[发明专利]一种基于BP神经网络的驾驶行为评分方法

权利要求书

1.一种基于BP神经网络的驾驶行为评分方法，其特征在于，包括以下步骤：

(1)收集驾驶行为数据，确定驾驶行为指标体系；

(2)构建BP神经网络拓扑模型；

(3)将收集到的驾驶行为数据样本进行数据归一化处理；

(4)用已构建的BP神经网络拓扑模型进行训练学习；

(5)根据评分体系公式计算驾驶员行为评分。

2.根据权利要求1所述的基于BP神经网络的驾驶行为评分方法，其特征在于，步骤(1)中所述的驾驶行为包括：车道偏离、前车碰撞、车距保持、急加速、急减速、急转弯和超速；步骤(1)利用车载ADAS系统进行数据的收集，驾驶行为数据由车载系统ADAS摄像头采集到的路况信息、由路况信息计算出的车道偏离次数、前车碰撞次数、车距保持距离低于设定阈值的次数，以及传感器采集到的急加速次数、急减速次数、急转弯次数、超速次数，及可由地图API得到的天气信息、时间、驾驶持续时间、地理位置信息构成。

3.根据权利要求1所述的基于BP神经网络的驾驶行为评分方法，其特征在于，步骤(2)中所述BP神经网络模型为4层的前馈神经网络，隐藏层节点数分别为8个、6个，输出层节点表示驾驶行为发生事故的概率，采用1个节点；BP网络的隐含层和输出层中的神经元的特性函数均采用对sigmoid型变换函数求导数，其表达式为：f＝1/(1+e^-x)。

4.根据权利要求1所述的基于BP神经网络的驾驶行为评分方法，其特征在于，步骤(3)采用最值法对数据进行归一化处理，具体公式如下：

其中，x_i表示归一化前的值，表示归一化后的值，x_max表示最大值,x_min表示最小值。

5.根据权利要求1所述的基于BP神经网络的驾驶行为评分方法，其特征在于，步骤(4)中BP神经网络拓扑模型进行训练学习的步骤如下：

(4.1)输入数据：步骤(3)中对收集到的驾驶行为进行预处理后有K种，即用户驾驶行为可用K个变量表示，则训练组有L对输入输出组成{X_K，A_K}(k＝1,2,3,…L)，其中X_K为输入，A_K为真实值；

(4.2)计算方差：X_K经过神经网络传播后得到的预测输出为Y_K，则Y_K与真实值之间存在误差，用均方误差来衡量预测值与真实值之间的误差：

(4.3)逆向反馈：调整w和b值使误差函数的值最小；

w＝w-▽w

b＝b-▽b

对目标函数E求w和b的偏导，得到w和b的更新量：

其中，η为学习率，取值为0.1，根据链式求导法则有：

根据神经元输出值a的定义有：

Sigmoid求导数：f'＝f(x)(1-f(x))，得出：

则权重w的更新量为：

同理b的更新量为：

(4.4)重复执行逆向反馈更新神经网络中每条连接线的权重和每层的偏置，在没有到达停止条件情况下重复上述过程；其中停止条件有以下两种：①预测的错误率E低于0.001的阈值；②达到100次的迭代次数。

6.根据权利要求1所述的基于BP神经网络的驾驶行为评分方法，其特征在于，步骤(5)中建立百分制评分体系公式如下：

Score＝30+(1-y)*70

Score为百分之评分，y为BP神经网络输出的发生事故的概率。

7.根据权利要求6所述的基于BP神经网络的驾驶行为评分方法，其特征在于，对任意一个驾驶员，收集实时的驾驶行为数据，并对数据进行归一化得到输入向量{x₁，x₂，x₃，x₄...x_k}，运用训练好的神经网络模型，得到该用户的驾驶行为发生事故的概率；将所得发生事故概率带入评分体系公式，计算得出驾驶行为评分。