[发明专利]一种基于驾驶倾性的汽车行驶特征评价及预警方法

权利要求书

1.一种基于驾驶倾性的汽车行驶特征评价及预警方法，包括以下步骤，且以下步骤顺次进行，

步骤一、通过车辆信息读取设备，实时采集车辆行驶数据，获得原始数据库；

步骤二、根据行驶场景，对所述步骤一获得原始数据进行划分，获得不同场景下行驶数据库；

步骤三、采用时间序列降维算法，获得降维后数据库；

步骤四、根据降维后的数据点对应采集频率，确定组成操作片段的时间长度，以时间滑窗方式，等长度提取操作片段，获取不同场景下不同参数的操作片段数据库；

步骤五、统计所述步骤四的操作片段数据库不同操作的占比分布情况，提取占比前五的操作片段获得不同场景下不同参数高频操作片段库；经过统计获得不同场景下不同参数的共性特征片段，用于辅助辨识驾驶场景；

步骤六、通过操作片段数据统计，获得隐马尔可夫模型的各输入参数矩阵；

步骤七、通过隐马尔可夫模型对数据点进行驾驶倾性辨识，获得不同场景下不同参数数据序列对应的隐含状态序列，统计状态序列中各倾性状态占比，得到不同场景下不同参数对应的操作外倾值；

步骤八、根据所述步骤七获得的外倾值和步骤五的高频操作片段，分别对样本行驶特征进行定量和定性评价，获得评价结果；

步骤九、根据所述步骤八获得的评价结果，确定传输给周围其他车辆的预警信息；

步骤十、根据已有汽车行驶特征评价结果及预警信息，随着车辆继续运行，继续收集车辆行驶数据，重复所述步骤一～步骤九，不断更新评价结果和预警信息；

其特征是：所述步骤六的隐马尔可夫模型的各输入参数包括，

观察序列O，通过对原始数据序列进行时间序列降维得到，不同场景下不同参数都有与其一一对应的观察序列；

观察集合V，通过对降维后数据的分布统计得到，是观察序列里所有元素的集合，对于不同场景下不同参数，观察集合V根据降维结果存在差异而有所不同；

状态集合Q，隐马尔可夫模型的隐含状态即为驾驶倾性状态，则状态集合Q＝[内倾，中性，外倾]；

初始状态分布π，将不同场景下不同参数的操作片段根据数值大小程度分为小、中、大三类，根据分类后的各程度分布概率求得初始状态分布；

状态转移概率分布矩阵A，通过统计相邻两个操作片段所对应的大小程度变化，对于不同场景下不同参数，计算当前片段分别属于程度小、中、大时后一片段对应三种程度等级的概率，从而得到状态转移分布矩阵；

观测状态概率矩阵B，通过统计不同场景下不同参数操作片段分别属于程度小、中、大时，三种程度片段集合中所包含数据点的分布情况，从而得到观测状态概率矩阵。

2.根据权利要求1所述的一种基于驾驶倾性的汽车行驶特征评价及预警方法，其特征是：所述步骤九的预警信息包括特征标签和预警内容，

具体包括：

通过对不同场景下不同参数的外倾值设置安全阈值，对于外倾值高于阈值的参数生成对应特征标签，并将特征标签信息提供给周围车辆；

通过对高频操作片段进行分析，针对其操作特征生成相应操作警示信息，并将警示信息提供给周围车辆，避免驾驶博弈的发生。