车辆性能曲线趋势拟合方法、装置、设备及存储介质与流程

技术特征：
1.一种车辆性能曲线趋势拟合方法，其特征在于，所述车辆性能曲线趋势拟合方法还包括：获取车辆性能曲线的初始毛刺标尺；将所述初始毛刺标尺的标量值作为唯一超参的取值，遍历所述车辆性能曲线的每一个点，获得所有拐点；将所述所有拐点中的毛刺拐点剔除，并将剩余拐点进行趋势拟合，获得拐点趋势线。2.如权利要求1所述的车辆性能曲线趋势拟合方法，其特征在于，所述获取车辆性能曲线的初始毛刺标尺，包括：接收标尺指定指令，根据所述标尺指定指令确定车辆性能曲线的初始毛刺标尺；或，通过机器学习获取车辆性能曲线的各毛刺标尺的优化目标函数值，将最小的优化目标函数值对应的毛刺标尺作为所述车辆性能曲线的初始毛刺标尺。3.如权利要求2所述的车辆性能曲线趋势拟合方法，其特征在于，所述通过机器学习获取车辆性能曲线的各毛刺标尺的优化目标函数值，将最小的优化目标函数值对应的毛刺标尺作为所述车辆性能曲线的初始毛刺标尺，包括：以预设最小尺度单位为步长，确定车辆性能曲线中各步长对应的毛刺标尺；基于机器学习获得车辆性能曲线中各毛刺标尺对应的各趋势线；获取各趋势线对应的各优化目标函数值，将最小的优化目标函数值对应的毛刺标尺作为所述车辆性能曲线的初始毛刺标尺。4.如权利要求3所述的车辆性能曲线趋势拟合方法，其特征在于，所述基于机器学习获得车辆性能曲线中各毛刺标尺对应的各趋势线，包括：基于机器学习分别以各毛刺标尺对应的标尺量为起点遍历所述车辆性能曲线的每一个点，获得各毛刺标尺分别对应的有效拐点，通过所述有效拐点形成各毛刺标尺对应的各趋势线。5.如权利要求3所述的车辆性能曲线趋势拟合方法，其特征在于，所述获取各趋势线对应的各优化目标函数值，将最小的优化目标函数值对应的毛刺标尺作为所述车辆性能曲线的初始毛刺标尺，包括：获取各趋势线对应的趋势线有效拐点数量，拐点权重及曲线均方误差，所述曲线均方误差为所述趋势线与所述车辆性能曲线的原始曲线的均方误差；通过下式计算获得各趋势线的优化目标函数值：优化目标函数值＝min(趋势线有效拐点数量*拐点权重 曲线均方误差)从各优化目标函数值中挑选出最小的优化目标函数值，并将最小的优化目标函数值对应的毛刺标尺作为所述车辆性能曲线的初始毛刺标尺。6.如权利要求1所述的车辆性能曲线趋势拟合方法，其特征在于，所述将所述初始毛刺标尺的标量值作为唯一超参的取值，遍历所述车辆性能曲线的每一个点，获得所有拐点，包括：将所述初始毛刺标尺的标量值作为唯一超参的取值，遍历所述车辆性能曲线的每一个点，将左右趋势不同的点作为拐点，获得所述车辆性能曲线的所有拐点。7.如权利要求1所述的车辆性能曲线趋势拟合方法，其特征在于，所述将所述所有拐点
中的毛刺拐点剔除，并将剩余拐点进行趋势拟合，获得拐点趋势线，包括：依次检查每一个拐点，获取每一个当前拐点与其相邻拐点的高度差；在所述高度差小于预设高度差阈值时，将所述高度差对应的当前拐点作为毛刺拐点；将所有拐点中的毛刺拐点剔除，获得剩余的目标拐点集合，并通过所述目标拐点集合中的所有拐点进行直线相连，生成拐点趋势线。8.一种车辆性能曲线趋势拟合装置，其特征在于，所述车辆性能曲线趋势拟合装置包括：初始标尺获取模块，用于获取车辆性能曲线的初始毛刺标尺；遍历模块，用于将所述初始毛刺标尺的标量值作为唯一超参的取值，遍历所述车辆性能曲线的每一个点，获得所有拐点；拟合模块，用于将所述所有拐点中的毛刺拐点剔除，并将剩余拐点进行趋势拟合，获得拐点趋势线。9.一种车辆性能曲线趋势拟合设备，其特征在于，所述车辆性能曲线趋势拟合设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆性能曲线趋势拟合程序，所述车辆性能曲线趋势拟合程序配置为实现如权利要求1至7中任一项所述的车辆性能曲线趋势拟合方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有车辆性能曲线趋势拟合程序，所述车辆性能曲线趋势拟合程序被处理器执行时实现如权利要求1至7中任一项所述的车辆性能曲线趋势拟合方法的步骤。

技术总结
本发明公开了一种车辆性能曲线趋势拟合方法、装置、设备及存储介质，所述方法通过获取车辆性能曲线的初始毛刺标尺；将所述初始毛刺标尺的标量值作为唯一超参的取值，遍历所述车辆性能曲线的每一个点，获得所有拐点；将所述所有拐点中的毛刺拐点剔除，并将剩余拐点进行趋势拟合，获得拐点趋势线，能够提高趋势线的真实性和准确性，加快了车辆性能曲线趋势提取的速度和效率，节省了车辆性能曲线趋势提取耗费的时间，避免了趋势失真，为交通数据分析及应用提供了有效依据。应用提供了有效依据。应用提供了有效依据。


技术研发人员：余亮 陈秀 余翔宇
受保护的技术使用者：东风商用车有限公司
技术研发日：2021.08.31
技术公布日：2021/12/6