[发明专利]基于马尔可夫链的重型车辆坡道爬行行为识别方法

摘要

本发明属于行为识别领域，具体涉及一种基于马尔可夫链的重型车辆坡道爬行行为识别方法。本发明以大规模重型商用车的GNSS行驶数据为数据源，通过时空特征提取与模式学习建立车辆行为模型，来辨识和预测重型商用车的坡道爬行行为。首先对数据进行时间分段，提取同一地理位置下车辆速度为零的时间连续样本，运用卡尔曼滤波优化样本数据精度，进一步提升样本质量。然后采用Markov Chain Monte Carlo模型构造车辆高度差的特征分布，并使用Metropolis Hastings算法进行参数估计，确定重型商用车的爬行行为特征。最后，建立基于逻辑回归的车辆行为模型HVMove。达到有效地辨识重型商用车的坡道行驶状态，以及准确地预测其坡道行驶状态的目的。

主权项

1.基于马尔可夫链的重型车辆坡道爬行行为识别方法，其特征在于，包括如下步骤：步骤1：获取重型车辆的行驶数据，对行驶数据进行数据清洗，获得样本行驶数据，所述样本行驶数据包括位置数据、高度观测数据、车速数据与时间数据；步骤2：对步骤1得到的样本行驶数据进行真实地图匹配与日期分段，并将分段后的样本行驶数据划分为训练集和测试集，建立高度预测模型，将训练集的高度观测数据输入高度预测模型，得到训练集的高度数据的最优预测值；步骤3：获取步骤2得到训练集的高度数据的最优预测值与高度观测数据之间的误差阈值，根据误差阈值标记训练集的高度数据的最优预测值获得基准数据，将基准数据与步骤2得到的训练集的高度数据的最优预测值进行匹配，获得标高轨迹；步骤4：对步骤3获得的标高轨迹进行特征提取，建立基于马尔科夫链的重型车辆爬坡行为模型，将步骤2获得的测试集的样本行驶数据输入重型车辆爬坡行为模型，识别出测试集中重型车辆的爬行行为。