[發(fā)明專(zhuān)利]利用神經(jīng)網(wǎng)絡(luò)算法的駕駛狀態(tài)分析方法及計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202010066003.0
• 申請(qǐng)日: 2020-01-20
• 公開(kāi)（公告）號(hào): CN111310914B
• 公開(kāi)（公告）日: 2022-05-13
• 發(fā)明（設(shè)計(jì)）人: 趙起超;楊苒;李召
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京津發(fā)科技股份有限公司
• 主分類(lèi)號(hào): G06N3/08
• 分類(lèi)號(hào): G06N3/08;G06N3/04;B60W40/08
• 代理公司: 北京金咨知識(shí)產(chǎn)權(quán)代理有限公司 11612
• 代理人: 宋教花

1.一種利用神經(jīng)網(wǎng)絡(luò)算法的駕駛狀態(tài)的分析方法，其特征在于，該方法包括訓(xùn)練階段和測(cè)試階段；

所述訓(xùn)練階段包括以下步驟：

確定被試的多種駕駛狀態(tài)，在每種駕駛狀態(tài)下利用采集裝置對(duì)被試的加速度及被試背部對(duì)座椅壓力的數(shù)據(jù)進(jìn)行多次采集，得到多組數(shù)據(jù)，每組數(shù)據(jù)包括加速度數(shù)據(jù)和壓力數(shù)據(jù)；以及

將每種狀態(tài)下多次采集得到的多組數(shù)據(jù)分批次輸入預(yù)建立的內(nèi)嵌BP神經(jīng)網(wǎng)絡(luò)模型，得到多個(gè)訓(xùn)練輸出值，基于該多個(gè)訓(xùn)練輸出值形成當(dāng)前狀態(tài)對(duì)應(yīng)的輸出值區(qū)間集合；

所述測(cè)試階段包括以下步驟：

采集駕駛過(guò)程中的一個(gè)時(shí)刻下被試加速度數(shù)據(jù)及被試背部對(duì)座椅的壓力數(shù)據(jù)，輸入內(nèi)嵌BP神經(jīng)網(wǎng)絡(luò)模型，得到實(shí)測(cè)輸出值，將所述實(shí)測(cè)輸出值與訓(xùn)練階段得到的各駕駛狀態(tài)對(duì)應(yīng)的輸出值區(qū)間集合進(jìn)行比較，根據(jù)所述實(shí)測(cè)輸出值所屬的輸出值區(qū)間集合確定該時(shí)刻被試的駕駛狀態(tài)；

所述內(nèi)嵌BP神經(jīng)網(wǎng)絡(luò)模型包括輸入層、隱含層和輸出層，并且隱含層設(shè)有5個(gè)神經(jīng)元節(jié)點(diǎn)；將每種狀態(tài)下多次采集得到的多組數(shù)據(jù)分批次輸入預(yù)建立的內(nèi)嵌BP神經(jīng)網(wǎng)絡(luò)模型，得到多個(gè)訓(xùn)練輸出值的步驟包括：將采集的被試加速度的XYZ三軸數(shù)據(jù)之和作為輸入層第一神經(jīng)元，將采集的被試壓力數(shù)據(jù)作為輸入層第二神經(jīng)元；利用第一神經(jīng)元與相應(yīng)的輸入加權(quán)和計(jì)算輸入層到隱含層的第一輸出值；利用第二神經(jīng)元與相應(yīng)的輸入加權(quán)和計(jì)算輸入層到隱含層的第二輸出值；將輸入層到隱含層得到的多個(gè)輸出值作為隱含層到輸出層的輸入值，與對(duì)應(yīng)的輸入加權(quán)和得到隱含層到輸出層的總輸出值。

2.如權(quán)利要求1所述的分析方法，其特征在于，所述多種駕駛狀態(tài)包括以下?tīng)顟B(tài)中的至少兩種：

被試雙腳不踩踏板，靠在座椅靠背的狀態(tài)；

被試離開(kāi)座椅靠背的狀態(tài)；

被試右腳踩 油門(mén)的狀態(tài)；

被試左腳踩剎車(chē)的狀態(tài)。

3.如權(quán)利要求1所述的分析方法，其特征在于，所述方法還包括：

分別對(duì)輸入層到輸出層得到的多個(gè)輸出值計(jì)算得到多個(gè)相應(yīng)的誤差值，基于所述多個(gè)相應(yīng)的誤差值分別獲得每層之間的總誤差值；

利用所述多個(gè)相應(yīng)的誤差值對(duì)其相對(duì)應(yīng)的所述輸入層到輸出層得到的多個(gè)輸出值求偏導(dǎo)，得到所述輸入層到輸出層得到的多個(gè)輸出值與其相應(yīng)的理想值之差的變化率；

利用所述多個(gè)相應(yīng)的誤差值對(duì)其相對(duì)應(yīng)的輸入權(quán)重值求偏導(dǎo)，得到反向迭代更新權(quán)重值的變化率；

利用所述總誤差值對(duì)每個(gè)輸入權(quán)重值求偏導(dǎo)，得到多個(gè)總的權(quán)重值的反向迭代更新變化率；

基于對(duì)所述輸入層到輸出層得到的多個(gè)輸出值與其相應(yīng)的理想值之差的變化率、所述反向迭代更新權(quán)重值的變化率的多項(xiàng)乘積得到層級(jí)誤差；

基于各層輸入權(quán)重值、層級(jí)誤差與總的權(quán)重值變化率，得到更新后的輸入權(quán)重值；

計(jì)算更新后的各層輸入權(quán)重值與各輸入值乘積之和得到更新后的輸出值。