基于长短期记忆网络的司机驾驶行为自动化分析方法技术

本发明专利技术公开了一种基于长短期记忆网络的司机驾驶行为自动化分析方法，步骤1，特征数据的提取和预处理；步骤2，滑动窗口的设计；步骤3，驾驶行为自动化分析网络的搭建。本发明专利技术首先从汽车CAN总线提取含有司机驾驶行为的行车数据；然后利用乘客的乘车体验对司机驾驶行为进行打分，并将其作为司机行车数据评价的标签；随后基于长短期记忆网络搭建司机驾驶行为自动化分析网络，并对大量司机的行车数据和标签数据进行深度训练，学习司机驾驶行为习惯，建立驾驶行为自动化分析库；最后，当任意司机驾驶汽车时，构建的司机驾驶行为自动化分析网络都能够根据其行车数据实现司机驾驶行为的自动化分析，判断司机是否具有优秀的驾驶行为习惯。

【技术实现步骤摘要】
基于长短期记忆网络的司机驾驶行为自动化分析方法
本专利技术属于电子信息
，特别涉及基于长短期记忆网络的司机驾驶行为自动化分析方法。
技术介绍
机器学习与汽车工业的融合为智能网联汽车产业注入了新的动力。然而，仍有许多难题需要解决，例如司机驾驶行为自动化分析等。由于乘客舒适性一直是汽车行业关注的焦点，司机驾驶行为自动化分析具有很大的应用价值。例如，针对私家车，驾驶行为自动化分析可以改善司机的驾驶习惯，减少交通事故的发生；面向公交车、网约车等公司，可以招聘驾驶行为优秀的司机，为乘客带来更舒适的乘车体验，从而提高服务质量和公司影响力。每个人都有自己特定的行为习惯。例如，当一个作者在写作的时候，其写作习惯会通过一支笔传递到字体上，形成独特的笔迹。同样，每个驾驶员都有自己特殊的驾驶行为习惯，这些习惯会通过汽车CAN总线以数据的形式传递给各个控制器(如传输控制模块、车身控制模块等)，从而控制车辆的状态。在现阶段，还没有利用司机的行车数据自动化分析司机的驾驶行为的相关工作。因为司机驾驶行为自动化分析受到以下因素的限制：1)汽车CA本文档来自技高网...

【技术保护点】
1.基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，包括以下步骤：/n步骤1，特征数据的提取和预处理：从汽车CAN总线收集与车辆行车数据，并将数据处理为司机驾驶行为自动化分析模型可识别的输入数据；/n步骤2，滑动窗口的设计：利用固定长度和宽度的滑动窗口从车辆预处理数据中进行数据采样，使司机驾驶行为自动化分析网络的每个输入都是一个[t×m]的矩阵，t为LSTM网络的时间序列长度，输入数据具有m个特征；/n步骤3，驾驶行为自动化分析网络的搭建：基于LSTM网络，设计出能够自动化分析司机驾驶行为的网络模型结构，实现司机驾驶行为的自动化分析。/n

【技术特征摘要】
1.基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，包括以下步骤：
步骤1，特征数据的提取和预处理：从汽车CAN总线收集与车辆行车数据，并将数据处理为司机驾驶行为自动化分析模型可识别的输入数据；
步骤2，滑动窗口的设计：利用固定长度和宽度的滑动窗口从车辆预处理数据中进行数据采样，使司机驾驶行为自动化分析网络的每个输入都是一个[t×m]的矩阵，t为LSTM网络的时间序列长度，输入数据具有m个特征；
步骤3，驾驶行为自动化分析网络的搭建：基于LSTM网络，设计出能够自动化分析司机驾驶行为的网络模型结构，实现司机驾驶行为的自动化分析。


2.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤1中驾驶数据的提取具体包括：
从汽车CAN总线中采集不同驾驶员的行车数据。由于在CAN数据中不仅包含司机的驾驶行为数据，还包含了很多与司机驾驶行为无关的干扰数据。为了避免无关数据对实验结果的干扰并提高实验的准确率，需要从CAN总线中提取与驾驶行为相关的数据。目前，车载诊断工具已经具备良好的数据监控和记录功能，其中，随着汽车的运动，CAN总线中部分数据不断变化，其余部分的数据保持不变，因此，实验从CAN数据中提取变化的数据作为驾驶行为特征数据，在实验中，这些数据包含m个特征。


3.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤1中特征数据预处理具体包括：
提取汽车CAN总线中的特征数据后，需要将数据进行预处理以便更好地从自动化分析网络输入数据，首先，将十六进制数据转换为十进制数据，其次，需要统一CAN总线中特征数据的频率，在车辆运动中，每个ID号代表一个电子控制单元(ECU)，ID号越小，数据传输优先级越高，发送频率越高，为了统一特征数据的频率，计算每个特征数据在一秒内的平均值作为一个识别单元，从而得到[l×m]的数据集(表示数据有l行m列)。


4.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤2中具体为：
为了更容易地从数据中提取司机的驾驶行为习惯，对训练数据和测试数据进行归一化操作是必不可少的，在自动化分析网络中，输入数据是一个具有形状的张量[timesize×inputsize×batchsize]，因此训练/测试数据集都需要在固定宽度的滑动窗口中采样，其中，滑动窗口长度与LSTM网络中的时间序列t有关，经过大量的实验，本发明选择t＝120s作为滑动窗口的长度，滑动窗口的宽度为m，因为CAN数据包含m个特征并且特征之间是相关联的，为了确保驾驶行为自动化分析网络能够实时工作，滑动窗口每1秒钟滑动一次，因此，驾驶行为自动化分析网络的每个输入都是一个[120×m]的矩阵。


5.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤3中LSTM网络内部结构的详细设计过程具体包括：
由于司机的驾驶行为习惯具有时间依赖特性，例如司机过弯道时的驾驶习惯...

【专利技术属性】
技术研发人员：刘家佳，荀毅杰，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61