[发明专利]基于SVM算法的驾驶行为模型的建立方法和装置

权利要求书

1.一种基于SVM算法的驾驶行为模型的建立方法，其特征在于，包括：

获取预测区间内的驾驶观测数据；

将预测区间划分为K个时间窗；K为大于1的整数；

对K个时间窗内的驾驶观测数据进行特征提取得到K个特征向量；

对所述K个特征向量进行加权求和得到加权特征向量；

根据SVM算法对所述加权特征向量进行训练得到SVM预测模型。

2.根据权利要求1所述的方法，其特征在于，所述特征向量中的参数包括相邻的两车之间的横向速度差平均值、相邻两车之间的纵向速度差平均值、相邻两车之间的横向速度差方差、相邻两车的纵向速度差方差、相邻两车之间的质心距离平均值、相邻两车之间的质心距离方差。

3.根据权利要求1所述的方法，其特征在于，所述将所述预测区间划分为K个时间窗包括：

根据预设的时间窗长度和时间窗间隔将所述预测区间划分为K个时间窗。

4.根据权利要求1至3任意一项所述的方法，其特征在于，所述K个时间窗为SW₁,SW₂,…,SW_K，所述K个时间窗各自对应的特征向量为x₁,x₂,…,x_K，K个特征向量各自对应的权重为w₁,w,…,w_K，其中，w₁<w₂<…<w_K。

5.根据权利要求4所述的方法，其特征在于，特征向量x_k的权重w_k采用如下公式来表示：

其中，C为权重折减系数，0≤C＜1，d_k＝(1-C)^K-k，k表示时间窗的序号，k＝1、2、…、K，且k为大于0的整数。

6.一种基于SVM算法的驾驶行为模型的建立装置，其特征在于，包括：

获取单元，用于获取预测区间内的驾驶观测数据；

划分单元，用于将预测区间划分为K个时间窗；K为大于1的整数；

提取单元，用于对K个时间窗内的驾驶观测数据进行特征提取得到K个特征向量；

加权单元，用于对所述K个特征向量进行加权求和得到加权特征向量；

训练单元，用于根据SVM算法对所述加权特征向量进行训练得到SVM预测模型。

7.根据权利要求6所述的装置，其特征在于，所述划分单元具体用于：

根据预设的时间窗长度和时间窗间隔将所述预测区间划分为K个时间窗。

8.根据权利要求6或7所述的装置，其特征在于，所述K个时间窗为SW₁,SW₂,…,SW_K，所述K个时间窗各自对应的特征向量为x₁,x₂,…,x_K，K个特征向量各自对应的权重为w₁,w₂,…,w_K，其中，w₁<w₂<…<w_K；

特征向量x_k的权重w_k采用如下公式来表示：

其中，C为权重折减系数，0≤C＜1，d_k＝(1-C)^K-k，k表示时间窗的序号，k＝1、2、…、K，且k为大于0的整数。

9.一种装置，其特征在于，包括处理器、输入设备、输出设备和存储器，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于调用所述程序指令，执行如权利要求1-5任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-5任一项所述的方法。