[發明專利]一種基于因子分析和機器學習的駕駛風格辨識算法

有效

• 申請號: 202010893251.2
• 申請日: 2020-08-31
• 公開（公告）號: CN112046489B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 趙健;陳志成;朱冰
• 申請（專利權）人: 吉林大學
• 主分類號: G06F17/10
• 分類號: G06F17/10;G06F17/16;B60W40/09;B60W50/00
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 崔斌

1.一種基于因子分析和機器學習的駕駛風格辨識算法，其特征在于，包括以下步驟：

步驟一、從典型的城市跟車工況中提取與駕駛風格強相關的駕駛特征參數；

步驟二、使用包含可行性分析、公共因子確定和因子得分在內的因子分析算法降維處理駕駛特征參數，獲得公共因子并賦予其具體的物理含義；

步驟三、使用高斯混合模型對公共因子進行聚類，為每個駕駛員準確的貼上駕駛風格標簽；

步驟四、采用被遺傳算法優化的反向傳播神經網絡訓練駕駛風格辨識模型，準確輸出不同駕駛風格；

所述步驟一中的駕駛特征參數包括：主缸壓力的平均值A₁、主缸壓力的最大值A₂、主缸壓力的標準差A₃、發動機轉矩的平均值A₄、發動機轉矩的標準差A₅、發動機的平均轉速A₆、發動機轉速的標準差A₇、兩車車距的平均值A₈、兩車車距的標準差A₉、兩車車速差的平均值A₁₀和兩車車速差的標準差A₁₁；

所述步驟二的具體方法如下：

21)采用正規化方法對駕駛數據進行標準化處理：

式中，N表示采集的駕駛人數據樣本數；x_ki，i＝1,2,…11表示第k個駕駛人的第i個駕駛風格特征參數值；x_kj，j＝1,2,…11表示第k個駕駛人的第j個駕駛風格特征參數值；表示N個駕駛人第i個駕駛特征參數的平均值；表示N個駕駛人第j個駕駛特征參數的平均值；x′_ki表示第k個駕駛人的第i個正規化后的駕駛風格特征參數值；x′_kj表示第k個駕駛人的第j個正規化后的駕駛風格特征參數值；

22)對標準化后的特征數據進行了相關性分析：

式中，r_ij表示相關系數矩陣中的元素；x′_ki表示第k個駕駛人的第i個正規化后的駕駛風格特征參數值；N表示采集的駕駛人數據樣本數；x′_kj表示第k個駕駛人的第j個正規化后的駕駛風格特征參數值；

23)根據特征方程求解相關系數矩陣的特征根和對應的特征向量：

|λ_jI-R_ij|＝0 (4)

R_ijU_j＝λ_jU_j (5)

式中，λ_j，j＝1,2,…11表示相關系數矩陣R_ij的特征根；I表示單位系數矩陣；U_j表示特征根對應的特征向量矩陣；R_ij表示相關系數矩陣；

24)選取因子F_3×1作為駕駛數據的公共因子，并且通過因子負載矩陣進行分析；因子負載矩陣A_11×3由特征值λ_3×1和特征向量U_11×3求得；

式中，A_11×3表示因子負載矩陣；λ₁，λ₂，λ₃分別表示公共因子F_3×1對應的特征值；U_i,j，i＝1,2,…11,j＝1,2,3表示公共因子F_3×1對應的特征向量；

25)采用最大方差法旋轉因子負載矩陣，特征參數A4-A7命名為驅動因子；特征參數A1-A3命名為制動因子；特征參數A8-A11命名為環境因子；

26)因子得分模型為：

X_m×1＝A_m×3·F_3×1+ε_m×1 (9)

式中，X_m×1，m＝1,2,3表示因子得分模型；A_m×3表示因子得分系數；ε_m×1表示特殊因子，取ε_m×1為零向量進行求解；F_3×1表示選定的三個公共因子；使用Anderson-Rubin回歸法求解得到因子得分系數，最終根據因子的分析樹獲得的公共因子表達式為：

式中，F₁表示第一公共因子，即驅動因子；F₂表示第二公共因子，即制動因子；F₃表示第三公共因子，即環境因子；A₁表示主缸壓力的平均值；A₂表示主缸壓力的最大值；A₃表示主缸壓力的標準差；A₄表示發動機轉矩的平均值；A₅表示發動機轉矩的標準差；A₆表示發動機的平均轉速；A₇表示發動機轉速的標準差；A₈表示兩車車距的平均值；A₉表示兩車車距的標準差；A₁₀表示兩車車速差的平均值；A₁₁表示兩車車速差的標準差。