[发明专利]基于长短期记忆网络的司机驾驶行为自动化分析方法

权利要求书

1.基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，包括以下步骤：

步骤1，特征数据的提取和预处理：从汽车CAN总线收集与车辆行车数据，并将数据处理为司机驾驶行为自动化分析模型可识别的输入数据；

步骤2，滑动窗口的设计：利用固定长度和宽度的滑动窗口从车辆预处理数据中进行数据采样，使司机驾驶行为自动化分析网络的每个输入都是一个[t×m]的矩阵，t为LSTM网络的时间序列长度，输入数据具有m个特征；

步骤3，驾驶行为自动化分析网络的搭建：基于LSTM网络，设计出能够自动化分析司机驾驶行为的网络模型结构，实现司机驾驶行为的自动化分析。

2.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤1中驾驶数据的提取具体包括：

从汽车CAN总线中采集不同驾驶员的行车数据。由于在CAN数据中不仅包含司机的驾驶行为数据，还包含了很多与司机驾驶行为无关的干扰数据。为了避免无关数据对实验结果的干扰并提高实验的准确率，需要从CAN总线中提取与驾驶行为相关的数据。目前，车载诊断工具已经具备良好的数据监控和记录功能，其中，随着汽车的运动，CAN总线中部分数据不断变化，其余部分的数据保持不变，因此，实验从CAN数据中提取变化的数据作为驾驶行为特征数据，在实验中，这些数据包含m个特征。

3.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤1中特征数据预处理具体包括：

提取汽车CAN总线中的特征数据后，需要将数据进行预处理以便更好地从自动化分析网络输入数据，首先，将十六进制数据转换为十进制数据，其次，需要统一CAN总线中特征数据的频率，在车辆运动中，每个ID号代表一个电子控制单元(ECU)，ID号越小，数据传输优先级越高，发送频率越高，为了统一特征数据的频率，计算每个特征数据在一秒内的平均值作为一个识别单元，从而得到[l×m]的数据集(表示数据有l行m列)。

4.根据权利要求1所述的基于长短期记忆网络的司机驾驶行为自动化分析方法，其特征在于，步骤2中具体为：

为了更容易地从数据中提取司机的驾驶行为习惯，对训练数据和测试数据进行归一化操作是必不可少的，在自动化分析网络中，输入数据是一个具有形状的张量[time size×input size×batch size]，因此训练/测试数据集都需要在固定宽度的滑动窗口中采样，其中，滑动窗口长度与LSTM网络中的时间序列t有关，经过大量的实验，本发明选择t＝120s作为滑动窗口的长度，滑动窗口的宽度为m，因为CAN数据包含m个特征并且特征之间是相关联的，为了确保驾驶行为自动化分析网络能够实时工作，滑动窗口每1秒钟滑动一次，因此，驾驶行为自动化分析网络的每个输入都是一个[120×m]的矩阵。