[发明专利]一种驾驶员加速特性在线分类与辨识方法

权利要求书

1.一种驾驶员加速特性在线分类与辨识方法，其特征在于，包括：

步骤一、采集样本数据：选取多名驾驶员进行数据采集，其中数据包括四个指标：加速踏板开度变化率、加速踏板开度、加速度和速度；

步骤二、实验数据预处理：即对实验数据进行重采样和均值滤波；

步骤三、读取特征值数据：对预处理完成的数据提取特征值，得到汽车加速过程中加速踏板开度变化率峰值、加速踏板开度峰值、加速度峰值，以及加速踏板开度变化率达到峰值时刻对应的纵向车速；

步骤四、对特征值数据进行归一化预处理；

步骤五、采用k-means聚类算法分别将四个指标的特征值分类，所述k-means聚类算法，包括：

(1)输入聚类数目k和待分类的样本数据Data；

(2)在样本数据中随机选取k个元素作为初始聚类质心点；

(3)利用欧式距离计算剩下的元素与k个聚类质心点的距离，根据最小距离的原则划分这些元素；

(4)分别取k个簇中所有元素的算术平均数，作为新的聚类中心；

(5)将数据样本Data中的全部元素按照新的聚类中心重新聚类；

(6)判定各个聚类有无元素交换，如果有，重复(5)，如果没有，结束；

(7)输出k个聚类；

步骤六、根据得到的特征数据类建立基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型，得到识别结果；

其中，所述基于高斯混合-隐马尔可夫模型GM-HMM框架的识别模型的表达式为：λ＝(π,A,c,μ,∑)；π为初始状态概率矩阵，A为状态转移概率矩阵，c为组合系数，μ为均值矢量，Σ为方差矩阵；

所述GM-HMM的隐状态为3，观察序列为3，训练函数为mhmm_em，根据实验设定迭代次数最大值为100；

所述四个指标的特征值分类均为三类，即k＝3，对应分别为谨慎型、一般型和激进型，每个指标的特征值大小均为，谨慎型一般型激进型。

2.根据权利要求1所述的驾驶员加速特性在线分类与辨识方法，其特征在于，所述步骤一中驾驶员选取40-50名，数据采集的采样间隔为0.001s。

3.根据权利要求1所述的驾驶员加速特性在线分类与辨识方法，其特征在于，所述步骤二中重采样的采样间隔为0.01s。

4.根据权利要求1或3所述的驾驶员加速特性在线分类与辨识方法，其特征在于，所述均值滤波的窗函数设定为5。

5.根据权利要求1所述的驾驶员加速特性在线分类与辨识方法，其特征在于，所述步骤三汽车加速过程为驾驶员每次驾车车速从0km/h到车速80km/h的过程。