买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉德州新凌志检测设备有限公司申请的专利一种面向智能网联汽车试验台测试数据的智能分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120832538B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511339788.3，技术领域涉及：G06F18/2321；该发明授权一种面向智能网联汽车试验台测试数据的智能分析方法是由田雪松;黄万友;张鹏;安家山;褚瑞霞;梁超;崔震中;高云川;李敏;刘忠开设计研发完成，并于2025-09-19向国家知识产权局提交的专利申请。

本一种面向智能网联汽车试验台测试数据的智能分析方法在说明书摘要公布了：本发明涉及数据处理技术领域，尤其涉及一种面向智能网联汽车试验台测试数据的智能分析方法，该方法采集每个采样时刻的车辆运动学数据，得到多维目标时序数据，构建特征空间，将多维目标时序数据映射在特征空间上，得到多个数据点；针对特征空间中的任一核心点，将任一核心点之外的一个数据点作为待判断点，获取任一核心点与待判断点之间的距离优化因子以及任一核心点的局部流形非协变度，对任一核心点与待判断点之间的欧式距离进行优化，得到聚类距离；根据特征空间中每两个数据点之间的聚类距离，对所有数据点进行聚类，得到至少一个聚类簇，用于对驾驶行为模式进行自动化识别，通过距离优化，能够识别出更多具有实际工程意义的动态工况。

本发明授权一种面向智能网联汽车试验台测试数据的智能分析方法在权利要求书中公布了：1.一种面向智能网联汽车试验台测试数据的智能分析方法，其特征在于，所述方法包括： 在智能网联汽车在试验台架上运行时，采集每个采样时刻的车辆运动学数据，得到多维目标时序数据，根据车辆运动学数据包含的数据维度，构建特征空间，将所述多维目标时序数据映射在所述特征空间上，得到多个数据点； 针对所述特征空间中的任一核心点，将所述任一核心点之外的一个数据点作为待判断点，获取所述任一核心点的初始邻域内每个数据点的瞬时运动向量的模长平方，得到模长平方的均值，记为所述任一核心点的局部运动能量基准值；获取所述任一核心点与所述待判断点之间的位移向量，计算所述位移向量与所述任一核心点的瞬时运动向量之间的夹角，将所述夹角作为正弦函数的自变量，得到所述任一核心点与所述待判断点之间的横向运动能量分量，用于表征所述任一核心点的运动偏离程度；结合所述任一核心点的局部运动能量基准值和瞬时运动向量的模长平方，以及所述横向运动能量分量，得到所述任一核心点与所述待判断点之间的距离优化因子； 针对所述任一核心点的初始邻域内的任一数据点，获取所述任一数据点的瞬时运动向量在所述任一核心点的运动方向上的分量，计算所述任一数据点的瞬时运动向量与所述分量之间的差向量，得到差向量的模长平方值，记为所述任一数据点的横向差异特征值；获取所述任一核心点的初始邻域内的每个数据点的权重系数，对所述任一核心点的初始邻域内的每个数据点的横向差异特征值进行加权求和，得到所述任一核心点的局部横向不一致性指标； 获取所述任一数据点的瞬时运动向量在所述任一核心点的运动方向上的分量，得到分量模长，计算所述任一核心点的瞬时运动向量的模长与所述分量模长之间的差值平方，记为所述任一数据点的纵向差异特征值；获取所述任一核心点的初始邻域内的每个数据点的权重系数，对所述任一核心点的初始邻域内的每个数据点的纵向差异特征值进行加权求和，得到所述任一核心点的局部纵向不一致性指标； 结合所述局部纵向不一致性指标与所述局部横向不一致性指标，得到所述任一核心点的局部流形非协变度； 计算所述任一核心点的瞬时运动向量的模长平方与局部运动能量基准值的比值，获取常数1与所述局部流形非协变度之间的差值平方，得到所述比值、所述差值平方和所述距离优化因子之间的乘积；将常数1与所述乘积的和作为距离调整系数，将所述任一核心点与所述待判断点之间的欧式距离与所述距离调整系数之间的乘积，作为所述任一核心点与所述待判断点之间的聚类距离；根据所述特征空间中每两个数据点之间的聚类距离，对所有数据点进行聚类，得到至少一个聚类簇，用于对驾驶行为模式进行自动化识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人德州新凌志检测设备有限公司，其通讯地址为：251200 山东省德州市禹城市国家高新技术产业开发区博通数控产业园东门西首路北；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。