[发明专利]基于机器学习的驾驶风格分类方法、装置和电子设备

权利要求书

1.一种基于机器学习的驾驶风格分类方法，用于对驾驶员的驾驶风格进行分类，其特征在于，包括：

对所述驾驶员的、选择的驾驶风格特征参数进行相关性分析，得到所述驾驶风格特征参数之间的相关系数；

根据所述相关系数和预设的相关系数阈值，对预先得到的驾驶行为数据样本中冗余的驾驶风格特征参数进行去除；

根据去除冗余驾驶风格特征参数的驾驶行为数据样本，基于机器学习模型，对所述驾驶员的驾驶风格进行分类。

2.根据权利要求1所述的方法，其特征在于，所述对所述驾驶员的、选择的驾驶风格特征参数进行相关性分析，得到所述驾驶风格特征参数之间的相关系数，具体为：基于预设的相关性分析模型，对选择的所述驾驶风格特征参数进行相关性分析，得到所述驾驶风格特征参数之间的相关系数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述相关系数和预设的相关系数阈值，对预先得到的驾驶行为数据样本中冗余的驾驶风格特征参数进行去除，具体为：对所述相关系数与预设的相关系数阈值进行比对，根据比对结果，对预先得到的驾驶行为数据样本中冗余的驾驶风格特征参数进行去除。

4.根据权利要求1-3任一所述的方法，其特征在于，所述根据去除冗余驾驶风格特征参数的驾驶行为数据样本，基于机器学习模型，对所述驾驶员的驾驶风格进行分类，具体为：根据去除冗余驾驶风格特征参数的驾驶行为数据样本，基于预设的聚类算法模型，对所述驾驶员的驾驶风格进行分类。

5.根据权利要求4所述的方法，其特征在于，所述驾驶行为数据样本包括：重载作业状态下的驾驶行为数据样本，以及空载作业状态下的驾驶行为数据样本；

对应的，

所述根据去除冗余驾驶风格特征参数的驾驶行为数据样本，基于预设的聚类算法模型，对所述驾驶员的驾驶风格进行分类，包括：

基于K均值聚类算法模型，分别对重载作业状态下的、去除冗余驾驶风格特征参数的驾驶行为数据样本，以及空载作业状态下的、去除冗余驾驶风格特征参数的驾驶行为数据样本进行拟合，分别确定重载作业状态下、以及空载作业状态下的驾驶风格的分类数量；

分别根据重载作业状态下、以及空载作业状态下的驾驶风格的分类数量，基于K均值聚类算法模型，对所述驾驶员在重载作业状态下、以及空载作业状态下的驾驶风格进行分类。

6.一种基于机器学习的驾驶风格分类装置，用于对驾驶员的驾驶风格进行分类，其特征在于，包括：

相关性分析单元，配置为对选择的所述驾驶员的驾驶风格特征参数进行相关性分析，得到所述驾驶风格特征参数之间的相关系数；

冗余参数去除单元，配置为根据所述相关系数，对预先得到的驾驶行为数据样本中冗余的驾驶风格特征参数进行去除；

驾驶风格分类单元，配置为基于机器学习模型，根据去除冗余驾驶风格特征参数的驾驶行为数据样本，对所述驾驶员的驾驶风格进行分类。

7.根据权利要求6所述的装置，其特征在于，所述相关性分析单元，进一步配置为基于预设的相关性分析模型，对选择的所述驾驶风格特征参数进行相关性分析，得到所述驾驶风格特征参数之间的相关系数。

8.根据权利要求6所述的装置，其特征在于，所述冗余参数去除单元，进一步配置为对所述相关系数与预设的相关系数阈值进行比对，根据比对结果，对预先得到的驾驶行为数据样本中冗余的驾驶风格特征参数进行去除。

9.根据权利要求6-8任一所述的装置，其特征在于，所述驾驶风格分类单元，进一步配置为根据去除冗余驾驶风格特征参数的驾驶行为数据样本，基于预设的聚类算法模型，对所述驾驶员的驾驶风格进行分类。

10.一种电子设备，其特征在于，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的程序，所述处理器执行所述程序时实现如权利要求1-5任一所述的基于机器学习的驾驶风格分类方法。