[发明专利]一种基于智能手机的智能车个性化驾驶学习系统

权利要求书

1.一种基于智能手机的智能车个性化驾驶学习系统，其特征在于，包括：

信息采集模块，用于在车主获得人工智能汽车后，通过智能手机进行信息采集，具体如下：在行驶过程不停获取手机摄像头、磁感应器和加速度传感器的传感数据，包括行驶过程中在不同时刻、不同方向的速度、加速度数据，以及前方车道信息数据、前方车辆信息数据；

数据预处理模块，用于将采集的数据组合成的新的数据集；具体如下：对所获取的数据进行滤波，剔除异常数据信息，同时填补部分缺失数据，获取大量有效的时间序列数据值集合，数据的时间间隔为1s；删除车辆静止时的数据串，即车速为0时的数据串全部删除，但保留该数据串停车与起步两个时刻车速为0的数据；

模式识别模块，将手机采集到的数据，按日常出行分为七个模式，分别是车辆起步模式、车辆刹停模式、拥堵模式、畅通模式、车辆换道模式、车辆直行模式、车辆转弯模式，提取不同模式下的相关数据，建立不同模式下的数据库；

所述模式识别模块中提取不同模式下的相关数据，建立不同模式下的数据库，具体如下：

通过模式识别模块识别畅通模式和拥堵模式，并提取驾驶行为特征及特征值，构建该模式下的保持车速数据库；

通过模式识别模块识别车辆起步模式和车辆刹停模式，并提取驾驶行为特征及特征值，构建该模式下的车辆加速度数据库；

通过模式识别模块，识别车辆直行、换道和转弯模式，并提取驾驶行为特征及特征值，构建该模式下的车辆行为数据库；

统计分析模块，用于不同模式下数据的统计分析；

具体如下：在车辆起步模式中，分析该模式下的数据库，计算车辆起步时达到不同速度时的加速度，统计到达不同速度时其加速度的众数，并构建数据模板库；在车辆刹停模式中，分析该模式下的数据库，计算车辆在不同速度刹停时的加速度，统计在不同速度刹停时其加速度的众数，并构建数据模板库；在拥堵模式中，分析该模式下的数据库，统计车辆在拥堵模式下的平均速度，并构建数据模板库；在畅通模式中，分析该模式下的数据库，统计车辆在畅通模式下保持速度在各速度级别中的众数，并构建不同限速环境下，车速保持数据模板库；在车辆换道模式中，分析该模式下的数据库，统计车辆在不同车速下换道时，车辆的横、纵向加速度，确定不同车速下加速度的众数，并构建数据模板库；在车辆直行模式中，分析该模式下的数据库，统计车辆在不同车速直行时，车辆的纵向加、减速度，确定车辆正常行驶时的加速度的众数，并构建数据模板库；在车辆转弯模式中，分析该模式下的数据库，统计车辆在不同车速开始转弯时，车辆的保持速度，并构建数据模板库；

模型构建模块，用于构建用户驾驶特征模型；具体如下：根据上述分类，综合不同出行模式下所采取的特征，合并所有模型的特征值数据模板库，建立用户驾驶特征模型；

数据匹配模块，用于基于预先建立的用户驾驶行为特征模板库，初始化智能车出行的驾驶特征；在出行过程中，处于不同模式时，直接实时在线匹配用户驾驶特征模型，使得智能车出行具备车主的个性化驾驶特征，满足车主的个性化需求。

2.根据权利要求1所述的基于智能手机的智能车个性化驾驶学习系统，其特征在于，所述信息采集模块中，采集过程中，手机摄像头记录方向与车头方向平行，记录信息还包括车辆横摆角速度以及该数据发生时刻。

3.根据权利要求1所述的基于智能手机的智能车个性化驾驶学习系统，其特征在于，所述模式识别模块中具体划分方法如下：通过判断车前50m是否有车辆以及车速水平，将车辆所处环境分为畅通模式和拥堵模式；通过判断车辆速度是否为0，将车辆场景分为起步模式和刹车模式；通过车道线是否发生变化以及车辆行驶方向，将车辆所处场景分为直行模式、车道转换模式、转弯模式。

4.根据权利要求1所述的基于智能手机的智能车个性化驾驶学习系统，其特征在于，所述用户驾驶行为特征的特征值是指对各特征项的数据汇总后，进行大数据分析，选取各特征项的众数，即用户日常出行中出现最频繁的数值，刻画用户的驾驶习惯；所述用户驾驶行为特征包括拥堵情况下的保持车速、畅通情况下的保持车速、车辆起步情况下的加速度、车辆刹停情况下的减速度、日常加速时的加速度、日常减速的减速度、车辆换道时的横向加速度、车辆换道时的纵向加速度、转弯时的保持车速。