[发明专利]一种基于小波分析的驾驶行为识别方法

说明书

本发明公开了一种基于小波分析的驾驶行为识别方法，所述驾驶行为识别方法包括以下步骤：1)基于小波分析对原始信号进行分解更准确地获得局部时频域信息；2)基于聚类的思想，选择四个统计特征进行驾驶行为识别。本发明基于小波分析，阐述了一种更全面，更精确的系统化驾驶行为识别方法，在社会安全，车险，车队管理等领域有广阔应用前景。

技术领域

本发明属于信号处理、模式识别与机器学习领域，具体的涉及基于小波分析，提出一种系统化的驾驶行为识别方法。

背景技术

根据中国国家统计局的统计数据，2016年发生的交通事故多达21.2万起，超过6.3万人死于交通事故。交通事故对生命安全产生极大威胁，然而交通事故主要是由于人为因素造成的。在美国汽车协会交通安全基金会的一项研究中，“激进驾驶占所有交通事故死亡人数的一半以上”。另一方面，研究者发现驾驶员的行为在受到监督并提供反馈时更加谨慎和安全。因此，驾驶行为的识别具有重大社会意义，高效准确地对驾驶行为进行识别，进而提醒驾驶者谨慎驾驶，可以减少事故发生，促进社会安全。

汽车的普及带动了相关产业的快速发展。以保险公司为例，对驾驶行为进行准确高效识别，可以更全面的评估风险指标，可以带来更精准的损失估计，大大降低其理赔成本，另外，还能提升客户的消费体验，增加续约率。同样，对于车队管理部门来说，对驾驶行为进行准确高效识别，有利于全面掌握车辆驾驶情况，及时采取措施防患于未然，提高车队总体管理水平。

国外对于驾驶行为的研究主要集中在针对特定的驾驶动作(加速，刹车，左转，右转等)，利用单纯的大量特征的机器学习方法识别分类，缺少系统化的方法和理论建模支撑，且计算量巨大。相较于国外研究，国内研究成果较少，实际应用方面更是空白。本发明提出一种系统化的基于小波分析的驾驶行为识别方法，不仅可以扩大可识别的驾驶行为类别，而且得到更精确的时频域信息。本发明有着更强理论依据，且有着更好的普适性和高效性。

发明内容

本发明提供一种基于小波分析的驾驶行为识别方法。

本发明的技术方案：一种基于小波分析的驾驶行为识别方法，所述驾驶行为识别方法包括以下步骤：

1)基于小波分析，对原始信号进行分解，针对不同的驾驶行为分析不同的频域带的信号，得到更加精确的时频域信息；

2)基于聚类的思想，选择四个在不同的驾驶行为中有显著差异性的统计特征进行驾驶行为识别。

优选的，对原始信号进行分解，能够得到一个逼近信号和多级细节信号。

优选的，所述驾驶行为包括加速，刹车，左转，右转，掉头，左变道，右变道以及车辆启动，车辆熄火。

优选的，当驾驶行为的信号体现在多级细节信号的中高频段，对所述中高频的分解信号的方差进行阈值识别判断。

优选的，当驾驶行为的信号集中在分解的逼近信号中，对所述逼近信号进行统计特征提取。

优选的，所述原始信号由外部传感器产生，所述外部传感器包括3轴加速度传感器和3轴角速度传感器。

优选的，所述外部传感器包括LSM6DS33传感器。

优选的，四个统计特征包括X轴加速度求和，Z轴角速度求和，Y轴加速度斜率，Z轴角速度正采样点比率。

本发明的有益效果：本发明提出一种基于小波分析的驾驶行为识别方法，具有普适性和高效性。本发明基于小波分解，针对不同的驾驶行为得到更加精确的时频域信息；利用聚类方法，选择多个统计特征对驾驶行为进行识别。与以往单纯用低通滤波器或者卡尔曼滤波器对驾驶行为数据进行处理不同，本发明可以分析得到更精确的局部时频域信息，有更强理论依据，更好的普适性和高效性。

应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。