适合国内人群的驾驶风格分类和识别方法及系统技术方案

本发明专利技术提供了一种适合国内人群的驾驶风格分类和识别系统及方法，识别系统包括驾驶风格道路环境模拟模块、数据采集模块、数据库处理模块及降维模块、数据库样本分类模块、驾驶风格识别模块。本发明专利技术提出29个驾驶风格特征参数，实现了从多个方面对驾驶风格进行综合分析判断；提出建立国内驾驶员的驾驶风格数据库的思路；提出使用模糊C均值分类器对驾驶风格进行分类，解决了如何对驾驶风格样本的准确分类的问题，实现了对驾驶风格数据库合理分类；提出使用模式识别神经网络建立驾驶风格识别模型，提高了驾驶风格识别精度，同时降低了驾驶风格识别难度。

Driving Style Classification and Recognition Method and System Suitable for Domestic Crowds

【技术实现步骤摘要】
适合国内人群的驾驶风格分类和识别方法及系统
本专利技术属于驾驶员行为分析领域，尤其是涉及一种适合国内人群的驾驶风格分类和识别方法及系统。
技术介绍
驾驶风格就是驾驶员的驾驶行为特征，体现在驾驶过程中对车辆的驾驶操作行为，并由此导致的整车响应。驾驶风格影响汽车的燃油经济性，激进型的驾驶风格往往油耗偏高，为提高燃油经济性，需要根据不同的驾驶风格采用不同的能量控制策略；在智能网联领域，根据驾驶员驾驶风格，智能系统提供给驾驶员符合其行驶特征的辅助驾驶模式，增加了汽车的人性化服务。驾驶风格是根据驾驶员驾驶过程中的特征参数进行判断，激进驾驶风格的平均车速、最大车速、最大油门开度等特征参数的数值一般偏高。目前国内驾驶风格判别研究中往往是根据某几个特征参数来判断驾驶员开车的驾驶风格，并选择BP神经网络等方法作为识别驾驶员驾驶风格的识别方法，该方法存在的问题有：第一，较少的驾驶风格评价指标并不能全面地完整地展现驾驶员开车的特点，易产生驾驶风格判断不准确的情况；第二，没有提出恰当的驾驶风格分类方法并加以应用，无法合理对驾驶风格进行分类；第三，BP神经网络等方法虽然可以用于驾驶风格识别，但其在模式识别领域中存在识别精度不够高及容易出现局部优化的问题。
技术实现思路
有鉴于此，本专利技术旨在提出一种适合国内人群的驾驶风格分类和识别方法及系统，以解决现有技术分类不合理、识别准确度低的问题，同时也大大降低了驾驶风格识别难度。为达到上述目的，本专利技术的技术方案是这样实现的：一种适合国内人群的驾驶风格分类和识别系统，包括驾驶风格道路环境模拟模块、数据采集模块、数据库处理模块及降维模块、数据库样本分类模块、驾驶风格识别模块；所述驾驶风格道路环境模拟模块连接数据库处理模块及降维模块，用于模拟实验道路环境；所述数据采集模块连接数据库处理模块及降维模块，用于采集汽车状态信号，与驾驶风格道路环境模拟模块共同建立国内人群驾驶风格数据库；所述数据库处理模块及降维模块还连接数据库样本分类模块，用于处理驾驶风格测试数据，包括计算驾驶风格特征参数的值以及对驾驶风格评价指标进行降维；所述数据库样本分类模块还连接驾驶风格识别模块，用于将数据库样本进行分类；所述驾驶风格识别模块用于通过模式识别神经网络建立驾驶风格识别模型，最终生成驾驶风格识别程序。进一步的，所述驾驶风格道路环境模拟模块设定实验工况为市区、郊区、高速三种典型实验工况，驾驶环境为：天气晴朗、道路良好、风速正常、无上下班高峰的正常驾驶环境。进一步的，所述数据采集模块使用的设备包括三轴加速度传感器、毫米波雷达、方向盘转角测量仪、油耗仪，采集的汽车状态信号包括车速、油门踏板位置、制动踏板位置、制动压力、加速度、行车车距、方向盘转角、加速度。进一步的，所述驾驶风格特征参数包括换道次数、跟车距离、制动压力最大值、制动压力变化率最大值、行驶时间、最大车速、平均车速、车速标准差、最大加速度、平均加速度、最大减速度、平均减速度、加速冲击度平均值、减速冲击度平均值、冲击度标准差、加速冲击度最大值、减速冲击度最大值、最大加速踏板行程、油门开度平均值、油门开度标准差、油门开度变化率最大值、踩油门踏板变化率平均值、松油门踏板变化率平均值、加速踏板开度变化率标准差、加速牵引力功率最大值、减速牵引力功率最大值、加速牵引力功率平均值、减速牵引力功率平均值、牵引力功率标准差。进一步的，计算驾驶风格特征参数的值具体包括利用PCA算法将评价指标降为k个主成分，并对特征参数进行标准化处理。进一步的，对驾驶风格评价指标进行降维，具体包括使用PCA算法计算协方差矩阵、特征向量、特征值、主成分得分、主成分贡献率以及系数矩阵PC；最后按照主成分贡献率大于85％的原则挑选主成分的个数，假设前k个主成分的贡献率之和大于85％，则挑选前k个主成分作为新的特征参数。进一步的，所述驾驶风格识别模块利用FCM算法对数据库进行分类，以生成的k个主成分作为新的特征参数，将数据库的k个主成分的值作为FCM分类器的输入将数据库样本分为3种驾驶风格，驾驶风格分类个数不限于3类。进一步的，所述驾驶风格识别模块利用模式识别神经网络建立驾驶风格识别模型，挑选数据库中70％样本作为学习样本，剩下的30％个样本作为检测样本；以k个主成分的值作为模式识别神经网络的输入，以数据库的分类结果作为模式识别神经网络的输出；该模型隐含层设置为10层、隐含层传递函数选取sigmoid函数、输出层传递函数选取softmax函数、训练函数设置为trainscg函数。本专利技术的另一目的在于提出一种适合国内人群的驾驶风格分类和识别方法，具体方案是这样实现的：S1：通过驾驶环境模块设定驾驶风格实验环境，建立国内人群驾驶风格数据库；S2：利用数据采集模块采集汽车状态信号；S3：利用数据库处理模块及降维模块生成国内驾驶人群驾驶风格数据并计算特征参数，利用PCA算法完成驾驶风格特征参数的降维处理；S4：利用数据库样本分类模块通过FCM算法实现驾驶风格样本的分类；S5：利用驾驶风格识别模块通过模式识别神经网络建立驾驶风格识别模型，生成一个驾驶风格自动识别程序。相对于现有技术，本专利技术所述的一种适合国内人群的驾驶风格分类和识别方法及系统具有以下优势：本专利技术根据29个特征参数全面“描述”驾驶风格，实现风格识别不仅仅局限于某几个特征，而是全面、综合地判断驾驶员驾驶习惯；利用主成分分析法完成特征参数降维，降低计算的同时还降低样本参数间的相关性；实现了对数据库样本的准确和合理的分类，同时依据该结果建立识别模型，降低了驾驶风格识别的难度，提高了识别精度，任何驾驶人群样本的风格都可以根据该识别模型判断；充分考虑影响驾驶风格的人为因素和环境因素，建立了国内驾驶人群的驾驶风格数据库附图说明构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例中的所述驾驶风格分类识别系统结构图；图2为本专利技术实施例中的所述驾驶风格分类、识别系统原理流程示意图；图3为主成分分析步骤图；图4为FCM聚类方法步骤图；图5为模式识别神经网络驾驶风格识别结构图；图6为驾驶风格识别程序界面。具体实施方式需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。如图1，图2所示，本实施例提供了一种针对国内人群的驾驶风格分类识别方法及系统，包括驾驶风格道路环境模拟模块，设置了市区、郊区、高速三种典型的实验工况，选取天气晴朗、道路良好、非上下班时间、风速较小、温度适中的驾驶环境；数据采集模块借助数采设备采集汽车运行状态信号，采集的信号来自于CAN总线、三轴加速度传感器、毫米波雷达、方向盘转角测量仪，挑选不同年龄、性别、职业的驾驶员，建立国内人群驾驶风格数据库；数据库处理模块，借助于matlab软件计算特征参数的值，将初始特征参数标准化，使用PCA算法完成驾驶风格评价指标的降维；数据库样本分类模块，借助FCM算法完成数据库样本的准确分类；识别模块，借助模式识别神经网络建立驾驶风格识别模型，最终生成驾驶风格识别程序，提高了驾驶风格识别精度。本实施例中，提供了驾驶环境模拟模块；该模块规定了市区、郊区、高速三本文档来自技高网...

【技术保护点】
1.一种适合国内人群的驾驶风格分类和识别系统，其特征在于：包括驾驶风格道路环境模拟模块、数据采集模块、数据库处理模块及降维模块、数据库样本分类模块、驾驶风格识别模块；所述驾驶风格道路环境模拟模块连接数据库处理模块及降维模块，用于模拟实验道路环境；所述数据采集模块连接数据库处理模块及降维模块，用于采集汽车状态信号，与驾驶风格道路环境模拟模块共同建立国内人群驾驶风格数据库；所述数据库处理模块及降维模块还连接数据库样本分类模块，用于处理驾驶风格测试数据，包括计算驾驶风格特征参数的值以及对驾驶风格评价指标进行降维；所述数据库样本分类模块还连接驾驶风格识别模块，用于对数据库样本进行分类；所述驾驶风格识别模块用于通过模式识别神经网络建立驾驶风格识别模型，最终生成驾驶风格识别程序。

【技术特征摘要】
1.一种适合国内人群的驾驶风格分类和识别系统，其特征在于：包括驾驶风格道路环境模拟模块、数据采集模块、数据库处理模块及降维模块、数据库样本分类模块、驾驶风格识别模块；所述驾驶风格道路环境模拟模块连接数据库处理模块及降维模块，用于模拟实验道路环境；所述数据采集模块连接数据库处理模块及降维模块，用于采集汽车状态信号，与驾驶风格道路环境模拟模块共同建立国内人群驾驶风格数据库；所述数据库处理模块及降维模块还连接数据库样本分类模块，用于处理驾驶风格测试数据，包括计算驾驶风格特征参数的值以及对驾驶风格评价指标进行降维；所述数据库样本分类模块还连接驾驶风格识别模块，用于对数据库样本进行分类；所述驾驶风格识别模块用于通过模式识别神经网络建立驾驶风格识别模型，最终生成驾驶风格识别程序。2.根据权利要求1所述的一种适合国内人群的驾驶风格分类和识别系统，其特征在于：所述驾驶风格道路环境模拟模块设定实验工况为市区、郊区、高速三种典型实验工况，驾驶环境为：天气晴朗、道路良好、风速正常、无上下班高峰的正常驾驶环境。3.根据权利要求1所述的一种适合国内人群的驾驶风格分类和识别系统，其特征在于：所述数据采集模块使用的设备包括三轴加速度传感器、毫米波雷达、方向盘转角测量仪、油耗仪，采集的汽车状态信号包括车速、油门踏板位置、制动踏板位置、制动压力、加速度、行车车距、方向盘转角、加速度。4.根据权利要求1所述的一种适合国内人群的驾驶风格分类和识别系统，其特征在于：所述驾驶风格特征参数包括换道次数、跟车距离、制动压力最大值、制动压力变化率最大值、行驶时间、最大车速、平均车速、车速标准差、最大加速度、平均加速度、最大减速度、平均减速度、加速冲击度平均值、减速冲击度平均值、冲击度标准差、加速冲击度最大值、减速冲击度最大值、最大加速踏板行程、油门开度平均值、油门开度标准差、油门开度变化率最大值、踩油门踏板变化率平均值、松油门踏板变化率平均值、加速踏板开度变化率标准差、加速牵引力功率最大值、减速牵引力功率最大值、加速牵引力功率平均值、减速牵引力功率平均值...

【专利技术属性】
技术研发人员：杨建军，李立治，郭文翠，刘双喜，高继东，马杰，张先锋，李萍，白巴特尔，聂国乐，
申请(专利权)人：中汽研天津汽车工程研究院有限公司，中国汽车技术研究中心有限公司，
类型：发明
国别省市：天津,12