申请/专利权人：北京大学

申请日：2022-03-30

公开（公告）日：2024-06-18

公开（公告）号：CN114861756B

主分类号：G06F18/2411

分类号：G06F18/2411;G06F18/2135;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.06.18#授权;2022.08.23#实质审查的生效;2022.08.05#公开

摘要：本发明公布了一种基于短期观测的驾驶行为模式实时分类方法及系统，系统包括数据预处理模块、数据降维模块、驾驶行为模式分类模块和驾驶行为模式归类模块；方法包括训练阶段和推理阶段；对车辆驾驶数据通过预处理和数据降维，提取得到不同来源车辆驾驶行为数据特征；再对驾驶行为数据进行归类，得到驾驶行为模式。本发明技术方案可应用于智能车辆的利用短期观测数据对驾驶员驾驶行为模式进行分类，方法有效性高，分类结果可解释性好，适用性强。

主权项：1.一种基于短期观测的驾驶行为模式实时分类方法，包括训练阶段和推理阶段；对短期观测的车辆驾驶数据通过预处理和数据降维，提取得到不同来源车辆驾驶行为数据特征；再对驾驶行为数据进行归类，得到驾驶行为模式；包括如下步骤：1）将当前交通环境下的历史短期观测数据作为训练数据；选取状态相关参数，对历史观测数据进行预处理，得到状态观测向量；在得到状态观测向量后，选取宽度为N的时间窗口，将窗口内的所有时刻的短期观测数据进行整合，得到状态观测矩阵，状态观测矩阵的每一列为一个时刻的状态观测向量；再将状态观测矩阵变换到频域，得到频域观测矩阵；2）对步骤1）中的频域观测矩阵进行降维，根据设定阈值确定数据降维后的维度，得到降维频域观测矩阵；3）将步骤2）中得到的所有车辆对应的降维观测矩阵数据通过聚类分成K个类别，并对聚类效果进行评估，获得每个类别的聚类中心，作为训练阶段的输出结果；4）在推理阶段，对于新观测车辆驾驶数据，通过步骤1）进行数据预处理和步骤2）进行数据降维，得到新观测车辆的降维频域观测矩阵；5）利用步骤4）中处理得到的降维频域观测矩阵和步骤3）中输出的训练结果，计算得到新观测车辆的降维频域观测矩阵到训练得到的聚类中心的距离，通过归一化的概率密度表示，用于评估车辆数据属于某一类别的概率，通过取最大值，对降维频域观测矩阵进行归类，归类结果即为车辆驾驶员的驾驶行为模式；具体包括步骤S51~S53：S51：根据步骤4）得到的降维频域观测矩阵数据和步骤3）得到的M个聚类中心，计算出车辆数据到每个聚类中心的欧式距离；S52：车辆数据服从高斯分布，将车辆数据属于第i类别的概率密度函数表示为： 其中，A和B为归一化常数；S53：经过概率归一化，得到第i类别的概率，表示为： 其中，分母代表属于所有类别的概率密度之和；分子代表属于第i类别的概率密度；计算所有M个类别的概率，将类别概率最大相应的i作为最终聚类结果输出；6）当交通场景不变时，在经过步骤1）—3）进行训练后，通过循环执行步骤4）-5），实现对所有途经车辆数据进行实时的归类，得到车辆驾驶员驾驶行为模式实时归类结果；当交通场景发生变化，则重新执行步骤1）-3）进行重新训练，得到新场景下的聚类结果，再循环4）-5）的步骤实现车辆驾驶员驾驶行为模式实时归类；通过上述步骤，即实现基于短期观测的驾驶行为模式的实时分类。

全文数据：

权利要求：

百度查询： 北京大学 基于短期观测的驾驶行为模式实时分类方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD