[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

本申請實施例提供了一種基于機器學習的駕駛風格分類方法、裝置和電子設備。該方法用于對駕駛員的駕駛風格進行分類，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。籍此，可以有效的對駕駛員的駕駛習慣進行針對性指導，實現增強礦用卡車的燃油經濟性的目的。

技術領域

本申請涉及輔助駕駛技術領域，特別涉及一種基于機器學習的駕駛風格分類方法、裝置和電子設備。

背景技術

在礦用卡車駕駛過程中，魯莽型的駕駛員會頻繁且大幅度的踩油門踏板或者制動踏板，礦用卡車行駛時較為費油，燃油經濟性較差；溫和型的駕駛員會輕踩油門踏板或者制動踏板，礦用卡車行駛時較為省油，燃油經濟性較好。因而，駕駛員在駕駛礦用卡車中的這些行為特征，在礦用卡車行駛過程中駕駛員對礦用卡車的輸入以及礦用卡車的響應方面得到完全體現，即駕駛員的駕駛風格會對礦用卡車的燃油經濟性產生較大的影響，因而，準確有效對駕駛員的駕駛風格進行分類具有重要的意義。

發明內容

本申請的目的在于提供一種基于機器學習的駕駛風格分類方法、裝置和電子設備，以解決或緩解上述現有技術中存在的問題。

為了實現上述目的，本申請提供如下技術方案：

本申請提供了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，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。

可選地，在本申請的任意實施例中，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。

可選地，在本申請的任一實施例中，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。

可選地，在本申請的任一實施例中，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。

可選地，在本申請的任一實施例中，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。