一种基于驾驶倾性的汽车行驶特征评价及预警方法技术

本发明专利技术一种基于驾驶倾性的汽车行驶特征评价及预警方法，属于汽车智能交互技术领域，采集车辆实时运行数据作为评价车辆行驶特征的原始数据，对原始数据根据场景进行提取，发挥了驾驶倾性针对特定场景进行实时评价的特征优势；使用时间序列降维算法可以降低数据复杂程度，同时保留数据隐含的时间序列特征；对操作片段进行统计，得到高频操作片段数据库，可以进行详细的驾驶特征行为描述；应用HMM模型进行倾性辨识，辨识结果具有高度可信性；通过进一步计算外倾值，可以比较驾驶博弈各方的操作特征；通过定量和定性评价结果得出的预警信息，其内容便于比较；随着车辆运行不断更新数据，保证评价结果和预警信息的实时性，具有很强的实用性。

【技术实现步骤摘要】
一种基于驾驶倾性的汽车行驶特征评价及预警方法
本专利技术属于汽车智能交互
，特别是涉及到一种基于实时驾驶倾性分析的汽车行驶特征评价及预警方法。
技术介绍
随着人工智能时代的到来，现代汽车智能技术取得了巨大突破和发展，交通系统开始朝着网联化、智能化方向发展，交通场景内的信息量不断增长。每辆汽车的行驶特征组成了该车独特的标签，在此基础上便可以通过评价区域内的车辆行驶倾性对交通网络中的其他车辆进行智能预警和操作调控，避免危险事故的发生。准确、快速、实时评价汽车行驶特征，对于推动智能联网车辆技术发展以及提高道路交通安全水平有着极其重要的作用。现阶段的研究及专利技术主要集中在驾驶风格辨识方面，而驾驶风格往往被认为是人的固有特性，在不同场景下保持不变，这显然降低了评价结果的准确度。因此，现有技术中亟需一种新的技术方案来解决这一问题。
技术实现思路
本专利技术所要解决的技术问题是：提供一种基于驾驶倾性的汽车行驶特征评价及预警方法，用以解决现有技术中评价准确度低、无法提取驾驶人显著驾驶特征以及无法评价短时、异常态特征的问题。一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：包括以下步骤，且以下步骤顺次进行，步骤一、通过车辆信息读取设备，实时采集车辆行驶数据，获得原始数据库；步骤二、根据行驶场景，对所述步骤一获得原始数据进行划分，获得不同场景下行驶数据库；步骤三、采用时间序列降维算法，获得降维后数据库；步骤四、根据降维后的数据点对应采集频率，确定组成操作片段的时间长度，以时间滑窗方式，等长度提取操作片段，获取不同场景下不同参数的操作片段数据库；步骤五、统计所述步骤四的操作片段数据库不同操作的占比分布情况，提取占比前五的操作片段获得不同场景下不同参数高频操作片段库；经过统计获得不同场景下不同参数的共性特征片段，用于辅助辨识驾驶场景；步骤六、通过操作片段数据统计，获得隐马尔可夫模型的各输入参数矩阵；步骤七、通过隐马尔可夫模型对数据点进行驾驶倾性辨识，获得不同场景下不同参数数据序列对应的隐含状态序列，统计状态序列中各倾性状态占比，得到不同场景下不同参数对应的操作外倾值；步骤八、根据所述步骤七获得的外倾值和步骤五的高频操作片段，分别对样本行驶特征进行定量和定性评价，获得评价结果；步骤九、根据所述步骤八获得的评价结果，确定传输给周围其他车辆的预警信息；步骤十、根据已有汽车行驶特征评价结果及预警信息，随着车辆继续运行，继续收集车辆行驶数据，重复所述步骤一～步骤九，不断更新评价结果和预警信息。所述车辆行驶数据包括车速、发动机转速、发动机扭矩、节气门开度、节气门开度变化率、制动压力、制动压力变化率、转向角、转向角速度、侧向加速度、转向灯开启情况以及实时油耗。所述步骤三中时间序列降维算法包括原始数据标准化、数据降维、以及离散化字符表示，标准化处理为原始数据被转化为平均值为0，标准差为1的标准化数据；数据降维处理为数据数值范围被进一步压缩，数据的世界序列特性不变；离散化字符表示处理根据高斯分裂点对原始数据进行字符替换，最终原始数据库中的元素全部被替换为对应字符，得到降维后数据库。所述步骤四中操作片段的时间长度大于3秒，且能够描述一个完整操作行为。所述步骤五的共性特征片段为不同场景下不同参数操作片段库中出现频率最高且明显高于其他项的操作片段。所述步骤六的隐马尔可夫模型的各输入参数包括，观察序列O，通过对原始数据序列进行时间序列降维得到，不同场景下不同参数都有与其一一对应的观察序列；观察集合V，通过对降维后数据的分布统计得到，是观察序列里所有元素的集合，对于不同场景下不同参数，观察集合V根据降维结果存在差异而有所不同；状态集合Q，对于本专利技术的方法，隐马尔可夫模型的隐含状态即为驾驶倾性状态，则状态集合Q＝[内倾，中性，外倾]；初始状态分布π，将不同场景下不同参数的操作片段根据数值大小程度分为小、中、大三类，根据分类后的各程度分布概率求得初始状态分布；状态转移概率分布矩阵A，通过统计相邻两个操作片段所对应的大小程度变化，对于不同场景下不同参数，计算当前片段分别属于程度小、中、大时后一片段对应三种程度等级的概率，从而得到状态转移分布矩阵；观测状态概率矩阵B，通过统计不同场景下不同参数操作片段分别属于程度小、中、大时，三种程度片段集合中所包含数据点的分布情况，从而得到观测状态概率矩阵。所述步骤七外倾值的获得方法为，通过统计隐含状态序列中内倾、中性、外倾状态占比，计算外倾数据Score3占比与内倾数据Score1占比的比值即为外倾值ScoreD，即外倾值可描述该样本相对于内倾操作，外倾操作出现的概率。所述步骤九的预警信息包括特征标签和预警内容，具体包括：通过对不同场景下不同参数的外倾值设置安全阈值，对于外倾值高于阈值的参数生成对应特征标签，并将特征标签信息提供给周围车辆；通过对高频操作片段进行分析，针对其操作特征生成相应操作警示信息，并将警示信息提供给周围车辆，避免驾驶博弈的发生。通过上述设计方案，本专利技术可以带来如下有益效果：一种基于驾驶倾性的汽车行驶特征评价及预警方法，采集车辆实时运行数据作为评价车辆行驶特征的原始数据，数据易于采集同时可靠性较高；对原始数据根据场景进行提取，发挥了驾驶倾性针对特定场景进行短时、实时评价的特征优势；使用时间序列降维算法可以有效缩小数据数值范围，降低数据复杂程度，同时保留数据隐含的时间序列特征；对操作片段进行统计，得到高频操作片段数据库，可以进行详细的驾驶特征行为描述；应用HMM模型进行倾性辨识，由于各输入参数矩阵均来自于操作片段实时统计结果，因此辨识结果具有高度可信性；通过进一步计算外倾值，可以直观、快速比较驾驶博弈各方的操作特征；通过定量和定性评价结果得出的预警信息，其内容更加丰富、详细且便于比较；随着车辆运行不断更新数据，保证评价结果和预警信息的实时性，具有很强的实用性。进一步的，本专利技术采用车辆CAN总线等途径，实时采集车辆行驶数据，从车辆直接获取运行参数的技术较为成熟，采集频率和数据精度完全可以满足本专利技术涉及方法的需要，同时对比传统驾驶风格辨识方法，本专利技术可以消除人因参数变化复杂、难以量化的缺点；本专利技术根据驾驶工况和驾驶任务紧迫程度两种方式划分行驶场景，对比传统驾驶风格辨识，在基础数据层面缩小了处理范围，精确到了特定场景的特定参数，提高了评价准确度，因此驾驶倾性不但可以描述常态行驶特征，还可以对短时、异常态行驶特征进行评价，基于驾驶倾性评价结果的预警信息也具有更强的时效性；本专利技术使用时间序列降维算法可以有效缩小数据数值范围，降低了数据复杂程度，同时保留了原始数据隐含的时间序列特征；本专利技术将数据点组成数据片段描述操作行为，便于赋予数据具体、直观的实际物理意义，能够非常精确的描述操作特征；本专利技术通过高频操作片段库，用以评价行驶特征，可以进本文档来自技高网...

【技术保护点】
1.一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：包括以下步骤，且以下步骤顺次进行，/n步骤一、通过车辆信息读取设备，实时采集车辆行驶数据，获得原始数据库；/n步骤二、根据行驶场景，对所述步骤一获得原始数据进行划分，获得不同场景下行驶数据库；/n步骤三、采用时间序列降维算法，获得降维后数据库；/n步骤四、根据降维后的数据点对应采集频率，确定组成操作片段的时间长度，以时间滑窗方式，等长度提取操作片段，获取不同场景下不同参数的操作片段数据库；/n步骤五、统计所述步骤四的操作片段数据库不同操作的占比分布情况，提取占比前五的操作片段获得不同场景下不同参数高频操作片段库；经过统计获得不同场景下不同参数的共性特征片段，用于辅助辨识驾驶场景；/n步骤六、通过操作片段数据统计，获得隐马尔可夫模型的各输入参数矩阵；/n步骤七、通过隐马尔可夫模型对数据点进行驾驶倾性辨识，获得不同场景下不同参数数据序列对应的隐含状态序列，统计状态序列中各倾性状态占比，得到不同场景下不同参数对应的操作外倾值；/n步骤八、根据所述步骤七获得的外倾值和步骤五的高频操作片段，分别对样本行驶特征进行定量和定性评价，获得评价结果；/n步骤九、根据所述步骤八获得的评价结果，确定传输给周围其他车辆的预警信息；/n步骤十、根据已有汽车行驶特征评价结果及预警信息，随着车辆继续运行，继续收集车辆行驶数据，重复所述步骤一～步骤九，不断更新评价结果和预警信息。/n...

【技术特征摘要】
1.一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：包括以下步骤，且以下步骤顺次进行，
步骤一、通过车辆信息读取设备，实时采集车辆行驶数据，获得原始数据库；
步骤二、根据行驶场景，对所述步骤一获得原始数据进行划分，获得不同场景下行驶数据库；
步骤三、采用时间序列降维算法，获得降维后数据库；
步骤四、根据降维后的数据点对应采集频率，确定组成操作片段的时间长度，以时间滑窗方式，等长度提取操作片段，获取不同场景下不同参数的操作片段数据库；
步骤五、统计所述步骤四的操作片段数据库不同操作的占比分布情况，提取占比前五的操作片段获得不同场景下不同参数高频操作片段库；经过统计获得不同场景下不同参数的共性特征片段，用于辅助辨识驾驶场景；
步骤六、通过操作片段数据统计，获得隐马尔可夫模型的各输入参数矩阵；
步骤七、通过隐马尔可夫模型对数据点进行驾驶倾性辨识，获得不同场景下不同参数数据序列对应的隐含状态序列，统计状态序列中各倾性状态占比，得到不同场景下不同参数对应的操作外倾值；
步骤八、根据所述步骤七获得的外倾值和步骤五的高频操作片段，分别对样本行驶特征进行定量和定性评价，获得评价结果；
步骤九、根据所述步骤八获得的评价结果，确定传输给周围其他车辆的预警信息；
步骤十、根据已有汽车行驶特征评价结果及预警信息，随着车辆继续运行，继续收集车辆行驶数据，重复所述步骤一～步骤九，不断更新评价结果和预警信息。


2.根据权利要求1所述的一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：所述步骤一中车辆行驶数据包括车速、发动机转速、发动机扭矩、节气门开度、节气门开度变化率、制动压力、制动压力变化率、转向角、转向角速度、侧向加速度、转向灯开启情况以及实时油耗。


3.根据权利要求1所述的一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：所述步骤三中时间序列降维算法包括原始数据标准化、数据降维、以及离散化字符表示，
标准化处理为原始数据被转化为平均值为0，标准差为1的标准化数据；
数据降维处理为数据数值范围被进一步压缩，数据的世界序列特性不变；
离散化字符表示处理根据高斯分裂点对原始数据进行字符替换，最终原始数据库中的元素全部被替换为对应字符，得到降维后数据库。


4.根据权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：李世武，赵士舒，郭梦竹，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22