本发明专利技术属于车辆行驶检测技术领域，公开基于类不平衡算法的车辆行驶行为检测方法，包括获取车辆行驶数据信息；对车辆行驶数据信息预处理和特征提取得出样本数据块信息；将样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；发送车辆行驶行为信息至终端；还公开一种装置；使用多数类与少数类比率和固定的阈值进行对比，当比率大于阈值时，就认为当前数据块是类不平衡的，接着就会对当前数据块进行过采样增加少数类样本的个数，从而达到整个数据块的类平衡；进而将传感器获取的数据信息提取后输入至采用类不平衡算法训练后的车辆行驶行为识别模型，准确输出包括车辆异常行驶行为或正常行驶行为信息的一种。
【技术实现步骤摘要】
基于类不平衡算法的车辆行驶行为检测方法及装置
本专利技术属于车辆行驶检测
，特别的涉及基于类不平衡算法的车辆行驶行为检测方法及装置。
技术介绍
第一辆汽车问世距今已有135年的时间。在这一百多年的历史中，汽车在人类社会的发展中扮演着举足轻重的角色。而随着汽车技术及生产工艺的不断迭代革新，汽车的速度，功率，运力，产量等都得到了长足的发展，与之相对的则是与汽车有关的交通安全问题越来越突出。而在有关交通事故诱发因素的研究中科研人员发现，交通事故的发生常常是由驾驶人员的一系列不当驾驶行为引起的。于是，面向驾驶人员的安全驾驶监测与辅助系统逐渐成为行业研究的热点。但面向驾驶人员的安全驾驶监测会发现，由于人是高度自由的个体，个人行为的高度自由化与不可预测性会对算法带来负面的影响，降低算法识别准确率；此时，往往需要布置大量的传感器或采用图像处理的方法来提升信息丰富度，以此弥补个人行为高度自由带来的问题；但信息量的增大就意味着算法需要更长的时间来处理输入，与之相对应的，采用此种解决方案的驾驶行为监测系统在实时性上则极可能达不到要求；另一方面，在车辆行驶行为检测的过程中，每个行驶行为类别持续的时间是不同的，对于那些持续时间短的行驶行为类别来说，其所包含的数据样本数量相对较少，而机器学习算法往往对于样本数量比较多的行驶行为类别（即，多数类）具有很好的识别效果而对于这些样本数量较少的行驶行为类别识别效果较差。
技术实现思路
本专利技术目的是提供基于类不平衡算法的车辆行驶行为检测方法及装置，用以解决上述提到的面向驾驶人员的安全驾驶监测会发现，由于人是高度自由的个体，个人行为的高度自由化与不可预测性会对算法带来负面的影响，降低算法识别准确率；此时，往往需要布置大量的传感器或采用图像处理的方法来提升信息丰富度，以此弥补个人行为高度自由带来的问题；但信息量的增大就意味着算法需要更长的时间来处理输入，与之相对应的，采用此种解决方案的驾驶行为监测系统在实时性上则极可能达不到要求；另一方面，在车辆行驶行为检测的过程中，每个行驶行为类别持续的时间是不同的，对于那些持续时间短的行驶行为类别来说，其所包含的数据样本数量相对较少，而机器学习算法往往对于样本数量比较多的行驶行为类别（即，多数类）具有很好的识别效果而对于这些样本数量较少的行驶行为类别识别效果较差。本专利技术解决其技术问题采用的技术方案是，提出基于类不平衡算法的车辆行驶行为检测方法，包括以下步骤：获取当前车辆行驶数据信息；对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息；将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；发送所述车辆行驶行为信息至终端。进一步优选地，所述当前车辆行驶数据信息具体包括当前车辆加速度信息和当前车辆角速度信息。进一步优选地，所述“对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息”具体还包括：将车辆行驶数据信息存储至预设的数据库；抽取数据库中经预处理和特征提取的样本数据块信息作为训练样本；将训练样本输入待训练的车辆行驶行为识别模型进行训练，得出训练后的车辆行驶行为识别模型。进一步优选地，所述“将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息”具体包括：输入序列化数据块信息；预选基分类器生成算法BaseClassifier；调用BaggingVariation算法在当前数据集上生成子集成基分类器；利用已生成子集成基分类器对当前数据块样本进行预测，结合预测结果计算当前数据块上的类不平衡度；当类不平衡度小于预设阈值时，计算每一个子集成基分类器的误差、归一化误差权重均值和投票权重；根据每个基分类器权重得到最终预测结果。进一步优选地，所述“车辆行驶行为信息”包括车辆异常行驶行为信息和车辆正常行驶行为信息，其中车辆异常行驶行为信息包括急加速、急刹、急转弯、急换道和跑偏行驶的一种；其中车辆正常行驶行为信息包括平稳加速、平稳减速、换道、转弯、匀速直线、静止和启动的一种。本专利技术解决其技术问题采用的另一技术方案是，提出基于类不平衡算法的车辆行驶行为检测装置，包括：数据获取模块，用于获取当前车辆行驶数据信息；数据分析模块，用于对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息；数据处理模块，用于将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；数据发送模块，用于发送所述车辆行驶行为信息至终端。进一步优选地，所述当前车辆行驶数据信息具体包括当前车辆加速度信息和当前车辆角速度信息。进一步优选地，所述“对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息”具体还包括：将车辆行驶数据信息存储至预设的数据库；抽取数据库中经预处理和特征提取的样本数据块信息作为训练样本；将训练样本输入待训练的车辆行驶行为识别模型进行训练，得出训练后的车辆行驶行为识别模型。进一步优选地，所述“将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息”具体包括：输入序列化数据块信息；预选基分类器生成算法BaseClassifier；调用BaggingVariation算法在当前数据集上生成子集成基分类器；利用已生成子集成基分类器对当前数据块样本进行预测，结合预测结果计算当前数据块上的类不平衡度；当类不平衡度小于预设阈值时，计算每一个子集成基分类器的误差、归一化误差权重均值和投票权重；根据每个基分类器权重得到最终预测结果。进一步优选地，所述“车辆行驶行为信息”包括车辆异常行驶行为信息和车辆正常行驶行为信息，其中车辆异常行驶行为信息包括急加速、急刹、急转弯、急换道和跑偏行驶的一种；其中车辆正常行驶行为信息包括平稳加速、平稳减速、换道、转弯、匀速直线、静止和启动的一种。本专利技术的有益效果：本专利技术使用多数类与少数类比率和固定的阈值进行对比，当比率大于阈值时，就认为当前数据块是类不平衡的，接着就会对当前数据块进行过采样增加少数类样本的个数，从而达到整个数据块的类平衡；进而将传感器获取的数据信息提取后输入至采用类不平衡算法训练后的车辆行驶行为识别模型，准确输出包括车辆异常行驶行为或正常行驶行为信息的一种。附图说明图1为本专利技术实施例的基于类不平衡算法的车辆行驶行为检测方法的整体流程示意图；图2为本专利技术实施例的基于类不平衡算法的车辆行驶行为检测方法的又一流程示意图；图3为本专利技术实施例的基于类不平衡算法的车辆行驶行为检测装置的流程示意图；图4为本专利技术实施例的基于类不平衡算法的车辆行驶行为检测方法的类不平衡集成算法工作原理图。具体实施方式为了更清楚地说明本专利技术实施例和/或现有技术中的技术方案，下面将对照附图说明本专利技术的具体实施方式。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些本文档来自技高网...
【技术保护点】
1.基于类不平衡算法的车辆行驶行为检测方法，其特征在于，包括以下步骤：/nS1获取当前车辆行驶数据信息；/nS2对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息；/nS3将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；/nS4发送所述车辆行驶行为信息至终端。/n
【技术特征摘要】
1.基于类不平衡算法的车辆行驶行为检测方法，其特征在于，包括以下步骤：
S1获取当前车辆行驶数据信息；
S2对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息；
S3将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；
S4发送所述车辆行驶行为信息至终端。
2.根据权利要求1所述的基于类不平衡算法的车辆行驶行为检测方法，其特征在于，所述步骤S1中当前车辆行驶数据信息具体包括当前车辆加速度信息和当前车辆角速度信息。
3.根据权利要求1所述的基于类不平衡算法的车辆行驶行为检测方法，其特征在于，所述“S2对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息”具体还包括：将车辆行驶数据信息存储至预设的数据库；抽取数据库中经预处理和特征提取的样本数据块信息作为训练样本；将训练样本输入待训练的车辆行驶行为识别模型进行训练，得出训练后的车辆行驶行为识别模型。
4.根据权利要求1所述的基于类不平衡算法的车辆行驶行为检测方法，其特征在于，所述“S3将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息”具体包括：S301输入序列化数据块信息；S302预选基分类器生成算法BaseClassifier；S303调用BaggingVariation算法在当前数据集上生成子集成基分类器；S304利用已生成子集成基分类器对当前数据块样本进行预测，结合预测结果计算当前数据块上的类不平衡度；S305当类不平衡度小于预设阈值时，计算每一个子集成基分类器的误差、归一化误差权重均值和投票权重；S306根据每个基分类器权重得到最终预测结果。
5.根据权利要求4所述的基于类不平衡算法的车辆行驶行为检测方法，其特征在于，所述“车辆行驶行为信息”包括车辆异常行驶行为信息和车辆正常行驶行为信息，其中车辆异常行驶行为信息包括急加速、急刹、急转弯、急换道和跑偏行驶的一种；其中车辆正常行驶行为信息包括平稳加速、平稳减速、换道、转弯、匀速直线、静止和启动的一种。
【专利技术属性】
技术研发人员：曹菁菁，李周理，黄齐贤，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。