[发明专利]一种驾驶行为识别方法、系统及可存储介质

说明书

本发明公开了一种驾驶行为识别方法、系统及可存储介质，涉及智能汽车辅助驾驶、驾驶行为认知技术领域，其中方法包括以下步骤：获取待识别车辆的行驶数据，对所述行驶数据进行识别及处理得到对应的驾驶动作序列；构建驾驶行为预测模型，并将所述驾驶动作序列输入至所述驾驶行为预测模型进行求解，得到驾驶意图序列；对所述驾驶意图序列进行识别，得到对应的驾驶行为；本发明可有助于及时阻止或纠正驾驶人实施的危险行为。

技术领域

本发明涉及智能汽车辅助驾驶、驾驶行为认知技术领域，更具体的说是涉及一种驾驶行为识别方法、系统及可存储介质。

背景技术

目前，车联网旨在通过出行者、智能车载单元和智能路侧单元之间的实时、高效和双向的信息交互，为交通参与者提供可靠的交通信息，实现人-车-路的充分协同，以有效提升道路交通系统的安全性和通行效率，改善交通环境，提高出行舒适度。然而，在汽车信息交互过程中却鲜有将驾驶人意图识别功能纳入其中，因此需要展开驾驶人行为识别的相关研究。

但是，目前关于驾驶员的行为识别相关研究还仅局限于单一工况层面上，对应用驾驶员操作信号和汽车状态信息，在线地辨识同时具有转向、制动和加速的复合工况的驾驶员行为识别尚无相关的研究。

因此，如何提供一种能够解决上述问题的驾驶行为识别方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种驾驶行为识别方法、系统及可存储介质，当车辆处于某种驾驶状态时，识别出驾驶人当前的驾驶意图等同于获取到驾驶人对未来车辆运行状态的需求，由于车辆运行状态与驾驶人操作动作紧密相关，针对危险驾驶态势下的驾驶意图进行提前报警，可有助于及时阻止或纠正驾驶人实施的危险行为。

为了实现上述目的，本发明采用如下技术方案：

一种驾驶行为识别方法，包括以下步骤：

获取待识别车辆的行驶数据，对所述行驶数据进行识别及处理得到对应的驾驶动作序列；

构建驾驶行为预测模型，并将所述驾驶动作序列输入至所述驾驶行为预测模型进行求解，得到驾驶意图序列；

对所述驾驶意图序列进行识别，得到对应的驾驶行为。

优选的，所述驾驶行为预测模型包括依次连接的隐含层及观测层，且所述隐含层包括多个隐含层节点，所述观测层包括多个观测层节点。

优选的，所述驾驶行为预测模型的具体表达式为：

λ＝(A，B，π)

式中，A为隐状态转移矩阵，B为观测矩阵，π为初始隐状态分布矩阵。

优选的，对所述驾驶动作序列进行求解的具体过程包括：

对所述驾驶动作序列利用Viterbi方法进行求解，得到对应的最大可能隐状态序列；

对所述最大可能隐状态序列进行处理，得到隐状态转移概率序列；

对所述隐状态转移概率序列进行处理，得到所述驾驶意图序列。

优选的，得到对应的最大可能隐状态序列的具体过程包括：

根据所述行驶数据得到对应的时段序列；

对所述时段序列包含的元素进行合并后形成子时段序列，利用所述子时段序列对所述驾驶动作序列进行重构后求解，得到求解结果；

对所述求解结果利用Viterbi方法再次进行求解，得到对应的最大可能隐状态序列。

优选的，得到隐状态转移概率序列的具体过程包括：