[发明专利]基于局部时间序列提取算法的驾驶风格识别方法及装置

说明书

本发明提供了一种基于局部时间序列提取算法的驾驶风格识别方法和装置，其方法包括：确定驾驶风格不同的至少两个驾驶风格样本集；采用预设的时间序列分割方法将所述至少两个驾驶风格样本集中的每一个驾驶风格样本集分割为多个初始时间子序列；采用预设的局部时间序列提取算法从所述多个初始时间子序列中提取出多个目标时间子序列；根据所述多个目标时间子序列构建相似度识别模型，并根据所述相似度识别模型对待识别驾驶数据的驾驶风格进行识别。本发明提高了驾驶风格识别方法的时效性和鲁棒性。

技术领域

本发明涉及自主驾驶技术领域，具体涉及一种基于局部时间序列提取算法的驾驶风格识别方法及装置。

背景技术

驾驶风格是驾驶者个性化驾驶的体现，驾驶风格的研究包括驾驶员注意力的集中程度、驾驶员对车辆运动状态的主观需求等多个方面的内容。由于人的驾驶风格涉及到人的复杂性和不确定性，因而学习驾驶风格涉及的相关内容比较广泛，包括驾驶人对交通环境的反应机理、驾驶人的年龄、心理、驾驶经验等。作为一种新的评价指标，驾驶风格可以使驾驶行为得到整体性解释，使车辆发出的预警或强制执行动作满足驾驶人意愿，提高驾驶人对汽车系统的认可度和利用率。

现有的研究技术主要包括基于机器学习的方法。但基于机器学习的方法存在以下缺陷：(1)基于机器学习的方法需要构建神经网络对驾驶风格进行识别，神经网络结构复杂，从而降低了驾驶风格的识别时效性；(2)基于机器学习的方法需要大量驾驶数据训练样本，导致驾驶风格的识别过程非常耗时，进而进一步降低了效性；(3)由于驾驶数据的高维性和变量间的复杂关系，现有的机器学习方法无法有效地处理多变量驾驶数据，导致机器学习方法的鲁棒性较差。

发明内容

有鉴于此，有必要提供一种基于局部时间序列提取算法的驾驶风格识别方法及装置，用以解决现有技术中存在的驾驶风格识别方法时效性差、鲁棒性差的技术问题。

为了解决上述技术问题，本发明提供了一种基于局部时间序列提取算法的驾驶风格识别方法，包括：

确定驾驶风格不同的至少两个驾驶风格样本集；

采用预设的时间序列分割方法将所述至少两个驾驶风格样本集中的每一个驾驶风格样本集分割为多个初始时间子序列；

采用预设的局部时间序列提取算法从所述多个初始时间子序列中提取出多个目标时间子序列；

根据所述多个目标时间子序列构建相似度识别模型，并根据所述相似度识别模型对待识别驾驶数据的驾驶风格进行识别。

在一种可能的实现方式中，所述预设的局部时间序列提取算法为shapelets提取算法。

在一种可能的实现方式中，所述预设的时间序列分割方法为滑窗法。

在一种可能的实现方式中，所述确定驾驶风格不相同的至少两个驾驶风格样本集包括：

获取初始驾驶数据集；

采用预设的降维算法将所述初始驾驶数据集进行降维，生成待处理驾驶数据集；

采用聚类算法将所述待处理数据进行聚类，生成所述至少两个驾驶风格样本集。

在一种可能的实现方式中，所述初始驾驶数据集包括多个驾驶人的多维初始驾驶数据；所述预设的降维算法为主成分分析法；所述采用预设的降维算法将所述初始驾驶数据集进行降维，生成待处理驾驶数据集包括：

根据所述初始驾驶数据集构造初始驾驶数据矩阵，所述初始驾驶数据矩阵的行数与所述多维初始驾驶数据的维数相等，所述初始驾驶数据矩阵的列数与所述多个驾驶人的个数相等；

将所述初始驾驶数据矩阵的每一行进行零均值化，生成零均值矩阵；

计算所述零均值矩阵的协方差矩阵；