[發明專利]一種車輛行駛狀態識別方法及裝置

在審

• 申請號: 201510734125.1
• 申請日: 2015-10-30
• 公開（公告）號: CN105320966A
• 公開（公告）日: 2016-02-10
• 發明（設計）人: 徐麗麗
• 申請（專利權）人: 東軟集團股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

技術領域

本發明實施例涉及車輛技術領域，具體涉及一種車輛行駛狀態識別方法及裝置。

背景技術

隨著城市汽車運行數量的日益龐大，人們越來越關注道路交通安全問題。駕駛員作為汽車的操控者，其駕駛行為很大程度上決定了道路交通系統的安全。對駕駛員的駕駛行為和車輛的行駛狀態的識別以及及時的提示危險信息，對于預防交通事故的發生具有重要意義。車輛的行駛狀態直接影響著交通系統的安全，因此越來越多的研究人員開始關注車輛行駛狀態的識別。

目前，已有研究人員對車輛行駛狀態識別進行了研究，但是僅限于幾種典型車輛行駛狀態的識別。例如，現有技術已存在基于圖像采集的方法識別車輛是否處于變道狀態，這種方法需要在道路上配置專門的攝像頭采集圖像數據，并且需要存儲、處理圖像數據，存在采集數據大、處理算法復雜、處理效率低、不便捷的缺陷。此外，現有技術僅能夠識別某一種或者某幾種典型車輛行駛狀態，并不存在準確、全面地識別車輛行駛狀態的方法。

發明內容

本發明實施例提供了一種車輛行駛狀態識別方法及裝置，可以在一定程度上解決現有技術中無法準確、全面地識別車輛行駛狀態的缺陷，并能夠提高數據采集、處理效率。

為此，本發明實施例提供如下技術方案：

一方面，本發明提供了一種車輛行駛狀態識別方法，所述方法包括：

采集車輛處于不同行駛狀態下的樣本數據；

確定樣本特征提取時間窗，對所述樣本特征提取時間窗內的樣本數據進行特征提取，獲得基本特征集；

對所述基本特征集中的特征進行特征選擇處理，獲得訓練樣本特征集；

利用分類方法對所述訓練樣本特征集中的特征數據進行訓練，獲得車輛行駛狀態分類模型；

利用所述車輛行駛狀態分類模型識別車輛行駛狀態。

進一步地，所述樣本數據包括下列中的任意一種或結合：加速度數據、車輛姿態數據、方向角數據、磁場數據。

進一步地，所述對所述樣本特征提取時間窗內的樣本數據進行特征提取，獲得基本特征集包括：

提取所述樣本數據的時域特征、頻域特征和/或擴展特征，獲得基本特征集。

進一步地，所述時域特征包括均值、方差、最大值、最小值、第一四分位數、第三四分位數、峰度中的一種或多種；

所述頻域特征包括頻帶寬度和/或譜能量；

所述擴展特征包括小于第一四分位數據所有數據平方和、大于第三四分位數據所有數據平方和、頻譜寬度數據中峰值個數中的一種或多種。

進一步地，所述對所述基本特征集中的特征進行特征選擇處理，獲得訓練樣本特征集包括：

比較車輛不同行駛狀態對應的各基本特征集中的特征，去除所述基本特征集中變化值小于第一預設閾值的特征，獲得第一特征集；

計算所述第一特征集中的特征與對應的行駛狀態的相關系數，根據所述相關系數對所述第一特征集中的特征進行去除處理，獲得第二特征集；

對所述第二特征集中的特征進行降維處理以去除各特征間的相關性，獲得第三特征集，將所述第三特征集作為訓練樣本特征集。

進一步地，所述利用分類方法對所述訓練樣本特征集中的特征數據進行訓練，獲得車輛行駛狀態分類模型包括：

利用訓練樣本特征集中的特征數據生成訓練樣本集合X，以及，利用所述特征數據對應的行駛狀態生成狀態集合Y；

利用K最鄰近方法訓練所述訓練樣本集合X和狀態集合Y，獲得車輛行駛狀態分類模型；

其中，所述特征數據經過歸一化處理。

進一步地，所述利用所述車輛行駛狀態分類模型識別車輛行駛狀態包括：

采集車輛實際行駛數據；

確定識別特征提取時間窗，對所述識別特征提取時間窗內的車輛實際行駛數據進行特征提取，獲得識別特征集；

將所述識別特征集中的識別特征輸入所述車輛行駛狀態分類模型，獲得與所述識別特征對應的車輛行駛狀態以及所述行駛狀態對應的概率值；

當所述概率值大于第二預設閾值時，則確定車輛處于所述行駛狀態。

進一步地，所述確定識別特征提取時間窗，對所述識別特征提取時間窗內的車輛實際行駛數據進行特征提取，獲得識別特征集包括：

根據所述樣本特征提取時間窗確定識別特征提取時間窗；所述樣本特征提取時間窗的長度與所述識別特征提取時間窗的長度相同；

根據確定的步長移動所述識別特征提取時間窗，獲得多個時間窗內的車輛行駛特征；其中，所述步長小于所述識別特征提取時間窗的長度。