[发明专利]一种车辆行驶状态识别方法、装置、电子设备和可读存储介质

说明书

本发明提供了一种车辆行驶状态识别方法、装置、电子设备和可读存储介质，其中所述方法包括：采集预设的时间窗口长度内的惯性传感器数据；对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态。本发明实施例提供的车辆行驶状态识别方法，通过将惯性传感器数据进行标准化处理后，由车辆行驶状态识别模型来确定车辆行驶状态，无需依赖传统GPS及外部设备，仅需进行简单的车身惯性传感器部署就能实现对车辆行驶状态的实时、高精度识别，同时借助于数据预处理及人工智能算法模型，具有可靠性高，鲁棒性强的特点。

技术领域

本发明涉及人工智能领域，特别涉及一种车辆行驶状态识别方法、装置、电子设备和可读存储介质。

背景技术

车辆行驶状态作为描述车辆行为的重要特征，在车载称重系统、汽车辅助驾驶系统、行车安全监控系统中发挥着关键作用。

现有的技术主要通过GPS/北斗卫星定位来获得车辆行驶状态，然而这种方法仅能识别车辆的静止以及运动两种状态，无法满足更精细化的车辆行驶状态识别任务；此外，例如安装有车载称重系统的垃圾收运车，车载称重系统需要判断车辆是否处于静止状态，其收运过程中有时会进入小区地下停车场，造成GPS信号丢失，影响车辆行驶状态的识别。

发明内容

有鉴于此，本发明实施例的目的在于提供一种车辆行驶状态识别方法、装置、电子设备和可读存储介质，具体包括：

第一方面，本发明实施例提供了一种车辆行驶状态识别方法，所述方法包括：

采集预设的时间窗口长度内的惯性传感器数据；

对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；

将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；

其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。

可选地，所述对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据，具体包括：

将所述惯性传感器数据从对应的参考坐标系旋转至车辆坐标系；

修正所述惯性传感器数据的零偏误差；

调整所述惯性传感器数据在各坐标轴的数值分布区间，得到标准化惯性数据。

可选地，所述车辆行驶状态识别模型包括输入层、隐藏层和输出层；

所述输入层用于接收所述时间窗口长度内的惯性传感器数据；

所述隐藏层依次包含至少一个一维卷积层，一个压平层以及至少一个双向门控循环层；其中，每一个所述一维卷积层具有至少一个一维卷积核，用于获取所述输入层接收的所述惯性传感器数据，并提取所述惯性传感器数据的特征；所述压平层用于串接所述一维卷积层提取到的特征；每一个所述双向门控循环层具有至少一个双向GRU，用于记忆所述惯性传感器数据的长短期历史特征；

所述输出层用于根据所述隐藏层的输出确定所述惯性传感器数据对应的车辆行驶状态。

可选地，所述方法还包括：确定车辆行驶状态识别模型的网络超参数；

其中，所述网络超参数包括所述时间窗口长度、所述窗口中对应状态的取值位置、所述一维卷积层的个数、每一个所述一维卷积层中所述一维卷积核的个数、所述双向门控循环层的个数、每一个所述双向门控循环层中所述双向GRU的个数。

可选地，所述确定车辆行驶状态识别模型的网络超参数，具体包括：