[发明专利]一种基于驾驶习惯智能学习技术的制动方法及装置

权利要求书

1.一种基于驾驶习惯智能学习技术的制动方法，用于车辆的制动系统上，其特征在于，所述方法包括以下步骤：

步骤S1、获取待测驾驶员的驾驶行为习惯数据；

步骤S2、使用预先训练好的预测模型，对所获取的待测驾驶员的驾驶习惯进行预测，得到预测结果，且进一步根据预测结果，对所述制动系统的制动功能是否启用进行控制；其中，所述预测结果为正常或异常；若所述预测结果为正常时，控制所述制动系统的制动功能不启用；若所述预测结果为异常时，控制所述制动系统的制动功能启用。

2.如权利要求1所述的基于驾驶习惯智能学习技术的制动方法，其特征在于，在步骤S1之前，还包括以下步骤：

预先定义预测模型，并通过已有多个驾驶员的驾驶行为习惯数据生成训练样本和测试样本进行训练和测试，得到训练好的预测模型。

3.如权利要求2所述的基于驾驶习惯智能学习技术的制动方法，其特征在于，所述通过已有多个驾驶员的驾驶行为习惯数据生成训练样本和测试样本进行训练和测试，得到训练好的预测模型的具体步骤包括：

获取已有的多个驾驶员的驾驶行为习惯数据，并处理成数据集；

对所述数据集中的驾驶行为习惯数据进行特征提取并赋予相应的权重，且在对赋予权重的特征进行排序后，进一步通过降维处理，得到最优的特征量；

构建预测模型，并将最优的特征量作为训练样本和测试样本对所述预测模型进行训练和测试，得到所述训练好的预测模型。

4.如权利要求3所述的基于驾驶习惯智能学习技术的制动方法，其特征在于，所述预测模型中的损失函数由逻辑回归算法的损失函数、KNN算法的损失函数和神经网络的损失函数构成。

5.如权利要求3所述的基于驾驶习惯智能学习技术的制动方法，其特征在于，所述数据集是通过数据筛选器对已有的多个驾驶员的驾驶行为习惯数据中异常数据进行删除处理后，再通过python处理得到的。

6.一种基于驾驶习惯智能学习技术的制动装置，其特征在于，其与车辆的制动系统相连，包括待测数据获取单元和制动结果控制单元；其中，

所述待测数据获取获取单元，用于获取待测驾驶员的驾驶行为习惯数据；

所述制动结果控制单元，用于使用预先训练好的预测模型，对所获取的待测驾驶员的驾驶习惯进行预测，得到预测结果，且进一步根据预测结果，对所述制动系统的制动功能是否启用进行控制；其中，所述预测结果为正常或异常；若所述预测结果为正常时，控制所述制动系统的制动功能不启用；若所述预测结果为异常时，控制所述制动系统的制动功能启用。

7.如权利要求6所述的基于驾驶习惯智能学习技术的制动装置，其特征在于，还包括：预先定义单元；其中，所述预先定义单元包括：

所述模型预定义模块，用于预先定义预测模型；

所述最终模型获取模块，用于通过已有多个驾驶员的驾驶行为习惯数据生成训练样本和测试样本进行训练和测试，得到训练好的预测模型。

8.如权利要求7所述的基于驾驶习惯智能学习技术的制动装置，其特征在于，所述最终模型获取模块包括：

历史数据获取子模块，用于获取已有的多个驾驶员的驾驶行为习惯数据，并处理成数据集；

特征提取子模块，用于对所述数据集中的驾驶行为习惯数据进行特征提取并赋予相应的权重，且在对赋予权重的特征进行排序后，进一步通过降维处理，得到最优的特征量；

模型训练子模块，用于构建预测模型，并将最优的特征量作为训练样本和测试样本对所述预测模型进行训练和测试，得到所述训练好的预测模型。

9.如权利要求8所述的基于驾驶习惯智能学习技术的制动装置，其特征在于，所述预测模型中的损失函数由逻辑回归算法的损失函数、KNN算法的损失函数和神经网络的损失函数构成。