[发明专利]一种道路类型识别方法及系统

权利要求书

1.一种道路类型识别方法，其特征在于，所述方法包括：

获取车辆在待识别道路路段行驶过程中的行驶数据；

对所述行驶数据进行处理，形成适用于学习类算法的车辆行驶数据标准样本；

将所述车辆行驶数据标准样本输入预先构建的学习模型，输出所述待识别道路路段的道路类型信息；

其中，所述对所述行驶数据进行处理，形成适用于学习类算法的车辆行驶数据标准样本包括：

将所述行驶数据按照预设固定行驶里程进行窗口化划分，生成n个独立样本，包括：将时序上连续的所述行驶数据按照每个所述预设固定行驶里程划分为一个窗口，每个窗口对应一个独立样本，每个样本为一个n*m的数值矩阵，其中，n为大于等于1的自然数，m的取值是行驶数据的类型；

分别对所述独立样本中的行驶数据依据车辆动力学和统计学进行特征选取，形成车辆行驶数据标准样本，包括：将n*m的特征矩阵转换为k维的特征向量，其中，k为定值，且km。

2.根据权利要求1所述的方法，其特征在于，所述获取车辆在待识别道路路段行驶过程中的行驶数据包括：

以预设采样周期采集车辆在所述待识别道路路段行驶过程中的行驶数据。

3.根据权利要求1所述的方法，其特征在于，预先构建学习模型包括：

获取车辆在历史道路路段行驶过程中的历史行驶数据；

基于所述历史道路路段的道路类型信息，对所述历史行驶数据进行处理，生成携带道路类型信息的标准样本；

基于所述携带道路类型信息的标准样本进行训练与测试，生成学习模型。

4.根据权利要求2所述的方法，其特征在于，所述预设采样周期为500ms。

5.一种道路类型识别系统，其特征在于，包括：

第一获取模块，用于获取车辆在待识别道路路段行驶过程中的行驶数据；

第一数据处理模块，用于对所述行驶数据进行处理，形成适用于学习类算法的车辆行驶数据标准样本；

识别模块，用于将所述车辆行驶数据标准样本输入预先构建的学习模型，输出所述待识别道路路段的道路类型信息；

其中，所述第一数据处理模块包括：

窗口化处理单元，用于将所述行驶数据按照预设固定行驶里程进行窗口化划分，生成n个独立样本，包括：将时序上连续的所述行驶数据按照每个所述预设固定行驶里程划分为一个窗口，每个窗口对应一个独立样本，每个样本为一个n*m的数值矩阵，其中，n为大于等于1的自然数，m的取值是行驶数据的类型；

标准样本生成单元，用于分别对所述独立样本中的行驶数据依据车辆动力学和统计学进行特征选取，形成车辆行驶数据标准样本包括：将n*m的特征矩阵转换为k维的特征向量，其中，k为定值，且km。

6.根据权利要求5所述的系统，其特征在于，所述第一获取模块包括：

车载自动诊断系统，用于以预设采样周期采集车辆在所述待识别道路路段行驶过程中的行驶数据。

7.根据权利要求5所述的系统，其特征在于，还包括：

第二获取模块，用于获取车辆在历史道路路段行驶过程中的历史行驶数据；

第二数据处理模块，用于基于所述历史道路路段的道路类型信息，对所述历史行驶数据进行处理，生成携带道路类型信息的标准样本；

生成模块，用于基于所述携带道路类型信息的标准样本进行训练与测试，生成学习模型。

8.根据权利要求6所述的系统，其特征在于，所述预设采样周期为500ms。