 取车道类型包括： 提取车道线 图像， 对车道线 图 像执行模糊化处理， 判断和输出车道类型， 车道 类型包括直道、 弯道。 根据上述技术方案， 可以对 商用车的挡位控制进行仿人工智能的模拟控制， 以实现在最佳的时机选择最佳挡位控制， 从而使 商用车具有最佳的燃油经济性。 权利要求书2页 说明书8页 附图3页 CN 115476857 A 2022.12.16 CN 115476857 A 1.一种基于自然驾驶数据控制换挡的方法， 其特 征在于， 包括以下步骤： 获取行驶车辆所在道路指定范围内公路信息， 所述公路信息包括公路类型、 车道类型； 根据所述公路信 息生成路网信 息， 从燃油经济性最佳驾驶数据集中动态匹配最佳驾驶 行为， 生成换挡决策信息， 所述决策信息包括 最优换挡 挡位； 将所述换挡决策信息 输出至驾驶端； 其中， 获取所述车道类型包括： 提取车道线图像， 对所述车道线图像执行模糊化处理， 判断和输出 车道类型， 所述车道类型包括 直道、 弯道。 2.根据权利要求1所述的控制换挡的方法， 其特征在于， 所述从燃油经济性最佳驾驶数 据集中动态匹配最佳驾驶行为前， 采集自然驾驶数据集， 从所述自然驾驶数据集中提取燃 油经济性 最佳驾驶数据集； 采集自然驾驶数据集指： 收集手动挡商用车的自然驾驶数据， 所述自然驾驶数据包括 车辆外形、 挡位系统、 燃油 消耗量、 加速踏板行程、 制动踏板行程、 节气门开度、 车速、 方向盘 转角。 3.根据权利要求2所述的控制换挡的方法， 其特征在于， 从所述自然驾驶数据集中提取 燃油经济性 最佳驾驶数据集包括以下步骤： 从所述自然驾驶数据集中提取 车辆类型识别准确的结果数据集； 从所述结果数据集中进行 车辆类型分类和道路类型分类； 根据所述车辆类型和道路类型筛选燃油经济性最佳驾驶数据集， 所述燃油经济性最佳 驾驶数据集的筛 选标准为燃油消耗 量最小。 4.根据权利要求3所述的控制换挡的方法， 其特征在于， 所述从所述自然驾驶数据集中 提取车辆类型识别准确的结果数据集包括： 从自然驾驶数据集中识别车辆 外形特征， 提取车辆类型识别准确的特 征结果集； 采用聚类分析法依据所述车辆 外形特征输出车辆类型 结果； 其中， 所述 提取车辆外形特征包括初步筛 选和归一 化处理； 所述初步筛选指： 采用损失函数分值对自然驾驶数据集中图像数据的识别结果进行筛 选， 生成特 征结果集， 具体算法为： 其中， Li为损失函数分值， sj为错误判别类得分， syi为正确判别类得分； 如果Li<＝0， 即识别结果 准确， 对应图像数据加入特 征结果集； 所述归一化处理指： 计算所述特征结果集中图像数据的识别准确率概率， 根据识别准 确率概率清除所述特 征结果集对应数据。 5.根据权利要求1所述的控制换挡的方法， 其特征在于， 所述对所述车道线图像执行模 糊化处理指； 对所述车道线所在图像执 行二值化处理， 生成二 值化图像； 优化所述 二值化图像； 搜寻所述 二值化图像的黑白跳跃点， 获取 所述车道线图像的边界； 根据所述图像的边界判断车道类型。权　利　要　求　书 1/2 页 2 CN 115476857 A 26.根据权利要求5所述的控制换挡的方法， 其特 征在于， 所述优化所述 二值化图像指： 判断车道线环境条件是否需要执行补线操作； 所述需要执行补线的环境条件包括： 车 道线缺失、 十 字路口、 匝道、 岔路口； 如果所述环境条件为十字路口且车辆直行， 计算斜率生成优化依据； 如果所述环境条 件为匝道、 岔路口、 十字 路口左拐或右拐计算曲率生成优化依据； 如果所述环 境条件为车道 线缺失， 计算 直线轨迹生成优化依据； 根据所述优化依据对所述 二值化图像执 行补线操作。 7.一种基于自然驾驶数据控制换挡的装置， 其特 征在于， 包括： 驾驶行为获取模块： 用于采集手动挡商用车的自然驾驶数据， 提供燃油 经济性最佳驾 驶数据集； 所述自然驾驶数据包括车辆外形、 挡位系统、 燃油 消耗量、 加速踏板行程、 制动踏 板行程、 节气门开度、 车速、 方向盘转角。 信息感知模块： 用于与第 三方系统交互， 获取行驶车辆所在道路指定范围内公路信 息， 所述公路信息包括公路类型、 车道类型， 其中所述车道信息包括 直道、 弯道； 匹配决策模块： 用于根据所述公路信息生成路网信息， 从燃油 经济性最佳驾驶数据集 中动态匹配最佳驾驶行为， 生成换挡决策信息； 人机交互模块： 用于 输出所述换挡决策信息， 所述决策信息包括 最优换挡 挡位； 其中， 所述信 息感知模块包括道路信 息处理单元， 用于从车道线图像 中判断车道类型， 包括对所述车道线图像执 行模糊化处 理， 判断和输出 车道类型。 8.根据权利要求7 所述的控制换挡的装置， 其特 征在于， 所述驾驶行为获取模块包括： 自然驾驶数据提取 单元： 用于收集手动挡商用车的自然驾驶数据； 神经网络提取单元： 用于从所述自然驾驶数据集中提取车辆类型识别准确的结果数据 集进行初步筛 选； 归一化处理单元： 用于计算所述初步筛选的结果数据集的识别准确率概率， 提取概率 值最高的数据值； 聚类单元： 用于从所述结果数据集中进行 车辆类型分类和道路类型分类； 堆排序单元： 用于根据 所述车辆类型和道路类型， 使用堆排序算法， 筛选燃油经济性最 佳驾驶数据集。 9.根据权利要求7 所述的控制换挡的装置， 其特 征在于， 所述匹配决策模块包括： 路网重组单元： 用于动态整合指定范围内道路行驶环境信 息、 路侧交通环境信 息、 车道 信息， 对路网进行更新与重组， 生成动态行驶环境， 所述动态行驶环境包括道路类型、 车道 类型； 匹配单元： 用于将所述动态道路类型、 车道类型， 结合控制车辆的车辆类型匹配燃油经 济性最佳驾驶数据集中符合目前动态行驶环境的驾驶行为； 决策信息生成单元： 用于根据符合目前动态行驶环境的驾驶行为生成节气 门开度、 车 速、 发动机转矩、 输出最优换挡 挡位。 10.根据权利要求7所述的控制换挡的装置， 其特征在于， 所述道路信息处理单元还包 括图像优化子模块： 用于对所述车道线图像执 行模糊化处 理时， 对不完整的图像进行补全。权　利　要　求　书 2/2 页 3 CN 115476857 A 3