[发明专利]一种驾驶行为识别方法及系统

说明书

本发明公开一种驾驶行为识别方法及系统，涉及汽车驾驶技术领域。该方法包括：采用驾驶行为序列变点检测算法对驾驶行为数据进行分割得到分割的驾驶行为片段；计算不同聚类个数的LDA模型的困惑度；比较得到最小困惑度；将驾驶行为片段特征频次统计矩阵输入与最小困惑度对应的LDA模型，得到驾驶行为类别。该方法通过采用驾驶行为序列变点检测算法对驾驶行为数据进行分割，能够对驾驶行为数据进行更准确的分割，且形成的驾驶行为片段更加完整；利用困惑度对LDA模型进行衡量，根据最优聚类个数的LDA模型得到驾驶行为类别，获得的驾驶行为类别更完整全面。

技术领域

本发明涉及汽车驾驶技术领域，特别是涉及一种驾驶行为识别方法及系统。

背景技术

随着汽车智能化技术的迅猛发展，驾驶员行为的识别与预测已成为建立先进的高级驾驶辅助系统(Advanced DrivingAssistant System，ADAS)的关键技术，ADAS能够实现驾驶员与车辆的充分协同驾驶。自20世纪50年代以来，驾驶行为识别一直是许多不同观点的研究对象。研究表明，驾驶行为识别可以应用于交通流模型、道路基础设施优化、交通拥堵预测、先进的个性化驾驶辅助系统的建立和自动驾驶车辆的设计等领域。

目前车辆的驾驶行为识别方法研究主要针对特定的驾驶场景，此外主要将驾驶行为状态分为加速、减速、匀速和怠速四种，对细致的驾驶行为特征的辨识研究不够深入，导致驾驶行为片段分割精度差、聚类特征不明确。因此，存在驾驶行为状态分类少的问题。

发明内容

本发明的目的是提供一种驾驶行为识别方法及系统，解决了驾驶行为状态分类少的问题。

为实现上述目的，本发明提供了如下方案：

一种驾驶行为识别方法，包括：

获取驾驶行为数据；

对所述驾驶行为数据进行符号化处理，得到符号化速度时间序列；

根据所述符号化速度时间序列，采用驾驶行为序列变点检测算法对所述驾驶行为数据进行分割，得到分割的驾驶行为片段；

对所述驾驶行为数据进行预处理，得到驾驶行为片段特征频次统计矩阵；

获取LDA模型，并初始化所述LDA模型的聚类个数；

将所述驾驶行为片段特征频次统计矩阵输入所述LDA模型，得到第一驾驶行为类别；

根据所述第一驾驶行为类别计算所述LDA模型的困惑度，并记录所述困惑度和与所述困惑度对应的LDA模型；

判断所述LDA模型的聚类个数是否等于预设个数，得到第一判断结果；

所述第一判断结果为否，增加所述LDA模型的聚类个数，并返回步骤“将所述驾驶行为片段特征频次统计矩阵输入所述LDA模型，得到第一驾驶行为类别”，更新并记录所述困惑度和与所述困惑度对应的LDA模型；

所述第一判断结果为是，比较所有记录的困惑度，得到最小的困惑度；

根据所述最小的困惑度得到与所述最小的困惑度对应的LDA模型；

将所述驾驶行为片段特征频次统计矩阵输入与所述最小的困惑度对应的LDA模型，得到驾驶行为类别。

可选的，所述对所述驾驶行为数据进行符号化处理，得到符号化速度时间序列，具体包括：

获取所述驾驶行为数据中的速度时间序列S_velocity＝{v₁,v₂,…,v_n}，其中 v₁,v₂,…,v_n表示序列点，n表示所述序列点总数；