油门防误踩方法、装置、服务器及车辆与流程

本技术涉及车辆，特别涉及一种油门防误踩方法、装置、服务器及车辆。

背景技术：

1、在引发交通事故的各类成因中，由于对油门踏板误踩而产生的交通事故不在少数。

2、为了对油门误踩起到防护作用，相关技术中可以使用一种计算油门踏板误踩模型最优解的方式，采集油门踏板数据并将数据存储数据库，基于采集的数据分析建立模型，将数据导入svm(support vector machine，支持向量机)训练器，计算出油门踏板误踩模型最优解。

3、然而，相关技术对于数据的处理依赖车载硬件设备，数据样本依赖于本车数据、样本容量低，且无法通过ota(over-the-air technology，空中下载技术)升级，用户使用感受较差。

技术实现思路

1、本技术提供一种油门防误踩方法、装置、服务器及车辆，以解决相关技术中通常依赖车载硬件设备实现油门防误踩，车载硬件设备资源有限，使得防油门误踩检测可靠性较低，用户使用体验较差等问题。

2、本技术第一方面实施例提供一种油门防误踩方法，所述方法应用于服务器，包括以下步骤：获取车辆的驾驶行为数据集；对所述驾驶行为数据集进行聚类得到多个聚类中心，根据所述多个聚类中心标记所述驾驶行为数据集中驾驶行为数据所属的驾驶类型；基于标记后的驾驶行为数据集对预先建立的防误踩检测模型进行训练，并下发训练完成的防误踩检测模型至车辆，其中，所述车辆基于所述误踩检测模型实现油门防误踩功能。

3、可选地，所述防误踩检测模型包括输入层、输出层和隐含层，所述隐含层具有第一激活函数，所述输出层具有第二激活函数。

4、可选地，所述基于标记后的驾驶行为数据集对预先建立的防误踩检测模型进行训练，包括：将所述标记后的驾驶行为数据集划分为训练集、测试集和交叉验证集；利用所述训练集对所述防误踩检测模型进行训练，其中，所述输入层将所述训练集中多个样本信号传递至所述隐含层，所述隐含层对所述多个样本信号加权求和得到油门的实际输出值，基于所述油门的实际输出值和期望输出值调整所述隐含层的加权系数；利用所述交叉验证集进行训练监督，基于所述测试集测试所述防误踩检测模型的性能达到预设性能时，完成所述防误踩检测模型的训练。

5、可选地，所述根据所述多个聚类中心标记所述驾驶行为数据集中驾驶行为数据所属的驾驶类型，包括：识别所述多个聚类中心中每个聚类中心的坐标值，其中，所述坐标值包括油门踏板深度、车辆方向角度、车辆速度和车辆加速度；根据所述油门踏板深度、所述车辆方向角度、所述车辆速度和所述车辆加速度计算所述每个聚类中心的坐标值平方和，将最大的坐标值平方和对应的聚类中心作为第一聚类中心，将最小的坐标值平方和对应的聚类中心作为第二聚类中心，剩余的聚类中心作为第三聚类中心；确定第一至第三聚类中心各自对应的驾驶类型，并基于所述第一至第三聚类中心标记所述驾驶行为数据集中驾驶行为数据所属的驾驶类型。

6、可选地，所述驾驶行为数据集包括多个同类型车辆上传的驾驶行为数据，所述驾驶行为数据包括油门踏板深度、车辆方向角度、车辆速度和车辆加速度中的一种或多种。

7、本技术第二方面实施例提供一种油门防误踩方法，所述方法应用于车辆，包括以下步骤：获取油门踏板触发时的当前驾驶行为数据；将所述当前驾驶行为数据输入防误踩检测模型，所述防误踩检测模型输出油门的实际输出值，其中，所述防误踩检测模型是服务器基于车辆的驾驶行为数据集训练得到的；若所述实际输出值与油门踏板对应的期望输出值一致，则响应所述油门踏板的油门信号，否则生成油门误踩的提醒信息。

8、本技术第三方面实施例提供一种油门防误踩装置，所述装置应用于服务器，包括：第一获取模块，用于获取车辆的驾驶行为数据集；标记模块，用于对所述驾驶行为数据集进行聚类得到多个聚类中心，根据所述多个聚类中心标记所述驾驶行为数据集中驾驶行为数据所属的驾驶类型；训练模块，用于基于标记后的驾驶行为数据集对预先建立的防误踩检测模型进行训练，并下发训练完成的防误踩检测模型至车辆，其中，所述车辆基于所述误踩检测模型实现油门防误踩功能。

9、可选地，所述防误踩检测模型包括输入层、输出层和隐含层，所述隐含层具有第一激活函数，所述输出层具有第二激活函数。

10、可选地，所述训练模块进一步用于：将所述标记后的驾驶行为数据集划分为训练集、测试集和交叉验证集；利用所述训练集对所述防误踩检测模型进行训练，其中，所述输入层将所述训练集中多个样本信号传递至所述隐含层，所述隐含层对所述多个样本信号加权求和得到油门的实际输出值，基于所述油门的实际输出值和期望输出值调整所述隐含层的加权系数；利用所述交叉验证集进行训练监督，基于所述测试集测试所述防误踩检测模型的性能达到预设性能时，完成所述防误踩检测模型的训练。

11、可选地，所述标记模块进一步用于：识别所述多个聚类中心中每个聚类中心的坐标值，其中，所述坐标值包括油门踏板深度、车辆方向角度、车辆速度和车辆加速度；根据所述油门踏板深度、所述车辆方向角度、所述车辆速度和所述车辆加速度计算所述每个聚类中心的坐标值平方和，将最大的坐标值平方和对应的聚类中心作为第一聚类中心，将最小的坐标值平方和对应的聚类中心作为第二聚类中心，剩余的聚类中心作为第三聚类中心；确定第一至第三聚类中心各自对应的驾驶类型，并基于所述第一至第三聚类中心标记所述驾驶行为数据集中驾驶行为数据所属的驾驶类型。

12、可选地，所述驾驶行为数据集包括多个同类型车辆上传的驾驶行为数据，所述驾驶行为数据包括油门踏板深度、车辆方向角度、车辆速度和车辆加速度中的一种或多种。

13、本技术第四方面实施例提供一种油门防误踩装置，所述装置应用于车辆，包括：第二获取模块，用于获取油门踏板触发时的当前驾驶行为数据；输出模块，用于将所述当前驾驶行为数据输入防误踩检测模型，所述防误踩检测模型输出油门的实际输出值，其中，所述防误踩检测模型是服务器基于车辆的驾驶行为数据集训练得到的；执行模块，用于在所述实际输出值与油门踏板对应的期望输出值一致时，响应所述油门踏板的油门信号，否则生成油门误踩的提醒信息。

14、本技术第五方面实施例提供一种服务器，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的油门防误踩方法。

15、本技术第六方面实施例提供一种服务器，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的油门防误踩方法。

16、由此，本技术至少具有如下有益效果：

17、本技术实施例可以建立油门防误踩检测模型，并使用聚类、标记后的车辆驾驶行为数据集对其进行训练，车辆基于训练完成的防误踩检测模型实现对油门误踩的检测；且可以优化分析算法，提高样本数据容量，在提升运算效率和可靠性的同时，通过云端训练模型，降低车端硬件和运算成本，满足实际使用需要。

18、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。