公开(公告)号：CN119622371A

公开(公告)日：2025-03-14

申请号：CN202411452194.9

申请日：2024-10-17

Applicant: 吉林大学

Inventor： 郑雪莲 ,  康雯钰 ,  任园园 ,  李显生

IPC: G06F18/23 ,  G06F18/10 ,  G06F18/213 ,  G06F123/02

Abstract: 本发明涉及一种考虑数据变化趋势的驾驶行为基元聚类方法，包括以下步骤：步骤一：采集自然驾驶数据，选取驾驶行为分析变量，滤波处理后通过预处理后驾驶行为数据、驾驶行为导数数据得到驾驶行为数据集合#imgabs0#步骤二：用BMASS方法对#imgabs1#进行驾驶行为基元提取得到驾驶行为基元集合P＝{Pj；}j＝1:N；步骤三：对驾驶行为基元数据初步离散化；步骤四：针对Pj中t点及其邻域的导数、数据波动情况进行驾驶行为基元的数据变化趋势判断；步骤五：综合数据分布项和数据变化趋势项得到驾驶行为基元的离散化结果，基于LDA主题模型实现驾驶行为基元的聚类；本发明能够提高驾驶行为基元的聚类准确性，实现驾驶行为基元语义信息的精准表达，帮助驾驶人准确、直观理解其驾驶行为。

公开(公告)号：CN118364375A

公开(公告)日：2024-07-19

申请号：CN202410455252.7

申请日：2024-04-16

Applicant: 吉林大学

Inventor： 郑雪莲 ,  崔晓彤 ,  李显生 ,  任园园 ,  康雯钰

IPC: G06F18/2415 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0464 ,  B60W40/09

Abstract: 本发明提供基于卷积神经网络融合模型的驾驶行为基元识别方法，包括以下步骤：获取N个驾驶行为基元样本，采集驾驶行为基元的基元信息；通过基础变量信息构造驾驶行为基元的基元构造变量信息；通过基元基础变量信息、基元构造变量信息构建基元信息矩阵A；基于卷积神经网络，构建驾驶行为基元辨识模型，通过驾驶行为基元辨识模型实现对待识别驾驶行为基元的基元信息矩阵A进行处理，得到待识别驾驶行为基元的基元类别标签信息；实现同时对驾驶行为基元的基元基础变量信息、基元构造变量信息进行处理分析，且得到融合全局特征和局部特征的基元类别准确分析结果，从而提高基元识别效率，为自动驾驶行为决策提供研究基础。

公开(公告)号：CN117681886A

公开(公告)日：2024-03-12

申请号：CN202311846237.7

申请日：2023-12-29

Applicant: 吉林大学

Inventor： 郑雪莲 ,  崔晓彤 ,  李显生 ,  任园园 ,  康雯钰

IPC: B60W40/09 ,  B60W40/00

Abstract: 本发明公开了一种驾驶风格在线评价方法，包括以下步骤：提取若干直行或转弯路段的驾驶行为数据；基于贝叶斯凝聚型序列分割算法将直行或转弯路段的驾驶行为数据分割为若干路段基元；基于变量耦合的潜在迪利克雷分配模型对每个路段对应的路段基元进行聚类，分为不同类别；基于聚类后的不同类别路段基元的动能大小，对不同类别进行赋值；基于任意一路段的路段基元的类别赋值，获取任意一路段的路段基元平均强度值Q、路段基元转移多样性值D、路段基元转移倾向性值T；基于驾驶风格综合评价函数得到路段的驾驶风格评价值J；基于驾驶风格评价值J，得到路段的驾驶风格；解决了传统驾驶风格评价时耗费大量人力物力且在研究过程中计算繁琐的问题。

公开(公告)号：CN116415164A

公开(公告)日：2023-07-11

申请号：CN202310068157.7

申请日：2023-02-06

Applicant: 吉林大学

Inventor： 李显生 ,  崔晓彤 ,  郑雪莲 ,  任园园 ,  赵兰 ,  王杰 ,  康雯钰

IPC: G06F18/23211 ,  G06F18/2132 ,  G06F18/2431

Abstract: 本发明公开了一种基于LDA改进模型的驾驶事件聚类方法及系统，包括：获取驾驶事件，每个驾驶事件包括若干驾驶数据点，获取所述驾驶数据点的纵向加加速度；将速度划分为低速、中速和高速；基于车辆纵向动力学，根据阈值将纵向加速度划分为缓加速、急加速、匀速、缓减速与急减速；基于轮胎摩擦圆的限制，根据阈值将侧向加速度划分为低侧移和高侧移；将纵向加加速度划分为缓加加速、急加加速、缓减加速和急减加速；基于速度、纵向加速度、侧向加速度和纵向加加速度的类别，对驾驶事件的驾驶数据点进行离散化处理，得到离散数据组；将通过离散数据组表征的驾驶事件输入LDA模型中，为LDA模型设定聚类数，对驾驶事件进行聚类。

公开(公告)号：CN115690753A

公开(公告)日：2023-02-03

申请号：CN202211392265.1

申请日：2022-11-08

Applicant: 吉林大学

Inventor： 李显生 ,  崔晓彤 ,  郑雪莲 ,  任园园 ,  赵兰 ,  康雯钰

IPC: G06V20/59 ,  G06V10/26 ,  G06V10/762 ,  G06V10/77 ,  G06N7/01

Abstract: 本发明提供一种驾驶行为分割方法及驾驶数据段聚类方法，通过驾驶行为分割方法包括：采集若干行驶路段的特征性能数据，并对特征性能数据进行预处理，得到有效特征性能数据；根据有效特征性能数据，将所述行驶路段分为直行路段和转弯路段；基于第一转换公式，将所述有效特征性能数据转换为性质变量数据；基于第二转换公式，将所述有效特征性能数据转换为语义变量数据；根据所述性质变量数据和语义变量数据确认最优滑窗尺寸；实现将驾驶行为数据分割成若干标准驾驶数据段，突破人工标定的限制，同时可以进行人工智能分割，降低后续研究的复杂度并加深对数据的理解程度。