基于卷积神经网络的自行车骑行行为识别

• 作者: 姜若琳 谷远利 邵壮壮
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 城市交通 骑行行为识别 卷积神经网络 自行车骑行 深度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 交通信息工程与控制
• 页码范围: 72-79
• 页数: 8页
• 分类号: U491
• 字数: 6483字
• 语种: 中文
• DOI: 10.3963/j.issn.1674-4861.2019.01.010

摘要

为研究适合我国城市交通的自行车骑行行为分类识别方法,实施骑行行为视频调查试验,并提取骑行者骑行特征信息.结合我国交通现状和自行车交通特点,提出一种新的骑行行为分类方法,新的行为分类可基本覆盖我国自行车交通的所有骑行行为场景.采用提出的行为分类方法对试验个体骑行行为进行人工分类标记,得到不同骑行场景下的骑行行为分类数据集.基于卷积神经网络(CNN)建立自行车骑行行为识别模型,考虑模型输入特征特性以及分类任务复杂度对模型结构进行迭代设计选优,调整模型网络组成和卷积参数,得到分类效果显著的模型结构.对比分析多元Logit分类模型、三层全连接层BP神经网络模型,与本文的卷积网络模型在骑行行为分类预测的表现,在20 000次迭代训练之后,3个模型均得到收敛结果.结果 表明,提出的骑行行为分类模型准确率分别高于多元Logit模型20％,高于BP网络模型15％,显著优于对比模型的识别效果.卷积网络模型可有效解析骑行行为与各骑行特征因素之间的关系.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谷远利	北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室	18	61	4.0	6.0
2	邵壮壮	北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室	5	7	2.0	2.0
3	姜若琳	北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室	1	3	1.0	1.0