买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：华东交通大学

摘要：本发明涉及驾驶行为分析技术领域，本发明公开了基于深度学习的驾驶人个性化风险评价方法、电子设备和存储介质，包括：基于M个车辆的行驶特征集合，获取交通流的稳态数据；提取第i个车辆的行驶特征集合，并将交通流的稳态数据和自车状态数据进行差异化比较，以获取第i个车辆的差异化数据，根据差异化数据计算第i个车辆的驾驶风险系数；将第i个车辆的驾驶风险系数输入预先训练好用于驾驶风格类型检测的深度学习模型中，识别出第i个车辆的驾驶风格类型；重复上述过程，得到所有车辆的不同驾驶风格类型；根据不同驾驶风格类型的车辆数量分布生成行驶策略，并将行驶策略分别发送至对应的车辆；本发明能提高高流量交通路段的交通流畅性。

主权项：1.一种基于深度学习的驾驶人个性化风险评价方法，其特征在于，所述方法包括：S101：获取监测路段内M个车辆的行驶特征集合，并基于M个车辆的行驶特征集合，获取监测路段内交通流的稳态数据；M为大于零的整数；其中，所述行驶特征集合中包含五个特征项，分别为平均车速、跟车距离、变道频次、加速次数和减速次数；所述获取监测路段内交通流的稳态数据，包括：a1：提取行驶特征集合中的第j个特征项，并统计第j个特征项的所有特征值，j为大于零的整数；a2：利用聚类算法对第j个特征项的所有特征值进行聚类，以获取Q个聚类簇，Q为大于零的整数；a3：按数据体量从大到小对Q个聚类簇进行排序，将排序第一的聚类簇作为稳态簇，并对稳态簇中所有数据进行均值计算，得到第j个特征项的稳态量；a4：重复上述步骤a1～a3，直至j=5时，结束循环，得到所述特征项的稳态量；将所述特征项的稳态量作为交通流的稳态数据；S102：提取第i个车辆的行驶特征集合，并将第i个车辆的行驶特征集合作为自车状态数据，将交通流的稳态数据和自车状态数据进行差异化比较，以获取第i个车辆的差异化数据，并根据差异化数据计算第i个车辆的驾驶风险系数，i为大于零的整数；其中，所述根据差异化数据计算第i个车辆的驾驶风险系数，包括：提取第i个车辆的差异化数据中每个差异特征项的差异量；将每个差异特征项的差异量输入预构建的数学计算模型中，得到第i个车辆的驾驶风险系数；其中，所述数学计算模型的表达式如下：；式中：为第i个车辆的驾驶风险系数，为第g个差异特征项的差异量；S103：将第i个车辆的驾驶风险系数输入预先训练好用于驾驶风格类型检测的深度学习模型中，以识别出第i个车辆的驾驶风格类型，并令i=i+1，并返回步骤S102；S104：重复上述步骤S102～S103，直至i=M时，得到所有车辆的不同驾驶风格类型；S105：统计不同驾驶风格类型车辆在监测路段中的数量分布，根据数量分布为不同驾驶风格类型车辆生成对应的行驶策略，并将行驶策略分别发送至对应的车辆；其中，所述为不同驾驶风格类型车辆生成对应的行驶策略，包括：获取监测路段中的W个车道以及每个车道的车道编号，W为大于零的整数；分别获取在每个车道中风险偏好型车辆的数量、风险均衡型车辆的数量和风险规避型车辆的数量；将风险偏好型车辆的数量排序第一的车道作为高速车道，并提取高速车道的车道编号，并将高速车道的车道编号作为风险偏好型车辆的行驶策略；将风险均衡型车辆的数量排序第一的车道作为中速车道，并提取中速车道的车道编号，并将中速车道的车道编号作为风险均衡型车辆的行驶策略；将风险规避型车辆的数量排序第一的车道作为低速车道，并提取低速车道的车道编号，并将低速车道的车道编号作为风险规避型车辆的行驶策略。

全文数据：

权利要求：

百度查询： 华东交通大学 基于深度学习的驾驶人个性化风险评价方法、电子设备和存储介质