(19)中华 人民共和国 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 202111449492.9 (22)申请日 2021.11.30 (71)申请人 贵州英利智能控制系统有限公司 地址 550000 贵州省贵阳市经济技 术开发 区松花江路111号(红林公司营业楼 一 层4号) (72)发明人 杨黎娜　刘峰　张庆铭　毛永涛　 毛青　姚凯学　刘光林　 (74)专利代理 机构 贵州派腾知识产权代理有限 公司 521 14 代理人 唐斌 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 基于XGBoost模型的路况感知方法 (57)摘要 本发明公开了一种基于XGBoost模 型的路况 感知方法， 包括： 采集道路的振动数据， 进行特征 提取后输入训练好的XGBoost模型， 识别出道路 上的不平路况。 XGBoo st模型的训练过程为： 采 集 道路的振动数据样本， 标记出不平整路段的数 据， 进行低通滤波， 去除旋转设备 以及共振引起 的高频分量， 采用SmoteEnn算法对样本进行均衡 化处理， 使用XGBoo st模型进行训练和测试。 本发 明提出的路况感知算法利用智能手机终端采集 汽车运行期间的振动数据以此提取主要特征进 行处理， 识别出具体的路况信息， 并将具体的路 况感知情况和GP S信息进行记录 。 权利要求书2页 说明书9页 附图4页 CN 114399739 A 2022.04.26 CN 114399739 A 1.一种基于XGBoost模型的路况感知方法， 其特征在于包括： 采集道路的振动数据， 进 行特征提取后输入训练好的XGBo ost模型， 识别出道路上的不平路况。 2.根据权利要求1所述基于XGBoost模型的路况感知方法， 其特征在于XGBoost模型的 训练过程为： 采集道路的振动数据样本， 标记出不平整路段的数据， 进行低通滤波， 去除旋 转设备以及共振引起的高频分量， 采用SmoteEnn算法对样本进行均衡化处理， 使用XGBoost 模型进行训练和 测试。 3.根据权利要求2所述基于XGBo ost模型的路况感知方法， 其特 征在于具体步骤为： 第一步 采集数据， 通过手机采集设备IP、 时间、 三轴加速度、 GPS信息、 车速等信息， 三 轴加速度分别用x、 y、 z表示； 第二步 判断车速用于排除由于开关门等非道路因素引起的加速度波动； 第三步 将三轴加速度的均方根 进行低通滤波处理去除发动机等 转动设备的高频干扰； 第四步 提取特征， 将三轴加速度、 三轴加速度的RMS、 车速、 相邻两条加速度之差的绝 对值Abs_Acc＝|Ai‑Ai‑1|、 相邻两条三轴加速度的RMS之差的绝对值δ＝|RMSi‑RMSi‑1|作为用 于XGBoost模型分类的特 征； 第五步 将特征值传入XGBo ost模型得到路况的预测值； 第六步 如果是平顺路段标记 ’type’＝0,如果不是平顺路段则跟上一次标记的异常路 段的时间进行 的对比， 如果小于阈值时间则判断为是同一个异常路段， 如果大于阈值时间 则标记为 新的异常路段， 并记录当前时间、 GP S信息。 4.根据权利要求2所述基于XGBo ost模型的路况感知方法， 其特 征在于： SmoteEnn算法的输入： 路况数据集X＝{(x1,y1),(x2,y2), …(xn,yn)},数据集中少数 类异常路况数据样本数量T， 少数类异常样本需要增加的倍数N％以及少数类异常路况数据 的最近邻数据的点的个数 K； SmoteEnn算法的输出： 含有(N/10 0)*T个新 合成的数据均衡的路况 数据集； SmoteEnn算法的具体步骤： (1)判断N是否小于100， 如果小于100说明合成样本的数量少于少数类样本的原始数 量， 这时要在原有的少数类异常路况数据样本中随机选择T*N％个样本作为合成样本的依 据； (2)对X中的少数类异常路况数据样本中的每个数据样本(xi,yi)求其在 X中的K个最近 邻的点Xi nn,nn∈{1,2, …,K}； (3)从Xinn中选取任意一个样本Xiab,计算其余当前遍历样本Xicd的向量差， 将此差跟 0‑1之间的随机数相乘， 再加上当前遍历样本就得到了一个新的少数类异常数据类样本xs ＝xicd+(xiab‑xicd)*rand(0,1)； (4)根据KNN算法对新生成的数据样本进行预测分类， 如果跟其K近邻样本的大部分类 型相同则保存该 数据， 如果 不同则删除； (5)重复(3) ‑(4)步骤， 直到得到(N/100)*T个少数类异 常路况数据样本， 并将此样本添 加入原样本中。 5.根据权利要求1 ‑4任一项所述基于XGBoost模型的路况感知方法， 其特征在于： 采用权　利　要　求　书 1/2 页 2 CN 114399739 A 2智能手机进行数据采集， 手机搭载的三轴加速度传感器和陀螺仪， 手机分别在两个位置采 集数据， 一是将手机固定在主驾方向盘左侧的空调出风口， 二是将手机固定在副驾的座位 下方， 分别对两个位置的振动数据进行采集， 采集频率 为40‑60Hz。 6.根据权利要求5所述基于XGBoost模型的路况感知方法， 其特征在于： 采用录音 的方 式对收集加速度数据的全过程进 行录音， 然后通过人工标记的方式对采集到的数据集进 行 标记。 7.根据权利要求5所述基于XGBoost模型的路况感知方法， 其特征在于： 在低通滤波阈 值的选取 上采用汽车的发动机振动频率作为低通滤波阈值。 8.根据根据权利要求5所述基于XGBoost模型的路况感知 方法， 其特征在于： XGBoost算 法采用CART树作为基分类器， XGBoost树模型由多 棵CART树组成， 每棵CART树对样 本进行预 测， 预测的结果进行累加求和， 最后通过Sigmoid函数将其映射到0 ‑1的区间来表示分类结 果的概率， 它的目标函数由损失函数和正则项两 部分组成。 9.根据权利要求5所述基于XGBoost模型的路况感知方法， 其特征在于： 通过修改每个 特征值的权 重来进一 步优化该算法， 提高模型的适应性。权　利　要　求　书 2/2 页 3 CN 114399739 A 3