[發(fā)明專(zhuān)利]一種基于物聯(lián)網(wǎng)技術(shù)的汽車(chē)行為數(shù)據(jù)識(shí)別與管理方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410596590.9
• 申請(qǐng)日: 2014-10-29
• 公開(kāi)（公告）號(hào): CN104331953A
• 公開(kāi)（公告）日: 2015-02-04
• 發(fā)明（設(shè)計(jì)）人: 張德海;張德剛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 云南大學(xué)
• 主分類(lèi)號(hào): G07C5/08
• 分類(lèi)號(hào): G07C5/08
• 代理公司: 昆明大百科專(zhuān)利事務(wù)所 53106
• 代理人: 何健

1.一種基于物聯(lián)網(wǎng)技術(shù)的汽車(chē)行為數(shù)據(jù)識(shí)別與管理方法，其特征在于，該方法是根據(jù)汽車(chē)狀況數(shù)據(jù)，駕駛員性格，駕駛風(fēng)格來(lái)構(gòu)建汽車(chē)行為數(shù)據(jù)庫(kù)，進(jìn)而建立預(yù)測(cè)車(chē)輛行為的汽車(chē)預(yù)測(cè)模型，來(lái)對(duì)汽車(chē)的行為進(jìn)行預(yù)測(cè)，包括以下步驟：

步驟A：獲取汽車(chē)的狀況數(shù)據(jù):通過(guò)設(shè)置在汽車(chē)上的傳感器獲取一系列汽車(chē)的機(jī)械狀況，用來(lái)定義汽車(chē)的情緒，包含汽車(chē)的各項(xiàng)機(jī)械參數(shù)、耗油量，發(fā)動(dòng)機(jī)轉(zhuǎn)速，輪胎氣壓的固有信息，這些參數(shù)體現(xiàn)當(dāng)前汽車(chē)的實(shí)際物理性能；

步驟B：檢測(cè)駕駛員的情緒:通過(guò)在人體內(nèi)、外、周?chē)蓚鞲衅鞴?jié)點(diǎn)來(lái)監(jiān)控人體中的單胺神經(jīng)遞質(zhì)5-羥色胺,多巴胺和去甲腎上腺素，通過(guò)這些神經(jīng)遞質(zhì)來(lái)計(jì)算用戶的情緒狀態(tài)；

步驟C：獲知駕駛員駕駛風(fēng)格:駕駛風(fēng)格與駕駛員的行為相關(guān)，駕駛員的行為記錄為向量F_s＝{F_s1，F(xiàn)_s2，F(xiàn)_s3...F_sm}，m是特征向量的維度；如果駕駛員行為記錄的數(shù)量多于一個(gè)，這些記錄的向量被聚合為N類(lèi)，并存儲(chǔ)在數(shù)據(jù)服務(wù)器；

步驟D：檢測(cè)駕駛環(huán)境:汽車(chē)在運(yùn)行中將GPS傳感器收集到的信息和服務(wù)器進(jìn)行交換，針對(duì)路面的各種差異，收集環(huán)境參數(shù)以及道路參數(shù)信息；

步驟E：構(gòu)建汽車(chē)行為數(shù)據(jù)庫(kù):通過(guò)上步驟的數(shù)據(jù)收集和準(zhǔn)備，根據(jù)汽車(chē)狀況數(shù)據(jù)，駕駛員情緒，駕駛風(fēng)格，駕駛環(huán)境信息構(gòu)建汽車(chē)行為數(shù)據(jù)庫(kù)；

步驟F：建立實(shí)時(shí)自適應(yīng)汽車(chē)預(yù)測(cè)模型:基于步驟E形成的數(shù)據(jù)庫(kù)，將每個(gè)車(chē)輛的行為特性在單位時(shí)間內(nèi)定性和歸約成相關(guān)的參數(shù)，總結(jié)出汽車(chē)行為的特征規(guī)律，建立實(shí)時(shí)自適應(yīng)汽車(chē)預(yù)測(cè)模型，對(duì)汽車(chē)的行為進(jìn)行實(shí)時(shí)預(yù)測(cè)。

2.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)技術(shù)的汽車(chē)行為數(shù)據(jù)識(shí)別與管理方法，其特征在于，步驟E中汽車(chē)行為數(shù)據(jù)庫(kù)為使用結(jié)構(gòu)化查詢語(yǔ)言的SQL數(shù)據(jù)庫(kù)，或者建造Hadoop框架數(shù)據(jù)庫(kù)。

3.根據(jù)權(quán)利要求1所述的一種基于物聯(lián)網(wǎng)技術(shù)的汽車(chē)行為數(shù)據(jù)識(shí)別與管理方法，其特征在于，在步驟F中，對(duì)汽車(chē)進(jìn)行實(shí)時(shí)預(yù)測(cè)的方法為：

采用用于對(duì)汽車(chē)行為預(yù)測(cè)的局部時(shí)間自適應(yīng)馬爾可夫預(yù)測(cè)方法，用馬爾可夫鏈方法來(lái)進(jìn)行實(shí)時(shí)預(yù)測(cè)，選擇歷史數(shù)據(jù)動(dòng)態(tài)預(yù)測(cè)，即根據(jù)實(shí)時(shí)要求確定歷史數(shù)據(jù)點(diǎn)；

隨機(jī)馬爾可夫過(guò)程包括了有限維度的聲明，k次下，所有矢量X_k的構(gòu)成狀態(tài)，

X_k＝{F_hk，F(xiàn)_mk，F(xiàn)_sk，F(xiàn)_ek}

在每個(gè)時(shí)間步k中，馬爾可夫過(guò)程保持在同一聲明下或移動(dòng)到另一個(gè)轉(zhuǎn)移概率矩陣p中，在駕駛周期中矩陣p需要被獲得，因?yàn)樗緳C(jī)的情緒，駕駛環(huán)境，駕駛狀態(tài)隨時(shí)間而變化；過(guò)渡概率被估計(jì)為

P{P(k+1)＝X_j|P(k)＝X_i}＝m_ij/m_i

m_ij是是從x_i到x_j的過(guò)渡的出現(xiàn)次數(shù)，m_i是X_i出現(xiàn)的總次數(shù)，預(yù)測(cè)開(kāi)始時(shí)只是在駕駛時(shí)對(duì)于最初為空的概率矩陣和獎(jiǎng)勵(lì)矩陣更新數(shù)據(jù)

為了充分利用車(chē)輛的行為歷史數(shù)據(jù)預(yù)測(cè)行為，基于多用戶的行為狀態(tài)預(yù)測(cè)k次的行為狀態(tài)(k-1，k-2，...，k-n)；考慮到實(shí)時(shí)要求k，選擇n個(gè)歷史數(shù)據(jù)點(diǎn)來(lái)預(yù)測(cè)下一輛車(chē)的行為；N值越大，預(yù)測(cè)的準(zhǔn)確性越高；

X_k＝w₁x_k-1×P+w₂x_k-2×P²+…+w_nx_k-n×Pⁿ

W是權(quán)重w_i是行為狀態(tài)的自相關(guān)系數(shù)的歸一化結(jié)果。