期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度学习DBN算法的高速公路危险变道判别模型
被引量：
7
1
作者
赵玮
徐良杰
+1 位作者
冉斌
汪济洲
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017年第4期832-838,共7页
针对危险变道过程影响交通安全这一问题,提出一种基于深度学习DBN(deep belief netw orks)算法与分类分析方法的新型危险变道量化判别模型,以解决现存车辆变道过程不可被量化分析及准确判别的问题.招募28名被试者,利用模拟器仿真平台开...
针对危险变道过程影响交通安全这一问题,提出一种基于深度学习DBN(deep belief netw orks)算法与分类分析方法的新型危险变道量化判别模型,以解决现存车辆变道过程不可被量化分析及准确判别的问题.招募28名被试者,利用模拟器仿真平台开展实际场景下试验,获取详细的车辆行驶数据及驾驶环境数据作为训练的模型输入.采用SVM算法作为输出层的分类器,建立了DBN-SVM判别模型及基于样本下模型的一般训练方法.该模型的识别精度为93.78%,较朴素贝叶斯模型和BP-ANN神经网络分别提高20.11%和14.45%,并且调整参数后判别结果稳定.DBN-SVM模型可以根据驾驶员历史驾驶数据对即将发生的危险变道做出预测及判别,对驾驶员提出警告,从而减少交通事故的发生.此外,该研究为车联网环境下变道判别及警示的研究提供了理论支持.
展开更多
关键词
危险
变
道
判别
模拟车试验
智能交通
深度信任网络
自动驾驶
车联网
下载PDF
职称材料
题名
基于深度学习DBN算法的高速公路危险变道判别模型
被引量：
7
1
作者
赵玮
徐良杰
冉斌
汪济洲
机构
武汉理工大学交通学院
内蒙古科技大学经管学院
东南大学交通学院
出处
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017年第4期832-838,共7页
基金
教育部社科青年基金资助项目(16YJCZH157)
国家重点基础研究发展计划(973计划)资助项目(2012CB725405)
内蒙古科技大学创新基金资助项目(2015QDL27)
文摘
针对危险变道过程影响交通安全这一问题,提出一种基于深度学习DBN(deep belief netw orks)算法与分类分析方法的新型危险变道量化判别模型,以解决现存车辆变道过程不可被量化分析及准确判别的问题.招募28名被试者,利用模拟器仿真平台开展实际场景下试验,获取详细的车辆行驶数据及驾驶环境数据作为训练的模型输入.采用SVM算法作为输出层的分类器,建立了DBN-SVM判别模型及基于样本下模型的一般训练方法.该模型的识别精度为93.78%,较朴素贝叶斯模型和BP-ANN神经网络分别提高20.11%和14.45%,并且调整参数后判别结果稳定.DBN-SVM模型可以根据驾驶员历史驾驶数据对即将发生的危险变道做出预测及判别,对驾驶员提出警告,从而减少交通事故的发生.此外,该研究为车联网环境下变道判别及警示的研究提供了理论支持.
关键词
危险
变
道
判别
模拟车试验
智能交通
深度信任网络
自动驾驶
车联网
Keywords
dangerous lane-changing discriminant
vehicle simulation experiments
intelligent transportation
deep belief network
automatic driving
connected vehicle
分类号
U491.2 [交通运输工程—交通运输规划与管理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度学习DBN算法的高速公路危险变道判别模型
赵玮
徐良杰
冉斌
汪济洲
《东南大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2017
7
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
