基于LSTM-att的车辆异常驾驶行为识别
车辆的异常行为可能引发交通事故,甚至造成经济损失和人员伤亡.准确识别车辆异常行为可以预防潜在的危险.针对现有研究存在的数据难以保留时间特征等问题,本文提出一种带有注意力层的长短记忆神经网络的识别模型,利用真实交通场景车辆异常轨迹对所提出的模型进行训练和验证.实验结果表明,所提出的模型能够有效的识别车辆异常驾驶行为,准确率可达到98.4%.
异常驾驶行为、注意力层、长短期记忆网络、注意力机制
31
TP751.1;TP391.41;TN911.73
河北省省级科技计划;国家重点研发计划
2022-05-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
165-173