一种新能源汽车运行安全性能评价体系构建方法

摘要

本发明公开了一种基于新能源汽车全车数据的运行安全评价体系构建方法，使用DBSCAN算法对车辆运行过程中产生的数据进行异常数据筛除后，对数据进行标准化处理；将新能源车辆运行过程中的数据按照安全类别进行归类，计算各项数据指标对于安全性能评估的权重，选取权重最大的若干指标作为评价安全性能的特征指标；使用贝叶斯网络建立新能源汽车运行安全性能评价模型，使用过往故障车辆的数据对模型评价的准确性进行验证，并对模型进行修正以提高模型评估的精度。本发明通过收集车辆运行过程中产生的数据，建立新能源汽车整车运行及安全性能数据库，基于数据库建立新能源汽车运行安全性能评价模型，为新能源汽车安全性能评价提供了量化分析的依据。

说明书

技术领域

本发明属于安全评价领域，更具体地，涉及一种新能源汽车运行安全性能评价体系构建方法。

背景技术

随着电池技术的不断成熟，全世界新能源汽车保有量与日俱增，但在新能源汽车在民用车中的占比不断上升的同时，新能源汽车安全问题频发。无论是在道路上发生的事故，或是车辆停车期间发生的自燃，或是新能源汽车电控系统发生的故障，目前关于新能源汽车安全性能评估方面的工作还不够完善，无法实现新能源汽车运行安全的实时评估与监测。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提出了一种新能源汽车运行安全性能评价体系构建方法，以解决新能源汽车安全风险防控方面存在的，考虑因素不全面、风险评估不准确的问题。

为实现上述目的，本发明提供了一种新能源汽车运行安全性能评价体系构建方法，包括：

(1)实时获取新能源汽车运行过程中的数据，确定新能源汽车运行状态，构建新能源汽车整车运行及安全性能数据库，其中，所述新能源汽车整车运行及安全性能数据库包括各种新能源汽车运行数据及其所对应的安全类别；

(2)对所述新能源汽车整车运行及安全性能数据库中的异常数据进行筛除，而后对筛选过的数据进行标准化处理；

(3)将标准化处理后的数据按照安全类别进行归类，并计算各个指标数据对于其所属的安全性能评估的权重，选取其中权重最大的若干个指标数据作为评价安全性能的特征指标数据；

(4)基于选取的特征指标数据，使用贝叶斯网络的方法建立新能源汽车运行安全性能评价模型，使用过往故障新能源汽车的数据对贝叶斯网络评价的准确性进行验证，并在此基础上对模型进行修正，获得新能源汽车运行安全等级。

在一些可选的实施方案中，步骤(2)包括：

(2.1)对于所述新能源汽车整车运行及安全性能数据库中的各数据，若在该数据中包含的缺失值数据数量大于第一预设数量且包含的有效值数据数量小于第二预设数量时，对该数据进行删除；若在该数据中包含的缺失值数据数量小于第三预设数量时，使用均值插补的方法填补缺失值；

(2.2)使用DBSCAN算法对经过缺失值处理后的新能源汽车运行数据进行聚类，将数据划分到各个簇里，没有被划分在簇里的数据作为异常数据，若异常数据的数量小于第四预设数量，则删除异常值或者替换异常值，若异常数据数量大于第五预设数量，则将该类数据删除；

(2.3)对经过异常值处理后的数据进行标准化处理，以统一数据的量纲。

在一些可选的实施方案中，步骤(3)包括：

(3.1)将标准化处理后的数据按照对新能源汽车运行安全的影响分为两类，其中，将指标数据数值越高，新能源汽车安全性能越好的指标数据称为正向指标；将指标数据数值越高，新能源汽车安全性能越差的指标数据称为负向指标；

(3.2)将正向指标数据和负向指标数据进行归一化处理，并用归一化后的数据替换归一化之前的数据；

(3.3)计算第j项指标数据下第i个样本值占该指标数据的比重，然后由第j项指标数据下第i个样本值占该指标数据的比重计算第j项指标的熵值，由第j项指标的熵值计算第j项指标数据的信息熵冗余度，由第j项指标数据的信息熵冗余度计算各项指标对于其所属的安全的权重，选取其中权重最大的若干个指标数据作为评价安全性能的特征指标数据。

在一些可选的实施方案中，由

在一些可选的实施方案中，由

在一些可选的实施方案中，由

在一些可选的实施方案中，由d

在一些可选的实施方案中，由

在一些可选的实施方案中，步骤(4)包括：

搭建三层贝叶斯网络作为新能源汽车运行安全性能评估模型，以选取的特征指标数据作为先验参数，以新能源汽车运行安全等级作为后验参数，计算贝叶斯网络中的条件概率表，完成贝叶斯网络的构建。

在一些可选的实施方案中，所述贝叶斯网络包括：指标层、安全层和评价层，其中，所述指标层由选取出的特征指标数据构成；安全层分为主动安全、被动安全、动力控制系统安全和电池系统安全；评价层为新能源汽车运行安全等级。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明可以解决目前新能源汽车运行安全评估时效性差、准确性低等问题。能够实时记录新能源汽车运行过程中产生的数据，对整车的运行状况进行实时监测，从而通过安全性能评估模型对新能源汽车运行安全等级进行判别，具有实时准确的特点，对新能源汽车运行安全状态监测有一定的保障，可减少因新能源汽车运行故障导致的事故及损失。

附图说明

图1是本发明实施例提供的一种新能源汽车运行安全性能评价体系构建方法流程示意图；

图2是本发明实施例提供的一种方法流程框架图；

图3是本发明实施例提供的一种新能源汽车运行安全评估贝叶斯网络示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

在本发明实例中，“第一”、“第二”等是用于区别不同的对象，而不必用于描述特定的顺序或先后次序。

本发明从主动安全、被动安全、动力控制系统安全以及电池安全四个方面收集数据，通过建立安全性能评价模型，对新能源汽车运行安全等级进行评定。本发明以新能源汽车运行过程中采集到的各类数据作为安全性能评价模型的输入，以数据作为判断的依据，可以对新能源汽车安全性能进行实时评估，在检测到安全风险时，实时对驾驶员及车辆控制系统发出预警，以达到新能源汽车运行安全风险防控的目的。

如图1及图2所示是本发明实施例提供的一种新能源汽车运行安全性能评价体系构建方法流程示意图，包括以下步骤：

S1：实时获取新能源汽车运行过程中的数据，确定新能源汽车运行安全状态，构建新能源汽车整车运行及安全性能数据库，其中，新能源汽车整车运行及安全性能数据库包括各种新能源汽车运行数据及其所对应的安全类别；

在本发明实施例中，新能源汽车整车运行及安全性能数据库中的数据由新能源汽车自身传感器及加装的汽车传感器采集的数据构成。

在新能源汽车上安装胎压检测器、车载雷达等传感设备，利用车辆CAN(Controller Area Network)总线、OBUII(On Board Unit II)以及BMS(BatteryManagement System)电池管理系统采集新能源汽车行驶过程中电池以及新能源汽车其他部件数据，如获取新能源汽车运行过程中的轮胎胎压、车载ADAS(Advanced DrivingAssistance System)数据、转向助力数据、制动系统安全状态、电池温度、绝缘电阻、车道偏离、安全气囊工作状态、座椅防撞设计、外部短路保护、过充过放保护、DC-DC状态监测、MCU(Motor Control Unit)功能安全等参数，以这些参数确定新能源汽车的运行状态，并将这些数据进行存储、整合，构建新能源汽车运行及安全性能数据库，存储在新能源汽车上，并上传到云端。同时，根据各类参数所表征的不同新能源汽车运行安全类型，将所有的参数根据其表征的安全类型分为四类，分别是车辆主动安全相关数据、车辆被动安全相关数据、动力控制系统安全相关数据和电池安全相关数据。各种新能源汽车运行数据及其所对应的安全类型如下表1所示。

表1

S2：对新能源汽车整车运行及安全性能数据库中的异常数据进行筛除，而后对保留的数据进行标准化处理；

在本发明实施例中，步骤S2可以通过以下方式实现：

S2.1：缺失值处理：对于新能源汽车整车运行及安全性能数据库中的各数据，若在该数据中包含的缺失值数量大于第一预设数量且包含的有效值数量小于第二预设数量时，对该数据进行删除；若在该数据中包含的缺失值数量小于第三预设数量时，使用均值插补的方法填补缺失值；

具体地，对于定距型数据，以该数据中存在值的平均值来插补缺失的值；对于非定距型数据，根据众数原理，使用该数据的众数来补齐缺失值。

S2.2：异常值处理：使用DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)算法对经过缺失值处理后的新能源汽车运行数据进行聚类，将数据划分到各个簇里，没有被划分在簇里的数据作为异常数据，若异常数据的数量小于第四预设数量，则删除异常值或者替换异常值(如对于量化数据，使用平均值或中位数替代异常值)，若异常数据数量大于第五预设数量，则将该类数据删除；

其中，第一预设数量、第二预设数量、第三预设数量、第四预设数量及第五预设数量可以根据实际需要确定，本发明实施例不做唯一性限定。

S2.3：对经过异常值处理后的数据进行标准化处理，以统一数据的量纲。

具体地，可以通过

S3：将标准化处理后的数据按照安全类别进行归类，并计算各个指标数据对于各种安全性能评估的权重，选取其中权重最大的若干个指标数据作为评价安全性能的特征指标数据；

在本发明实施例中，步骤S3可以通过以下方式实现：

S3.1：异质指标同质化：将标准化处理后的数据按照对新能源汽车运行安全的影响分为两类，其中，将指标数据数值越高，新能源汽车安全性能越好的指标数据称为正向指标；将指标数据数值越高，新能源汽车安全性能越差的指标数据称为负向指标；

S3.2：将正向指标数据和负向指标数据进行归一化处理，并用归一化后的数据替换归一化之前的数据；

具体地，由

S3.3：计算第j项指标数据下第i个样本值占该指标数据的比重，然后由第j项指标数据下第i个样本值占该指标数据的比重计算第j项指标的熵值，由第j项指标的熵值计算第j项指标数据的信息熵冗余度，由第j项指标数据的信息熵冗余度计算各项指标对于其所属的安全的权重，选取其中权重最大的若干个指标数据作为评价安全性能的特征指标数据。

具体地，由

由

由d

由

S4：基于选取的特征指标数据，使用贝叶斯网络的方法建立新能源汽车运行安全性能评价模型，使用过往故障新能源汽车的数据对贝叶斯网络评价的准确性进行验证，并在此基础上对模型进行修正，获得新能源汽车运行安全等级。

其中，为构建新能源汽车运行安全评估模型，搭建三层贝叶斯网络。以安全性能特征指标作为先验参数，以新能源汽车运行安全等级作为后验参数，以此来计算贝叶斯网络中的条件概率表，完成贝叶斯网络的构建。

具体地，将新能源汽车整车运行及安全性能数据库中的数据作为输入，通过新能源汽车运行安全性能评价模型的计算，即可获得新能源汽车运行安全等级。

将故障新能源汽车的运行数据作为输入，通过模型得出预估的新能源汽车运行安全状态，并将模型输出的安全状态与新能源汽车实际的安全状态进行比较，可以获得模型评估的准确度，若准确度高于80％，则认定该模型能准确评估新能源汽车运行安全状态。若准确度低于80％，则考虑调整对模型的输入参数及贝叶斯网络的条件概率表进行修改，并返回步骤S3。

在本发明实施例中，用于新能源汽车运行安全性能评价的模型为贝叶斯网络；贝叶斯网络有三层，分别是指标层、安全层和评价层，且指标层由选取出的特征指标数据构成；安全层分为主动安全、被动安全、动力控制系统安全和电池系统安全；评价层为新能源汽车运行安全等级。

依照贝叶斯定理，可以计算贝叶斯网络中各个节点发生的概率。

式中，P(A|B)表示在事件B发生的条件下，事件A发生的概率；

P(A∩B)表示事件A与事件B同时发生的概率；

P(B)表示事件B发生的概率。

其中，如图3所示，指标层，为贝叶斯网络的输入，其参数来源为新能源汽车整车运行参数数据库，包含用于表征新能源汽车四种运行安全的特征指标，其为四类安全状态中每类安全状态所对应的权重最高的若干个指标。

安全层，为贝叶斯网络的中间层，该层次包含四种安全性能表征节点。分别是四类新能源汽车运行安全状态(主动安全、被动安全、动力控制系统安全和电池安全)。根据贝叶斯定理，由指标层可以计算得到安全层新能源汽车运行安全所处四种状态的概率。

评价层，是贝叶斯网络的最底层，也是贝叶斯网络的输出层，评价层包含新能源汽车运行安全等级评价节点。将安全层计算得到的概率作为先验概率，配合贝叶斯网络中的条件概率表，即可计算新能源汽车所对应的四类运行安全等级的概率，对应概率最高的等级即为系能源汽车运行安全等级，即输出结果为新能源汽车运行安全等级。输出的新能源汽车运行安全等级将分为四级，分别是优、良、中、差。“优”表示新能源汽车运行安全状况优秀，新能源汽车不会发生故障，从而影响新能源汽车安全；“良”表示新能源汽车运行安全状况良好，新能源汽车部分部件可能发生故障，但不会影响新能源汽车正常运行；“中”表示新能源汽车运行安全状况不佳，新能源汽车的部分部件极有可能发生故障，需要进行系统的新能源汽车安全状况诊断，否则新能源汽车安全会受到影响；“差”表示新能源汽车运行安全状况极差，新能源汽车运行关键部件受损，新能源汽车已无法正常运作。

需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。