原文传递
基于卷积神经网络的高速出口换道识别研究
| 题名： | 基于卷积神经网络的高速出口换道识别研究 |
| 正文语种： | 中文 |
| 作者： | 齐龙 徐婷 钟小明 张健 |
| 作者单位： | 长安大学,陕西西安 710064;中设设计集团股份有限公司,江苏南京 210064 长安大学,陕西西安 710064 华杰工程咨询有限公司,北京100029 |
| 关键词： | 换道行为 卷积神经网络 贝叶斯滤波 高速出口 危险概率预测 行为识别 |
| 摘要： | 本文对车辆换道行为特征状态进行采集、提取和处理，研究分析了17种特征状态的车辆换道行为，利用植入卷计算法的卷积神经网络对换道行为图像的深度训练，利用反向传递的神经网络对BP神经网络权值矩阵的多重调整和修改，最终将识别能力提高到95.73％的水平，得出利用深度卷积神经网络识别交通换道行为可行的结论.本研究是交通安全领域智能交通研究的技术环节，对交通安全设施完善起到推动作用，对智能交通安全研究起到技术支撑作用. |
| 会议日期： | 20191031 |
| 会议举办地点： | 上海 |
| 会议名称： | 第十四届中国智能交通年会 |
| 出版日期： | 1031-01-20 |
| 母体文献： | 第十四届中国智能交通年会论文集 |
检索历史
应用推荐
