[发明专利]一种车辆行驶状态识别方法、装置、电子设备和可读存储介质

权利要求书

1.一种车辆行驶状态识别方法，其特征在于，所述方法包括：

采集预设的时间窗口长度内的惯性传感器数据；

对所述惯性传感器数据进行坐标系修正、零偏修正以及标准化处理，得到标准化惯性数据；

将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；

其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。

2.根据权利要求1所述的车辆行驶状态识别方法，其特征在于，所述对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据，具体包括：

将所述惯性传感器数据从对应的参考坐标系旋转至车辆坐标系；

修正所述惯性传感器数据的零偏误差；

调整所述惯性传感器数据在各坐标轴的数值分布区间，得到标准化惯性数据。

3.根据权利要求1所述的车辆行驶状态识别方法，其特征在于，所述车辆行驶状态识别模型包括输入层、隐藏层和输出层；

所述输入层用于接收所述时间窗口长度内的惯性传感器数据；

所述隐藏层依次包含至少一个一维卷积层，一个压平层以及至少一个双向门控循环层；其中，每一个所述一维卷积层具有至少一个一维卷积核，用于获取所述输入层接收的所述惯性传感器数据，并提取所述惯性传感器数据的特征；所述压平层用于串接所述一维卷积层提取到的特征；每一个所述双向门控循环层具有至少一个双向GRU，用于记忆所述惯性传感器数据的长短期历史特征；

所述输出层用于根据所述隐藏层的输出确定所述惯性传感器数据对应的车辆行驶状态。

4.根据权利要求3所述的车辆行驶状态识别方法，其特征在于，所述方法还包括：确定车辆行驶状态识别模型的网络超参数；

其中，所述网络超参数包括所述时间窗口长度、所述窗口中对应状态的取值位置、所述一维卷积层的个数、每一个所述一维卷积层中所述一维卷积核的个数、所述双向门控循环层的个数、每一个所述双向门控循环层中所述双向GRU的个数。

5.根据权利要求4所述的车辆行驶状态识别方法，其特征在于，所述确定车辆行驶状态识别模型的网络超参数，具体包括：

将所述样本惯性传感器数据集中的所述样本惯性传感器数据进行乱序处理，得到乱序样本；

将所述乱序样本分为乱序样本训练集和乱序样本验证集；

基于所述乱序样本训练集，对不同的网络超参数组合进行网格搜索，并记录所有参数组合在乱序样本验证集上的分类准确率；

选择具有最高准确率的网络超参数组合，作为所述车辆行驶状态识别模型的网络超参数。

6.根据权利要求1所述的车辆行驶状态识别方法，其特征在于，所述采集预设的时间窗口长度内的惯性传感器数据，具体包括：

将包含三轴陀螺仪与三轴加速度计的惯性传感器安装固定于车辆上；

使用与惯性传感器相连的车载终端设备周期性地采样所述惯性传感器的数据。

7.根据权利要求1-6任一项所述的车辆行驶状态识别方法，其特征在于，所述车辆行驶状态包括静止、行驶、静止熄火、静止未熄火、静止装卸货、平稳行驶、颠簸行驶、急刹、上/下坡、左/右转弯或侧翻。

8.一种车辆行驶状态识别装置，其特征在于，所述装置包括：

数据采集模块，用于采集预设的时间窗口长度内的惯性传感器数据；

数据标准化模块，用于对所述惯性传感器数据进行坐标系修正、零偏修正、中心化以及标准化处理，得到标准化惯性数据；

状态确定模块，用于将所述标准化惯性数据输入至车辆行驶状态识别模型，得到所述车辆行驶状态识别模型输出的车辆行驶状态；

其中，所述车辆行驶状态识别模型是以样本惯性传感器数据构成的样本惯性传感器数据集作为训练样本，并以对应的样本车辆行驶状态作为标签训练得到的。