基于车载手机数据深度特征的驾驶行为识别

• 作者: 吴仲城 张俊 胡松
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 特征提取 卷积神经网络 手机传感器 核极限学习机
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 59-66,87
• 页数: 9页
• 分类号: TP391.4
• 字数: 5659字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.01.011

摘要

针对驾驶行为识别问题,利用智能手机传感器采集相应车辆的加速度、角速度信息,并用手机角度信息对原始数据进行矫正处理.传统的驾驶行为识别方法须事先对原始数据单元人为进行特征提取.为改善繁琐的人工特征提取方法,提出一种驾驶行为识别领域基于改进的卷积神经网络的特征提取方法.原始数据经过组合后,作为卷积神经网络的输入.通过改变卷积神经网络的损失函数,提高类内样本特征的相似度,再将提取的特征作为核极限学习机的输入.实验结果表明,该方法可有效识别车辆的静止、急加速、急减速、正常行驶、左转弯、右转弯等驾驶行为.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡松	中国科学院合肥物质科学研究院强磁场科学中心	93	705	12.0	24.0
5	吴仲城	中国科学院合肥物质科学研究院强磁场科学中心	88	998	17.0	26.0
6	张俊	中国科学院合肥物质科学研究院强磁场科学中心	74	745	15.0	26.0