基于径向基神经网络的驾驶人无意识车道偏离识别模型?

• 作者: 孟妮 山岩
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 信息融合
• 页码范围: 2180-2184,2200
• 页数: 6页
• 分类号: TP391
• 字数: 4424字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2019.09.015

摘要

针对车辆主动安全系统在车辆运动状态识别时难以区分换道和无意识车道偏离,在实车环境下采集换道和驾驶人无意识车道偏离时的方向盘转角、横摆角速度和车道线距离.建立了基于RBF神经网络的车道偏离识别模型.为了进一步提高模型整体识别率,通过归一化、主成分分析和遗传算法对神经网络的权值和阈值参数进行优化.通过对优化后的神经网络模型进行训练和测试,结果表明:在时间窗口为1.8s时,优化后的神经网络模型总体识别率为90%,其中对换道识别准确率达到了92%,对无意识车道偏离识别准确率达到了88%,能够满足车辆主动安全系统的要求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	山岩	长安大学汽车学院	14	22	3.0	4.0
2	孟妮		22	44	4.0	6.0