车辆的驾驶风格识别方法、装置、电子设备及存储介质与流程

本发明涉及车辆领域，具体而言，涉及一种车辆的驾驶风格识别方法、装置、电子设备及存储介质。

背景技术：

1、驾驶风格学习识别是自动驾驶技术领域的一个重要分支，它对于提高车辆的燃油经济性、驾驶安全性、以及车辆的可靠性具有显著影响，为了实现高效的驾驶风格识别，相关技术人员中提出了许多识别模型，如逻辑回归模型、基于树的模型、基于深度学习的模型。但是，这些现有的驾驶风格识别模型在分类准确性方面仍存在不足，同时由于不同地区的驾驶习惯和交通环境的差异，识别精度可能受到一定影响，进而导致相关技术中车辆的驾驶风格识别精度较低。

2、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种车辆的驾驶风格识别方法、装置、电子设备及存储介质，以至少解决相关技术中车辆的驾驶风格识别精度较低的技术问题。

2、根据本发明实施例的一个方面，提供了一种车辆的驾驶风格识别方法，包括：在车辆行驶过程中，响应于接收到车辆的驾驶风格识别任务，获取车辆的多个状态特征和多个状态特征的当前权重，其中，当前权重用于表示多个状态特征在驾驶风格识别任务中所占的权重；利用第一神经网络对多个状态特征进行识别，得到多个状态特征的权重矩阵，其中，权重矩阵用于通过不同的预设值表示多个状态特征在驾驶风格识别任务中所占的权重；基于权重矩阵对多个状态特征的当前权重进行调整，得到多个状态特征的目标权重；基于目标权重对多个状态特征进行驾驶风格识别，得到目标驾驶风格。

3、进一步地，第一神经网络包括全连接层和激活层，全连接层包括：第一全连接层、第二全连接层，激活层包括：第一激活层、第二激活层，利用第一神经网络对多个状态特征进行识别，得到多个状态特征的权重矩阵，包括：利用第一全连接层将多个状态特征映射到第一维度，得到第一维度的第一向量，其中，第一维度小于多个状态特征的第二维度；利用第一激活层对第一向量进行激活处理，得到第二向量，其中，第二向量用于通过非线性的方式表示第一向量的权重；利用第二全连接层将第二向量映射到第二维度，得到第三向量；利用第二激活层对第三向量进行激活处理，得到权重矩阵。

4、进一步地，利用第二激活层对第三向量进行激活处理，得到权重矩阵，包括：利用第二激活层基于第一预设值和第二预设值对第三向量对应的多个输出值进行赋值，得到权重矩阵。

5、进一步地，利用第二激活层基于第一预设值和第二预设值对第三向量对应的多个输出值进行赋值，得到权重矩阵，包括：基于第一预设值对多个输出值中的第一输出值进行赋值，得到第一赋值结果，其中，第一输出值为多个输出值小于或等于第一预设值的输出值；基于第二预设值对多个输出值中的第二输出值进行赋值，得到第二赋值结果，其中，第二输出值为多个输出值大于第一预设值的输出值；基于第一赋值结果和第二赋值结果确定权重矩阵。

6、进一步地，利用第一全连接层将多个状态特征映射到第一维度，得到第一维度的第一向量，包括：对多个状态特征进行压缩处理，得到第三维度的多个压缩状态特征，其中，第三维度小于的第二维度，且第三维度大于第一维度；利用第一全连接层将多个压缩状态特征映射到第一维度，得到第一向量。

7、进一步地，基于目标权重对多个状态特征进行驾驶风格识别，得到目标驾驶风格，包括：基于目标权重对多个状态特征进行增强，得到多个增强状态特征；利用第二神经网络对多个增强状态特征进行驾驶风格识别，得到目标驾驶风格，其中，第二神经网络的输入层与第一神经网络的输出层连接，第一神经网络的输出层用于输出多个状态特征的目标权重。

8、进一步地，车辆的驾驶风格识别方法还包括：获取多个样本状态特征和多个样本状态特征对应的样本驾驶风格；利用第一初始神经网络对多个样本状态特征进行驾驶风格识别，得到预测驾驶风格；基于样本驾驶风格和预测驾驶风格构建目标损失函数；基于目标损失函数对第一初始神经网络的模型参数进行调整，得到第一神经网络。

9、根据本发明实施例的另一方面，还提供了一种车辆的驾驶风格识别装置，包括：获取模块，用于在车辆的行驶过程中，响应于接收到车辆的驾驶风格识别任务，获取车辆的多个状态特征和多个状态特征的当前权重，其中，当前权重用于表示多个状态特征在驾驶风格识别任务中所占的权重；第一识别模块，用于利用第一神经网络对多个状态特征进行识别，得到多个状态特征的权重矩阵，其中，权重矩阵用于通过不同的预设值表示多个状态特征在驾驶风格识别任务中所占的权重；调整模块，用于基于权重矩阵对多个状态特征的当前权重进行调整，得到多个状态特征的目标权重；第二识别模块，用于基于目标权重对多个状态特征进行驾驶风格识别，得到目标驾驶风格。

10、根据本发明实施例的另一方面，还提供了一种电子设备，包括：存储器，存储有可执行程序；处理器，用于运行程序，其中，程序运行时执行实现本发明各个实施例中的方法。

11、根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的可执行程序，其中，在可执行程序运行时控制存储介质所在设备执行时实现本发明各个实施例中的方法。

12、在本发明实施例中，首先，接收到车辆的驾驶风格识别任务后，获取车辆的多个状态特征以及多个状态特征的当前权重；然后，利用第一神经网络对多个状态特征进行识别，获得多个状态特的权重矩阵；其次，利用所获得的权重矩阵调整状态特征的当前矩阵，得到多个状态特征的目标矩阵；最终，基于目标权重对多个状态特征进行驾驶风格识别，得到车辆的目标驾驶风格。容易注意到的是，本申请获取多个状态特征的当前权重，并利用第一神经网络获取多个状态特征的权重矩阵，再利用权重矩阵对当前权重进行调整以增加重要状态特征的权重，降低不重要状态特征的权重，提升了重要状态特征在驾驶风格识别中的权重，进而提升了状态特征与驾驶风格的相关性，从而提高了驾驶风格识别精度，进而解决了相关技术中车辆的驾驶风格识别精度较低的技术问题。

技术特征：

1.一种车辆的驾驶风格识别方法，其特征在于，包括：

2.根据权利要求1所述的车辆的驾驶风格识别方法，其特征在于，所述第一神经网络包括全连接层和激活层，所述全连接层包括：第一全连接层、第二全连接层，所述激活层包括：第一激活层、第二激活层，利用第一神经网络对所述多个状态特征进行识别，得到所述多个状态特征的权重矩阵，包括：

3.根据权利要求2所述的车辆的驾驶风格识别方法，其特征在于，利用所述第二激活层对所述第三向量进行激活处理，得到所述权重矩阵，包括：

4.根据权利要求3所述的车辆的驾驶风格识别方法，其特征在于，利用所述第二激活层基于所述第一预设值和所述第二预设值对所述第三向量对应的多个输出值进行赋值，得到所述权重矩阵，包括：

5.根据权利要求2所述的车辆的驾驶风格识别方法，其特征在于，利用第一全连接层将所述多个状态特征映射到第一维度，得到所述第一维度的第一向量，包括：

6.根据权利要求1所述的车辆的驾驶风格识别方法，其特征在于，基于所述目标权重对所述多个状态特征进行驾驶风格识别，得到目标驾驶风格，包括：

7.根据权利要求1所述的车辆的驾驶风格识别方法，其特征在于，所述方法还包括：

8.一种车辆的驾驶风格识别装置，其特征在于，包括：

9.一种电子设备，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的可执行程序，其中，在所述可执行程序运行时控制所述存储介质所在设备执行权利要求1至7中任意一项所述的方法。

技术总结本发明公开了一种车辆的驾驶风格识别方法、装置、电子设备及存储介质。其中，该方法包括：在车辆行驶过程中，响应于接收到车辆的驾驶风格识别任务，获取车辆的多个状态特征和多个状态特征的当前权重，其中，当前权重用于表示多个状态特征在驾驶风格识别任务中所占的权重；利用第一神经网络对多个状态特征进行识别，得到多个状态特征的权重矩阵，其中，权重矩阵用于通过不同的预设值表示多个状态特征在驾驶风格识别任务中所占的权重；基于权重矩阵对多个状态特征的当前权重进行调整，得到多个状态特征的目标权重；基于目标权重对多个状态特征进行驾驶风格识别，得到目标驾驶风格。本发明解决了相关技术中车辆的驾驶风格识别精度较低的技术问题。技术研发人员：栾雪,韩衍东,于钊,刘兴,高泽天,吴骄阳,成雷诺,刘元治,张强受保护的技术使用者：中国第一汽车股份有限公司技术研发日：技术公布日：2024/11/18