【技术实现步骤摘要】
本专利技术涉及智能汽车驾驶领域，特别涉及一种驾驶风格分析方法、驾驶风格分析装置及车辆。
技术介绍
1、随着汽车智能化和电动化的蓬勃发展，车载电控系统数量日益增多且高度智能集成化，产生了大量数据，如何基于客户端上传的数据开展挖掘分析，并通过挖掘数据价值创新业务引流衍生新的与车辆相关的业务，将是整车厂由生产车辆的传统业务向汽车生态圈拓展业务转型的重要途径。以此同时，国家制定了新能源实时监控系统，简称rtm(realtime moitor)，gb/t 32960.3-2016对电动汽车远程服务管理系统相关数据传输进行详细说明。驾驶风格识别是车联网领域的一项新兴技术，利用数据挖掘技术开展基于大数据的驾驶风格识别研究，提取大数据特征，分析不同特征对能耗的影响，对于汽车能量优化具有重要意义。
2、目前驾驶风格分析方法可分为两类：1.车载终端数据聚类分析；2.标准工况主观评价。
3、1.车载终端数据聚类分析：通过在试验车上搭载传感器等装置采集数据，提取与驾驶风格相关特征，采用聚类方法获取驾驶风格。
4、公开的专利申请号为202110555323.7的一种基于机器学习的驾驶风格辨识方法，采用在试验车上搭载imu惯导装置、传感器和摄像头获取车辆行驶数据，运用k-means均值聚类和层次聚类分析方法，针对不同车速段完成驾驶风格分析。
5、公开的专利申请号为202011583394.x的一种基于机器学习的驾驶风格辨识模型评估方法、装置、介质和设备，采用在矿用卡车上搭载惯导装置和传感器获取车辆行驶数据，分
6、以上专利均有的缺点：只针对特定试验车有效，数据采集精度受采集装置影响，驾驶风格评价本身跟年龄，性别和心态等均有关，需要综合大量数据分析，采用车载终端数据在多大批试验车上安装成本太高；另外，聚类分析属于无监督学习，在分析驾驶风格时较容易出现误判。
7、2.标准工况主观评价可以包括：obd诊断数据主观评价，通过随机寻找部分车辆和驾乘人员，在obd端口采集与驾驶风格相关的特征参数，采用驾驶员本人主观评价的方法获取驾驶风格，通过聚类方法分析驾驶风格。
8、缺点：随机测试无法形成有效的大数据群体，数据聚类可靠性一般，驾驶员本人评价存在偏差，易造成辨识结果差错，目前该方法主要应用于论文算法探究方向。
技术实现思路
1、有鉴于此，本专利技术目的是为了提供一种驾驶风格分析方法、驾驶风格装置及车辆，用于解决上述问题。
2、为解决上述技术问题，本专利技术采用下述技术方案：
3、第一方面，本申请一实施例提供了一种驾驶风格分析方法，包括：步骤1：得到驾驶工况信息以及驾驶工况信息对应的驾驶风格信息；步骤2：基于神经网络算法，对驾驶工况信息和驾驶风格信息进行处理，构建驾驶风格预测模型；步骤3：将待分析驾驶工况信息输入至驾驶风格预测模型中，得到待分析驾驶工况信息对应的目标驾驶风格信息。
4、进一步的，步骤1具体包括：步骤1-1：提取rtm数据源中的车辆驾驶数据；步骤1-3：根据预设采样周期，对车辆驾驶数据进行切片处理，得到多个行驶片段；步骤1-4：基于主成分分析算法和k-means聚类算法，对行驶片段进行处理，提取驾驶工况信息以及驾驶工况信息对应的驾驶风格信息。
5、进一步的，在步骤1-3之前，驾驶风格分析方法还包括：步骤1-2：对车辆驾驶数据进行数据清洗，筛除车辆驾驶数据中的异常数据。
6、进一步的，步骤1-1具体包括：步骤a：提取rtm数据源中的用户的试乘试驾数据；步骤b：提取rtm数据源中的员工车的驾驶数据；步骤c：对试乘试驾数据和驾驶数据进行整合处理，得到车辆驾驶数据。
7、进一步的，步骤2具体包括：步骤2-1：根据神经网络算法，识别驾驶工况信息以及驾驶工况信息对应的驾驶风格信息，构建训练集模型；步骤2-2：基于训练集模型，构建初始驾驶风格预测模型；步骤2-3：获取cltc-p行驶工况信息和轻型车激烈行驶工况信息；步骤2-4：对cltc-p行驶工况信息和轻型车激烈行驶工况信息进行分类处理，确定预测集模型；步骤2-5：根据预测集模型对初始驾驶风格预测模型进行校验，确定驾驶风格预测模型。
8、进一步的，步骤2-1进一步包括：步骤2-1-1：基于随机采样算法和smote采样算法，对驾驶工况信息以及驾驶工况信息对应的驾驶风格信息进行筛选，确定目标样本；步骤2-1-2：基于目标样本，构建训练集模型。
9、第二方面，本申请提供一种驾驶风格分析装置，包括：得到模块，用于得到驾驶工况信息以及驾驶工况信息对应的驾驶风格信息；构建模块，用于基于神经网络算法，对驾驶工况信息和驾驶风格信息进行处理，构建驾驶风格预测模型；预测模块，用于将待分析驾驶工况信息输入至驾驶风格预测模型中，得到待分析驾驶工况信息对应的目标驾驶风格信息。
10、第三方面，本申请提供一种车辆，包括上述第二方面的驾驶风格分析装置。
11、第四方面，本申请提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如权利要求1-6中任一项的驾驶风格分析方法的步骤。
12、第四方面，本申请提供一种存储有计算机可读指令的非易失性可读存储介质，计算机可读指令被处理器执行时，使得处理器执行如权利要求上述第一方面的一种被配置为驾驶风格分析方法。
13、由上述技术方案可知，本申请提出的的优点和积极效果在于：
14、本申请通过rtm大数据平台，分析驾驶员驾驶风格，为进一步分析驾驶风格对能耗的影响奠定基础。具体可以包括：第一部分，基于国家rtm大数据平台获取某主机厂的电动车数据，划分数据片段，归一化，使用主成分分析法提取与驾驶风格相关特征；第二部分，运用k-means方法对随机试乘试驾的rtm数据进行分类，使用回访调研的方法对部分车rtm数据进行分类，获取驾驶工况和驾驶风格标签；第三部分汇总两部分数据源，采用神经网络算法对随机产生的rtm数据完成驾驶工况和驾驶风格辨识，采用不同过采样方法解决数据不均衡问题；第四部分，搜集国标中已知行驶工况和驾驶风格的数据作为预测集，用以验证模型的准确性。本申请提供的驾驶风格分析方法具有泛用性，并且相对于现有的obd诊断数据主观评价方法，更贴合实际应用。
本文档来自技高网...【技术保护点】
1.一种驾驶风格分析方法，其特征在于，包括：
2.根据权利要求1所述的驾驶风格分析方法，其特征在于，所述步骤1具体包括：
3.根据权利要求2所述的驾驶风格分析方法，其特征在于，在所述步骤1-3之前，所述驾驶风格分析方法还包括：
4.根据权利要求2所述的驾驶风格分析方法，其特征在于，所述步骤1-1具体包括：
5.根据权利要求1所述的驾驶风格分析方法，其特征在于，所述步骤2具体包括：
6.根据权利要求1所述的驾驶风格分析方法，其特征在于，所述步骤2-1进一步包括：
7.一种驾驶风格分析装置，其特征在于，包括：
8.一种车辆，包括：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6中任一项所述的驾驶风格分析方法的步骤。
10.一种存储有计算机可读指令的非易失性可读存储介质，所述计算机可读指令被处理器执行时，使得所述处理器执行如权利要求1-6任一项所述的一种被配置为驾驶风格分析方法。
【技术特征摘要】
1.一种驾驶风格分析方法，其特征在于，包括：
2.根据权利要求1所述的驾驶风格分析方法，其特征在于，所述步骤1具体包括：
3.根据权利要求2所述的驾驶风格分析方法，其特征在于，在所述步骤1-3之前，所述驾驶风格分析方法还包括：
4.根据权利要求2所述的驾驶风格分析方法，其特征在于，所述步骤1-1具体包括：
5.根据权利要求1所述的驾驶风格分析方法，其特征在于，所述步骤2具体包括：
6.根据权利要求1所述的驾驶风格分析方法，其特...
【专利技术属性】
技术研发人员：朱明州，李奇愿，高洋，杨晓昆，
申请(专利权)人：上汽大众汽车有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。