[发明专利]基于类不平衡算法的车辆行驶行为检测方法及装置

说明书

本发明属于车辆行驶检测技术领域，公开基于类不平衡算法的车辆行驶行为检测方法，包括获取车辆行驶数据信息；对车辆行驶数据信息预处理和特征提取得出样本数据块信息；将样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；发送车辆行驶行为信息至终端；还公开一种装置；使用多数类与少数类比率和固定的阈值进行对比，当比率大于阈值时，就认为当前数据块是类不平衡的，接着就会对当前数据块进行过采样增加少数类样本的个数，从而达到整个数据块的类平衡；进而将传感器获取的数据信息提取后输入至采用类不平衡算法训练后的车辆行驶行为识别模型，准确输出包括车辆异常行驶行为或正常行驶行为信息的一种。

技术领域

本发明属于车辆行驶检测技术领域，特别的涉及基于类不平衡算法的车辆行驶行为检测方法及装置。

背景技术

第一辆汽车问世距今已有135年的时间。在这一百多年的历史中，汽车在人类社会的发展中扮演着举足轻重的角色。而随着汽车技术及生产工艺的不断迭代革新，汽车的速度，功率，运力，产量等都得到了长足的发展，与之相对的则是与汽车有关的交通安全问题越来越突出。根据公安部2019年交通事故的统计数据显示：2019年全国共发生道路交通事故238351起，造成67759人死亡、275125人受伤，直接财产损失9.1亿元。这些数据远高于相同汽车保有量的日本。而在有关交通事故诱发因素的研究中科研人员发现，交通事故的发生常常是由驾驶人员的一系列不当驾驶行为引起的。于是，面向驾驶人员的安全驾驶监测与辅助系统逐渐成为行业研究的热点。

但面向驾驶人员的安全驾驶监测会发现，由于人是高度自由的个体，个人行为的高度自由化与不可预测性会对算法带来负面的影响，降低算法识别准确率；此时，往往需要布置大量的传感器或采用图像处理的方法来提升信息丰富度，以此弥补个人行为高度自由带来的问题；但信息量的增大就意味着算法需要更长的时间来处理输入，与之相对应的，采用此种解决方案的驾驶行为监测系统在实时性上则极可能达不到要求；另一方面，在车辆行驶行为检测的过程中，每个行驶行为类别持续的时间是不同的，对于那些持续时间短的行驶行为类别来说，其所包含的数据样本数量相对较少，而机器学习算法往往对于样本数量比较多的行驶行为类别（即，多数类）具有很好的识别效果而对于这些样本数量较少的行驶行为类别识别效果较差。

发明内容

本发明目的是提供基于类不平衡算法的车辆行驶行为检测方法及装置，用以解决上述提到的面向驾驶人员的安全驾驶监测会发现，由于人是高度自由的个体，个人行为的高度自由化与不可预测性会对算法带来负面的影响，降低算法识别准确率；此时，往往需要布置大量的传感器或采用图像处理的方法来提升信息丰富度，以此弥补个人行为高度自由带来的问题；但信息量的增大就意味着算法需要更长的时间来处理输入，与之相对应的，采用此种解决方案的驾驶行为监测系统在实时性上则极可能达不到要求；另一方面，在车辆行驶行为检测的过程中，每个行驶行为类别持续的时间是不同的，对于那些持续时间短的行驶行为类别来说，其所包含的数据样本数量相对较少，而机器学习算法往往对于样本数量比较多的行驶行为类别（即，多数类）具有很好的识别效果而对于这些样本数量较少的行驶行为类别识别效果较差。

本发明解决其技术问题采用的技术方案是，提出基于类不平衡算法的车辆行驶行为检测方法，包括以下步骤：

获取当前车辆行驶数据信息；

对所述车辆行驶数据信息预处理和特征提取得出样本数据块信息；

将所述样本数据块信息输入采用类不平衡算法训练后的车辆行驶行为识别模型，输出车辆行驶行为信息；

发送所述车辆行驶行为信息至终端。

进一步优选地，所述当前车辆行驶数据信息具体包括当前车辆加速度信息和当前车辆角速度信息。