本技术涉及车辆领域，尤其涉及一种模型训练方法、驾驶风格识别方法、装置、设备及介质。
背景技术：
1、随着汽车行业智能化与电气化的进程以及汽车产品越来越消费品化，汽车产品对人和景的自适应智能控制越来越紧迫，驾驶风格识别技术在此得以发展。驾驶风格识别技术主要技术包含选择输入信息、根据输入信息选择特征参数，使用机器学习或者深度学习算法利用采集到的输入信息进行模型训练，以尽可能准确的识别出驾驶员的驾驶风格。
2、而目前的驾驶风格识别技术涉及到场景信息时，均直接将此场景信息直接作为模型输入，这会导致识别模型维度不断扩大，另外随着场景的增加，模型也需要跟着重新训练并增加维度，不利于驾驶风格识别技术的应用。
技术实现思路
1、本技术提供一种模型训练方法、驾驶风格识别方法、装置、设备及介质，以解决传统方案中随着场景的增加，模型也需要跟着重新训练并增加维度，不利于驾驶风格识别技术的应用问题。
2、为解决上述问题，提供如下方案：
3、提供一种驾驶风格识别模型训练方法，包括：
4、采集训练数据集，训练数据集包括多个不同驾驶风格分别对应的训练数据，训练数据包括车辆状态参数、驾驶员操作参数、基准速度参数和驾驶风格标签；
5、其中，驾驶风格对应的基准速度参数，为驾驶风格下车辆对应的场景信息转换得到；
6、基于训练数据集进行模型训练，并将训练结束的模型作为驾驶风格识别模型。
7、可选地，场景信息包括车辆行驶过程中的近场传感器信息和地图信息，驾驶风格对应的基准速度参数通过如下方式获取：
8、根据驾驶风格下车辆对应的近场传感器信息和地图信息，转换得到驾驶风格对应的基准速度参数。
9、可选地，根据驾驶风格下车辆对应的近场传感器信息和地图信息，转换得到驾驶风格对应的基准速度参数，包括：
10、根据近场传感器信息和/或地图信息中的速度信息，获取至少一个待选显性车速；
11、转换地图信息中的道路信息，以获取至少一个待选隐性车速；
12、根据近场传感器信息中的标识信息，以获取至少一个待选连接性车速，待选连接性车速表征了标识信息对于车辆纵向运动位置的速度变化；
13、分别从待选显性车速中，待选隐性车速中和待选连接性车速中，选取出显性基准车速、隐性基准车速和连接性基准车速；
14、根据显性基准车速、隐性基准车速和连接性基准车速，获取基准速度参数。
15、可选地，分别从待选显性车速中，待选隐性车速中和待选连接性车速中，选取出显性基准车速、隐性基准车速和连接性基准车速，包括：
16、分别从待选显性车速中，待选隐性车速中和待选连接性车速中，选取出最小速度作为显性基准车速、隐性基准车速和连接性基准车速；
17、或者；
18、按照预设优先级顺序，分别从待选显性车速中，待选隐性车速中和待选连接性车速中，选取出优先级最高的车速作为显性基准车速、隐性基准车速和连接性基准车速。
19、可选地，转换地图信息中的道路信息，以获取至少一个待选隐性车速，包括：
20、将地图信息中的至少一个道路信息，分别输入预设拟合函数或者查表函数，以获取至少一个待选隐性车速。
21、可选地，根据显性基准车速、隐性基准车速和连接性基准车速，获取基准速度参数，包括：
22、从显性基准车速、隐性基准车速和连接性基准车速中选取出最小车速作为基准速度参数。
23、可选地，将训练结束的模型作为驾驶风格识别模型之后，该方法还包括：
24、将驾驶风格识别模型，下发至目标车辆的应用端，以使应用端依据驾驶风格识别模型，对目标车辆行驶过程的驾驶风格进行识别。
25、可选地，将训练结束的模型作为驾驶风格识别模型之后，该方法还包括：
26、统计驾驶风格识别模型输出的驾驶风格值，与驾驶风格值对应的基准车速参数之间的关系信息，并将关系信息下发至目标车辆的应用端；
27、接收应用端反馈的驾驶风格修正值，其中，驾驶风格修正值为应用端计算出的预测车速和目标车辆的实际车速的差值，预测车速为应用端依据目标车辆的基准车速参数和关系信息获取到；
28、通过驾驶风格修正值，更正训练数据集中的驾驶风格标签，以更新驾驶风格识别模型的训练。
29、提供一种驾驶风格识别方法，包括：
30、获取目标车辆行驶过程中的行驶数据，行驶数据包括目标车辆行驶过程中的车辆状态参数、驾驶员操作参数和基准速度参数；
31、将行驶数据输入如前述任一项训练得到的驾驶风格识别模型中，以通过驾驶风格识别模型识别目标车辆的驾驶风格。
32、可选地，通过驾驶风格识别模型识别目标车辆的驾驶风格之后，该方法还包括：
33、依据基准车速参数和关系信息，获取预测车速，其中，关系为信息为训练端训练过程中，统计的驾驶风格识别模型输出的驾驶风格值，与驾驶风格值对应的基准车速参数之间的关系信息；
34、将预测车速和目标车辆的实际车速的差值作为驾驶风格修正值；
35、将驾驶风格修正值上传至训练端，以使训练端依据驾驶风格修正值更正训练数据集中的驾驶风格标签，以更新驾驶风格识别模型的训练。
36、提供一种驾驶风格识别模型训练装置，包括：
37、采集模块，用于采集训练数据集，训练数据集包括多个不同驾驶风格分别对应的训练数据，训练数据包括车辆状态参数、驾驶员操作参数、基准速度参数和驾驶风格标签；
38、其中，驾驶风格对应的基准速度参数，为驾驶风格下车辆对应的场景信息转换得到；
39、训练模块，用于将训练数据集输入深度学习模型中进行训练；
40、确定模块，用于将训练结束的深度学习模型作为驾驶风格识别模型。
41、提供一种驾驶风格识别装置，包括：
42、获取模块，用于获取目标车辆行驶过程中的行驶数据，行驶数据包括目标车辆行驶过程中的车辆状态参数、驾驶员操作参数和基准速度参数；
43、识别模块，用于将行驶数据输入如前述任一项训练得到的驾驶风格识别模型中，以通过驾驶风格识别模型识别目标车辆的驾驶风格。
44、提供一种计算机设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如前述任一项的驾驶风格识别模型训练方法，或者实现如前述任一项的驾驶风格识别方法。
45、提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如前述任一项的驾驶风格识别模型训练方法，或者实现如前述任一项的驾驶风格识别方法。
46、上述提供的任意一个方案中，对输入参数做了改变，通过对驾驶风格对应的场景信息进行转换，得到统一的基准速度参数，通过这种处理方式，可以将不同的驾驶风格下，车辆行驶过程中千变万化的场景转换为统一的基准速度接口，实现驾驶风格识别模型的输入参数的统一及复杂度降低，不会导致驾驶风格识别模型维度扩大，另外，也不会随着场景的增加，模型也需要跟着重新训练并增加维度的问题，可实现模型更新适应新的场景，有利于驾驶风格识别技术的应用。
1.一种驾驶风格识别模型训练方法，其特征在于，包括：
2.如权利要求1所述的驾驶风格识别模型训练方法，其特征在于，所述场景信息包括所述车辆行驶过程中的近场传感器信息和地图信息，所述驾驶风格对应的基准速度参数通过如下方式获取：
3.如权利要求2所述的驾驶风格识别模型训练方法，其特征在于，所述根据所述驾驶风格下所述车辆对应的近场传感器信息和地图信息，转换得到所述驾驶风格对应的基准速度参数，包括：
4.如权利要求3所述的驾驶风格识别模型训练方法，其特征在于，所述分别从所述待选显性车速中，所述待选隐性车速中和所述待选连接性车速中，选取出显性基准车速、隐性基准车速和连接性基准车速，包括：
5.如权利要求3所述的驾驶风格识别模型训练方法，其特征在于，所述转换所述地图信息中的道路信息，以获取至少一个待选隐性车速，包括：
6.如权利要求3所述的驾驶风格识别模型训练方法，其特征在于，所述根据所述显性基准车速、所述隐性基准车速和所述连接性基准车速，获取所述基准速度参数，包括：
7.如权利要求1-6任一项所述的驾驶风格识别模型训练方法，其特征在于，所述将训练结束的模型作为驾驶风格识别模型之后，所述方法还包括：
8.如权利要求7所述的驾驶风格识别模型训练方法，其特征在于，所述将训练结束的模型作为驾驶风格识别模型之后，所述方法还包括：
9.一种驾驶风格识别方法，其特征在于，包括：
10.如权利要求9所述的驾驶风格识别方法，其特征在于，所述通过所述驾驶风格识别模型识别所述目标车辆的驾驶风格之后，所述方法还包括：
11.一种驾驶风格识别模型训练装置，其特征在于，包括：
12.一种驾驶风格识别装置，其特征在于，包括：
13.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的驾驶风格识别模型训练方法，或者实现如权利要求9至10任一项所述的驾驶风格识别方法。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的驾驶风格识别模型训练方法，或者实现如权利要求9至10任一项所述的驾驶风格识别方法。
