[发明专利]一种驾驶风格识别方法、系统及存储介质

说明书

本发明公开了一种驾驶风格识别方法、系统及存储介质，该识别方法包括：S100：获取不同驾驶员在不同车流密度驾驶场景下的驾驶数据，所述驾驶数据包括驾驶操纵数据和车辆行驶数据；S200：对驾驶数据进行采样获得样本集，利用样本集构建驾驶风格识别模型，得各车流密度下各驾驶行为对应的驾驶风格识别模型；S300：采用驾驶风格识别模型识别待测驾驶员的驾驶风格。本发明针对不同车流密度和不同驾驶行为建立驾驶风格识别模型，识别精度得到显著提升，可得到更准确更全面的综合驾驶风格。

技术领域

本申请属于辅助驾驶技术领域，具体涉及一种驾驶风格识别方法、系统及存储介质。

背景技术

道路上不同的驾驶员有不同的驾驶风格，如激进型、正常型和保守型等，而驾驶风格与驾驶行为特别密切相关，对驾驶辅助技术而言，十分有必要建立驾驶风格识别模型，来准确地识别驾驶员的驾驶风格。目前的驾驶风格识别方法，往往认为驾驶员的驾驶风格是一成不变的。实际上，驾驶风格会随着交通环境、驾驶行为的变化而发生改变，而现有驾驶风格识别方法大多并未考虑此，导致识别结果具有片面性且不够准确。

例如公布号CN 114655227A的中国专利申请，其公开的驾驶风格识别方法，包括：获取目标车辆在连续的各时刻的各特征向量值，所述特征向量用于表示目标车辆的瞬时驾驶状态；其中，所述特征向量包括用于表示目标车辆与其相关对象之间状态的状态特征；对所述各特征向量值，以连续的N个值为一个采样单位进行采样，获得多个样本；其中，所述N为预设值；根据所述多个样本确定所述目标车辆的驾驶风格。该专利申请在识别驾驶风格时就没有考虑交通环境和驾驶行为的影响。

发明内容

鉴于现有技术的以上问题，本申请提供一种驾驶风格识别方法、系统及存储介质，本申请考虑到不同车流密度和驾驶行为的影响，先判断驾驶员在不同车流密度和不同驾驶行为下的驾驶风格，再融合所识别的各驾驶风格，从而获得更全面的驾驶风格识别结果。

为达到上述目的，本申请第一方面提供一种驾驶风格识别方法，包括：

S100：获取不同驾驶员在不同车流密度驾驶场景下的驾驶数据，所述驾驶数据包括驾驶操纵数据和车辆行驶数据；

S200：对驾驶数据进行采样获得样本集，利用样本集构建驾驶风格识别模型；

所述利用样本集构建驾驶风格识别模型，包括样本集的预处理以及模型训练；

其中样本集的预处理包括：根据驾驶数据识别样本的驾驶行为；提取与样本驾驶行为相关的特征参数；将相同车流密度下相同驾驶行为的样本作为一子样本集；

模型训练包括：对各子样本集分别聚类得聚类集群，分析各集群中心的特征参数数值，得各集群的驾驶风格；将驾驶风格作为集群样本的分类标签，用各子样本集分别训练随机森林模型，得各车流密度下各驾驶行为对应的驾驶风格识别模型；

S300：采用驾驶风格识别模型识别待测驾驶员的驾驶风格。

在一些具体实施方式中，驾驶操纵数据包括加速操作的参数数据、制动操作的参数数据、方向盘操作的参数数据。

在一些具体实施方式中，驾驶行为包括同道加速行为、同道制动行为和换道行为；且所述根据驾驶数据识别样本的驾驶行为，包括：

根据方向盘操作的参数数据判断方向盘转角是否与换道行为相符，且根据车辆行驶数据中的横向换道距离判断是否与换道行为相符，若均是，则判断为换道行为；

根据加速操作的参数数据判断是否使用加速踏板，且根据方向盘操作的参数数据判断方向盘转角是否与同道加速行为相符，且根据车辆行驶数据判断纵向加速度是否大于0，若均是，则判断为同道加速行为；

根据制动操作的参数数据判断是否使用制动踏板，且根据方向盘操作的参数数据判断方向盘转角是否与同道制动行为相符，且根据车辆行驶数据判断纵向加速度是否小于0，若均是，则判断为同道制动行为；