10.3969/j.issn.1006-1010.20230512-0001
基于深度学习的路面状况监控与预测物联网设计
由于路面结冰严重威胁行车安全,因而公路结冰预警技术成为保障安全行驶的关键性技术.基于大连地区五年历史数据集,利用神经网络特征提取与压缩的能力,提出了基于深度学习的短时间道路结冰预测系统,并且构建了相应的硬件平台.具体地说,首先,构建了LSTM、CNN、TEXTCNN、ConvLSTM、Transformer五种神经网络从时域、空域等多维度挖掘数据集的内在结构,并对下一时刻道路结冰状况进行预测.其次,将训练好的五种神经网络调试并下载到树莓派4b平台,实现了低成本的硬件系统.最后,实验结果表明,TEXTCNN模型的预测准确率可以达到97%,同时鲁棒性最高,有效地解决高速公路高危路段的路面凝冰预测的技术难题.
深度学习、道路结冰、树莓派4b
47
TN929.5
2023-09-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
9-15