[发明专利]典型行驶路面识别方法、系统、计算机及可读存储介质

权利要求书

1.一种典型行驶路面识别方法，其特征在于，所述方法包括：

获取车辆的簧下加速度信号、车速信号以及训练行驶路面集，其中，所述训练行驶路面集包括若干模板路面类型；

根据所述簧下加速度信号，计算第一信号特征，根据所述簧下加速度信号与所述车速信号，计算第二信号特征；

将所述训练行驶路面集输入预设分类模型中，将每个所述模板路面类型编写为预设位数的纠错码，基于若干所述纠错码对所述预设分类模型进行训练，以得到训练分类模型；

将所述第一信号特征与所述第二信号特征输入所述训练分类模型中，输出路面识别结果。

2.根据权利要求1所述的典型行驶路面识别方法，其特征在于，所述根据所述车速信号，计算第一信号特征的步骤包括：

计算所述簧下加速度信号在时域的均方根值rms，以得到第一信号特征：

式中，f(t)为簧下加速度信号，N为簧下加速度信号中信号点的数量。

3.根据权利要求1所述的典型行驶路面识别方法，其特征在于，所述根据所述簧下加速度信号与所述车速信号，计算第二信号特征的步骤包括：

将所述簧下加速度信号分为若干段数据段，根据所述车速信号分别计算每个所述数据段的单边功率谱G_xx(f)：

式中，R_xx(τ)为簧下加速度信号的自相关函数，f为空间域采样频率，Fs为时域采样频率，为平均车速，τ为簧下加速度信号，j为虚数符号；

将所有所述数据段对应的单边功率谱G_xx(f)相加并取平均值，以得到空间功率密度谱pxx(n)；

根据所述空间功率谱密度pxx(n)计算所述簧下加速度信号在低频区与高频区的能量分布比值η：

式中，n为空间频率，S₁为所述簧下加速度信号在低频区的能量分布，S₂为所述簧下加速度信号在高频区的能量分布。

4.根据权利要求1所述的典型行驶路面识别方法，其特征在于，所述将所述训练行驶路面集输入预设分类模型中，将每个所述模板路面类型编写为预设位数的纠错码，基于若干所述纠错码对所述预设分类模型进行训练，以得到训练分类模型的步骤包括：

将所述训练行驶路面集输入预设分类模型中，将每个所述模板路面类型编写为预设位数的二进制的纠错码；

提取所有所述模板路面类型对应纠错码在各个位数上的训练特征，并将所述训练特征整合为训练数据集；

通过所述训练数据集对所述预设分类模型进行训练，以得到训练分类模型。

5.根据权利要求4所述的典型行驶路面识别方法，其特征在于，所述通过所述训练数据集对所述预设分类模型进行训练，以得到训练分类模型的步骤包括：

定义训练数据集的不纯度Gini(D)：

式中，D为训练数据集，m为训练数据集中的元组数量，p_i为任意一个元组属于C_i的概率，C_i为训练数据集中被分类的子集类型；

将训练数据集D划分为第一子集D₁与第二子集D₂，并计算划分后的基尼指数Gini_A(D)：

式中，Gini(D₁)为第一子集D₁的不纯度，Gini(D₂)为第二子集D₂的不纯度；

选取所述基尼指数Gini_A(D)最小时所对应的第一子集D₁与第二子集D₂，并将该第一子集D₁与该第二子集D₂作为分类子集；

基于所述分类子集在所述预设分类模型中训练与所述纠错码的位数对应的决策树，以得到训练分类模型。