法律状态公告日
法律状态信息
法律状态
2013-02-13
授权
授权
2011-06-15
实质审查的生效 IPC(主分类):G06T17/05 申请日:20101220
实质审查的生效
2011-04-27
公开
公开
技术领域
本发明涉及道路数据的提取与合成技术,具体地说,是一种基于中国道路谱数据库的典型路面提取与合成方法。
背景技术
随着汽车行业的迅速发展,我国已经成为世界汽车工业生产大国,走过了仿制、技术引进及加工生产阶段,已进入自主研发、自主创新的新阶段。在自主研发阶段的汽车工程领域中,路面数据作为车辆的主要外部激励源,无论是室内的各种试验台性能试验还是在计算机中的虚拟仿真分析都离不开基础路面数据的支持。
中国道路谱数据库是在国家科技部863计划项目支持下,在全国范围内展开针对我国各个地区典型道路路面进行统计测量得到的成果,即在通过专用的测量采集设备对路面进行测量,获得大量的路面数据以后,对这些路面数据进行初步的预处理计算得到直接可用的基础路面数据,将这些路面数据有机的组织和管理起来就形成了中国道路谱数据库。
在目前的车辆工程中,试验仿真中大量使用的都只是某个地方非常局部的某条试验路面,或者直接在计算机中仿真生成一条路面,这些路面数据都不能真正代表这个地区的道路路面特点,因此在工程中非常需要一条典型路面,该路面不能太长但又具有该地区道路的各种路面特征,即具有典型性,可代表这个地区的路面特点,而现有技术中还缺乏一种用于典型路面提取和合成的方法。
发明内容
基于工程应用的需要,本发明的目的是提供一种典型路面的提取和合成的方法,在针对中国道路谱数据库中大量的路面试验数据统计分析的基础上,提炼与合成了可以代表某个地区的典型路面,广泛用于汽车各种试验和虚拟仿真分析。
为达到以上目的,本发明采用的技术方案如下:
一种基于中国道路谱数据库的典型路面提取与合成方法,包括以下步骤:
第一步(S1):路面特征参数提取
从中国道路谱数据库中提取M个样本路段的N个指标作为典型路面提取的
基础参数,M和N均为正整数;
第二步(S2):利用雷达图分析法计算归一化面积,包括:
S2-1:将步骤S1中M个样本路段的N个指标的数据绘制于雷达图中,计算
基础参数的N维均值闭环曲线;
S2-2:按照 对基础参数的N个指标进行量纲统一,其中表示第i个数据路段在第j维上的样本值,表示第j维上的均值,表示第i个样本路段量纲统一后的样本参数值,i=1,…,M,j=1,…,N;
S2-3:按照分别计算M个样本路段的闭环面积,其中,为第i个数据路段的闭环面积,;
第三步(S3):使用均值目标分析法提取最优路段样本,包括:
S3-1:根据S2-3中得出M个样本路段的闭环面积的大小进行排序,获得样本面积排序序列;
S3-2:设定目标合成路面的长度为km,组合路段的长度为km,从而确定组合路段的个数,按照组合路段个数在样本面积排序序列上以长度为进行等长度分组,其中的整数部分;
S3-3:在步骤S3-2所得的每个样本组的条路段中利用均值目标分析法确定最优化的条样本路段,的取值根据需要合成道路的长度和计算机的配置情况确定,且;
第四步(S4):使用标准差目标分析法再次提取最优化路段样本:
S4-1:从S3-3中每组选取的条样本路段中随机抽取一条路段与其他组
中抽取的路段组合起来,形成条路段组合的目标样本路段,达到目标合成路段的长度,并计算该组合路段参数数据的标准差,选择所有组合中标准差最接近样本的组合作为最终抽取的目标样本路段;
S4-2:将S4-1中抽取出的目标样本路段的时域序列数据随机排列并平滑过渡连接起来,生成最终典型路面的合成路面。
用户通过分析中国典型汽车道路谱数据库中的大量路面试验数据,在针对路面特征参数统计分析的基础上,使用雷达图分析工具,逐步的提取出可以代表该地区道路路面特点的典型路段,通过对选出的典型路段进行有机的平滑连接即可得到需要的典型路面。
所述N个指标包括路面标准起伏、国际平整度指数以及路面八级分级的8个比例系数。
所述均值目标分析法提取最优路段样本按照
计算每个样本的归一化值,选取每个分组的个数据路段中归一化值最小的个数据路段作为最优化路段样本,其中为权衡系数,为权衡指数,,,分别表示N边形第维上的最大值,最小值和平均值。
所述标准差目标分析法再次提取最优化路段样本中,按照
计算合成路段各维数据标准差与M个样本路段中各维数据标准差的差异程度,选取最小的路段组合,即为最终挑选出的典型路段组合,其中表示选取路段数据各维上的标准差,表示M个样本路段数据各维上的标准差。
本发明的显著效果是:针对中国道路谱数据库的大量试验数据,获得可表征路面特点的特征参数,在统计分析的基础上,使用雷达图分析工具,合理高效的合成了具有代表性的、高度浓缩的典型路面。该典型路面可用于汽车工程中各种试验台性能试验的路面输入使用;也可用于各种虚拟仿真软件中,形成有地域特点的、有代表性的三维数字化路面。
附图说明
图1是中国道路谱数据库组成结构示意图;
图2是道路路面的特征十个参数表;
图3是北京地区的所有路段特征参数的雷达图;
图4是抽取的典型路段示意图;
图5是合成以后的典型路面曲线示意图。
具体实施方式
以下将参照附图,对本发明的实施例及其工作原理进行详细的描述。
一种基于中国道路谱数据库的典型路面提取与合成方法,包括以下步骤:
第一步(S1):路面特征参数提取
从中国道路谱数据库中提取M个样本路段的N个指标作为典型路面提取的
基础参数,M和N均为正整数;
如图1所示,中国道路谱数据库的结构,显示了数据库的覆盖范围和层次
结构,在具体实施过程中,通过中国道路谱数据库的查询界面对数据库中大量试验数据进行分析,在这里N取10,即提取10个指标作为该典型路面提取的基础参数。
如图2所示,所述10个指标包括路面标准起伏(路面不平度曲线的标准差)、国际平整度指数和路面八级分级的8个比例系数。
第二步(S2):利用雷达图分析法计算归一化面积,包括:
S2-1:将步骤S1中M个样本路段的N个指标的数据绘制于雷达图中,计算
基础参数的N维均值闭环曲线;
以北京地区的路面数据为例,整个北京地区有效测量路段为831.9公里,以100米为一个分析段长,就将会有8319个分析样本数据,即M=8319,将这些路面数据的10个指标数据全部绘制于雷达图中,其结果如图3所示。
S2-2:按照对基础参数的10个指标进行量纲统一,其中表示第i个数据路段在第j维上的样本值,表示第j维上的均值,表示第i个样本路段量纲统一后的样本参数值,这里i=1,…,8319,而j=1,…,10;
S2-3:按照分别计算M个样本路段的闭环面积,其中,N=10,M=8319,为第i个数据路段的闭环面积,;
第三步(S3):使用均值目标分析法提取最优路段样本,包括:
S3-1:根据S2-3中得出M个样本路段的闭环面积的大小进行排序,获得样本面积排序序列;
S3-2:设定目标合成路面的长度为km,组合路段的长度为km,从而确定组合路段的个数,按照组合路段个数在样本面积排序序列上以长度为进行等长度分组,其中的整数部分,即将面积排序序列中的8319个路段分成20组,,在具体处理过程中,去掉序列中前9个数据和后10个数据,选取中间的8300个数据按每组=415个数据等分为20组;
S3-3:在步骤S3-2所得的每个样本组的条路段中利用均值目标分析法确定最优化的条样本路段,的取值根据需要合成道路的长度和计算机的配置情况确定,且,一般情况,这里我们取;
所谓均值目标分析法提取最优路段样本按照
计算每个样本的归一化值,选取每个分组的L个数据路段中归一化值最小的n’个数据路段作为最优化路段样本,其中为权衡系数,为权衡指数,,,分别表示N边形第维上的最大值,最小值和平均值,这里取=1,=2。
第四步(S4):使用标准差目标分析法再次提取最优化路段样本:
S4-1:从S3-3中每组选取的2条样本路段中随机抽取一条路段与其他组
中抽取的条路段组合起来,形成n条路段组合的目标样本路段,达到目标合成路段的长度,并计算该组合路段参数数据的标准差,选择所有组合中标准差最接近样本的组合作为最终抽取的目标样本路段,最终选取图4中所示的20个样本路段作为目标样本路段;
所述标准差目标分析法再次提取最优化路段样本中,按照
计算合成路段各维数据标准差与M个样本路段中各维数据标准差的差异程度,选取最小的路段组合,即为最终挑选出的典型路段组合,其中表示选取路段数据各维上的标准差,表示M个样本路段数据各维上的标准差。
S4-2:将S4-1中抽取出的目标样本路段的时域序列数据随机排列并平滑过渡连接起来,生成最终典型路面的合成路面,其结果如图5所示。
本发明的工作原理是:
典型路面的提取与合成实际上是一个多目标优化问题,即雷达图中的十维数据,是十个目标优化问题。为了使优化更有效和简化简洁,如果能将多目标优化问题简化为单目标优化问题,则可以大大的简化计算,因此想到计算十维路面参数数据形成的折线闭环的面积,运用这个面积来衡量和评价提取路段,这样就将多目标(十个)优化问题简化为单目标优化问题。在计算面积时,由于雷达图的各维数据轴上的物理量代表的意义和单位都不相同,因此各维上参数数据的满量程和刻度的步长就严重的影响了折线闭环面积大小,因此需要采用一种方法来统一整个十维数据的量纲,即使各维的刻度之间找到一个等价关系。本算法采用了“均值等价”的量纲统一方法,每维数据轴上的数据都除以该数据轴的均值,达到折线闭环的面积量纲统一。
在每个分组的样本数据中,假设影响路面因素有十维即10个目标分别为,,……,,对于每一个目标函数都有其最优值,即为每一维的平均值。如果所有这些目标的最优解对应的都相同,设为,那么只要在这点,所有的目标都同时达到各自的最优值,否则,就向量函数来说,向量仅是一个理想点,我们要做的就是在每维上找一点,使与的偏差最小,此时目标的最优值就离理想点越近,解就更优,因此我们可以在这个10维空间定义一个模:
再次利用归一化原理,可得:
此处,权重系数=1,得非劣解=2,,,分别表示十边形第i维上的最大值,最小值和平均值。的值越小表示该距离越小,就越接近理想点。其优化方法更能体现数据之间的差异性。
采用标准差目标分析法,对每个分组选出的n’条候选路段随机抽取出一条,与其它分组抽取的路段组合起来,形成目标合成路段。然后计算该合成路段各维数据的标准差,再通过计算合成路段各维数据标准差与整个样本各维数据标准差的差异程度,公式中表示挑选路段数据各维上的标准差,即小样本的标准差;表示所有路段数据各维上的标准差,即大样本的标准差。值越小,小样本标准差与大样本标准差的差异就越小。针对候选路段的各种组合情况,选取为最小时的路段组合,即为最终挑选出的典型路段组合。
本发明的上述实施例仅是为了解释和说明,其目的并不是本发明限定在具体说明的范围,按照上述原则还可以进行显而易见的变更或修改,因此,所有此类修改和变更都在本发明所限定的权利要求之内。
机译: 基于谱数据的样本分类方法,创建数据库的方法,使用该数据库和适当计算机程序的方法,驱动器和系统
机译: 基于谱数据的样本分类方法创建数据库的方法,使用该数据库的方法以及对应的计算机程序数据存储介质和系统
机译: 基于谱数据的样本分类方法,创建数据库的方法和使用该数据库的方法以及相应的计算机程序,数据存储介质和系统