[發明專利]一種基于機器學習的駕駛風格辨識方法

有效

• 申請號: 202110555323.7
• 申請日: 2021-05-21
• 公開（公告）號: CN113232669B
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 劉迪;鄭建明;覃斌;張建軍;張宇飛;于海軍;王曉非;付忠顯
• 申請（專利權）人: 中國第一汽車股份有限公司
• 主分類號: B60W40/09
• 分類號: B60W40/09;B60W40/00;G01C21/16;G01S17/86;G01S17/87;G06K9/62;G06N20/00
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 張巖

本發明涉及一種基于機器學習的駕駛風格辨識方法，包括信息收集平臺獲取原始數據，數據預處理，基于兩種機器學習算法的聚類分析，駕駛風格分析，判斷是否有異常結果和輸出結論。本發明結合多種影響駕駛風格的因素，選取一批風格迥異的駕駛員進行實車試驗，形成原始數據集；對原始數據進行速度切片，以適應駕駛員風格在不同場景下的變化；利用先驗結果和統計學方法來提取特征，制定評價指標。并借助相關系數法實現評價指標的降維；對于異常數據、極端數據，采取先細化分類，再合并結果的方法；選取k?means、層次聚類這2種客觀分類方法對數據庫樣本進行分類，并對分類結果進行比對。經過驗證，本文開發的駕駛風格識別模型查準率達到83％。

技術領域

本發明屬于汽車駕駛員駕駛風格識別技術領域，具體涉及一種基于機器學習的駕駛風格辨識方法。

背景技術

駕駛風格反映了一個人經常性和持續穩定的動作傾向，能夠體現駕駛員的思維模式和行為規律。盡管個體存在差異、駕駛習性千差萬別，駕駛員駕駛風格大體上仍可大致分為謹慎型、一般型、激進型三類。深刻研究駕駛員駕駛風格以及表現形式，構建準確的駕駛風格辨識模型，對駕駛庫數據平臺構建以及高級別自動駕駛算法開發驗證，具有重要意義。研究發現，駕駛風格經常會隨著駕駛員和駕駛場景的不同而變化。在現有研究中，往往針對少量維度進行主觀標定，導致訓練樣本標簽和辨識結果難以保證。同時，原始數據集的維度眾多，需要設計一套評價指標篩選法則，以便在不降低辨識精度的前提下簡化模型結構。

現有技術公開了一種基于駕駛傾性的汽車行駛特征評價及預警方法，使用時間序列降維算法可以降低數據復雜程度，同時保留數據隱含的時間序列特征；對操作片段進行統計，得到高頻操作片段數據庫，可以進行詳細的駕駛特征行為描述；應用HMM模型進行傾性辨識，辨識結果具有高度可信性；通過進一步計算外傾值，可以比較駕駛博弈各方的操作特征；通過定量和定性評價結果得出的預警信息，其內容便于比較；隨著車輛運行不斷更新數據，保證評價結果和預警信息的實時性，具有很強的實用性。現有技術公開了一種用于汽車自適應巡航系統的駕駛風格識別和分類方法，使用SOM與K-means算法聚類駕駛員數據，離線識別各駕駛員的駕駛風格，并訓練駕駛風格在線分類器，即可對不同駕駛員的進行在線識別；將該訓練好的駕駛風格在線分類器與汽車ACC系統相結合，使汽車ACC系統可以針對不同駕駛風格的駕駛員做出相應的調整，從而滿足不同駕駛員不同駕駛風格的個性化需求。現有技術還公開了一種駕駛員駕駛風格識別方法及系統，根據采集的駕駛員操作信息和車輛行駛信息，初步識別駕駛員駕駛風格，得到駕駛員駕駛風格初步識別結果；根據得到的駕駛員駕駛風格初步識別結果，改變車輛狀態；根據駕駛員適應車輛新狀態的操作數據以及對應的車輛行駛數據，進一步識別得到駕駛員駕駛風格結果。但是，上述方法并未以實車數據采集結果作為數據庫基礎，建立機器學習模型，并對其進行優化和測試，獲取最佳駕駛風格辨識模型。

發明內容

本發明的目的就在于提供一種基于機器學習的駕駛風格辨識方法，以解決通過建立并優化和測試機器學習模型，對最佳駕駛風格進行辨識的問題。

本發明的目的是通過以下技術方案實現的：

一種基于機器學習的駕駛風格辨識方法，包括以下步驟：

A、在試驗車上搭載IMU慣導裝置，用于采集時間信息、本車狀態及本車定位；安裝高清攝像頭和環視激光雷達，用以采集視頻數據及點云數據；選取數名駕駛員依次駕駛試驗車，在高速/城市道路行駛，IMU慣導裝置、高清攝像頭和環視激光雷達將獲取的發送至信息收集平臺，并將數據下載至本地；

B、數據預處理：以下載后的本地數據作為機器學習的樣本數據集，每個駕駛員的駕駛數據作為獨立樣本，評價指標作為特征向量，定義樣本數據集，將原始數據進行速度切片，對每段速度分別進行聚類，建立各種分段速度工況下的評價指標，對原始數據進行歸一化處理得到歸一化后的樣本數據集；

C、基于k-means均值聚類和層次聚類的聚類分析；