一种基于半监督算法的纯电动汽车驾驶风格识别方法技术

本发明专利技术涉及一种基于半监督算法的纯电动汽车驾驶风格识别方法，包括以下步骤：S1：对多个驾驶员的行驶过程进行数据采集，并对数据区间、数据集进行划分；S2：通过主成分分析，对采集的数据进行降维，构建能够表征驾驶风格的低维度特征参数；S3：采用K‑均值聚类算法对数据进行聚类分析，确定驾驶风格分类数目和每类代表的风格类型，得到不同类别驾驶风格的标签数据；S4：采用半监督支持向量机算法建立驾驶风格识别模型，并利用标签数据和非标签数据对其进行训练。通过半监督算法完成驾驶风格识别，半监督算法只需要少量标签数据和大量非标签数据就能完成训练，且非标签数据可以在汽车行驶过程中补充。

【技术实现步骤摘要】
一种基于半监督算法的纯电动汽车驾驶风格识别方法
本专利技术涉及自动变速器控制
，特别是涉及一种基于半监督算法的纯电动汽车驾驶风格识别方法。
技术介绍
纯电动汽车具有高效率、零排放的特点，是汽车行业目前最热门的研究领域，也是未来发展的必然趋势。根据目前的技术，纯电动汽车一般装配固定齿比减速器，在电机高速区会有效率低的问题。因此，纯电动汽车2挡化是目前的研究热点。纯电动汽车装配2挡变速器后，会产生一定的控制问题，如换挡规律、起步控制策略、换挡控制策略的制定等，为了使上述规律及控制策略更加智能化，可以考虑不同驾驶风格下的控制。所以，需要进行在线的驾驶风格识别。驾驶风格识别是一个分类问题，目前主要方法为选择一种监督学习算法。但是监督学习算法需要大量的标签数据对驾驶风格识别模型进行训练，获取标签数据需要大量试验，且需要找到风格明显不同的驾驶员参与试验。此外，通过专家经验获得标签具有很大的主观性，通过聚类分析获得标签也存在一些问题，例如K-均值聚类获得的点簇是球形的，无法区分不同密度区，其他聚类方法也各有优劣。r>
技术实现思路
...

【技术保护点】
1.一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，包括以下步骤：/nS1：对多个驾驶员的行驶过程进行数据采集，并对数据区间、数据集进行划分；/nS2：通过主成分分析，对采集的数据进行降维，构建能够表征驾驶风格的低维度特征参数；/nS3：采用K-均值聚类算法对数据进行聚类分析，确定驾驶风格分类数目和每类代表的风格类型，得到不同类别驾驶风格的标签数据；/nS4：采用半监督支持向量机算法建立驾驶风格识别模型，并利用标签数据和非标签数据对其进行训练。/n

【技术特征摘要】
1.一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，包括以下步骤：
S1：对多个驾驶员的行驶过程进行数据采集，并对数据区间、数据集进行划分；
S2：通过主成分分析，对采集的数据进行降维，构建能够表征驾驶风格的低维度特征参数；
S3：采用K-均值聚类算法对数据进行聚类分析，确定驾驶风格分类数目和每类代表的风格类型，得到不同类别驾驶风格的标签数据；
S4：采用半监督支持向量机算法建立驾驶风格识别模型，并利用标签数据和非标签数据对其进行训练。


2.根据权利要求1所述的一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，步骤S1中，对数据区间的划分采用如下方式：以某一时间长度为数据区间，求取数据区间内的数据均值；对数据集的划分采用如下方式：将数据集划分为训练数据集和测试数据集，训练数据集中的数据用于对半监督支持向量机算法进行训练，测试数据集中的数据用于测试半监督支持向量机算法的识别精度。


3.根据权利要求2所述的一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，所述训练数据集与测试数据集中的数据占比为7：3。


4.根据权利要求1所述的一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，步骤S2中，所述特征参数的初选采用如下方式：选取汽车状态参数和人车交互参数，并在数据区间内取平均值和标准差；所述特征参数的初选为：纵向车速平均值、纵向车速标准差、纵向加速度平均值、纵向加速度标准差、加速踏板开度平均值、加速踏板开度标准差、加速踏板开度变化率平均值、加速踏板开度变化率标准差、制动踏板力平均值、制动踏板力标准差。


5.根据权利要求4所述的一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，步骤S2中，对特征参数进行降维采用如下方式：对初选的特征参数进行主成分分析，选择出特征值大于1的主成分，同时使得所选特征值的总贡献度大于85％。


6.根据权利要求1所述的一种基于半监督算法的纯电动汽车驾驶风格识别方法，其特征在于，步骤S3中，所述聚类分...

【专利技术属性】
技术研发人员：韩宁，李欣，张刘鑫，吴世展，段瑶，周鲲，
申请(专利权)人：重庆军工产业集团有限公司，
类型：发明
国别省市：重庆;50