[发明专利]一种驾驶模式识别方法、装置、终端设备及存储介质

权利要求书

1.一种驾驶模式识别方法，其特征在于，包括：

获取车辆行驶过程中的驾驶员数据、车辆数据和环境数据；其中，所述驾驶员数据包括驾驶员状态数据和驾驶员行为数据，所述车辆数据包括车辆工况数据、电池数据和时间数据，所述环境数据包括气候数据和地理数据；

对所述驾驶员数据、所述车辆数据和所述环境数据进行数据预处理；

通过特征工程技术对预处理后的数据进行特征提取和分析，并采用PCA降维技术选取影响驾驶模式的有效特征向量；

根据所述影响驾驶模式的有效特征向量建立驾驶模式识别模型，并对所述驾驶模式识别模型进行训练和验证，得到驾驶模式识别结果。

2.如权利要求1所述的驾驶模式识别方法，其特征在于，所述驾驶员状态数据包括疲劳程度、年龄和性别；所述驾驶员行为数据包括油门数据、刹车数据和急转弯数据；所述车辆工况数据包括平均车速、车速极值、胎压和胎温；所述电池数据包括电流、电压和电池温度；所述时间数据包括单次行驶时间和时间戳；所述气候数据包括温度、湿度、季节和光照；所述地理数据包括位置、路况和地形。

3.如权利要求2所述的驾驶模式识别方法，其特征在于，所述获取车辆行驶过程中的驾驶员数据、车辆数据和环境数据，具体包括：

通过大数据平台获取所述车辆的VDCM域数据、BDCM域数据和IDCM域数据；其中，VDCM指与车辆底盘动力相关信号，BDCM指与车身相关信号，IDCM指与智能座舱相关信号；

对所述VDCM域数据、BDCM域数据和IDCM域数据进行筛选，得到车辆行驶过程中的所述驾驶员数据、所述车辆数据和所述环境数据。

4.如权利要求1所述的驾驶模式识别方法，其特征在于，所述对所述驾驶员数据、所述车辆数据和所述环境数据进行数据预处理，包括以下至少之一：

去除所述驾驶员数据、所述车辆数据和所述环境数据中的噪声数据和离群值；

对所述驾驶员数据、所述车辆数据和所述环境数据中的缺失值和无效值，选用临接平均值进行填充；

对所述驾驶员数据、所述车辆数据和所述环境数据中分布较散的数据进行对数变换；

根据所述驾驶员数据、所述车辆数据和所述环境数据的数据特性对数据进行分箱处理；

对所述驾驶员数据、所述车辆数据和所述环境数据进行标准化和归一化。

5.如权利要求1所述的驾驶模式识别方法，其特征在于，建立驾驶模式识别模型，具体为：建立基于改进SOM算法的驾驶模式识别模型；对所述驾驶模式识别模型进行训练，具体包括：

对所述驾驶模式识别模型的网络权重进行初始化；

根据预设的批处理量从所述影响驾驶模式的有效特征向量中抽取数据；

采用高斯核函数将输入映射至高维空间，根据第一公式计算得到获胜节点；其中，所述第一公式为：

式中，BMU表示获胜节点；表示将低维数据映射至高维空间的非线性映射；x_i表示第i个样本；v_j表示第j个单元对应的向量；k_ii即K(x_i,x_i)，K为高斯核函数；同理，k_ih即K(x_i,x_h)；γ_jh表示二值函数，当x_h∈j时，γ_jh＝1，否则γ_jh＝0；

根据所述获胜节点的领域对所述驾驶模式识别模型的网络权重进行更新。

6.如权利要求5所述的驾驶模式识别方法，其特征在于，所述对所述驾驶模式识别模型进行验证，具体为：

采用交叉验证法对所述驾驶模式识别模型进行验证，直至所述驾驶模式识别模型的平均绝对误差小于或等于预设阈值。

7.如权利要求1所述的驾驶模式识别方法，其特征在于，所述对所述驾驶模式识别模型进行训练和验证之后，还包括：

将训练完成的驾驶模式识别模型上传至车端边缘计算平台或监控平台，以实时获取驾驶模式识别结果。