一种车辆行驶状态识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种车辆行驶状态识别方法和装置，所述方法包括：利用传感器采集车辆处于不同行驶状态下的样本数据；确定样本特征提取时间窗，对所述样本特征提取时间窗内的样本数据进行特征提取，获得基本特征集；对所述基本特征集中的特征进行特征选择处理，获得训练样本特征集；利用分类方法对所述训练样本特征集中的特征数据进行训练，获得车辆行驶状态分类模型；利用所述车辆行驶状态分类模型识别车辆行驶状态。本发明专利技术实施例可以准确、全面地识别车辆行驶状态，并能够提高数据采集、处理效率。

【技术实现步骤摘要】

本专利技术实施例涉及车辆
，具体涉及一种车辆行驶状态识别方法及装置。
技术介绍
随着城市汽车运行数量的日益庞大，人们越来越关注道路交通安全问题。驾驶员作为汽车的操控者，其驾驶行为很大程度上决定了道路交通系统的安全。对驾驶员的驾驶行为和车辆的行驶状态的识别以及及时的提示危险信息，对于预防交通事故的发生具有重要意义。车辆的行驶状态直接影响着交通系统的安全，因此越来越多的研究人员开始关注车辆行驶状态的识别。目前，已有研究人员对车辆行驶状态识别进行了研究，但是仅限于几种典型车辆行驶状态的识别。例如，现有技术已存在基于图像采集的方法识别车辆是否处于变道状态，这种方法需要在道路上配置专门的摄像头采集图像数据，并且需要存储、处理图像数据，存在采集数据大、处理算法复杂、处理效率低、不便捷的缺陷。此外，现有技术仅能够识别某一种或者某几种典型车辆行驶状态，并不存在准确、全面地识别车辆行驶状态的方法。
技术实现思路
本专利技术实施例提供了一种车辆行驶状态识别方法及装置，可以在一定程度上解决现有技术中无法准确、全面地识别车辆行驶状态的缺陷，并能够提高数据采集、处理效率。为此，本专利技术实施例提供如下技术方案:—方面，本专利技术提供了一种车辆行驶状态识别方法，所述方法包括:采集车辆处于不同行驶状态下的样本数据；确定样本特征提取时间窗，对所述样本特征提取时间窗内的样本数据进行特征提取，获得基本特征集；对所述基本特征集中的特征进行特征选择处理，获得训练样本特征集；利用分类方法对所述训练样本特征集中的特征数据进行训练，获得车辆行驶状态分类模型；利用所述车辆行驶状态分类模型识别车辆行驶状态。进一步地，所述样本数据包括下列中的任意一种或结合:加速度数据、车辆姿态数据、方向角数据、磁场数据。进一步地，所述对所述样本特征提取时间窗内的样本数据进行特征提取，获得基本特征集包括:提取所述样本数据的时域特征、频域特征和/或扩展特征，获得基本特征集。进一步地，所述时域特征包括均值、方差、最大值、最小值、第一四分位数、第三四分位数、峰度中的一种或多种；所述频域特征包括频带宽度和/或谱能量；所述扩展特征包括小于第一四分位数据所有数据平方和、大于第三四分位数据所有数据平方和、频谱宽度数据中峰值个数中的一种或多种。进一步地，所述对所述基本特征集中的特征进行特征选择处理，获得训练样本特征集包括:比较车辆不同行驶状态对应的各基本特征集中的特征，去除所述基本特征集中变化值小于第一预设阈值的特征，获得第一特征集；计算所述第一特征集中的特征与对应的行驶状态的相关系数，根据所述相关系数对所述第一特征集中的特征进行去除处理，获得第二特征集；对所述第二特征集中的特征进行降维处理以去除各特征间的相关性，获得第三特征集，将所述第三特征集作为训练样本特征集。进一步地，所述利用分类方法对所述训练样本特征集中的特征数据进行训练，获得车辆行驶状态分类模型包括:利用训练样本特征集中的特征数据生成训练样本集合X，以及，利用所述特征数据对应的行驶状态生成状态集合Y ;利用K最邻近方法训练所述训练样本集合X和状态集合Y，获得车辆行驶状态分类丰旲型；其中，所述特征数据经过归一化处理。进一步地，所述利用所述车辆行驶状态分类模型识别车辆行驶状态包括:采集车辆实际行驶数据；确定识别特征提取时间窗，对所述识别特征提取时间窗内的车辆实际行驶数据进行特征提取，获得识别特征集；将所述识别特征集中的识别特征输入所述车辆行驶状态分类模型，获得与所述识别特征对应的车辆行驶状态以及所述行驶状态对应的概率值；当所述概率值大于第二预设阈值时，则确定车辆处于所述行驶状态。进一步地，所述确定识别特征提取时间窗，对所述识别特征提取时间窗内的车辆实际行驶数据进行特征提取，获得识别特征集包括:根据所述样本特征提取时间窗确定识别特征提取时间窗；所述样本特征提取时间窗的长度与所述识别特征提取时间窗的长度相同；根据确定的步长移动所述识别特征提取时间窗，获得多个时间窗内的车辆行驶特征；其中，所述步长小于所述识别特征提取时间窗的长度。进一步地，所述行驶状态包括静止、匀速直线行驶、加速行驶、减速行驶、转弯、变道中的一种或者多种。另一方面，本专利技术实施例提供了一种车辆行驶状态识别装置，所述装置包括:第一采集单元，用于采集车辆处于不同行驶状态下的样本数据；第一特征提取单元，用于确定样本特征提取时间窗，对所述样本特征提取时间窗内的样本数据进行特征提取，获得基本特征集；特征选择单元，用于对所述基本特征集中的特征进行特征选择处理，获得训练样本特征集；分类单元，用于利用分类方法对所述训练样本特征集中的特征数据进行训练，获得车辆行驶状态分类模型；识别单元，用于利用所述车辆行驶状态分类模型识别车辆行驶状态。进一步地，所述第一特征提取单元具体用于:提取所述样本数据的时域特征、频域特征和/或扩展特征，获得基本特征集。进一步地，所述第一特征提取单元提取的时域特征包括均值、方差、最大值、最小值、第一四分位数、第三四分位数、峰度中的一种或多种；所述第一特征提取单元提取的所述频域特征包括频带宽度和/或谱能量；所述第一特征提取单元提取的所述扩展特征包括小于第一四分位数据所有数据平方和、大于第三四分位数据所有数据平方和、频谱宽度数据中峰值个数中的一种或多种。进一步地，所述特征选择单元包括:比较单元，用于比较车辆不同行驶状态对应的各基本特征集中的特征，去除所述基本特征集中变化值小于第一预设阈值的特征，获得第一特征集；相关系数计算单元，用于计算所述第一特征集中的特征与对应的行驶状态的相关系数，根据所述相关系数对所述第一特征集中的特征进行去除处理，获得第二特征集；相关性去除单元，用于对所述第二特征集中的特征进行降维处理以去除各特征间的相关性，获得第三特征集，将所述第三特征集作为训练样本特征集。进一步地，所述分类单元包括:归一化处理单元，用于对所述训练样本特征集中特征数据进行归一化处理；生成单元，用于利用训练样本特征集中的特征数据生成训练样本集合X;以及，利用所述特征数据对应的行驶状态生成状态集合Y ;其中，所述特征数据经过归一化处理；训练单元，用于利用K最邻近方法训练所述训练样本集合X和状态集合Y，获得车辆行驶状态分类模型。 进一步地，所述识别单元包括:第二采集单元，用于采集车辆实际行驶数据；第二特征提取单元，用于确定识别特征提取时间窗，对所述识别特征提取时间窗内的车辆实际行驶数据进行特征提取，获得识别特征集；获得单元，用于将所述识别特征集中的识别特征输入所述车辆行驶状态分类模型，获得与所述识别特征对应的车辆行驶状态以及所述行驶状态对应的概率值；确定单元，用于当所述概率值大于第二预设阈值时，则确定车辆处于所当前第1页1 2 3 4 5 本文档来自技高网...

【技术保护点】
一种车辆行驶状态识别方法，其特征在于，所述方法包括：利用传感器采集车辆处于不同行驶状态下的样本数据；确定样本特征提取时间窗，对所述样本特征提取时间窗内的样本数据进行特征提取，获得基本特征集；对所述基本特征集中的特征进行特征选择处理，获得训练样本特征集；利用分类方法对所述训练样本特征集中的特征数据进行训练，获得车辆行驶状态分类模型；利用所述车辆行驶状态分类模型识别车辆行驶状态。

【技术特征摘要】

【专利技术属性】
技术研发人员：徐丽丽，
申请(专利权)人：东软集团股份有限公司，
类型：发明
国别省市：辽宁;21