[发明专利]一种驾驶员驾驶风格识别方法及其系统、存储介质

权利要求书

1.一种驾驶员驾驶风格分类方法，其特征在于，包括：

步骤S1、获取当前驾驶员的驾驶数据；

步骤S2、根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；

步骤S3、分别计算所述待聚类高斯混合模型与多个预先训练好的预设驾驶类型的高斯混合模型之间的KL散度，并根据所述KL散度进行聚类分析，得到所述当前驾驶员的驾驶风格类型。

2.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述驾驶数据包括本车与前车之间的距离及车速差值、驾驶员所驾驶的车辆的车速和纵向加速度、前车的车速和纵向加速度。

3.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述待聚类高斯混合模型为3个基本高斯概率密度函数的线性组合，所述3个基本高斯概率密度函数分别对应3种驾驶风格类型，该3种驾驶风格类型包括激进型、一般型和保守型。

4.根据权利要求1所述的驾驶员驾驶风格分类方法，其特征在于，所述多个预设驾驶类型包括激进型、一般型、保守型。

5.根据权利要求4所述的驾驶员驾驶风格分类方法，其特征在于，所述步骤S3，包括：

分别计算所述待聚类高斯混合模型与激进型、一般型、保守型的高斯混合模型之间的KL散度，对应得到3个KL散度；

将3个KL散度进行对比，并将最小KL散度所对应的预设驾驶类型的高斯混合模型的类型输出作为所述当前驾驶员的驾驶风格类型。

6.根据权利要求5所述的驾驶员驾驶风格分类方法，其特征在于，KL散度计算过程如下：

其中，x_i为对所述待聚类高斯混合模型进行第i次随机采样得到的采样数据，L为采样次数，m(x)为一种预设驾驶类型的高斯混合模型函数，n(x)为待聚类高斯混合模型函数，D(m||n)为所述待聚类高斯混合模型与一种预设驾驶类型的高斯混合模型之间的KL散度。

7.根据权利要求1或4所述的驾驶员驾驶风格分类方法，其特征在于，所述多个预先训练好的预设驾驶类型的高斯混合模型具体通过以下方式训练：

获取多个驾驶员的驾驶试验数据；

根据所述驾驶试验数据进行高斯混合模型训练，得到多个驾驶试验数据所对应的多个高斯混合模型；

分别计算所述多个高斯混合模型两两之间的KL散度，并根据所述KL散度进行聚类分析；

根据聚类分析结果确定多个预设驾驶类型的高斯混合模型。

8.一种驾驶员驾驶风格分类系统，其特征在于，包括：

数据获取单元，用于获取当前驾驶员的驾驶数据；

模型训练单元，用于根据所述当前驾驶员的驾驶数据进行高斯混合模型训练，得到当前驾驶员驾驶行为所对应的待聚类高斯混合模型；以及

聚类分析单元，用于分别计算所述待聚类高斯混合模型与多个预先训练好的预设驾驶类型的高斯混合模型之间的KL散度，并根据所述KL散度进行聚类分析，得到所述当前驾驶员的驾驶风格类型。

9.根据权利要求8所述的驾驶员驾驶风格分类系统，其特征在于，所述驾驶数据包括本车与前车之间的距离及车速差值、驾驶员所驾驶的车辆的车速和纵向加速度、前车的车速和纵向加速度；

所述待聚类高斯混合模型为3个基本高斯概率密度函数的线性组合，所述3个基本高斯概率密度函数分别对应3种驾驶风格类型，该3种驾驶风格类型包括激进型、一般型和保守型；

所述多个预设驾驶类型包括激进型、一般型、保守型；

所述聚类分析单元，包括：

KL散度计算单元，用于分别计算所述待聚类高斯混合模型与激进型、一般型、保守型的高斯混合模型之间的KL散度，对应得到3个KL散度；以及

分类单元，用于将3个KL散度进行对比，并将最小KL散度所对应的预设驾驶类型的高斯混合模型的类型输出作为所述当前驾驶员的驾驶风格类型。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现根据权利要求1-7中任一项所述驾驶员驾驶风格分类方法的步骤。