[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

说明书

本发明提供一种基于驾驶习惯智能学习技术的制动方法及装置，包括获取待测驾驶员的驾驶行为习惯数据；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，对制动系统的制动功能是否启用进行控制；其中，预测结果为正常或异常；若预测结果为正常时，控制制动系统的制动功能不启用；若预测结果为异常时，控制制动系统的制动功能启用。实施本发明，基于驾驶员的行为习惯来判断是否需要开启制动系统，用以确保行车安全性。

技术领域

本发明涉及汽车技术领域，尤其涉及一种基于驾驶习惯智能学习技术的制动方法及装置。

背景技术

目前，汽车智能化技术在减少交通事故、缓解交通拥堵等方面具有巨大的潜力，机器学习已经在认知技术中成为最炙手可热的研究领域之一，它的应用范围非常的广泛，主要广泛应用于安全预测，其处理的数据越多就会越准确。

目前，已有厂家将机器学习技术的智能安全预测用于驾驶制动系统中，从而提高行驶安全性，都偏向于车辆碰撞风险检测，但是，缺乏基于驾驶员的行为习惯来判断是否需要开启制动系统，用以确保行车安全性。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于驾驶习惯智能学习技术的制动方法及装置，基于驾驶员的行为习惯来判断是否需要开启制动系统，用以确保行车安全性。

为了解决上述技术问题，本发明实施例提供了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，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。

其中，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。

其中，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。

其中，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。

其中，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。

本发明实施例还提供了一种基于驾驶习惯智能学习技术的制动装置，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。