[發(fā)明專利]一種不同駕駛任務階段的駕駛風格分析方法、系統(tǒng)及裝置

有效

• 申請?zhí)枺?/td>: 202110361226.4
• 申請日: 2021-04-02
• 公開（公告）號: CN113022576B
• 公開（公告）日: 2022-02-22
• 發(fā)明（設計）人: 馬永鋒;董曉博;李文露
• 申請（專利權）人: 東南大學
• 主分類號: B60W40/09
• 分類號: B60W40/09;B60W50/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

本發(fā)明公開了一種不同駕駛任務階段的駕駛風格分析方法、系統(tǒng)及裝置，通過構建駕駛事件分類模型，并對駕駛事件分類模型進行應用，分別針對目標場景中的各個駕駛事件集合，應用各個駕駛事件所對應的駕駛事件分類模型，獲得各個駕駛事件內各樣本所對應的聚類類別，進而獲得各個目標車輛的駕駛事件分別所對應的聚類類別的模塊，確定目標場景中駕駛員駕駛風格的分類結果。通過本發(fā)明中技術方案的實施，獲得各個駕駛事件中各種駕駛風格的占比情況，以及不同駕駛風格的變化特征，從而針對不同駕駛事件分析駕駛任務對駕駛風格的影響，幫助優(yōu)化駕駛員的駕駛過程，保障乘車人員的安全。

技術領域

本發(fā)明涉及交通分析領域，具體而言涉及一種不同駕駛任務階段的駕駛風格分析方法、系統(tǒng)及裝置。

背景技術

隨著社會科學技術的不斷進步和發(fā)展，獨自駕駛出行、公共交通選擇、或者選擇網約車等出行方式的出現(xiàn)，使得人們的出行選擇逐漸多樣化，對于各種出行方式，車輛駕駛員的駕駛風格可以表征行車安全狀況、決定車內乘客的行車體驗，識別駕駛員的駕駛風格并向他們提供反饋，可以幫助駕駛員避免不安全的駕駛行為，減少交通事故的發(fā)生，改善交通狀況。此外，通過分析駕駛員的駕駛風格，對于為駕駛員提供更人性化的服務和更安全舒適的輔助駕駛有極其重要的作用；

對于各種不同車輛駕駛員來說，車輛行駛狀態(tài)、行駛路徑、駕駛狀態(tài)的不同，都在一定程度上影響著駕駛員的駕駛風格，在現(xiàn)有技術以及現(xiàn)有的研究方法中，主要針對駕駛風格的分類、以及如何判定不同類別的駕駛風格，但是并未考慮駕駛風格在一段駕駛行程中出現(xiàn)變化的可能性。

發(fā)明內容

本發(fā)明的目的在于提供一種不同駕駛任務階段的駕駛風格分析方法、系統(tǒng)及裝置，以解決現(xiàn)有技術中的問題。

為實現(xiàn)上述目的，本發(fā)明的第一方面提供如下技術方案：

一種不同駕駛任務階段的駕駛風格分析方法，通過步驟1至步驟5構建駕駛事件分類模型，應用駕駛事件分類模型，通過步驟A至步驟B確定目標場景中駕駛員駕駛風格的分類結果：

步驟1、采集預設數(shù)量個車輛分別所對應的各段路程，分別針對各個車輛，針對各段路程分別所對應的整個行駛過程，根據(jù)預設方式將行駛過程劃分為各個行駛路段，獲得當前車輛在各個行駛路段下對應的各個指定類型的駕駛數(shù)據(jù)；

對駕駛數(shù)據(jù)進行預處理，獲得各指定類型駕駛數(shù)據(jù)分別對應的特征參數(shù)，結合特征參數(shù)，應用閾值檢測方法，提取各行駛路段中對應的各個駕駛事件、以及各個駕駛事件分別對應的駕駛閾值、持續(xù)時間，所述駕駛事件包括轉彎事件、加速事件、以及減速事件，獲得各個車輛在各個行駛路段中分別對應的駕駛事件，并按駕駛事件類型進行劃分，獲得各個駕駛事件分別所對應的駕駛事件集合，分別針對各個駕駛事件集合，然后進入步驟2；

步驟2、根據(jù)駕駛事件分別對應的駕駛閾值、持續(xù)時間，對駕駛事件集合進行劃分，獲得各個駕駛事件集合中分別所對應的預設特征參數(shù)集合，隨后進入步驟3；

步驟3、根據(jù)各個駕駛事件集合分別所對應的特征參數(shù)集合，獲得特征向量集合，即獲得各個駕駛事件集合對應的特征向量集合；

根據(jù)各駕駛事件所對應的特征向量集合，分析特征向量集合中各個特征參數(shù)之間的相關性，并對特征參數(shù)進行降維操作，獲得該駕駛事件集合中的各個樣本，以及各樣本分別所對應的特征向量；待完成針對各個駕駛事件集合的上述操作之后，進入步驟4；

步驟4、根據(jù)駕駛事件集合中各樣本分別所對應的特征向量，結合預設駕駛風格類別數(shù)作為聚類中心數(shù)，應用K均值算法針對各樣本進行聚類操作，獲得該駕駛事件集合所對應的各個聚類類別，進而獲得各個駕駛事件集合中各樣本分別所對應的聚類類別，隨后進入步驟5；

步驟5、以各個車輛在各個行駛路段下對應的各個指定類型的駕駛數(shù)據(jù)為輸入，以各個駕駛事件中各樣本所對應的聚類類別為輸出，訓練獲得該駕駛事件所對應的駕駛事件分類模型；進而獲得各駕駛事件集合分別所對應的駕駛事件分類模型；