-
题名基于GRU递归神经网络的城市道路超车预测
被引量：5
- 1
-
-
作者
王浩
黄美鑫
武志薪
鞠建敏
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《中国科技论文》
CAS
北大核心
2019年第3期285-290,共6页
-
文摘
城市道路中的超车行为尤其是违规超车等,对交通秩序与安全造成严重影响。随着电子警察与卡口等车牌识别系统的广泛应用,通过上下游车牌识别与时间对比,可以较为精确地获取车辆在路段之间的超车关系。基于电子警察处理的超车数据建立了基于GRU递归神经网络的城市道路超车率预测模型,预测城市道路超车率的变化趋势,并与循环神经网络(recurrent neural network,RNN)、反向传播(back propagation,BP)神经网络进行对比。在苏州工业园区星湖街-现代大道路段的测试结果表明,基于GRU递归网络的超车预测模型的绝对值误差为12.52%,相比于其他2种模型,精度高、泛化能力强、鲁棒性强。
-
关键词
深度递归神经网络
神经网络
超车预测
交通安全
-
Keywords
gated recurrent unit(GRU)
neural network
overtaking prediction
traffic safety
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
U491
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于模糊神经网络的智能超车系统安全性预测的研究
被引量：5
- 2
-
-
作者
王明亮
郑建立
-
机构
上海东华大学信息学院
-
出处
《微计算机信息》
北大核心
2007年第03X期59-60,共2页
-
文摘
为了解决高速公路上频繁超车换道而引发的大量交通事故,对高速公路中广泛存在的超车现象进行了分析,并基于模糊控制和神经网络等理论知识,建立了高速公路自动超车系统上安全性预测的模糊神经网络模型,该模型的建立有助于智能汽车作出更安全更有效的控制策略。
-
关键词
模糊神经网络模型
自动超车
安全性预测
-
Keywords
Fuzzy neural networks,Automatlc overtaking system, prediction of security.
-
分类号
TP375
[自动化与计算机技术—计算机系统结构]
-
-
题名基于V2I的弯道超车安全预测研究
- 3
-
-
作者
张洪昌
汪琛
唐本刊
郝麟
-
机构
武汉理工大学现代汽车零部件技术湖北省重点实验室
武汉理工大学汽车零部件技术湖北省协同创新中心
武汉理工大学湖北省新能源与智能网联车工程技术研究中心
-
出处
《武汉理工大学学报》
CAS
2024年第3期125-133,共9页
-
基金
新能源汽车科学与关键技术学科创新引智基地(B17034)。
-
文摘
随着车辆保有量的与日俱增,道路通行效率问题日益严重,特别是紧急救援车辆的救援效率问题。针对弯道路段因无法判断能否安全超越前方慢速行驶车辆,而导致后方紧急救援车辆低速跟随行驶的工况,提出了一种基于车路通信的弯道超车安全预测方法。运用车-路互联技术获取准确的路况信息,建立四自由度车辆动力学模型计算安全车速,并设计了车辆弯道超车行驶的安全碰撞预测算法,最后通过典型弯道路况进行仿真验证。仿真结果表明,该方法能够为驾驶员提供准确的预测信息,有效增强车辆超车行驶的安全性(与对向、同向车辆无碰撞)和稳定性(本车无侧滑、侧翻),提高道路通行效率。
-
关键词
弯道超车
V2I
安全车速
碰撞预测模型
-
Keywords
overtaking at curves
V2l
safety vehicle speed
collision prediction model
-
分类号
U461.1
[机械工程—车辆工程]
-
