一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法技术

本发明专利技术属于驾驶风格辨识技术领域，具体的说是一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法。包括：一：基于采集得到的原始驾驶数据，挑选有量纲基础驾驶信号，并对有量纲基础驾驶信号在时域与频域上，进行无量纲化处理，获得无量纲输入特征参数；二：采用SHAP解释法对无量纲输入特征参数进行降维处理，从全部无量纲输入特征参数中，筛选出对驾驶员驾驶风格辨识有效的无量纲输入特征参数。三：设计基于随机森林机器学习算法的驾驶风格辨识模型，将筛选后获得的无量纲输入特征参数输入至基于随机森林机器学习算法的驾驶风格辨识模型后，精确辨识驾驶员驾驶风格。本发明专利技术能够降低驾驶风格辨识模型复杂度，提高驾驶员驾驶风格辨识精度。风格辨识精度。风格辨识精度。

【技术实现步骤摘要】
一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法


[0001]本专利技术属于驾驶风格辨识
，具体的说是一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法。

技术介绍

[0002]智能汽车的飞速发展，有效缓解了当下事故频发、能源枯竭等交通问题。根据美国汽车协会对智能汽车自动驾驶等级划分，可以了解到当前智能汽车的相关研究技术暂时并且会长时间处于L2～L3自动驾驶等级。在L2～L3自动驾驶等级下，驾驶人仍然会在当下智能汽车发展阶段中扮演重要的角色。
[0003]实际上，不同的驾驶员由于自己的驾驶经验、性别、工作等，常常表现出迥异的驾驶风格。例如激进型驾驶风格的驾驶员在行车过程中可能会剧烈、大行程地踩动油门或刹车踏板，以在短时间内操控车辆获得较大加速度或减速度，满足自身对车辆运动性能的把控；而谨慎型的驾驶人在行车过程中通常会频繁、短行程地踩动油门踏板或刹车踏板，以更好的调节车辆的加速或减速运动特性，满足自身对车辆行驶安全性的把控。因此，大多数汽车制造企业或汽车零部件供应商，在设计相关产品时常常会重点考虑驾驶员驾驶风格，以尽可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法，其特征在于，包括以下步骤：步骤一：基于采集得到的原始驾驶数据，挑选有量纲基础驾驶信号，并对有量纲基础驾驶信号在时域与频域上，进行无量纲化处理，获得无量纲输入特征参数；步骤二：采用SHAP解释法对无量纲输入特征参数进行降维处理，从全部无量纲输入特征参数中，筛选出对驾驶员驾驶风格辨识有效的无量纲输入特征参数；步骤三：设计基于随机森林机器学习算法的驾驶风格辨识模型，将步骤二筛选后获得的无量纲输入特征参数输入至基于随机森林机器学习算法的驾驶风格辨识模型后，精确辨识驾驶员驾驶风格。2.根据权利要求1所述的一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法，其特征在于，所述步骤一的具体方法如下：11)确定随机森林机器学习理论的输入特征参数；12)在时域与领域上，挑选波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方频率、方差频率，对13个有量纲基础驾驶信号进行无量纲化处理。3.根据权利要求2所述的一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法，其特征在于，所述步骤11)的具体方法如下：获得驾驶员在行车过程中的关键行驶信息，包含油门踏板开度p
t
、发动机转矩T
t
、发动机转速n
t
、制动主缸压力P
m
、方向盘转角S
w
、方向盘转速纵向加速度a
x
、侧向加速度a
y
、纵向车速v
x
、横摆角速度ω、与目标车车间距d
x
、与目标车纵向车速差v
d
、与目标车纵向加速度差a
d
在内的13个有量纲基础驾驶信号；直接采用13个有量纲基础驾驶信号作为随机森林机器学习理论的输入特征参数。4.根据权利要求2所述的一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法，其特征在于，所述步骤12)的具体方法如下：波形因子由下式获得：式中，S1表示波形因子；x(i)表示有量纲基础驾驶信号的离散数据；N表示有量纲基础驾驶信号的离散数据长度；峰值因子由下式获得：式中，S2表示峰值因子；脉冲因子由下式获得：
式中，S3表示脉冲因子；裕度因子由下式获得：式中，S4表示裕度因子；重心频率由下式获得：式中，S5表示重心频率；S(f)表示有量纲基础驾驶信号的频谱；f表示有量纲基础驾驶信号的频率；均方频率由下式获得：式中，S6表示均方频率；方差频率由下式获得：式中，S7表示方差频率；根据公式(1)
‑
公式(7)实现在时域与频域上对13个有量纲基础驾驶信号进行波形因子、峰值因子、脉冲因子、裕度因子、重心频率、均方频率、方差频率的无量纲化处理，并最终得到91个无量纲输入特征参数A
j
(j＝1,2,
…
91)。5.根据权利要求4所述的一种基于SHAP解释法与随机森林的驾驶人驾驶风格辨识方法，其特征在于，所述步骤二的具体方法如下：使用SHAP解释法对91个无量纲输入特征参数A
j
(j＝1,2,
…
91)进行降维处理；具体如下：计算91个无量纲输入特征参数A
j
(j＝1,2,
…
91)对驾驶员驾驶风格辨识的贡献，用SHAP值对贡献进行等价数值描述，SHAP值由下式获得：式中，A
s
表示无量纲输入特征参数的数目，设定为91；A
*
表示被解释的无量纲输入特征参数；A
j
(j＝1,2,
…
91)表示第j个无量纲输入特征参数；{A
j
}表示由第j个无量纲输入特征
参数构成的单个集合；G表示由所有无量纲输入特征参数构成的集合；G\{A
j
}表示G除去A
j
后所包含无量纲输入特征参数组成的集合；S表示G\{A
j
}的子集；f
j
表示第j个无量纲输入特征参数的SHAP值；f表示被解释的随机森林决策树模型；根据公式(8)获得91个无量纲输入特征参数A
j
(j＝1,2,
…
91)对驾驶员驾驶风格辨识的SHAP值，即贡献大小；挑选SHAP值排序前20名的无量纲输入特征参数，并绘制出不同无量纲输入特征参数对驾驶员驾驶风格辨识的SHAP值曲线；当无量纲输入特征参数对驾驶员驾驶风格辨识的SH...

【专利技术属性】
技术研发人员：赵健，朱冰，陈志成，
申请(专利权)人：吉林大学，
类型：发明
国别省市：