一种车辆行驶状态识别方法、装置、电子设备和可读存储介质制造方法及图纸

本发明专利技术提供了一种车辆行驶状态识别方法、装置、电子设备和可读存储介质，其中所述方法包括：采集预设的时间窗口长度内的惯性传感器数据；对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态。本发明专利技术实施例提供的车辆行驶状态识别方法，通过将惯性传感器数据进行标准化处理后，由车辆行驶状态识别模型来确定车辆行驶状态，无需依赖传统GPS及外部设备，仅需进行简单的车身惯性传感器部署就能实现对车辆行驶状态的实时、高精度识别，同时借助于数据预处理及人工智能算法模型，具有可靠性高，鲁棒性强的特点。棒性强的特点。棒性强的特点。

【技术实现步骤摘要】
一种车辆行驶状态识别方法、装置、电子设备和可读存储介质


[0001]本专利技术涉及人工智能领域，特别涉及一种车辆行驶状态识别方法、装置、电子设备和可读存储介质。

技术介绍

[0002]车辆行驶状态作为描述车辆行为的重要特征，在车载称重系统、汽车辅助驾驶系统、行车安全监控系统中发挥着关键作用。
[0003]现有的技术主要通过GPS/北斗卫星定位来获得车辆行驶状态，然而这种方法仅能识别车辆的静止以及运动两种状态，无法满足更精细化的车辆行驶状态识别任务；此外，例如安装有车载称重系统的垃圾收运车，车载称重系统需要判断车辆是否处于静止状态，其收运过程中有时会进入小区地下停车场，造成GPS信号丢失，影响车辆行驶状态的识别。

技术实现思路

[0004]有鉴于此，本专利技术实施例的目的在于提供一种车辆行驶状态识别方法、装置、电子设备和可读存储介质，具体包括：
[0005]第一方面，本专利技术实施例提供了一种车辆行驶状态识别方法，所述方法包括：
[0006]采集预设的时间窗口长度内的惯性传感器数据；
[0007]对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；
[0008]将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；
[0009]其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。
[0010]可选地，所述对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据，具体包括：
[0011]将所述惯性传感器数据从对应的参考坐标系旋转至车辆坐标系；
[0012]修正所述惯性传感器数据的零偏误差；
[0013]调整所述惯性传感器数据在各坐标轴的数值分布区间，得到标准化惯性数据。
[0014]可选地，所述车辆行驶状态识别模型包括输入层、隐藏层和输出层；
[0015]所述输入层用于接收所述时间窗口长度内的惯性传感器数据；
[0016]所述隐藏层依次包含至少一个一维卷积层，一个压平层以及至少一个双向门控循环层；其中，每一个所述一维卷积层具有至少一个一维卷积核，用于获取所述输入层接收的所述惯性传感器数据，并提取所述惯性传感器数据的特征；所述压平层用于串接所述一维卷积层提取到的特征；每一个所述双向门控循环层具有至少一个双向GRU，用于记忆所述惯性传感器数据的长短期历史特征；
[0017]所述输出层用于根据所述隐藏层的输出确定所述惯性传感器数据对应的车辆行
驶状态。
[0018]可选地，所述方法还包括：确定车辆行驶状态识别模型的网络超参数；
[0019]其中，所述网络超参数包括所述时间窗口长度、所述窗口中对应状态的取值位置、所述一维卷积层的个数、每一个所述一维卷积层中所述一维卷积核的个数、所述双向门控循环层的个数、每一个所述双向门控循环层中所述双向GRU的个数。
[0020]可选地，所述确定车辆行驶状态识别模型的网络超参数，具体包括：
[0021]将所述样本惯性传感器数据集中的所述样本惯性传感器数据进行乱序处理，得到乱序样本；
[0022]将所述乱序样本分为乱序样本训练集和乱序样本验证集；
[0023]基于所述乱序样本训练集，对不同的网络超参数组合进行网格搜索，并记录所有参数组合在乱序样本验证集上的分类准确率；
[0024]选择具有最高准确率的网络超参数组合，作为所述车辆行驶状态识别模型的网络超参数。
[0025]可选地，所述采集预设的时间窗口长度内的惯性传感器数据，具体包括：
[0026]将包含三轴陀螺仪与三轴加速度计的惯性传感器安装固定于车辆上；
[0027]使用与惯性传感器相连的车载终端设备周期性地采样所述惯性传感器的数据。
[0028]可选地，所述车辆行驶状态包括静止、行驶、静止熄火、静止未熄火、静止装卸货、平稳行驶、颠簸行驶、急刹、上/下坡、左/右转弯或侧翻。
[0029]第二方面，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：
[0030]数据采集模块，用于采集预设的时间窗口长度内的惯性传感器数据；
[0031]数据标准化模块，用于对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据；
[0032]状态确定模块，用于将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；
[0033]其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。
[0034]第三方面，本专利技术实施例提供了一种电子设备，包括：
[0035]一个或多个处理器；
[0036]存储器，用于存储一个或多个程序；
[0037]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行如第一方面所述方法。
[0038]第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器执行如第一方面所述方法。
[0039]本专利技术实施例提供的车辆行驶状态识别方法、装置、电子设备和可读存储介质，通过将惯性传感器数据进行标准化处理后，由车辆行驶状态识别模型来确定车辆行驶状态，无需依赖传统GPS及外部设备，仅需进行简单的车身惯性传感器部署就能实现对车辆行驶状态的实时、高精度识别，同时借助于数据预处理及人工智能算法模型，具有可靠性高，鲁棒性强的特点。
附图说明
[0040]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳务的前提下，还可以根据这些附图获得其他的附图。通过附图所示，本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本申请的主旨。
[0041]图1示出了根据本专利技术实施例提供的车辆行驶状态识别方法的流程示意图。
[0042]图2示出了根据本专利技术实施例提供的惯性传感器数据预处理方法的流程示意图。
[0043]图3示出了根据本专利技术实施例提供的惯性传感器坐标系的示意图。
[0044]图4示出了根据本专利技术实施例提供的惯性传感器坐标系的另一示意图。
[0045]图5示出了根据本专利技术实施例提供的车辆行驶状态识别模型的结构示意图。
[0046]图6示出了根据本专利技术实施例提供的车辆行驶状态识别模型的网络超参数确定方法的流程示意图。
[0047]图7示出了根据本专利技术实施例提供的惯性传感器数据采集方法的流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆行驶状态识别方法，其特征在于，所述方法包括：采集预设的时间窗口长度内的惯性传感器数据；对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。2.根据权利要求1所述的车辆行驶状态识别方法，其特征在于，所述对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据，具体包括：将所述惯性传感器数据从对应的参考坐标系旋转至车辆坐标系；修正所述惯性传感器数据的零偏误差；调整所述惯性传感器数据在各坐标轴的数值分布区间，得到标准化惯性数据。3.根据权利要求1所述的车辆行驶状态识别方法，其特征在于，所述车辆行驶状态识别模型包括输入层、隐藏层和输出层；所述输入层用于接收所述时间窗口长度内的惯性传感器数据；所述隐藏层依次包含至少一个一维卷积层，一个压平层以及至少一个双向门控循环层；其中，每一个所述一维卷积层具有至少一个一维卷积核，用于获取所述输入层接收的所述惯性传感器数据，并提取所述惯性传感器数据的特征；所述压平层用于串接所述一维卷积层提取到的特征；每一个所述双向门控循环层具有至少一个双向GRU，用于记忆所述惯性传感器数据的长短期历史特征；所述输出层用于根据所述隐藏层的输出确定所述惯性传感器数据对应的车辆行驶状态。4.根据权利要求3所述的车辆行驶状态识别方法，其特征在于，所述方法还包括：确定车辆行驶状态识别模型的网络超参数；其中，所述网络超参数包括所述时间窗口长度、所述窗口中对应状态的取值位置、所述一维卷积层的个数、每一个所述一维卷积层中所述一维卷积核的个数、所述双向门控循环层的个数、每一个所述双向门控循环层中所述双向GRU的个数。5.根据权利要求4所述的车辆行驶状态识别方法，...

【专利技术属性】
技术研发人员：苗少光，刘阳，杨国强，
申请(专利权)人：深圳市汉德网络科技有限公司，
类型：发明
国别省市：