[发明专利]一种基于mRMR算法与主成分分析的驾驶行为特征提取方法

说明书

本发明公开了一种基于mRMR算法与主成分分析的驾驶行为特征提取方法，包括，基于车载数据采集终端数据管理系统在线获取运营车辆的车联网数据；预处理所述车联网数据，进行数据清洗工作与指标数据计算；互信息计算每一个所述指标数据，利用指标边缘概率密度与指标联合概率密度计算互信息；利用前向排序法依次计算所述指标数据间的相关性与冗余性，完成mRMR特征重要性排序与选择；结合主成分分析法提取指标中的数据信息，分析得到所述车联网数据中的驾驶行为信息。本发明减少驾驶行为分析中数据指标间的冗余，同时减少数据维数，以此提高数据使用效率，为更好的利用车联网数据以及提取驾驶行为特征提供了一种有效的工具。

技术领域

本发明涉及车联网数据分析的技术领域，尤其涉及一种基于mRMR算法与主成分分析的驾驶行为特征提取方法。

背景技术

随着互联网技术的进步，越来越多的车辆接入了车联网系统，汽车的网联化、智能化程度随之提高。然而如何更有效的使用这些车联网数据对社会与经济做出贡献是当前研究的重点。尤其在使用相关数据进行驾驶行为应用分析时，指标数据在所研究的问题中往往具有所含信息不明确，冗余性大的特点。

因此，以解决使用车联网数据时具有高维、冗余的问题为出发点，选取特征优化方法对车联网数据进行降维，以及去除数据冗余性。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明解决的技术问题是：解决车联网数据使用过程中具有的冗余性问题。

为解决上述技术问题，本发明提供如下技术方案：包括，基于车载数据采集终端与数据管理系统在线获取运营车辆的车联网数据；预处理所述车联网数据，进行数据清洗工作与指标数据计算；互信息计算每一个所述指标数据，利用指标边缘概率密度与指标联合概率密度计算互信息；利用前向排序法依次计算所述指标数据间的相关性与冗余性，完成mRMR特征重要性排序与选择；结合主成分分析法提取指标中的数据信息，分析得到所述车联网数据中的驾驶行为信息。

作为本发明所述的基于mRMR算法与主成分分析的驾驶行为特征提取方法的一种优选方案，其中：所述车联网数据包括，车辆识别号、驾驶时间、车辆所在的GPS经度、车辆所在位置的GPS纬度、车辆所在位置的GPS海拔、车辆的ECU总油耗、车辆的累积总油耗、车辆的仪表里程、车辆的ECU车速、车辆的发动机转速、车辆的加速度、车辆的发动机扭矩负荷率、车辆的发动机负荷率。

作为本发明所述的基于mRMR算法与主成分分析的驾驶行为特征提取方法的一种优选方案，其中：进行所述数据清洗工作包括，时间跳变检查、数据异常值处理和数据缺失处理；所述指标数据计算包括，对发动机类相关参数及海拔高度进行指标计算，所述指标包括，发动机负荷率均值、发动机扭矩负荷率均值、发动机转速均值、海拔高度均值、发动机负荷率标准差、发动机扭矩负荷率标准差、发动机转速标准差、海拔高度标准差；对驾驶行为类相关参数进行指标计算，所述指标包括，速度均值、加速度均值、油门开度均值、变速箱转速均值、速度标准差、加速度标准差、油门开度标准差、变速箱转速标准差。

作为本发明所述的基于mRMR算法与主成分分析的驾驶行为特征提取方法的一种优选方案，其中：计算所述互信息包括，

其中，I(X,Y)为特征变量X与Y间的互信息量，x、y为数据变量，p(x)和p(y)分别是x和y的边缘概率分布函数，p(x，y)表示x和y的联合概率密度函数。

作为本发明所述的基于mRMR算法与主成分分析的驾驶行为特征提取方法的一种优选方案，其中：进行所述mRMR特征重要性排序与选择需计算所述指标数据与目标数据的平均信息相关性，包括，