[发明专利]基于多传感器数据融合的驾驶行为识别方法及系统

说明书

一种基于多传感器数据融合的驾驶行为识别方法及系统，通过安装于车辆上的OBD传感信息采集器和加速度传感器，获取车辆的OBD传感数据加速度数据，并通过两个机器学习模型对其中的特征信息进行分类，独立计算两个模型中每一个分类结果的分类置信度和分类准确度，将两个模型中的分类结果按照各自的分类置信度和分类准确度进行加权融合，最终以加权融合数值最大的分类结果，作为对驾驶行为的识别结果。本发明通过数据融合技术，能够同时综合考量多种传感数据，因而，识别精度更高，更有利于对车辆驾驶行为进行评估。而且，本发明中识别所需的大部分传感数据可通过电动车辆自身总线直接获得，仅需在车辆上增设加速度传感器，成本低廉，适宜推广。

技术领域

本发明涉及传感数据处理领域，尤其涉及一种基于多传感器数据的对驾驶行为进行识别的技术。

背景技术

驾驶员的驾驶行为习惯在汽车租赁和汽车保险行业中，作为判断驾驶人使用车辆安全状况以及用户评价方面的重要参考，一直广为关注。基于驾驶行为的识别技术，可以从一个侧面反映出驾驶员在驾驶过程中的具体的驾驶习惯，进而，根据这些驾驶习惯对驾驶员的驾驶风险进行评级。

目前，现有的驾驶行为识别技术通常仅局限于针对燃油机车，针对电动汽车驾驶行为识别技术的研究较少。且，目前，针对驾驶行为识别技术的研究主要仅针对两个方向：基于驾驶员的驾驶行为分析，或是基于车辆的驾驶行为分析。

前者，例如Chiyomi Miyajima，Yoshihiro Nishiwaki和Koji Ozawa针对不同驾驶员对油门刹车踏板的操纵情况进行建模，提出了一种混合高斯算法，通过此算法对驾驶员驾驶行为进行分析可获得大概80％的准确率。

一些学者则希望利用后者，通过智能手机的传感信号来反应车辆的驾驶状况，对驾驶行为进行识别。这一思路下，李伟健等人就通过手机中的加速度传感器的变化程度识别车辆是否发生事故。

虽然上述两种研究方向都能够对驾驶行为进行分类，但其共同问题在于，识别精度不高。

考虑到电动汽车上可装载的传感器数目众多，实际上可通过车辆上搭载的各类传感器，获得相当数目的驾驶行为过程中的驾驶数据。这意味着识别系统输入端信息源充足，将其利用历来将有可能大大提升对于驾驶行为的辨识精度。然而，基于车辆传感数据的驾驶行为识别技术，目前几乎处于空白状态。

因此，目前，急需一种基于传感器数据的驾驶行为识别技术，以提高针对电动汽车驾驶行为的辨识精度。

发明内容

为了解决现有技术存在的不足，本发明的目的在于提供一种基于多传感器数据融合的驾驶行为识别方法及系统。

首先，为实现上述目的，提出一种基于多传感器数据融合的驾驶行为识别方法，包括以下步骤：

第一步，获取车辆的OBD(On Board Diagnostics，车载自动诊断系统)传感信息和加速度信息，对所述OBD传感信息和所述加速度信息进行预处理，获得车辆的OBD传感数据和加速度数据；

第二步，分别提取所述OBD传感数据的特征信息和所述加速度数据的特征信息；

第三步，分别将所述OBD传感数据的特征信息输入预先训练好的第一机器学习模型进行分类，根据所述第一机器学习模型的分类数据计算每一个分类结果的第一分类置信度h1和第一分类准确度W1；将所述加速度数据的特征信息输入预先训练好的第二及其学习模型进行分类，根据所述第二机器学习模型的分类数据计算每一个分类结果的第二分类置信度h2和第二分类准确度W2；

第四步，根据所述第三步获得的第一分类置信度h1、第一分类准确度W1、第二分类置信度h2和第二分类准确度W2，对所述第一机器学习模型和所述第二机器学习模型的每一个分类结果按照公式W1*h1+W2*h2加权融合，输出加权融合数值最大的分类结果，即对驾驶行为的识别结果。