一种基于车辆运行时序数据的驾驶稳定程度确定方法及装置与流程

本技术属于智能驾驶，具体涉及一种基于车辆运行时序数据的驾驶稳定程度确定方法及装置。

背景技术：

1、随着智能网联汽车技术和车联网通信技术的快速发展，车辆运行时序数据的采集与处理能力不断提升。通过对车速、油门开度、制动压力、方向盘转角等车辆运行时序数据的分析，可以识别驾驶员在行驶过程中的各类驾驶事件，从而确定其驾驶稳定性，已成为车队安全管理、驾驶员绩效考核以及保险定价等领域的重要技术手段。

2、目前，主流的驾驶稳定性评价方案通常采用基于预设阈值的检测方法，即通过预先设定加速度、减速度或方向盘转角变化率的阈值，从车辆运行时序数据中检测出急加速事件、急刹车事件和急转弯事件，并根据检测到的事件发生频次或强度来确定驾驶稳定程度。然而，实际驾驶环境复杂多变，驾驶员在面对相同道路场景时所采取的操作方式存在合理差异，仅依据是否发生上述几类驾驶事件及其发生频次或强度，难以全面、客观地反映驾驶员的真实驾驶水平和操作质量，容易导致确定结果的准确性和公平性不足。

技术实现思路

1、本技术实施例提供一种基于车辆运行时序数据的驾驶稳定程度确定方法及装置，目的在于结合驾驶员在驾驶事件发生前的前置预判操作来确定驾驶稳定程度，有效提升驾驶稳定程度确定的全面性、客观性和准确性，更真实地反映驾驶员的驾驶水平和风险预判能力。

2、第一方面，本技术实施例提供了一种基于车辆运行时序数据的驾驶稳定程度确定方法，所述方法包括：

3、获取车辆运行时序数据，并基于所述车辆运行时序数据识别多个预设驾驶事件；其中，所述预设驾驶事件包括急加速事件、急刹车事件以及急转弯事件；

4、在所述车辆运行时序数据中提取每个所述预设驾驶事件的子时序数据，并基于所述子时序数据识别对应的预设驾驶事件是否存在前置预判操作；

5、将存在前置预判操作的预设驾驶事件确定为目标驾驶事件，基于所述目标驾驶事件的子时序数据，确定所述前置预判操作的预判提前时长以及操作平稳程度，基于所述预判提前时长以及所述操作平稳程度，计算所述前置预判操作的预判力度参数，基于所述预判力度参数确定所述前置预判操作的预判程度；

6、获取车辆驾驶场景信息，并基于所述车辆驾驶场景信息确定补偿灵敏系数以及补偿基准偏移系数，基于所述目标驾驶事件对应的预判程度、所述补偿灵敏系数以及所述补偿基准偏移系数，计算预判补偿系数，对所述预判补偿系数进行归一化处理，得到归一化预判补偿系数，并基于所述归一化预判补偿系数对所述目标驾驶事件对应的预设权重系数进行下调，得到所述目标驾驶事件的调整后的预设权重系数，并基于每个所述预设驾驶事件对应的预设权重系数确定驾驶稳定程度。

7、进一步的，所述基于所述预判力度参数确定所述前置预判操作的预判程度，包括：

8、获取所述目标驾驶事件的发生时刻以及发生位置；

9、基于所述发生时刻、所述发生位置以及预先构建的驾驶行为参照库，确定目标历史预判力度参数；其中，所述驾驶行为参照库包括不同时间区段和不同道路位置下的历史驾驶事件对应的历史预判力度参数；

10、基于所述预判力度参数以及所述目标历史预判力度参数，确定所述前置预判操作的预判程度。

11、进一步的，所述基于所述预判力度参数以及所述目标历史预判力度参数，确定所述前置预判操作的预判程度，包括：

12、计算所述目标历史预判力度参数对应的平均值以及标准差；

13、计算所述预判力度参数与所述平均值之间的差值；

14、将所述差值除以所述标准差，得到相对预判力度参数，作为所述前置预判操作的预判程度。

15、进一步的，所述车辆驾驶场景信息包括道路类型信息、交通状态信息以及天气环境信息；

16、相应的，所述基于所述车辆驾驶场景信息确定补偿灵敏系数以及补偿基准偏移系数，包括：

17、获取所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿灵敏系数以及分量补偿基准偏移系数；

18、按照第一预设权重系数，对所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿灵敏系数进行加权求和计算，得到补偿灵敏系数；

19、按照第二预设权重系数，对所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿基准偏移系数进行加权求和计算，得到补偿基准偏移系数。

20、进一步的，在所述基于所述预判力度参数确定所述前置预判操作的预判程度之前，所述方法还包括：

21、获取所述目标驾驶事件对应的事件强度参数以及所述前置预判操作的结束强度变化参数；

22、基于所述事件强度参数以及所述结束强度变化参数，确定所述前置预判操作对应的事件抑制程度；

23、基于所述事件抑制程度对所述预判力度参数进行修正。

24、进一步的，所述基于所述事件抑制程度对所述预判力度参数进行修正，包括：

25、基于所述事件抑制程度以及预设抑制基准程度，确定所述前置预判操作对应的预判效果偏移量；

26、基于所述预判效果偏移量确定预判力度修正量，并基于所述预判力度修正量对所述预判力度参数进行修正，得到修正后的预判力度参数。.

27、进一步的，所述子时序数据包括油门开度时序数据、制动压力时序数据、方向盘转角时序数据以及转向灯状态时序数据；

28、相应的，所述基于所述子时序数据识别对应的预设驾驶事件是否存在前置预判操作，包括：

29、在预设驾驶事件为急加速事件的情况下，基于所述油门开度时序数据识别是否存在前置预判操作；

30、在预设驾驶事件为急刹车事件的情况下，基于所述油门开度时序数据以及所述制动压力时序数据识别是否存在前置预判操作；

31、在预设驾驶事件为急转弯事件的情况下，基于所述转向灯状态时序数据以及方向盘转角时序数据识别是否存在前置预判操作。

32、第二方面，本技术实施例提供了一种基于车辆运行时序数据的驾驶稳定程度确定装置，所述装置包括：

33、驾驶事件识别模块，用于获取车辆运行时序数据，并基于所述车辆运行时序数据识别多个预设驾驶事件；其中，所述预设驾驶事件包括急加速事件、急刹车事件以及急转弯事件；

34、预判操作识别模块，用于在所述车辆运行时序数据中提取每个所述预设驾驶事件的子时序数据，并基于所述子时序数据识别对应的预设驾驶事件是否存在前置预判操作；

35、预判程度确定模块，用于将存在前置预判操作的预设驾驶事件确定为目标驾驶事件，基于所述目标驾驶事件的子时序数据，确定所述前置预判操作的预判提前时长以及操作平稳程度，基于所述预判提前时长以及所述操作平稳程度，计算所述前置预判操作的预判力度参数，基于所述预判力度参数确定所述前置预判操作的预判程度；

36、稳定程度确定模块，用于获取车辆驾驶场景信息，并基于所述车辆驾驶场景信息确定补偿灵敏系数以及补偿基准偏移系数，基于所述目标驾驶事件对应的预判程度、所述补偿灵敏系数以及所述补偿基准偏移系数，计算预判补偿系数，对所述预判补偿系数进行归一化处理，得到归一化预判补偿系数，并基于所述归一化预判补偿系数对所述目标驾驶事件对应的预设权重系数进行下调，得到所述目标驾驶事件的调整后的预设权重系数，并基于每个所述预设驾驶事件对应的预设权重系数确定驾驶稳定程度。

37、进一步的，所述预判程度确定模块，具体用于：

38、获取所述目标驾驶事件的发生时刻以及发生位置；

39、基于所述发生时刻、所述发生位置以及预先构建的驾驶行为参照库，确定目标历史预判力度参数；其中，所述驾驶行为参照库包括不同时间区段和不同道路位置下的历史驾驶事件对应的历史预判力度参数；

40、基于所述预判力度参数以及所述目标历史预判力度参数，确定所述前置预判操作的预判程度。

41、进一步的，所述预判程度确定模块，具体用于：

42、计算所述目标历史预判力度参数对应的平均值以及标准差；

43、计算所述预判力度参数与所述平均值之间的差值；

44、将所述差值除以所述标准差，得到相对预判力度参数，作为所述前置预判操作的预判程度。

45、进一步的，所述车辆驾驶场景信息包括道路类型信息、交通状态信息以及天气环境信息；

46、相应的，所述稳定程度确定模块，具体用于：

47、获取所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿灵敏系数以及分量补偿基准偏移系数；

48、按照第一预设权重系数，对所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿灵敏系数进行加权求和计算，得到补偿灵敏系数；

49、按照第二预设权重系数，对所述道路类型信息、所述交通状态信息以及所述天气环境信息分别对应的分量补偿基准偏移系数进行加权求和计算，得到补偿基准偏移系数。

50、进一步的，所述装置还用于：

51、获取所述目标驾驶事件对应的事件强度参数以及所述前置预判操作的结束强度变化参数；

52、基于所述事件强度参数以及所述结束强度变化参数，确定所述前置预判操作对应的事件抑制程度；

53、基于所述事件抑制程度对所述预判力度参数进行修正。

54、进一步的，所述装置还用于：

55、基于所述事件抑制程度以及预设抑制基准程度，确定所述前置预判操作对应的预判效果偏移量；

56、基于所述预判效果偏移量确定预判力度修正量，并基于所述预判力度修正量对所述预判力度参数进行修正，得到修正后的预判力度参数。.

57、进一步的，所述子时序数据包括油门开度时序数据、制动压力时序数据、方向盘转角时序数据以及转向灯状态时序数据；

58、相应的，所述预判操作识别模块，具体用于：

59、在预设驾驶事件为急加速事件的情况下，基于所述油门开度时序数据识别是否存在前置预判操作；

60、在预设驾驶事件为急刹车事件的情况下，基于所述油门开度时序数据以及所述制动压力时序数据识别是否存在前置预判操作；

61、在预设驾驶事件为急转弯事件的情况下，基于所述转向灯状态时序数据以及方向盘转角时序数据识别是否存在前置预判操作。

62、第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法。

63、第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法。

64、在本技术实施例中，获取车辆运行时序数据，并基于所述车辆运行时序数据识别多个预设驾驶事件；其中，所述预设驾驶事件包括急加速事件、急刹车事件以及急转弯事件；在所述车辆运行时序数据中提取每个所述预设驾驶事件的子时序数据，并基于所述子时序数据识别对应的预设驾驶事件是否存在前置预判操作；将存在前置预判操作的预设驾驶事件确定为目标驾驶事件，基于所述目标驾驶事件的子时序数据，确定所述前置预判操作的预判提前时长以及操作平稳程度，基于所述预判提前时长以及所述操作平稳程度，计算所述前置预判操作的预判力度参数，基于所述预判力度参数确定所述前置预判操作的预判程度；获取车辆驾驶场景信息，并基于所述车辆驾驶场景信息确定补偿灵敏系数以及补偿基准偏移系数，基于所述目标驾驶事件对应的预判程度、所述补偿灵敏系数以及所述补偿基准偏移系数，计算预判补偿系数，对所述预判补偿系数进行归一化处理，得到归一化预判补偿系数，并基于所述归一化预判补偿系数对所述目标驾驶事件对应的预设权重系数进行下调，得到所述目标驾驶事件的调整后的预设权重系数，并基于每个所述预设驾驶事件对应的预设权重系数确定驾驶稳定程度。上述基于车辆运行时序数据的驾驶稳定程度确定方法，结合驾驶员在驾驶事件发生前的前置预判操作来确定驾驶稳定程度，有效提升驾驶稳定程度确定的全面性、客观性和准确性，更真实地反映驾驶员的驾驶水平和风险预判能力。