[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

说明书

本发明公开了一种驾驶模式识别方法、装置、终端设备及存储介质，所述方法包括：获取车辆行驶过程中的驾驶员数据、车辆数据和环境数据；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。本发明实施例基于车辆行驶过程中的大量数据，能够准确反映车辆驾驶过程的实际情况，有效提高驾驶模式识别的准确率。

技术领域

本发明涉及车辆智能交互技术领域，尤其涉及一种驾驶模式识别方法、装置、终端设备及存储介质。

背景技术

随着电动汽车智能化的发展，人们对于汽车良好的体验的需求，使得人们希望汽车越来越懂自己，并且能够根据自己的状态和需求定制对应的服务内容和辅助驾驶。因此，目前的电动汽车基本装配了驾驶辅助系统、ACC等汽车电子系统，来提高驾驶安全性和舒适性。而驾驶辅助系统一般需要检测和分析车辆的行驶工况数据、驾驶员的驾驶数据来识别驾驶员的驾驶模式，从而为驾驶员提供更人性化的服务和更安全舒适的辅助驾驶。

但是，目前的驾驶员驾驶模式识别方法通常仅采用单一的车辆工况数据对驾驶员的驾驶模式进行识别。这种基于小数据量的识别方法不能准确反映车辆驾驶过程的实际情况，导致对驾驶员驾驶模式识别的准确率较低。

发明内容

本发明实施例所要解决的技术问题在于，提供一种驾驶模式识别方法、装置、终端设备及存储介质，基于车辆行驶过程中的大量数据，采用改进SOM算法对驾驶模式进行识别，能够有效提高驾驶模式识别的准确率。

为了实现上述目的，本发明实施例提供了一种车辆驾驶模式识别方法，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。

作为上述方案的改进，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。

作为上述方案的改进，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。

作为上述方案的改进，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；