融合语义化信息和驾驶特征的驾驶风格识别方法及系统

本发明涉及智能汽车，特别是涉及一种融合语义化信息和驾驶特征的驾驶风格识别方法及系统。

背景技术：

1、不同驾驶人的驾驶风格不同，驾驶人希望获得符合自己个性化驾驶需求的乘车体验。而随着车辆高级辅助驾驶系统的发展，驾驶人更希望车辆能够理解自己的个性化驾驶需求，并且根据自己的驾驶风格，定制符合个性化驾驶需求的高级辅助驾驶系统。因此，驾驶风格的准确识别，对于开发个性化驾驶需求的高级辅助驾驶系统以及为驾驶人提供个性化乘车体验具有重要意义。

2、现阶段驾驶风格的识别方法一般从驾驶数据片段中提取时域、频域或统计特征作为驾驶特征，再通过设计识别规则或学习算法构建驾驶风格识别模型，进而识别不同驾驶人的驾驶风格，但这类方法只利用了从传感器获得的单一驾驶数据，并没有综合考虑其他客观因素，真正识别的结果往往会与驾驶人的主观认知存在一定的差异性，故现有识别方法确定的驾驶风格准确性不高。

技术实现思路

1、本发明实施例的目的是提供一种融合语义化信息和驾驶特征的驾驶风格识别方法及系统，提高了驾驶人驾驶风格识别的准确性。

2、为实现上述目的，本发明实施例提供了如下方案：

3、一种融合语义化信息和驾驶特征的驾驶风格识别方法，包括：获取目标驾驶数据片段；所述目标驾驶数据片段至少包括目标驾驶人驱动车辆行驶过程中产生的操纵数据、车辆状态数据和环境数据；提取所述目标驾驶数据片段的驾驶特征；所述驾驶特征至少包括所述目标驾驶数据片段中所有数据的平均值、标准差和最大值；将所述目标驾驶数据片段的驾驶特征输入驾驶风格识别模型确定目标驾驶人的驾驶风格；

4、其中，所述驾驶风格识别模型的确定方法，具体包括：获取多个参考驾驶数据片段和各所述参考驾驶数据片段对应的驾驶风格标签；确定各所述参考驾驶数据片段的语义化信息；提取各所述参考驾驶数据片段的驾驶特征；构建目标函数；所述目标函数是基于驾驶特征权重向量的正则项、语义化信息权重向量的正则项和语义化信息的惩罚项构建的；将所有参考驾驶数据片段的驾驶特征、驾驶风格标签和语义化信息代入所述目标函数进行求解，得到最优解；所述最优解包括最优驾驶特征权重向量和最优驾驶特征偏置项；所述最优解是所述目标函数最小时对应的驾驶特征权重向量和驾驶特征偏置项；基于所述最优解和支持向量机确定所述驾驶风格识别模型。

5、可选地，所述目标函数如下：

6、；

7、；

8、；

9、式中，为驾驶特征权重向量，为二范数运算，为正则化系数，为语义化信息权重向量，为惩罚系数，为语义化信息映射函数，为第 i个参考驾驶数据片段的语义化信息，为语义化信息偏置项，为第 i个参考驾驶数据片段的驾驶风格标签，为驾驶特征映射函数，为第 i个参考驾驶数据片段的驾驶特征，为驾驶特征偏置项，为参考驾驶数据片段总数，t为转置运算。

10、可选地，所述驾驶风格识别模型如下：

11、；

12、式中，为目标驾驶数据片段的驾驶特征对应的驾驶风格数值，为最优驾驶特征权重向量，为驾驶特征映射函数，为最优驾驶特征偏置项，t为转置运算。

13、可选地，确定各所述参考驾驶数据片段的语义化信息，具体包括：采用hdp-hmm模型确定各所述参考驾驶数据片段的语义化信息。

14、可选地，确定各所述参考驾驶数据片段的语义化信息，具体包括：采用llm模型确定各所述参考驾驶数据片段的语义化信息。

15、可选地，所述操纵数据至少包括油门踏板开度和方向盘转角；所述车辆状态数据至少包括车辆纵向加速度和车辆横向加速度；所述环境数据至少包括前车车速和前车相对距离。

16、可选地，所述驾驶风格至少包括激进型驾驶风格和正常型驾驶风格。

17、可选地，所述语义化信息还需要利用文本向量化技术将文本形式转化为对应的数值向量形式。

18、一种计算机系统，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序以实现所述融合语义化信息和驾驶特征的驾驶风格识别方法。

19、根据本发明提供的具体实施例，本发明公开了以下技术效果：

20、本发明在驾驶风格识别模型的确定过程中，除了应用到从参考驾驶数据片段中提取的驾驶特征外，还融入了基于参考驾驶数据片段确定的语义化信息，并充分利用驾驶特征和语义化信息来进一步确定驾驶风格识别模型。语义化信息的加入，使得驾驶风格识别模型的识别结果更符合人的主观认知，能够使识别的驾驶风格和目标驾驶人的主观认知保持一致。因此，本发明提高了不同驾驶人驾驶风格识别的准确性。

技术特征：

1.一种融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，包括：

2.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，所述目标函数为：

3.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，所述驾驶风格识别模型为：

4.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，确定各所述参考驾驶数据片段的语义化信息，具体包括：

5.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，确定各所述参考驾驶数据片段的语义化信息，具体包括：

6.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，所述操纵数据至少包括油门踏板开度和方向盘转角；所述车辆状态数据至少包括车辆纵向加速度和车辆横向加速度；所述环境数据至少包括前车车速和前车相对距离。

7.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，所述驾驶风格至少包括激进型驾驶风格和正常型驾驶风格。

8.根据权利要求1所述的融合语义化信息和驾驶特征的驾驶风格识别方法，其特征在于，所述语义化信息还需要利用文本向量化技术将文本形式转化为对应的数值向量形式。

9.一种计算机系统，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-8中任一项所述融合语义化信息和驾驶特征的驾驶风格识别方法。

技术总结本发明公开一种融合语义化信息和驾驶特征的驾驶风格识别方法及系统，涉及智能汽车领域，方法包括：获取多个参考驾驶数据片段和各参考驾驶数据片段对应的驾驶风格标签；确定各参考驾驶数据片段的语义化信息；提取各参考驾驶数据片段的驾驶特征；构建目标函数；目标函数是基于驾驶特征权重向量的正则项、语义化信息权重向量的正则项和语义化信息的惩罚项构建的；将所有参考驾驶数据片段的驾驶特征、驾驶风格标签和语义化信息代入目标函数进行求解，得到最优解；基于最优解和支持向量机确定驾驶风格识别模型。最后，将目标驾驶数据片段的驾驶特征输入驾驶风格识别模型确定目标驾驶人的驾驶风格。本发明提高了驾驶人驾驶风格识别的准确性。技术研发人员：张超朋,席军强,王文硕,魏瑶,陈炤锟,周子焜受保护的技术使用者：北京理工大学技术研发日：技术公布日：2024/7/15