期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合递归图的脑电驾驶行为分类方法研究
1
作者
常文文
芦家磊
+1 位作者
黄霄
闫光辉
《交通运输系统工程与信息》
北大核心
2025年第3期152-162,共11页
驾驶行为识别是智能驾驶辅助系统的核心问题,而基于脑电信号的驾驶行为分类检测是实现以人为中心的智能驾驶辅助系统的重要途径。为实现常见驾驶行为下脑电信号五分类检测,本文提出一种基于递归图和改进卷积神经网络的方法,即RP-CS。RP...
驾驶行为识别是智能驾驶辅助系统的核心问题,而基于脑电信号的驾驶行为分类检测是实现以人为中心的智能驾驶辅助系统的重要途径。为实现常见驾驶行为下脑电信号五分类检测,本文提出一种基于递归图和改进卷积神经网络的方法,即RP-CS。RP-CS方法主要通过挖掘驾驶员脑电信号中重要的非线性特征,并通过融入了通道注意力机制的卷积神经网络进一步提取特征并实现五分类检测。在本方法中,脑电非线性特征的提取方式是将一维时序信号嵌入到更高维度的相空间中,并利用欧氏距离构造出递归图。随后,将同时含有非线性特征和时域特征的递归图作为改进卷积神经网络的输入,利用卷积神经网络在图像数据处理中的优势,实现对驾驶行为的五分类检测。在公开数据集上进行对比实验,结果表明,本文提出的RP-CS驾驶行为识别准确率优于其他方法。在单被试条件下,五类驾驶行为的分类准确率最高可达95.84%;在跨被试条件下,平均分类准确率为71.92%。此结果意味着脑电信号中非线性特征和深度学习模型的有效结合可提高脑电信号分类识别的效率。为驾驶行为监测和辅助安全驾驶提供了一种可行的解决方案,对于提高驾驶辅助系统的性能和驾驶安全具有重要意义。
展开更多
关键词
智能交通
驾驶行为分类
深度学习
脑电
非线性特征
在线阅读
下载PDF
职称材料
驾驶行为分类方法及量化评估综述
被引量：
2
2
作者
张立成
张婷
+2 位作者
蔡学锐
赵祥模
彭琨
《汽车技术》
CSCD
北大核心
2024年第5期1-14,共14页
对驾驶行为分类方法及量化评估进行综述,首先阐述了驾驶行为的涵义及表征方法,然后将驾驶行为分类方法划分为基于统计特性的分类方法、基于机器学习的分类方法、混合式(组合、集成)分类方法三大类,并对不同的驾驶行为分类方法的代表算...
对驾驶行为分类方法及量化评估进行综述,首先阐述了驾驶行为的涵义及表征方法,然后将驾驶行为分类方法划分为基于统计特性的分类方法、基于机器学习的分类方法、混合式(组合、集成)分类方法三大类,并对不同的驾驶行为分类方法的代表算法、优点及局限性等进行系统归纳和总结,其次,从多个维度对驾驶行为的量化评估研究进行系统介绍,最后介绍了驾驶行为分类及量化评估研究成果在多个领域的应用现状及前景展望。
展开更多
关键词
交通工程
驾驶行为分类
评估
智能网联汽车
交通安全
节能减排
舒适性
在线阅读
下载PDF
职称材料
基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别
被引量：
1
3
作者
何庆龄
裴玉龙
+2 位作者
董春彤
刘静
潘胜
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第9期131-141,共11页
为解决现有智能算法在优化支持向量机识别风险驾驶行为过程中收敛速率缓慢和误差较大的问题。首先,采用Tent映射取代原子搜索优化算法(ASO)种群初始化随机设置的方式,增加原子种群多样性和质量;其次,使用逐维小孔成像反向学习与柯西变...
为解决现有智能算法在优化支持向量机识别风险驾驶行为过程中收敛速率缓慢和误差较大的问题。首先,采用Tent映射取代原子搜索优化算法(ASO)种群初始化随机设置的方式,增加原子种群多样性和质量;其次,使用逐维小孔成像反向学习与柯西变异混合机制,提高原子个体择优位置的多样性,克服ASO算法易陷入局部最优和过早收敛的问题;最后,通过引入自适应变螺旋搜寻策略改进原子个体位置更新过程,以提升ASO算法的全局搜索能力,实现全局搜索和局部开发间关系的有效平衡,缓解ASO算法易陷入局部最优和收敛精度不足的问题。以上海北横通道出口匝道车辆轨迹数据为输入,使用混合策略改进ASO算法寻优求解最小二乘支持向量机(LSSVM)参数,构建基于混合策略改进原子搜索优化最小二乘支持向量机IASO-LSSVM的快速路出口匝道风险驾驶行为分类识别模型。数值仿真实验结果表明:IASO算法在12个基准测试函数数值仿真结果的平均值、标准差、最佳适应度和最差适应度等方面均更接近最佳优化值。IASO-LSSVM模型相较于ASO-LSSVM和LSSVM等模型的风险驾驶行为分类识别结果误差指标正确率、精确率、召回率和F1值分别增加11.5~24.5、14.1~29.0、15.1~28.6和14.7~31.2个百分点,且在不同类型风险驾驶行为识别结果中误差变化范围最小。IASO算法参数寻优求解精度和收敛速率优于ASO算法,且IASO-LSSVM模型可用于不同类型风险驾驶行为精准识别,可为车辆行驶轨迹状态合理判别,制定风险驾驶行为预警防控措施提供数据支撑与理论依据。
展开更多
关键词
城市交通
快速路出口匝道
风险
驾驶行为分类
识别
原子搜索优化
混合策略
最小二乘支持向量机
在线阅读
下载PDF
职称材料
题名
融合递归图的脑电驾驶行为分类方法研究
1
作者
常文文
芦家磊
黄霄
闫光辉
机构
兰州交通大学
出处
《交通运输系统工程与信息》
北大核心
2025年第3期152-162,共11页
基金
国家自然科学基金(62366028,62466032)。
文摘
驾驶行为识别是智能驾驶辅助系统的核心问题,而基于脑电信号的驾驶行为分类检测是实现以人为中心的智能驾驶辅助系统的重要途径。为实现常见驾驶行为下脑电信号五分类检测,本文提出一种基于递归图和改进卷积神经网络的方法,即RP-CS。RP-CS方法主要通过挖掘驾驶员脑电信号中重要的非线性特征,并通过融入了通道注意力机制的卷积神经网络进一步提取特征并实现五分类检测。在本方法中,脑电非线性特征的提取方式是将一维时序信号嵌入到更高维度的相空间中,并利用欧氏距离构造出递归图。随后,将同时含有非线性特征和时域特征的递归图作为改进卷积神经网络的输入,利用卷积神经网络在图像数据处理中的优势,实现对驾驶行为的五分类检测。在公开数据集上进行对比实验,结果表明,本文提出的RP-CS驾驶行为识别准确率优于其他方法。在单被试条件下,五类驾驶行为的分类准确率最高可达95.84%;在跨被试条件下,平均分类准确率为71.92%。此结果意味着脑电信号中非线性特征和深度学习模型的有效结合可提高脑电信号分类识别的效率。为驾驶行为监测和辅助安全驾驶提供了一种可行的解决方案,对于提高驾驶辅助系统的性能和驾驶安全具有重要意义。
关键词
智能交通
驾驶行为分类
深度学习
脑电
非线性特征
Keywords
intelligent transportation
driving behavior classification
deep learning
electroencephalogram(EEG)
nonlinear characteristics
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
驾驶行为分类方法及量化评估综述
被引量：
2
2
作者
张立成
张婷
蔡学锐
赵祥模
彭琨
机构
长安大学
车联网教育部-中国移动联合实验室
陕西省车联网与智能汽车测试技术工程研究中心
出处
《汽车技术》
CSCD
北大核心
2024年第5期1-14,共14页
基金
国家重点研发计划项目(2018YFB0105104)
国家自然科学基金项目(51278058)
+1 种基金
“车-路信息感知与智能交通系统”111高校创新引智基地项目(B14043)
中央高校基本科研业务费专项资金资助项目(CHD300102240503,CHD300102242502)。
文摘
对驾驶行为分类方法及量化评估进行综述,首先阐述了驾驶行为的涵义及表征方法,然后将驾驶行为分类方法划分为基于统计特性的分类方法、基于机器学习的分类方法、混合式(组合、集成)分类方法三大类,并对不同的驾驶行为分类方法的代表算法、优点及局限性等进行系统归纳和总结,其次,从多个维度对驾驶行为的量化评估研究进行系统介绍,最后介绍了驾驶行为分类及量化评估研究成果在多个领域的应用现状及前景展望。
关键词
交通工程
驾驶行为分类
评估
智能网联汽车
交通安全
节能减排
舒适性
Keywords
Traffic engineering
Driving behavior classification and evaluation
Intelligent and connected vehicle
Transportation safety
Energy saving and emission reduction
Comfort
分类号
U461.9 [机械工程—车辆工程]
U471 [机械工程—车辆工程]
在线阅读
下载PDF
职称材料
题名
基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别
被引量：
1
3
作者
何庆龄
裴玉龙
董春彤
刘静
潘胜
机构
东北林业大学土木与交通学院
出处
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024年第9期131-141,共11页
基金
国家重点研发计划项目(2018YFB1600902)
东北林业大学中央高校基本科研业务费专项资金资助项目(2572022AW62)。
文摘
为解决现有智能算法在优化支持向量机识别风险驾驶行为过程中收敛速率缓慢和误差较大的问题。首先,采用Tent映射取代原子搜索优化算法(ASO)种群初始化随机设置的方式,增加原子种群多样性和质量;其次,使用逐维小孔成像反向学习与柯西变异混合机制,提高原子个体择优位置的多样性,克服ASO算法易陷入局部最优和过早收敛的问题;最后,通过引入自适应变螺旋搜寻策略改进原子个体位置更新过程,以提升ASO算法的全局搜索能力,实现全局搜索和局部开发间关系的有效平衡,缓解ASO算法易陷入局部最优和收敛精度不足的问题。以上海北横通道出口匝道车辆轨迹数据为输入,使用混合策略改进ASO算法寻优求解最小二乘支持向量机(LSSVM)参数,构建基于混合策略改进原子搜索优化最小二乘支持向量机IASO-LSSVM的快速路出口匝道风险驾驶行为分类识别模型。数值仿真实验结果表明:IASO算法在12个基准测试函数数值仿真结果的平均值、标准差、最佳适应度和最差适应度等方面均更接近最佳优化值。IASO-LSSVM模型相较于ASO-LSSVM和LSSVM等模型的风险驾驶行为分类识别结果误差指标正确率、精确率、召回率和F1值分别增加11.5~24.5、14.1~29.0、15.1~28.6和14.7~31.2个百分点,且在不同类型风险驾驶行为识别结果中误差变化范围最小。IASO算法参数寻优求解精度和收敛速率优于ASO算法,且IASO-LSSVM模型可用于不同类型风险驾驶行为精准识别,可为车辆行驶轨迹状态合理判别,制定风险驾驶行为预警防控措施提供数据支撑与理论依据。
关键词
城市交通
快速路出口匝道
风险
驾驶行为分类
识别
原子搜索优化
混合策略
最小二乘支持向量机
Keywords
urban transport
expressway exit ramp
risk driving behavior classification and identification
atom search optimization
hybrid strategy
LSSVM
分类号
U491.1 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
融合递归图的脑电驾驶行为分类方法研究
常文文
芦家磊
黄霄
闫光辉
《交通运输系统工程与信息》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
驾驶行为分类方法及量化评估综述
张立成
张婷
蔡学锐
赵祥模
彭琨
《汽车技术》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
3
基于混合策略改进ASO-LSSVM的风险驾驶行为分类识别
何庆龄
裴玉龙
董春彤
刘静
潘胜
《华南理工大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
