[发明专利]一种智能车路系统下驾驶员风格辨识方法

说明书

本发明涉及一种智能车路系统下驾驶员风格辨识方法，包括：获得第一行车数据和行驶车辆的图像信息；对所述第一行车数据进行数据预处理和数据融合，获得预设时间段内的行驶车辆平均车速、行驶时间、驾驶员ID和车辆经纬度信息；对所述行驶图像信息进行DB‑LSTM计算，获得驾驶员的驾驶行为类型；基于所述行驶图像信息对应的驾驶行为类型，获得驾驶员风格特征数据集；基于所述驾驶员风格特征数据集，确定驾驶员风格类型。本发明采用多传感器的数据采集方法，保证了能够获取较大规模的数据，使数据更加真实和有效，提出的数据预处理和数据融合方法，实现了对数据进行一系列处理，使用提取特征算法，提高了驾驶风格辨识的正确性。

技术领域

本发明涉及智能交通技术领域。具体而言，涉及一种智能车路系统下驾驶员风格辨识方法。

背景技术

随着我国国民生活水平的提高，现有的道路基础设施难以适应高速增长的居民出行需求，交通事故频繁发生。驾驶员作为车辆的操纵者，是智能车路系统中重要的控制因素之一。驾驶员的人为因素是造成交通事故的重要因素。如何对驾驶员驾驶风格进行辨识，从驾驶员角度预防和控制道路事故，是提高行车安全性的重要途径。

现有技术主要采用基于问卷量表的驾驶风格主观度量方法和基于驾驶数据聚类分析的驾驶风格客观度量方法，对驾驶员风格进行辨识，然而，它们所采用的获取数据的方法有实时性差，得到的数据样本规模偏小，主观性较高、调查数据缺少真实性的特点。

现有技术中，对于上述来源所获得的数据进行分析提取行车数据特征的方法主要包括：主成分分析法、层次分析法、用于运动识别的深度学习方法。

基于主成分分析法和层次分析法的特征提取方法的主观性较强，所提取的数据缺乏客观性。基于用于运动识别的深度学习方法通常采用已有的 CNN架构进行静态识别，适用于短期的运动数据特征提取，但动态交通往往是一个长期的过程。

因此，由于现有技术中获取数据方法和对数据进行分析提取特征的方法的不足，可能导致驾驶员风格辨识错误，所以需要提供一种技术方案改善现有技术的不足，提高驾驶员风格辨识的正确性。

发明内容

本发明正是基于现有技术的上述需求而提出的，本发明要解决的技术问题是提供一种智能车路系统下驾驶员风格辨识方法，以提高辨识驾驶员风格的准确性。

为了解决上述技术问题，本发明是采用如下技术方案实现的：

一种智能车路系统下驾驶员风格辨识方法，该方法包括：

步骤一：获得第一行车数据和行驶车辆的图像信息；

所述第一行车数据包括车辆ID、驾驶员ID、数据采集时间、车辆经纬度信息和车辆行驶速度；所述行驶车辆的图像信息包括行驶类型信息以及车辆ID、图像信息标签和图像采集时间，所述行驶类型包括超速、减速和加速；

步骤二：对所述第一行车数据进行数据预处理和数据融合，获得预设时间段内的行驶车辆平均车速、行驶时间、驾驶员ID和车辆经纬度信息；

步骤三：对所述行驶图像信息进行DB-LSTM计算，获得驾驶员的驾驶行为类型；

步骤四：基于所述行驶图像信息对应的驾驶行为类型，获得驾驶员风格特征数据集，执行过程如下：

基于所述行驶图像信息对应的驾驶行为类型，筛选得到行驶类型为超速行为的行驶图像信息，并根据所述超速行为的行驶图像信息包含的车辆 ID和图像采集时间，获得与所述第一行车数据包含的车辆ID和数据采集时间对应的第二行车数据；

基于步骤二中所得到的所述驾驶员ID和所述车辆经纬度信息，从所述第二行车数据中筛选得到对应的第三行车数据，所述第三行车数据包括驾驶员ID、车辆经纬度信息和车辆的行驶时间；

根据所述行驶车辆平均速度获得车速标准差，以及根据所述第三行车数据获得行驶时间占比；