[發明專利]基于自動編碼機的駕駛行為異質性特征的識別方法

在審

• 申請號: 201810156546.4
• 申請日: 2018-02-11
• 公開（公告）號: CN108491859A
• 公開（公告）日: 2018-09-04
• 發明（設計）人: 郭靜秋;劉洋澤西
• 申請（專利權）人: 郭靜秋;劉洋澤西
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于自動編碼機的駕駛行為異質性特征的識別方法，涉及智能駕駛分析領域，該基于自動編碼機的駕駛行為異質性特征的識別方法考慮通過構建深度學習中的自動編碼機模型來捕捉GPS及衍生數據的潛在信息，并通過大規模無監督聚類進行行為模式研判，以實現利用海量GPS數據在對駕駛行為進行建模的效果。本發明針對普遍存在的多源異構駕駛行為數據采集及融合困難的問題，能夠以一種可靠、高效、可拓展的方式搭建深度學習網絡，具有高容錯性、低成本和靈活等特點，可支持如交通安全管理、車輛保險業，特別是智能車輛駕駛行為分析和快速測試系統的開發。

技術領域

本發明涉及智能駕駛分析領域，特別涉及一種基于自動編碼機的駕駛行為異質性特征的識別方法。

背景技術

隨著國民經濟的持續發展和人民生活物質水平的不斷提高，汽車保有量的提高帶動了城市機動化的迅速發展，道路交通安全同時面臨重大挑戰。駕駛人員的駕駛行為直接影響著道路交通安全。中國交通事故頻發，其中疲勞駕駛、超速駕駛等不良駕駛狀態引發的交通事故比重最為突出。規范駕駛人員的駕駛行為是交通管理部門保障道路交通安全的重要措施。傳統駕駛行為研究方法主要面臨兩大問題：在數據層面，傳統方法多數是針對路況數據、車況數據、駕駛行為數據當中的某一種數據源進行處理，或是花費大量精力對多源異構數據進行集成融合。在方法層面，長期以來，因子分析與聚類分析是當前多元統計學科中處理多變量、高維度系統中最常用的數據挖掘技術之一，然而在應對TB甚至是PB級的實時數據時，其模型性能將受極大限制。隨著信息技術的快速發展，特別是泛在的傳感器和移動設備的廣泛使用和普及，使得廣泛采集城市道路交通系統數據成為可能。然而目前，駕駛行為研究很少有從引入人工智能對城市交通產生的海量GPS數據進行建模，以此在非線性的數據層面來深度挖掘駕駛行為與道路安全之間的關系。

發明內容

本發明所要解決的技術問題是提供一種基于自動編碼機的駕駛行為異質性特征的識別方法，考慮通過構建深度學習中的自動編碼機模型來捕捉GPS及衍生數據的潛在信息，并通過大規模無監督聚類進行行為模式研判，以實現利用海量GPS數據在對駕駛行為進行建模的效果。

為實現上述目的，本發明提供以下的技術方案：

該基于自動編碼機的駕駛行為異質性特征的識別方法包括如下步驟：

第一步：存儲駕駛員在使用手機端導航軟件的過程中產生的原始GPS數據。其中，原始GPS數據包括時間、經緯度、用戶id、速度、方向角的字段信息；

第二步：根據原始低維度的GPS數據，重新構建以下8大特征以擴充數據信息維度：

(1)速度相關參數

在城市交通里，車速因素對交通安全有較大影響。一般道路最高限速為 v_max＝80km/h；以最高限速的α(0＜α＜1)作為高速行駛閾值v_f；

v_f＝α·v_max

設車輛的車速超過該閾值時則具備超速傾向。車速超過最高限速α的時間比例為：

式中，T為車輛在道路上行駛的總時間；T_lα為車輛在道路上超過速度閾值的時間；δ為車輛速度超過速度閾值的時間比例；

將車速的平均值、標準差納入決定駕駛行為的重要參數，即

式中，v_m為GPS第m次返回的車輛瞬時車速；n為車速采樣量；v_a為車輛在道路上的車速平均值；v_s為車輛車速標準差；

(2)加速度相關參數