一种驾驶员驾驶风格识别方法及其系统、存储介质技术方案

本发明专利技术涉及一种驾驶员驾驶风格分类方法及其系统、存储介质，所述方法包括：步骤S1、获取当前驾驶员的驾驶数据；步骤S2、根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；步骤S3、分别计算所述待聚类高斯混合模型与多个预先训练好的预设驾驶类型的高斯混合模型之间的KL散度，并根据所述KL散度进行聚类分析，得到所述当前驾驶员的驾驶风格类型。本发明专利技术能够准确地识别判断驾驶员的驾驶风格。

【技术实现步骤摘要】
一种驾驶员驾驶风格识别方法及其系统、存储介质
本专利技术涉及驾驶风格分析
，具体涉及一种驾驶员驾驶风格识别方法及其系统、计算机可读存储介质。
技术介绍
为了更好地应用高级驾驶辅助和自动驾驶，需要分析驾驶员行为。而驾驶员驾驶习性是非常复杂和繁杂，且每个人的驾驶习惯都是动态变化的，年龄、性格、驾驶年龄及驾驶熟练程度等因素都会对驾驶员的行为习惯产生显著的影响。随着消费者对汽车性能的要求，车适应人已然成为趋势，所以驾驶辅助系统等功能要随之而改变，需要做到适应不同驾驶员的要求，因此需要识别判断驾驶员的驾驶风格。
技术实现思路
本专利技术的目的在于提出一种驾驶员驾驶风格识别方法及其系统、计算机可读存储介质，以识别判断驾驶员的驾驶风格。为实现上述目的，根据第一方面，本专利技术实施例提出一种驾驶员驾驶风格分类方法，包括：步骤S1、获取当前驾驶员的驾驶数据；步骤S2、根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；步骤S3、分别计算所述待聚类高斯混合模型本文档来自技高网...

【技术保护点】
1.一种驾驶员驾驶风格分类方法，其特征在于，包括：/n步骤S1、获取当前驾驶员的驾驶数据；/n步骤S2、根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；/n步骤S3、分别计算所述待聚类高斯混合模型与多个预先训练好的预设驾驶类型的高斯混合模型之间的KL散度，并根据所述KL散度进行聚类分析，得到所述当前驾驶员的驾驶风格类型。/n

【技术特征摘要】
1.一种驾驶员驾驶风格分类方法，其特征在于，包括：
步骤S1、获取当前驾驶员的驾驶数据；
步骤S2、根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；
步骤S3、分别计算所述待聚类高斯混合模型与多个预先训练好的预设驾驶类型的高斯混合模型之间的KL散度，并根据所述KL散度进行聚类分析，得到所述当前驾驶员的驾驶风格类型。


2.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述驾驶数据包括本车与前车之间的距离及车速差值、驾驶员所驾驶的车辆的车速和纵向加速度、前车的车速和纵向加速度。


3.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述待聚类高斯混合模型为3个基本高斯概率密度函数的线性组合，所述3个基本高斯概率密度函数分别对应3种驾驶风格类型，该3种驾驶风格类型包括激进型、一般型和保守型。


4.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述多个预设驾驶类型包括激进型、一般型、保守型。


5.根据权利要求4所述的驾驶员驾驶风格分类方法，其特征在于，所述步骤S3，包括：
分别计算所述待聚类高斯混合模型与激进型、一般型、保守型的高斯混合模型之间的KL散度，对应得到3个KL散度；
将3个KL散度进行对比，并将最小KL散度所对应的预设驾驶类型的高斯混合模型的类型输出作为所述当前驾驶员的驾驶风格类型。


6.根据权利要求5所述的驾驶员驾驶风格分类方法，其特征在于，KL散度计算过程如下：









其中，xi为对所述待聚类高斯混合模型进行第i次随机采样得到的采样数据，L为采样次数，m(x)为一种预设驾驶类型的高斯混合模型函数，n(x)为待聚类高斯混合模型函数，D(m||n)为所述待聚类高斯混合模型与一种预设驾驶类型的高斯混合模型之间的KL散度。


...

【专利技术属性】
技术研发人员：曹昱聪，梅兴泰，谢正超，刘卓，黄健鹏，刘巨江，冯慧琳，
申请(专利权)人：华南理工大学，广州汽车集团股份有限公司，
类型：发明
国别省市：广东;44