一种连续型驾驶风格识别方法、系统及设备

本发明涉及智能汽车领域，特别是涉及一种连续型驾驶风格识别方法、系统及设备。

背景技术：

1、驾驶风格反映了一个人的驾驶习惯和驾驶偏好，存在个体差异，具有千人千面的特点，因此，人们对汽车驾乘体验需求具有个性化特点。随着汽车智能化的发展，驾驶员期望汽车能够理解自己的驾驶风格和驾驶行为习惯，并根据自己的驾驶风格和驾驶状态对车辆控制系统和辅助驾驶系统的参数进行调控，实现适应或符合自己个性化的驾乘体验。其中，准确识别驾驶员的驾驶风格对于为驾驶员提供个性化驾乘体验、实现安全舒适的辅助驾驶具有重要作用。

2、现阶段的驾驶员驾驶风格识别方法，主要是通过分析驾驶员的驾驶数据，将驾驶员的驾驶风格识别为离散的若干种有限类别，如保守型、正常型和激进型等。然而，驾驶风格因人而异，千差万别，离散且有限的类别无法精细、准确地刻画不同驾驶员的驾驶风格，使得这种方法在实际应用中驾驶风格辨识准确性较低，如正常偏激进型的驾驶风格，既可能识别为正常型，又可能识别为激进型。

3、因此，为准确识别不同驾驶员的驾驶风格，亟需一种考虑不同驾驶员个性化差异的驾驶风格识别方法和系统，将驾驶员的驾驶风格识别为连续的参量，为智能汽车辅助驾驶系统提供精细准确的驾驶风格信息。

技术实现思路

1、本发明的目的是提供一种连续型驾驶风格识别方法、系统及设备，以解决驾驶风格辨识准确性低的问题。

2、为实现上述目的，本发明提供了如下方案：

3、一种连续型驾驶风格识别方法，包括：

4、采集多名驾驶员日常驾驶场景下的多维驾驶数据；所述多维驾驶数据包括车辆状态数据以及驾驶员操作数据；所述车辆状态数据包括速度、纵向加速度、横向加速度以及横摆率；所述驾驶员操作数据包括油门踏板开度、制动压力以及方向盘转角；

5、将所述多维驾驶数据进行分段，确定多个驾驶片段；

6、计算每个所述驾驶片段内的多维驾驶数据的统计特征，确定所有驾驶片段高维连续的驾驶统计特征；

7、对所述高维连续的驾驶统计特征进行降维，生成每个所述驾驶片段的公共因子；

8、根据所述公共因子将每个所述驾驶片段用一种驾驶单词表示，并根据所述驾驶单词将待测驾驶员的所有驾驶片段表示为驾驶单词序列；所述驾驶单词服从以基础驾驶风格为参数的类别分布；所述基础驾驶风格包括激进型驾驶风格以及正常型驾驶风格；

9、将所述驾驶单词序列输入至驾驶行为分层隐模型中，输出所述待测驾驶员的连续型驾驶风格；所述驾驶行为分层隐模型是根据每个所述驾驶片段对应的基础驾驶风格以及所述驾驶单词构建的；所述连续型驾驶风格为从所述驾驶单词序列中学习得到的多种基础驾驶风格的混合比例。

10、可选的，将所述多维驾驶数据进行分段，确定多个驾驶片段，具体包括：

11、对所述多维驾驶数据的时间序列按照时间窗口进行分段，确定多个驾驶片段。

12、可选的，对所述高维连续的驾驶统计特征进行降维，生成每个所述驾驶片段的公共因子，具体包括：

13、采用因子分析对所述高维连续的驾驶统计特征进行降维，生成每个所述驾驶片段的公共因子；所述因子分析的公式为：；其中，为驾驶统计特征；为因子载荷矩阵；为公共因子矩阵；为误差项。

14、可选的，根据所述公共因子将每个所述驾驶片段用一种驾驶单词表示，具体包括：

15、使用直方图统计所有所述片段的所述公共因子，按概率等分为多个区间；

16、根据所述公共因子的数量以及区间数量构造驾驶单词。

17、可选的，所述驾驶行为分层隐模型的构建过程，具体包括：

18、利用隐变量表示所述基础驾驶风格，根据每个所述驾驶片段对应的基础驾驶风格以及所述驾驶单词，基于概率模型构建三层驾驶行为模型；所述三层驾驶行为模型包括驾驶员层-基础驾驶风格层-驾驶单词层，所述三层驾驶行为模型为驾驶行为分层隐模型；其中，所述基础驾驶风格服从以驾驶员的连续型驾驶风格为参数的类别分布；从驾驶员层-基础驾驶风格层类别分布中采样每个所述驾驶片段对应的基础驾驶风格，生成所有所述驾驶片段对应的基础驾驶风格序列；基于所述基础驾驶风格序列，从基础驾驶风格层-驾驶单词层类别分布中采样每个所述驾驶片段对应的驾驶单词。

19、一种连续型驾驶风格识别系统，包括：

20、多维驾驶数据采集模块，用于采集多名驾驶员日常驾驶场景下的多维驾驶数据；所述多维驾驶数据包括车辆状态数据以及驾驶员操作数据；所述车辆状态数据包括速度、纵向加速度、横向加速度以及横摆率等；所述驾驶员操作数据包括油门踏板开度、制动压力以及方向盘转角；

21、分段模块，用于将所述多维驾驶数据进行分段，确定多个驾驶片段；

22、驾驶统计特征确定模块，用于计算每个所述驾驶片段内的多维驾驶数据的统计特征，确定所有驾驶片段高维连续的驾驶统计特征；

23、降维模块，用于对所述高维连续的驾驶统计特征进行降维，生成每个所述驾驶片段的公共因子；

24、驾驶单词计算模块，用于根据所述公共因子将每个所述驾驶片段用一种驾驶单词表示，并根据所述驾驶单词将待测驾驶员的所有驾驶片段表示为驾驶单词序列；所述驾驶单词服从以基础驾驶风格为参数的类别分布；所述基础驾驶风格包括激进型驾驶风格以及正常型驾驶风格；

25、驾驶风格识别模块，用于将所述驾驶单词序列输入至驾驶行为分层隐模型中，输出所述待测驾驶员的连续型驾驶风格；所述驾驶行为分层隐模型是根据每个所述驾驶片段对应的基础驾驶风格以及所述驾驶单词构建的；所述连续型驾驶风格为从所述驾驶单词序列中学习得到的多种基础驾驶风格的混合比例。

26、可选的，所述驾驶单词计算模块，具体包括：

27、等分单元，用于使用直方图统计所有所述片段的所述公共因子，按概率等分为多个区间；

28、驾驶单词构造单元，用于根据所述公共因子的数量以及区间数量构造驾驶单词。

29、可选的，所述驾驶行为分层隐模型的构建过程，具体包括：

30、驾驶行为分层隐模型构建单元，用于利用隐变量表示所述基础驾驶风格，根据每个所述驾驶片段对应的基础驾驶风格以及所述驾驶单词，基于概率模型构建三层驾驶行为模型；所述三层驾驶行为模型包括驾驶员层-基础驾驶风格层-驾驶单词层，所述三层驾驶行为模型为驾驶行为分层隐模型；其中，所述基础驾驶风格服从以驾驶员的连续型驾驶风格为参数的类别分布；从驾驶员层-基础驾驶风格层类别分布中采样每个所述驾驶片段对应的基础驾驶风格，生成所有所述驾驶片段对应的基础驾驶风格序列；基于所述基础驾驶风格序列，从基础驾驶风格层-驾驶单词层类别分布中采样每个所述驾驶片段对应的驾驶单词。

31、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述连续型驾驶风格识别方法。

32、一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述连续型驾驶风格识别方法。

33、根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种连续型驾驶风格识别方法、系统及设备，将高维连续的驾驶统计特征转换为低维稀疏的驾驶单词，并将低维稀疏的驾驶单词输入至驾驶行为分层隐模型中，输出待测驾驶员的连续型驾驶风格，大大降低了驾驶行为分层隐模型的计算效率；此外，本发明将驾驶片段中的驾驶行为表征为驾驶单词，输出表征多种基础驾驶风格的混合比例的连续型驾驶风格，大大提高了驾驶风格的辨识准确性。