基于GSOM神经网络模型的交通行为模式学习方法研究

• 作者: 刘涛 施毅 路小波 黄卫
• 来源期刊: 公路交通科技
• 学科: 交通运输
• 关键词: 智能运输系统 交通行为模式学习 GSOM神经网络模型 车辆跟踪 交通事件自动检测
• 年，卷（期）: 2008,（5）
• 所属期刊栏目: 智能运输系统与交通工程
• 页码范围: 121-125
• 页数: 5页
• 分类号: U491
• 字数: 3424字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0268.2008.05.023

摘要

提出了一种用于基于视频的交通事件自动检测的交通行为模式学习方法.首先为了获取利用神经网络进行车辆行为模式学习所需的训练数据,一种基于运动估算的车辆跟踪算法被建立,将采集到的灰度视频图像序列转化为车辆标号场时空序列.其次,使用轨迹建模和编码的方法,将跟踪结果转化为轨迹数据用于网络训练.在此基础上,建立自组织神经网络,并针对自组织网络的不足使用改进的GSOM模型,选择欧氏范数作为测度,自主开发了试验软件,以U形转事件为对象开展试验,对轨迹数据进行学习.对比试验结果表明改进的GSOM算法能有效提取行为模式.GSOM相比SOM用于行为模式学习更为有效和准确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	路小波	东南大学教育部智能运输系统工程研究中心	48	781	14.0	27.0
2	施毅	东南大学教育部智能运输系统工程研究中心	11	146	7.0	11.0
3	黄卫	东南大学教育部智能运输系统工程研究中心	214	5149	39.0	60.0
4	刘涛	东南大学教育部智能运输系统工程研究中心	35	297	10.0	16.0