述行駛狀
??τ ο
[0056]進(jìn)一步地，所述第二特征提取單元具體用于:
[0057]根據(jù)所述樣本特征提取時間窗確定識別特征提取時間窗；根據(jù)確定的步長移動所述識別特征提取時間窗，獲得多個時間窗內(nèi)的車輛行駛特征；其中，所述樣本特征提取時間窗的長度與所述識別特征提取時間窗的長度相同，所述步長小于所述識別特征提取時間窗的長度。
[0058]進(jìn)一步地，所述行駛狀態(tài)包括靜止、勻速直線行駛、加速行駛、減速行駛、轉(zhuǎn)彎、變道中的一種或者多種。
[0059]本發(fā)明實(shí)施例提供的車輛行駛狀態(tài)識別方法及裝置，通過傳感器采集車輛在不同行駛狀態(tài)下的樣本數(shù)據(jù)，對確定的時間窗內(nèi)的樣本數(shù)據(jù)進(jìn)行特征提取和特征選擇處理，從而得到訓(xùn)練樣本特征集，并利用分類方法對所述訓(xùn)練樣本特征集中的數(shù)據(jù)進(jìn)行訓(xùn)練，獲得車輛行駛狀態(tài)分類模型，從而能夠準(zhǔn)確、全面地識別車輛行駛狀態(tài)。由于本發(fā)明采用傳感器采集車輛在不同行駛狀態(tài)下的數(shù)據(jù)，方便快捷，并且采集數(shù)據(jù)量小。本發(fā)明結(jié)合車輛行駛狀態(tài)特征，確定具有一致且穩(wěn)定狀態(tài)的時間窗進(jìn)行特征提取，從而得到能夠表征車輛行駛狀態(tài)的特征，以提高最終識別結(jié)果的準(zhǔn)確性。此外，本發(fā)明通過特征選擇和去除處理，使得獲得的分類模型泛化能力更強(qiáng)，減少過擬合，降低了算法的復(fù)雜度，提高了算法的準(zhǔn)確度。此夕卜，本發(fā)明利用分類方法進(jìn)行分類訓(xùn)練，可以全面、準(zhǔn)確地識別各種車輛行駛狀態(tài)。
【附圖說明】
[0060]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明中記載的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0061]圖1為本發(fā)明實(shí)施例提供的車輛行駛狀態(tài)識別方法流程示意圖；
[0062]圖2為本發(fā)明實(shí)施例提供的時間窗選取示意圖；
[0063]圖3為本發(fā)明實(shí)施例提供的特征選擇流程示意圖；
[0064]圖4為本發(fā)明實(shí)施例提供的模型訓(xùn)練流程示意圖；
[0065]圖5為本發(fā)明實(shí)施例提供的狀態(tài)識別示意圖；
[0066]圖6為本發(fā)明實(shí)施例提供的識別特征提取示意圖；
[0067]圖7為本發(fā)明實(shí)施例提供的車輛行駛狀態(tài)識別裝置示意圖。
【具體實(shí)施方式】
[0068]首先對本發(fā)明的思想進(jìn)行闡述。現(xiàn)有技術(shù)中存在的車輛行駛狀態(tài)識別方法需要在道路上配置專門的攝像頭采集圖像數(shù)據(jù)，并且需要存儲、處理圖像數(shù)據(jù)，存在采集數(shù)據(jù)大、處理算法復(fù)雜、處理效率低、不便捷的缺陷。此外，現(xiàn)有技術(shù)僅能夠識別某一種或者某幾種典型車輛行駛狀態(tài)，并不存在準(zhǔn)確、全面地識別車輛行駛狀態(tài)的方法。
[0069]發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，相對于配置專門的攝像頭采集圖像數(shù)據(jù)的方式，傳感器可以方便地采集車輛行駛數(shù)據(jù)。特別地，現(xiàn)有的智能終端設(shè)備，例如手機(jī)上集成了多種傳感器模塊，包括但不限于加速度傳感器、陀螺儀傳感器、方向傳感器、磁力傳感器等，可以方便、快捷地采集比較豐富的行車數(shù)據(jù)。此外手機(jī)具有便于攜帶、使用方便、節(jié)約成本的優(yōu)勢，因此使用類似手機(jī)等智能終端采集車輛行駛數(shù)據(jù)是十分便捷的。
[0070]此外，發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中發(fā)現(xiàn)，車輛狀態(tài)的識別的過程可以理解為根據(jù)采集值劃分?jǐn)?shù)據(jù)所屬的類別的過程。發(fā)明人在研究了若干種分類方法后發(fā)現(xiàn):決策樹方法容易忽略數(shù)據(jù)集中屬性之間的相關(guān)性，易出現(xiàn)過度擬合問題；人工神經(jīng)網(wǎng)絡(luò)方法需要大量的參數(shù)，不能觀察之間的學(xué)習(xí)過程，輸出結(jié)果難以解釋，會影響到結(jié)果的可信度和可接受程度；遺傳算法編程實(shí)現(xiàn)比較復(fù)雜；支持向量機(jī)對缺失值的變化較為敏感。這些方法都不適用于車輛行駛狀態(tài)的分類和識別。此外，車輛運(yùn)行過程中的狀態(tài)切換表現(xiàn)為類域交叉和重疊的特點(diǎn)，車輛從一個狀態(tài)過渡到另外一個狀態(tài)就屬于類域交叉。而相較于其他方法，K最鄰近方法簡單、有效，重新訓(xùn)練的代價較低，計(jì)算時間和空間線性于訓(xùn)練集的規(guī)模，主要靠周圍有限的鄰近的樣本，而不是靠判別類域的方法來確定所屬類別，因此對于類域的交叉或重疊較多的待分樣本集來說，κ最鄰近方法較其他方法更為適合。此外，識別的準(zhǔn)確性不僅取決于算法的選擇，樣本數(shù)據(jù)獲取、時間窗長度、特征選擇同樣影響狀態(tài)識別的準(zhǔn)確性，在實(shí)際應(yīng)用中需要結(jié)合實(shí)際場景確保每個環(huán)節(jié)的合理性。
[0071]基于此，本發(fā)明提出了一種基于手機(jī)傳感器的車輛行駛狀態(tài)識別方法，用于解決現(xiàn)有技術(shù)中采集投入大，不便捷，無法準(zhǔn)確、全面地識別車輛行駛狀態(tài)的問題。
[0072]為了使本技術(shù)領(lǐng)域的人員更好地理解本發(fā)明中的技術(shù)方案，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都應(yīng)當(dāng)屬于本發(fā)明保護(hù)的范圍。
[0073]本發(fā)明提供的車輛行駛狀態(tài)識別裝置可以是單獨(dú)的設(shè)備，也可以應(yīng)用到任何電子設(shè)備中。所述電子設(shè)備可以是現(xiàn)有的、正在研發(fā)的或?qū)硌邪l(fā)的任何電子設(shè)備，包括但不限于:現(xiàn)有的、正在研發(fā)的或?qū)硌邪l(fā)的臺式計(jì)算機(jī)、膝上型計(jì)算機(jī)、移動終端(包括智能手機(jī)、非智能手機(jī)、各種平板電腦)等。特別地，由于手機(jī)等智能終端具有使用方便、成本低的特點(diǎn)，本發(fā)明提供的方法可以應(yīng)用于手機(jī)等智能終端中，所述智能終端具有傳感器器件或者模塊。此外，本發(fā)明提供的方法和裝置也可以應(yīng)用于車輛中，只需所述車輛集成了傳感器即可。當(dāng)然，以上僅是本發(fā)明應(yīng)用場景的若干舉例，本發(fā)明提供的方法和裝置還可以應(yīng)用到其他場景中，在此不進(jìn)行限制。
[0074]參見圖1，本發(fā)明實(shí)施例提供的車輛行駛狀態(tài)識別方法流程示意圖。如圖1所示，所述方法可以包括:
[0075]S101，利用傳感器采集車輛處于不同行駛狀態(tài)下的樣本數(shù)據(jù)。
[0076]其中，所述行駛狀態(tài)包括靜止、勻速直線行駛、加速行駛、減速行駛、轉(zhuǎn)彎、變道中的一種或多種。所述傳感器包括但不限于加速度傳感器、陀螺儀傳感器、方向傳感器、磁力傳感器等。所述樣本數(shù)據(jù)包括下列中的任意一種或結(jié)合:加速度數(shù)據(jù)、車輛姿態(tài)數(shù)據(jù)、方向角數(shù)據(jù)、磁場數(shù)據(jù)。
[0077]舉例說明，可以利用加速度傳感器采集加速度數(shù)據(jù)a(x，y，z)。其中，x代表橫向加速度，可以用于識別變道、轉(zhuǎn)彎、是否直線行駛等行駛狀態(tài)；7代表前向加速度，可以用來識別加速、減速等行駛狀態(tài)；z是縱向加速度，可以用于識別是否直線行駛、靜止等狀態(tài)。具體實(shí)現(xiàn)時，還可以利用陀螺儀傳感器采集車輛姿態(tài)數(shù)據(jù)，g(x，1，z)，分別代表X y, z軸的旋轉(zhuǎn)速度，單位為弧度/秒，用于表示車輛的朝向和運(yùn)動數(shù)據(jù)。此外，可以利用方向傳感器采集行駛方向數(shù)據(jù)d(x，y，z)，可以用于識別轉(zhuǎn)彎、變道等行駛狀態(tài)。進(jìn)一步地，還可以利用磁場傳感器測量磁力變化，根據(jù)磁力變化速度，可以識別加速、減速等行駛狀態(tài)。這幾種方式可以單獨(dú)使用，也可以結(jié)合使用，在此不進(jìn)行限制。
[0078]需要說明的是，使車輛處于不同的行駛狀態(tài)，分別采集不同行駛狀態(tài)下的傳感器數(shù)據(jù)，為了保證分類結(jié)果的準(zhǔn)確性，各行駛狀態(tài)下的采集數(shù)據(jù)量應(yīng)相近，使最終樣本均衡。其中，所有行駛狀態(tài)下的數(shù)據(jù)量大致相近，意為對于每種行駛狀態(tài)訓(xùn)練數(shù)據(jù)量是公平的，如果某一個狀態(tài)數(shù)據(jù)量很少，那么特征較其他的行駛狀態(tài)不明顯，將會影響識別的準(zhǔn)確性。因此，保證采集的各行駛狀態(tài)的數(shù)據(jù)量平衡，可以提高識別的準(zhǔn)確性。
[0079]在采集樣本數(shù)據(jù)后，即可以在一定時間窗內(nèi)，分別對不同行駛狀態(tài)下采集的傳感器數(shù)據(jù)進(jìn)行特征提取和特征選擇，并標(biāo)記選擇的特征所對應(yīng)的行駛狀態(tài)，得到訓(xùn)練樣本數(shù)據(jù)，詳細(xì)實(shí)現(xiàn)如步驟S102、S103所示。
[0080]S102，確定樣本特征提取時間窗，對所述樣本特征提取時間窗內(nèi)的樣本數(shù)據(jù)進(jìn)行特征提取，獲得基本特征集。
[0081]本發(fā)明通過結(jié)合車輛行駛狀態(tài)特征，找到一個具有一致且穩(wěn)定的狀態(tài)的時間窗，即在該時間窗內(nèi)，特征可以確定狀態(tài)。所述時間窗的長度可以根據(jù)經(jīng)驗(yàn)確定，例如3-5秒。在確定樣本特征提取時間窗后，即可對時間窗內(nèi)的樣本數(shù)據(jù)進(jìn)行特征提取，得到基本特征集。
[0082]其中