[发明专利]一种基于大数据分析的人车共享方法

权利要求书

1.一种基于大数据分析的人车共享方法，其特征在于，包括步骤：

S100获取当前T时刻的车辆与车辆周围障碍物的车距数据，获取当前T时刻的天气数据；

S200将所述车距数据和天气数据输入至训练后的BP神经网络模型中，得出所述车距数据和天气数据对应的驾驶操作数据输出值；

S300根据所述车距数据和天气数据对应的驾驶操作数据输出值调整自动泊车参数。

2.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，通过车辆上安装的激光雷达和CCD摄像机采集所述车辆周围环境信息，所述车辆周围障碍物包括道路类型、信号灯、标志牌和旁车；

通过汽车CAN获取驾驶操作数据，所述驾驶操作数据包括驾驶员驾驶车辆行驶过程中的速度、加速度、加速踏板开度信号、方向盘转速、刹车信息、和刹车踏板频率；

通过气象系统获取天气数据。

3.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S100获取当前T时刻的车辆与车辆周围障碍物的车距数据，获取当前T时刻的天气数据之前包括步骤：

S10预先建立所述BP神经网络模型。

4.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S100获取当前T时刻的车辆与车辆周围障碍物的车距数据，获取当前T时刻的天气数据之前还包括步骤：

S20采集Tn时刻车辆与车辆周围障碍物的车距数据和/或天气数据，获取驾驶员根据所述车距数据和天气数据所作出的驾驶动作；

S30根据所述车辆与车辆周围障碍物的车距数据和/或天气数据以及驾驶员作出的驾驶动作分析驾驶习惯，并获取所述驾驶习惯对应的驾驶操作数据；

S40建立车距数据和/或天气数据与驾驶操作数据之间的映射关系模型；

S50将所述映射关系模型输入至BP神经网络模型，对所述BP神经网络模型进行训练，得到训练后的BP神经网络模型。

5.根据权利要求4所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S20采集Tn时刻车辆与车辆周围障碍物的车距数据和/或天气数据，获取驾驶员根据所述车距数据和天气数据所作出的驾驶动作之后包括步骤：

S21将所述车距数据传输至云端服务器。

6.根据权利要求4所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S30根据所述车辆与车辆周围障碍物的车距数据和/或天气数据以及驾驶员作出的驾驶动作分析驾驶习惯，并获取所述驾驶习惯对应的驾驶操作数据之后包括步骤：

S31将所述驾驶操作数据传输至云端。

7.根据权利要求4所述的一种基于大数据分析的人车共享方法，其特征在于，所述的S50将所述映射关系模型输入至BP神经网络模型，对所述BP神经网络模型进行训练，得到训练后的BP神经网络模型具体包括步骤：

S51在云端服务器中对所述BP神经网络模型进行训练。

8.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S300根据所述车距数据和天气数据对应的驾驶操作数据输出值调整自动泊车参数之后包括步骤：

S400根据所述自动泊车参数，对车辆进行自动驾驶。

9.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S100获取当前T时刻的车辆与车辆周围障碍物的车距数据，获取当前T时刻的天气数据之前还包括步骤：

S60与气象系统建立连接。

10.根据权利要求1所述的一种基于大数据分析的人车共享方法，其特征在于，在所述的S100获取当前T时刻的车辆与车辆周围障碍物的车距数据，获取当前T时刻的天气数据之前还包括步骤：

S70与云端服务器建立连接。