驾驶员侵略性驾驶行为监测方法、装置及系统制造方法及图纸

本发明专利技术公开了一种驾驶员侵略性驾驶行为监测方法、装置及系统，该方法包括：在车辆处于驱动模式时，采集驾驶员在当前采样时刻的当前驾驶行为信息；基于K

【技术实现步骤摘要】
驾驶员侵略性驾驶行为监测方法、装置及系统


[0001]本专利技术涉及驾驶控制
，具体涉及一种驾驶员侵略性驾驶行为监测方法、装置及系统。

技术介绍

[0002]近年来，我国交通基础设施和汽车保有量增长迅速，汽车的行驶安全越来越成为人们关注的问题。驾驶人作为汽车的直接操控者和驾驶行为的产生者，其驾驶行为将直接影响汽车驾驶的安全性。造成交通事故的危险驾驶行为主要包括疲劳驾驶、驾驶人注意力分散以及侵略性驾驶。其中，侵略性驾驶也称为“攻击性驾驶”，是指危害他人人身财产安全的驾车方式，是危险驾驶行为中最为常见的一种，也危害最大，需要及时监测识别。
[0003]现有技术中，驾驶行为的识别方法主要包括基于数据批处理的驾驶行为识别方法、基于多域分析的驾驶行为识别方法、基于阈值法的驾驶行为识别及基于机器学习的驾驶行为识别等几种方法。
[0004]然而，这几种方法存在数据存储空间和计算开销较大、模型泛化性差、预测精度低、降维后特征弱化等缺点，使得侵略性驾驶行为的识别精度低，也无法实现实时在线识别，不能及时进行干预。
[0005]需要注意的是，本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

技术实现思路

[0006]本专利技术实施例提供一种驾驶员侵略性驾驶行为监测方法、装置及系统，以解决现有技术中驾驶行为的识别方法存在的数据存储空间和计算开销较大、模型泛化性差、预测精度低、降维后特征弱化等缺点，从而使得侵略性驾驶行为的识别精度低、无法实现实时在线识别等的问题。
[0007]第一方面，本专利技术实施例提供一种驾驶员侵略性驾驶行为监测方法，包括：
[0008]在车辆处于驱动模式时，采集驾驶员在当前采样时刻的当前驾驶行为信息；
[0009]基于K
‑
means聚类方法，根据所述当前驾驶行为信息确定所述驾驶员的行为是否属于侵略性驾驶行为；
[0010]在确定所述驾驶员的行为属于侵略性驾驶行为时，控制车辆执行侵略性驾驶行为提醒操作。
[0011]作为本专利技术第一方面的优选方式，所述基于K
‑
means聚类方法，根据所述当前驾驶行为信息确定所述驾驶员的行为是否属于侵略性驾驶行为的步骤，包括：
[0012]根据在预设时间长度内采集到的多个历史驾驶行为信息，构建滑动窗口数据集；
[0013]基于K
‑
means聚类方法，将所述滑动窗口数据集内的历史驾驶行为信息划分为侵略性驾驶行为类和非侵略性驾驶行为类；
[0014]计算所述当前驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶
行为类的聚类中心之间的欧氏距离，并将所述当前驾驶行为信息归到距离较近的聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中，以确定所述驾驶员的行为是否属于侵略性驾驶行为。
[0015]作为本专利技术第一方面的优选方式，所述基于K
‑
means聚类方法，将所述滑动窗口数据集内的历史驾驶行为信息划分为侵略性驾驶行为类和非侵略性驾驶行为类的步骤，包括：
[0016]从所述滑动窗口数据集内的历史驾驶行为信息中，随机选取两个历史驾驶行为信息分别作为所述侵略性驾驶行为类的和所述非侵略性驾驶行为类的初始聚类中心；
[0017]计算各所述历史驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的初始聚类中心之间的欧氏距离，并将所述历史驾驶行为信息归到距离较近的初始聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中；
[0018]更新所述侵略性驾驶行为类或所述非侵略性驾驶行为类的初始聚类中心后，继续迭代执行所述计算各所述历史驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的初始聚类中心之间的欧氏距离的步骤，直至所述滑动窗口数据集内所有历史驾驶行为信息均完成归类。
[0019]作为本专利技术第一方面的优选方式，在所述将所述当前驾驶行为信息归到距离较近的聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中的步骤之后，还包括：
[0020]移除所述侵略性驾驶行为类或所述非侵略性驾驶行为类中排在首位的历史驾驶行为信息，并更新所述侵略性驾驶行为类或所述非侵略性驾驶行为类的聚类中心。
[0021]作为本专利技术第一方面的优选方式，所述当前驾驶行为信息和所述历史驾驶行为信息均为基于加速踏板开度信息、制动踏板开度信息和方向盘转角信息形成的三维向量。
[0022]第二方面，本专利技术实施例提供一种驾驶员侵略性驾驶行为监测装置，包括：
[0023]信息采集单元，用于在车辆处于驱动模式时，采集驾驶员在当前采样时刻的当前驾驶行为信息；
[0024]行为确定单元，用于基于K
‑
means聚类方法，根据所述当前驾驶行为信息确定所述驾驶员的行为是否属于侵略性驾驶行为；
[0025]行为提醒单元，用于在确定所述驾驶员的行为属于侵略性驾驶行为时，控制车辆执行侵略性驾驶行为提醒操作。
[0026]作为本专利技术第二方面的优选方式，所述行为确定单元具体用于：
[0027]根据在预设时间长度内采集到的多个历史驾驶行为信息，构建滑动窗口数据集；
[0028]基于K
‑
means聚类方法，将所述滑动窗口数据集内的历史驾驶行为信息划分为侵略性驾驶行为类和非侵略性驾驶行为类；
[0029]计算所述当前驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的聚类中心之间的欧氏距离，并将所述当前驾驶行为信息归到距离较近的聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中，以确定所述驾驶员的行为是否属于侵略性驾驶行为。
[0030]作为本专利技术第二方面的优选方式，所述当前驾驶行为信息和所述历史驾驶行为信息均为基于加速踏板开度信息、制动踏板开度信息和方向盘转角信息形成的三维向量。
[0031]第三方面，本专利技术实施例提供一种驾驶员侵略性驾驶行为监测系统，包括处理器和存储器，其中存储器内存储有执行指令，处理器读取存储器内的执行指令用于执行如上述第一方面及其优选方式中任一项所述的驾驶员侵略性驾驶行为监测方法中的步骤。
[0032]第四方面，本专利技术实施例提供一种计算机可读存储介质，包含计算机执行指令，所述计算机执行指令被用于执行如上述第一方面及其优选方式中任一项所述的驾驶员侵略性驾驶行为监测方法中的步骤。
[0033]本专利技术实施例提供的驾驶员侵略性驾驶行为监测方法、装置及系统，通过采集车辆处于驱动模式时驾驶员在当前采样时刻的当前驾驶行为信息，然后通过K
‑
means聚类方法判断驾驶员的行为是否属于侵略性驾驶行为，并在属于侵略性驾驶行为时控制车辆执行侵略性驾驶行为提醒操作。
[0034]本专利技术完全依据驾驶人的输入信息实现侵略性驾驶行为的实时识别，该方法简单有效，无需大量驾驶数据，也不需要较大的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种驾驶员侵略性驾驶行为监测方法，其特征在于，包括：在车辆处于驱动模式时，采集驾驶员在当前采样时刻的当前驾驶行为信息；基于K
‑
means聚类方法，根据所述当前驾驶行为信息确定所述驾驶员的行为是否属于侵略性驾驶行为；在确定所述驾驶员的行为属于侵略性驾驶行为时，控制车辆执行侵略性驾驶行为提醒操作。2.根据权利要求1所述的方法，其特征在于，所述基于K
‑
means聚类方法，根据所述当前驾驶行为信息确定所述驾驶员的行为是否属于侵略性驾驶行为的步骤，包括：根据在预设时间长度内采集到的多个历史驾驶行为信息，构建滑动窗口数据集；基于K
‑
means聚类方法，将所述滑动窗口数据集内的历史驾驶行为信息划分为侵略性驾驶行为类和非侵略性驾驶行为类；计算所述当前驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的聚类中心之间的欧氏距离，并将所述当前驾驶行为信息归到距离较近的聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中，以确定所述驾驶员的行为是否属于侵略性驾驶行为。3.根据权利要求2所述的方法，其特征在于，所述基于K
‑
means聚类方法，将所述滑动窗口数据集内的历史驾驶行为信息划分为侵略性驾驶行为类和非侵略性驾驶行为类的步骤，包括：从所述滑动窗口数据集内的历史驾驶行为信息中，随机选取两个历史驾驶行为信息分别作为所述侵略性驾驶行为类的和所述非侵略性驾驶行为类的初始聚类中心；计算各所述历史驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的初始聚类中心之间的欧氏距离，并将所述历史驾驶行为信息归到距离较近的初始聚类中心所在的所述侵略性驾驶行为类或所述非侵略性驾驶行为类中；更新所述侵略性驾驶行为类或所述非侵略性驾驶行为类的初始聚类中心后，继续迭代执行所述计算各所述历史驾驶行为信息分别与所述侵略性驾驶行为类和所述非侵略性驾驶行为类的初始聚类中心之间的欧氏距离的步骤，直至所述滑动窗口数据集内所有历史驾驶行为信息均完成归类。4.根据权利要求2或3所述的方法，其特征在于，在所述将所述当前驾驶行为信息归...

【专利技术属性】
技术研发人员：张营，景智敏，齐浩然，王健，周帅康，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：