本技術涉及車輛，特別涉及一種車輛碰撞試驗仿真度預測方法、裝置及電子設備。

背景技術：

1、由于目前智駕技術、零重力座椅等技術的應用，以及車輛外形多樣化、乘員多樣性、車輛內(nèi)飾多樣性等，都使得交通事故形態(tài)日趨復雜化，進而導致車輛碰撞事故受到多種事故關鍵參數(shù)耦合影響。比如，車輛翻滾事故的發(fā)生會受到環(huán)境條件，工況參數(shù)，車輛自身參數(shù)等眾多因素的影響，具有多因素、高耦合的特性，導致在執(zhí)行翻滾試驗時，往往無法預測所設置的試驗參數(shù)是否能夠滿足仿真度要求。

2、相關技術車輛碰撞仿真度的預測通常采用仿真結(jié)合實車試驗的方法。通過仿真模擬試驗條件，選定大致參數(shù)設置范圍，再通過實車試驗，進一步驗證，以提高車輛碰撞的準確性。然而，車輛碰撞是多因素、高耦合試驗形式，仿真軟件中設置的試驗條件與實際試驗相差較大，需要通過實車試驗進一步驗證，但實車試驗成本高，車型參數(shù)發(fā)生變化后還需要重新驗證，無法推廣應用。

技術實現(xiàn)思路

1、本技術提供一種車輛碰撞試驗仿真度預測方法、裝置及電子設備，以解決相關技術中車輛碰撞試驗仿真度預測成本較高，且難以推廣應用等問題。

2、本技術第一方面實施例提供一種車輛碰撞碰撞試驗仿真度預測方法，包括以下步驟：獲取車輛碰撞試驗的訓練集，其中，訓練集中包括試驗參數(shù)樣本和每個樣本對應的碰撞試驗仿真度結(jié)果；計算訓練集中每個試驗參數(shù)劃分訓練集后每個子集的熵值，并根據(jù)熵值計算以試驗參數(shù)劃分訓練集后對應的整體熵值；根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點，根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型，利用預測模型對目標車輛碰撞試驗進行碰撞試驗仿真度預測。

3、可選地，在根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點之前，還包括：識別試驗參數(shù)樣本的數(shù)據(jù)類型；若試驗參數(shù)樣本的數(shù)據(jù)類型為離散類型，則根據(jù)試驗參數(shù)在不同取值下對應的樣本比例、權重及以試驗參數(shù)劃分訓練集后對應的整體熵值確定劃分節(jié)點；若試驗參數(shù)樣本的數(shù)據(jù)類型為連續(xù)類型，則對試驗參數(shù)樣本的取值離散化得到多個離散化取值，根據(jù)每個離散化取值對應的樣本比例、權重及試驗參數(shù)劃分訓練集后對應的整體熵值確定劃分節(jié)點。

4、可選地，離散類型的試驗參數(shù)劃分訓練集后整體熵值的計算公式為：

5、；

6、其中，為離散類型的試驗參數(shù)，d為訓練集，為以試驗參數(shù)劃分訓練集后訓練集的整體熵值，為訓練集d的熵值，為試驗參數(shù)的取值個數(shù)，為訓練集中試驗參數(shù)的取值為的所有試驗參數(shù)樣本組成的子集，為訓練集d的總樣本數(shù)量，為子集的樣本數(shù)量在總試驗參數(shù)樣本數(shù)量中的占比，為子集的熵值。

7、可選地，連續(xù)類型的試驗參數(shù)劃分訓練集后整體熵值的計算公式為：

8、

9、其中，為連續(xù)類型的試驗參數(shù)，為訓練集，為以試驗參數(shù)劃分訓練集后訓練集的整體熵值，為試驗參數(shù)b所有可能的劃分取值的集合，為使用試驗參數(shù)以劃分取值劃分訓練集后訓練集的整體熵值，為訓練集的熵值，為使用試驗參數(shù)以劃分取值劃分訓練集滿足條件的子集，為子集中樣本數(shù)量，為訓練集d的總樣本數(shù)量，為子集的熵值。

10、可選地，根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點，包括：在訓練集的當前劃分階段，計算訓練集的當前整體熵值；基于當前整體熵值確定訓練集在當前劃分階段的劃分節(jié)點；利用劃分節(jié)點將訓練集劃分為多個子訓練集，進入下一個劃分階段，直到滿足劃分停止條件，其中，在每個劃分階段計算訓練集的整體熵值時，忽略上一劃分階段的劃分節(jié)點；根據(jù)多個劃分階段確定訓練集中的多個劃分節(jié)點。

11、可選地，在獲取車輛碰撞試驗的訓練集之前，還包括：獲取車輛歷史碰撞試驗的多個試驗參數(shù)及對應的碰撞試驗結(jié)果；基于車輛歷史碰撞試驗的多個試驗參數(shù)及對應的碰撞試驗仿真度結(jié)果，構建車輛碰撞試驗的訓練集、測試集和驗證集。

12、可選地，在根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型之后，還包括：利用訓練集中的每個劃分節(jié)點劃分驗證集中的試驗參數(shù)樣本；計算驗證集劃分前的試驗參數(shù)樣本在碰撞試驗的仿真度結(jié)果中的第一占比；計算驗證集劃分后的試驗參數(shù)樣本在碰撞試驗的仿真度結(jié)果中的第二占比；計算第一占比和第二占比的差值，根據(jù)差值調(diào)整劃分節(jié)點中對應試驗參數(shù)樣本的碰撞試驗仿真度結(jié)果的類別。

13、可選地，在根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型之后，還包括：利用測試集測試預測模型的預測準確度；若預測準確度低于預設閾值，則優(yōu)化預測模型的劃分節(jié)點。

14、本技術第二方面實施例提供一種車輛碰撞試驗仿真度預測裝置，包括：獲取模塊，用于獲取車輛碰撞試驗的訓練集，其中，訓練集中包括試驗參數(shù)樣本和每個樣本對應的碰撞試驗的仿真度結(jié)果；計算模塊，用于計算訓練集中每個試驗參數(shù)劃分訓練集后每個子集的熵值，并根據(jù)熵值計算以試驗參數(shù)劃分訓練集后對應的整體熵值；生成模塊，用于根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點，根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度預測模型，利用預測模型對目標車輛碰撞試驗進行碰撞試驗仿真度預測。

15、可選地，還包括：識別模塊，用于在根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點之前，識別試驗參數(shù)樣本的數(shù)據(jù)類型；若試驗參數(shù)樣本的數(shù)據(jù)類型為離散類型，則根據(jù)試驗參數(shù)在不同取值下對應的樣本比例、權重及以試驗參數(shù)劃分訓練集后對應的整體熵值確定劃分節(jié)點；若試驗參數(shù)樣本的數(shù)據(jù)類型為連續(xù)類型，則對試驗參數(shù)樣本的取值離散化得到多個離散化取值，根據(jù)每個離散化取值對應的樣本比例、權重及試驗參數(shù)劃分訓練集后對應的整體熵值確定劃分節(jié)點。

16、可選地，離散類型的試驗參數(shù)劃分訓練集后整體熵值的計算公式為：

17、；

18、其中，為離散類型的試驗參數(shù)，d為訓練集，為以試驗參數(shù)劃分訓練集后訓練集的整體熵值，為訓練集d的熵值，為試驗參數(shù)的取值個數(shù)，為訓練集中試驗參數(shù)的取值為的所有試驗參數(shù)樣本組成的子集，為訓練集d的總樣本數(shù)量，為子集的樣本數(shù)量在總試驗參數(shù)樣本數(shù)量中的占比，為子集的熵值。

19、可選地，連續(xù)類型的試驗參數(shù)劃分訓練集后整體熵值的計算公式為：

20、

21、其中，為連續(xù)類型的試驗參數(shù)，為訓練集，為以試驗參數(shù)劃分訓練集后訓練集的整體熵值，為試驗參數(shù)b所有可能的劃分取值的集合，為使用試驗參數(shù)以劃分取值劃分訓練集后訓練集的整體熵值，為訓練集的熵值，為使用試驗參數(shù)以劃分取值劃分訓練集滿足條件的子集，為子集中樣本數(shù)量，為訓練集d的總樣本數(shù)量，為子集的熵值。

22、可選地，生成模塊進一步用于：在訓練集的當前劃分階段，計算訓練集的當前整體熵值；基于當前整體熵值確定訓練集在當前劃分階段的劃分節(jié)點；利用劃分節(jié)點將訓練集劃分為多個子訓練集，進入下一個劃分階段，直到滿足劃分停止條件，其中，在每個劃分階段計算訓練集的整體熵值時，忽略上一劃分階段的劃分節(jié)點；根據(jù)多個劃分階段確定訓練集中的多個劃分節(jié)點。

23、可選地，還包括：構建模塊，用于在獲取車輛碰撞試驗的訓練集之前，獲取車輛歷史碰撞試驗的多個試驗參數(shù)及對應的碰撞試驗的仿真度結(jié)果；基于車輛歷史碰撞試驗的多個試驗參數(shù)及對應的碰撞試驗的仿真度結(jié)果，構建車輛碰撞試驗的訓練集、測試集和驗證集。

24、可選地，還包括：驗證模塊，用于在根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型之后，利用訓練集中的每個劃分節(jié)點劃分驗證集中的試驗參數(shù)樣本；計算驗證集劃分前的試驗參數(shù)樣本在碰撞試驗的仿真度結(jié)果中的第一占比；計算驗證集劃分后的試驗參數(shù)樣本在碰撞試驗的仿真度結(jié)果中的第二占比；計算第一占比和第二占比的差值，根據(jù)差值調(diào)整劃分節(jié)點中對應試驗參數(shù)樣本的碰撞試驗的仿真度結(jié)果的類別。

25、可選地，還包括：測試模塊，用于在根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型之后，利用測試集測試預測模型的預測準確度；若預測準確度低于預設閾值，則優(yōu)化預測模型的劃分節(jié)點。

26、本技術第三方面實施例提供一種電子設備，包括：存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，處理器執(zhí)行程序，以執(zhí)行如上述實施例的車輛碰撞試驗仿真度預測方法。

27、本技術第四方面實施例提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序或指令，計算機程序或指令被處理器執(zhí)行，以執(zhí)行如的車輛碰撞試驗仿真度預測方法。

28、本技術第五方面實施例提供一種計算機程序產(chǎn)品，包括計算機程序或指令，計算機程序或指令被執(zhí)行時，以實現(xiàn)如上述實施例的車輛碰撞試驗仿真度預測方法。

29、由此，本技術至少具有如下有益效果：

30、本技術實施例可以計算每個訓練集中每個試驗參數(shù)劃分訓練集后每個子集的熵值，并根據(jù)熵值計算以該試驗參數(shù)劃分訓練集后訓練集對應的整體熵值，進而根據(jù)每個試驗參數(shù)劃分訓練集后對應的整體熵值逐步確定訓練集中的多個劃分節(jié)點，根據(jù)劃分后的訓練集生成車輛碰撞試驗仿真度的預測模型，從而可以基于預測模型實現(xiàn)對于車輛碰撞試驗仿真度的提前預測，在面對試驗參數(shù)改變時，能夠直接基于預測模型進行碰撞試驗仿真度預測，無需進行實車驗證，效率更高，成本更低，便于推廣，且在預測模型的構建過程中綜合考慮到了多種與車輛碰撞仿真度的相關試驗參數(shù)，預測準確率更高。由此，解決了相關技術中車輛碰撞試驗仿真度預測成本較高，且難以推廣應用等技術問題。

31、本技術附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。