[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

说明书

本发明公开了一种基于长短期记忆网络的司机驾驶行为自动化分析方法，步骤1，特征数据的提取和预处理；步骤2，滑动窗口的设计；步骤3，驾驶行为自动化分析网络的搭建。本发明首先从汽车CAN总线提取含有司机驾驶行为的行车数据；然后利用乘客的乘车体验对司机驾驶行为进行打分，并将其作为司机行车数据评价的标签；随后基于长短期记忆网络搭建司机驾驶行为自动化分析网络，并对大量司机的行车数据和标签数据进行深度训练，学习司机驾驶行为习惯，建立驾驶行为自动化分析库；最后，当任意司机驾驶汽车时，构建的司机驾驶行为自动化分析网络都能够根据其行车数据实现司机驾驶行为的自动化分析，判断司机是否具有优秀的驾驶行为习惯。

技术领域

本发明属于电子信息技术领域，特别涉及基于长短期记忆网络的司机驾驶行为自动化分析方法。

背景技术

机器学习与汽车工业的融合为智能网联汽车产业注入了新的动力。然而，仍有许多难题需要解决，例如司机驾驶行为自动化分析等。由于乘客舒适性一直是汽车行业关注的焦点，司机驾驶行为自动化分析具有很大的应用价值。例如，针对私家车，驾驶行为自动化分析可以改善司机的驾驶习惯，减少交通事故的发生；面向公交车、网约车等公司，可以招聘驾驶行为优秀的司机，为乘客带来更舒适的乘车体验，从而提高服务质量和公司影响力。

每个人都有自己特定的行为习惯。例如，当一个作者在写作的时候，其写作习惯会通过一支笔传递到字体上，形成独特的笔迹。同样，每个驾驶员都有自己特殊的驾驶行为习惯，这些习惯会通过汽车CAN总线以数据的形式传递给各个控制器(如传输控制模块、车身控制模块等)，从而控制车辆的状态。

在现阶段，还没有利用司机的行车数据自动化分析司机的驾驶行为的相关工作。因为司机驾驶行为自动化分析受到以下因素的限制：

1)汽车CAN总线数据中包含大量的汽车状态信息，如何从汽车CAN总线数据中提取司机驾驶行为就是一项重大挑战。

2)司机驾驶行为的好坏由汽车加速度、速度、方向盘角速度等多个因素共同影响，如何从大量车载传感器识别司机驾驶特征是一项具有挑战的工作。

3)司机的驾驶行为习惯与时间有关。例如，整个加速/减速/转弯动作都是在一个时间段内完成的，而不是在一个时间点完成的。如何从一个时间段内提取司机驾驶行为习惯是司机驾驶行为自动化分析的一大难点。

发明内容

本发明为了克服上述现有技术不足，提供了一种基于长短期记忆网络的司机驾驶行为自动化分析方法，首先从汽车CAN总线提取含有司机驾驶行为的行车数据；然后利用乘客的乘车体验对司机驾驶行为进行打分，并将其作为司机行车数据评价的标签；随后利用长短期记忆网络(LSTM)对大量司机的行车数据和标签数据进行深度训练，学习司机驾驶行为习惯，并建立驾驶行为自动化分析库；最后，当任意司机驾驶汽车时，LSTM网络都能够根据其行车数据实现司机驾驶行为的自动化分析，判断司机是否具有优秀的驾驶行为习惯。

本发明所述的基于LSTM网络实现驾驶行为自动化分析的网络模型设计，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。

进一步的，步骤1中驾驶数据的提取具体包括：