發(fā)布時(shí)間：2018-05-09 21:46

  本文選題：交通工程 + 駕駛行為識別�。� 參考：《交通運(yùn)輸系統(tǒng)工程與信息》2017年01期

【摘要】：從車輛行駛軌跡的角度,車輛駕駛行為可細(xì)分為車輛跟馳行為、車輛換道準(zhǔn)備行為和車輛換道執(zhí)行行為,它們對交通擁堵、交通事故等都有著重要影響,也是自動駕駛、交通仿真等系統(tǒng)的基礎(chǔ)構(gòu)成模塊.然而,如何從實(shí)際微觀交通流數(shù)據(jù)中對3種行為進(jìn)行識別是駕駛行為研究的基礎(chǔ)和難點(diǎn).本文提出基于支持向量機(jī)的駕駛行為識別方法,使用真實(shí)車輛軌跡數(shù)據(jù),為提高模型的準(zhǔn)確率,首先對樣本數(shù)據(jù)進(jìn)行歸一化和主成分分析預(yù)處理,然后采用網(wǎng)格搜索算法對懲罰因子和核參數(shù)進(jìn)行尋優(yōu),最后利用樣本數(shù)據(jù)對基于支持向量機(jī)的分類模型進(jìn)行訓(xùn)練和測試.結(jié)果表明,模型的測試精度達(dá)到了98.41%,能夠很好地識別車輛的行駛狀態(tài),為駕駛行為各階段的研究提供支持.
[Abstract]:From the point of view of vehicle trajectory, vehicle driving behavior can be subdivided into car-following behavior, vehicle-changing preparation behavior and vehicle-changing execution behavior, which have an important impact on traffic congestion, traffic accidents and so on, and are also self-driving. Traffic simulation and other basic components of the system. However, how to identify the three behaviors from the actual microscopic traffic flow data is the foundation and difficulty of driving behavior research. In this paper, a driving behavior recognition method based on support vector machine (SVM) is proposed. In order to improve the accuracy of the model, the sample data are normalized and preprocessed by principal component analysis (PCA) in order to improve the accuracy of the model by using the real vehicle trajectory data. Then the mesh search algorithm is used to optimize the penalty factor and kernel parameters. Finally, the classification model based on support vector machine is trained and tested using the sample data. The results show that the accuracy of the model is 98.41, which can identify the driving state of the vehicle and provide support for the study of driving behavior.
【作者單位】： 西南交通大學(xué)交通運(yùn)輸與物流學(xué)院;
【基金】：國家自然科學(xué)基金(51408509) 中央高校基本業(yè)務(wù)經(jīng)費(fèi)(2682016CX046)~~
【分類號】：U491.25

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張偉東;陳峰;徐文立;杜友田;;基于階層多觀測模型的多人行為識別[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年07期

2 曾青松;余明輝;賀衛(wèi)國;李玲;;一種行為識別的新方法[J];昆明理工大學(xué)學(xué)報(bào)(理工版);2009年06期

3 徐勤軍;吳鎮(zhèn)揚(yáng);;視頻序列中的行為識別研究進(jìn)展[J];電子測量與儀器學(xué)報(bào);2014年04期

4 田國會;尹建芹;韓旭;于靜;;一種基于關(guān)節(jié)點(diǎn)信息的人體行為識別新方法[J];機(jī)器人;2014年03期

5 陳嫣;;兩級融合系統(tǒng)中目標(biāo)身份與行為識別技術(shù)[J];火力與指揮控制;2011年09期

6 張麗霞;;人體異常行為識別在電力生產(chǎn)中的應(yīng)用[J];生物技術(shù)世界;2013年03期

7 肖保英;孫湘明;;探析城市精神與城市行為識別的互動性[J];藝術(shù)與設(shè)計(jì)(理論);2007年01期

8 司文慧;魏建平;;基于投影和質(zhì)心運(yùn)動特征的人體行為識別算法[J];山東交通學(xué)院學(xué)報(bào);2010年04期

9 谷利;;視頻監(jiān)控的新軍——智能化行為識別[J];智能建筑;2005年10期

10 宋堅(jiān);關(guān)于設(shè)計(jì)與市場的講座[J];昆明大學(xué)學(xué)報(bào);1999年02期

相關(guān)會議論文 前7條

1 苗強(qiáng);周興社;於志文;倪紅波;;一種非覺察式的睡眠行為識別技術(shù)研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

2 齊娟;陳益強(qiáng);劉軍發(fā);;基于多模信息感知與融合的行為識別[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

3 方帥;曹洋;王浩;;視頻監(jiān)控中的行為識別[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 黃紫藤;吳玲達(dá);;監(jiān)控視頻中簡單人物行為識別研究[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

5 安國成;羅志強(qiáng);李洪研;;改進(jìn)運(yùn)動歷史圖的異常行為識別算法[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

6 王忠民;曹棟;;坐標(biāo)轉(zhuǎn)換在移動用戶行為識別中的應(yīng)用研究[A];2013年全國通信軟件學(xué)術(shù)會議論文集[C];2013年

7 劉威;李石堅(jiān);潘綱;;uRecorder:基于位置的社會行為自動日志[A];第18屆全國多媒體學(xué)術(shù)會議（NCMT2009）、第5屆全國人機(jī)交互學(xué)術(shù)會議（CHCI2009）、第5屆全國普適計(jì)算學(xué)術(shù)會議（PCC2009）論文集[C];2009年

相關(guān)重要報(bào)紙文章 前4條

1 李晨光;導(dǎo)入CIS要注意什么？[N];河北經(jīng)濟(jì)日報(bào);2001年

2 農(nóng)發(fā)行鹿邑支行黨支部書記 行長 劉永貞;發(fā)行形象與文化落地農(nóng)[N];周口日報(bào);2007年

3 東林;行為識別新技術(shù)讓監(jiān)控沒有“死角”[N];人民公安報(bào);2007年

4 田凱　徐蕊 李政育 信木祥;博物館安全的國際經(jīng)驗(yàn)[N];中國文物報(bào);2014年

相關(guān)博士學(xué)位論文 前10條

1 邵延華;基于計(jì)算機(jī)視覺的人體行為識別研究[D];重慶大學(xué);2015年

2 仝鈺;基于條件隨機(jī)場的智能家居行為識別研究[D];大連海事大學(xué);2015年

3 馮銀付;多模態(tài)人體行為識別技術(shù)研究[D];浙江大學(xué);2015年

4 姜新波;基于三維骨架序列的人體行為識別研究[D];山東大學(xué);2015年

5 韓姍姍;基于視覺的運(yùn)動人體特征描述與行為識別研究[D];浙江工業(yè)大學(xué);2015年

6 裴利沈;視頻中人體行為識別若干問題研究[D];電子科技大學(xué);2016年

7 周同馳;行為識別中基于局部時(shí)空關(guān)系的特征模型研究[D];東南大學(xué);2016年

8 徐海燕;復(fù)雜環(huán)境下行為識別特征提取方法研究[D];東南大學(xué);2016年

9 何衛(wèi)華;人體行為識別關(guān)鍵技術(shù)研究[D];重慶大學(xué);2012年

10 吳秋霞;復(fù)雜場景下的人體行為識別[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 唐小琴;基于全局和局部運(yùn)動模式的人體行為識別研究[D];西南大學(xué);2015年

2 胡秋揚(yáng);可穿戴式個(gè)人室內(nèi)位置和行為監(jiān)測系統(tǒng)[D];浙江大學(xué);2015年

3 陳鈺昕;基于時(shí)空特性的人體行為識別研究[D];燕山大學(xué);2015年

4 任亮;智能車環(huán)境下車輛典型行為識別方法研究[D];長安大學(xué);2015年

5 金澤豪;并行化的人體行為識別方法研究與實(shí)現(xiàn)[D];華南理工大學(xué);2015年

6 王呈;穿戴式多傳感器人體日常活動監(jiān)測系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2015年

7 王露;基于稀疏時(shí)空特征的人體行為識別研究[D];蘇州大學(xué);2015年

8 于靜;基于物品信息和人體深度信息的行為識別研究[D];山東大學(xué);2015年

9 章瑜;人體運(yùn)動行為識別相關(guān)方法研究[D];南京師范大學(xué);2015年

10 趙揚(yáng);家庭智能空間下基于行走軌跡的人體行為理解[D];山東大學(xué);2015年

，

本文編號：1867527