申请/专利权人：广州汽车集团股份有限公司;安信通科技(澳门)有限公司

申请日：2022-03-07

公开（公告）日：2024-07-05

公开（公告）号：CN114637785B

主分类号：G06F16/2458

分类号：G06F16/2458;G06F16/215;G06F16/29;G06F18/2135;G06Q50/40

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2022.07.05#实质审查的生效;2022.06.17#公开

摘要：本发明涉及一种基于宽度学习算法的汽车驾驶习惯学习方法，在车辆启动和初始化后进行习惯学习和习惯预测。习惯学习为在相等的间隔时间获取一次学习目标的车辆数据，并记录有效的车辆数据和对有效的车辆数据进行PCA计算得到主成分变量集，然后剔除不在主成分变量集的多余数据列后，进行逻辑回归计算并更新保存宽度学习算法模型；习惯预测为在相等的间隔时间获取一次学习目标的车辆数据，然后在车辆行驶到设定圈数时将有效的车辆数据与更新保存后的宽度学习算法模型进行逻辑回归计算，得到预测开启信号，并在预测开启信号连续出现设定次数时发起开启学习目标，快速完成习惯学习，边预测边学习，无需联网，能够适应复杂多变的环境，预测结果准确。

主权项：1.一种基于宽度学习算法的汽车驾驶习惯学习方法，其特征在于，在车辆启动和初始化宽度学习算法模型后进行习惯学习（100）和习惯预测（200）；其中，所述习惯学习（100）包括宽度学习算法模型首先在相等的间隔时间获取一次学习目标的车辆数据，并记录有效的车辆数据，然后在车辆完成一圈行驶后，将记录的有效车辆数据进行PCA计算得到主成分变量集和记录当前车辆行驶圈数，最后将记录的有效车辆数据中不在主成分变量集的多余数据列剔除后，进行逻辑回归计算和更新保存宽度学习算法模型；所述习惯预测（200）包括首先在相等的间隔时间获取一次学习目标的车辆数据，然后在车辆行驶圈数达到设定圈数时将有效的车辆数据与上述更新保存后的宽度学习算法模型进行逻辑回归计算，得到预测开启信号，最后在预测开启信号连续出现设定次数时发起开启学习目标的指令；所述宽度学习算法模型是基于宽度学习算法的汽车驾驶习惯学习模型，包括特征层和增强层，工作原理为：第一，采集汽车的CAN信号、行为习惯数据、场景环境数据，经过标准化、归一化和增广，得到输入训练数据矩阵X；第二，生成具有适当唯独的随机权重系数，由呈高斯分布的随机权重矩阵生成，i表示迭代量；第三，对训练数据集X进行归一化和稀疏表示，稀疏表示的目的是找到一个稀疏矩阵w，使得；第四，生成特征节点：，并标记特征层为：；第五，给定了特征，直接计算生成增强节点，并标记增强层为：；当宽度学习算法模型进行模型训练时，首先神经网络的目的就是求解输入到输出的映射，用户执行的行为习惯状态作为标签向量Y，是为已知的数据；接着将特征层和增强层合并成,竖线表示将特征层和增强层合并成一行；然后计算权重W：，实际计算时，使用岭回归及伪逆运算求解权重矩阵，若数据固定，模型结构固定，能够直接找到最优的参数，即最优的预测结果；当宽度学习算法模型进行模型连续学习时，首先在实际的环境中，汽车驾驶习惯的数据是源源不断生成，汽车驾驶习惯特点也会时常发生改变，在增加新的驾驶行为习惯时，即会有新数据持续更新到宽度学习算法模型中；接着宽度学习算法增量学习的核心就是利用上一次的计算结果和新加入的数据，只需少量计算就能得到更新的权重数据，更新输出层的伪逆时，只需计算新加入节点的伪逆，增量学习的训练过程快速。

全文数据：

权利要求：

百度查询： 广州汽车集团股份有限公司 安信通科技(澳门)有限公司 一种基于宽度学习算法的汽车驾驶习惯学习方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD