基于环境信息的驾驶风格识别方法、设备及存储介质技术

本发明专利技术提供了一种基于环境信息的驾驶风格识别方法、设备及存储介质，该方法包括：获取当前存储的车辆的行驶信息以及相应的环境信息；对当前存储的行驶信息和环境信息进行预处理，获得若干第一数据片段；对若干所述第一数据片段进行特征提取，获得行驶特征参数矩阵；根据预先构建的降维映射系数矩阵和所述行驶特征参数矩阵，得到当前时刻的驾驶风格特征参数；对所述驾驶风格特征参数进行驾驶风格聚类分析，识别出当前时刻的驾驶风格类型。本发明专利技术充分考虑环境因素的影响，能有效提高驾驶风格识别的准确率。识别的准确率。识别的准确率。

【技术实现步骤摘要】
基于环境信息的驾驶风格识别方法、设备及存储介质


[0001]本专利技术涉及车辆驾驶风格识别
，尤其涉及一种基于环境信息的驾驶风格识别方法、设备及存储介质。

技术介绍

[0002]随着电动汽车智能化的发展，人们对于电动汽车体验需求也随之增加。因此，电动汽车基本装配了驾驶辅助系统、ACC等汽车电子系统，来提高驾驶安全性和舒适性。而驾驶辅助系统一般需要检测和分析车辆的行驶工况数据、驾驶员的驾驶数据来识别的驾驶员的驾驶风格，从而为驾驶员提供更人性化的服务和更安全舒适的辅助驾驶。在实际驾驶过程中，驾驶员的驾驶操作往往受到周边环境影响，例如在雨天减速慢行，在晴天空旷的道路上加速行驶等。但是，目前常规的驾驶员驾驶风格识别只考虑的驾驶员的驾驶操作，并未考虑周边环境对驾驶员驾驶操作的影响，导致驾驶风格识别的精度较低。

技术实现思路

[0003]针对上述问题，本专利技术的目的在于提供一种基于环境信息的驾驶风格识别方法、设备及存储介质，其考虑环境因素，能有效提高驾驶风格识别的准确率。
[0004]第一方面，本专利技术实施例提供了一种基于环境信息的驾驶风格识别方法，包括：
[0005]获取当前存储的车辆的行驶信息以及相应的环境信息；
[0006]对当前存储的行驶信息和环境信息进行预处理，获得若干第一数据片段；
[0007]对若干所述第一数据片段进行特征提取，获得行驶特征参数矩阵；
[0008]根据预先构建的降维映射系数矩阵和所述行驶特征参数矩阵，得到当前时刻的驾驶风格特征参数；<br/>[0009]对所述驾驶风格特征参数进行驾驶风格聚类分析，识别出当前时刻的驾驶风格类型。
[0010]作为上述方案的改进，所述方法包括：
[0011]获取预先采集的样本数据集，并对所述样本数据集进行预处理，获得若干第二数据片段；
[0012]对若干所述第二数据片段进行降维处理，获得降维映射系数矩阵以及若干个聚类中心。
[0013]作为上述方案的改进，所述样本数据集包括天气因素、所述车辆的历史行驶信息；
[0014]则，所述获取预先采集的样本数据集，并对所述样本数据集进行预处理，获得若干第二数据片段，包括：
[0015]对获取的样本数据集中每个天气因素按照预设的映射关系转换成数值；
[0016]对所述数值、所述历史行驶信息进行滤波处理；
[0017]对于滤波后的数值、历史行驶信息进行片段划分，得到若干组数据集合；
[0018]对每组数据集合进行特征提取，得到若干第二数据片段。
[0019]作为上述方案的改进，所述对若干所述第二数据片段进行降维处理，获得降维映射系数矩阵以及若干个聚类中心，包括：
[0020]对若干所述第二数据片段进行标准化处理；
[0021]根据标准化处理后的若干所述第二数据片段，计算出类内散度矩阵和类间散度矩阵；
[0022]根据所述类内散度矩阵和所述类间散度矩阵，计算出所述类内散度矩阵的逆与所述类间散度矩阵的乘积矩阵的特征值以及对应的特征向量；
[0023]当所述乘积矩阵中前d个所述特征值的贡献率大于预设的阈值时，提取前d个所述特征值对应的特征向量生成所述降维映射系数矩阵和若干个聚类中心。
[0024]作为上述方案的改进，所述获取当前存储的车辆的行驶信息以及相应的环境信息之后，还包括：
[0025]判断当前存储的行驶信息和环境信息是否满足任意一个预设的周期刷新条件；其中，所述周期刷新条件包括：用于存储行驶信息和环境信息的存储矩阵已满，当前存储行驶信息和环境信息的时间达到预设的刷新周期；
[0026]若是，则触发驾驶风格类型识别流程；
[0027]若否，则继续采集所述车辆的行驶信息以及相应的环境信息进行存储。
[0028]作为上述方案的改进，所述根据预先构建的降维映射系数矩阵和所述行驶特征参数矩阵，得到当前时刻的驾驶风格特征参数，包括：
[0029]将所述降维映射系数矩阵与所述行驶特征参数矩阵相乘，得到当前时刻的驾驶风格特征参数。
[0030]作为上述方案的改进，所述对所述驾驶风格特征参数进行驾驶风格聚类分析，识别出当前时刻的驾驶风格类型，包括：
[0031]计算所述驾驶风格特征参数与若干个所述聚类中心之间的距离；
[0032]将所述驾驶风格特征参数归类到与其距离最小的聚类中心所在的簇；
[0033]获取所述驾驶风格特征参数加入的簇对应的驾驶风格类型，作为当前时刻的驾驶风格类型。
[0034]作为上述方案的改进，所述行驶信息包括踏板开度、车速。
[0035]第二方面，本专利技术实施例提供了一种基于环境信息的驾驶风格识别设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于环境信息的驾驶风格识别方法。
[0036]第三方面，本专利技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如第一方面所述的基于环境信息的驾驶风格识别方法。
[0037]相对于现有技术，本专利技术实施例的有有益效果在于：所述基于环境信息的驾驶风格识别方法包括：获取当前存储的车辆的行驶信息以及相应的环境信息；对当前存储的行驶信息和环境信息进行预处理，获得若干第一数据片段；对若干所述第一数据片段进行特征提取，获得行驶特征参数矩阵；根据预先构建的降维映射系数矩阵和所述行驶特征参数矩阵，得到当前时刻的驾驶风格特征参数；对所述驾驶风格特征参数进行驾驶风格聚类分析，识别出当前时刻的驾驶风格类型。本专利技术充分考虑环境因素的影响，能有效提高驾驶风
格识别的准确率。
附图说明
[0038]为了更清楚地说明本专利技术的技术方案，下面将对实施方式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方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0039]图1是本专利技术实施例提供的一种基于环境信息的驾驶风格识别方法的流程图；
[0040]图2是本专利技术实施例提供的一种基于环境信息的驾驶风格识别设备的示意图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0042]实施例一
[0043]请参阅图1，本专利技术实施例提供的一种基于环境信息的驾驶风格识别方法可由驾驶辅助系统、ACC或用户设计的驾驶风格综合评估显示系统等汽车电子系统或者云端服务器执行，具体包括：
[0044]S1：获取当前存储的车辆的行驶信息以及相应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于环境信息的驾驶风格识别方法，其特征在于，包括：获取当前存储的车辆的行驶信息以及相应的环境信息；对当前存储的行驶信息和环境信息进行预处理，获得若干第一数据片段；对若干所述第一数据片段进行特征提取，获得行驶特征参数矩阵；根据预先构建的降维映射系数矩阵和所述行驶特征参数矩阵，得到当前时刻的驾驶风格特征参数；对所述驾驶风格特征参数进行驾驶风格聚类分析，识别出当前时刻的驾驶风格类型。2.如权利要求1所述的基于环境信息的驾驶风格识别方法，其特征在于，所述方法包括：获取预先采集的样本数据集，并对所述样本数据集进行预处理，获得若干第二数据片段；对若干所述第二数据片段进行降维处理，获得降维映射系数矩阵以及若干个聚类中心。3.如权利要求2所述的基于环境信息的驾驶风格识别方法，其特征在于，所述样本数据集包括天气因素、所述车辆的历史行驶信息；则，所述获取预先采集的样本数据集，并对所述样本数据集进行预处理，获得若干第二数据片段，包括：对获取的样本数据集中每个天气因素按照预设的映射关系转换成数值；对所述数值、所述历史行驶信息进行滤波处理；对于滤波后的数值、历史行驶信息进行片段划分，得到若干组数据集合；对每组数据集合进行特征提取，得到若干第二数据片段。4.如权利要求3所述的基于环境信息的驾驶风格识别方法，其特征在于，所述对若干所述第二数据片段进行降维处理，获得降维映射系数矩阵以及若干个聚类中心，包括：对若干所述第二数据片段进行标准化处理；根据标准化处理后的若干所述第二数据片段，计算出类内散度矩阵和类间散度矩阵；根据所述类内散度矩阵和所述类间散度矩阵，计算出所述类内散度矩阵的逆与所述类间散度矩阵的乘积矩阵的特征值以及对应的特征向量；当所述乘积矩阵中前d个所述特征值的贡献率大于预设的阈值时，提取前d个所述特征值对应的特征向量生成所述降维映射系数矩阵和若干个聚类中心。5.如权利要求1所述的...

【专利技术属性】
技术研发人员：王博，李素文，
申请(专利权)人：华人运通江苏动力电池系统有限公司，
类型：发明
国别省市：