10.13695/j.cnki.12-1222/o3.2019.03.002
基于手机惯性传感器与多特征CNN的驾驶行为识别算法
不良驾驶行为识别对于减少交通事故的发生及实现智能交通具有重要意义.针对目前驾驶行为识别精度不高及系统稳定性不好问题,提出了一种基于多特征卷积神经网络和智能手机惯性传感器的新型驾驶行为识别方法.通过获取手机惯性传感器数据,利用多特征卷积神经网络对数据集进行特征提取和分析,来实现对多种驾驶行为的识别.最后,利用实际采集的车载数据进行不同方法试验对比,该算法对驾驶行为的分类精度达到97.14%,在识别精度上有一定优势.此外,MFCNN测试结果的方差仅为0.014391,小于其它3种网络模型,可见所研究的网络模型及方法更加稳定可靠.
智能交通、惯性传感器、卷积神经网络、驾驶行为
27
TP389.1(计算技术、计算机技术)
国家自然科学基金61601228,41704022,61803208;江苏省自然科学基金BK20161021,BK20170780;江苏省“六大人才高峰”人才支持计划2016-DZXX-035;江苏省高校自然基金17KJB510031
2019-08-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
288-294