本发明专利技术公开了一种汽车驾驶行为和风格的识别方法和装置，其中，识别方法包括：获取车辆在行驶过程中的行驶数据；在车辆端提取行驶数据中的第一判定数据，按照辨别规则对第一判定数据判定以确定第一判定数据对应的驾驶行为；以及将行驶数据中的第二判定数据传输至服务器端以利用所述服务器端的驾驶风格识别模型对第二判定数据判定以确定第二判定数据对应的驾驶风格。本发明专利技术能够降低对服务器端的运算资源的占用，并且能够在车辆端识别一些对时效性要求较高的驾驶行为，有利于车辆对相应的驾驶行为作出及时判断。驶行为作出及时判断。驶行为作出及时判断。
【技术实现步骤摘要】
一种汽车驾驶行为和风格的识别方法与装置
[0001]本专利技术涉及辅助驾驶
，具体涉及一种汽车驾驶行为和风格的识别方法与装置。
技术介绍
[0002]近年来，物联网技术迅速发展并应用于各行各业之中，在汽车领域，越来越多的车辆接入网络形成车联网，将汽车接入网络能够为车主提供导航、远程升级等诸多信息服务，但仍然面临许多传统的驾驶安全问题。汽车驾驶员在驾驶过程中，可能存在多种危险驾驶行为，将会对驾驶员本人以及其他道路使用者造成生命、财产等多方面的安全威胁。
[0003]因此，为了提前发现危险、避免事故，对驾驶员的汽车驾驶行为以及驾驶风格进行分析识别则显得尤为必要。目前，识别汽车驾驶行为和驾驶风格的方法主要是将相关的驾驶数据上传至云端服务器，并在云端服务器对驾驶数据分析处理，从而判定对应驾驶行为和风格，该方法需要将驾驶数据传输到云端服务器进行处理，无法满足一些对时效性要求比较严格的驾驶行为分析，而且需要传输给云端服务器的数据量较多，会受到传输速率的影响，并且全部数据都由云端服务器处理，会对云端服务器的计算资源造成较大的负担。
[0004]因此，有必要提供一种新的汽车驾驶行为和风格的识别方法与装置，以解决上述问题。
技术实现思路
[0005]本专利技术的目的在于提供一种汽车驾驶行为和风格的识别方法、装置、电子设备和计算机可读存储介质，能够降低对服务器端的运算资源的占用，并且能够在车辆端识别一些对时效性要求较高的驾驶行为，有利于车辆对相应的驾驶行为作出及时判断。
[0006]为实现上述目的，本专利技术提供了一种汽车驾驶行为和风格的识别方法，包括：
[0007]获取车辆在行驶过程中的行驶数据；
[0008]在车辆端提取所述行驶数据中的第一判定数据，按照辨别规则对所述第一判定数据判定以确定所述第一判定数据对应的驾驶行为；以及
[0009]将所述行驶数据中的第二判定数据传输至服务器端以利用所述服务器端的驾驶风格识别模型对所述第二判定数据判定以确定所述第二判定数据对应的驾驶风格。
[0010]可选地，所述行驶数据包括：
[0011]车辆行驶的线速度、线加速度、角速度、角加速度和ACC状态。
[0012]可选地，所述辨别规则包括：
[0013]根据所述线加速度判定所述驾驶行为符合急加速或急减速的特征；
[0014]根据所述角加速度判定所述驾驶行为符合急转弯的特征；
[0015]根据所述线速度判定所驾驶行为符合超速驾驶的特征；
[0016]根据所述线速度和所述ACC状态判定所述驾驶行为符合熄火滑行的特征；
[0017]根据所述线速度、所述ACC状态以及持续时间判定所述驾驶行为符合怠速预热或
超长怠速的特征。
[0018]可选地，所述驾驶风格识别模型为k
‑
means聚类模型，根据第二判定数据生成对应的若干采样数据点；
[0019]所述“驾驶风格识别模型对所述第二判定数据判定”包括：
[0020]a、根据所述驾驶风格的预设种类设置对应数量的聚类中心；
[0021]b、将所述第二判定数据对应的若干所述采样数据点分别划分至距离最近的所述聚类中心所代表的簇中；
[0022]c、对划分的各个所述簇内的所述采样数据点计算均值以重新确定所述聚类中心；
[0023]d、重复步骤b和c，直至满足迭代终止条件，确定每个所述簇所代表的所述驾驶风格的种类。
[0024]可选地，所述驾驶风格识别模型包括若干基于随机森林算法构建的分类模型，每一所述分类模型分别按照不同种类的样本数据训练；
[0025]所述“驾驶风格识别模型对所述第二判定数据判定”包括：
[0026]按照所述第二判定数据的数据种类将所述第二判定数据输入至对应的所述分类模型；
[0027]所述分类模型按照所述驾驶风格的种类对输入的所述第二判定数据进行分类以输出分类结果；
[0028]将每个所述分类结果按照预设权重进行加权融合，比较不同所述分类结果的加权结果以判定所述驾驶风格的种类。
[0029]可选地，所述“每一所述分类模型分别按照不同种类的样本数据训练”包括：
[0030]获取不同种类的所述样本数据；
[0031]预处理所述样本数据以提取特征数据；
[0032]将不同种类的所述特征数据输入对应的所述分类模型进行训练。
[0033]可选地，所述样本数据的种类包括角加速度、角速度和线加速度；
[0034]所述第二判定数据的数据种类与所述样本数据的种类一致；
[0035]所述分类模型分别根据所述第二判定数据中的角加速度数据、角速度数据和线加速度数据输出分类结果。
[0036]为实现上述目的，本专利技术还提供了一种汽车驾驶行为和风格的识别装置，包括：
[0037]获取模块，用于获取车辆在行驶过程中的行驶数据；
[0038]行为识别模块，用于在车辆端提取所述行驶数据中的第一判定数据，按照辨别规则对所述第一判定数据判定以确定所述第一判定数据对应的驾驶行为；
[0039]传输模块，用于将所述行驶数据中的第二判定数据传输至服务器端；
[0040]风格识别模块，用于在服务器端基于驾驶风格识别模型对所述第二判定数据判定以确定所述第二判定数据对应的驾驶风格。
[0041]为实现上述目的，本专利技术还提供了一种电子设备，包括：
[0042]处理器；
[0043]存储器，其中存储有所述处理器的可执行指令；
[0044]其中，所述处理器配置为经由执行所述可执行指令来执行如上所述的汽车驾驶行为和风格的识别方法。
[0045]为实现上述目的，本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的汽车驾驶行为和风格的识别方法。
[0046]本专利技术还提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该电子设备执行上述汽车驾驶行为和风格的识别方法。
[0047]本专利技术在车辆端处理行驶数据中的第一判定数据，而在服务器端处理行驶数据中的第二判定数据，其中，在车辆端提取行驶数据中的第一判定数据，并按照辨别规则对第一判定数据判定以确定对应的驾驶行为，在服务器端基于驾驶风格识别模型对所述第二判定数据判定以确定对应的驾驶风格，避免了所有识别过程都在服务器端处理的情况，降低了对服务器端的运算资源的占用，而且，可以在车辆端识别一些对时效性要求较高的驾驶行为，以便车辆对相应的驾驶行为作出及时判断。
附图说明
[0048]图1是本专利技术实施例汽车驾驶行为和风格的识别方法的数据流向图。
[0049]图2是本专利技术实施例采用k
‑
means聚类模型进行驾驶风格识别的方法流程图图。
...
【技术保护点】
【技术特征摘要】
1.一种汽车驾驶行为和风格的识别方法，其特征在于，包括：获取车辆在行驶过程中的行驶数据；在车辆端提取所述行驶数据中的第一判定数据，按照辨别规则对所述第一判定数据判定以确定所述第一判定数据对应的驾驶行为；以及将所述行驶数据中的第二判定数据传输至服务器端以利用所述服务器端的驾驶风格识别模型对所述第二判定数据判定以确定所述第二判定数据对应的驾驶风格。2.如权利要求1所述的汽车驾驶行为和风格的识别方法，其特征在于，所述行驶数据包括：车辆行驶的线速度、线加速度、角速度、角加速度和ACC状态。3.如权利要求2所述的汽车驾驶行为和风格的识别方法，其特征在于，所述辨别规则包括：根据所述线加速度判定所述驾驶行为符合急加速或急减速的特征；根据所述角加速度判定所述驾驶行为符合急转弯的特征；根据所述线速度判定所驾驶行为符合超速驾驶的特征；根据所述线速度和所述ACC状态判定所述驾驶行为符合熄火滑行的特征；根据所述线速度、所述ACC状态以及持续时间判定所述驾驶行为符合怠速预热或超长怠速的特征。4.如权利要求1所述的汽车驾驶行为和风格的识别方法，其特征在于，所述驾驶风格识别模型为k
‑
means聚类模型，根据所述第二判定数据生成对应的若干采样数据点；所述“驾驶风格识别模型对所述第二判定数据判定”包括：a、根据所述驾驶风格的预设种类设置对应数量的聚类中心；b、将所述第二判定数据对应的若干所述采样数据点分别划分至距离最近的所述聚类中心所代表的簇中；c、对划分的各个所述簇内的所述采样数据点计算均值以重新确定所述聚类中心；d、重复步骤b和c，直至满足迭代终止条件，确定每个所述簇所代表的所述驾驶风格的种类。5.如权利要求1所述的汽车驾驶行为和风格的识别方法，其特征在于，所述驾驶风格识别模型包括若干基于随机森林算法构建的分类模型，每一所述分类模型分别按照不同种类的样本数据训练；所述“驾驶风格识别模型对所...
【专利技术属性】
技术研发人员：吉天成，万振华，张海春，
申请(专利权)人：开源网安物联网技术武汉有限公司，
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。