[发明专利]车辆驾驶数据预测方法、设备及计算机可读存储介质

说明书

本发明公开了一种车辆驾驶数据预测方法、设备及计算机可读存储介质，该方法包括步骤：当检测到车辆处于运行状态后，启动采集装置，通过所述采集装置采集所述车辆的当前环境数据；将所述当前环境数据输入至预设的驾驶监督模型中，得到与所述当前环境数据对应的驾驶数据，其中，所述驾驶监督模型是通过监督学习算法训练所得的；输出所述驾驶数据，以根据所述驾驶数据驾驶所述车辆。本发明通过监督学习算法训练出驾驶监督模型，将所获取的环境数据输入至驾驶监督模型中，得到对应的驾驶数据，并将该驾驶数据输出，根据驾驶数据驾驶车辆，降低了车祸发生率，提高了驾驶安全性。

技术领域

本发明涉及车辆技术领域，尤其涉及一种车辆驾驶数据预测方法、设备及计算机可读存储介质。

背景技术

随着社会经济的发展，车辆已经越来越普及，车祸发生的频率也越来越高，特别是在拐弯、十字路口或者雨天等环境时，发生车祸的概率比正常情况下高。因此，如何根据车辆当前的环境确定出适合的驾驶数据，避免发生车祸，降低车祸的发生概率是急需解决的问题。

发明内容

本发明的主要目的在于提供一种车辆驾驶数据预测方法、车辆驾驶数据预测设备及计算机可读存储介质，旨在解决降低车祸发生概率的技术问题。

为实现上述目的，本发明提供一种车辆驾驶数据预测方法，所述车辆驾驶数据预测方法包括步骤：

当检测到车辆处于运行状态后，启动采集装置，通过所述采集装置采集所述车辆的当前环境数据；

将所述当前环境数据输入至预设的驾驶监督模型中，得到与所述当前环境数据对应的驾驶数据，其中，所述驾驶监督模型是通过监督学习算法训练所得的；

输出所述驾驶数据，以根据所述驾驶数据驾驶所述车辆。

优选地，所述当检测到车辆处于运行状态后，启动采集装置，通过所述采集装置采集所述车辆的当前环境数据的步骤之前，还包括：

当侦测到采集数据的采集指令后，根据所述采集指令采集所述车辆的待训练环境数据和对应的驾驶数据标签；

将所述待训练环境数据和所述驾驶数据标签作为监督学习算法对应数学模型的输入，以训练出驾驶监督模型。

优选地，所述数学模型为：Y＝f(X)+ε，其中，所述X为待训练环境数据，Y为所述驾驶数据标签，ε为误差值，所述f(X)表示映射函数。

优选地，所述将所述待训练环境数据和所述驾驶数据标签作为监督学习算法对应数学模型的输入，以训练出驾驶监督模型的步骤包括:

将所述待训练环境数据和所述驾驶数据标签作为监督学习算法对应数学模型的输入，得到所述数学模型的输出；

控制所述输出与对应所述驾驶数据标签之间的代价函数值小于或者等于预设阈值，以得到所述数学模型对应的驾驶监督模型。

优选地，所述将所述待训练环境数据和所述驾驶数据标签作为监督学习算法对应数学模型的输入，以训练出驾驶监督模型的步骤之前，还包括：

确定所述驾驶数据标签中未满足预设条件的行驶速度和方向盘拐弯角度；

删除未满足预设条件的行驶速度或方向盘拐弯角度对应的所述待训练环境数据和所述驾驶数据标签，得到待训练目标环境数据和驾驶数据目标标签；

所述将所述待训练环境数据和所述驾驶数据标签作为监督学习算法对应数学模型的输入，以训练出驾驶监督模型的步骤包括：

将所述待训练目标环境数据和所述驾驶数据目标标签作为监督学习算法对应数学模型的输入，以训练出驾驶监督模型。

优选地，所述确定所述驾驶数据标签中未满足预设条件的行驶速度和方向盘拐弯角度的步骤包括：