一种识别驾驶事件及其训练方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供了一种识别驾驶事件及其训练方法、装置、设备和存储介质，该方法包括：采集表示驾驶事件的数据、作为驾驶参数，将第一时间段内的驾驶参数划分第一目标参数、第二目标参数，在与车辆的类型匹配的事件识别模型中，查找适于处理第二目标参数的事件识别模型、作为原始事件识别模型，以第一目标参数作为标识紧急的样本、第二目标参数作为标识非紧急的样本训练原始事件识别模型，获得目标事件识别模型，调用目标事件识别模型从第二时间段内的驾驶参数中识别紧急的驾驶事件，以在先的事件识别模型作为基础继续训练，训练量少，满足实时性的需求，学习出符合用户驾驶风格的事件识别模型，识别出个性化的驾驶事件。

【技术实现步骤摘要】
一种识别驾驶事件及其训练方法、装置、设备和存储介质
本专利技术实施例涉及自动驾驶的
，尤其涉及一种识别驾驶事件及其训练方法、装置、设备和存储介质。
技术介绍
在用户驾驶车辆时，通常会识别用户所触发的驾驶事件，从而辅助用户进行驾驶的决策，提高驾驶的安全性。其中，驾驶事件是指车辆行驶过程中发生的可观测事件，例如，急刹、变道，等等。目前，为检测驾驶事件，通常为各个相应的指标设定一个静态阈值，该指标的数值超出或低于该阈值则认为发生驾驶事件，例如，对加速度设置一个阈值，加速度超过该阈值，则认为发生急刹。但是，车辆中的指标数量较多，为各个指标选择一个合适的阈值是一件繁琐的操作。而且，即使是同一个指标，阈值也需要根据不同用户的情况不断进行调整，以适应不同用户的变化，操作更加繁琐。
技术实现思路
本专利技术实施例提出了一种识别驾驶事件及其训练方法、装置、设备和存储介质，以解决检测驾驶事件的操作繁琐的问题。第一方面，本专利技术实施例提供了一种识别驾驶事件的方法，包括：采集表示驾驶事件的数据、作为驾本文档来自技高网...

【技术保护点】
1.一种识别驾驶事件的方法，其特征在于，包括：/n采集表示驾驶事件的数据、作为驾驶参数；/n将第一时间段内的所述驾驶参数划分第一目标参数、第二目标参数，所述第一目标参数的数值大于所述第二目标参数的数值；/n在与所述车辆的类型匹配的事件识别模型中，查找适于处理所述第二目标参数的事件识别模型、作为原始事件识别模型；/n以所述第一目标参数作为标识紧急的样本、所述第二目标参数作为标识非紧急的样本训练所述原始事件识别模型，获得目标事件识别模型；/n调用所述目标事件识别模型从第二时间段内的所述驾驶参数中识别紧急的驾驶事件，所述第二时间段位于所述第一时间段之后。/n

【技术特征摘要】
1.一种识别驾驶事件的方法，其特征在于，包括：
采集表示驾驶事件的数据、作为驾驶参数；
将第一时间段内的所述驾驶参数划分第一目标参数、第二目标参数，所述第一目标参数的数值大于所述第二目标参数的数值；
在与所述车辆的类型匹配的事件识别模型中，查找适于处理所述第二目标参数的事件识别模型、作为原始事件识别模型；
以所述第一目标参数作为标识紧急的样本、所述第二目标参数作为标识非紧急的样本训练所述原始事件识别模型，获得目标事件识别模型；
调用所述目标事件识别模型从第二时间段内的所述驾驶参数中识别紧急的驾驶事件，所述第二时间段位于所述第一时间段之后。


2.根据权利要求1所述的方法，其特征在于，所述将第一时间段内的所述驾驶参数划分第一目标参数、第二目标参数，包括：
针对第一时间段内的驾驶参数，计算所述驾驶参数中每个数据点的平均值；
对所述平均值取指定的倍数，作为参考参数中的数据点；
统计所述驾驶参数中的数据点大于或等于所述参考参数中的数据点的第一比例；
若所述第一比例大于或等于预设的第二阈值，则确定所述驾驶参数为第一目标参数；
若所述第一比例小于预设的第二阈值，则确定所述驾驶参数为第二目标参数。


3.根据权利要求1所述的方法，其特征在于，所述在与所述车辆的类型匹配的事件识别模型中，查找适于处理所述第二目标参数的事件识别模型、作为原始事件识别模型，包括：
查找与所述车辆的类型匹配的事件识别模型，所述事件识别模型关联标准参数；
查找与所述驾驶参数的类型匹配的事件识别模型，作为候选事件识别模型；
计算所述第二目标参数与所述候选事件识别模型的标准参数之间的相关性；
基于所述相关性从所述候选事件识别模型中选择原始事件识别模型。


4.根据权利要求3所述的方法，其特征在于，所述计算所述第二目标参数与所述标准参数之间的相关性，包括：
若所述标准参数为数据点，则计算所述第二目标参数与所述标准参数之间的相似度，作为相关性；
或者，
若所述标准参数为数据范围，则确定所述第二目标参数中、落入所述数据范围的数据点，作为目标点；
统计所述目标点占所述第二目标参数的第二比例，作为相关性。


5.根据权利要求3所述的方法，其特征在于，所述基于所述相关性从所述候选事件识别模型中选择原始事件识别模型，包括：
计算所述相关性的平均值；
若所述相关性的平均值大于或等于预设的相关性阈值，则计算所述相关性的离散值；
选择所述离散值最小的候选事件识别模型为原始事件识别模型；
若所述相关性的平均值小于预设的相关性阈值，则选择所述相关性的平均值最小的候选事件识别模型为原始事件识别模型。


6.根据权利要求1所述的方法，其特征在于，所述以所述第一目标参数作为标识紧急的样本、所述第二目标参数作为标识非紧急的样本训练所述原始事件识别模型，获得目标事件识别模型，包括：
获取标识紧急的驾驶参数，作为新的第一目标参数；
从所有所述第一目标参数中提取第一样本特征，并标记紧急；
从所述第二目标参数中提取第二样本特征，并标记非紧急；
以所述第一样本特征、所述第二样本特征作为样本，所述紧急、所述非紧急作为分类的目标，对所述原始事件识别模型进行迁移学习，获得目标事件识别模型。


7.根据权利要求6所述的方法，其特征在于，
所述第一样本特征包括第一样本残差、第一样本统计特征、第二样本统计特征、第二样本残差中的至少一者，所述从所述第一目标参数中提取第一样本特征，包括：
查找所述原始事件识别模型关联的标准参数；
计算所述第一目标参数与所述标准参数之间的差值，作为第一样本残差；
对所述第一残差计算第一样本统计特征；
对所述第一目标参数计算第二样本统计特征；
计算所述第二样本统计特征与所述标准参数的标准统计特征之间的差值，作为第二样本残差；
所述第二样本特征包括第三样本残差、第三样本统计特征、第四样本统计特征、第四样本残差中的至少一者，所述从所述第二目标参数中提取第二样本特征，包括：
查找所述原始事件识别模型关联的标准参数；
计算所述第二目标参数与所述标准参数之间的差值，作为第三样本残差；
对所述第二残差计算第三样本统计特征；
对所述第二目标参数计算第四样本统计特征；
计算所述第二样本统计特征与所述标准参数的标准统计特征之间的差值，作为第四样本残差。


8.根据权利要求6所述的方法，其特征在于，所述以所述第一目标参数作为标识紧急的样本、所述第二目标参数作为标识非紧急的样本训练所述原始事件识别模型，获得目标事件识别模型，还包括：
当所述目标事...

【专利技术属性】
技术研发人员：李斌，孙子文，霍达，韩旭，
申请(专利权)人：广州景骐科技有限公司，
类型：发明
国别省市：广东;44