一种汽车驾驶性能测试方法及系统与流程

本发明涉及汽车，特别涉及一种汽车驾驶性能测试方法及系统。

背景技术：

1、随着科技的进步以及生产力的快速发展，汽车已经在人们的日常生活中得到普及，并且极大地方便了人们的生活。其中，驾驶性能作为汽车的关键评价指标之一，是汽车生产厂商以及用户非常关注的对象，其直接影响了客户对整车的认可度。

2、现如今，现有技术对汽车驾驶性能的评估主要分为客观测试以及主观评分，其中，客观测试的结果主要由多组专业指标组成，其数值不易理解，且各指标之间需要进行综合评估才能得出汽车的初步驾驶性能评价结果，此结果全称需要专业的人员进行分析评判，同时该最终结果也是由专业数据以及专业结论组成，导致该评估结果需要向客户进行专业解读才能被理解，同时不能形象的给予客户最直观的评价。另外，主观评分容易受到评估者主观因素的影响，从而导致每个主观评分的结果存在着较大的差异，同时主观性较强，评估范围不全面，从而降低了评估结果的准确性。

3、因此，针对现有技术的不足，提供一种能够客观、快速、准确的测试出汽车驾驶性能的方法很有必要。

技术实现思路

1、基于此，本发明的目的是提供一种汽车驾驶性能测试方法及系统，以客观、快速、准确的测试出汽车的驾驶性能。

2、本发明实施例第一方面提出了：

3、一种汽车驾驶性能测试方法，其中，所述方法包括：

4、当获取到目标车辆时，检测出与所述目标车辆对应的目标车型参数，并对所述目标车辆进行基础测试，以获取到对应的测试结果；

5、获取工作人员实时制定的评分值，并根据所述测试结果以及所述评分值构建出对应的训练数据库；

6、根据所述训练数据库生成对应的训练集以及验证集，并根据所述训练集、所述验证集以及预设机器学习模型训练出对应的评分模型；

7、当检测到待测试车辆时，检测出与所述待测试车辆对应的测试性能参数，并将所述测试性能参数输入至所述评分模型中，以使所述评分模型输出与所述待测试车辆对应的车辆性能评分。

8、本发明的有益效果是：通过实时获取目标车辆的目标车型参数，并进行对应的基础测试，就能够获取到当前车辆的基本参数，进一步的，通过工作人员制定出与当前目标车辆对应的评分值，基于此，能够构建出需要的训练数据库。更进一步的，根据当前训练数据库生成需要的训练集以及验证集，并能够对应训练出需要的评分模型，在此基础之上，在后续测试的过程中，每获取到一辆待测试车辆，只需实时检测出当前待测试车辆的测试性能参数，并对应输入至上述评分模型中，就能够自动、准确的输出对应的车辆性能评分，从而大幅提升了车辆性能测试的效率。

9、进一步的，所述对所述目标车辆进行基础测试，以获取到对应的测试结果的步骤包括：

10、根据所述目标车型参数实时判断所述目标车辆的车辆状态是否满足预设要求；

11、若根据所述目标车型参数实时判断到所述目标车辆的车辆状态满足预设要求，则分别对所述目标车辆进行静态测试以及动态测试，并生成对应的第一测试表以及第二测试表。

12、进一步的，所述对所述目标车辆进行静态测试的步骤包括：

13、当检测到所述目标车辆启动时，基于第一预设规则控制所述目标车辆的变速器依次进入各个挡位，并同时对每一所述挡位进行静态测试，以生成对应的第一测试结果；

14、提取出与所述目标车辆适配的静态测试参数，并构建出所述静态测试参数与所述第一测试结果之间的映射关系，以基于所述映射关系对应生成所述第一测试表。

15、进一步的，所述对所述目标车辆进行动态测试的步骤包括：

16、当检测到所述目标车辆启动时，控制所述目标车辆内部的变速器或者减速器油液温度达到预设温度阈值，并基于第二预设规则依次控制所述目标车辆进入各个预设行驶工况；

17、接收各个所述行驶工况分别对应产生的can信号以及tcu信号，并根据所述can信号以及所述tcu信号生成对应的第二测试结果；

18、提取出与所述目标车辆适配的动态测试参数，并根据所述动态测试参数以及所述第二测试结果对应生成所述第二测试表。

19、进一步的，所述根据所述训练集、所述验证集以及预设机器学习模型训练出对应的评分模型的步骤包括：

20、通过预设算法对所述训练集进行序列化处理，以生成若干对应的特征序列，并获取到与若干所述特征序列适配的随机森林学习模型，所述随机森林学习模型包含若干个决策回归树；

21、将每一所述特征序列对应输入至每一所述决策回归树中，所述决策回归树包含若干个训练特征，并在若干所述训练特征中随机选取出若干目标特征；

22、将所述特征序列对应融合至所述目标特征中，以生成对应的回归决策树模型，并对若干所述回归决策树模型进行整合处理，以对应生成所述评分模型。

23、进一步的，所述在若干所述训练特征中随机选取出若干目标特征的步骤包括：

24、在若干所述训练特征中选取出若干最优切分点，并通过若干所述最优切分点在若干所述训练特征中切分出若干所述目标特征，每一所述目标特征均具有唯一性。

25、进一步的，所述方法还包括：

26、当获取到所述最优切分点时，基于所述最优切分点通过每一所述回归决策树模型对所述验证集进行计算，以输出若干对应的验证值，并通过所述随机森林学习模型对若干所述验证值进行整合处理，以输出对应的预测评分值；

27、实时计算出所述预测评分值与所述评分值之间的误差是否在预设误差阈值内；

28、若实时计算出所述预测评分值与所述评分值之间的误差在所述预设误差阈值内，则对应训练出所述评分模型。

29、本发明实施例第二方面提出了：

30、一种汽车驾驶性能测试系统，其中，所述系统包括：

31、检测模块，用于当获取到目标车辆时，检测出与所述目标车辆对应的目标车型参数，并对所述目标车辆进行基础测试，以获取到对应的测试结果；

32、处理模块，用于获取工作人员实时制定的评分值，并根据所述测试结果以及所述评分值构建出对应的训练数据库；

33、训练模块，用于根据所述训练数据库生成对应的训练集以及验证集，并根据所述训练集、所述验证集以及预设机器学习模型训练出对应的评分模型；

34、测试模块，用于当检测到待测试车辆时，检测出与所述待测试车辆对应的测试性能参数，并将所述测试性能参数输入至所述评分模型中，以使所述评分模型输出与所述待测试车辆对应的车辆性能评分。

35、进一步的，所述检测模块具体用于：

36、根据所述目标车型参数实时判断所述目标车辆的车辆状态是否满足预设要求；

37、若根据所述目标车型参数实时判断到所述目标车辆的车辆状态满足预设要求，则分别对所述目标车辆进行静态测试以及动态测试，并生成对应的第一测试表以及第二测试表。

38、进一步的，所述检测模块还具体用于：

39、当检测到所述目标车辆启动时，基于第一预设规则控制所述目标车辆的变速器依次进入各个挡位，并同时对每一所述挡位进行静态测试，以生成对应的第一测试结果；

40、提取出与所述目标车辆适配的静态测试参数，并构建出所述静态测试参数与所述第一测试结果之间的映射关系，以基于所述映射关系对应生成所述第一测试表。

41、进一步的，所述检测模块还具体用于：

42、当检测到所述目标车辆启动时，控制所述目标车辆内部的变速器或者减速器油液温度达到预设温度阈值，并基于第二预设规则依次控制所述目标车辆进入各个预设行驶工况；

43、接收各个所述行驶工况分别对应产生的can信号以及tcu信号，并根据所述can信号以及所述tcu信号生成对应的第二测试结果；

44、提取出与所述目标车辆适配的动态测试参数，并根据所述动态测试参数以及所述第二测试结果对应生成所述第二测试表。

45、进一步的，所述训练模块具体用于：

46、通过预设算法对所述训练集进行序列化处理，以生成若干对应的特征序列，并获取到与若干所述特征序列适配的随机森林学习模型，所述随机森林学习模型包含若干个决策回归树；

47、将每一所述特征序列对应输入至每一所述决策回归树中，所述决策回归树包含若干个训练特征，并在若干所述训练特征中随机选取出若干目标特征；

48、将所述特征序列对应融合至所述目标特征中，以生成对应的回归决策树模型，并对若干所述回归决策树模型进行整合处理，以对应生成所述评分模型。

49、进一步的，所述训练模块还具体用于：

50、在若干所述训练特征中选取出若干最优切分点，并通过若干所述最优切分点在若干所述训练特征中切分出若干所述目标特征，每一所述目标特征均具有唯一性。

51、进一步的，所述汽车驾驶性能测试系统还包括计算模块，所述计算模块具体用于：

52、当获取到所述最优切分点时，基于所述最优切分点通过每一所述回归决策树模型对所述验证集进行计算，以输出若干对应的验证值，并通过所述随机森林学习模型对若干所述验证值进行整合处理，以输出对应的预测评分值；

53、实时计算出所述预测评分值与所述评分值之间的误差是否在预设误差阈值内；

54、若实时计算出所述预测评分值与所述评分值之间的误差在所述预设误差阈值内，则对应训练出所述评分模型。

55、本发明实施例第三方面提出了：

56、一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上面所述的汽车驾驶性能测试方法。

57、本发明实施例第四方面提出了：

58、一种可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上面所述的汽车驾驶性能测试方法。

59、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。