一种自动驾驶道路测试驾驶模式辨别方法及系统技术方案

本发明专利技术涉及一种自动驾驶道路测试驾驶模式辨别方法，其中，所述方法包括：获取初始数据；确定驾驶持续时长阈值；根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；基于所述正确驾驶数据集确定最终分类模型；基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。本发明专利技术针对自动驾驶测试产生的数据能准确辨别驾驶模式，为后续自动驾驶能力评估提供良好的基础。

【技术实现步骤摘要】
一种自动驾驶道路测试驾驶模式辨别方法及系统
本专利技术涉及模式识别
，特别是涉及一种自动驾驶道路测试驾驶模式辨别方法及系统。
技术介绍
道路测试是开展自动驾驶技术研发与应用的关键环节；自动驾驶道路测试产生了海量测试数据，记录了测试车辆标识、测试时间、速度、加速度、驾驶模式等字段信息，但自动驾驶车辆的传感器如雷达、激光雷达、摄像头、GPS等会因恶劣天气下的时间累积造成性能下降，可能带来自动驾驶车辆数据检测及传输等问题，影响了道路测试驾驶模式数据的准确度。而自动驾驶车辆测试过程中自动或人工驾驶模式的记录准确与否，将直接影响人工干预率等指标的计算，进而影响自动驾驶车辆驾驶能力评估的准确性。
技术实现思路
本专利技术的目的是提供一种自动驾驶道路测试驾驶模式辨别方法及系统，以准确辨别自动驾驶测试过程中的驾驶模式。为实现上述目的，本专利技术提供了如下方案：一种自动驾驶道路测试驾驶模式辨别方法，包括：获取初始数据；确定驾驶持续时长阈值；根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；基于所述正确驾驶数据集确定最终分类模型；基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。优选地，所述获取初始数据包括：获取原始数据；对所述原始数据进行数据填充和数据修正，得到修补数据；根据驾驶模式持续时长对所述修补数据进行分割得到自动驾驶数据集和人工驾驶数据集；所述初始数据包括所述自动驾驶数据集和所述人工驾驶数据集。优选地，所述确定驾驶持续时长阈值包括：选取待检验参数；判断所述待检验参数是否同时满足正态分布及方差齐次；若是，则采用参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；若否，则采用非参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；所述驾驶持续时长阈值包括所述自动驾驶持续时长阈值和所述人工驾驶持续时长阈值。优选地，所述根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集，包括：将所述自动驾驶数据集中持续时长大于或等于所述自动驾驶持续时长阈值的自动驾驶数据作为正确自动驾驶数据集，将所述人工驾驶数据集中持续时长大于或等于所述人工驾驶持续时长阈值的人工驾驶数据作为正确人工驾驶数据集；所述正确驾驶数据集包括所述正确自动驾驶数据集和所述正确人工驾驶数据集；将所述自动驾驶数据集中持续时长小于所述自动驾驶持续时长阈值的自动驾驶数据作为待分类自动驾驶数据集，将所述人工驾驶数据集中持续时长小于所述人工驾驶持续时长阈值的人工驾驶数据作为待分类人工驾驶数据集；所述待分类驾驶数据集包括所述待分类自动驾驶数据集和所述待分类人工驾驶数据集。优选地，所述基于所述正确驾驶数据集确定最终分类模型，包括：在所述正确驾驶数据集中进行特征选取得到特征数据集；在所述特征数据集选取设定比例的数据作为训练集，其余的数据作为测试集；构建各分类模型；各所述分类模型分别为K近邻估计模型、支持向量机模型、决策树模型、随机森林模型、BP神经网络模型；基于所述训练集对各所述分类模型进行训练；得到训练好的各所述分类模型；基于所述测试集对各所述分类模型进行评价，选取评价值最高所对应的训练好的所述分类模型作为最终分类模型。本专利技术还提供了一种自动驾驶道路测试驾驶模式辨别系统，包括：数据获取模块，用于获取初始数据；阈值确定模块，用于确定驾驶持续时长阈值；数据集确定模块，用于根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；模型确定模块，用于基于所述正确驾驶数据集确定最终分类模型；模式修正模块，用于基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。优选地，所述数据获取模块包括：数据获取单元，用于获取原始数据；数据处理单元，用于对所述原始数据进行数据填充和数据修正，得到修补数据；数据分割单元，用于根据驾驶模式持续时长对所述修补数据进行分割得到自动驾驶数据集和人工驾驶数据集；所述初始数据包括所述自动驾驶数据集和所述人工驾驶数据集。优选地，所述确定阈值确定模块包括：参数单元，用于选取待检验参数；判断单元，用于判断所述待检验参数是否同时满足正态分布及方差齐次；阈值确定单元，用于当满足时采用参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；当不满足时则采用非参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；所述驾驶持续时长阈值包括所述自动驾驶持续时长阈值和所述人工驾驶持续时长阈值。优选地，所述数据集确定模块包括：正确驾驶数据集确定单元，用于将所述自动驾驶数据集中持续时长大于或等于所述自动驾驶持续时长阈值的自动驾驶数据作为正确自动驾驶数据集，将所述人工驾驶数据集中持续时长大于或等于所述人工驾驶持续时长阈值的人工驾驶数据作为正确人工驾驶数据集；所述正确驾驶数据集包括所述正确自动驾驶数据集和所述正确人工驾驶数据集；待分类数据及确定单元，用于将所述自动驾驶数据集中持续时长小于所述自动驾驶持续时长阈值的自动驾驶数据作为待分类自动驾驶数据集，将所述人工驾驶数据集中持续时长小于所述人工驾驶持续时长阈值的人工驾驶数据作为待分类人工驾驶数据集；所述待分类驾驶数据集包括所述待分类自动驾驶数据集和所述待分类人工驾驶数据集。优选地，所述模型确定模块包括：特征数据集确定模块，用于在所述正确驾驶数据集中进行特征选取得到特征数据集；特征数据集分类单元，用于在所述特征数据集选取设定比例的数据作为训练集，其余的数据作为测试集；模型构建单元，用于构建各分类模型；各所述分类模型分别为K近邻估计模型、支持向量机模型、决策树模型、随机森林模型、BP神经网络模型；训练单元，用于基于所述训练集对各所述分类模型进行训练；得到训练好的各所述分类模型；模型确定单元，用于基于所述测试集对各所述分类模型进行评价，选取评价值最高所对应的训练好的所述分类模型作为最终分类模型。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术涉及一种自动驾驶道路测试驾驶模式辨别方法，其中，所述方法包括：获取初始数据；确定驾驶持续时长阈值；根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；基于所述正确驾驶数据集确定最终分类模型；基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。本专利技术针对自动驾驶测试产生的数据能准确辨别驾驶模式，为后续自动驾驶能力评估提供良好的基础。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提本文档来自技高网...

【技术保护点】
1.一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，包括：/n获取初始数据；/n确定驾驶持续时长阈值；/n根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；/n基于所述正确驾驶数据集确定最终分类模型；/n基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。/n

【技术特征摘要】
1.一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，包括：
获取初始数据；
确定驾驶持续时长阈值；
根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集；
基于所述正确驾驶数据集确定最终分类模型；
基于所述最终分类模型对所述待分类数据集中各待分类数据所对应的驾驶模式进行修正。


2.根据权利要求1所述的一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，所述获取初始数据包括：
获取原始数据；
对所述原始数据进行数据填充和数据修正，得到修补数据；
根据驾驶模式持续时长对所述修补数据进行分割得到自动驾驶数据集和人工驾驶数据集；所述初始数据包括所述自动驾驶数据集和所述人工驾驶数据集。


3.根据权利要求1所述的一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，所述确定驾驶持续时长阈值包括：
选取待检验参数；
判断所述待检验参数是否同时满足正态分布及方差齐次；
若是，则采用参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；若否，则采用非参数检验方法分别得到自动驾驶持续时长阈值和人工驾驶持续时长阈值；所述驾驶持续时长阈值包括所述自动驾驶持续时长阈值和所述人工驾驶持续时长阈值。


4.根据权利要求3所述的一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，所述根据所述初始数据和所述驾驶持续时长阈值得到正确驾驶数据集和待分类数据集，包括：
将所述自动驾驶数据集中持续时长大于或等于所述自动驾驶持续时长阈值的自动驾驶数据作为正确自动驾驶数据集，将所述人工驾驶数据集中持续时长大于或等于所述人工驾驶持续时长阈值的人工驾驶数据作为正确人工驾驶数据集；所述正确驾驶数据集包括所述正确自动驾驶数据集和所述正确人工驾驶数据集；
将所述自动驾驶数据集中持续时长小于所述自动驾驶持续时长阈值的自动驾驶数据作为待分类自动驾驶数据集，将所述人工驾驶数据集中持续时长小于所述人工驾驶持续时长阈值的人工驾驶数据作为待分类人工驾驶数据集；所述待分类驾驶数据集包括所述待分类自动驾驶数据集和所述待分类人工驾驶数据集。


5.根据权利要求1所述的一种自动驾驶道路测试驾驶模式辨别方法，其特征在于，所述基于所述正确驾驶数据集确定最终分类模型，包括：
在所述正确驾驶数据集中进行特征选取得到特征数据集；
在所述特征数据集中选取设定比例的数据作为训练集，其余的数据作为测试集；
构建各分类模型；各所述分类模型分别为K近邻估计模型、支持向量机模型、决策树模型、随机森林模型、BP神经网络模型；
基于所述训练集对各所述分类模型进行训练；得到训练好的各所述分类模型；
基于所述测试集对各所述分类模型进行评价，选取评价值最高所对应的训练好的所述分类模型作为最终分类模型。


6.一种自动驾驶道路测试驾驶模式辨别系统，其特征在于，包括：
数据获取模块，用于获取初始数据；
阈值确定...

【专利技术属性】
技术研发人员：涂辉招，宋启宇，李浩，李春娟，孙立军，崔航，刘芳丽，成荣，
申请(专利权)人：同济大学，
类型：发明
国别省市：上海;31