[發明專利]基于機器學習的駕駛風格分類方法、裝置和電子設備

在審

• 申請號: 202011583435.5
• 申請日: 2020-12-28
• 公開（公告）號: CN112660140A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 孫健東;王群;陶亞彬;張曌;呂帥康;馮讀康;劉鑫;馬嘉頤
• 申請（專利權）人: 華北科技學院
• 主分類號: B60W40/09
• 分類號: B60W40/09;B60W50/00;G06N20/00;G06K9/62
• 代理公司: 北京五洲洋和知識產權代理事務所(普通合伙) 11387
• 代理人: 劉春成;劉素霞

1.一種基于機器學習的駕駛風格分類方法，用于對駕駛員的駕駛風格進行分類，其特征在于，包括：

對所述駕駛員的、選擇的駕駛風格特征參數進行相關性分析，得到所述駕駛風格特征參數之間的相關系數；

根據所述相關系數和預設的相關系數閾值，對預先得到的駕駛行為數據樣本中冗余的駕駛風格特征參數進行去除；

根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，基于機器學習模型，對所述駕駛員的駕駛風格進行分類。

2.根據權利要求1所述的方法，其特征在于，所述對所述駕駛員的、選擇的駕駛風格特征參數進行相關性分析，得到所述駕駛風格特征參數之間的相關系數，具體為：基于預設的相關性分析模型，對選擇的所述駕駛風格特征參數進行相關性分析，得到所述駕駛風格特征參數之間的相關系數。

3.根據權利要求1所述的方法，其特征在于，所述根據所述相關系數和預設的相關系數閾值，對預先得到的駕駛行為數據樣本中冗余的駕駛風格特征參數進行去除，具體為：對所述相關系數與預設的相關系數閾值進行比對，根據比對結果，對預先得到的駕駛行為數據樣本中冗余的駕駛風格特征參數進行去除。

4.根據權利要求1-3任一所述的方法，其特征在于，所述根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，基于機器學習模型，對所述駕駛員的駕駛風格進行分類，具體為：根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，基于預設的聚類算法模型，對所述駕駛員的駕駛風格進行分類。

5.根據權利要求4所述的方法，其特征在于，所述駕駛行為數據樣本包括：重載作業狀態下的駕駛行為數據樣本，以及空載作業狀態下的駕駛行為數據樣本；

對應的，

所述根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，基于預設的聚類算法模型，對所述駕駛員的駕駛風格進行分類，包括：

基于K均值聚類算法模型，分別對重載作業狀態下的、去除冗余駕駛風格特征參數的駕駛行為數據樣本，以及空載作業狀態下的、去除冗余駕駛風格特征參數的駕駛行為數據樣本進行擬合，分別確定重載作業狀態下、以及空載作業狀態下的駕駛風格的分類數量；

分別根據重載作業狀態下、以及空載作業狀態下的駕駛風格的分類數量，基于K均值聚類算法模型，對所述駕駛員在重載作業狀態下、以及空載作業狀態下的駕駛風格進行分類。

6.一種基于機器學習的駕駛風格分類裝置，用于對駕駛員的駕駛風格進行分類，其特征在于，包括：

相關性分析單元，配置為對選擇的所述駕駛員的駕駛風格特征參數進行相關性分析，得到所述駕駛風格特征參數之間的相關系數；

冗余參數去除單元，配置為根據所述相關系數，對預先得到的駕駛行為數據樣本中冗余的駕駛風格特征參數進行去除；

駕駛風格分類單元，配置為基于機器學習模型，根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，對所述駕駛員的駕駛風格進行分類。

7.根據權利要求6所述的裝置，其特征在于，所述相關性分析單元，進一步配置為基于預設的相關性分析模型，對選擇的所述駕駛風格特征參數進行相關性分析，得到所述駕駛風格特征參數之間的相關系數。

8.根據權利要求6所述的裝置，其特征在于，所述冗余參數去除單元，進一步配置為對所述相關系數與預設的相關系數閾值進行比對，根據比對結果，對預先得到的駕駛行為數據樣本中冗余的駕駛風格特征參數進行去除。

9.根據權利要求6-8任一所述的裝置，其特征在于，所述駕駛風格分類單元，進一步配置為根據去除冗余駕駛風格特征參數的駕駛行為數據樣本，基于預設的聚類算法模型，對所述駕駛員的駕駛風格進行分類。

10.一種電子設備，其特征在于，包括：存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的程序，所述處理器執行所述程序時實現如權利要求1-5任一所述的基于機器學習的駕駛風格分類方法。