[發明專利]一種基于時空特征融合的車輛駕駛行為檢測方法

在審

• 申請號: 202210547632.4
• 申請日: 2022-05-11
• 公開（公告）號: CN114926825A
• 公開（公告）日: 2022-08-19
• 發明（設計）人: 宋梁;劉靖;朱偉;張冠華;蔣林華;胡興;商慧亮
• 申請（專利權）人: 復旦大學
• 主分類號: G06V20/59
• 分類號: G06V20/59;G06V10/62;G06V10/764;G06V10/82;G06V10/30;G06V10/52;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;陸尤

1.一種基于時空特征融合的車輛駕駛行為檢測方法，其特征在于，分為離線訓練階段和在線訓練階段；離線訓練階段包括數據預處理、時空特征提取、駕駛分類；訓練后的模型用于檢測滑動窗口內多模態傳感信息中的駕駛行為；在線檢測階段包括實時數據處理、駕駛行為檢測、駕駛行為評價；通過智能手機軟件程序加載離線訓練好的模型，實現實時駕駛行為檢測和駕駛行為評價；具體步驟如下：

(1)數據預處理

由智能手機采集車輛多模態傳感離線數據，所述數據包括：車輛加速度和陀螺儀、GPS數據，磁傳感計、道路類型、天氣類型傳感數據，對這些數據進行預處理操作，包括坐標轉換、上采樣、小波變換去噪、最大最小歸一化、滑動窗口劃分；

(2)時空特征提取

分別通過CNN和LSTM對不同模態數據的空間和時間關系進行特征提取，并通過自注意力網絡分別對空間特征和時間特征進行權重衡量；

(3)對駕駛行為進行分類

使用全連接網絡層和Softmax函數對時空特征分類，得到具體的駕駛行為類別；

(4)實時數據處理

由智能手機APP應用實時獲取車輛的動力數據，包括：車輛加速度、方位，磁傳感器、GPS數據，駕駛上下文信息，并對實時多模態數據進行預處理；

(5)對駕駛行為進行檢測

使用離線訓練好的駕駛行為分類模型，檢測具體的駕駛行為類別；

(6)對駕駛行為進行評價

對駕駛行為進行評價，采用兩種評價規則；一是駕駛表現分評價，用于規范駕駛員日常的駕駛表現；二是駕駛水平積分評價，用于改善駕駛員的駕駛習慣；

其中，駕駛表現分的扣分公式為：

score＝100-count_ano (1)

其中，count_ano為每10公里內出現5次及以上異常駕駛行為則計數1次，并作語音警示；所述異常駕駛行分為六種類型，分別為：急剎車、快速變道、快連續變道、快速左轉、快速右轉、快速掉頭。

2.根據權利要求1所述的基于時空特征融合的車輛駕駛行為檢測方法，其特征在于，步驟(1)所述的數據預處理的具體流程為：

首先，考慮到原始信號由多個智能手機傳感器獲得，其中不同的傳感器有不同的頻率；故對低頻信號進行上采樣，具體通過線性插值濾波來表示：

其中，os(·)和s(·)分別代表上采樣和原始信號，i₂和i₁分別上采樣位置i的后與前位置；

接著，通過小波變換對采樣后的信號進行分解，獲得更平滑的序列，以提高模型的泛化能力；小波變換操作表示為：

其中，N、l_m和N_w分別代表原序列長度、分解的層數和分解濾波器的長度，最后通過反小波變換得到去噪后的序列；

并且，利用最大-最小歸一化，將所有變量映射到范圍[0,1]，表示為：

其中，s、s′、s_min和s_max分別代表待歸一化的原變量、歸一化變量、原始變量中的最小和最大值；

最后，將經上述預處理后的序列分割成多個輸入序列，并通過滑動窗口策略，將其輸入到網絡中，表示為：

其中，ts、ws和T分別為單個時間步長的持續時間、滑動窗口持續時間和時間步長的數量，s_w和f_hz分別是單個滑動窗口的總序列長度和數據集的采樣率。