[发明专利]一种驾驶行为分析方法及系统

说明书

本发明提供一种驾驶行为分析方法及系统，该方法包括：获取车辆传感器及车辆CAN的驾驶数据，基于基准传感器的时间戳对驾驶数据融合；划分驾驶场景，分析驾驶场景与驾驶数据的关联关系，从融合数据中提取的数据片段；从数据片段中提取目标特征值，求取每个特征值的韦伯分布参数，将特征值等距分箱，求取每个箱体中的分位点，连接每个箱体中同一分位点，通过线性回归拟合得到特征值对应的韦伯分布曲线；绘制每个驾驶场景的散点图，将分布于预定区间范围内的特征数据作为对应场景下的行为密集区，得到不同驾驶场景下的驾驶行为特征。从而可以简化驾驶行为分析过程，保障分析结果的准确性，避免传统分析模型训练过程庞大的工作量，并保障分析效率。

技术领域

本发明属于自动驾驶领域，尤其涉及一种驾驶行为分析方法及系统。

背景技术

随着智能汽车的快速发展，汽车多样化的功能可以满足人们日常的使用需求，自动驾驶也逐渐成为现实。虽然自动驾驶汽车可以满足用户基于的驾驶要求，然而，对于不同国家、区域的用户，由于交通规则、交通环境、地理环境的不同，其驾驶习惯存在一定的差异。对于统一开发的自动驾驶系统，难以对不同区域用户的驾驶习惯，针对性进行的功能参数调整。

目前，较为常见的方法是基于深度学习算法构建驾驶行为分析模型，将采集的行车数据及标记的场景输入至分析模型中，从而确定行为参数与场景的对应关系，以便对自动驾驶功能参数进行调整。该方法虽然分析效率较高，然而前期需要采集并标注的样本量十分巨大，导致模型训练工作量较大。

发明内容

有鉴于此，本发明实施例提供了一种驾驶行为分析方法及系统，用于解决现有驾驶行为分析方法工作量较大的问题。

在本发明实施例的第一方面，提供了一种驾驶行为分析方法，包括：

获取车辆传感器及车辆CAN总线采集的驾驶数据，基于基准传感器的时间戳对所述驾驶数据融合；

划分驾驶场景，分析驾驶场景与所述驾驶数据的关联关系，从融合数据中提取驾驶场景对应的数据片段；

从数据片段中提取目标特征值，求取每个特征值的韦伯分布参数，将特征值等距分箱，求取每个箱体中的分位点，连接每个箱体中同一分位点后，通过线性回归拟合得到特征值对应的韦伯分布曲线；

绘制每个驾驶场景的散点图，将分布于预定区间范围内的特征数据作为对应驾驶场景下的行为密集区，得到不同驾驶场景下的驾驶行为特征。

在本发明实施例的第二方面，提供了一种驾驶行为分析系统，包括：

数据融合模块，用于获取车辆传感器及车辆CAN总线采集的驾驶数据，基于基准传感器的时间戳对所述驾驶数据融合；

片段提取模块，用于划分驾驶场景，分析驾驶场景与所述驾驶数据的关联关系，从融合数据中提取驾驶场景对应的数据片段；

特征提取模块，用于从数据片段中提取目标特征值，求取每个特征值的韦伯分布参数，将特征值等距分箱，求取每个箱体中的分位点，连接每个箱体中同一分位点后，通过线性回归拟合得到特征值对应的韦伯分布曲线；

行为分析模块，用于绘制每个驾驶场景的散点图，将分布于预定区间范围内的特征数据作为对应驾驶场景下的行为密集区，得到不同驾驶场景下的驾驶行为特征。

在本发明实施例的第三方面，提供了一种装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。

在本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例第一方面提供的所述方法的步骤。