【技术实现步骤摘要】
本专利技术属于自动驾驶行驶策略动态调整，具体涉及一种基于驾驶风格识别的行驶策略动态调整方法及系统。
技术介绍
1、自动驾驶车辆可以通过监测和分析驾驶员的驾驶风格，以确保行车安全和驾驶体验的个性化。
2、目前，自动驾驶系统在适应驾驶员风格方面已经取得了一些进展，主要包括驾驶风格分类、驾驶员行为预测、驾驶行为分析等，但仍然存在一些痛点问题，尤其是在与驾驶员风格差异较大时，容易引起驾驶员的不满，主要痛点包括驾驶风格适应性不足、驾驶体验不一致性。
3、现有系统对驾驶员风格的适应性还不够细致，难以全面满足不同驾驶员的个性化需求。例如，有些驾驶员喜欢较为激进的驾驶风格，但系统往往设定为较为保守的驾驶策略，导致驾驶体验不佳。系统在不同路况、天气和交通状况下的表现可能不一致，系统的处理能力和驾驶员的预期可能存在较大差异，导致驾驶员对系统的信任度降低。
技术实现思路
1、为了解决现有技术存在的上述问题，本专利技术提供一种基于驾驶风格识别的行驶策略动态调整方法及系统，构建驾驶风格分类模型，结合数据驱动的自适应算法，识别不同驾驶员的行为模式，并利用增量学习和驾驶员行为动态数据更新驾驶风格模型，采用场景驱动的自适应控制策略，辅助自动驾驶系统提供更符合驾驶员个人偏好的驾驶体验模式，并结合智能交互与策略闭环机制，提升驾驶员的舒适度和满意度，满足自动驾驶系统个性化和动态适应能力。
2、本专利技术的目的是通过以下技术方案实现的：
3、第一方面，本专利技术提供一种基于
4、s1.建立驾驶风格分类模型；
5、s2.数据驱动的自适应算法：实时监测驾驶员的行为数据，应用数据驱动的自适应算法完成驾驶员驾驶风格的确认，并动态更新所述驾驶风格分类模型；
6、s3.应用场景驱动的自适应控制策略：在驾驶员驾驶风格的基础上，考虑驾驶员在不同情境下的具体行为，应用场景驱动的自适应控制策略输出车辆当前行驶策略；
7、s4.智能交互与策略优化：通过驾驶员在驾驶过程中的交互反馈进行车辆当前行驶策略的优化。
8、进一步地，所述驾驶员风格分为保守型、中庸型、激进型三个类别。
9、进一步地，所述步骤s2包括以下步骤：
10、s21.数据采集：实时采集车辆驾驶行为数据和驾驶员状态数据；
11、s22.数据预处理：对采集的数据进行清洗、去噪和归一化处理；
12、s23.特征提取：从预处理后的数据中提取特征；
13、s24.训练随机森林模型：将步骤s23提取的特征数据输入随机森林模型进行训练；
14、s25.行为模式识别：训练好的随机森林模型识别出不同驾驶员的行为模式；
15、s26.增量学习模型更新：将步骤s23新提取的特征数据输入增量学习模型进行更新；
16、s27.实时行为模式调整：根据增量学习模型的更新结果，实时调整行为模式识别结果，并进行所述驾驶风格分类模型更新。
17、进一步地，所述步骤s21中，所述车辆驾驶行为数据包括车速、加速度、刹车力度、转向角度。
18、进一步地，所述步骤s21中，所述驾驶员状态数据包括驾驶员表情、视线方向、心率、操作频率。
19、进一步地，所述步骤s24中，随机森林模型的训练过程包括步骤：
20、1)数据采样：从原始训练数据集中随机抽取多个子集，每个子集用于训练一棵决策树；
21、2)特征选择：在构建每棵决策树时，对于每个节点，随机选择一部分特征进行分裂，增加模型的多样性；
22、3)决策树训练：利用每个子集训练一棵决策树；
23、4)集成预测：对于分类任务，随机森林通过对所有决策树的预测结果进行多数投票来确定最终分类结果；对于回归任务，则取所有决策树预测值的平均值。
24、进一步地，所述步骤s3中，结合具体场景与驾驶风格的自适应策略，针对不同的驾驶风格在不同的驾驶场景下预设了不同的行驶策略调整方案。
25、进一步地，所述步骤s4包括：
26、设计反馈界面；
27、获取用户反馈：用于通过反馈界面提供对当前行驶策略的反馈；
28、反馈分析与处理：对反馈信息进行数据处理、nlp语音分析，提取关键信息；
29、优化当前行驶策略：根据分析与处理后的关键信息，优化场景驱动的自适应控制策略。
30、进一步地，所述步骤s4中，所述反馈界面采用车载显示屏上设计人机交互界面。
31、第二方面，同时提供一种基于驾驶风格识别的行驶策略动态调整系统，用于实现本专利技术所述方法，包括：
32、基本层：用于建立驾驶风格分类模型；
33、动态层：用于实时监测驾驶员的行为数据，应用数据驱动的自适应算法动态调整驾驶风格模型，完成驾驶员驾驶风格的确认和模型更新；
34、融合层：用于在动态层的基础上，应用场景驱动的自适应控制策略，考虑驾驶员在不同情境下的具体行为，提供不同的行驶策略；
35、交互层：通过用户实时反馈优化自适应控制策略。
36、本专利技术具有以下优点：
37、1.本专利技术能够根据不同驾驶风格(如保守型、中庸型、激进型)、以及实时行为数据，动态调整驾驶策略，这种个性化调整不仅提升了驾驶员的舒适度和满意度，还能显著提高行车安全性，减少事故发生率。同时，系统适应性和一致性得以增强，无论在何种驾驶环境下都能保持高效的性能。此外，优化能源效率，减少燃油或电力消耗，实现绿色驾驶。精准的反馈和优化建议也有助于驾驶员改进驾驶行为，提升整体驾驶水平，从而增强对自动驾驶系统的信任和依赖；
38、2.本专利技术通过场景分类和优化，能够在不同的驾驶环境下保持高效的适应能力，提供一致的驾驶体验；
39、3.本专利技术可提升行车安全性和驾驶员的信任度。
本文档来自技高网...【技术保护点】
1.一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述驾驶员风格分为保守型、中庸型、激进型三个类别。
3.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S2包括以下步骤：
4.如权利要求3所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S21中，所述车辆驾驶行为数据包括车速、加速度、刹车力度、转向角度。
5.如权利要求3所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S21中，所述驾驶员状态数据包括驾驶员表情、视线方向、心率、操作频率。
6.如权利要求3所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S24中，随机森林模型的训练过程包括步骤：
7.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S3中，结合具体场景与驾驶风格的自适应策略，针对不同的驾驶风格在不同的驾驶场景下
8.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S4包括：
9.如权利要求7所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤S4中，所述反馈界面采用车载显示屏上设计人机交互界面。
10.一种基于驾驶风格识别的行驶策略动态调整系统，用于实现权利要求1-8中任意一项所述的方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述驾驶员风格分为保守型、中庸型、激进型三个类别。
3.如权利要求1所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤s2包括以下步骤：
4.如权利要求3所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤s21中，所述车辆驾驶行为数据包括车速、加速度、刹车力度、转向角度。
5.如权利要求3所述的一种基于驾驶风格识别的行驶策略动态调整方法，其特征在于，所述步骤s21中，所述驾驶员状态数据包括驾驶员表情、视线方向、心率、操作频率。
6.如权利要求3所述的...
【专利技术属性】
技术研发人员：何丽虹，孙毓阳，杨雪珠，魏毓辰，
申请(专利权)人：中国第一汽车股份有限公司，
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。