[发明专利]基于神经网络的高危路段车辆驾驶行为识别方法

说明书

本发明公开了一种基于神经网络的高危路段车辆驾驶行为识别方法，包括步骤：S1.获取车辆的若干速度与加速度数据对；S2.将车辆的若干速度与加速度数据对作为神经网络的输入，对所述神经网络进行训练，使得所述神经网络输出设定的驾驶行为类别；S3.获取目标车辆的速度与加速度信息；S4.将所述目标车辆的速度与加速度信息输入到训练后的神经网络，并输出目标车辆的驾驶行为类别。本发明的基于神经网络的高危路段车辆驾驶行为识别方法，能够提高驾驶行为识别的准确性与可靠性，有利于对驾驶员进行警示，降低了高危路段的事故发生率。

技术领域

本发明涉及车辆驾驶领域，具体涉及一种基于神经网络的高危路段车辆驾驶行为识别方法。

背景技术

随着智能交通系统在现代城市生活中的普遍应用，其对于保证城市交通的平稳运行、保障人民的出行安全起着至关重要的作用。在日常机动车驾驶过程中，由于复杂的道路环境往往易引发交通事故。而导致事故发生的原因主要是由于驾驶员不同的驾驶习惯造成车辆的不稳定。因此以驾驶行为为基础的车辆状态识别成为道路安全的研究热点。

目前，现有技术研究主要是利用驾驶辅助系统对车辆的驾驶行为进行检测，并在一定程度上为驾驶员提供安全引导，但多在高端车辆中载才有类似功能的车载设备，如前碰撞预警FCW、车道偏离预警LDW、自动紧急刹车AEB等，且只能实现单一行为的预警。

驾驶辅助系统虽然可以为行车安全提供一定的安全保障，但不具备车辆普适性的驾驶行为识别能力，特别是在高危路段，当无法识别车辆的驾驶行为时，会引发交通事故，造成重大损失。

发明内容

有鉴于此，本发明的目的是克服现有技术中的缺陷，提供基于神经网络的高危路段车辆驾驶行为识别方法，能够提高驾驶行为识别的准确性与可靠性，有利于对驾驶员进行警示，降低了高危路段的事故发生率。

本发明的基于神经网络的高危路段车辆驾驶行为识别方法，包括如下步骤：

S1.获取车辆的若干速度与加速度数据对；

S2.将车辆的若干速度与加速度数据对作为神经网络的输入，对所述神经网络进行训练，使得所述神经网络输出设定的驾驶行为类别；

S3.获取目标车辆的速度与加速度信息；

S4.将所述目标车辆的速度与加速度信息输入到训练后的神经网络，并输出目标车辆的驾驶行为类别。

进一步，所述步骤S1，具体包括：

S11.在目标路段设置监控设备，采集车辆在不同时刻的视频与图像信息；

S12.分别对车辆在不同时刻的视频与图像信息进行处理，得到车辆的若干速度与加速度数据对。

进一步，根据如下公式确定车辆的速度v：

v＝ksp/ΔN；

其中，k为比例系数；s为车道线长度；p为监控设备的采集帧率；ΔN为帧数差。

进一步，根据如下步骤确定车辆的速度与加速度数据对个数：

a.设定车辆的速度与加速度数据对个数的初始值N₀；

b.当所述数据对个数为N₀时，判断测试检测率与训练检测率的差值是否小于阈值M；若是，则以N₀作为车辆的速度与加速度数据对个数，若否，则进入步骤c；

c.将步骤b中的数据对个数与设定的步距K相加，并按照步骤b进行类推判断；

d.重复步骤c，得到车辆的速度与加速度数据对个数。

进一步，所述测试检测率与训练检测率的计算方法相同，并根据如下公式进行确定所述测试检测率或训练检测率：