[發明專利]一種駕駛習慣數據分析方法

有效

• 申請號: 201710084502.0
• 申請日: 2017-02-16
• 公開（公告）號: CN106971057B
• 公開（公告）日: 2020-08-04
• 發明（設計）人: 卜冬曜;方勇;許廣宏
• 申請（專利權）人: 上海大學
• 主分類號: G06N20/00
• 分類號: G06N20/00
• 代理公司: 上海上大專利事務所(普通合伙) 31205
• 代理人: 陸聰明

1.一種駕駛習慣數據分析方法，其特征在于，具體步驟如下：

首先，采集多種車輛CAN總線數據作為樣本集，車載終端通過OBD口連接車輛CAN總線，在不同駕駛場景下收集車輛行駛原始數據，其數據類型包括：實時車速V_ct，橫向加速度A_la，剎車踏板百分比P_b，油門踏板百分比P_a，安全氣囊狀態S_ABRS，引擎轉速R_e；此外，記錄數據采集時間時的行駛狀態，并對數據進行標識，為了保證數據的獨一性與區分度，分為正常行駛狀態與不良行駛狀態；而后，將收集保存的原始數據集根據不同駕駛習慣進行分類標識存儲；

其次，在PC端對分類標識后的原始數據集根據數據獲取時間戳進行數據預處理，設定車載端采集CAN總線的時間間隔為單位時間t，對實時車速V_ct，剎車踏板百分比P_b，油門踏板百分比P_a進行運算，通過當前時刻數據數值減去上一時刻數據數值，并除以單位時間，獲取以下數據：行駛加速度A,單位時間油門踏板變化百分比P_at，單位時間剎車踏板變化百分比P_bt；將處理后的數據與橫向加速度A_la，安全氣囊狀態S_ABRS，引擎轉速R_e數據與分類標識作為樣本數據集輸入數據挖掘工具中生成決策樹模型；然后根據預測準確率進行剪枝，參數優化操作，基于樣本集交叉預測，達到滿意分類準確率后即得到最終決策樹預測模型；之后，將最終決策樹預測模型根據車載終端的開發環境進行移植；

最后，移植后的車載終端根據輸入的數據進行實時分類，在車輛行駛過程中，車載終端連接車輛CAN總線獲取實時數據，對實時數據進行相同預處理后通過之前生成的最終決策樹預測模型進行分類，將分類結果保存，單次駕駛過程結束后，將駕駛時間內每個單位時間內輸出的預測結果進行匯總統計，輸出本次駕駛過程中的駕駛習慣評價。